[发明专利]一种油气田行业能耗的预测方法及系统

说明书

本发明公开了一种油气田行业能耗的预测方法及系统，该方法包括：采集原油产量、天然气产量及能源消耗量，生成历史生产能耗数据集；采用k均值聚类算法对原油产量及天然气产量两项属性数据进行分类，得到分类结果并对每一类别进行标记；对标记的每一类别对应的数据集分别做归一化处理，记录每个类别的归一化法则，将所述原油产量和天然气产量作为输入，能源消耗量作为输出，分别建立并训练每个类别对应的神经网络能耗预测模型；获取原油计划产量和天然气计划产量，以所述分类结果为基础确定计划产量所属的类别，并根据所述的类别对应的归一化法则，进行归一化处理，将归一化后的数据输入到所属的类别对应的能耗预测模型，得到能源消耗量预测结果。

技术领域

本发明涉及油气田生产技术领域，尤指一种油气田行业能耗的预测方法及系统。

背景技术

能源是经济发展的基础，随着世界范围内社会经济的迅速发展，能源的消耗量也急剧增加，能源问题在全球变得越来越突出。同时，油气田企业在日常生产过程中，也面临着生产能耗增加，产量相对较低等问题。

为了响应石化行业节能减排的要求，技术节能和管理节能已经成为油气田企业关注的重点。能耗预测通过对历史能耗数据的分析，依托人工智能算法，最终实现对企业未来能源消耗量的预测，它可以作为一种有效的节能措施帮助企业实现节能降耗，帮助油气田企业合理安排生产，减少生产过程中的能源放散，提高油气田企业的能源管理效率。

在现有技术中，能耗预测问题仅仅被当作一个回归问题，即确定出能耗的影响因子，将它们作为特征向量，输入到选取的回归模型中，然后将此特征向量对应的能耗量作为输出，训练模型，直到模型的损失函数收敛。在此过程中，没有考虑数据集的内部空间分布特征，在整个数据集中，它们的空间分布会形成分布不同的簇，每个簇都是一个小的子集，内部有较强的关联关系。在预测的过程中，由于没有充分考虑每个簇的特征，预测结果的准确率较低，参考价值较差。

综上来看，亟需一种可以克服上述问题，能够充分考虑数据集的特征，提高预测结果准确率的技术方案。

发明内容

为克服上述问题，本发明提出了一种油气田行业能耗的预测方法及系统，可以解决油气田企业生产过程中能源消耗量预测问题，帮助油气田企业合理安排生产，减少生产过程中能源放散，提高油气田企业能源管理效率。

在本发明实施例的第一方面，提出了一种油气田行业能耗的预测方法，该方法包括：

采集原油产量、天然气产量及能源消耗量，生成历史生产能耗数据集；

选取所述原油产量及天然气产量作为属性数据，采用k均值聚类算法按照属性数据对所述历史生产能耗数据集进行分类，得到分类结果并对每一类别进行标记；

对标记的每一类别对应的数据集分别做归一化处理，将天然气产量和原油产量两项属性映射到0到1之间，记录每个类别的归一化法则，将所述原油产量和天然气产量作为输入，能源消耗量作为输出，分别建立并训练每个类别对应的神经网络能耗预测模型，得到每个类别对应的能耗预测模型；

获取原油计划产量和天然气计划产量，以所述分类结果为基础确定所述原油计划产量和天然气计划产量所属的类别，并根据所述的类别对应的归一化法则，进行归一化处理，将归一化后的数据输入到所属的类别对应的能耗预测模型，得到能源消耗量预测结果。

在本发明实施例的第二方面，提出了一种油气田行业能耗的预测系统，该系统包括：

数据采集模块，用于采集原油产量、天然气产量及能源消耗量，生成历史生产能耗数据集；

分类模块，用于选取所述原油产量及天然气产量作为属性数据，采用k均值聚类算法按照属性数据对所述历史生产能耗数据集进行分类，得到分类结果并对每一类别进行标记；