[发明专利]基于深度学习的油井示功图位移测量方法及装置

说明书

本发明公开了基于深度学习的油井示功图位移测量方法及装置，方法包括如下步骤：步骤1：轨迹追踪模块主动向时间同步模块发出同步请求信号；步骤2：时间同步模块在接收到信号后，井场摄像机根据信号指令进行追踪记录，获取图像或视频数据；步骤3：在智慧计算大脑中自动进行数据提取与处理，形成综合测量数据；步骤4：利用智慧计算大脑对所获取的综合测量数据进行校验，输出数据至用户的应用系统；装置包括轨迹追踪模块、高清智能摄像机、时间同步模块、智慧计算大脑。本发明解决了传统位移传感器环境和原件老化所导致误差持续增大的问题，且较传统方式具有更高的性价比和较低运维成本，推广前景较为广阔。

技术领域

本发明属于油井示功图位移测量技术领域，具体涉及一种基于深度学习的油井示功图位移测量方法，还涉及一种基于深度学习的油井示功图位移测量装置。

背景技术

随着各油田企业在数字化转型与自动化发展方面的长足进步，以油田物联网为基础的“无人化”或“少人化”井场的数量呈爆发式的增长，相应的通过分析示功图数据的特征来对油井的运行状态进行实时监测已成为日常油井管理工作的重要内容之一。但是，随着示功图数据的应用范围的不断扩大，传统由载荷传感器和位移传感器进行相关数据采集方式，受限于工作原理、测量方法、设备精度及外部条件因素的制约，导致在所采集位移数据与实际之间存在较大的误差，需要相关技术人员定期对每一口示功图位移量进行手工测量与误差校验，以实现提升传感器的测量精度和降低系统误差的目的。

这样的解决方案，由于专业测量人员所使用的仪器类型、型号的不同和本身在测量过程中操作方法的差异，造成同一口油井的校验参数与中误差计算结果之间存在较大偏差，尤其是很多边远地区的油井因为巡检频次和设备维护程度相对较低，普遍存在着位移传感器测量精度无法满足实际应用的问题，进而造成对油井可能存在故障隐患做出准确诊断与及时告警，导致后期需要花费更多的人力、物力进行隐患排查与故障处理。

为了解决上述问题，各油田企业和相关科研院所不断通过优化测量方法、研发新型传感器和加强内部培训方法，来消除人为因素带来操作误差与计算过程的中误差，但这些方法无法从根本上消除传统位移传感器的机械位移与电阻或电压转换过程的计算误差，且随着外部环境的改变和电阻元件的持续老化，所测位移结果误差不断增大，而重新更换设备或零部件又会增加企业的运维成本支持。如何能够获取更高精度的位移测量结果，已成为各油田企业在持续深化示功图应用领域的重要课题之一。

发明内容

本发明的目的提供了一种基于深度学习的油井示功图位移测量方法，解决了由于外部环境的改变和电阻元件的持续老化，导致所测位移结果误差增大，以及性价比不够高的问题。

本发明所采用的一个技术方案是，

基于深度学习的油井示功图位移测量方法，具体包括如下步骤：

步骤1：井场摄像机自动捕捉抽油机上的轨迹追踪模块，并以附近的时间同步模块为参照调节观测角度，主动向时间同步模块发出同步请求信号；

步骤2：时间同步模块在接收到信号后，自动根据抽油机上载荷传感器的动态信息进行计算和生成时间同步指令进行下发，井场摄像机根据指令开始对轨迹追踪模块的上、下行状态进行追踪记录，获取其在固定周期内的图像或视频数据；

步骤3：根据图像或视频，在智慧计算大脑中使用基于深度学习网络的多变量数据提取模型，自动进行包括时间、角度、运行轨迹特征数据提取与处理，形成综合测量数据；

步骤4：利用智慧计算大脑中预置的角度位移计算模型对所获取的综合测量数据进行并行计算与误差校验，并最终输出高精度时间、位移数据至用户的应用系统。

本发明的特点还在于，

基于深度学习的油井示功图位移测量方法，根据轨迹追踪模块的上、下行状态图像或视频进行时间、角度及运行轨迹综合测量数据提取的具体操作为: