一种压裂液返排智能控制系统与装备

摘要

本发明公开了一种压裂液返排智能控制系统与装备，属于油气开采技术领域，本发明利用云计算处理平台超级计算能力对压裂液返排影响数据进行智能筛选，同时通过深度学模型进行训练生成不同油气井返排节点的非线性返排模型，并利用其进行压裂液返排智能控制，其相较于现有压裂液返排控制系统而言，本发明通过移动边缘技术将不同油气井返排节点的非线性返排模型下放至油气井返排节点的边缘端，从而可以实现对压裂液返排快速自动化控制；而且根据不同油气井返排节点的返排影响因素建立深度学习模型，有利于实现在不同压裂液返排时机下合理控制返排速度；进而有利于提高返排率，并能保证压裂改造效果和油气产能。

权利要求

1.一种压裂液返排智能控制系统，其特征在于，包括节点信息获取模块、边缘基站模块和云计算处理平台；所述云计算处理平台包括节点信息处理模块、节点事件整理记录模块、数据库模块、上位智能分析模块、深度学习模块和模型下放模块；

所述节点信息获取模块用于获取油气开采区域内若干油气井节点的传感器数据和返排阶段数据；

所述边缘基站模块用于将所述传感器数据和返排阶段数据上传至云计算处理平台；

所述节点信息处理模块用于对所述传感器数据和返排阶段数据进行预处理，并进行分发；

所述节点事件整理记录模块用于将返排阶段数据进行整理记录成返排阶段表；

所述数据库模块用于存储所述返排阶段表和历史资料；所述历史资料包含不同传感器数据下的返排率数据数值；

所述上位智能分析模块用于获取预处理后的传感器数据并进行计算，获取计算结果，同时根据历史资料将计算结果与返排率之间进行关联性分析，以确定压裂液返排影响因素，并将其与所述返排阶段表一同输入深度学习模块；

所述深度学习模块用于获取不同油气井返排节点的压裂液返排影响因素以及返排阶段表，并将其作为训练集进行训练，以生成不同油气井返排节点的非线性返排模型；

所述模型下放模块用于获取符合预设标准不同油气井返排节点的非线性返排模型下放至所述边缘基站模块，利用其以实现对不同油气井返排节点的非线性智能控制；

所述传感器数据包括含砂数据、液体流量数据、温度数据、压力数据、油嘴开度数据、粘度数据和支撑剂沉降数据；所述返排阶段数据是指以压裂工程阶段为维度的压裂液返排时期；

所述边缘基站模块内安装有5G边缘服务器，所述5G边缘服务器用于存储所述不同油气井返排节点的非线性返排模型，并利用其实现对不同油气井返排节点进行返排决策服务。

2.根据权利要求1所述的一种压裂液返排智能控制系统，其特征在于，所述上位智能分析模块的具体处理过程，包括：获取所述传感器数据，并对进行计算，获取泊松比、杨氏模量和综合滤失系数的计算结果；

提取所述历史资料中不同传感器数据下的返排率数据数值，并依据其对泊松比、杨氏模量和综合滤失系数的计算结果进行对照关联；

判断其关联度是否满足预设区间：

若满足，则判断所述传感器数据为压裂液返排影响因素；

反之，则不为压裂液返排影响因素。

3.根据权利要求1所述的一种压裂液返排智能控制系统，其特征在于，所述深度学习模块采用神经网络作为学习模型。

4.根据权利要求1所述的一种压裂液返排智能控制系统，其特征在于，所述边缘基站模块还包括节点编号对应单元，所述节点编号对应单元用于将每一油气井返排节点获取到的传感数据以及当前油气井节点所处的返排阶段与非线性返排模型进行一一对应。

5.一种压裂液返排智能控制装备，利用权利要求1所述的一种压裂液返排智能控制系统，其特征在于，包括：传感器模块用于采集传感器数据；

预处理模块用于对传感器数据进行预处理；

阶段检测模块用于采集当前油气井节点所处的返排阶段；

边缘通信模块用于获取传感器数据，并根据所述当前油气井节点所处的返排阶段将其输入对应的非线性返排模型中进行计算，以获取不同时间段内的返排决策指令；

下位机控制模块用于根据所述不同时间段内的返排决策指令对可调式油嘴和压力泵模块进行对应控制，以实现在不同压裂液返排时机下合理控制返排速度；

所述可调式油嘴用于调节油嘴开度；

所述压力泵模块用于调节压力大小。

说明书

一种压裂液返排智能控制系统与装备

技术领域

[0001] 本发明涉及油气开采技术领域，尤其涉及一种压裂液返排智能控制系统与装备。

背景技术

[0002] 水力压裂作为油气储层改造的重要技术手段，已广泛应用于低渗透页岩气、致密气等非常规油气田的开发中；其中，压裂后压裂液返排是压裂施工及管理中重要环节，压裂液作为一种化学品，其包含有毒有害物质，若不能对其进行有效返排回收，将容易造成地下水污染；同时压裂液返排回收利用也能降低压裂成本，而且其也直接影响储层的改造效果
和油气产能，因此有必要对压裂液进行返排回收；实践发现，在压力返排初期，若放喷过程太快，返排液流量太大，就会使得压裂过程中加入的支撑剂(砂子)随返排液一起流出油井，其易影响压裂效果；而在裂缝基本闭合后，在不出砂的前提下，可以适当增大返排速度以实现压裂液尽快返排；因此如何合理确定压裂液返排时机和控制返排速度就成为了关键；

[0003] 目前，现有的压裂液返排的控制手段主要根据压力控制返排，其待压裂液破胶后，根据压力大小，更换不同尺寸的油嘴，控制放喷返排，其主要依据现场作业人员经验，无法实现智能化、自动化和合理化的快速控制，难以在保证压裂效果的前提下提高压裂液返排率；此外，现有的油气开采地区通常需要开设多口井以实现油气开采，而目前的压裂液返排控制手段均主要针对单井压裂液返排控制设计，其无法实现对多口油气井的压裂液返排控
制，人工成本较高；为此，我们提出一种压裂液返排智能控制系统与装备。

发明内容

[0004] 本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种压裂液返排智能控制系统与装备。

[0005] 为了实现上述目的，本发明采用了如下技术方案：

[0006] 一种压裂液返排智能控制系统，包括节点信息获取模块、边缘基站模块和云计算处理平台；所述云计算处理平台包括节点信息处理模块、节点事件整理记录模块、数据库模块、上位智能分析模块、深度学习模块和模型下放模块；

[0007] 所述节点信息获取模块用于获取油气开采区域内若干油气井节点的传感器数据和返排阶段数据；

[0008] 所述边缘基站模块用于将所述传感器数据和返排阶段数据上传至云计算处理平台；

[0009] 所述节点信息处理模块用于对所述传感器数据和返排阶段数据进行预处理，并进行分发；

[0010] 所述节点事件整理记录模块用于将返排阶段数据进行整理记录成返排阶段表；

[0011] 所述数据库模块用于存储所述返排阶段表和历史资料；所述历史资料包含不同传感器数据下的返排率数据数值；

[0012] 所述上位智能分析模块用于获取预处理后的传感器数据并进行计算，获取计算结果，同时根据历史资料将计算结果与返排率之间进行关联性分析，以确定压裂液返排影响
因素，并将其与所述返排阶段表一同输入深度学习模块；

[0013] 所述深度学习模块用于获取不同油气井返排节点的压裂液返排影响因素以及返排阶段表，并将其作为训练集进行训练，以生成不同油气井返排节点的非线性返排模型；

[0014] 所述模型下放模块用于获取符合预设标准不同油气井返排节点的非线性返排模型下放至所述边缘基站模块，利用其以实现对不同油气井返排节点的非线性智能控制。

[0015] 进一步地，所述传感器数据包括含砂数据、液体流量数据、温度数据、压力数据、油嘴开度数据、粘度数据和支撑剂沉降数据；所述返排阶段数据是指以压裂工程阶段为维度的压裂液返排时期。

[0016] 进一步地，所述边缘基站模块内安装有5G边缘服务器，所述5G边缘服务器用于存储所述不同油气井返排节点的非线性返排模型，并利用其实现对不同油气井返排节点进行
返排决策服务。

[0017] 进一步地，所述上位智能分析模块的具体处理过程，包括：

[0018] 获取所述传感器数据，并对进行计算，获取泊松比、杨氏模量和综合滤失系数的计算结果；

[0019] 提取所述历史资料中不同传感器数据下的返排率数据数值，并依据其对泊松比、杨氏模量和综合滤失系数的计算结果进行对照关联；

[0020] 判断其关联度是否满足预设区间：

[0021] 若满足，则判断所述传感器数据为压裂液返排影响因素；

[0022] 反之，则不为压裂液返排影响因素。

[0023] 进一步地，所述深度学习模块采用神经网络作为学习模型。

[0024] 进一步地，所述边缘基站模块还包括节点编号对应单元，所述节点编号对应单元用于将每一油气井返排节点获取到的传感数据以及当前油气井节点所处的返排阶段与非
线性返排模型进行一一对应。

[0025] 一种压裂液返排智能控制装备，包括：

[0026] 传感器模块用于采集传感器数据；

[0027] 预处理模块用于对传感器数据进行预处理；

[0028] 阶段检测模块用于采集当前油气井节点所处的返排阶段；

[0029] 边缘通信模块用于获取传感器数据，并根据所述当前油气井节点所处的返排阶段将其输入对应的非线性返排模型中进行计算，以获取不同时间段内的返排决策指令；

[0030] 下位机控制模块用于根据所述不同时间段内的返排决策指令对可调式油嘴和压力泵模块进行对应控制，以实现在不同压裂液返排时机下合理控制返排速度；

[0031] 所述可调式油嘴用于调节油嘴开度；

[0032] 所述压力泵模块用于调节压力大小。

[0033] 相比于现有技术，本发明的有益效果在于：

[0034] 本申请公开了一种压裂液返排智能控制系统与装备，其利用云计算处理平台超级计算能力对压裂液返排影响数据进行智能筛选，同时通过深度学习模型进行训练生成不同
油气井返排节点的非线性返排模型，并利用其进行压裂液返排智能控制，其相较于现有压
裂液返排控制系统而言，本发明通过移动边缘技术将不同油气井返排节点的非线性返排模
型下放至油气井返排节点的边缘端，从而可以实现对压裂液返排快速自动化控制；而且根
据不同油气井返排节点的返排影响因素建立深度学习模型，有利于实现在不同压裂液返排
时机下合理控制返排速度；进而有利于提高返排率，并能保证压裂改造效果和油气产能；此外，将不同油气井返排节点与5G边缘服务器建立业务联系，可实现对多口油气井的压裂液
返排控制，有利于降低人工成本。

附图说明

[0035] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

[0036] 图1为本发明提出的一种压裂液返排智能控制系统的系统框图；

[0037] 图2为本发明提出的一种压裂液返排智能控制装备的整体结构示意图。

具体实施方式

[0038] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

[0039] 在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

[0040] 在一个实施例中，参照图1，提供了一种压裂液返排智能控制系统，包括节点信息获取模块、边缘基站模块和云计算处理平台；云计算处理平台包括节点信息处理模块、节点事件整理记录模块、数据库模块、上位智能分析模块、深度学习模块和模型下放模块；

[0041] 节点信息获取模块用于获取油气开采区域内若干油气井节点的传感器数据和返排阶段数据；

[0042] 具体的，该传感器数据包括含砂数据、液体流量数据、温度数据、压力数据、油嘴开度数据、粘度数据和支撑剂沉降数据；返排阶段数据是指以压裂工程阶段为维度的压裂液返排时期。

[0043] 边缘基站模块用于将传感器数据和返排阶段数据上传至云计算处理平台；

[0044] 具体的，该边缘基站模块内安装有5G边缘服务器，5G边缘服务器用于存储不同油气井返排节点的非线性返排模型，并利用其实现对不同油气井返排节点进行返排决策服
务；

[0045] 具体的，该边缘基站模块还包括节点编号对应单元，节点编号对应单元用于将每一油气井返排节点获取到的传感数据以及当前油气井节点所处的返排阶段与非线性返排
模型进行一一对应。

[0046] 节点信息处理模块用于对传感器数据和返排阶段数据进行预处理，并进行分发；

[0047] 节点事件整理记录模块用于将返排阶段数据进行整理记录成返排阶段表；

[0048] 数据库模块用于存储返排阶段表和历史资料；历史资料包含不同传感器数据下的返排率数据数值；

[0049] 上位智能分析模块用于获取预处理后的传感器数据并进行计算，获取计算结果，同时根据历史资料将计算结果与返排率之间进行关联性分析，以确定压裂液返排影响因
素，并将其与返排阶段表一同输入深度学习模块；

[0050] 具体的，该上位智能分析模块的具体处理过程，包括：

[0051] 获取传感器数据，并对进行计算，获取泊松比、杨氏模量和综合滤失系数的计算结果；

[0052] 提取历史资料中不同传感器数据下的返排率数据数值，并依据其对泊松比、杨氏模量和综合滤失系数的计算结果进行对照关联；

[0053] 判断其关联度是否满足预设区间：

[0054] 若满足，则判断传感器数据为压裂液返排影响因素；

[0055] 反之，则不为压裂液返排影响因素。

[0056] 深度学习模块用于获取不同油气井返排节点的压裂液返排影响因素以及返排阶段表，并将其作为训练集进行训练，以生成不同油气井返排节点的非线性返排模型；

[0057] 具体的，该深度学习模块采用神经网络作为学习模型；

[0058] 在这需要说明一点的是本发明不指定该深度学习模块采用哪种神经网络，任一种能完成本发明的训练任务的神经网络，都可作为本发明的学习模型。

[0059] 模型下放模块用于获取符合预设标准不同油气井返排节点的非线性返排模型下放至边缘基站模块，利用其以实现对不同油气井返排节点的非线性智能控制。

[0060] 在一个实施例中，参照图2，一种压裂液返排智能控制装备200，包括：

[0061] 传感器模块210用于采集传感器数据；

[0062] 预处理模块220用于对传感器数据进行预处理；

[0063] 阶段检测模块230用于采集当前油气井节点所处的返排阶段；

[0064] 边缘通信模块240用于获取传感器数据，并根据当前油气井节点所处的返排阶段将其输入对应的非线性返排模型中进行计算，以获取不同时间段内的返排决策指令；

[0065] 下位机控制模块250用于根据不同时间段内的返排决策指令对可调式油嘴260和压力泵模块270进行对应控制，以实现在不同压裂液返排时机下合理控制返排速度；

[0066] 可调式油嘴260用于调节油嘴开度；

[0067] 压力泵模块270用于调节压力大小。

[0068] 下面结合具体例子对本申请一种压裂液返排智能控制系统和一种压裂液返排智能控制装备200进行进一步结合说明，其具体如下：

[0069] 首先通过一种压裂液返排智能控制装备200中的传感器模块210和阶段检测模块230获取传感器数据和返排阶段数据；之后通过节点信息处理模块进行预处理，然后将返排阶段数据进行整理记录成返排阶段表，并存入数据库中，接着通过上位智能分析模块获取
预处理后的传感器数据并进行计算，获取计算结果，同时根据历史资料将计算结果与返排
率之间进行关联性分析，以确定压裂液返排影响因素；在确定压裂液返排影响因素后，将其同返排阶段表一同输入到深度学习模块进行训练，以生成不同油气井返排节点的非线性返
排模型；之后将获取符合预设标准不同油气井返排节点的非线性返排模型下放至所述边缘
基站模块，此时，完成边缘端的部署；之后，再通过传感器模块210和阶段检测模块230获取传感器数据和返排阶段数据，并通过边缘通信模块240与边缘基站模块建立联系，以通过不同油气井返排节点的非线性返排模型进行决策，并将该决策指令转换为一种压裂液返排智
能控制装备200的通信信号控制可调式油嘴260调节油嘴开度或控制压力泵模块270进行压
力大小调节。

[0070] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。