(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111271619.2 (22)申请日 2021.10.2 9 (71)申请人 中国石油大 学 （华东） 地址 266580 山东省青岛市黄岛区长江西 路66号 (72)发明人 张晓东　陈元行　史靖文　秦子轩　 高绍姝　 (51)Int.Cl. G06F 30/27(2020.01) E21B 43/16(2006.01) G06F 119/02(2020.01) (54)发明名称 一种基于数据驱动与边云协同的智能添加 泡沫排水剂进 而解决气井水堵的方法 (57)摘要 本发明设计一种基于数据驱动与边云协同 联合的推荐加注泡沫排水剂剂量进而解决气井 水堵的方法， 属于油气井开发技术领域。 该方法 包括获取数据集并进行预处理； 用灰度关联算法 进行特征参数筛选； 根据LSTM和SVR算法建立模 型并求最优解； 将得到的模型部署 至生产网络的 中心云服务器； 中心云服务器智能推荐加注排水 剂剂量， 并传至边缘云服务器； 边缘云服务器结 合迭代算法， 逐步优化加注量， 最终得到适合某 井的最优解。 本发明由于采取以上技术方案， 可 以解决传统基于数据驱动模型泛化性弱的问题， 结合中心云服务器上一个算法及边缘云迭代算 法， 即可优化所有气井加注量， 减少了计算机资 源的投入。 同时极大地提高了容错率， 并且提高 了气井的收益。 权利要求书2页 说明书4页 附图3页 CN 114169217 A 2022.03.11 CN 114169217 A 1.基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气井水堵的方法， 其包括 以下几个步骤： (1)采集气井的每日生产数据作为样本数据集； (2)对数据进行 数据预处 理， 保留有效数据； (3)运用灰色 关联度算法筛 选有效特 征； (4)运用LSTM、 SVR等机器学习算法拟合 生产数据， 建立 算法模型； (5)对算法模型进行调优， 得到最优预测模型； (6)将上述 算法模型部署至生产网络中的中心云服 务器； (7)气井检测水堵时， 中心云服务器进行算法预测， 推荐加注泡沫排水剂的剂量， 并通 过生产网络发送给边 缘云服务器； (8)边缘云服务器接收到指令后， 根据当前边缘云所在井的实时数据， 运用迭代思想， 并以中心云服 务器推荐量为基准调整加注量。 2.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气 井水堵的方法， 其特征在于， 所述步骤(1)所获取的数据的特征参数包括日期、 生产时间、 井 口温度、 气嘴直径、 平均油压、 关井油压、 平均套压、 关井套压、 外输压力、 日产气量、 产油量、 产水量、 液体(泡沫排水剂)加药量等。 所获取 的数据集用来作为中心云服务器训练算法的 训练集。 3.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气 井水堵的方法， 其特征在于， 所述步骤(2)， 对步骤(1)采集的数据进行预处理， 包括处理缺 失值、 去除异常值， 并对数据进行去归一 化。 4.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气 井水堵的方法， 其特征在于， 所述步骤(3)， 对步骤(2)处理好的数据， 运用灰度关联算法找 出与“液体(泡沫排水剂)加药量 ”相关性强的特征参数， 同时设置最小阈值0.01， 删除关联 度分数小于这个值的特征参数。 通过灰色关联度算法保留了平均油压、 平均套压、 外输压 力、 日产气量、 产油量、 产水量六个特 征参数。 5.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气 井水堵的方法， 其特征在于， 所述步骤(4)， 将步骤(3)所得数据集作为数据集， 按照比例7: 3 划分训练集和 测试集， 用LSTM算法和SVR算法进行拟合。 6.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气 井水堵的方法， 其特征在于， 所述步骤(5)， 对步骤(4)所得模 型， 运用网格搜索法进 行调优， 得到最优 模型。 7.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气 井水堵的方法， 其特征在于， 所述步骤(6)， 将步骤(5)得到的预测模 型部署至生产网络的中 心云服务器， 用于智能推荐生产网络中所有油井加注泡沫排水剂量。 8.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气 井水堵的方法， 其特征在于， 所述步骤(7)， 在步骤(6)基础上， 气井检测到水堵时， 中心云服 务器进行加注药量推荐， 并通过生产网络下发命令 至边缘云。 9.如权利要求1中所述的基于数据驱动与边云协同的智能添加泡沫排水剂进而解决气 井水堵的方法， 其特征在于， 所述步骤(8)， 在步骤(7)基础上， 边缘云接收到加注量指令后，权　利　要　求　书 1/2 页 2 CN 114169217 A 2首先添加对应的药量， 然后根据气 井油压套压的变化， 采用迭代的思想， 以中心云推荐量为 基准， 逐步调整加注药量， 以达 到气井产量 最优化。权　利　要　求　书 2/2 页 3 CN 114169217 A 3