流动网络的评估
阅读：160发布：2022-10-15
专利汇可以提供流动网络的评估专利检索，专利查询，专利分析的服务。并且一种用于评估石油和 天然气 流动网络的方法包括：(1)收集历史数据和/或现场数据，这些数据与流动网络内的不同分支处的多个控制点的状态有关以及与流动网络的一个或更多个流动路径中感兴趣的一个或更多个流动参数有关；(2)识别数据中的时间间隔，控制点和流动参数在该时间间隔期间处于稳定状态；以及(3)提取表示在步骤(2)中识别的一些或全部稳定状态间隔的统计数据，从而以紧凑形式表示来自步骤(1)的原始数据。，下面是流动网络的评估专利的具体信息内容。
1.一种用于评估石油和天然气流动网络的方法，所述方法包括：
(1)收集历史数据和/或现场数据，其与所述流动网络内的不同分支处的多个控制点的状态有关以及与所述流动网络的一个或更多个流动路径中感兴趣的一个或更多个流动参数有关；
(2)识别所述数据中的时间间隔，所述控制点和一个或更多个所述流动参数在该时间间隔期间处于稳定状态；以及
(3)提取表示在步骤(2)中识别的一些或全部稳定状态间隔的统计数据，从而以紧凑形式表示来自步骤(1)的原始数据。
2.根据权利要求1所述的方法，其中识别一个或更多个所述控制点和一个或更多个所述流动参数的稳定状态时间间隔要求比预定义最小值更长的时间段，在该预定义最小值期间控制点没有改变超出一定阈值的范围。
3.根据权利要求1或权利要求2所述的方法，其中识别稳定状态间隔要求一个或更多个所述流动参数的期望平均值不应该在预期的稳定状态间隔期间随时间相当大地改变。
4.根据权利要求3所述的方法，其中当与所述预期的稳定状态间隔的第二部分的平均值相比时，如果所述预期的稳定状态间隔的第一部分的平均值改变不超过10％，优选地改变不超过5％，则流动参数的所述期望平均值被认为随时间没有相当大的改变。
5.根据前述任一权利要求所述的方法，其中步骤(2)包括识别所述数据中的三个或更多个单独的时间间隔，在所述单独的时间间隔期间所述控制点和一个或更多个所述流动参数是在稳定状态。
6.根据前述任一权利要求所述的方法，其中识别稳定状态间隔要求所述相关(一个或更多个)流动参数源自于一个或更多个弱平稳过程，使得直到第二阶的时刻仅取决于时间差。
7.根据前述任一权利要求所述的方法，其中识别是否在给定时间间隔内有稳定状态可以包括将一次线和二次线拟合到所述间隔期间所述流动参数的所有数据点，其中所述一次线具有常数项和线性项以及二次线将具有常数项、线性项和二次项，并且其中所述线性项和二次项和/或一次线和二次线可以被用于确定所述流动参数是否可以被视为稳定状态。
8.根据前述任一权利要求所述的方法，其中识别稳定状态包括要求在稳定状态时间间隔可以开始的点之前控制点没有改变的最小时间高达12小时。
9.根据前述任一权利要求所述的方法，其中在对一个或更多个所述控制点中的任何一个做出新的改变的点之后，不允许潜在的稳定状态间隔的所述时间段继续。
10.根据前述任一权利要求所述的方法，包括使用历史数据，以及可选地包括历史数据和现场数据两者。
11.根据前述任一权利要求所述的方法，其中所述方法被重复和/或连续执行，以便允许所述流动网络的持续评估。
12.根据前述任一权利要求所述的方法，其中步骤(1)包括收集关于一个或更多个所述控制点的所述状态和一个或更多个所述流动参数直接测量的数据，以及可选地收集通过使用观测器所获得的与参考以上所述测量的数据有关的数据。
13.根据前述任一权利要求所述的方法，其中步骤(3)包括以表格形式收集统计数据，以及可选地存储所述数据。
14.根据权利要求13所述的方法，其中从步骤(3)输出紧凑数据表，并且所述方法包括，在步骤(2)中，识别所有所述控制点和所有所述流动参数是稳定状态的多个数据区域，以及然后在步骤(3)中提取表示所述稳定状态间隔中的每个的统计数据以及将这些统计数据收集到所述紧凑数据表中。
15.根据权利要求14所述的方法，其中所述紧凑数据表包括关于所述稳定状态间隔的信息，诸如开始时间、持续时间和/或统计信息，诸如平均值、中位数、方差、常数项、线性项、拟合度和/或采样点的个数中的一个或更多个。
16.根据前述任一权利要求所述的方法，包括在评估与所述流动网络的性能有关的因子中使用在步骤(2)识别的所述稳定状态间隔。
17.根据权利要求16所述的方法，其中使用来自步骤(3)的所述统计数据以便识别所述控制点的所述状态与所述流动参数之间的关系，以允许形成局部模型来表示所述关系。
18.根据前述任一权利要求所述的方法，其中所述控制点是能够应用对所述流动网络的受控的调整的任何手段，特别是对所述网络内的流体流动的调整，诸如流动控制阀、泵、压缩机、气举喷油器、膨胀装置等中的一个或更多个。
19.根据前述任一权利要求所述的方法，其中测量的一个或更多个所述流动参数是受在一个或更多个控制点处应用的一个或更多个所述调整影响的任何参数，诸如压力、按体积或流动速度的流动速率、流动水平、温度、气体与液体的比率、流内的某些成分的比例、密度和/或pH中的一个或更多个。
20.根据前述任一权利要求所述的方法，包括识别在一个或更多个所述控制点中已经做出的导致一个或更多个所述流动参数改变的调整，以及在调整之前或之后通过基于一个或更多个所述控制点的所述状态和一个或更多个所述流动参数生成系统的一个或更多个局部模型来确定一个或更多个所述控制点的所述状态与一个或更多个所述流动参数之间的关系。
21.根据前述任一权利要求所述的方法，其中一个或更多个所述流动参数与一个或更多个流动路径有关，在所述一个或更多个流动路径中，所述流动网络内的所述不同分支中的多于一个分支的流已经被结合。
22.一种评估石油和天然气流动网络的方法，所述方法包括：
(1)收集历史数据和/或现场数据，其与所述流动网络内的不同分支处的多个控制点的所述状态有关以及与所述流动网络的一个或更多个流动路径中感兴趣的一个或更多个流动参数有关；
(2)识别所述数据中的时间间隔，所述控制点和一个或更多个所述流动参数在该时间间隔期间处于稳定状态；以及
(3)可选地，提取表示在步骤(2)中识别的一些或全部稳定状态间隔的统计数据，从而以紧凑形式表示来自步骤(1)的所述原始数据；
通过基于一个或更多个所述控制点的所述状态和一个或更多个所述流动参数以及所述稳定状态生产间隔生成所述系统的一个或更多个局部模型来确定一个或更多个所述控制点的所述状态与一个或更多个所述流动参数之间的关系；以及
优选地，在评估与所述流动网络的性能有关的因子中使用所述关系。
23.一种用于评估石油和天然气流动网络的方法，所述方法包括：
收集历史数据和/或现场数据，其与所述流动网络内的不同分支处的多个控制点的所述状态有关以及与所述流动网络的一个或更多个流动路径中的一个或更多个流动参数有关，在所述一个或更多个流动路径中所述不同分支中的多于一个分支的流已经被结合；
识别在一个或更多个所述控制点中已经做出的导致一个或更多个所述流动参数改变的调整；
在调整之前或之后通过基于一个或更多个所述控制点的所述状态和一个或更多个所述流动参数生成所述系统的一个或更多个局部模型来确定一个或更多个所述控制点的所述状态与一个或更多个所述流动参数之间的关系；以及
在评估与所述流动网络的性能有关的因子中使用所述关系。
24.通过权利要求1到20中任一权利要求所述的方法生成的数据，例如其可以包括紧凑数据表。
25.通过权利要求17、权利要求20、权利要求22或权利要求23所述的方法生成的一个局部模型或更多个局部模型。
26.根据权利要求24或权利要求25所述的数据或一个或更多个局部模型在控制或评估石油和天然气流动网络中的使用。
27.一种用于评估石油和天然气流动网络的数据处理设备，所述石油和天然气流动网络包括多个分支和多个控制点，其中所述多个控制点是在所述流动网络的不同分支处，所述设备包括：数据分析装置，其被布置为执行权利要求1到23中任一权利要求所述的方法。
28.一种计算机程序产品，所述计算机程序产品包括用于在数据处理设备上执行的指令，所述数据处理设备被布置为接收与流动网络中的控制点和流动参数相关的数据；其中当所述指令被执行时，其将配置所述数据处理设备执行如权利要求1到23中任一权利要求所述的方法。
流动网络的评估
技术领域
[0001] 本发明涉及一种用于评估石油和天然气流动网络的设备和方法，例如为了改进流动网络的性能或为了获得增加的数据来确定流动网络如何操作。本发明可以与石油和天然气生产网络一起使用，例如在多个井将单相或多相流体供应到网络的地方，其经由管汇等结合流。
背景技术
[0002] 有许多行业使用流动网络，例如在工厂和炼油厂中处理和制造流体和液体产品时。石油和天然气行业是一个特别感兴趣的例子，因为流动网络包括致使输入至流动网络的石油和天然气井，其可能难以建模并且在许多实例(case)下可能不可预见地发生变化。进一步地，关键过程部件的可用性随着时间改变并且因此容量等效地发生变化。因此，优化这种网络的生产设置是困难的。模拟和模型可以被用于试图预测流动网络对于在过程参数(诸如流动、压力、不同成分的混合等)中的变化的响应。然而，这些模型和伴随的优化问题可能变得非常难处理并且要求大量的计算能力，同时还只不过提供了对流动网络的优化设置的计算机辅助的推测。
[0003] WO2014/170425公开了一种用于控制石油和天然气流动网络改进性能的方法，该方法涉及在流动网络的控制点处应用激励(excitations)作为在线‘实验’，以允许识别由激励感生变化，以及因此允许迭代调整流动网络的控制来改进性能。这个方法提供了本领域的重大突破，特别是与优化性能相关。然而，包括对激励的需要具有各种限制条件，并且对过程的输出而言也没有特别宽的应用。
发明内容
[0004] 从第一方面来看，本发明提供了一种用于评估石油和天然气流动网络的方法，该方法包括：(1)收集历史数据和/或现场数据(live data)，这些数据与流动网络内的不同分支处的多个控制点的状态有关以及与流动网络的一个或更多个流动路径中感兴趣的一个或更多个流动参数有关；(2)识别数据中的时间间隔，控制点和(一个或更多个)流动参数在该时间间隔期间处于稳定状态；以及(3)提取表示在步骤(2)中识别的一些或全部稳定状态间隔的统计数据，从而以紧凑形式表示来自步骤(1)的原始数据。
[0005] 因此，针对石油和天然气流动网络而记录的大量的数据可以基于稳定状态间隔的识别和统计数据的使用被减少。统计数据可以提供关于流动网络操作的信息，允许流动网络直接地或经由进一步分析被评估，例如通过使用如下所讨论的局部模型。流动网络的评估可以用于检查其是否最佳地执行和/或用于提供关于流动网络的性能的定性和/或定量信息，例如石油和/或天然气的生产水平。流动网络的评估可以替代性地或附加地用于确定对会改进流动网络的性能的控制点的调整。
[0006] 有利地，这个方法允许用于流动网络的评估，其基于为了其他目的(例如由操作者持续进行监测)已被记录的数据以及基于在过去使用流动网络已被存储的数据。那就是说，该方法可以使用历史数据来应用，即，在实施该方法之前收集的数据，以及在流动网络的正常操作期间发生的稳定状态间隔的识别。它也可以利用在流动网络的连续操作期间在持续进行的基础上收集的数据。不像一些较早提议的方法，例如，如WO2014/170425中的方法，不需要具体的应用激励：反而可以使用在流动网络的正常使用期间收集的数据。
[0007] 本文描述的方法将提供优势甚至是对于小数量的控制点(例如，只有两个或三个)和简单的流动网络。实际上，第一方面的方法可以用在仅有单个流动路径的情形中，因为由在步骤(3)中产生的紧凑形式的数据引起的优势以与用于有流动路径的更复杂网络的情形相同的方式应用在那个情形中，尽管可能有更低紧凑度的数据。在一些示例中，流动网络包括结合的分支，以及因此方法可以包括收集流动网络的一个或更多个流动路径中的一个或更多个流动参数的数据，其中不同分支中多于一个分支的流已被结合。这种实例可以提供附加的优势，紧凑数据可以后来被分析以确定与在分支被结合之前的单独流动路径有关的信息。
[0008] 本文描述的方法也可以提供针对小数量的稳定状态间隔的优势。然而将理解到的是，较大数量的稳定状态时间间隔可以提供针对紧凑数据集的更多数据点。因此，该方法可以包括，在步骤(2)，识别在所有的控制点和所有的流动参数在稳定状态期间的数据中的三个或更多个单独时间间隔。在一些实例中，可以有相当地多于三个稳定状态时间间隔，例如2000个或更多个稳定状态时间间隔。多分支模型的一个典型例子包括200-2000个稳定状态间隔。
[0009] (一个或更多个)控制点和感兴趣的(一个或更多个)流动参数的稳定状态间隔可以被定义为是长于预定义最小值的时间段，在预定义最小值期间控制点或流动参数没有改变超出一定阈值的范围。这个阈值可以是零，即，要求控制点的状态没有刻意的改变。
[0010] 因此，识别稳定状态可以要求一些或全部控制点保持稳定，例如控制点的设置没有改变。这可以是感兴趣的控制点的一定集合的全部的一些(其中在某些情形下忽略流动网络中的其他控制点)，或在一些实例中可以是所有的控制点能够影响感兴趣的流动参数。识别稳定状态间隔可以要求相关(一个或更多个)流动参数的期望平均值不应该在这个间隔期间随时间相当大地改变。例如，可以有一个要求，当与第二部分的平均值相比时，预期的稳定状态间隔的第一部分的平均值改变不超过10％，优选地改变不超过5％，以及更优选地改变不超过2％。第一和第二部分可以是预期的稳定状态间隔的两个一半，或它们可以是预期的稳定状态间隔的多于两个的较小分部之中的两个部分。期望平均值因此可以是在小于预期的稳定状态间隔的总长度的时间段上确定的平均值。识别稳定状态间隔可以替代性地或附加地要求相关(一个或更多个)流动参数来源于一个或更多个弱平稳过程，使得到达第二阶的时刻仅取决于时间差。除了别的之外，后面的要求意为(一个或更多个)流动参数的期望值不应该在这个间隔期间随时间相当大地改变。
[0011] 在一个示例方法中，确定流动参数是否在给定时间间隔内随时间不相当大地改变可以包括将一次线和二次线拟合到间隔期间流动参数的所有数据点。一次线将具有常数项和线性项。二次线将具有常数项、线性项和二次项。线性项和二次项和/或一次线和二次线可以被用于确定流动参数是否可以被视为稳定状态。
[0012] 如果流动参数保持值贯穿可能的稳定状态间隔在期望平均值周围振荡，那么如果总间隔被分成多个间隔，例如两个间隔，则较小的间隔中的每个间隔的期望平均值会近似等于总间隔的期望平均值。如果改变相当大，那么这指示着没有稳定状态。考虑期望平均值，例如，振荡测量的平均值也提供一种方式识别参数是否源自于弱平稳过程。在优选方法中，如果任意相关流动参数具有在期望平均值周围振荡的带有噪声的测量值，其在可能的稳定状态间隔期间改变相当大，那么该间隔不被定义为稳定状态，反之如果所有相关流动参数具有在期望值周围振荡的带有噪声的测量值，而在间隔期间在流动参数的期望值中没有显著变化，那么这个间隔被识别为稳定状态间隔。因此，如上所述，可以有一个要求，当与第二部分的平均值相比时，预期的稳定状态间隔的第一部分的平均值改变不超过10％，优选地改变不超过5％，以及更优选地改变不超过2％。第一和第二部分可以是预期的稳定状态间隔的两个一半，或它们可以是预期的稳定状态间隔的多于两个的较小分部之中的两个部分。这可以被应用于多个流动参数和控制点的集合的稳定状态间隔，并且流动参数可以被定义为是任何的控制点都没有改变时的时间间隔，以及受控制点影响的所有的流动参数具有随时间不相当大地改变的期望平均值。
[0013] 识别在其期间有稳定状态的时间间隔可以包括要求最小时间段1小时，诸如选自1到24小时范围内的最小时间。在一些示例中，识别稳定状态要求在稳定状态间隔可以开始之前没有超出设定阈值范围以外的改变至少2小时，或者高达12小时的时间段。优选地确保稳定状态间隔仅在感兴趣的(一个或更多个)流动参数为稳定的时在步骤(2)中被识别。因此，潜在的稳定状态间隔的时间段可以被认为仅在(一个或更多个)流动参数在由于控制点中的改变而转变之后已经被稳定的时候开始。这允许任何动态转变效应安定下来。潜在的稳定状态间隔的时间段可能不被允许在(一个或更多个)控制点中的任何控制点做出新的改变的点之后继续。当对控制信号做出改变时，将会有转变时期和在流动参数的期望值中的移动(shift)。然后可以找到新的稳定状态生产间隔。
[0014] 步骤(3)可以包括以表格形式收集统计数据，以及可选地存储数据，例如经由计算机。因此可以有紧凑数据表输出自步骤(3)，并且该紧凑数据表可以采取永久地或暂时地存储在计算机存储器中的数据库的形式或者类似形式。获得紧凑数据表可以包括，在步骤(2)，识别多个数据区域，在该数据区域中控制点和感兴趣的流动参数是在稳定状态，以及然后在步骤(3)提取表示稳定状态间隔中的每个的统计数据。例如，稳定状态值可选地与稳定状态间隔时间的指示一起可以被用于替代当建立紧凑数据表时步骤(1)的原始数据点。
[0015] 因此，在一个简单的示例中，节流阀开口的数据点的若干分钟不改变会被单个稳定状态间隔的统计表示所替代，在单个稳定状态间隔中具有(一个或更多个)一定值的一个流动参数或流动参数的集合等同于节流阀开口的给定集合。在更复杂的示例中，附加的统计数据从多个稳定状态间隔导出(derive)并被制成表格以提供紧凑数据表，其表示大量的原始数据而没有丢失可能与流动网络的评估相关的任何细节。
[0016] 稳定状态数据表因此可以被制作，并且这可以包括关于稳定状态间隔的信息，诸如开始时间、持续时间和/或统计信息，诸如平均值、中位数、方差、常数项、线性项、拟合度(r-squared)和/或采样点的个数中的一个或更多个。该统计方法允许原始数据的高效压缩，并且也产生坐标的集合用绝对值形式的流动参数的值映射控制点的状态。
[0017] 获得紧凑数据表可以包括识别数据区域，在该数据区域中已对控制点中的一些做出调整，同时其他控制点的状态已保持不变。调整可以是阶跃(step)改变，或者它们可以是振荡。与稳定状态导数间隔有关的信息可以在导数信息可用时被保存，即，将(一个或更多个)流动参数中的改变关联于已被调整的控制点的状态中的改变的信息，但是不包括绝对值。在一个示例中，这种导数信息可以在对控制点的振荡调整期间获得，如下面进一步详细讨论的，当针对不同控制点使用具有不同频率的振荡模式来调整多个控制点时，频率分析被用于提取关于各个控制点的导数信息。可以形成稳定状态导数数据表，该表包括关于稳定状态导数间隔的信息，其可以包括以下中的一些或全部：调整的开始时间、调整的结束时间、控制点的设定点值、被调整的控制点的导数信息和不确定值。导数信息可以包括对(一个或更多个)控制点的(一个或更多个)调整的(一个或更多个)流动参数上的影响的梯度值。
[0018] 识别已做出在获得导数信息中使用的调整的区域的步骤可以包括识别满足设置要求的调整，例如：可以要求调整跟随正弦模式，可以要求调整通过最小数量的周期被振荡和/或可以要求调整是在设定阈值内的振幅处，例如不超过预定义的最大值。
[0019] 因此，紧凑数据表可以包括连同稳定状态导数数据表的稳定状态数据表。
[0020] 方法可以包括在评估与流动网络的性能有关的因子中使用在步骤(2)识别的稳定状态间隔。这可以由通过基于(一个或更多个)控制点的状态和(一个或更多个)流动参数基于稳定状态间隔生成系统的一个或更多个局部模型来确定(一个或更多个)控制点的状态与(一个或更多个)流动参数之间的关系来完成。关系的确定可以基于在步骤(3)提取的统计数据来有利地完成。这允许有效处理数据，因为模型是基于经由统计数据的提取所提供的紧凑数据。因此，稳定状态数据表可以被用在步骤(3)中以便识别控制点的状态的绝对值与流动参数的绝对值之间的关系，以允许形成表示关系的局部模型。例如，局部模型可以能够预测在流动参数上对一个或更多个控制点进行调整的效果。
[0021] 然而，在一些环境中，在步骤(3)的数据的紧凑不是必要的，并且实际上关系的确定和局部模型的创建也可以基于稳定状态间隔而在优选的实施方式中可选地使用步骤(3)直接地完成。因此，从进一步的方面来看，本发明提供了：一种评估石油和天然气流动网络的方法，该方法包括：如上的步骤(1)和步骤(2)，和仅可选地步骤(3)；通过基于(一个或更多个)控制点的状态和(一个或更多个)流动参数以及稳定状态生产间隔生成系统的一个或更多个局部模型来确定(一个或更多个)控制点的状态与(一个或更多个)流动参数之间的关系；以及，优选地，在评估与流动网络的性能有关的因子中使用所述关系。
[0022] 在一个示例中，方法包括识别在一个或更多个控制点中已经做出的导致一个或更多个流动参数改变的调整，以及在调整之前或之后通过基于的(一个或更多个)控制点的状态和(一个或更多个)流动参数生成系统的一个或更多个局部模型来确定(一个或更多个)控制点的状态与(一个或更多个)流动参数之间的关系。这些局部模型可以是基于上面讨论的稳定状态间隔的实例，也就是说，可以有局部模型基于来自紧凑数据表的数据以及关于调整的数据两者。有利地，可以在评估与流动网络的性能有关的因子中使用所述关系。
[0023] 在不使用以上所述的与稳定状态间隔有关的步骤的实例中，这些步骤其本身被认为是新颖的和创新的。因此，从另一方面来看，本发明提供了一种评估石油和天然气流动网络的方法，该方法包括：收集历史数据和/或现场数据，这些数据与流动网络内的不同分支处的多个控制点的状态有关以及与流动网络的一个或更多个流动路径中的一个或更多个流动参数有关，在该一个或更多个流动路径中不同分支中的多于一个分支的流已经被结合；识别在一个或更多个控制点中已经做出的导致一个或更多个流动参数改变的调整；在调整之前或之后通过基于(一个或更多个)控制点的状态和(一个或更多个)流动参数生成系统的一个或更多个局部模型来确定(一个或更多个)控制点的状态与(一个或更多个)流动参数之间的关系；以及在评估与流动网络的性能有关的因子中使用该关系。
[0024] 使用调整的识别的步骤可以使用历史数据(即在实施方法之前收集的数据)来完成，以及对控制点的调整已经在流动网络的正常操作期间较早地完成。不像一些现有方法，不需要为了激励系统得到数据的目的而简单地做出调整来产生局部模型。出现这个优势是因为方法包含识别在现有数据和/或被现场记录的数据中的适当调整，并且因此其不被限制于作为‘激励’实施以在现场数据中生成改变的调整作为方法的一部分，如在WO2014/170425中，例如，其需要应用具体的激励。因此，方法有利地包含将‘自然的’激励识别为调整，而不是促使计划的激励如在WO2014/170425中那样。这个方面的方法可以被应用到针对流动网络收集的所有的数据，并且能够在评估流动网络中生成有用的结果，而不需要任何‘激励’或在线‘实验’。此外，当执行这种具有计划的激励的实验时，这个方法也可以获得有用的结果。
[0025] 在一些示例实施方式中，方法包括使用历史数据。优选地，方法包括使用历史数据和现场数据两者。以这种方式，与现有技术诸如WO2014/170425中使用的信息相比，可以使用额外的信息。流动网络，诸如石油和天然气生产流动网络，常常被严密监测生成大量数据。提议的方法可以允许现有数据被使用。例如，关于流动网络的过去性能的数据可以被用于改进流动网络的未来性能。方法可以被重复和/或不断地执行以便允许流动网络的持续评估，然后考虑在流动网络的操作期间做出持续稳定状态间隔和/或持续调整。
[0026] 方法可以包括确定对控制点的一个或更多个提议的调整，这会改进流动网络的性能，例如通过增加或减少一个或更多个流动参数。这个步骤例如可以是基于如以上讨论的局部模型和/或如以上解释所确定的关系。方法可以包括实施一个或更多个提议的调整，以及有利地，然后这些调整能够标记新的稳定状态间隔的开始和/或可以形成在收集与控制点和流动参数之间的关系有关的数据中使用的调整。然后这新的数据能够被用在未来分析的方法中。以这种方式，方法可以被用于以持续方式优化流动网络，诸如经由类似于WO2014/170425中描述的迭代改进过程。
[0027] 方法可以包括获取在井测试程序中有用的数据和/或确定与流动网络有关的参数或流动速率，例如识别来自流动网络的不同分支对流动的贡献以及估计与那些分支有关的因子。这可以基于如以上讨论的局部模型和/或如以上解释所确定的关系来完成。这的一个实际示例是识别与石油和天然气网络中的不同生产井有关的流动速率，在该石油和天然气网络中多个井通过管汇被联接并且将流供应至常用分离器。期望的是能够识别每个井的流动速率以及因子，诸如天然气石油比率(GOR)和含水率(WC)。
[0028] 方法可以包括为了获得有关流动网络的额外数据的目的而确定对一个或更多个控制点的一个或更多个提议的调整。然后(一个或更多个)提议的调整可以标记新的稳定状态间隔的开始和/或可以形成在收集与控制点和流动参数之间的关系有关的数据中使用的调整。然后这新的数据能够被用在未来分析的方法中。例如，在步骤(1)收集的数据中可能没有足够的数据以允许导出关于特定控制点和/或特定流动参数的信息。因此，方法可以包括提议一种在线‘实验’，其中做出小的调整，从而允许获得额外的相关数据并且将该数据用在流动网络的未来评估中。
[0029] 当使用识别调整的步骤时，其优选地包括利用到一个或更多个流动参数改变的链接确定调整，其可以容易地从其他调整对控制点的影响中被分离出来。例如，方法可以包括利用特性识别调整，该特性允许在(一个或更多个)流动参数改变上的这些调整的影响被识别，例如识别周期性的调整，其中在下游结合的流上的这种调整的影响可以经由频率分析被确定，如WO2013/072490中描述的。方法可以包括忽略以下调整：被认为不具有与感兴趣的(一个或更多个)流动参数改变有容易识别的链接的调整。
[0030] 步骤(1)可以包括收集关于(一个或更多个)控制点的状态和(一个或更多个)流动参数直接测量的数据。这种类型的‘原始(raw)’数据常常被流动网络的操作者收集在实时数据库中，并且被存储为流动网络的操作记录。目前提议的方法允许这种数据的有效分析和利用，这种数据常常被闲置或者仅在低效的方法中使用，因为数据库的大小很大。步骤(1)可以进一步包括收集使用关于上面引用的测量数据的观测器所获得的数据，例如在方法的后来步骤中或者如上面讨论的，通过在执行更复杂的分析之前应用简单的计算。可以利用各种类型的观测器，例如质量平衡方程、节流(choke)模型和/或卡尔曼滤波器。
[0031] 在步骤(2)识别的稳定状态间隔可以被用以经由局部模型确定(一个或更多个)控制点与(一个或更多个)流动参数之间的关系。当统计数据已被确定时，例如经由第一方面的步骤(3)，然后这也可以被使用。此外，如果已经识别导数信息，诸如经由如上面讨论的稳定状态导数数据表，然后这可以与稳定状态信息一起使用。例如，导数信息可以用以向线性模型提供梯度，这也包括经由稳定状态信息获得的绝对值。当仅有一个绝对值可用时，这可能是有益的。然而，设想在许多实例中，当创建局部模型时仅需要利用稳定状态间隔。
[0032] 局部模型可以是线性模型，或者简单的非线性模型。模型可以是基于紧凑数据表中的统计数据。回归分析可以被使用以便通过将一个或更多个流动参数测量值(或相关的输出参数)映射到控制点的状态来将局部模型拟合到数据。
[0033] 可以使用线性模型，其中执行回归分析以将线或平面拟合到数据点，该数据点与一个或更多个控制点中的调整和对流动参数的影响有关。来自稳定状态数据表的绝对值与来自稳定状态导数数据表的梯度值的结合也可以被用于将线或平面拟合到数据，或在若干维度中定义的表面。
[0034] 如果数据表明它们是合适的，则可以使用非线性模型，例如二次模型。可能将二次模型直接拟合到某些关系，其中存在足够的数据点。然而，优选的是首先生成线性模型并且随后如果数据不充分接近地拟合到线性模型则考虑经由诸如二次模型的非线性元素增加曲率。可以使用最小弗罗贝尼乌斯范数(Frobenius norm)模型。
[0035] 当生成线性模型时，优选的是方程形成模型是超定的，以便允许不确定性的低测量。如果在一个或若干维度中有匮乏的或不充足数据，那么方法可以包括消除数据点以允许较简单的模型具有较低的不确定性。在一个示例中，用于调整太小的数据点，或用于已经被调整足够次数的控制点可以从用于生成模型的输入数据中被消除。
[0036] 对于上面讨论的任何一个方法，控制点可以是能够应用对流动网络的受控的调整的任何手段，特别是对网络内的流体流动的调整。调整可以是在任何适当参数的流体中，诸如流体的流动和/或压力。例如，适当的控制点可以包括流动控制阀、泵、压缩机、气举喷油器、膨胀装置等。上面方法的基本原理可以装配有能够在流动网络的管道内应用调整的任何装置。调整不仅需要在流速或压力中进行，而且可以包括其他参数，诸如当方法用在石油和天然气流动网络中时设置的海底分离器和ESP泵中的级别。(一个或更多个)控制点和(一个或更多个)流动参数当然应该关于被应用以确保测量什么将受到应用的调整的影响来选择。在石油和天然气生产流动网络中，压力调整将影响流速和压力，但是也可以产生温度、含水量等的输出变化。
[0037] 由于方法被应用到石油和天然气生产流动网络，则控制点可以包括以下中的一个或更多个：节流控制阀；气举阀设置或井上的速率或立管管道；ESP(电动潜油泵)设置，效果、速度、压举(pressure lift)等；井下分支阀设置，在一个或更多个：分离器、压缩机、泵、洗涤器、冷凝器/冷却器、加热器、汽提塔、混合器、分配器、制冷机等(任何影响生产的仪器)上的上部和海底控制设置，以及可以相应地应用的调整。
[0038] 测量的(一个或更多个)流动参数可以是受在(一个或更多个)控制点处应用的(一个或更多个)调整影响的任何参数。因此，(一个或更多个)流动参数可以包括压力、流动速率(按体积或流动速度)、水平或温度中的一个或更多个，它们全部都是响应于流动网络的各个分支中的变化对于结合的流的整个体积可以变化的参数。(一个或更多个)流动参数会替代性地或附加地包括与流动网络中的流体的特性相关的一个或更多个参数，诸如气体与液体的比率、流内的某些成分的比例、密度、pH等。在石油和天然气生产流动网络中，(一个或更多个)流动参数可以例如包括含水量(WC)、生产指数(PI)、气油比(GOR)、BHP和井口压力、顶部分离后的速率、其他速率测量(例如海底分离后的水)、其他压力(例如管汇线压力、分离器压力、其他线压力)、温度(沿着生产系统的许多地方)、流动速度或出砂、还有其他东西。将理解的是感兴趣的(一个或更多个)流动参数将不必包含流动网络的所有可能流动参数。反而(一个或更多个)流动参数可以包含选择的流动参数的集合，它们被看做是对流动网络的性能重要的流动参数。
[0040] 控制点可以包括气举率。优选的是识别气举率中的调整和也用节流阀应用的调整两者。
[0041] 用于确定关系和建立局部模型中的调整可以关于多于一种类型的控制点被识别，以及在一些优选的示例中它们对于在流动网络中(或流动网络的感兴趣的部分中)数据可用的大多数或所有控制点被识别。这允许评估流动网络对任何可用的控制机制中的扰动的反应，以及因此允许与将要执行的流动网络的性能有关的因子的最可能的评估，例如确定控制点调整将产生性能中的最期望的变化，或什么未来调整将给出最有用的额外数据用于评估网络的性能。
[0042] 由于相似的原因，最好是在步骤(1)测量多个流动参数，以及特别地测量与流动网络的评估相关的多数或所有流动参数的响应。例如，这可以是与石油和天然气生产流动网络的生产相关的所有流动参数。
[0043] 当方法被用于找到为了改进性能目的的调整时，那么流动网络的性能的改进可以通过流动网络的性能的任何部分中的任何有利改变来体现。在一个示例中，改进包括增加或减少感兴趣的一个或更多个输出参数，并且因此这些(一个或更多个)输出参数可以是(一个或更多个)控制点与(一个或更多个)流动参数之间的关系的焦点。在一些实例中，(一个或更多个)输出参数可以是与在步骤(1)收集数据的一个或更多个流动参数相同的，或者它们可以是与那些(一个或更多个)流动参数直接或间接相关的其他参数。例如，输出参数可能关系到生产体积或质量。改进可以替代性地包括改变流动网络的另一方面。
[0044] 因此，改进可以涉及以下中的一个或更多个：增加或减少感兴趣的一个或更多个输出参数，增加确定(一个或更多个)控制点与(一个或更多个)流动参数之间的关系的步骤的精确度，调整流动网络的组件的操作参数以便增加流动网络的那些组件或其他组件的服务寿命，或改进上面未列出的流动网络的另一方面。
[0045] 在一些示例中为了改进性能，方法试图改变的感兴趣的(一个或更多个)输出参数可以是流动网络的任何(一个或更多个)参数。这种参数可以是在步骤(1)包括的流动参数类型，例如总的结合流速率或对于给定生产的要求的压力等。在石油和天然气生产流动网络中，感兴趣的(一个或更多个)输出参数可以例如是生产节流两端的压力降，或总生产。可能仅有一个感兴趣的输出参数或反之系统的改进可以与输出参数的结合有关。如果感兴趣的输出参数(例如，流动速度)不被测量，则可以使用其他(一个或更多个)输出参数(例如，压力和温度)，如果已知解析表达式，通过一阶物理或通过经验关系式来计算感兴趣的参数。
[0046] 在替代性的示例中，其也可以除了与上述改进外执行(或与上述改进并行执行)，对流动网络的改进可以包括调整流动网络的组件的操作参数以便增加流动网络的那些组件或其他组件的服务寿命，优选地不妥协流动网络的性能的其他方面。因此，例如应用的一个约束可以是总体生产应该停留在给定水平或以上，而另一约束可以是对于流动网络的给定部分有最大流动速率以避免某些组件过度工作，以及因此延长它们的服务寿命。
[0047] 在一些示例实施例中，方法包括：
[0048] (a)在流动网络内的多个控制点处应用预定的激励作为调整，和/或在流动网络的正常操作期间识别对控制点做出的(一个或更多个)调整，其中多个控制点是在流动网络的不同分支处；
[0049] (b)接收在一个或更多个流动路径中的一个或更多个流动参数中的改变的测量，在一个或更多个流动路径中的多于一个的不同分支的流已经被结合；
[0050] (c)执行流动参数测量的分析以识别由调整感应变化，以及使用该分析的结果以确定对(一个或更多个)控制点的调整与(一个或更多个)流动参数中的改变之间所述关系；
[0051] (d)确定在一个或更多个控制点处要做的调整，以便改进流动网络的性能和/或以便提供关于流动网络的操作的额外数据；
[0052] (e)做出对流动网络的(一个或更多个)控制点的确定的调整；以及
[0053] (f)可选地，一次或更多次重复步骤(a)到(e)从而迭代地改进流动网络的性能和/或迭代地建立关于流动网络的操作的知识。
[0054] 在步骤(e)，方法还可以允许由流动网络的操作者做出替代的调整决定的可能性，使得如果环境需要操作者能够重写(over-ride)提议的调整。随着使用操作者决定的调整，在流动网络的性能或关于流动网络的操作的数据中的改进可以实现，并且这可以被合并到持续评估流动网络的系统中，尤其是在迭代地重复过程时。方法可以从任何调整中导出额外的信息，无论该调整是由先前的分析提议或是单纯地基于操作者的决定输入。方法可以朝着流动网络的操作的优化解决方案进行迭代，其具有操作者决定的调整和基于分析提议的调整的混合。
[0055] 在步骤(c)的分析包括创建局部模型，其可以是简单的模型，诸如局部化的线性模型，以及可以像上面讨论的那样。然后这个模型可以在确定步骤(d)中被优化以识别要应用到(一个或更多个)控制点的最佳调整。
[0056] 步骤(c)可以包括局部数学优化问题以计算一个或更多个控制点的调整，并且在这个实例中步骤(d)可以包括求解这个优化问题以便确定要求的调整。
[0057] 当方法包括被应用为激励的调整时，则激励可以采取任何适当的形式。不同的实验模式可以被用于激励，诸如逐步改变、线性模式和正弦变化。然后，使用在步骤(b)和(c)的测量和分析可以从这些实验的结果和/或从在历史数据中识别的适当激励中提取模型，并且这些模型可以被用于执行步骤(d)。不同的实验模式具有不同的利与弊。例如，逐步改变比正弦模式更容易实施，而正弦模式比阶跃变化更容易并且更精确。
[0058] 在一个优选的实施例中，激励是以已知频率应用的振荡。优选地，被应用在多个控制点的不同控制点处的振荡是在不同的测试频率处，并且在步骤(c)中，执行测量的流动参数的频率分析。因此，振荡可以与频率分析并行地应用，该频率分析允许识别由不同的控制点的激励造成的响应。这允许获得流动网络的模型用于确定在步骤(d)要做出的调整。特别优化的是，应用的技术类似于由原受让人(Sinvent AS)和挪威科技大学(NTNU)在WO 2013/072490中讨论的那些，其提议了使用振荡用于监测石油和天然气井。
[0059] 利用基于频率的方法，在不需要执行每个分支的各个测试以及不需要停止流动以允许各个分支被测试的实例中可以容易地确定流动网络的各个分支的性质。对于(一个或更多个)结合的流，除了测量设备之外不要求专用的测试仪器，因为现有的控制点可以被用于应用要求的激励。此外，为了其正常目的使用流动网络可以继续有最小的干扰。例如，当方法被用于石油和天然气生产流动网络时，则生产可以在整个测试过程中经由生产集管(header)继续进行，并且虽然应用的激励将可能降低平均流动速率，但是与传统测试(诸如压力恢复测试)的生产减少相比，该生产减少很低。对于具有十个井的油气田，与相等的压力恢复测试相比，本发明的方法在测试活动期间的生产可以高出4％以上。流动网络的不同分支(例如，不同的井)与每个单独的分支的测量并行地被测试，每个单独的分支的测量是通过观察经由那个分支的控制点所应用的振荡频率的影响来确定。借助频率分析，这些影响可以从输出流中的其他变化中被隔离出来。
[0060] 可以用于代替上述基于频率的技术或除了上述基于频率的技术之外的一个替代的方法，是使用顺序地应用而不是并行地应用的激励以及借助带通滤波器等隔离激励的影响。一个示例是通过使用重复的阶跃变化应用的激励很粗糙地近似正弦波形。在步骤(b)中的测量可以由步骤(c)中的带通滤波器滤波，即，一种装置，其使在一定范围内的频率通过并且减弱在该范围以外的频率。这能够计算流动网络中到控制点的不同分支处的性质之间的敏感性。一个示例是在一个井处的气举率中的改变与管道中的压力降之间的敏感性。
[0061] 具有良好特性的流动网络，或者有良好特性的流动网络的部分，也可能由激励模拟器创建简化的模型，诸如局部化的线性模型。这将允许获得有用数据以及在不需要在线实验的实例中确定提议的调整。这种基于模拟的激励可以在速度和容易测试方面提供显著的优势，假如它适于使用模拟。因此，在步骤(c)的分析可以包括结合从现实世界数据创建的模型从模拟器数据创建模型。在这种实例中，步骤(a)包括将激励应用到模拟以及步骤(b)包括接收对激励的模拟响应。与传统的模拟相比，这个技术提供显著的优势，因为模型的优化远远快于模拟器的优化。此外，有显著优势的是，在步骤(d)和(e)的迭代中包括来自操作者的输入，其中模型随后被优选地更新以考虑在流动网络中由对控制点的调整引起的改变。
[0062] 在步骤(a)的激励常常包括在线实验，具有流动网络的控制点以及来自模拟的可选数据，其中这些数据被认为是足够准确的。当基于模拟的模型被使用，在考虑先前步骤(e)处做出的调整随后重复步骤(a)到(e)时，这些模型优选地被更新。
[0063] 在现有技术中，模拟和模型做出尝试以预测流动网络的性能以及获得控制点的优化配置的单一“离线”解决方案。对于这种模拟的典型设置是使用一种从已知点开始的迭代解决方案，其基于使用传统方法获得的流动网络的参数的测量，并且在没有关于迭代调整对流动网络的现实世界影响的进一步输入的实例中尝试向着优化的性能靠拢。显然这是不理想的，因为有背离实际方式的固有风险，能够包括不可预测的和非线性的元素的现实世界系统将对控制点的小的调整做出反应。
[0064] 方法可以包括经由控制或支持系统通知用户分析的结果的步骤。控制点可以由控制系统自动调整以基于确定的调整改进性能。替代性地，确定的改进可以按照提议的调整被呈现给流动网络的操作者，以便准许操作者拥有下面提议的选择或者基于操作者的判断应用替代的调整。使用任一替代，有来自控制方法的显著益处，因为在重复的步骤(a)到(c)中的流动网络的性能的进一步分析是基于实际测量值。这导致对系统的更好了解以及确保流动网络的性能可以通过向着优化配置调整控制点来迭代地改进。例如，可以控制井生产速率以优化油田或井组的生产。
[0065] 在实施例中，振荡被用于生成在在线实验期间应用的调整，然后应用激励的步骤可以包括发送控制信号到仪器控制点处和/或可以包括控制控制点处的流动和/或压力的步骤。可以通过现有的控制装置(诸如，现有的阀或泵等)应用激励。以这种方式使用现有的阀意味着方法可以要求不对现有仪器进行修改而将激励应用到流动网络，除了对流动网络的控制系统进行改变以实施要求的开阀/关阀的控制。
[0066] 振荡可以近似是正弦的，例如通过在阀位置的逐步改变来近似正弦波所应用的波形。正弦波的使用，或其近似波的使用，提供了当使用传统频率分析技术(诸如，基于傅里叶变换的技术)分析输出数据时的准确结果。
[0067] 方法可以包括基于流动网络的典型频谱的特性来选择激励的频率。这允许频率考虑在流动网络的正常操作期间发生的压力、流动速率和/或温度中发生在典型变化中的潜在频谱，并且因此能够选择频率以避免会干扰分析结果的因子(诸如阻尼或噪声)的频率。流动网络的频谱可以是在一段时间内(例如在若干天内)对结合的流速率或压力的测量。
[0068] 因此，方法可以包括通过实行生产波形的频率分析和识别适当的频率范围，优选地是具有低阻尼和低噪声的频率范围，来选择振荡的频率。在石油和天然气生产流动网络的示例中，已经发现生产波形典型地呈现出阻尼并且因此降低较高频率下的振幅，以及在较低频率下有来自操作过程的噪声。因此，频率范围优选地通过移除呈现出阻尼的较高频率和/或通过移除被噪声掩盖的较低频率来选择。
[0070] 当已经选择适当的频率范围时，有必要确定在井处用于振荡的测试频率。确定测试频率的步骤优选地包括确定在频率范围内将不互相干扰的频隙。确定频隙的步骤优选地包括基于要求的频率数量和/或基于可用的总测试时期来确定频隙的间距。
[0071] 所选的频率应该避免互相干扰以及与重要谐波干扰。因此，它们应该被隔开并且它们应该避免其他测试频率的主谐波(二次谐波)。主谐波将使测试频率加倍。因此，例如，如果第一测试频率被设置为0.1mHz，那么这意味着0.2mHz应该是另一个测试频率。
[0072] 在傅里叶分析中，要求为给定频率间距提供分辨率的总测试时期是频率间距的倒数。因此，例如，0.5mHz的间隔要求大约30分钟的最小总采样时间，以及50μHz的间距要求大约6小时的最小总采样时间。频率间距减小太多可以因此造成过长的测试时间。可以选择频率间距以确保总测试时间被限制到60小时或更少(即，5μHz或以上的间距)，优选地是24小时或更少(即，25μHz或以上的间距)，更优选地是6小时或更少(即，50μHz或以上的间距)。
[0073] 要求的频率数量将与需要被激励的控制点的数量有关。在最简单的实例中，方法可以包括选择若干频隙，该若干频隙将对要被激励的控制点的总数量提供可用的测试频率。然而，对于大数量的控制点，没有必要期望将可用的频率范围简单划分成足够的频隙来为所有控制点提供可用的频率。为了允许测试具有许多分支的大的流动网络，而不必使用不期望的小的频率间距，方法可以包括对控制点分组以及在成批的控制点处激励振荡。控制点的每个组可以包括1-20个控制点，优选地是1-5个控制点。
[0074] 应该设置振荡的振幅以确保频率分析提供可以与流动网络的频谱的基线振幅变化区分开的结果，例如可以设置振幅比在流动网络的正常频谱中所选的频率范围的振幅高一个数量级。输入振荡的振幅可以是在1-10000Sm3/h，优选地是1-1000Sm3/h。对流动网络的生产约束或其他约束可以设置振幅的最大值，因为振幅的增加可以引起生产减少。方法可以包括通过(例如，通过最小二乘法分析)确定对频率/振幅数据的最佳拟合线来确定所选的频率范围的基线振幅。然后输入振荡的振幅可以被设置为至少比基线大三倍，优选地是大十倍。所有振荡可以以相同振幅被应用，该相同振幅例如可能比所有频率的平均基线振幅大的因子。这简化了用于应用振荡的控制点的机制控制。在一个优选的实施例中，每个测试频率的振幅被缩放以与测试频率下的基线振幅匹配。这能够提高精确度同时避免生产中不必要的损失。允许将精确度设置到基于基线振幅的所需最小值，而不引进不必要的大振幅。
[0075] 针对石油和天然气生产流动网络的示例测量的流动参数，诸如压力、流动速率和或温度，可以包括井筒压力、井筒温度、井口压力、井口温度、油流动速率、气流动速率、和/或水流动速率中的一个或更多个。方法可以包括例如借助被放置以感测相关流动通道中的流动的传感器来测量该数据。对总流动或分开的(一个或更多个)流动的流动速率的流动测量可以在生产集管的下游任何点处进行。优选地，流动测量可以在从生产集管接收流动的分离器的下游某点处进行。在分离器之后更多测量是可能的，因为它们可以是分开的流动的测量。
[0076] 执行频率分析以确定由应用的振荡感应的压力、流动速率和/或温度变化的步骤可以包括使用上面陈述的傅里叶变换，优选地是快速傅里叶变换(FFT)算法。这产生了输出频率/振幅图，在其中可以看到振荡频率的影响。方法优选地包括通过确定在测试频率下的输出压力和/或流动速率振幅值来确定流动网络的不同分支的特性，以及使用这些振幅来确定各个分支或分支的组的基本性质。测量的输出压力/流动速率的基线振幅可以通过移除与测试频率相关的数据点以及它们的二次谐波来确定，以及然后例如借助上述最小二乘法分析确定对剩余结果的最佳拟合线，并且该基线振幅可以被用于提供结果精确度的表示。
[0077] 然后可以基于流动和/或压力数据计算流动网络的进一步特性。例如，在使用与油流动速率和水流动速率相关的数据的石油和天然气生产流动网络的实例中，误差传播理论可以用于确定含水量(WC)和生产指数(PI)。给定AO和AW分别作为油流动速率和水流动速率的振幅，则WC＝AW/(AO+AW)。类似地，PI＝AO/AP，其中AP是井下压力。此外，GOR＝Ag/AO，其中Ag是气流的振幅，以及IPR可以通过在两个操作点处测量的PI来计算，或者若输入足够大则使用二次谐波。这些参数中的任何参数，或不同流动网络的任何其他参数，可以被选为由(一个或更多个)控制点的调整改进的参数。
[0078] 应用振荡的步骤可以包括以不同的相位应用不同的频率。如果振荡全部被同相地应用，则这在对结合的分支的总流动速率的累积影响中产生大的峰值。这在所有的流动网络中不是问题，例如在石油和天然气生产流动网络中当生产是受井限制的(well-limited)时，因为无论相位关系如何，振荡对生产输出的影响将是相同的。然而，在一些实例中可能具有不利影响，例如在石油和天然气生产流动网络中当生产是受过程限制的(process-limited)时。因此在优选的实施例中，应用的振荡的相位被移动以减少在流动网络的结合的输出流中的变化。
[0079] 方法可以包括测量应用的测试频率的二次谐波的水平。这能够被用作测试以检查系统中的非线性以及因此局部数学优化问题的有效性，因为如果二次谐波低，那么这是高次谐波不存在的良好指标。此外，二次谐波的振幅可以结合测试频率的振幅来使用以确定流动网络的高阶多项式模型的参数。
[0080] 方法被应用到石油和天然气生产流动网络。因此，控制点可以是用于控制石油和天然气生产流动网络内的井的流和/或压力的控制点，例如在井口处和在立管基座处的控制点。优选地，节流阀和/或气举率(在井口处和在立管基座处)是控制点，以及在步骤(2)关于那些控制点识别调整。可以容易地控制节流阀逐渐地打开和关闭，以便将所选的频率的波形应用到流动速率。也可以容易地控制气举率逐渐地增大或减小，以便将所选的频率的波形应用到流动速率。优选的是识别应用于节流阀和气举率两者的调整。对于石油和天然气生产网络的这类型的方法有特别的益处，因为与网络相关的变量的数量不能被控制，特别是从石油和天然气井提取的流体的生产速率和性质。然而，应当理解的是虽然有来自在石油和天然气网络中使用上述方法的特别益处，但是它们也可以用在其他领域。实际上，设想方法将为其中有多个控制点与多个流动参数之间的交互的任何流动网络提供益处，诸如热交换网络，处理碳氢化合物流体和其他流体，尤其是多相流体，等。
[0081] 本发明扩展到上述任何方法产生的数据，例如其可以包括紧凑数据表。凭借其结构和内容以及凭借产生数据的过程，该数据是新颖的和创新的。本发明进一步扩展到根据上述方法产生的一个局部模型或多个局部模型。可以存储数据和/或(一个或更多个)局部模型，例如存储在计算机存储器或其他存储介质上。
[0082] 本发明的另一方面是使用由上述任何方法产生的数据，例如在流动网络的控制和评估中使用紧凑数据和/或(一个或更多个)局部模型。
[0083] 从进一步的方面来看，本发明为包括多个分支和多个控制点的石油和天然气流动网络的评估提供了数据处理设备，其中多个控制点在流动网络的不同分支处，该设备包括：数据分析装置，其被布置为执行第一方面的方法。因此，该数据分析装置可以被布置为(1)收集历史数据和/或现场数据，这些数据与流动网络内的不同分支处的多个控制点的状态有关以及与流动网络的一个或更多个流动路径中感兴趣的一个或更多个流动参数有关；
(2)识别数据中的时间间隔，控制点和(一个或更多个)流动参数在该时间间隔期间处于稳定状态；以及(3)提取表示在步骤(2)中识别的一些或全部稳定状态间隔的统计数据，从而以紧凑形式表示来自步骤(1)的原始数据。
(2)识别数据中的时间间隔，控制点和(一个或更多个)流动参数在该时间间隔期间处于稳定状态；以及(3)提取表示在步骤(2)中识别的一些或全部稳定状态间隔的统计数据，从而以紧凑形式表示来自步骤(1)的原始数据。
[0084] 控制点和(一个或更多个)流动参数可以如上关于第一方面进行讨论。调整可以如上关于本发明的第一方面进行讨论。设备可以被布置为关于其第一方面和可选特征执行上面陈述的任何或所有方法步骤。
[0085] 因此，数据分析装置可以被布置为生成紧凑数据表，可选地是上述紧凑数据库的形式，例如其可以包括连同稳定状态导数数据表的稳定状态数据表。数据处理设备也可以至少暂时地存储一些或所有收集的数据。
[0086] 本发明也可以提供用于执行上述任何其他方法方面中的方法的数据处理设备。
[0087] 因此，一个替代的方面为包括多个分支和多个控制点的石油和天然气流动网络的评估提供了数据处理设备，其中多个控制点在流动网络的不同分支处；该设备包括：数据分析装置，其被布置为执行上面的步骤(1)和步骤(2)，以及仅可选地执行步骤(3)；通过基于(一个或更多个)控制点的状态和(一个或更多个)流动参数以及稳定状态生产间隔生成系统的一个或更多个局部模型来确定(一个或更多个)控制点的状态与(一个或更多个)流动参数之间的关系；以及，优选地，在评估与流动网络的性能有关的因子中使用所述关系。
[0088] 另一替代的方面为包含多个分支和多个控制点的石油和天然气流动网络的评估提供了数据处理设备，其中多个控制点在流动网络的不同分支处；该设备包括：数据分析装置，其被布置为收集历史数据和/或现场数据，这些数据与流动网络内的不同分支处的多个控制点的状态有关以及与流动网络的一个或更多个流动路径中的一个或更多个流动参数有关；识别在一个或更多个控制点中已经做出的导致一个或更多个流动参数改变的调整；以及在调整之前或之后通过基于(一个或更多个)控制点的状态和(一个或更多个)流动参数生成系统的一个或更多个局部模型来确定(一个或更多个)控制点的状态与(一个或更多个)流动参数之间的关系；以及在评估与流动网络的性能有关的因子中使用所述关系。
[0089] 数据处理设备可以包括用于控制控制点的状态的控制器。控制器可以能够通过将控制信号发送到控制点来控制控制点的状态以应用调整。在一些优选实施例中，设备包括控制点，其可以是分布在整个流动网络的点。替代性地，控制点可以是不同设备的部分，同时可由控制器直接地或间接地控制。
[0090] 控制器和数据分析装置可以是分开的，或者它们可以结合在单个装置中，例如用于控制流动网络和流动网络数据分析的计算机装置。
[0091] 从又进一步的方面来看，本发明提供了计算机程序产品，该计算机程序产品包括用于在数据处理设备上执行的指令，该数据处理设备被布置为接收与流动网络中的控制点和流动参数相关的数据；其中当该指令被执行时，其将配置数据处理设备执行在上面第一方面或在上述任何替代的方法方面中描述的方法。
[0093] 下面仅通过示例方式根据附图讨论某些优选的实施例，其中：
[0094] 图1是说明提议的用于评估流动网络的系统的图，包括系统的示例应用程序；
[0095] 图2示出一个示例流动网络，其采取石油和天然气生产系统的形式；
[0096] 图3是示出图2的生产系统中的两个井的输出气体速率和节流阀设置的一个月测量数据的图；
[0097] 图4根据示例优化系统说明识别图3的数据中的稳定状态绝对数据的间隔；
[0098] 图5示出线性模型，其用于预测来自图3的节流阀设置中的未来改变的气体生产中的未来改变；
[0099] 图6说明图5的线性模型的不确定性的测量；
[0100] 图7比较来自图5的线性模型的预测与来自相同的节流阀改变的现实世界数据；以及
[0101] 图8是图7的部分的近视图。
具体实施方式
[0102] 在石油领域操作中的一个关键挑战是决定日常生产策略。这同样适用于其他类似流动网络的控制。在日常操作中做出高质量的决策是保护复杂生产系统的安全和有效操作的关键。科技迅速发展，来自产油资产处的传感器和控制系统的可用数据量每年都在增长。这已经打开了用于对当今需要大量人为干预的过程进行自动化的机会窗口。本文提议的系统意在成为用于在复杂生产环境中辅助有效决策的可靠机制。将操作者和生产工程师的专业知识与这个技术结合可以接近目前尚未开发的生产潜力。根据石油领域操作来描述该方法，但是将理解的是相同的原理适用于其他行业。
[0103] 井测试是所有石油平台的强制性要求。考虑具有加入一条集油管道中的4-6个井的生产系统的以下示例。在这个系统中，测量每个油井的井参数的唯一方式是通过建立并行且独立的测试生产系统或者通过一次关闭一个井。在许多领域中，由于强制性的井测试，每个井平均每年关闭两天。更紧迫的问题是优化生产输出。因此，行业中的若干个参与人通过实施先进的传感器技术和重优化模型来专门从事井测试和生产优化，这将减少停工时间并且增加生产。然而，这些模型要求具有高度人为干预的频繁维护。此外，它们不能在它们加入集油管道之前测量每单个井的关键井参数。因此，需要找到在连续操作期间执行井测试的方法。
[0104] 由于多相流动系统的巨大复杂性，当今的可用优化解决方案依赖于先进的模拟器。因此，技术优化软件的状态很容易在模拟器中有不准确，以及因此依赖于来自有经验的生产工程师的深厚专业知识，以便准确地模拟生产系统。因为时间在日常生产计划中是重要的，则对模拟器的数据输入常常是过时的和不准确的。因此，石油公司经历的技术优化软件的当前状态是耗时的、不准确的，并且在许多实例中是不正确的。对于所有石油公司或多或少都常见的典型数据流和决策过程如下：
[0105] 1.来自生产安装设施(例如，近海)的控制系统和传感器的实时数据流。
[0106] 2.现场数据存储在实时数据库中。
[0107] 3.现实世界问题的模型通过数据分析制作，具有来自专家工程师的调谐，以确保其正确地反映了实例。
[0108] 4.软件使用与模型结合的数学优化算法从而以生产工程师可以应用到生产系统的推荐结束。
[0109] 技术优化方法的状态涉及在步骤2和3之间来自生产工程师的重要手动输入以改进低质量数据集，并且它要求步骤3和4运行复杂的优化算法。
[0110] 由于复杂性、缺乏有合适能力的人以及人为错误的风险，一些石油公司不能够利用他们的软件。他们被迫采取折中方法，在不利用模拟和优化模型的实例中工程师基于现场数据流进行有条件的猜测。没有有效的决策支持系统，可能掩盖大的生产损失。因此，石油公司需要较简单和更自动化的优化软件，其提供有效的决策支持，而没有重大的、耗时的和容易出错的人为干预。
[0111] 本文所述的示例系统可以分析和处理传感器数据，以便为决策者将动态“最佳实践”推荐自动化以及为单独的井计算关键井参数，而不用关闭生产。优势特征包含：对于数据中的增强的信息内容的在线实验、更好地利用历史和现场生产数据、简单自动化更新的模型、以及生产优化问题的智能简化。这些建议添加到并创建在WO 2013/072490和WO 2014/170425中关于井测试和生产优化所描述的进展上。这个技术可以实现为在线解决方案，其允许在井测试期间的连续操作和基于日常的实时优化推荐。
[0112] 系统接收来自生产安装设施的历史和现场数据，并且将该数据存储在数据库。分析这些数据以自动地产生调整生产变量的推荐和/或在线实验的建议，这与在WO 2013/072490和WO 2014/170425中提议的那些可能沿着相同的路线，但是也可能包含替代的测试，例如使用不同类型的激励。这些推荐被呈现给用户，用户可以是生产工程师和/或操作者，并且他们能够在他们如何实施推荐中使用他们的判断。要求的生产改变和/或实验通过生产安装设施的现有控制系统来实施，并且生产参数对改变和/或实验的反应被记录用于过程的进一步循环中。因此系统可以被用于迭代的改进和持续的优化。
[0113] 提议的数据流和决策过程在图1中说明，其使用石油和天然气生产作为示例。石油公司每天将关于他们的生产系统的大量数据存储在他们的实时数据库中。该数据给石油公司有价值的反馈以及选择性地操作生产系统的机会。然而，他们倾向于用很少的和不重要的变化统一地操作他们的生产系统。因此，大量的数据不一定意味着高的信息内容。通过更频繁地和利用更大的变化来调整生产系统的控制变量，生产工程师能够增强数据的信息内容。本文所述的技术能够为这种调整提供建议。其会建议可以将改变引入井特定的控制变量(诸如节流、气举率和/或电动潜油泵)以增加数据流中的井特定的信息。提议的改变的范围可以从单个步骤改变到整个振荡测试。
[0114] 当使用振荡技术测试多个井时，在整个生产系统中可以给每个井其自己的可辨识足迹。通过创建移动通过生产系统的正弦波，通过对例如特定井的节流设置施加准确的改变来制作该足迹。每个井的正弦波的频率不同，使得它们能够互相分开，因为来自所有井的流都在下游合并。提议的技术能够通过应用传统的频率分析来提取该信息。
[0115] 提议的系统处理存储在实时数据库中的历史数据和流入数据库的现场数据两者。目标是以更紧凑格式将关于生产系统的相关信息收集和保存在所谓的紧凑数据集中。统计数据分析被用于计算在稳定状态生产间隔(即当系统控制没有改变(例如，在石油和天然气网络中的节流阀没有改变)时，数据表示在绝对稳定状态中的流动网络的状态的间隔)内的统计信息。一种用于识别稳定状态生产间隔的方法在下面更详细地描述。这种信息提供了控制变量的绝对值与稳定状态间隔值的绝对平均生产值之间的链接。哪里发生改变，则可以获得系统的导数状态的信息。例如，哪里振荡或重发步骤改变已经引入到系统控制中，那么可以应用频率分析(例如，傅里叶变换)以获得稳定状态导数信息。在这些实例中，绝对值信息对于井特定的测量是不可用的，但是可以有效地获得导数信息以表示来自系统控制变量中的改变对系统输出的影响。在这个实例中，保持导数状态信息。所有生成的感兴趣的信息被存储在紧凑数据库中、专用稳定状态数据表和稳定状态导数数据表中。这是有效地压缩形式的数据，其示出原始数据中感兴趣的信息，但总的来说要求更少的数据。因此，可以保持并处理更大量的历史/记录数据，并且要求在数据存储量和数据处理容量上具有更少的负担。
[0116] 在紧凑数据库中的信息能够在若干基于模型的应用领域内识别和调整简单数据驱动的线性或二次输入-输出模型。模型提供流动网络的方面的表示并且允许预测控制变量的改变将如何影响流动网络的性能。基于添加到紧凑数据库的最新的信息，应用程序的输入-输出模型被连续地更新。
[0117] 生产改进是一种高级别的应用程序。当传统的优化策略利用先进的模拟器并且立即瞄准全球优化解决方案，那么紧凑数据库中的信息可以被用于创建局部输入-输出模型，其中重点在导数信息。这些模型可以是纯粹数据驱动的，或者它们可以由第一阶物理模型诸如守恒定律(例如，质量守恒)来扩大。然后这个模型可以被用于优化当前操作点附近的生产，以便提供新的和改进的操作点。
[0118] 使用连续参数估计和模型校准还能够实现其他基于模型的应用程序，否则其会是麻烦的或会出大错。例如，由于在有关井的信息(以及最新的节流模型)中的良好精确度，可能进行速率估计和/或气-油比率(GOR)以及含水量(WC)近似。这能够使参数的有效估计/计算直到现在仅可能通过建立并行的和分开的测试生产系统或通过一次关闭一个井来执行。
[0119] 使用石油和天然气生产网络的示例系统的主要特征可见于图1。生产工程师为网络设置控制变量。在步骤1，操作改变和/或实验造成系统的激励。在步骤2和3中，提议的系统使用已经安装在生产系统中的仪器和软件获得来自传感器的数据，并且将该数据传递到实时数据库。将理解的是，该图同时示出了来自三个井的节流阀，实际上通常会有更大数量的井和其他数据以及节流阀可以被记录，例如流动速率、压力、气举等等。步骤1到3涉及可能已经被安装作为石油和天然气生产网络的一部分的仪器。
[0120] 在下面详细描述的算法被用于连续地评价实时数据库并且将所谓的实例(case)(或采样)中的稳定状态实例绝对和稳定状态导数实例信息存储在步骤4的紧凑数据库中。在步骤4和5之间，紧凑数据库的连续更新内容能够实施自动(稳定状态)输入-输出模型识别和调谐，例如获得局部优化模型、局部参数模型和局部生产速率模型。这种输入-输出模型的一些可能的应用程序在步骤6a和6b示出，并且可以包括生产优化、参数(GOR、WC)估计、速率估计和测试生成。测试生成是指具有增强数据流中的信息内容目的对振荡测试和/或步骤改变的建议。为了改善系统性能的目的，可以提议其他改变。
[0121] 图1示出的方法的应用程序可以被分成如在步骤6a中基于紧凑数据库的应用程序，或如在步骤6b中在局部模型顶部建立的应用程序。
[0122] 在步骤6a中，示出了以下可能性：
[0123] 数据聚合器
[0124] 这能够将聚合的信息数据库的所有或部分输出到例如电子表格或其他软件。这针对所有以前的生产配置都可以完成，所有相关测量的平均值和其他统计信息可以被输出到电子表格用于进一步分析。紧凑数据还可以被输出，例如用于在诸如GAP、K-Spice++的模拟软件中调谐模型参数。
[0125] 井测试优化器
[0126] 通常通过使用专用测试流线与关联的测试分离器来测试井。在这种井测试期间，生产工程师可以在当前稳定状态间隔内监测统计信息，并且更新的不确定性和稳定性信息可以被用于动态地决定井测试的最佳长度。可能使用稳定状态分析来发现实例的稳定性和不确定性已经达到可接受的级别，并且因此自动结束测试。
[0127] 推导测试优化器
[0128] 没有专用测试流线的海底井通常通过推导井测试来测试。这意味着测试井是关井的，并且在一般流线中的结果改变被用于计算来自测试井的贡献。在关井之前和之后，生产工程师可以监测在稳定状态间隔内的统计数据信息，以便确定信息的质量足够高，以及优化井的关井时间。在关井前以及关井间隔期间，随着时间推移以及新数据是可用的，一个人可以实时更新稳定状态间隔上的统计数据。稳定状态间隔的该实时统计数据可以被用于确定何时关井以及何时开井，使得测试尽可能短，但是具有在参数中可接受的不确定性。
[0129] 评估生产设置
[0130] 来自紧凑信息数据库的数据可以被用于使不同稳定状态间隔或生产设置之间的改变/不同的概述可视化。这种可视化可以提出相关信息，并且减少在历史数据库中手动检查的需要。进一步地，该应用程序可以被用于实时评估最后的改变对控制点的影响(在某种程度上与用于推导测试优化器应用程序的方式相同)。由于生产数据中的波动，确定改变对控制点的影响具有可接受的确定度是需要时间的。从最后的时间间隔(即，从控制点中最后的改变到现在/当前时间的间隔)提取的统计数据可以随着时间推进用新数据进行连续地实时更新和再计算。通过这样做，随着时间推移一个人典型地得到具有较少不确定性的良好流动参数估计。利用先前的时间间隔或任何早前的时间间隔，通过主持在控制点和(一个或更多个)流动数据在稳定状态期间数据中的当前时间间隔的连续更新统计数据，一个人可以实时评估控制设置中的改变的影响。只要是控制点中的改变对石油和天然气流动网络由坏的/不利的影响，该应用程序应该能够使一个人比用当前解决方案更早结束，并且因此减少生产系统不利地执行的时间。
[0131] 生产搜索引擎
[0132] 经由适当的搜索引擎可以使紧凑数据库是可用的，以便使生产工程师能够在紧凑信息数据中搜索某些设置、行为或事件。
[0133] 数据驱动的假设实例研究
[0134] 用户能够通过查看包含在紧凑数据库中的历史信息容易地探究生产系统对控制设置中改变的响应。
[0135] 在步骤6b中，图中示出的应用程序是：
[0136] 约束平衡
[0137] 局部模型被建立在紧凑数据库的顶部，其目的是在对系统的不同约束之间进行平衡。这意味着一次解决一个瓶颈/约束，以便提供一种优化的简化方法。例如，生产井可以基于与对约束的贡献(例如，无论什么瓶颈限制生产)相比它们对目标的比率贡献(例如，无论什么应被最大化)被排名。
[0138] 生产优化
[0139] 局部模型被建立在紧凑数据库的顶部，其目的是优化生产。这意味着在相同的时间考虑多个瓶颈/约束。
[0140] 井健康
[0141] 局部模型可以用于基于紧凑数据库中的信息自动检测反常的异常值。例如，算法可以检测例如压力和温度是否移动到“正常”行为之外，即不匹配历史行为。
[0142] 生产系统测试生成
[0143] 紧凑数据库可以用于计算最佳实验，即控制的改变，使得紧凑数据库能够用新的和互补的数据被扩大。本发明会是其他应用程序将具有更好和更丰富的数据基础，例如改善对GOR的估计，或局部输入-输出模型在其参数中具有更少的不确定性。
[0144] 生产工程师从步骤6a和6b接收推荐，并且能够选择对生产系统的控制变量实施适当的调整。然后这种改变变为在步骤1的新激励用于重复的循环。
[0145] 通过示例的方式，提议的方法将根据石油和天然气生产安装在下面详细描述。生产资产典型地包括生产至海底和顶部两者的若干管汇/集管的许多井，并且每个海底管汇进一步通过一个或若干个立管将流引导到顶部。有时顶部井可以被路由到若干顶部集管中的一个。此外，生产至海底管汇的海底井有时可以被路由到连接至该管汇的若干立管中的一个。对于其他配置，一个井在正常生产期间总是生产一个特定的集管或立管。
[0146] 通过参考如图2中描绘的特定系统来支持下面的一些讨论。这个示例生产系统具有跨越三个立管V、O和G分布的六个管汇。立管V具有带有四个井槽V1-V4的一个管汇。立管O具有三个管汇，每个管汇具有四个井槽O1-O4、O5-O8和O9-O12。在立管G上，有带有四个井槽G1-G4的一个管汇和带有一个井槽G5的一个管汇。在这个示例中，立管G处的管汇主要具有气井，而剩下的管汇具有更多富油井。
[0147] 在每个立管末端具有分离器。在正常生产期间，在管汇G1-4和G5处来自气井的流被引导通过立管G到分离器G，来自管汇O1-O4、O5-O8和O9-O12的油井的流被引导通过立管O到分离器O，以及来自管汇V1-4的井的流被引导通过立管V到分离器V。系统的所有测量点在图2中被标记。分离器G具有气体和液体测量，分离器O具有水测量以及分离器V具有气、油和水的所有三种测量。此外，两个输出测量测量来自整个系统的总的石油和天然气生产。
[0148] 关于生产系统(诸如石油和天然气生产系统)生成大量的原始数据。来自控制系统和传感器的连续数据流被传递到实时数据库并被存储。然而，数据典型地包含测量噪声、峰值、瞬态期、系统波动和其他未识别的影响，这使通过视力来提取数据中的本质是具有挑战性的。因此，对于许多石油公司来说大多数该数据都被留下未使用。
[0149] 提议的方法处理关于生产系统的可用数据，以收集相关信息并且生成紧凑高质量信息数据库。关于生产系统的数据被存储在实时数据库中。通过“观测器”来丰富数据，即，可以提供虚拟测量来添加到实时数据的简单计算等。因此可以包括历史(先前获得的)数据和实时(现场)数据的所有这些数据一起形成数据源。注意到的是，在实施当前提议的过程之前收集的较旧数据可以和较新的“新鲜”数据一样使用，例如在这个过程持续以及在系统操作的改变上提供输入的同时收集的数据。
[0150] 算法基于数据源分析并计算高质量信息并且将其存储在新的紧凑数据库中，该新的紧凑数据库是很久以后从原始数据库提取的有用信息的压缩表示。该过程将被自动化，因此流到实时数据库中的现场数据将连续被评估并且新的信息添加到紧凑数据库。
[0151] 信息源(传感器)的数量在生产系统之间变化。信息源可以被分类成两种类型，控制信号和输出测量。控制信号通常可以包括节流位置、气举率和路由设置。这些控制可以直接由工程师调整，并且根据对它们做出的改变，输出测量将改变。通常地，压力和温度传感器存在于井底和井的井口以及立管的每个末端处。生产系统常常具有若干分离器中的一个，该分离器将流分成固定压力的油、气和水。在分离器中收集的生产可以源自于立管、顶部井或两者。在正常生产速率期间，信息仅在分离之后是可获得的，因此通常仅用于一起的若干井。然而，在定期的井测试之后，常见的是找到井特定的生产速率。在井测试期间，井被关闭并且测量在那之前和之后总生产中的差，或者井被路由到测试分离器测量井特定的生产速率。
[0152] 在对数据执行复杂数学和统计分析之前，可以由通过简单计算或“观测器”发现的虚拟测量来丰富数据基础。可以使用若干类型的计算或观测器；诸如质量平衡方程、节流模型和卡尔曼滤波器。
[0153] 质量平衡方程：当生产系统的技术已知，质量平衡方程可以被用来为没有测量的单相生产流创建虚拟测试。对于这个可能的是，足够的其他流测试必须针对方程的系统存在，以具有一个可能的解决方案。对于图2的生产系统这种实例是存在的。考虑在联合的输出流中收集的总石油流。更先进的观测器计算来自立管G石油和水流，给出了从分离器G出来的液体和气体的测量。这进一步能够通过质量平衡方程计算来自立管O的石油和天然气流。因此，针对来自立管G的石油和水、来自立管O的石油、天然气和水创建虚拟测量。如果时间偏移是测量之间的问题，那么这应该在质量平衡观测器方程中进行考虑。
[0154] 使用质量平衡方程创建多相流动的虚拟测量是可能的，然而必须满足确定的要求。压力和温度条件对于所有的测量必须是相似的并且在联合的流中氢碳化合物组分必须完全相同。
[0155] 节流模型：这种模型可以被用于估计通过井的节流的生产速率。节流模型典型地取节流周围的诸如压力和温度的测量作为输入，并且返回通过节流的石油、天然气和水的生产速率的估计。然而，节流模型是复杂的。此外，模型典型地需要关于确定的流体特性等的信息，其并不总是可用的。应该基于流是不可压缩的还是可压缩的以及是亚临界的还是临界的来使用各种模型。如果节流模型以及必要的测量和信息是可用的，那么可以创建对于井特定的生产速率的虚拟测量。
[0156] 可以给出图2的生产系统的一个示例。观测器被用于计算丢失的顶部测量，以便得到每个立管产生的相的完整概述。观测器计算来自立管G的石油和水流，给出了从分离器G出来的液体和气体的测量。这进一步能够通过质量平衡方程计算来自立管O的石油和天然气流。换句话说，具有它们连接的井的每个立管的边界条件是固定的，即在储层中和在分离器中有固定的压力，并且在每个立管的出口处有关于石油、天然气和水流的信息。因此，具有连接的井的三个立管可以被看做三个不同的隔离子系统，以及例如可以为每个立管建立自主系统模型。
[0157] 在本文中，数据源意为用于生成紧凑数据库的数据基础。这意为对于所有控制信号可用的所有历史和现场数据、所有输出测量和由观测器计算的所有可能的虚拟测量，例如未测量的来自立管的流动速率。来自数据源的数据由数据库挖掘算法处理，以便生成紧凑数据库。
[0158] 数据库挖掘算法将真实和虚拟测量的大量的数据变换为仅包含相关和重要的信息的紧凑数据。本文描述了两种不同的数据库挖掘算法：稳定状态绝对提取算法和稳定状态导数提取算法。这些算法针对生产系统的相关控制信号分析数据，以映射确定的规范的间隔。对于所有间隔，计算关于相关输出测量的统计或导数信息。如果生产系统包括两个或若干个子系统，针对每个子系统运行算法。
[0159] 一些系统可以被分成若干个具有固定边界条件的子系统。固定边界条件意为在所有边界处固定的压力和在所有边界出口处的速率测量。第一条件确保子系统内的压力改变不会相互作用，其意为来自子系统的生产速率仅受对子系统的控制信号做出的改变的影响。第二条件确保总是知道来自子系统的总生产速率。边界条件由真实测量给出或者由借助观测器发现的虚拟测量给出。这种子系统的一个示例是生产至将流引导到独立的分离器的给定立管的井组。边界条件由从分离器出来的速率测量以及在储层中和在分离器的入口处的固定压力给出。如果可能将系统分成若干隔离的子系统，那么为了生产优化、参数估计和其他计算的目的是有益的。
[0160] 稳定状态提取算法映射绝对稳定状态生产的时间间隔。通过绝对稳定状态生产，我们的意思是感兴趣的子系统的所有控制变量已经保持稳定。对于每个间隔，关于子系统的相关输出测量的统计数据信息通过统计分析发现。稳定状态导数提取算法映射子系统的感应振荡或控制变量的其他阶跃变化的时间间隔。间隔仅在稳定状态导数信息可用但是稳定状态绝对值信息不可用的实例中是令人感兴趣的。这意味着导数信息不能通过有限差被发现。因此，对于这种间隔，导数信息通过频率分析被发现。
[0161] 关于一个间隔的信息被称为一个实例(case)。定义两种类型的实例，稳定状态(绝对)实例和稳定状态导数实例。对于每个各自的子系统，具有保存所有稳定状态实例的一个表和保存所有稳定状态导数实例的一个数据表。对于每个运行，两种算法维持各自的子系统的数据表并且添加新的实例。在第一运行下，算法评估所有可用的历史生产数据。随后，算法将继续运行以通过数据源评估可用的新现场数据并且“在忙碌中(on the fly)”修改新的实例。与较旧的历史数据比较，新现场数据可以通过添加新的观测器来扩大。这两种算法都在两个步骤中实施，其中步骤一识别要收集的数据的间隔，以及步骤二从选定的间隔收集相关信息。
[0162] 给定来自动态子系统的真实和虚拟测量的数据源，通过分析稳定状态间隔以及提取相关统计数据发现稳定状态实例。识别稳定状态可能要求所有控制点保持稳定，例如控制点的设置没有改变。尽管控制点已经保持稳定，但是流动参数可能仍然在过渡时期。此外，如果有变量不被控制点的状态包含，并且这些变量中的一个发生改变并影响流动参数，那么系统会被视为不再稳定状态中。识别稳定状态间隔可能要求相关(一个或更多个)流动参数的期望值在该间隔期间不应该随时间相当大地改变。识别稳定状态间隔可以替代性地或附加地要求相关(一个或更多个)流动参数源自于(一个或更多个)弱平稳过程，使得直到第二阶的时刻仅取决于时间差。在其他东西之间，后者要求意味着(一个或更多个)流动参数的期望值在该间隔期间不应该随时间相当大地改变。
[0163] 对于给定的随机过程X＝{Xt}，其自协方差函数由γX(s,t)＝cov(Xs,Xt)＝E[(Xs-μs)(Xt-μt)]给出，其中μt＝E(Xt)是对于时间t和s的平均值函数。在白噪声的实例中，对于s≠t有γ(s,t)＝0。
[0164] 我们说如果满足以下条件则过程是弱平稳的：
[0165] a)期望值μt是恒定的且不取决于时间，以及
[0166] b)自协方差函数γX(s,t)仅取决于s和t它们的差|s-t|。
[0167] 在一个示例方法中，确定流动参数是否在给定时间间隔内随时间不相当大地改变可以包括将一次线和二次线拟合到间隔期间流动参数的所有数据点。一次线将具有常数项和线性项。二次线将具有常数项、线性项和二次项。线性项和二次项和/或一次线和二次线可以被用于确定流动参数是否可以被视为稳定状态。
[0168] 这意味着如果流动参数保持值贯穿间隔在确定的期望值周围振荡，即如果总间隔被分成例如两个间隔，则每个小的间隔的期望值会近似等于总间隔的期望值。如果流动参数有在期望值周围振荡的具有噪声的测量值，其在间隔期间改变，那么该间隔不被定义为稳定状态，如果在间隔期间没有在井和生产系统输出测量中检测到显著的/明显的变化，那么这个间隔被识别为稳定状态间隔并被保存到稳定状态实例数据表。如果井特定的控制信号已经在充足长的时间内稳定，那么在该时期生成的输出信号被评估。然后统计分析在所有相关信号的采样点上运行。保存到稳定状态实例的典型的信息是关于间隔的一般信息，诸如每个信号/测量的开始时间、持续时间和/或统计信息，诸如平均值、中位数、方差、常数项、线性项、拟合度(r-squared)、采样点的个数。如果在该间隔期间在并行的测试生成系统对一个井进行测试，那么来自与该井生产相关的输出测量的统计信息也是被保存到稳定状态实例的信息的一部分。该实例被添加到子系统的稳定状态数据表。根据图3和图4在下面描述一个示例。
[0169] 给定来自动态子系统的测量的数据库，通过分析受控的改变已经被引到系统控制的间隔来发现稳定状态导数实例，并且提取相关导数信息。针对一些子系统控制信号已经被振荡/改变以及所有剩下的控制点已经保持稳定的时间间隔定义稳定状态导数实例。如果导数信息是可用的但是稳定状态绝对值信息不可用，则该信息仅被保存到稳定状态导数实例。一个示例是振荡测试。在这种测试期间，在固定频率和固定振幅处的预期的和适时地改变被引入到一个或更多个控制信号，而所有其他控制信号保持稳定。关于井特定的生产速率的绝对值稳定状态信息在测量中不可用，然而可以在数据上运行频率分析以收集关于井特定的生产速率的导数信息(即，梯度信息)。保存到稳定状态导数实例的典型的信息是关于间隔的一般信息和导数信息。一般信息示开始时间和设置所有控制信号的点值。导数信息需要从哪些控制信号到哪些输出测量存在导数值，以及它们具有的不确定值是什么。该实例被添加到子系统的稳定状态导数数据表。
[0170] 以下给出两种数据挖掘算法。这两种算法都是为被应用到历史数据而用公式表示的，然而它们也可以在现场数据上运行。仅对振荡实验给出导数/梯度提取。这是因为振荡实验是我们知道的当绝对值信息不可用时在该点处提供关于井特定的测量的导数信息的唯一情形。
[0171]
[0172] 这个算法具有两个步骤。第一步骤创建应该收集统计信息的间隔，第二步骤收集统计信息。
[0173] 步骤1：间隔创建
[0174] ---------------------------
[0175] 为了找到应该收集统计数据的间隔的列表，有两个途径。第一个是将时间跨度分成大小相等的子间隔(Alt.1)。例如这些间隔可以在1和24小时长之间，典型地它们会是2到6小时长。第二个(Alt.2)是先识别应用到系统的所有阶跃变化，并且移除瞬态有高度可能的区域。
[0176] Alt.1：固定长度分区
[0177] 定义子间隔的开始时间、结束时间和理想长度。基于该信息，算法计算间隔的数量，和每个间隔的长度。
[0178] 输出：给出所有间隔的开始时间、结束时间和间隔持续时间。
[0179] Alt.2：瞬态意识分区
[0180] 定义子间隔的开始时间、结束时间和理想长度、最小间隔持续时间、在阶跃之后系统需要进行稳定化的设置时间、在稳定间隔的末端移除的时间和分段常数信号的集合。基于该信息，算法识别瞬态有高度可能的区域，这些区域从数据集中被移除。Alt.1用于将数据集中的剩下区域分区。
[0181] 输出：给出在整个间隔期间所有控制信号已经保持稳定的所有间隔的开始时间、结束时间和间隔持续时间。
[0182] 步骤2：统计数据收集
[0183] ---------------------------
[0184] 对于步骤1中发现的每个间隔，找到所需信息和统计数据。关于间隔的一般的信息是开始时间、结束时间和持续时间。此外，为每个信号生成统计信息。对于一个这样的信号，获得给定信号/测量的统计信息，诸如平均值、中位数、方差、常数项、线性项、拟合度(r-squared)、采样点的个数。如果线性项足够小(近似0)，即一次线近似平行于时间轴，那么流动参数不在过渡时期内。在这个实例中，发现的间隔的信息被添加到实例，其被保存到适当子系统的稳定状态实例数据表。
[0185] 输出：具有间隔信息的一个表和每个信号具有与每个间隔相关的统计信息的一个表。
[0186]
[0187] 这个算法有两个步骤。第一步骤检测/创建应该收集统计和导数信息的间隔，第二步骤收集导数和统计信息。
[0188] 步骤1：间隔检测
[0189] --------------------------
[0190] 这个步骤评估控制变量(井口节流和气举节流)，以便识别数据中已经发生激励实验的间隔。
[0191] 定义搜索的开始和结束时间。定义激励的控制变量的最小数量的周期和振幅中的最大变化。通常至少需要两个周期。最大振幅大概可以被设置在控制变量的范围的15％(例如节流开口的15％)，具有范围0.5-5％中的典型值。
[0192] 此外，对于间隔必须满足以下要求以满足作为一个激励实验的要求：
[0193] 1.每个激励的控制变量已经
[0194] ●以类似正弦模式被改变，通过阶跃变化或振荡
[0195] ●在最小数量的周期内被激励
[0196] ●用变化不会超出定义的最大值的振幅被激励
[0197] 2.所有激励的控制变量以不同频率被激励，但是有相同的开始和结束时间[0198] 3.所有其他控制变量在间隔期间已经保持稳定
[0199] 基于信息和要求，算法识别已发生激励实验的间隔。
[0200] 输出：给出所有激励实验间隔的开始时间、结束时间和持续时间。
[0201] 步骤2：收集导数信息
[0202] ---------------------------
[0203] 对于步骤1中发现的每个间隔，所需的一般信息与导数信息一起被收集。频率分析(例如，快速傅里叶变换)在每个间隔的数据上运行，以收集关于井特定的生产速率的导数信息。一般信息是开始时间和所有控制信号的设置点值。为控制信号和输出测量提供导数信息。为控制信号提供的信息指示在什么方向上提供导数信息，即，什么控制信号方向。给定这个导数方向，为每个输出测量提供得出的导数值。每个输出测量的导数被提供有不确定性。
[0204] 输出：具有间隔信息的一个表和每个信号具有与每个间隔相关的统计信息的一个表。
[0205] 示例1a：生成稳定状态实例数据表
[0206] 为图2的生产系统生成稳定状态实例数据表。对于这个具体示例，来自实时数据库的一个月的数据被用于建立实例数据表，其具有的实例包括一个出口测量的数据、气体输出和两个控制信号：井G1和G5的节流。图3示出所用的数据集。这是2014.04.20—2014.05.20时期中的真实生产数据。顶部图示出气体出口测量，底部图示出在该时期期间G1和G5的节流设置，在整个示例中分别称为井1和2。在这个时期在子系统的剩下的井的节流中没有改变，这是一个人可以忽略整个示例中的所有这些井的原因。
[0207] 垂直线10的左侧数据被用于数据收集并生成稳定状态数据表，通过数据挖掘算法：稳定状态实例提取。通过步骤1发现稳定状态实例间隔：在图4中说明算法的间隔创建。间隔是由垂直线分开的各种区域12。注意到的是，哪里在控制变量中有改变，即对井1和井2的节流的调整，那么就没有稳定状态间隔。对于每个这种间隔，步骤2：算法的统计数据收集计算关于气体输出测量的统计数据信息和井1和井2的控制信号。信息被保存为稳定状态实例数据表中的实例。表1表示产生的稳定状态实例数据表的小提取。对于实例1，提供气体输出测量的统计信息和井1的控制信号。
[0208] 表1：稳定状态情况数据表
[0209]
[0210] 表2示出典型的稳定状态导数实例数据表的结构，其类型是能针对与图3和图4中示出的类似数据生成。一般信息是开始时间和所有控制信号的设置点值。为控制信号和输出测量提供导数信息。为控制信号提供的信息指示在什么方向上提供导数信息，即，什么控制信号方向。给定这个导数方向，为每个输出测量提供得出的导数值。每个输出测量的导数被提供有不确定性。
[0211] 表2：稳定状态导数情况数据表
[0212]
[0213] 已经定义了两种类型的数据表，稳定状态数据表和稳定状态导数数据表。每种类型的数据表的数量由生产系统的拓扑决定。对于生产系统的每个可能的子系统，可能存在一个稳定状态数据表和一个稳定状态导数数据表。所有数据表被保存到紧凑数据库。
[0214] 子系统的稳定状态数据表保存各个子系统的稳定状态实例。针对子系统控制信号保持固定并且其他子系统测量稳定的时间间隔定义稳定状态实例。关于一个实例的信息被保存在数据表中的一行中。
[0215] 子系统的稳定状态导数数据表保存各个子系统的稳定状态导数实例。针对一些子系统控制信号已经被振荡/改变并且所有剩下的控制信号已经保持稳定的时间间隔定义稳定状态导数实例。如果导数信息可用但是稳定状态绝对值信息不可用，则信息仅被保存到稳定状态导数实例。关于一个实例的信息被保存在数据表中一行中。
[0216] 在该示例中，紧凑数据库作为四个基于模型的应用程序的数据基础。其他应用程序也是可能的，如图1中所示。应用程序利用来自紧凑数据库的数据建立局部输入-输出模型，其中重点是导数信息。四个基于模型的应用程序是：
[0217] ●生产优化
[0218] ●测试生成
[0219] ●参数(GOR、WC)估计
[0220] ●速率估计
[0221] 生产改进是一种类型的高水平应用程序。由于在井相关的信息(和最新的节流模型)中的较好精确度，可能进行速率估计和/或GOR和WC近似。
[0222] 当应用程序被初始化，要求确定的信息：1)问题描述，即哪个应用程序、生产系统的相关部分、相关控制信号、输出测量以及2)给定1的感兴趣的操作点。细节由用户通过GUI或由应用程序其自己通过调度器/触发器定义。基于该信息，或基于其他选择标准，在围绕操作点的指定信赖区域内的所有相关实例数据通过CDB爬行/扫描算法从紧凑数据库中相当数据表中被收集。数据被发送到模型建立算法，其识别给定数据(稳定状态实例/样本集)的要建立的相关输入-输出模型。在信赖区域内有效的简单线性或二次输入-输出模型然后通过回归技术被建立。这些模型可以是纯粹数据驱动的，或者它们可以由第一阶物理模型和守恒定律(质量守恒)被扩大。
[0223] 产生的输入-输出模型使用问题描述中的结构信息被结合。随后完整模型被用在算法中以提供一些应用程序的特定输出。对于所有应用程序普遍的一般特征将按照生产优化应用程序和测试生成应用程序在下面详细描述。这个解释是专门为那两个应用程序一起制定的。然而，原则上它适用于所有四个应用程序并且能够很容易地被重新措辞以应用到所有应用程序。
[0224] 关于生产系统拓扑、感兴趣的操作点和优化目标、约束、和变量的信息被作为方法的输入。当生产优化应用程序被初始化，定义确定的细节：1)问题描述，即想要优化系统的哪些部分和目标、约束和变量以及2)感兴趣的操作点。可以由应用程序的用户定义细节。基于该信息，识别相关变量和必要的输入-输出模型。
[0225] 基于问题描述，在围绕提供的操作点的指定信赖区域内的所有相关数据从紧凑数据库中的适当数据表被收集。在信赖区域内有效的简单线性或二次输入-输出模型然后使用回归方法被建立。对改进的预测能力可以用第一原理(例如，质量守恒)扩大数据驱动的模型。这些模型可以是纯粹数据驱动的，或者它们可以由第一阶物理模型和守恒定律(质量守恒)被扩大。
[0226] 目标函数和约束与局部优化模型中产生的输入-输出模型结合。然后该模型可以被用于优化当前操作点附近区域中的生产，以便提供新的和改进的操作点。然后运行优化算法以获得可以改进生产的操作改变的建议。在该方法与常见的先进方法之间有三个重要不同。1)不像传统的优化方法，该方法是专注于生产速率的更小的、逐步改进的生产优化方法，而不是朝着优化解决方案的单个大的阶跃。这个是与石油生产优化内的传统优化方法的主要不同，并且使其与传统的优化方法相比是更稳健且可接受的在线生产优化概念。2)同样重要的是，因为我们试图寻找其最佳可能解决方案的优化问题是“稳定状态”。意味着对于决策的之间范围(例如，12小时到2周)，储层条件可以被认为是固定的，即每个井可以由恒定的PI、GOR和WC被建模，并且管道系统的动态可以被忽略并且被当作稳定状态。生产数据可以被压缩(大约)99％-99.99％到CDB中聚合的稳定状态实例中(稳定状态采样)。然后CDB包含了在生产数据中的(聚合的和压缩的)信息，其对该技术试图求解/优化的稳定状态生产优化问题是相关的。3)代替(生产)工程师初始化优化工作流，系统在后台进行优化并且当将系统改变到该新的操作点的潜在益处超出确定的阈值时呈现解决方案。即代替人主动地决定引导优化，这个是自动完成的，并且优化的解决方案仅在它潜在地能得出改进生产的时候被呈现。
[0227] 通过两个不同的途径完成优化应用程序的初始化。第一个是触发器或调度器。由于新数据(例如，紧凑数据库中的新数据)或新的当前操作点或根据时间设置(例如，自最后的优化以来的时间)或某种时间调度，触发器开始优化应用程序。触发器不会有与人实际操作生产系统相同的问题理解。这就是为什么第二途径GUI是重要的选项。在这个实例中，感兴趣的用户初始化优化应用程序，可能对于触发器已经优化的小变化或对于不同的操作点。
[0228] 为了想要的优化而初始化优化应用程序，要求关于该特定优化的两种类型的信息。1)关于生产系统(例如，子系统和井)的信息和2)关于优化问题(例如，目标函数和约束)的信息。这能够识别相关测量和决策变量，并且因此能够识别必要的输入-输出模型。
[0229] 最普遍的和直观的优化选项被保存在触发器内。优化选项指定哪些子系统和井被优化和对于哪些目标函数和约束进行优化。根据新的数据和时间，指定优化选项将被启动。
[0230] 感兴趣的用户可以通过改变子系统和井与目标和约束的结合来裁剪优化。
[0231] 示例2
[0232] 工程师想要优化来自图2的生产系统的立管G和立管O的生产。
[0233] ●目标是使总的石油生产最大化，同时遵守天然气处理容量。
[0234] 必要的变量
[0235] ●立管O的石油和天然气生产
[0236] ●立管G的石油和天然气生产
[0237] ●所有井的节流设置
[0238] 需要的输入-输出模型
[0239] ●给定立管O中的井的节流设置中的改变，立管O的石油和天然气生产
[0240] ●给定立管G中的井的节流设置中的改变，立管G的石油和天然气生产
[0241] 优化应用程序依赖于得到操作点作为输入，以便能够为模型建立选择正确数据(稳定状态实例/采样设置)和以便运行优化。操作点为数据选择和模型建立定义区域的中心，以及优化方面的起点。在多数实例中，操作点将保持关于当前生产子系统设置的信息。然而，在一些情境中，其可能是一些其他生产子系统设置而不是当前的，即虚拟操作点。
[0242] 操作点保持与稳定状态实例相同的信息。每次生产设置改变，可以获得新的当前操作点。在所有测量已经稳定之后，然后通过算法1找到必要的信息。
[0243] 如果例如工程师计划尽快改变生产设置，或想要在完成改变之前优化这些设置或如果优化算法例如提议重新路由(其是大的改变)，虚拟操作点是需要的。在后一种实例中，用围绕当前操作点建立的局部模型可能很难或不可能推断得足够远。因此，对于当执行重新路由时系统将(可能)变成的方式应该建立基于旧数据的新的/其他局部模型(即，虚拟操作点)。
[0244] 从相关稳定状态实例/采样和从紧凑实例数据库提取的稳定状态导数实例/采样的结合识别和建立简单的模型。实例选择算法(2)搜索所有相关实例的紧凑数据基础，并且从每个实例其仅为给定的应用程序复制相关信息。
[0245] 在问题描述中，给出目标函数、约束和变量。由此，清楚的是哪些子系统需要信息以及哪些输出测量必须建立模型。给定的操作点和信赖区域是用于确定哪些实例是相关的，例如对于一个特定子系统，选择处于以操作点为中心的信赖区域内的所有实例。必要的输出测量和输入控制变量的数据从每个实例被复制。
[0246] 信赖区域可以若干不同的方式定义，信赖区域的主要点是提取数据的实例类似于某些特定维度中的操作点，例如，控制变量值或一些输出测量值。信赖区域可以由以下指定，例如：
[0247] 1.实例的节流值与操作点的节流值之间的最大距离，每个井的或总的
[0248] 2.实例的总立管生产与操作点的总立管生产之间的最大差
[0249] 3.实例的立管压力与操作点的立管压力之间的最大差
[0250] 4.等等
[0251] 紧凑数据库爬行/扫描/算法：实例选择
[0252] --------------------------------------
[0253] 该算法针对问题描述中指定的每个相关子系统运行。基于子系统的CDT(s)，算法生成具有来自步骤1和步骤2的相关实例信息的临时数据表。
[0254] 对于每个必要的/相关的子系统，完成步骤1和步骤2。
[0255] 步骤1：识别处于选择区域内的实例
[0256] ---------------------------------
[0257] 使用选择区域作为比较的基础评估在子系统的CDT(s)中的每个实例。如果一个实例位于选择区域的边界内，那么该实例通过算法被标记/记住为重要的/相关的。
[0258] 步骤2：生成临时的简化实例数据表
[0259] ---------------------------------
[0260] 创建临时的简化实例数据表。在此保存关于被标记/记住为相关的/必要的所有实例的信息。为所有输入信号保存信息，但是仅用于在问题描述中指定的相关的/必要的输出测量。
[0261] 输出：每个参与子系统的一个临时的简化实例数据表
[0262] ---------------------------------------------------
[0263] 通过回归算法建立输入-输出模型
[0264] 为了优化生产系统，需要描述系统行为的模型。在下面讨论这种系统模型的性质以及如何建立它们。优化问题描述提供了关于目标函数、约束和变量的信息，找到操作点并且通过实例选择算法(2)从CDB中提取/复制所有相关数据。优化应用程序中的下一个步骤是使用该信息建立运行所需的优化需要的局部输入-输出模型。
[0265] 系统模型或输入-输出模型将一些子系统输出测量映射到子系统的所有或一些输入信号。例如，估计来自石油立管子系统的总的石油生产的输入-输出模型，依赖于子系统的所有井的节流设置。从实例选择算法(2)传递建立模型需要的所有数据。模型建立算法辨识基于这些数据应该建立哪些模型。由子系统的数量和信息包含在数据中的每个子系统的输出测量的数量确定应该构建的输入-输出模型的总数量。
[0266] 典型的输入-输出模型由以下方程式(1)给出。qo(u)将表示例如总的石油生产的线性模型，给定总数量n的控制信号的所有控制信号ui。该模型通过回归技术建立。对于一个特定测量的模型的结构取决于由实例选择算法为该特定测量/输出提供的线性独立实例/采样的数量和几何结构。产生的模型将是为所有或一些控制信号建立的线性模型。该模型可以纯粹是线性的，或者其可以包括一些曲率(curvature)。如果包括曲率，那么非线性项是二次项或来自一阶物理的项，在某些情境下是两者。当模型的结构已经确定时，必须通过在数量t个实例上的回归找到所有n个控制信号的参数aoi和参数bo，每个实例提供节流u*i的给定配置i的总的石油生产测量 给定所有的可用实例，可以制定方程式的线性系统，并且可以通过回归找到所有n个控制信号的所有参数ai和模型(1)中的b。
[0267] qo(u)＝ao1u1+ao2u2+…+aonun+bo (1)
[0268]
[0269] 借助例如方程式(2)的系统的普通最小二乘法(OLS)通过回归找到(1)的模型参数。OLS是许多可能的回归技术中的一个，用于达成给定CDB中的数据的输入-输出模型的参数。
[0270] 另一个可能是建立并获得没有常数项的不同输入-输出模型的参数，诸如在(3)中提供的模型。这里做出坐标变换u-u*，使得当前操作点u*变成原点且常数项失效。方程式产生的系统变成(4)。适合于这样的方程式的系统的模型拟合选项是，例如经过原点(或简称RTO)的回归。RTO也指由最小二乘法获得的回归。
[0271]
[0272]
[0273] 线性输入-输出模型没有捕获它们近似的函数或测量的潜在曲率信息。二次模型可以被当作是最简单的非线性模型，其将捕获一些曲率。为了获得方程式的超定集合，给定一组信号的测量的完全二次模型将要求比对应的线性模型更加线性独立的实例。另一种可能是使用具有一些曲率的线性模型。具有曲率的线性模型在某些维度中所需的实例比完全二次模型所需的实例更少，但比定义的线性模型的实例更多。典型地，将期望的是构建精确的线性模型，然后如果数据建议模型对于一些维度应该是非线性的，则用曲率信息增强它们。最小弗罗贝尼乌斯(Frobenius)范数模型是具有曲率线性模型，建立策略是基于找到线性模型的线性独立实例，并且通过包含更多实例用曲率来增强模型。该方法假设它与建立模型是相关的，海塞函数(Hessian)的范数是适中的。这是因为误差界限取决于模型的Hessian的范数。最小Frobenius范数模型的建立涉及使模型的Hessian的Frobenius范数最小化。
[0274] 在下文中，解释如何达成一个特定测量的最可能的模型的方法。简言之，该方法检查是否有可能建立对所有输入控制信号的一个特定输出测量的线性模型。如果这不可能，那么忽略具有贫乏数据的输入控制信号并且尝试建立给定剩下的输入控制信号的线性模型。如果有可能建立某种类型的线性模型，那么该方法检查是否有足够的数据以及通过一些二次项或基于一阶物理的一些项在模型中增加一些曲率是否有意义。
[0275]
[0276] 对于每个输出测量，试着通过以下步骤1和步骤2建立输入-输出模型。
[0277] 初始化关于输出测量的信息。
[0278] 目的：为输出测量(例如来自G立管子系统的总的石油生产)建立最可能的模型。
[0279] 数据：所有数据实例来自与由实例选择算法提供的该测量相关的CDB。每个实例保持关于各自测量的信息，其具有不确定性测量和相关输入控制信号值。
[0280] 步骤1：线性模型结构
[0281] -----------------------------------
[0282] 第1部分：检查是否可以通过回归为所有输入控制信号建立线性模型
[0283] 给定可用数据和回归工具，该方法检查是否有可能估计特定输出测量与所有输入控制信号之间的线性关系。方程式的系统必须明确地是超定的，使得可以通过具有一些不确定性测量的回归找到线性模型中的所有参数。如果这不是该实例，由于在一个或若干个维度中的贫乏或不充足的数据，应该从模型建立过程中消除一些输入控制信号。
[0284] 第2部分：消除控制信号
[0285] 如果在一个或若干个维度中没有足够的数据，那么具有太少激励的控制信号应该被消除，使得可以为给定输入控制变量的一个子集的输出测量建立简化的线性模型。当控制信号被消除，这也可以减少在其他维度中的可用实例。(例如，消除的输入控制信号优选地应该在所有剩下的实例中保持相同的值)。为了稳健性的目的，回归的方程式的系统必须明确地是过定的，使得可以通过回归和用一些不确定性测量找到简化的线性模型中的所有参数。
[0286] 输出：
[0287] 最可能的线性输入-输出模型
[0288] 步骤2：检查增加曲率是否有意义
[0289] ------------------------------------
[0290] 如果足够的实例是可用的并且曲率清楚地呈现在包含在线性模型中的给定控制变量的数据中，可以添加曲率。曲率可以由二次项或1阶物理项来表示，在一个或若干个维度中依赖于数据中的几何结构。回归中的方程式的系统必须明确地是超定的，用于产生具有曲率的线性模型，使得可以通过具有一些不确定性测量的回归找到简化的线性模型中的所有参数。如果这不可能，则线性模型保持原样。
[0291] 输出：
[0292] 特定输出测量的最可能的输入-输出模型。
[0293] ----------------------------------------
[0294] 通过模型建立算法找到的输入-输出模型作为局部优化模型的输入。如果从一些或全部输入-输出模型中消除控制变量，则控制信号在局部优化模型中必须是恒定的或必须从局部优化模型中排除。
[0295] 如果数据质量贫乏，那么贫乏质量的输入-输出模型(或缺乏)作为局部优化模型的输入。在这种实例中，可能不方便或不可能进行生产优化。而知道令人安慰的是局部优化模型也作为测试生成算法的输入。基于用于模型建立的贫乏质量的数据，该算法提出阶跃测试或振荡测试，其应该有助于关于特定控制信号的更多和更好的信息。这种测试应该产生更高质量的数据并且因此产生高质量的输入-输出模型。
[0296] 示例1b：通过回归算法示例的输入-输出模型
[0297] 该示例是上面示例1a的后续，其涉及稳定状态数据表的生成。此外，在2014.04.20—2014.05.20时期使用图2的生产系统的真实生产数据。如前所述，顶部图示出气体输出测量，并且底部图示出在该时期期间井1和井2的节流设置，而在该时间期间系统的剩下的井的节流中没有改变。图3中的垂直线10被用作示例1a的数据处理的终点。现在我们把它作为用于数据收集和稳定状态数据表生成的时期与我们想要进行预测的时期之间的截止线。该线左边(2014.04.20—2014.05.16)的数据已被用于生成稳定状态实例数据表，参考示例1a，其在该示例中已被用于建立线性模型，以便预测该线的右边
(2014.05.16—2014.05.20)发生什么。因此，我们将现实世界数据与预测进行比较以便检查预测的精确度。
(2014.05.16—2014.05.20)发生什么。因此，我们将现实世界数据与预测进行比较以便检查预测的精确度。
[0298] 建立线性模型用于预测井G1和井G2的节流改变对气体生产的影响。从稳定状态间隔中计算操作点，其具有在如垂直线指示的截止处的结束时间。为井1和井2的节流定义信赖区域。这可以按照下面更详细的描述来完成。信赖区域确保由选择算法从稳定状态数据表中选择的实例对于井1和井2两者都具有在35％和45％之间的节流值。由选择算法找到的所有实例都被提供给模型建立算法，该模型建立算法通过回归技术建立线性模型。在图5和图6中说明产生的线性模型。在图5中，线性模型在两个维度中绘出，图中的黑点表示已为其建立模型的稳定状态实例。因此，线性模型是一个平面，其被拟合到稳定状态实例的所有数据。在图6中示出线性模型的不确定性测量。第一条线14表示井1的节流中的改变的线性模型，第二条线16表示井2的节流中的改变对总的气体输出的影响。线周围的阴影表示线性模型预测的90％置信区间。将理解的是，其从交叉点(该交叉点是线性模型的中心)移动得越远，则预测变得越不精确。然而，对于靠近用于生成线性模型的稳定状态值的小的改变，则应该有高的精确度。
[0299] 图7和图8示出当两个井的节流被调整时使用线性模型预测气体生产中的改变的结果。被设置的模型在节流值中具有与记录数据中的实际改变相等的改变，以便测试预测的精确度。从测量数据18与预测20之间的比较可以看出，当测量数据中的噪声的影响被移除时，则预测20紧跟着实际数据。因此，发现线性模型至少对于小的改变是精确的。由于线性模型的数据基础可以在任何改变之后被连续地更新，则它总是可以为未来将做出的小的改变提供精确的预测。
[0300] 现在可以建立局部优化问题。问题描述提供关于目标、约束和变量的信息。回归算法提供了具有参数不确定性的局部输入-输出模型，其估计做出的改变对生产系统的影响。
[0301] 以最简单的形式举出图2中示出的生产系统的优化问题的示例。优化问题变成简单的MILP。例如，来自立管O和立管G生产的总的石油将被最大化，同时服从顶部最大天然气处理容量。在系统控制被允许的改变的数量上具有上限，并且在控制信号中的总的改变必须在确定的(信赖)区域内。有两个子系统；立管O和立管G，在一组子系统S中，每个子系统具有一组井Is。相P的集合包含相油、指数o和气体、指数g。系统s的相p的生产速率由变量qps表示，以及井i的控制信号由变量ui表示。
[0302] 目标是尽最大可能增加两个立管的石油生产Δqo1+Δqo2，其按照方程式(5)中定义的目标函数给出。变量前面的Δ(delta)指示我们优化来自当前值的改变。
[0303] maxΔqo1+Δqo2 (5)
[0304] 按照方程式(6)中的模型为每个子系统生产的总的石油和天然气提供局部输入-输出系统模型。这些模型是线性改变模型，其对于相p的系统s提供生产中的改变Δqps，其给出系统s在各个控制信号中的改变Δus。模型的结构和具有不确定性测量的参数aps由模型建立算法(即，在前面部分中解释的回归)提供。这些模型也提供不确定性测量，给定参数aps中的不确定性。
[0305]
[0306] 有顶部总的气体处理容量Cp，方程式(7)确保该容量不被超过。注意到的是，不等式的右边是常数项，即对系统限制的当前松弛(slack)。
[0307]
[0308] 可取的是限制优化过程的改变的数量。按照方程式(8)-(10)和二进制变量xi被定义的约束确保我们仅允许 数量的控制变量中的改变。 表示井i的控制信号中的改变Δui的最大可能改变。
[0309]
[0310]
[0311] xi∈{0，1) i∈Is (10)
[0312] 此外，我们仅允许给定大小的改变，其由控制变量值中的最大改变给出的信赖区域 所限制。这个要求由方程式(11)的不等式来确保。
[0313]
[0314] 基于局部优化模型，可以运行基于导数的优化算法以找出控制变量中的建议的改变，其将造成生产改进。提供一个或若干个建议。
[0315] 可以提供各种形式的建议；这里我们将描述两个选项或替代。替代1)是提议的控制信号改变的一个列表。该列表与具有不确定性测量的生产速率中的总的期望改变一起被提供。替代2)也提供一个列表，然而该列表要先进得多。因为不确定性测量对于所有变量都是可用的，可以利用统计方法以便提供提议的控制信号改变的一个排名列表。改变必须以该列表所指定的确切顺序来实施。每个改变被提供有在具有不确定性测量的总的生产速率中期望的改变。此外，提供在具有不确定性测量的总的生产速率中的总的期望的改变。所有的改变都应该按顺序实施以确保增加的石油生产。替代2确保你拥有最多信息的井与许多不确定的井相比以正确的顺序被调整/改变，以达到各自的处理容量。
[0316] 提议被提供给生产工程师/操作员，其确定建议中的一个是否应该在真实系统中实施以及建议中的哪个应该在真实系统中实施。或者她/他可以与她的/他的直觉一起使用提议，以基于提议实施调整的策略。
[0317] 方程式(6)的局部系统模型根据方程式(2)中的回归问题建立。优化算法的可用性是到依赖于局部输入-输出模型(6)的质量(或其缺乏)的大的程度。若干方法可以被用于量化方程式(6)的质量的测量，并且确定是否有可能建立模型。这通过研究由CDB爬行/扫描/算法选择的稳定状态实例/采样的性质来评价。特别地，考虑方程式(2)中的 如何跨越(span)感兴趣的回归所在的以及想要使用局部输入-输出模型的区域。如果模型是线性的，则由所选的实例/采样点的仿射独立性表示良好的跨越。如果方程式(6)是非线性的，建立井适定性的技术可能要更复杂。
[0318] 测试算法将提议生产实验/改变，该生产试验/改变将在CDB中创建新的稳定状态实例。目的将是优化方程式(2)中的 的适定性/仿射独立性(或者例如非线性多项式模型的多项式空间)，使得如方程式(6)的较好模型可以在实验之后被创建，潜在地能够使优化算法提出较好的生产策略。
[0319] 紧凑数据库作为四个基于模型的应用程序的数据基础。参数估计是另一个这种应用程序。最有意思的参数是井特定的GOR和WC。可以通过来自被给定子系统的所有控制信号的该子系统总的石油、天然气和水流的输入-输出模型来找到对于该子系统的井特定的GOR和WC。可以借助上述方法建立这些模型，并且这些模型将类似于由方程式(1)给出的输入-输出模型。
[0320] 因此，对于随后的程序适用的参数估计应用程序，如上面所解释的，同样适用于所有基于模型的应用程序。当参数估计被初始化，则要求确定的信息：1)问题描述，即生产系统的相关部分、相关控制信号、输出测量和2)上面解释的感兴趣的操作点。由用户通过GUI或由应用程序其自己通过调度器/触发器来定义细节。基于该信息，操作点周围的指定信赖区域内的所有相关实例数据通过上面解释的CDB爬行/扫描算法从紧凑数据库中的正确数据表中收集。数据被发送到上面解释的模型建立算法，该模型建立算法识别给定数据要建立的相关输入-输出模型。
[0321] 然后与参数估计应用程序相关的简单的局部线性输入-输出模型是对于来自被给定子系统的所有(或若干)控制信号的该子系统的总的石油、天然气和水流的输入-输出模型。借助这些模型，可以找出井特定的边缘GOR和WC。
[0322] 由方程式(12)-(14)定义的模型是这种模型的示例。qp(u)表示来自子系统的相p(油，o、气体，g和水，w)的流动的线性模型，该子系统被给定该子系统的所有井i的控制信号ui，即总数量n个控制信号的。每个实例对于节流u*i的给定配置i提供相p的流动测量每个模型，每个相p一个，是通过t数量的实例上的回归被单独找到的，然后对于适当的相p找出所有n个控制信号的参数api和参数bp。
[0323] qo(u)＝ao1u1+ao2u2+…+aonun+bo (12)
[0324] qg(u)＝ag1u1+ag2u2+…+agnun+bg (13)
[0325] qw(u)＝aw1u1+aw2u2+…+awnun+bw (14)
[0326] 井i的边缘GOR和WC，分别由gori和wci表示，然后其可以通过方程式(19)和(20)借助给定相p的相关参数api来计算。
[0327]
[0328]
[0329] 紧凑数据库作为四个基于模型的应用程序的数据基础。速率估计是一个这种应用程序。
[0330] 在紧凑数据库中与井相关的信息中的精确度通过由本文描述的技术所建议的振荡测试和阶跃测试不断地改进。这能够实现基于模型的应用程序，否则其会是麻烦的或会出大错。因此，由于在井相关的信息(和最新的节流模型)中的较好精确度，可能进行井特定的速率估计。
[0331] 可以给出方法的快速描述。通过GUI或触发器提供问题描述和操作点。给定该信息，在紧凑数据库中找出相关信息。模型建立算法的修改版本：通过回归建立输入-输出模型，然后使用数据建立估计每个井的生产速率的井特定的模型。
[0332] 可以为所有相关输出测量建立模型。在这个工作中开发的线性模型是按照方程式(17)-(20)给定的当前工作点的周围的一个测量的节流线性化。
[0333]
[0334]
[0335]
[0336] m≈ax+b (20)
[0337] 测量以及因此测量的模型可以依赖于若干变量，诸如节流开口和气举(u，qGL)、上游和下游节流压力和温度(pu，pd Tu Td)、GOR和WC。缓慢依赖的变量(诸如GOR)可以与常数合并。可以使用例如主成分分析检测和合并线性依赖的变量。然后，剩下的一个具有x-矢量，其具有有用的变量，只可能/希望是控制变量，即节流和气举变量。进一步在本文中，我们依赖于这种简化。在此处提供的模型中，x仅包含节流位置的控制变量，即每个井的一个控制变量。
[0338] 此处提供两种类型的线性模型。方程式(21)表示模型类型1。模型类型1是井特定的输出信号的模型，其被给定生产网络的所有控制变量的值。对每个井将有一个这样的模型，例如一个这样的模型可以表示从被给定生产网络的控制变量设置的井j生产的油量。方程式(23)表示模型类型2。这个表示被给定生产网络的控制变量的网络测量的模型。整体而言给定所有控制变量设置，这样的模型可以总计网络产生的石油。方程式(22)表示质量守恒定律，并且其仅在模型类型表示生产速率时有效。矢量和矩阵在方程式(22)-(27)中定义，J是所有井j的集合。
[0339]
[0340]
[0341]
[0342]
[0343]
[0344] x＝[u1,...,uJ]T (26)
[0345]
[0346] 如果两种模型类型表示生产速率，方程式(22)适用并且(21)和(23)中的模型是依赖的。相同的模型参数被包含在两个模型中。然后在矩阵A中的模型参数和矢量b全部都通过插值或回归/最小二乘法对于所有模型同时地决定。否则，模型是独立的，并且通过插值或回归可以对于每个模型独立地找到模型参数。
[0347] 应用来自稳定状态的数据和保存在紧凑数据库中的导数实例。从振荡测试中求导的导数实例典型地包含一个或更多个斜率值aji。
[0348] 依赖于测量，具有关于信号的信息的实例的数量会变化。关于总的生产速率的信息(极少例外地)总是实例的一部分。因此，通常足量的独立实例是可用的，以建立例如总的石油生产的模型。然而，一个确定的井的石油生产速率仅可以及时地在确定的点处找到，并且关于这些测量的信息，仅有很少的实例是可用的。因此，当关于每个井可用的信息很少时，一起找到这些模型的模型参数可能造成一个挑战。
[0349] 这里给出一个替代的线性模型。这个模型也考虑时间、路由和开/关(on/off)设置。方程式(28)-(32)表示产生的模型。
[0350]
[0351]
[0352]
[0353]
[0354]
[0355] 模型建立可能的扩展：
[0356] 模型建立
[0357] ●模型评估和改进
[0358] ●模型改进算法
[0359] ●计算适定性：无导数方法必须保证对函数进行评估的采样集合的几何结构的控制的一些形式。几何结构的测量的一个示例是Λ-适定性常数，当建立插值模型时其应该被保持适度地小并且从上面被界定。
[0360] 生产改进问题：
[0361] ●具有额定的提议修改的列表
[0362] ●包括基于楔形(Wedge)法的约束：楔形法遵循试图生成点的方法，该点在模型/目标函数中同时提供足够增长并且也满足Λ-适定性条件。在每次迭代，阶跃计算中的优化问题由附加的约束扩大，附加的约束不允许新的点处在确定的管汇附近。
[0363] ●信赖区域管理。复杂的方法用于修改信赖区域半径
[0364] 1.相关定义
[0365] 基础
[0366] 在 中的正基础是一个正独立的集合，该集合的正跨越是
[0367] 考虑来自实函数f(yi)的一个采样集合Y＝{y0，y1，...，yp}。每个采样点包含n+1个维度中的变量，并且有p+1个采样点。通过使用这些采样点，f(yi)可以通过模型m(x)被近似，其中f(yi)＝m(yi)。我们能够以以下方式表达实函数的线性模型；m(x)＝α0+α0x1+…+αnxn。作为次数(degree)1的线性多项式的多项式空间 的基础，多项式基础φ＝{1，x1，...，xn}。
[0368] 适定性
[0369] 考虑一个采样集合Y＝{y0，y1，...，yp}。采样点包含n+1个维度中的变量，并且有p+1个采样点。实函数f(yi)通过模型m(yi)被近似，模型m(yi)是次数d的多项式。
[0370] m(yi)＝f(yi)，i＝0，...，n
[0371]
[0372] 多项式基础 次数是1。M被写作M(φ，Y)以强调M依赖于基础 和采样集合Y。
[0373] 插值
[0374] 如果相应的矩阵M(φ，Y)对于 中的一些基础 是非奇异的，则集合Y＝{y0，1 p＝n
y，...，y }对于 中的多项式插值是正则的(poised)。
y，...，y }对于 中的多项式插值是正则的(poised)。
[0375] 线性回归
[0376] 如果相应的矩阵M(φ，Y)对于 中的一些基础 具有满列秩，则集合Y＝{y0，1 p
y，...，y}对于 中的多项式最小二乘回归是正则的。
y，...，y}对于 中的多项式最小二乘回归是正则的。
[0377] Λ-适定性
[0378] Λ-适定性是适定性常数，其反映了采样集合多大程度上跨越感兴趣的插值/回归区域。Λ-适定性依赖于采样集合、考虑的区域和为其选择插值的多项式空间。
[0379] 插值
[0380] Λ-适定性值可以被看作是到线性无关的距离。如果Λ＝1，则采样集合是理想的。随着Λ-适定性变得更大，模型会恶化。随着Λ发展，由矢量φ(yi)表示的系统变成越来越i
线性相关的。到奇异性的实际距离依赖于φ(y)的选择。这不依赖于采样集合的缩放比例或坐标中的移动。
线性相关的。到奇异性的实际距离依赖于φ(y)的选择。这不依赖于采样集合的缩放比例或坐标中的移动。
[0381] 回归
[0382] 对于采样点的数量保持固定的实例，Λ-适定性可以在回归实例中被定义。在插值意义上的Λ-适定性的大多数性质很容易扩展到回归实例。当采样点的数量被允许增长时，定义强的适定性，并且其反映了采样点在空间中多大程度上被扩展以形成正则的子集。
[0383] 最大Frobenius范数模型
[0384] 典型地，在使用不完全的插值的无导数优化框架中，可取的是构建精确的线性模型以及然后用曲率信息增强它们，希望模型的实际精确度好于纯粹的线性模型的精确度。在最小Frobenius范数意义上的适定性意味着线性插值会回归意义上的适定性，并且作为结果，意味着最小-范数意义上对于二次欠定的插值的适定性。
[0385] 模型改进算法
[0386] 为了模型改进，可以基于已知技术实施这种算法。算法的第一范畴处理非正则的数据集合，目标是构建正则的插值或回归集合。算法的第二范畴改进并且保持已正则的数据集合的Λ-适定性。该算法是基于构建拉格朗日多项式基础或其他(类似的)多项式基础并且使用它们作为对采样集合进行修改的指导。
[0387] 信赖区域
[0388] 可以由一个模型估计一个函数。该模型应该围绕当前点建立，并且具有一定程度的任意性，一个人应该决定包含当前点的区域，在该区域中其认为模型将或多或少充分地表示函数。这种区域被称为信赖区域。
[0389] 在我们的实例中，信赖区域有两个目的：
[0390] 1.模型
[0391] 定义邻近区域，在该邻近区域中对点进行采样用于构建模型。当信赖区域的半径被减小时，像多项式插值或回归模型这样的模型不一定变得更好。
[0392] 2.优化
[0393] 将阶跃大小制约到邻近区域，在该邻近区域假定模型是好的。
[0394] 我们首先定义一个模型mk(x)，其目的是近似于在xk的适当邻近区域(信赖区域)内的一个函数(总的生产或压力)。信赖区域可以被定义为所有点的集合
[0395]
[0396] 其中Δk被称为信赖区域半径。
[0397] 定义信赖区域的范数可以变化，以便尽可能有效地利用下面的问题的几何结构。
[0398] 传统的信赖区域管理：
[0399] 1.信赖区域基于导数的方法
[0400] 在基于导数的方法中，在适当条件下，当迭代收敛于一个局部极小点时，信赖区域半径变得远离零被界定；因此其半径可以保持无变化或者增加接近最优。
[0401] 2.信赖区域无导数方法
[0402] 将目标函数中的实际减少与模型中的预测减少进行比较。如果比较是好的，则采取新的阶跃并且增大信赖区域的半径。如果比较是坏的，则拒绝新的阶跃并且减小信赖区域半径。在无导数优化中，重要的是保持信赖区域的半径比得上某种程度的平稳性，使得当平稳性的程度接近于零时，模型变得更精确。
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
喷油器热门专利
QQ群二维码
意见反馈
意见反馈