一种油气集输管网预测方法、装置、电子设备及存储介质与流程
1.本发明涉及石油集输技术领域，尤其涉及一种油气集输管网预测方法、装置、电子设备及存储介质。
背景技术：
2.集输管网(尤其是海管)中的流动非常复杂：一方面气液两相流动复杂多变，且地势变化多样，环境的任何变化都会直接影响集输管网的正常运行；另一方面油气集输管线较长，给输送造成极大的不稳定。这些都会给管道的模拟计算和运行管理带来困难，因此准确预测油气在管道内的流动变化规律就极为重要。
3.传统上，针对上述问题需要模拟管网流动参数的变化规律，即利用油气田的常规参数，比如管道结构、流体组成，以及收集到的生产数据(各个位置的压力、温度)，通过相应软件来模拟管道沿线的压力、温度、流量、持液率等流动参数的变化趋势，为管网的基础设计、安全高效的运行以及维护提供有力的技术支持，同时也可用于预测水合物生成和蜡沉积，为流动安全保障提供相应信息。为了准确模拟海底油气混输管道的沿线分布规律，各国也投入了大量的人力物力来进行油气混输管网计算的研究，形成了包括pipephase、pipesim、pepite、olga、ledaflow等模拟软件在内的商业化模拟方法。
4.但由于管网仿真计算的复杂性，商业软件无法做到对整个油气田管网系统进行实时仿真，因此也就难于做到实时预测更新；同时考虑到油气藏开发的不确定性，以及油气配产方案调整优化的需求，需要进行大量不同生产状况下的全管网模拟。海量模拟需求导致传统的基于仿真的管网稳态/非稳态流动计算方法难以满足需求。
技术实现要素：
5.本发明提供了一种油气集输管网预测方法、装置、电子设备及存储介质，可以在管道控制条件变化的情况下对油气集输管网系统内不同位置处的温度、压力、含气率、含油率、含水率的变化进行快速、精准的预测。
6.根据本发明的一方面，提供了一种油气集输管网预测方法，该方法包括：
7.获取油气集输管网中各管线的待处理数据；其中，所述待处理数据包括管线输入端的温度、压力、含气率、含水率、含油率以及管线终端的压力；
8.将所述待处理数据输入到管线参数预测模型中执行油气集输管网预测任务；
9.通过所述管线参数预测模型输出待处理数据对应的目标数据；其中，所述目标数据包括管线沿途的温度、压力、含气率、含水率、含油率的变化量。
10.根据本发明的另一方面，提供了一种油气集输管网预测装置，该装置包括：
11.待处理数据获取模块，用于获取油气集输管网中各管线的待处理数据；其中，所述待处理数据包括管线输入端的温度、压力、含气率、含水率、含油率以及管线终端的压力；
12.油气集输管网预测任务执行模块，用于将所述待处理数据输入到管线参数预测模型中执行油气集输管网预测任务；
13.目标数据输出模块，用于通过所述管线参数预测模型输出待处理数据对应的目标数据；其中，所述目标数据包括管线沿途的温度、压力、含气率、含水率、含油率的变化量。
14.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的一种油气集输管网预测方法。
18.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种油气集输管网预测方法。
19.本发明实施例的技术方案，通过获取油气集输管网中各管线的待处理数据，然后将待处理数据输入到管线参数预测模型中执行油气集输管网预测任务，并通过管线参数预测模型输出待处理数据对应的目标数据；其中，目标数据包括管线沿途的温度、压力、含气率、含水率、含油率的变化量。本技术方案，可以在管道控制条件变化的情况下对油气集输管网系统内不同位置处的温度、压力、含气率、含油率、含水率的变化进行快速、精准的预测。
20.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1是根据本发明实施例一提供的一种油气集输管网预测方法的流程图；
23.图2是本技术实施例一提供的气藏的示意图；
24.图3是本技术实施例一提供的管线参数预测模型的示意图；
25.图4为本发明实施例二提供的管线参数预测模型训练的流程图；
26.图5为本发明实施例三提供的一种油气集输管网预测装置的结构示意图；
27.图6是实现本发明实施例的一种油气集输管网预测方法的电子设备的结构示意图。
具体实施方式
28.为了使本技术领域的人员更好地理解本发明方案，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的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
29.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
30.实施例一
31.图1是根据本发明实施例一提供的一种油气集输管网预测方法的流程图，本实施例可适用于快速预测油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化情况，该方法可以由一种油气集输管网预测装置来执行，该油气集输管网预测装置可以采用硬件和/或软件的形式实现，该油气集输管网预测装置可配置于电子设备中。如图1所示，该方法包括：
32.s110、获取油气集输管网中各管线的待处理数据；其中，所述待处理数据包括管线输入端的温度、压力、含气率、含水率、含油率以及管线终端的压力。
33.在本方案中，可以通过数据软件对油气集输管网中各管线的数据进行仿真模拟，得到油气集输管网中各管线的待处理数据。也可以通过其他地震勘探技术手段获取油气集输管网中各管线的待处理数据。
34.示例性的，图2是本技术实施例一提供的气藏的示意图，如图2所示，p气藏由各个管线构成。其中，p2气田到p平台的管线中包括井a2、井a3和井a1h。获取油气集输管网中p2气田到p平台的管线的待处理数据，即是获取井a2、井a3和井a1h处的温度、压力、含气率、含水率、含油率以及p平台的压力。
35.s120、将所述待处理数据输入到管线参数预测模型中执行油气集输管网预测任务。
36.其中，管线参数预测模型采用fc(fully connected layers，全连接层)+bn(batch normalization，归一化层)+prelu(parametric rectified linear unit，激活函数)的方式构建模型特征提取的最小单元。其中，归一化层的目的是为了将所学习的特征归一化到指定的分布中，增加学习的收敛速度减少过拟合现象的发生。
37.示例性的，图3是本技术实施例一提供的管线参数预测模型的示意图，如图3所示，管线参数预测模型由4个最小单元和1个全连接层构成，可以实时计算油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化情况；同时也可以在任意虚拟的单井生产状况下，快速预测油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化。
38.具体的，在使用过程中直接对管线参数预测模型进行加载，并将获取到的油气集输管网中各管线的管线输入端的温度、压力、含气率、含水率、含油率以及管线终端的压力作为输入，预测管线沿途的温度、压力、含气率、含水率、含油率的变化量。
39.s130、通过所述管线参数预测模型输出待处理数据对应的目标数据；其中，所述目标数据包括管线沿途的温度、压力、含气率、含水率、含油率的变化量。
40.根据本公开实施例的技术方案，通过管线参数预测模型对待处理数据进行处理，
输出与待处理数据对应的目标数据，可以实时计算油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化情况；同时也可以在任意虚拟的单井生产状况下，快速预测油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化。
41.实施例二
42.图4为本发明实施例二提供的管线参数预测模型训练的流程图，本实施例与上述实施例之间的关系是对管线参数预测模型训练过程的详细描述。如图4所示，该方法包括：
43.s410、确定管线参数预测模型使用的训练样本数据。
44.本方案中，可以通过数据软件对油气集输管网中各管线的数据进行仿真模拟，得到管线参数预测模型使用的训练样本数据。
45.其中，可以将训练样本数据的80％作为训练集，20％作为测试集对管线参数预测模型进行训练。
46.在本技术方案中，可选的，确定管线参数预测模型使用的训练样本数据，包括：
47.获取油气集输管网中各管线的历史生产数据；其中，所述历史生产数据包括管线输入端的温度、压力、含气率、含水率、含油率以及管线终端的压力；
48.利用预先设置的数据软件对所述历史生产数据进行模拟，得到管线参数预测模型使用的训练样本数据。
49.其中，数据软件可以是指多相流瞬态模拟流动保障软件(ledaflow)。利用ledaflow对管线输入端的温度、压力、含气率、含水率、含油率以及管线终端的压力进行模拟可以产生对应的训练样本数据。
50.通过获取训练样本数据，能够基于训练样本数据对管线参数预测模型进行训练，实现实时计算管线沿途的计算油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化情况；同时也可以在任意虚拟的单井生产状况下，快速预测油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化。
51.在本技术方案中，可选的，利用预先设置的数据软件对所述历史生产数据进行模拟，得到管线参数预测模型使用的训练样本数据，包括：
52.根据预先设置的数据上限和数据下限，对所述历史生产数据进行处理，得到目标生产数据；
53.利用多相流瞬态模拟流动保障软件对所述目标生产数据进行模拟，得到管线参数预测模型使用的训练样本数据。
54.其中，数据上限和数据下限可以根据管线参数预测模型使用需求进行设置。
55.在本实施例中，以历史生产数据为基准，确定数据上限和数据下限并随机修改历史生产数据，可以生成多个不同的输入条件，然后使用ledaflow进行模拟产生对应的训练样本数据。
56.通过获取训练样本数据，能够基于训练样本数据对管线参数预测模型进行训练，实现实时计算管线沿途的计算油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化情况；同时也可以在任意虚拟的单井生产状况下，快速预测油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化。
57.s420、基于所述训练样本数据控制管线参数预测模型执行油气集输管网预测任务。
58.在本实施例中，油气集输管网预测任务用于对油气集输管网中各管线沿途的参数进行预测，实现实时的计算油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化情况。
59.s430、依据所述油气集输管网预测任务，对所述管线参数预测模型进行调整，得到训练更新后的管线参数预测模型。
60.根据本公开实施例的技术方案，进入对管线参数预测模型进行训练时，通过引入油气集输管网预测任务，得到预测效果较好的管线参数预测模型，实现计算油气集输管网系统内各管线沿程温度、压力、流体组成等关键参数的变化情况。
61.在本技术方案中，可选的，依据所述油气集输管网预测任务，对所述管线参数预测模型进行调整，包括：
62.确定所述油气集输管网预测任务对应的损失函数值；
63.依据所述损失函数值对所述管线参数预测模型的网络参数进行调整。
64.其中，损失函数可以是mean square error loss(均方误差损失函数)或l1 loss(回归损失函数)等。具体损失函数可以根据管线参数预测模型的训练需求进行设置。
65.在本方案中，在训练过程中，采用adam(adaptive momentum)优化器对梯度进行处理，初始学习率lr＝0.001,最小学习率lr＝0.00001，当损失函数15个epoch(时期)内没有发生改变时，学习率会自动衰减为原来的0.8倍。其中，一个epoch表示所有的数据送入网络中，完成了一次前向计算+反向传播的过程。
66.具体的，可以将训练样本数据输入到管线参数预测模型中进行油气集输管网预测任务的执行，确定油气集输管网预测任务对应的损失函数值。
67.通过对损失函数值进行确定，能够优化管线参数预测模型的训练，实现油气集输管网中各管线沿途参数变化量的预测。
68.在本技术方案中，可选的，确定所述油气集输管网预测任务对应的损失函数值，包括：
69.依据通过所述管线参数预测模型中油气集输管网预测任务对所述训练样本数据进行处理后的预测结果与所述样本训练数据对应的预标注结果，确定所述油气集输管网预测任务对应的损失函数值。
70.通过对损失函数值进行确定，能够优化管线参数预测模型的训练，实现油气集输管网中各管线沿途参数变化量的预测。
71.本发明实施例的技术方案，通过确定管线参数预测模型使用的训练样本数据，并基于训练样本数据控制管线参数预测模型执行油气集输管网预测任务，然后依据油气集输管网预测任务，对所述管线参数预测模型进行调整，得到训练更新后的管线参数预测模型。通过执行本技术方案，能够优化管线参数预测模型的训练，可以在管道控制条件变化的情况下对油气集输管网系统内不同位置处的温度、压力、含气率、含油率、含水率的变化进行快速、精准的预测。
72.实施例三
73.图5为本发明实施例三提供的一种油气集输管网预测装置的结构示意图。如图5所示，该装置包括：
74.待处理数据获取模块510，用于获取油气集输管网中各管线的待处理数据；其中，
所述待处理数据包括管线输入端的温度、压力、含气率、含水率、含油率以及管线终端的压力；
75.油气集输管网预测任务执行模块520，用于将所述待处理数据输入到管线参数预测模型中执行油气集输管网预测任务；
76.目标数据输出模块530，用于通过所述管线参数预测模型输出待处理数据对应的目标数据；其中，所述目标数据包括管线沿途的温度、压力、含气率、含水率、含油率的变化量。
77.在本技术方案中，可选的，油气集输管网预测任务执行模块520，包括：
78.训练样本数据确定单元，用于确定管线参数预测模型使用的训练样本数据；
79.油气集输管网预测任务执行单元，用于基于所述训练样本数据控制管线参数预测模型执行油气集输管网预测任务；
80.管线参数预测模型训练单元，用于依据所述油气集输管网预测任务，对所述管线参数预测模型进行调整，得到训练更新后的管线参数预测模型。
81.在本技术方案中，可选的，训练样本数据确定单元，包括：
82.历史生产数据获取子单元，用于获取油气集输管网中各管线的历史生产数据；其中，所述历史生产数据包括管线输入端的温度、压力、含气率、含水率、含油率以及管线终端的压力；
83.训练样本数据得到子单元，用于利用预先设置的数据软件对所述历史生产数据进行模拟，得到管线参数预测模型使用的训练样本数据。
84.在本技术方案中，可选的，训练样本数据得到子单元，具体用于：
85.根据预先设置的数据上限和数据下限，对所述历史生产数据进行处理，得到目标生产数据；
86.利用多相流瞬态模拟流动保障软件对所述目标生产数据进行模拟，得到管线参数预测模型使用的训练样本数据。
87.在本技术方案中，可选的，管线参数预测模型训练单元，包括：
88.损失函数值确定子单元，用于确定所述油气集输管网预测任务对应的损失函数值；
89.管线参数预测模型调整子单元，用于依据所述损失函数值对所述管线参数预测模型的网络参数进行调整。
90.在本技术方案中，可选的，损失函数值确定子单元，具体用于：
91.依据通过所述管线参数预测模型中油气集输管网预测任务对所述训练样本数据进行处理后的预测结果与所述样本训练数据对应的预标注结果，确定所述油气集输管网预测任务对应的损失函数值。
92.本发明实施例所提供的一种油气集输管网预测装置可执行本发明任意实施例所提供的一种油气集输管网预测方法，具备执行方法相应的功能模块和有益效果。
93.实施例四
94.图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形
式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
95.如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
96.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
97.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如一种油气集输管网预测方法。
98.在一些实施例中，一种油气集输管网预测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的一种油气集输管网预测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种油气集输管网预测方法。
99.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
100.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
101.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算
机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
102.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
103.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
104.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
105.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
106.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
