1、油田是產(chǎn)能大戶，也是耗能大戶。機(jī)械采油是油田主要耗能方式，但其效率普遍不足30％，若每臺采油設(shè)備節(jié)省一點能耗，則效益驚人。如何進(jìn)一步提升抽油機(jī)井采油技術(shù)和管理水平成為油田普遍關(guān)心和亟待解決的關(guān)鍵問題。數(shù)字化油田的發(fā)展使井上井下布置了大量檢測裝置，記錄了豐富詳實的工況參數(shù)與產(chǎn)量、能耗數(shù)據(jù)，這意味可由數(shù)據(jù)挖掘技術(shù)，從大量生產(chǎn)數(shù)據(jù)中挖掘采油工藝潛在規(guī)律，并用數(shù)學(xué)模型描述；再通過智能優(yōu)化技術(shù)從獲取的工藝規(guī)律中尋找最佳的生產(chǎn)參數(shù)，以使得機(jī)采系統(tǒng)實

2、時保持最佳運行狀態(tài)，實現(xiàn)節(jié)能增效。為此，本文針對油田機(jī)采系統(tǒng)數(shù)據(jù)挖掘技術(shù)和生產(chǎn)參數(shù)智能優(yōu)化技術(shù)的關(guān)鍵科學(xué)問題展開深入研究，以油田機(jī)采系統(tǒng)為研究對象，通過理論研究、仿真實驗及軟件開發(fā)促進(jìn)油田機(jī)采系統(tǒng)實現(xiàn)自主建模、智能優(yōu)化和自動決策，具體包括以下內(nèi)容：
　　(1)提出基于無跡粒子濾波神經(jīng)網(wǎng)絡(luò)(UPFNN)的油田機(jī)采系統(tǒng)動態(tài)演化建模方法。建立精準(zhǔn)的機(jī)采工藝模型是實現(xiàn)生產(chǎn)優(yōu)化的前提。由于機(jī)采系統(tǒng)受機(jī)械、地層、人為等不確定因素影響，難以準(zhǔn)確

3、掌握其生產(chǎn)參數(shù)、環(huán)境變量與系統(tǒng)性能之間的變化關(guān)系，為此本文提出利用無跡粒子濾波實時更新神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，建立基于無跡粒子濾波神經(jīng)網(wǎng)絡(luò)子空間逼近的機(jī)采系統(tǒng)非線性動態(tài)演化模型。該方法利用無跡卡爾曼濾波對粒子進(jìn)行估計，產(chǎn)生重要性密度，并更新粒子，以提高提高粒子濾波精度，從而改善神經(jīng)網(wǎng)絡(luò)建模精度。
　　(2)提出基于偏好多目標(biāo)優(yōu)化的油田機(jī)采過程生產(chǎn)參數(shù)優(yōu)化方法。油田為實現(xiàn)油藏的科學(xué)、合理化開采，通常需要根據(jù)油藏分布從全局上設(shè)計出各采油

4、區(qū)在一段時間內(nèi)的開采量（即給定生產(chǎn)制度）。因此，機(jī)采系統(tǒng)優(yōu)化不能以采油量最大和用能最低為目標(biāo)，而應(yīng)該以采油量接近某一給定值和用能最低作為優(yōu)化目標(biāo)。此外，油田機(jī)采系統(tǒng)生產(chǎn)優(yōu)化是在各種約束條件下求取目標(biāo)函數(shù)的最優(yōu)值，屬于復(fù)雜的非線性優(yōu)化問題，應(yīng)用傳統(tǒng)優(yōu)化理論往往遇到困難。帶精英策略的非支配排序遺傳算法通過計算個體之間的擁擠度來回避共享參數(shù)指定問題，并采用精英策略保存父代種群的優(yōu)秀個體，可實現(xiàn)多目標(biāo)并行優(yōu)化。這使得其在處理工業(yè)過程問題復(fù)雜、高

5、維、難以解析得到的優(yōu)化模型時比傳統(tǒng)優(yōu)化方法更具優(yōu)勢。為此，本文首先結(jié)合無跡粒子濾波神經(jīng)網(wǎng)絡(luò)建立的機(jī)采過程模型和面向生產(chǎn)制度的偏好函數(shù)，構(gòu)建偏好多目標(biāo)優(yōu)化模型，然后采用帶精英策略的非支配排序遺傳算法求解生產(chǎn)參數(shù)的Pareto解集，再通過有序加權(quán)獲得Pareto解集上每個方案的綜合評價，最終獲得最佳方案。
　　(3)開發(fā)數(shù)字化油田抽油機(jī)群調(diào)度優(yōu)化決策支撐系統(tǒng)。為實現(xiàn)理論指導(dǎo)實際生產(chǎn)，本文將上述理論研究通過C#與MATLAB混合編程方式