(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210808384.4 (22)申请日 2022.07.11 (65)同一申请的已公布的文献号 申请公布号 CN 114881230 A (43)申请公布日 2022.08.09 (73)专利权人 成都创源油气技 术开发有限公司 地址 610000 四川省成 都市新都区新都镇 新都大道8号西南石油大学科技园大 厦1301AB (72)发明人 舒红林　何方雨　张介辉　芮昀　 邹辰　梅珏　姚秋昌　李延钧　 李明隆　李季林　 (74)专利代理 机构 北京中索 知识产权代理有限 公司 11640 专利代理师 唐亭 (51)Int.Cl. G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 16/9035(2019.01) G06F 9/50(2006.01) E21B 43/267(2006.01)(56)对比文件 CN 114021466 A,2022.02.08 CN 112943181 A,2021.0 6.11 CN 113094924 A,2021.07.09 CN 112093941 A,2020.12.18 CN 114508323 A,202 2.05.17 CN 110902897 A,2020.0 3.24 孙玉钢等， .压 裂液返排时机优化研究. 《中 外能源》 .2017,第2 2卷(第7期), 蒋廷学等.国内外智能压 裂技术现状及发展 趋势. 《石油钻探技 术》 .2022,第50卷(第03期), Yapeng Xie等.Mec hanical Model ing of Fracturi ng Proppant in Horizo ntal Wel l and Study o n Mechanism of Refl owing Sand. 《MEMAT 2022 2nd Internati onal Conference o n Mechanical Engi neering, Intelligent Manufacturi ng and Automati on Technology》 .2022, (续) 审查员 刘穗君 (54)发明名称 一种压裂液返排智能控制系统与装备 (57)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。 [转续页] 权利要求书2页 说明书5页 附图2页 CN 114881230 B 2022.11.04 CN 114881230 B (56)对比文件 LiuYuyang等.Shale g as well flowback rate predicti on for Weiyuan field based on a deep learn ing algorithm. 《Journal of Petroleum Science and Engi neering》 .2021, 第203卷2/2 页 2[接上页] CN 114881230 B1.一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：权　利　要　求　书 1/2 页 2 CN 114881230 B 3