买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市佳运通电子有限公司申请的专利基于模块化的油田集输智能运维系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119849707B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510322714.2，技术领域涉及：G06Q10/04；该发明授权基于模块化的油田集输智能运维系统及方法是由刘永才;吴中华;李楠;王飞;郭卫猛;乔常明;吕宗才;曾祥茂;陈铖;刘辛酉设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本基于模块化的油田集输智能运维系统及方法在说明书摘要公布了：本发明公开了基于模块化的油田集输智能运维系统及方法，涉及油田集输运维协调控制技术领域，该方法包括以下步骤：通过传感器采集区域下辖油田集输井间站数据，结合当前井间站原油储量预测值以及原油采集情况，建立井间站日采油量预测数字孪生模型，获得油量采集预测周期；针对转油站下辖的井间站，根据不同井间站的油量采集预测周期，结合转油站的中转能力，对区域内转油站连接的井间站进行调配，同时利用AI算法实时优化液量、压力、温度参数，实现转油站、井间站采输过程协调。本发明通过对区域内井间站建立数字孪生模型，方便区域内油田集输进行智能运维与协调控制，增强了实用性与功能性。

本发明授权基于模块化的油田集输智能运维系统及方法在权利要求书中公布了：1.基于模块化的油田集输智能运维方法，其特征在于，该方法包括以下步骤： S1、通过传感器采集区域下辖油田集输井间站数据，结合当前井间站原油储量预测值以及原油采集情况，建立井间站日采油量预测数字孪生模型，获得油量采集预测周期； S11、在区域下辖油田集输井间站中设置传感器，包括流量传感器、压力传感器、温度传感器，用以采集井间站原油采集过程中实时流量、井口压力、温度； S12、通过物理模型和数据驱动模型的结合，构建区域下辖井间站的数字孪生模型，通过物理模型提供对油田集输过程的基础描述，通过数据驱动模型使用历史和实时数据，对数字孪生模型进行参数优化，获得油量采集预测周期； S121、收集区域内下辖不同井间站的日采油量、井口压力、油井产量、油井生产历史时间数据，结合不同井间站的地质数据，构建油藏的三维地质模型，描述储层的分布、结构和性质，通过Eclipse模拟油藏中流体的流动过程，模拟不同时间段的理论油藏压力和物理模型采油量预测值； S122、基于井间站历史生产数据，以构建数据驱动模型，对物理模型进行参数优化，收集井间站的历史生产数据并进行归一化处理，包括历史日采油量、油井压力、温度、含水率、设备运行时长、阀门开度，计算各特征与日采油量之间的皮尔逊相关系数，其算法公式为： 其中，xi为不同的特征值，yi为日采油量，与分别代表特征和日采油量的均值，n代表样本数量，保留|r|＞0.5的特征作为相关性特征； 基于相关性特征构建线性回归方程作为数据驱动模型，获得日采油量预测值： y＝β0+β1x1+β2x2+...+βpxp+ε； 其中，β0是截距，βp代表不同特征的系数，ε为误差项，y为当日采油量预测值，xp代表p日的特征参数值； 使用历史数据对数据驱动模型进行训练，并优化模型的超参数，其具体的步骤为： 将历史数据划分为训练集与验证集，其中训练集包含70％的历史数据，验证集包含30％的历史数据，采用均方误差作为损失函数： 其中，分别代表t时刻预测值和t时刻真实日采油量，n代表样本数量，通过梯度下降法迭代更新模型系数 其中，α代表学习率，通过验证集对模型进行验证，通过平均绝对误差进行评估，代表t+1时刻的系数值； S123、基于权重比综合物理模型采油量预测值与数据驱动模型采油量预测值，获得数字孪生模型采油量输出值： Y＝ω1×A+ω2×B； 其中，Y、A、B分别代表当前井间站日数字孪生模型采油量输出值、物理模型日采油量预测值、数据驱动模型日采油量预测值，ω1、ω2代表权重比，ω1+ω2＝1； S2、针对转油站下辖的井间站，根据不同井间站的油量采集预测周期，结合转油站的中转能力，对区域内转油站连接的井间站进行调配，同时利用AI算法实时优化液量、压力、温度参数，实现转油站、井间站采输过程协调。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市佳运通电子有限公司，其通讯地址为：518000 广东省深圳市福田区华富街道莲花一村社区皇岗路5001号深业上城(南区)T2栋4601；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。