摘要
本发明公开了一种兼顾新能源消纳的自适应油井抽采策略优化方法,设计融合了经验样本补充与经验池分化的深度强化学习算法,依靠二元奖励函数引导,在由原油生产模型及新能源发电仿真平台构成的训练环境中,训练得到可自适应新能源出力波动与原油生产扰动的神经网络模型用于动态优化油井抽采策略。所得模型满足了原油开采企业在新能源消纳需求下,对油井抽油机进行实时自适应生产优化调控的要求,并极大改善了高比例新能源接入场景下,油井调控模型训练效率低、跨井况复用性差的问题。这对于原油开采行业构建新型电力系统,实现以荷随源动、节能降耗为要求的精细化生产调控具有重要应用价值。
技术关键词
策略优化方法
决策
神经网络模型
虚拟训练环境
神经网络参数
时间段
样本
在线
深度强化学习算法
开采企业
原油开采行业
新能源发电系统
仿真平台
历史工况数据
抽油机冲次
油井抽油机
系统为您推荐了相关专利信息
电力调度方法
深度强化学习
专家规则库
发电机
优化调度模型
灰度共生矩阵
预拼接图像
图像特征值
拼接方法
像素点
分层算法
空调设备
电阻传感器
湿度传感器
湿度调节
大语言模型
检索策略
生成方法
生成训练数据
多轮对话
动态工作流调度
边缘计算环境
分布式工作流执行
环境状态信息
强化学习系统