基于小样本量的混油凝点智能预测方法、系统及

本发明涉及油气储运智能化，尤其涉及一种基于小样本量的混油凝点智能预测方法、系统及相关设备。背景技术：1、混合原油的凝点是多种原油混合输送工艺计算和运行方案确定中所需的重要的基本参数。由于组分原油物性和混输配比等的多变性，尤其是多种原油混合的情况下。当混合原油的凝点高于管线沿线输送的最低温度，管道可能出现凝管等危险工况，管道运输原油的风险会大大提升。2、现有技术中有通过人工采样、实验室化验的方法来测定混油凝点；现在技术也有通过引入非线性修正系数建立凝点预测的经验模型，而修正参数需要通过复杂的实验来测定，有很大的局限性，对数据的要求较高；现有技术中还包括利用机器学习方法建立由组分油物性和配比预测混油凝点的模型。3、综上，现有预测方法的不足是，只能基于一组数据来训练模型，为保证模型精度，模型的训练数据量需要尽可能的大，但传统的混油凝点测试通常需要大量的样本和复杂的实验条件，从而极大地增加了预测成本和时间。且当模型面对新采样的数据时，模型需要重新积累数据训练，对历史数据造成了浪费。4、针对目前混合原油凝点预测对数据量要求大的问题，需要一种混合原油凝点的小样本预测方法。技术实现思路1、本发明所要解决的技术问题是针对现有技术存在的问题，提供一种基于小样本量的混油凝点智能预测方法、系统及相关设备。2、第一方面，本发明实施例提供一种基于小样本量的混油凝点智能预测方法，包括：3、获取历史油样物性数据集和新油样物性数据集，并进行预处理；4、对经预处理的所述历史油样物性数据集基于对抗生成网络进行数据扩充，生成扩充物性数据集；5、利用经预处理的所述历史油样物性数据集对回归预测模型进行模型训练，得到初始预测模型；6、基于所述扩充物性数据集对所述初始预测模型进行自适应样本比例增量式学习修正，得到混油凝点预测模型；7、基于所述混油凝点预测模型进行混油凝点预测。8、第二方面，本发明实施例还提供一种基于小样本量的混油凝点智能预测系统，包括：9、数据预处理模块，用于获取历史油样物性数据集和新油样物性数据集，并进行预处理；10、数据扩充模块，用于对经预处理的所述新油样物性数据集基于对抗生成网络进行数据扩充，生成扩充物性数据集；11、模型训练模块，用于利用经预处理的所述历史油样物性数据集对回归预测模型进行模型训练，得到初始预测模型；12、模型修正模块，用于基于所述扩充物性数据集对所述初始预测模型进行自适应样本比例增量式学习修正，得到混油凝点预测模型；13、凝点预测模块，用于基于所述混油凝点预测模型进行混油凝点预测。14、第三方面，本发明实施例提供了一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使所述计算机执行如上述技术方案提供的基于小样本量的混油凝点智能预测方法。15、第四方面，本发明实施例提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述技术方案提供的基于小样本量的混油凝点智能预测方法。16、第五方面，本发明实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实施例中提供的基于小样本量的混油凝点智能预测方法。17、本发明的有益效果是：通过数据增强方法和基于自适应样本选取的增量式学习方法，有效解决原油凝点预测模型在小样本数据集上表现差的问题；能更好地发挥对新油样物性快速预测的作用；即本发明通过有效的数据利用和模型建设，提高了混油凝点预测的准确性，在工业生产中降低了取样频次，减少了油气站场的采样任务，降低了测试成本，提高了测试效率。18、本发明附加的方面及其优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。技术特征：1.一种基于小样本量的混油凝点智能预测方法，其特征在于，包括：2.根据权利要求1所述的方法，其特征在于，所述获取历史油样物性数据集和新油样物性数据集，并进行预处理，包括：3.根据权利要求1所述的方法，其特征在于，所述对经预处理的所述新油样物性数据集基于对抗生成网络进行数据扩充，生成扩充物性数据集，包括:4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述扩充物性数据集对所述初始预测模型进行自适应样本比例增量式学习修正，得到混油凝点预测模型，包括：5.根据权利要求4所述的方法，其特征在于，基于所述补充训练集对所述初始预测模型进行自适应样本比例增量式学习修正，得到混油凝点预测模型，包括：6.根据权利要求5所述的方法，其特征在于，所述当模型预测精度满足预设停止条件时，停止更新迭代，获得混油凝点预测模型，包括：7.根据权利要求1至3任一项所述的方法，其特征在于，所述回归预测模型采用回归树作为基学习器。8.一种基于小样本量的混油凝点智能预测系统，其特征在于，包括：9.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在计算机上运行时，使所述计算机执行如权利要求1至7任一项所述的基于小样本量的混油凝点智能预测方法。10.一种电子设备，包括：存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的基于小样本量的混油凝点智能预测方法。技术总结本发明涉及油气储运技术领域，公开了一种基于小样本量的混油凝点智能预测方法、系统及相关设备。方法包括：获取历史油样物性数据集和新油样物性数据集并进行预处理；对新油样物性数据集进行数据扩充，生成扩充物性数据集；基于历史油样物性数据集训练得到初始预测模型；基于扩充物性数据集对初始预测模型进行自适应样本比例增量式学习修正，得到混油凝点预测模型；基于混油凝点预测模型进行混油凝点预测。本发明通过有效的数据利用和模型建设，提高了混油凝点预测的准确性，在工业生产中降低了取样频次，减少了油气站场的采样任务，降低了测试成本，提高了测试效率。技术研发人员：邱姝娟,谢雁,李龙冬,张伟凯,黎键,欧阳波,任国志,高锦伟,陈海艳受保护的技术使用者：国家石油天然气管网集团有限公司技术研发日：技术公布日：2024/8/16