示功图特征数据的获取方法及装置制造方法及图纸

本发明专利技术公开了一种示功图特征数据的获取方法及装置。其中，该方法包括：接收示功图数据；通过自编码器模型，获取与示功图数据对应的特征编码数据，其中，自编码器模型为使用多组数据通过机器学习训练得到的，多组数据中的每组数据均包括：示功图数据和该示功图数据对应的特征编码数据；根据特征编码数据获取示功图的特征数据，其中，特征数据用于表示示功图对应的抽油机系统的运行状态。本发明专利技术解决了相关技术采用人工分析方式对抽油机进行故障分析导致的故障判别准确性较低的技术问题。

Acquisition method and device of characteristic data of indicator diagram

【技术实现步骤摘要】
示功图特征数据的获取方法及装置
本专利技术涉及数据处理
，具体而言，涉及一种示功图特征数据的获取方法及装置。
技术介绍
抽油机系统是油田系统中最常见的机械系统之一，是油气田开发生产的重要组成部分，也是油田管理系统的主要运营维护对象之一。抽油机系统主要分为抽油杆，抽油泵两部分。抽油泵则分为泵筒、泵柱塞、固定凡尔与游动凡尔4个主要构件。工作状态下，通过地面电机带动抽油杆引起抽油泵的上下往复运动，抽油机系统可将地层中的原油不断通过油管举升到地面。通常，正常生产状态下，抽油机需24小时不间歇运行以达到最大经济收益。而随着抽油机运行，一些渐变性的积累或突发性的事件，可能使其陷入某种故障，严重的可能导致停产。常见的故障种类包括凡尔漏失(分为固定或游动凡尔漏失)，抽油杆断，结蜡，供液不足等等。由于杆，管，泵深埋于地下，很难通过人工直接观察的方式分析其是否故障，故障原因与故障程度，因此目前主流的抽油机井诊断方法均是基于示功图来展开。在长达数十年的油田生产运行维护过程中，油田工作人员积累了很多关于抽油机故障的识别与维修经验，总结出了常见故障发生时，示功图的形状大致变化规律。因此，人工示功图故障分析目前应用较为普遍。但在一个油田系统内，处于运行状态的抽油机数量常常达到几千甚至上万口的规模，每秒钟产生的数据量巨大，采用人工方式判别故障准确率低，主观性强，实时性差，成本高，标准难以固化。针对上述相关技术采用人工分析方式对抽油机进行故障分析导致的故障判别准确性较低的问题，目前尚未提出有效的解决方案。>
技术实现思路
本专利技术实施例提供了一种示功图特征数据的获取方法及装置，以至少解决相关技术采用人工分析方式对抽油机进行故障分析导致的故障判别准确性较低的技术问题。根据本专利技术实施例的一个方面，提供了一种示功图特征数据的获取方法，包括：接收示功图数据；通过自编码器模型，获取与所述示功图数据对应的特征编码数据，其中，所述自编码器模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：示功图数据和该示功图数据对应的特征编码数据；根据所述特征编码数据获取所述示功图的特征数据，其中，所述特征数据用于表示所述示功图对应的抽油机系统的运行状态。可选地，在通过自编码器模型，获取与所述示功图数据对应的特征编码数据之前，该示功图特征数据的获取方法还包括：采集历史时间段的多个历史示功图数据和多个历史特征编码数据，其中，所述多个历史特征编码数据是根据多个历史示功图数据确定的数据；对采集的包括所述多个历史示功图数据和多个历史特征编码数据的多组数据进行训练，得到所述自编码器模型。可选地，在采集历史时间段的多个历史示功图数据之后，该示功图特征数据的获取方法还包括：对所述多个历史示功图数据进行分析，得到所述多个历史示功图数据中的无效数据，其中，所述无效数据包括以下至少之一：所述多个历史示功图数据中对应示功图的畸变严重程度超过预设程度的示功图数据、所述多个历史示功图数据对应的单井的状态为停井状态的数据；将所述多个历史示功图数据中的无效数据删除。可选地，在采集历史时间段的多个历史示功图数据之后，该示功图特征数据的获取方法还包括：确定所述多个历史示功图数据中的每个示功图数据中坐标轴的量程和分辨率；对所述每个示功图数据的量程和分辨率进行统一。可选地，在对采集的包括所述多个历史示功图数据和多个历史特征编码数据的多组数据进行训练，得到所述自编码器模型之后，该示功图特征数据的获取方法还包括：对所述自编码器模型进行优化。可选地，对所述自编码器模型进行优化包括：利用反卷积神经网络对编码数据进行解码，得到解码数据，其中，所述编码数据是自编码器对多个历史示功图数据进行编码得到的数据；利用所述解码数据构建示功图图像一；将所述示功图图像一与所述多个历史示功图数据对应的示功图二进行比对，得到比对结果；在所述比对结果大于预定阈值的情况下，调整所述卷积神经网络的神经网络参数；根据调整后的神经网络参数以及所述编码数据对所述自编码器模型进行优化。根据本专利技术实施例的另外一个方面，还提供了一种示功图特征数据的获取装置，包括：接收单元，用于接收示功图数据；第一获取单元，用于通过自编码器模型，获取与所述示功图数据对应的特征编码数据，其中，所述自编码器模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：示功图数据和该示功图数据对应的特征编码数据；第二获取单元，用于根据所述特征编码数据获取所述示功图的特征数据，其中，所述特征数据用于表示所述示功图对应的抽油机系统的运行状态。可选地，该示功图特征数据的获取装置还包括：采集单元，用于在通过自编码器模型，获取与所述示功图数据对应的特征编码数据之前，采集历史时间段的多个历史示功图数据和多个历史特征编码数据，其中，所述多个历史特征编码数据是根据多个历史示功图数据确定的数据；第三获取单元，用于对采集的包括所述多个历史示功图数据和多个历史特征编码数据的多组数据进行训练，得到所述自编码器模型。可选地，该示功图特征数据的获取装置还包括：分析单元，用于在采集历史时间段的多个历史示功图数据之后，对所述多个历史示功图数据进行分析，得到所述多个历史示功图数据中的无效数据，其中，所述无效数据包括以下至少之一：所述多个历史示功图数据中对应示功图的畸变严重程度超过预设程度的示功图数据、所述多个历史示功图数据对应的单井的状态为停井状态的数据；删除单元，用于将所述多个历史示功图数据中的无效数据删除。可选地，该示功图特征数据的获取装置还包括：确定单元，用于在采集历史时间段的多个历史示功图数据之后，确定所述多个历史示功图数据中的每个示功图数据中坐标轴的量程和分辨率；转换单元，用于对所述每个示功图数据的量程和分辨率进行统一。可选地，该示功图特征数据的获取装置还包括：优化单元，用于在对采集的包括所述多个历史示功图数据和多个历史特征编码数据的多组数据进行训练，得到所述自编码器模型之后，对所述自编码器模型进行优化。可选地，所述优化单元包括：解码模块，用于利用反卷积神经网络对编码数据进行解码，得到解码数据，其中，所述编码数据是自编码器对多个历史示功图数据进行编码得到的数据；构建模块，用于利用所述解码数据构建示功图图像一；比对模块，用于将所述示功图图像一与所述多个历史示功图数据对应的示功图二进行比对，得到比对结果；调整模块，用于在所述比对结果大于预定阈值的情况下，调整所述卷积神经网络的神经网络参数；优化模块，用于根据调整后的神经网络参数以及所述编码数据对所述自编码器模型进行优化。根据本专利技术实施例的另外一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述中任意一项所述的示功图特征数据的获取方法。根据本专利技术实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的示功图特征数据的获取方法。在本专利技术实施例中，采用接收示功图数据；通过自编码器模型，获取与示功图数据对应的特征编码数据本文档来自技高网...

【技术保护点】
1.一种示功图特征数据的获取方法，其特征在于，包括：/n接收示功图数据；/n通过自编码器模型，获取与所述示功图数据对应的特征编码数据，其中，所述自编码器模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：示功图数据和该示功图数据对应的特征编码数据；/n根据所述特征编码数据获取所述示功图的特征数据，其中，所述特征数据用于表示所述示功图对应的抽油机系统的运行状态。/n

【技术特征摘要】
1.一种示功图特征数据的获取方法，其特征在于，包括：
接收示功图数据；
通过自编码器模型，获取与所述示功图数据对应的特征编码数据，其中，所述自编码器模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括：示功图数据和该示功图数据对应的特征编码数据；
根据所述特征编码数据获取所述示功图的特征数据，其中，所述特征数据用于表示所述示功图对应的抽油机系统的运行状态。


2.根据权利要求1所述的方法，其特征在于，在通过自编码器模型，获取与所述示功图数据对应的特征编码数据之前，还包括：
采集历史时间段的多个历史示功图数据和多个历史特征编码数据，其中，所述多个历史特征编码数据是根据多个历史示功图数据确定的数据；
对采集的包括所述多个历史示功图数据和多个历史特征编码数据的多组数据进行训练，得到所述自编码器模型。


3.根据权利要求2所述的方法，其特征在于，在采集历史时间段的多个历史示功图数据之后，还包括：
对所述多个历史示功图数据进行分析，得到所述多个历史示功图数据中的无效数据，其中，所述无效数据包括以下至少之一：所述多个历史示功图数据中对应示功图的畸变严重程度超过预设程度的示功图数据、所述多个历史示功图数据对应的单井的状态为停井状态的数据；
将所述多个历史示功图数据中的无效数据删除。


4.根据权利要求3所述的方法，其特征在于，在采集历史时间段的多个历史示功图数据之后，还包括：
确定所述多个历史示功图数据中的每个示功图数据中坐标轴的量程和分辨率；
对所述每个示功图数据的量程和分辨率进行统一。


5.根据权利要求4所述的方法，其特征在于，在对采集的包括所述多个历史示功图数据和多个历史特征编码数据的多组数据进行训练，得到所述自编码器模型之后，还包括：对所述自编码器模型进行优化。


6.根据权...

【专利技术属性】
技术研发人员：夏一楠，
申请(专利权)人：北京国双科技有限公司，
类型：发明
国别省市：北京;11