一种抽油机示功图智能识别方法技术

本发明专利技术公开了一种抽油机示功图智能识别方法，通过对抽油机载荷和悬点位移信号的采集，以光杆位移信号为横坐标，载荷信号为纵坐标，绘制在一个抽汲周期内随时间变化构成的封闭曲线，得到抽油机示功图样本。对于采集到的抽油机示功图样本，如果样本的类别数是已知的，采用有监督模式识别的识别方式。如果预先不知道样本类别，采用无监督模式识别的识别方式。由ART2神经网络对抽油机示功图的样本进行识别，并根据识别结果对抽油机进行故障诊断和井下工况判断，并显示判断结果。本发明专利技术的一种抽油机示功图智能识别方法，具有可对抽油机进行故障诊断和井下工况判断，实现了示功图的稳定、高效、准确识别等优点。

【技术实现步骤摘要】
一种抽油机示功图智能识别方法
本专利技术涉及石油开采
，具体涉及一种抽油机示功图智能识别方法。
技术介绍
随着科技的不断进步，油田越来越需要自动化程度高、实时性强的自动量油技术。传统的量油技术(如计量站量油、翻斗量油、玻璃管量油)存在工艺流程复杂、装置多、投资成本高、劳动强度大、效率低等问题，已经很难适应简化地面流程，产量连续计算的生产管理需要。抽油机的示功图中蕴含了丰富的工况信息，通过分析示功图即可以判断抽油机工作状况和井下工况。对示功图进行分析，能够帮助人们找出影响深井泵发生故障的主要原因，并对抽油井的工作制度是否合理，机、杆、泵抽油参数组合是否与井下供液状况相适应做出评价，同时也可间接反映出油井是否出砂、出气、结蜡等，以及井内不同介质对抽油泵即地面设备是否产生负面影响，最终依据示功图诊断分析结果，有针对性地解除油井故障，对保证油井正常生产或提高油井产量有很重要的意义。在工程实际中，抽油机示功图异常复杂，典型工况有18种之多，如供液不足、活塞脱出工作筒、气体影响、气锁、抽油杆断脱、油管漏失、油井出砂、泵下碰、泵上碰、连本文档来自技高网...

【技术保护点】
1.一种抽油机示功图智能识别方法，其特征在于，包括以下步骤：/n步骤S10：绘制抽油机的示功图，得到示功图的样本；/n步骤S20：对步骤S10获得的抽油机示功图的样本进行数据预处理；/n步骤S30：对步骤S20的经过数据预处理的示功图样本进行特征提取；/n步骤S40：判断示功图样本的类别，如果是已知的，执行步骤S50，如果是未知的，执行步骤S60；/n步骤S50：用一组已知类别的集合作为训练集对ART2神经网络进行训练，建立判别模型，再用建立的模型根据相似性原则来对未知样本进行识别；/n步骤S60：对于未知样本，则依靠样本自然特性进行直接识别，识别时，将抽油机示功图的样本输入预先设定的ART2...

【技术特征摘要】
1.一种抽油机示功图智能识别方法，其特征在于，包括以下步骤：
步骤S10：绘制抽油机的示功图，得到示功图的样本；
步骤S20：对步骤S10获得的抽油机示功图的样本进行数据预处理；
步骤S30：对步骤S20的经过数据预处理的示功图样本进行特征提取；
步骤S40：判断示功图样本的类别，如果是已知的，执行步骤S50，如果是未知的，执行步骤S60；
步骤S50：用一组已知类别的集合作为训练集对ART2神经网络进行训练，建立判别模型，再用建立的模型根据相似性原则来对未知样本进行识别；
步骤S60：对于未知样本，则依靠样本自然特性进行直接识别，识别时，将抽油机示功图的样本输入预先设定的ART2神经网络；
步骤S70：由ART2神经网络对抽油机示功图的样本进行识别，并根据识别结果对抽油机进行故障诊断和井下工况判断，并显示判断结果。


2.根据权利要求1所述的一种抽油机示功图智能识别方法，其特征在于：所述步骤S10中，绘制抽油机的示功图的过程为：
步骤101：从抽油机的驴头下死点A开始，抽油机的光杆上行，抽油机的游动阀和固定阀均关闭，光杆开始承受抽油机的活塞上部液柱的质量，AB区间是增载的过程，至B点时，增载完毕；
步骤102：从活塞开始上行点B开始，活塞上行，固定阀打开，游动阀关闭，BC区间为光杆的上行线，至驴头上死点C，光杆上行结束；
步骤103：从驴头上死点C开始，光杆下行，游动阀和固定阀均关闭，抽油泵内液体开始排出，CD区间是卸载的过程，至D点...

【专利技术属性】
技术研发人员：刘曙光，陈小龙，陈午阳，李忠诚，琚子辉，
申请(专利权)人：黄山学院，
类型：发明
国别省市：安徽;34