一种抽油泵故障诊断方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种抽油泵故障诊断方法、装置、设备及存储介质，其中，该方法包括：针对待诊断的抽油泵，获取该抽油泵在实际工作状态下的示功图作为待诊断示功图，获取该抽油泵在理想工作状态下的示功图作为标准示功图；通过故障诊断模型对该待诊断示功图以及该标准示功图进行处理，得到抽油泵的诊断结果；该故障诊断模型用于根据待诊断示功图和标准示功图的对比结果确定抽油泵是否故障。该方法能够有效地提升抽油泵故障诊断准确率，避免出现故障误报的情况。

【技术实现步骤摘要】
一种抽油泵故障诊断方法、装置、设备及存储介质
本申请涉及计算机
，尤其涉及一种抽油泵故障诊断方法、装置、设备及存储介质。
技术介绍
抽油泵作为目前国内外各油田进行油井生产举升时最常使用的井下举升泵设备，其工作时通过地面采油设备的带动进行上下往复运动，从而将地层中的原油通过油管不断地举升到地面。抽油泵由于长期在井筒井下复杂的环境中进行不间断运动，受到抽油泵本身结构部件及井筒环境介质的影响，经常会出现凡尔漏失、结蜡影响、油稠影响、气体影响、井筒出砂影响等异常情况，同时，储层本身供液不足也会导致抽油泵的工作状态发生变化，更为严重的，抽油杆断脱、油管漏失将会直接导致抽油泵无法工作。在实际应用中，一旦抽油泵工作效率降低或者停止工作，将会导致油井产量降低，甚至直接造成油井停产，及时对抽油泵进行故障诊断并采取相应的处理措施，已成为油井开采工作的重点之一。目前，对抽油泵进行故障诊断时，通常基于抽油泵示功图与典型故障示功图的对比结果判断抽油泵是否存在故障，具体的，在抽油泵示功图与典型故障示功图之间的相似度达到预设阈值的情况下，确定该抽油泵存在故障。然而，这种故障诊断方法经常会出现故障误报的情况，其原因在于，受到井斜、泵深以及采出流体性质不同等因素的影响，一些抽油泵在正常生产状态下的示功图可能会呈现出典型故障示功图的形态，由此引起误诊断情况的发生。综上，如何提升抽油泵故障诊断的准确率，避免出现故障误报的情况，已成为目前亟待解决的问题。
技术实现思路
本申请实施例提供了一种抽油泵故障诊断方法、装置、设备及存储介质，能够有效地提升抽油泵故障诊断准确率，避免出现故障误报的情况。有鉴于此，本申请第一方面提供了一种抽油泵故障诊断方法，所述方法包括：针对待诊断的抽油泵，获取所述抽油泵在实际工作状态下的示功图作为待诊断示功图，获取所述抽油泵在理想工作状态下的示功图作为标准示功图；通过故障诊断模型对所述待诊断示功图以及所述标准示功图进行处理，得到所述抽油泵的诊断结果；所述故障诊断模型用于根据待诊断示功图和标准示功图的对比结果确定抽油泵是否故障。可选的，所述方法还包括：确定所述待诊断示功图和所述标准示功图各自对应的二次特征数据；所述二次特征数据包括最大载荷、最小载荷和示功图闭合面积；则所述通过故障诊断模型对所述待诊断示功图以及所述标准示功图进行处理，得到所述抽油泵的诊断结果，包括：通过所述故障诊断模型对所述待诊断示功图及其对应的二次特征数据和所述标准示功图及其对应的二次特征数据进行处理，得到所述诊断结果；所述故障诊断模型具体用于根据待诊断示功图与标准示功图的对比结果，以及该待诊断示功图对应的二次特征数据与该标准示功图对应的二次特征数据的对比结果，确定抽油泵是否故障。可选的，所述方法还包括：计算所述待诊断示功图与典型故障示功图之间的相似度；所述典型故障示功图为抽油泵在典型故障状态下的示功图；在所述相似度超过预设阈值的情况下，执行所述通过故障诊断模型对所述待诊断示功图以及所述标准示功图进行处理，得到所述抽油泵的诊断结果。可选的，通过以下方式训练所述故障诊断模型：获取多个历史示功图及其各自对应的标准示功图；所述历史示功图包括诊断结果为故障的示功图、诊断结果为故障误报的示功图以及诊断结果为正常的示功图；根据所获取的历史示功图及其各自对应的标准示功图生成样本数据集；所述样本数据集包括多个样本数据，每个样本数据包括历史示功图、该历史示功图对应的标准示功图以及该历史示功图的诊断结果；利用所述样本数据集对初始故障诊断模型进行迭代训练，以训练得到所述故障诊断模型。可选的，所述根据所获取的历史示功图及其各自对应的标准示功图生成样本数据集，包括：确定所述历史示功图和所述标准示功图各自对应的二次特征数据；所述二次特征数据包括最大载荷、最小载荷和示功图闭合面积；根据所述历史示功图及其对应的二次特征数据和所述标准示功图及其对应的二次特征数据，生成所述样本数据集；所述样本数据集包括多个样本数据，每个样本数据包括历史示功图、该历史示功图对应的二次特征数据、该历史示功图对应的标准示功图、该标准示功图对应的二次特征数据以及该历史示功图的诊断结果。可选的，所述初始故障诊断模型包括向量机模型、决策树模型和随机森林模型；则所述利用所述样本数据集对初始故障诊断模型进行迭代训练，以训练得到所述故障诊断模型，包括：利用所述样本数据集分别对所述向量机模型、所述决策树模型和所述随机森林模型进行迭代训练，得到与所述向量机模型对应的第一模型、与所述决策树模型对应的第二模型以及与所述随机森林模型对应的第三模型；根据所述第一模型、所述第二模型和所述第三模型各自对应的准确率，和/或，根据所述第一模型、所述第二模型和所述第三模型各自对应的召回率，从所述第一模型、所述第二模型和所述第三模型中选择所述故障诊断模型。可选的，所述利用所述样本数据集对初始故障诊断模型进行迭代训练，包括：循环执行以下步骤N次，所述N为大于1的整数：按照预设比例将所述样本数据集划分为训练样本数据集和测试样本数据集；利用所述训练样本数据集对所述初始故障诊断模型进行训练；利用所述测试样本数据集确定训练所述初始故障诊断模型得到的模型对应的准确率和/或召回率；在完成所述N次循环之后，通过以下方式确定所述故障诊断模型：根据各次训练所述初始故障诊断模型得到的模型各自对应的准确率和/或召回率，从各次训练所述初始故障诊断模型得到的各模型中选择所述故障诊断模型。本申请第二方面提供了一种抽油泵故障诊断装置，所述装置包括：获取模块，用于针对待诊断的抽油泵，获取所述抽油泵在实际工作状态下的示功图作为待诊断示功图，获取所述抽油泵在理想工作状态下的示功图作为标准示功图；诊断模块，用于通过故障诊断模型对所述待诊断示功图以及所述标准示功图进行处理，得到所述抽油泵的诊断结果；所述故障诊断模型用于根据待诊断示功图和标准示功图的对比结果确定抽油泵是否故障。本申请第三方面提供了一种电子设备，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行第一方面所述的抽油泵故障诊断方法。本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行第一方面所述的抽油泵故障诊断方法。从以上技术方案可以看出，本申请实施例具有以下优点：本申请实施例提供了一种抽油泵故障诊断方法，该方法利用经机器学习算法训练得到的故障诊断模型，对抽油泵在实际工作状态下的示功图和在理想工作状态下的示功图进行对比，由此确定抽油泵是否存在故障。具体的，在本申请实施例提供的抽油泵故障诊断方法中，针对待诊断的抽油泵，先获取该抽油泵在正常工作状态下的示功图作为待诊断本文档来自技高网...

【技术保护点】
1.一种抽油泵故障诊断方法，其特征在于，所述方法包括：/n针对待诊断的抽油泵，获取所述抽油泵在实际工作状态下的示功图作为待诊断示功图，获取所述抽油泵在理想工作状态下的示功图作为标准示功图；/n通过故障诊断模型对所述待诊断示功图以及所述标准示功图进行处理，得到所述抽油泵的诊断结果；所述故障诊断模型用于根据待诊断示功图和标准示功图的对比结果确定抽油泵是否故障。/n

【技术特征摘要】
1.一种抽油泵故障诊断方法，其特征在于，所述方法包括：
针对待诊断的抽油泵，获取所述抽油泵在实际工作状态下的示功图作为待诊断示功图，获取所述抽油泵在理想工作状态下的示功图作为标准示功图；
通过故障诊断模型对所述待诊断示功图以及所述标准示功图进行处理，得到所述抽油泵的诊断结果；所述故障诊断模型用于根据待诊断示功图和标准示功图的对比结果确定抽油泵是否故障。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述待诊断示功图和所述标准示功图各自对应的二次特征数据；所述二次特征数据包括最大载荷、最小载荷和示功图闭合面积；
则所述通过故障诊断模型对所述待诊断示功图以及所述标准示功图进行处理，得到所述抽油泵的诊断结果，包括：
通过所述故障诊断模型对所述待诊断示功图及其对应的二次特征数据和所述标准示功图及其对应的二次特征数据进行处理，得到所述诊断结果；所述故障诊断模型具体用于根据待诊断示功图与标准示功图的对比结果，以及该待诊断示功图对应的二次特征数据与该标准示功图对应的二次特征数据的对比结果，确定抽油泵是否故障。


3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
计算所述待诊断示功图与典型故障示功图之间的相似度；所述典型故障示功图为抽油泵在典型故障状态下的示功图；
在所述相似度超过预设阈值的情况下，执行所述通过故障诊断模型对所述待诊断示功图以及所述标准示功图进行处理，得到所述抽油泵的诊断结果。


4.根据权利要求1所述的方法，其特征在于，通过以下方式训练所述故障诊断模型：
获取多个历史示功图及其各自对应的标准示功图；所述历史示功图包括诊断结果为故障的示功图、诊断结果为故障误报的示功图以及诊断结果为正常的示功图；
根据所获取的历史示功图及其各自对应的标准示功图生成样本数据集；所述样本数据集包括多个样本数据，每个样本数据包括历史示功图、该历史示功图对应的标准示功图以及该历史示功图的诊断结果；
利用所述样本数据集对初始故障诊断模型进行迭代训练，以训练得到所述故障诊断模型。


5.根据权利要求4所述的方法，其特征在于，所述根据所获取的历史示功图及其各自对应的标准示功图生成样本数据集，包括：
确定所述历史示功图和所述标准示功图各自对应的二次特征数据；所述二次特征数据包括最大载荷、最小载荷和示功图闭合面积；
根据所述历史示功图及其对应的二次特征数据和所述标准示功图及其对应的二次特征数据，生成所述样本数据集；所述样本数据集包括多个样本数据，每个样本数据包括历史示功图、...

【专利技术属性】
技术研发人员：李志元，
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