一种电潜泵生产井故障智能诊断方法技术

本发明专利技术公开了一种电潜泵生产井故障智能诊断方法，属于石油和天然气工业设备故障诊断领域，其特征在于，包括以下步骤：a、采集电流卡片样本，进行故障类型标注；b、对电流卡片进行预处理；c、设计基于注意力机制的卷积神经网络算法模型；d、调用基于注意力机制的卷积神经网络算法模型的推理接口，对电流卡片进行诊断，进行设备诊断专家确认和纠正；e、返回纠正的事例数据，进行基于注意力机制的卷积神经网络算法模型的更正训练，重复步骤c‑e。本发明专利技术通过在卷积网络基础网络上并接注意力网络，重点关注电流卡片中的异常信息，增强异常信息的重要程度，赋予较重的权重，从而提取电流卡片中的显著特征，进而提高分类预测的效果。

【技术实现步骤摘要】
一种电潜泵生产井故障智能诊断方法
本专利技术涉及到石油和天然气工业设备故障诊断
，尤其涉及一种电潜泵生产井故障智能诊断方法。
技术介绍
电潜泵已经成为油气田现场最广泛采用的人工举升方式之一，因此，研究电潜泵生产井工作状态，保障机组长期高效工作，从而延长检泵周期，降低生产成本已经成为电泵井生产
的一个重要课题。在长期的开采过程中，通过监控并分析电潜泵的电流卡片信息，可以诊断出电潜泵的实时工况。目前对电流卡片信息的处理主要有三种方式：一是由经验丰富的设备专家查看电流卡片，进行人工分析电潜泵的工况；这种诊断的方式的准确率取决于专家经验的主观判断，不仅准确率低，而且工作量大，实时性差，难于大规模的推广，经济效益低。二是使用图像处理算法提取电流卡片中数值，然后使用机器学习的方法进行分类预测；这种诊断方式由于受电流卡片拍摄角度、方位和光线的影响，导致识别出来的数值偏差较大，导致后面的机器学习算法的分类预测准确度较低。三是直接对电流卡片使用卷积神经网络进行分类预测；这种诊断方式采用的卷积神经网络，虽然可以取得比较高的分类预测准确度，但在处理电流卡片图像特征的时候，没有突出考虑电流卡片图像中异常特征的重要程度，导致分类预测的效果没有达到最优。公开号为CN109360120A，公开日为2019年02月19日的中国专利文献公开了一种基于卷积神经网络的电潜泵井工况智能诊断方法，其特征是：具有如下步骤：a、基于卷积神经网络，搭建电潜泵井工况智能诊断系统，诊断工况包括：气体影响、泵抽空、过载、含杂质、供液不足、泵轴断以及电机故障；b、将电潜泵井生产现场采集到的电流卡片输入工况智能诊断系统，应用搭建好的卷积神经网络诊断工况；c、电潜泵井工况诊断卷积神经网络的强化学习与更新，根据诊断结果更新卷积神经网络诊断方法。该专利文献公开的基于卷积神经网络的电潜泵井工况智能诊断方法,基于当前图像智能识别领域，构建一种基于卷积神经网络的电潜泵井工况智能诊断方法，以解决传统电流卡片分析法受主观因素影响，容易造成误判，提取故障特征损失大量有效的信息，增加判断误差的问题，以此避免特征提取过程损失的大量有效信息和人的主观判断对诊断结果的影响。但是，在处理电流卡片图像特征的时候，仍然没有突出考虑电流卡片图像中异常特征的重要程度，导致分类预测的效果欠佳。
技术实现思路
本专利技术为了克服上述现有技术的缺陷，提供一种电潜泵生产井故障智能诊断方法，本专利技术基于注意力机制的卷积神经网络，通过在卷积网络基础网络上并接注意力网络，重点关注电流卡片中的异常信息，增强异常信息的重要程度，并赋予较重的权重，从而提取电流卡片中的显著特征，进而提高分类预测的效果。本专利技术通过下述技术方案实现：一种电潜泵生产井故障智能诊断方法，其特征在于，包括以下步骤：a、采集电流卡片样本，并对电流卡片样本进行故障类型标注；b、对电流卡片进行预处理；c、设计基于注意力机制的卷积神经网络算法模型，并用预处理后的电流卡片样本进行训练和调优并部署上线；d、调用基于注意力机制的卷积神经网络算法模型的推理接口，对现场实时采集的采油井的电流卡片进行诊断，自动进行电潜泵的工况诊断，诊断结果进行可视化显示，并进行设备诊断专家确认和纠正；e、返回纠正的事例数据，进行基于注意力机制的卷积神经网络算法模型的更正训练，重复步骤c-e。所述步骤a中，采集电流卡片样本是指收集电潜泵历史故障库中的电流卡片，故障类型标注是指对发生的故障进行人工分类标注，并对电流卡片的顺时针和逆时针计数方向进行标注。所述步骤b中，预处理是指对电流卡片进行尺寸大小、亮度、光照和拉伸进行处理，最后对电流卡片的像素值进行归一化处理。所述步骤c中，设计基于注意力机制的卷积神经网络算法模型是指在卷积神经网络结构上加入通道注意力机制模块和空间注意力机制模块。所述通道注意力机制模块将输入的特征图分别经过全局最大池化和全局平均池化，然后分别经过多层堆叠网络MLP，再对MLP输出的特征图加和操作，再经过sigmoid函数激活操作，生成最终的通道注意力特征图，再将通道注意力特征图和输入的特征图相乘，生成空间注意力机制模块需要的输入特征。所述空间注意力机制模块先做一个基于通道的全局最大池化和全局平均池化，然后基于通道做拼接操作并经过卷积操作，降维为1个通道，经过sigmoid函数激活操作生成空间注意力特征图，再和输入特征相乘，得到最终生成的特征。所述步骤e中，进行基于注意力机制的卷积神经网络算法模型的更正训练是指对步骤d中设备诊断专家认为系统诊断错误对应的电流卡片进行分类收集，当数量达到设置的阈值后，系统启动训练程序进行基于注意力机制的卷积神经网络算法模型的自动训练和更新。本专利技术所述MLP是指多层感知器。本专利技术所述sigmoid函数是指S型生长曲线。本专利技术的有益效果主要表现在以下方面：1、本专利技术，“a、采集电流卡片样本，并对电流卡片样本进行故障类型标注；b、对电流卡片进行预处理；c、设计基于注意力机制的卷积神经网络算法模型，并用预处理后的电流卡片样本进行训练和调优并部署上线；d、调用基于注意力机制的卷积神经网络算法模型的推理接口，对现场实时采集的采油井的电流卡片进行诊断，自动进行电潜泵的工况诊断，诊断结果进行可视化显示，并进行设备诊断专家确认和纠正；e、返回纠正的事例数据，进行基于注意力机制的卷积神经网络算法模型的更正训练，重复步骤c-e”，较现有技术而言，基于注意力机制的卷积神经网络，通过在卷积网络基础网络上并接注意力网络，重点关注电流卡片中的异常信息，增强异常信息的重要程度，并赋予较重的权重，从而提取电流卡片中的显著特征，进而提高分类预测的效果。2、本专利技术，步骤a中，采集电流卡片样本是指收集电潜泵历史故障库中的电流卡片，故障类型标注是指对发生的故障进行人工分类标注，并对电流卡片的顺时针和逆时针计数方向进行标注，由于一口井或者整个区块的油井的电潜泵的历史故障类型非常少，不足以收集到足够的故障样本和故障类型，通过收集电潜泵历史故障库中的电流卡片，增大了电流卡片样本基数，利于提高后序分类预测效果。3、本专利技术，步骤b中，预处理是指对电流卡片进行尺寸大小、亮度、光照和拉伸进行处理，最后对电流卡片的像素值进行归一化处理，便于后续基于注意力机制的卷积神经网络算法模型训练快速收敛和提高性能。4、本专利技术，步骤c中，设计基于注意力机制的卷积神经网络算法模型是指在卷积神经网络结构上加入通道注意力机制模块和空间注意力机制模块，通过在标准的卷积神经网络中接入通道注意力机制模块和空间注意力机制模块，实现对电流卡片中异常的图像特征赋予重要的权重建立，并抑制其他的图像特征，能够更加有效的提取出更显著的特征，从而提高算法模型的性能，由于算法模型比较轻量，从而便于部署在边缘进行检测，应用基于注意力机制的卷积神经网络算法模型在电潜泵的智能诊断系统中，能够最大化提升系统的诊断能力。附图说明<本文档来自技高网...

【技术保护点】
1.一种电潜泵生产井故障智能诊断方法，其特征在于，包括以下步骤：/na、采集电流卡片样本，并对电流卡片样本进行故障类型标注；/nb、对电流卡片进行预处理；/nc、设计基于注意力机制的卷积神经网络算法模型，并用预处理后的电流卡片样本进行训练和调优并部署上线；/nd、调用基于注意力机制的卷积神经网络算法模型的推理接口，对现场实时采集的采油井的电流卡片进行诊断，自动进行电潜泵的工况诊断，诊断结果进行可视化显示，并进行设备诊断专家确认和纠正；/ne、返回纠正的事例数据，进行基于注意力机制的卷积神经网络算法模型的更正训练，重复步骤c-e。/n

【技术特征摘要】
1.一种电潜泵生产井故障智能诊断方法，其特征在于，包括以下步骤：
a、采集电流卡片样本，并对电流卡片样本进行故障类型标注；
b、对电流卡片进行预处理；
c、设计基于注意力机制的卷积神经网络算法模型，并用预处理后的电流卡片样本进行训练和调优并部署上线；
d、调用基于注意力机制的卷积神经网络算法模型的推理接口，对现场实时采集的采油井的电流卡片进行诊断，自动进行电潜泵的工况诊断，诊断结果进行可视化显示，并进行设备诊断专家确认和纠正；
e、返回纠正的事例数据，进行基于注意力机制的卷积神经网络算法模型的更正训练，重复步骤c-e。


2.根据权利要求1所述的一种电潜泵生产井故障智能诊断方法，其特征在于：所述步骤a中，采集电流卡片样本是指收集电潜泵历史故障库中的电流卡片，故障类型标注是指对发生的故障进行人工分类标注，并对电流卡片的顺时针和逆时针计数方向进行标注。


3.根据权利要求1所述的一种电潜泵生产井故障智能诊断方法，其特征在于：所述步骤b中，预处理是指对电流卡片进行尺寸大小、亮度、光照和拉伸进行处理，最后对电流卡片的像素值进行归一化处理。


4.根据权利要求1所述的一种电潜泵生产井故障智能诊断方法，其特征在于：所述步骤...

【专利技术属性】
技术研发人员：辛军，杨赤宸，欧阳诚，陆涛，李连民，程亮，刘辉，
申请(专利权)人：中国石油天然气集团有限公司，中国石油集团川庆钻探工程有限公司，
类型：发明
国别省市：北京;11