一种采油机示功图相似性判断方法技术

本发明专利技术公开了一种采油机示功图相似性判断方法，首先将剔除异常数据后的采油机历史原始示功图数据进行坐标归一化，分别以最大冲程、最大载荷为横纵轴的最大量程，映射到网格并取整得到示功图图像；然后根据图形相似性对示功图图像样本进行分类，以类内样本对为正样本对，类间样本对为负样本对，对样本对的两张示功图进行叠加绘制，得到示功图相似性训练集和验证集，并采用深度学习网络训练验证，得到相似性判断模型；根据该模型实时判断检测采油机故障，出现异常工况则报警通知现场人员。该方法能够准确判断图形趋势相似性，减少故障误报和漏报，且具有较高的泛化性能，促进了对采油机设备实施高效、可靠的管控。

【技术实现步骤摘要】
一种采油机示功图相似性判断方法
本专利技术涉及采油机故障检测领域，具体而言，是通过建立采油机示功图相似性训练集与验证集，基于深度学习网络训练相似性判断模型，从而检测采油机故障情况的方法。
技术介绍
通过分析示功图进行采油机工况识别与故障报警是当今油田生产现场的重要管控技术手段。传统的示功图识别方法主要依靠工程原理与专家解释，根据示功图典型形状特征分析采油机井泵和抽油杆的故障问题。但由于我国油田地质情况与气候条件较为复杂，尤其是部分低渗透油田，存在低产液、间歇出液和出液不规律等问题，因此大部分采油机在环境因素影响下都难以接近工程原理中标准工况下的示功图。同时，石油企业通常采集海量的示功图原始数据以及时检测采油机的异常与故障，如果仅以几类典型示功图为标准进行工况识别，往往会导致多数识别结果为异常故障，并频繁产生故障报警，并且由于无法识别相同类型工况的不同故障程度，对渐进性故障多发设备容易产生漏报。目前，采油及地质工程业内通常以采油机长期平稳运行时的示功图作为该设备的标准示功图，如果出现与该设备的标准示功图不同的示功图，才判定该设备出现异常或故障。目前常用的相似性判断方法包括特征空间欧式距离法、示功图重叠面积法及基于统计分析的相似判别法。其中欧式距离法和面积法等一般适用于示功图相似度较高，甚至几乎不变的情况，难以判别图形趋势相似性，且相似判断标准需要依靠专家标定，对于载荷相差不大的不同类型工况相似判别的泛化性能也较差；而基于统计分析的相似判别法需要周期滚动建模，存在大量重复计算，效率与经济性有待提高。因此，需要研究出智能化程度更高、泛化能力更强的采油机工况相似性判断方法进行实时故障检测，以及时发现油井问题，指导油田科学稳定生产，减少系统误报和漏报，保证诊断与报警的实时性与可靠性。
技术实现思路
针对上述缺陷，本专利技术公开一种采油机示功图相似性判断方法，通过构建示功图相似性正负样本集并输入深度学习网络进行训练验证，得到相似性判断模型，分析计算采油机实时示功图与长期平稳工况下示功图的图形趋势相似度，达到准确检测采油机故障、高效管控采油现场的目的。本专利技术提出第一种采油机相似性判断方法，具有如下步骤：本专利技术首先公开了第一种采油机示功图相似性判断方法，包括以下步骤：(1)获取多台采油机设备的历时T期间内的原始示功图二维数据，并对其进行异常数据过滤处理，得到原始数据样本集S：其中si(Xi,Fi)表示示功图样本原始数据集，共N个，Xi表示第i个示功图样本的位移数据，Fi表示第i个示功图样本的载荷数据，M表示每个示功图原始样本数据集中位移x和载荷f的采样点数，j表示样本数据的第j个数据点；(2)设定每台采油机设备的示功图坐标系以其生产参数的最大载荷fmax为纵轴最大量程，以最大冲程xmax为横轴最大量程，对示功图原始二维数据进行坐标归一化，映射到n×n的网格并进行向下取整操作，得到第i个示功图样本网格化后位移、载荷数据对应的像素点数据(3)将示功图二维坐标点按首尾相接规则连接，生成示功图图像，则原始数据样本集S经处理得到示功图样本集(4)以示功图图形相似性为依据，将示功图样本集分为k个不同类别的子样本集并采用数据增强方法均衡样本数量较少的类别：其中spl表示第p个子样本集内的第l张示功图图像，共含lp张示功图图像，各子样本集互不相交且并集为整个集合，每个子样本集对应一个相似特性类别，类别内的示功图彼此相似，类别间的示功图彼此不相似；(5)在每个子样本集内确定由专家系统标定的长期平稳工况示功图作为标准示功图，即锚点集合A＝{ap|p＝1,2,...,k}；(6)对第p类示功图锚点ap，对类内除锚点ap外的示功图进行无放回抽样，组成示功图正样本对(ap，spl)，并将两张示功图叠加绘制成同一张n×n的图像，其中ap采用锚点色Θa绘制，spl采用测试色Θs绘制，对全k类示功图重复该步骤则获得示功图相似性正样本集标签τ为1；(7)将第p类示功图锚点ap与对除类外任意样本类别进行无放回抽样所得的示功图组成示功图负样本对(al，sql)，并叠加绘制在同一张n×n的图像上，在全k类上获得示功图相似性负样本集标签τ为0；(8)采用留出法将正样本集与负样本集构成的总样本集划分成训练集和验证集(9)选取Caffe框架构建训练环境，对训练集和验证集打标并将其转换成LMDB格式，输入ResNet50网络对训练集进行训练，定义每迭代训练t次采用验证集进行一次相似性判断的验证测试，其中ResNet50网络包括50个卷积层、50个ReLU层、2个全局池化层和1个全连接层，损失函数采用SoftmaxWithLoss函数；(10)根据训练集与验证集的损失率随训练迭代次数的关系，选取相似性判断模型M，通过该模型对采油机实施实时工况相似性判断，并在判断结果为不相似时进行现场报警。具体的，所述对历史示功图二维数据进行异常数据过滤处理具有如下步骤：(1-1)过滤位移或载荷任一维数据为空的示功图原始数据，即或(1-2)过滤位移或载荷任一维数据部分缺失导致位移与载荷数据采样点不一致的示功图原始数据，即：其中Mx表示示功图原始样本数据集中位移x的采样点数，Mf表示示功图原始样本数据集中载荷f的采样点数；(1-3)过滤位移或载荷任一维数据全为零或近似为零的示功图原始数据，即：Xi＝{xij|xij＝0,j＝1,2,...,M}，或abs(max(X)-min(X))<ε，或Fi＝{fij|fij＝0,j＝1,2,...,M}，或abs(max(F)-min(F))<ε其中abs()为绝对值函数，max()为取最大值函数，min()为取最小值函数，ε表示接近零的常数，此类示功图表现为一条平直的直线或具有较小波动的直线，一般为关井时采样所得数据；(1-4)过滤位移或载荷任一维数据超出生产参数的最大冲程fmax或最大载荷xmax的示功图原始数据，即max(X)>xmax或max(F)>fmax；(1-5)过滤历史示功图二维数据中，其他由于设备故障导致异常的示功图原始数据。具体的，所述示功图二维坐标点首尾相接的连接规则具有如下步骤：(3-1)依据从示功图二维坐标点中的第一个数据点开始绘制，将其与其后的一个点相连，并以此类推，将数据点两两相连至最后一点(3-2)将示功图二维坐标点中的最后一点与第一点相连，形成示功图封闭曲线。所述选取相似性判断模型M对采油机实施实时工况相似性判断若测试结果为τ＝1，则表示实时示功图与标准示功图相似，即当前工况平稳；若测试结果为τ＝0，则表示实时示功图与标准示功图不相似，即当前工况出现异常故障，需要进行报警并通知现场人员采取措施。本专利技术还公开了第二种采油机示功图相似性判断方法，包括以下步骤：(1)获取多台采油机设备的历时T期间内的原始示功图二维数据，并对其进行异常数据过滤处理，本文档来自技高网...

【技术保护点】
1.一种采油机示功图相似性判断方法，其特征在于包括以下步骤：/n(1)获取多台采油机设备的历时T期间内的原始示功图二维数据，并对其进行异常数据过滤处理，得到原始数据样本集S：/n

【技术特征摘要】
1.一种采油机示功图相似性判断方法，其特征在于包括以下步骤：
(1)获取多台采油机设备的历时T期间内的原始示功图二维数据，并对其进行异常数据过滤处理，得到原始数据样本集S：



其中si(Xi,Fi)表示示功图样本原始数据集，共N个，Xi表示第i个示功图样本的位移数据，Fi表示第i个示功图样本的载荷数据，M表示每个示功图原始样本数据集中位移x和载荷f的采样点数，j表示样本数据的第j个数据点；
(2)设定每台采油机设备的示功图坐标系以其生产参数的最大载荷fmax为纵轴最大量程，以最大冲程xmax为横轴最大量程，对示功图原始二维数据进行坐标归一化，映射到n×n的网格并进行向下取整操作，得到第i个示功图样本网格化后位移、载荷数据对应的像素点数据



(3)将示功图二维坐标点按首尾相接规则连接，生成示功图图像，则原始数据样本集S经处理得到示功图样本集
(4)以示功图图形相似性为依据，将示功图样本集分为k个不同类别的子样本集并采用数据增强方法均衡样本数量较少的类别：



其中spl表示第p个子样本集内的第l张示功图图像，共含lp张示功图图像；
(5)在每个子样本集内确定由专家系统标定的长期平稳工况示功图作为标准示功图，即锚点集合A＝{ap|p＝1,2,...,k}；
(6)对第p类示功图锚点ap，对类内除锚点ap外的示功图进行无放回抽样，组成示功图正样本对(ap，spl)，并将两张示功图叠加绘制成同一张n×n的图像，其中ap采用锚点色Θa绘制，spl采用测试色Θs绘制，对全k类示功图重复该步骤则获得示功图相似性正样本集标签τ为1；
(7)将第p类示功图锚点ap与对除类外任意样本类别进行无放回抽样所得的示功图组成示功图负样本对(al，sql)，并叠加绘制在同一张n×n的图像上，在全k类上获得示功图相似性负样本集标签τ为0；
(8)采用留出法将正样本集与负样本集构成的总样本集划分成训练集和验证集



(9)选取Caffe框架构建训练环境，对训练集和验证集打标并将其转换成LMDB格式，输入ResNet50网络对训练集进行训练，定义每迭代训练t次采用验证集进行一次相似性判断的验证测试，其中ResNet50网络包括50个卷积层、50个ReLU层、2个全局池化层和1个全连接层，损失函数采用SoftmaxWithLoss函数；
(10)根据训练集与验证集的损失率随训练迭代次数的关系，选取相似性判断模型M，通过该模型对采油机实施实时工况相似性判断，并在判断结果为不相似时进行现场报警。


2.根据权利要求1所述的一种采油机示功图相似性判断方法，其特征在于，所述对历史示功图二维数据进行异常数据过滤处理具有如下步骤：
(1-1)过滤位移或载荷任一维数据为空的示功图原始数据，即或
(1-2)过滤位移或载荷任一维数据部分缺失导致位移与载荷数据采样点不一致的示功图原始数据，即：



其中Mx表示示功图原始样本数据集中位移x的采样点数，Mf表示示功图原始样本数据集中载荷f的采样点数；
(1-3)过滤位移或载荷任一维数据全为零或近似为零的示功图原始数据，即：
Xi＝{xij|xij＝0,j＝1,2,...,M}，或abs(max(X)-min(X))<ε，
或Fi＝{fij|fij＝0,j＝1,2,...,M}，或abs(max(F)-min(F))<ε
其中abs()为绝对值函数，max()为取最大值函数，min()为取最小值函数，ε表示接近零的常数，此类示功图表现为一条平直的直线或具有较小波动的直线，一般为关井时采样所得数据；
(1-4)过滤位移或载荷任一维数据超出生产参数的最大冲程fmax或最大载荷xmax的示功图原始数据，即max(X)>xmax或max(F)>fmax；
(1-5)过滤历史示功图二维数据中，其他由于设备故障导致异常的示功图原始数据。


3.根据权利要求1所述的一种采油机示功图相似性判断方法，其特征在于，所述示功图二维坐标点首尾相接的连接规则具有如下步骤：
(3-1)依据从示功图二维坐标点中的第一个数据点开始绘制，将其与其后的一个点相连，并以此类推，将数据点两两相连至最后一点
(3-2)将示功图二维坐标点中的最后一点与第一点相连，形成示功图封闭曲线。


4.根据权利要求1所述的一种采油机示功图...

【专利技术属性】
技术研发人员：陈夕松，沈煜佳，姜磊，夏峰，梅彬，
申请(专利权)人：南京富岛信息工程有限公司，
类型：发明
国别省市：江苏;32