一种融合二分类和三元组的示功图相似性检测方法技术

本发明专利技术公开了一种融合二分类和三元组的示功图相似性检测方法，首先依据图形相似性对示功图样本集进行分类，并建立二分类和三元组模型的训练集和验证集；然后分别输入基于二分类和三元组的深度学习网络进行训练，获得二分类相似检测模型和三元组相似检测模型；最后根据训练好的模型对抽油机井实时示功图与平稳工况下的标准示功图的图形趋势相似度检测结果进行融合分析，对故障示功图进行报警并通知现场人员。该方法能够减小模型错误相似匹配对所占比例，提高相似性匹配准确率，增强了抽油机井工况分析与生产指导管控能力。

【技术实现步骤摘要】
一种融合二分类和三元组的示功图相似性检测方法
本专利技术涉及抽油机井故障检测领域，具体而言，是将二分类和三元组示功图相似性检测结果进行数据融合，根据两种模型输出综合诊断抽油机井是否发生故障的方法。
技术介绍
在原油开采领域，抽油机示功图记录了单冲次内载荷与位移的变化，是分析抽油机井工况好坏最直接有效的手段。近年来，基于示功图数据的抽油机井异常工况检测方法在采油及地质工程得到了广泛应用。但由于地质情况等条件的影响，大部分抽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。出于工程考虑，目前业内通常以抽油机长期平稳运行时的示功图作为该设备的标准示功图，并依靠图形相似性检测方法分析、过滤大部分相似示功图，只有出现与平稳工况下不相似的示功图时才判定设备出现故障。相较于重叠面积法和统计分析法等常用的图形相似性方法，深度学习相似检测技术的泛化能力较强，对于局部不一致、图形趋势相似的示功图也具有较高的相似判别准确率，能够检测示功图形状、趋势的变化，具有较强的应用价值。在基于深度学习的图形相似分析方法研究中，国内外多数学者通过优化神经网络参数本文档来自技高网...

【技术保护点】
1.一种融合二分类和三元组的示功图相似性检测方法，其特征在于包括以下步骤：/n(1)获取多台抽油机设备在历时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：/nS＝{s

【技术特征摘要】
1.一种融合二分类和三元组的示功图相似性检测方法，其特征在于包括以下步骤：
(1)获取多台抽油机设备在历时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：
S＝{si(Xi,Fi)|i＝1,2,...,N}，
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)设定每台抽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)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再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，重复此步骤则原始数据样本集S经处理得到示功图样本集
(4A)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通过数据增强方法均衡样本数量较少的类别，然后采用留出法将示功图样本集划分为训练集和验证集并输入卷积神经网络，在全连接层之后引入L2NORM层、三元组选择层及三元组损失层，训练得到基于三元组的相似性检测模型Mtriplet；
(4B)在每个子样本集内确定由工艺专家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}，并对每一个锚点分别选取相似和不相似的样本进行叠加绘制生成二分类正样本集标签τ为1；和负样本集标签τ为0，构成二分类总样本集然后采用留出法将二分类总样本集划分为训练集和验证集输入卷积神经网络进行训练验证，损失函数采用SoftmaxWithLoss，训练得到二分类相似性检测模型Mbinary；
(5)由工艺专家从历时Ttest期间内平稳工况下的示功图中确定抽油机设备当前标准示功图，以此作为该设备当前的锚点atest；
(6)实时采集抽油机示功图数据，过滤异常数据并进行预处理，生成示功图stest；
(7A)将样本对(atest，stest)输入训练好的三元组相似性检测模型Mtriplet进行测试，得到全连接层后的特征向量va和vtest，通过L2NORM层求出单位特征向量和计算两者内积，得到余弦相似度cosθvavtest，进而求出欧氏距离ξ，若ξ超过标定阈值ThL2则输出不相似标签τtriplet＝0，否则输出相似标签τtriplet＝1；
(7B)将atest和stest叠加绘制成n×n的图像输入训练好的二分类相似性检测模型Mbinary进行测试，得到分类标签τbinary；
(8)融合二分类和三元组测试结果，若τtriplet＝τbinary＝0，则认为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；否则认为当前工况平稳或测试结果不确定，当前无需进行报警。


2.根据权利要求1所述的一种融合二分类和三元组的示功图相似性检测方法，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；
(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；
(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；
(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；
(1-5)过滤历史示功图二维数据中，由于生产设备故障导致异常的示功图原始...

【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