【技术实现步骤摘要】
基于freeman链码的功图特征提取与诊断评价方法
[0001]本专利技术涉及油田抽油井生产模式领域,具体地说是一种基于freeman链码的功图特征提取与诊断方法。
技术介绍
[0002]随着油田的开采程度加深,油井数量的增多,加上高粘、多砂、水淹和强腐蚀等复杂情况的出现,有杆抽油系统的事故的概率日益增多,因此,开发有杆泵井故障诊断评价体系有着重要的意义,该系统通过监测抽油系统反馈回来的数据及参数,实现对数据的实时分析和判断诊断出系统故障的原因,对发现事故的油井及时采取措施,从而降低事故带来的经济损失。
[0003]目前关于有杆泵抽油系统井下工况计算机智能诊断方法的研究已经取得了一些成果,例如:专家系统、人工神经网络、粗糙集理论、支持向量机、频谱分析和滤波技术。但是,上述方法均需要基于工况模型库,前期很难得到足够多的学习样本,导致工况模型库建立周期长,从而导致前期诊断准确率较低,且传统的工况分析方法只是单纯的给出一个诊断结果,并没有对采集功图做出一个整体细致的评价,现场操作人员只能通过给出的结果进行判断,缺乏一个自我学习的过程。
技术实现思路
[0004]针对现有技术的不足,本专利技术提出一种基于freeman链码的功图特征提取与诊断评价方法,通过对油井地面功图进行分析,转化泵功图,基于freeman链码建立功图对应的链码图,通过对链码图进行特征提取,提取链码中关键信息,共提取12个特征向量,并对油田常见的工况与提取的特征向量进行结合,建立典型工况
‑
特征模式集,通过该模式集 ...
【技术保护点】
【技术特征摘要】
1.基于freeman链码的功图特征提取与诊断评价方法,其特征在于,包括以下步骤:通过示功仪采集油井数据,获得各油井的示功图;从示功图中提取功图特征;根据各特征发生程度的判断规则和工况,建立工况评价体系,对油井的工况进行评价。2.根据权利要求1所述的基于freeman链码的功图特征提取与诊断评价方法,其特征在于,所述从示功图中提取功图特征为通过freeman链码提取功图特征。3.根据权利要求1所述的基于freeman链码的功图特征提取与诊断评价方法,其特征在于,所述功图特征包括:锯齿状程度、左下角突出程度、右上角突出程度、扁平程度、左上角缺失程度、右上角缺失程度、右下角缺失程度、左下角缺失程度、上冲程平滑、右下角急剧卸载程度、下冲程平滑程度、肥胖程度。4.根据权利要求1所述的基于freeman链码的功图特征提取与诊断评价方法,其特征在于,所述功图特征包括:(1)锯齿状程度,用于判断游动和固定凡尔开闭点之间移载荷点的变化程度,即:其中,c
i
为泵功图的边界链码,锯齿状程度p1为:其中,n为链码泵功图总数;(2)左下角突出程度,用于判断下冲程中部到冲程下死点之间位移载荷的斜率,连续大于等于5的链码超过设定值时,认为左下角突出;左下角突出程度p2如下:其中,c0~c7为泵功图的0
‑
7阶链码对应的个数,若链码连续大于等于5的个数大于10,则f2置为1,否则为0,f2为链码大于等于5的个数是否连续大于10个的标识位;(3)右上角突出程度,用于判断上冲程中部到冲程上死点之间位移载荷的斜率,连续小于等于3的链码超过设定值时,认为左上角突出;右上角突出程度p3为:其中,若链码连续小于等于3的个数大于10,则f3置为1,否则为0,f3为链码小于等于3的个数是否连续小于10个的标识位;(4)扁平程度,用于判断示功图最大最小载荷差值与理论功图的最大最小载荷差值的比值,扁平程度p4为:其中,L
fmax
为采集功图最大载荷,L
fmin
为采集功图最小载荷,L
lmax
为理论功图最大载荷,L
lmin
为理论功图最小载荷;
(5)左上角缺失程度,用于判断上冲程载荷中部到游动凡尔关闭点的上升曲率,当0阶、1阶链码超过阈值时,认为左上角存在缺失,左上角缺失程度p5定义为:p5=(c0+0.5*c1‑
0.5*c2)/n;(6)右上角缺失程度,用于判断上上冲程中部到固定凡尔关闭点的下降曲率,当6阶、7阶链码超过阈值时,认为右上角存在缺失,右上角缺失程度p6定义为:p6=(1.5*c6+c7+0.01*c0‑
c1‑
1.5*c2)/n(7)右下角缺失程度,用于判断上死点到游...
【专利技术属性】
技术研发人员:郑东梁,曾鹏,李世超,石硕,张立婷,凌霄,
申请(专利权)人:中国科学院沈阳自动化研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。