一种油田安全生产设备异常检测与故障诊断方法及系统技术方案

本发明专利技术涉及人工免疫算法技术领域，尤其涉及一种油田安全生产设备异常检测与故障诊断方法及系统，包括获取设备已有生产运行数据做为训练数据(包括正常数据和异常数据)并进行预处理和归一化；利用训练数据培养记忆细胞；获取设备当前运行数据做为测试数据，利用连续学习状态检测和识别算法的识别其类型。本发明专利技术打破传统油田设备异常检测与故障诊断只适用于时不变数据空间的瓶颈，通过模拟生物免疫系统识别入侵抗原的机理和过程构建设备免疫系统，以适应时不变数据空间和时变数据空间下的设备异常检测与故障诊断；构建油田统一的可视化油田地面工程数据管理平台，满足油田地域广阔、生产设施众多且分散、管网密布的管理需要。管网密布的管理需要。管网密布的管理需要。

【技术实现步骤摘要】
一种油田安全生产设备异常检测与故障诊断方法及系统


[0001]本专利技术涉及人工免疫算法
，尤其涉及一种油田安全生产设备异常检测与故障诊断方法及系统。

技术介绍

[0002]近年来，随着信息化应用程度的不断提高，软件应用为油田各专业领域的技术进步与发展作出很大的贡献，然而在生产管理方面却呈现出相对薄弱的态势。虽然许多采油厂目前已经建立了相关地面工程信息管理系统，也有简单的网上办公系统处理部分日常工作。但是由于生产管理过程中，各类管理系统中的油田开发生产数据无法直接共享，必须由各级调度办公室进行统计、汇总、录入，不但增加了工作人员的工作负担，而且在了解、统计、录入的过程中极容易出现错漏，造成部门之间的报表数据不一致；再加上现有应用基于地图的地面工程静态数据管理系统，无法显示实时变化的各类设备运行参数；动态数据管理系统，脱离地图，设备运行数据不能直观显示，管理比较繁琐，致使生产调度管理工作很难达到的反应迅速、高效安全的标准，限制了生产管理水平的进一步提高；这几个方面的问题导致现有的信息管理系统已经远远无法满足目前的工作需要。
[0003]另外，传统设备异常检测与故障诊断方法学习训练时，假设已经获取了所有类型的数据，然而在实际生产时，设备性能随时间发生退化，数据空间发生变化，因此诊断模型的性能发生退化；或者只能获取部分故障数据，当在诊断过程中出现新的故障数据或新的故障类型时，需要将新数据和旧数据整合重新学习训练；又或者诊断过程中只能识别出参与训练的故障类型，若出现新的故障类型，就无法识别。
[0004]另外，现有技术中通过细胞分裂生成记忆细胞，不适合高维数据空间，而且生成的细胞中绝大多数是空细胞，使用时的时间复杂度和空间复杂度很高。

技术实现思路

[0005]针对现有算法的不足，本专利技术打破传统油田设备异常检测与故障诊断只适用于时不变数据空间的瓶颈，通过模拟生物免疫系统识别入侵抗原的机理和过程构建设备免疫系统，以适应时不变数据空间和时变数据空间下的设备异常检测与故障诊断；使用MapGIS IGServer和关系数据服务，MapGIS IGServer服务器作为IGServer平台的数据层，提供最基础的各类数据(影像、矢量、三维等)支持，包括空间和非空间，主要用于可地图化的数据，关系数据库主要用于不可地图化的数据和用户管理数据，构建油田统一的可视化油田地面工程数据管理平台，满足油田地域广阔、生产设施众多且分散、管网密布的管理需要。
[0006]本专利技术所采用的技术方案是：一种油田安全生产设备异常检测与故障诊断方法包括以下步骤：
[0007]步骤一、获取油田安全生产设备已有运行数据作为训练数据，包括正常数据和异常数据，并进行预处理和归一化处理；
[0008]步骤二、利用训练数据培养和优化记忆细胞，构建连续学习状态检测和识别算法；
[0009]进一步的，具体包括：
[0010]S21、通过赋值的记忆细胞的代数培养潜在记忆细胞；获得潜在记忆细胞的边长，并根据边长获得每个潜在记忆细胞的中心坐标；
[0011]S22、培养带有抗体的记忆细胞；
[0012]进一步的，具体包括：
[0013]S221、获取抗体在每个维度上的记忆细胞中心坐标；
[0014]S222、通过合成记忆细胞每个维度上的中心坐标，得到记忆细胞的中心坐标；
[0015]S223、判断记忆细胞是否存在：如果已经存在，则只需更新记忆细胞结构里的参数；如果不存在，则按照记忆细胞的结构，设置记忆细胞参数；
[0016]S23、记忆细胞评价与优化：对学习训练得到的记忆细胞进行性能评价，对性能较低的记忆细胞通过克隆变异进行优化；
[0017]进一步的，具体包括：
[0018]S231、用已有记忆细胞对训练数据进行测试，并记录记忆细胞的使用次数、识别抗原错误次数以及最小亲和度；
[0019]S232、利用记忆细胞识别抗原错误次数/记忆细胞使用次数计算每个记忆细胞的错误率，找出错误率高的记忆细胞，并利用错误率计算记忆细胞性能；
[0020]S233、若记忆细胞性能满足要求，则跳转到S235，否则跳转到S234；
[0021]S234、对错误率高的记忆细胞进行克隆和变异，克隆数量为1/亲和度，变异率为错误率，跳转到S231；
[0022]S235、输出记忆细胞集。
[0023]步骤三、利用设备当前运行数据作为测试数据，通过记忆细胞识别抗原的类型；
[0024]进一步的，具体包括：
[0025]S31、消除不活跃时间大于阈值t的记忆细胞，如果这些不活动的记忆细胞是单标签记忆细胞，则从记忆细胞集中删除，如果这些不活动的记忆细胞是多标签记忆细胞，则将记忆细胞中核数q
m
和最后激活时间t
m
参数设置为0；
[0026]S32、选择被抗原所攻击细胞的相邻k个记忆细胞，通过计算亲和度来确定抗原的类型，更新或培养记忆细胞；
[0027]进一步的，具体包括：
[0028]S321、计算抗原与每类记忆细胞之间的亲和力a并输出其类型j；
[0029]S322、更新记忆细胞寿命；
[0030]S323、如果抗原i攻击潜在的记忆细胞，则这个细胞进化成记忆细胞；
[0031]进一步的，亲和度的定义以及计算公式：
[0032]a＝(a1,a2,
…
,a
m
)＝(f(x1),f(x2),
…
,f(x
m
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0033]其中，q
lmax
＝max(q
l1
,q
l2
,
…
q
lm
)(l＝1,2,
…
,k)，d
l
＝Euclidean_distance(c
a
,c
l
)(l＝1,2,
…
,k)；x
i
为抗原属于第i类的权重；k为相邻记忆细胞数量；q
ki
为记忆细胞k中属于第i类的细胞核数；q
lmax
为记忆细胞l中各类型细胞核数的最大值；d
l
为抗原到记忆细胞l的欧氏距离；c
a
为抗原
的中心坐标；c
l
是记忆细胞l的中心坐标。
[0034]通过如下公式确定抗原的类型：
[0035]a
i
＝max(a1,a2,
…
,a
m
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0036]其中，a
m
为m类抗体的亲和度。
[0037]进一步的，油田安全生产设备异常检测与故障诊断方法的系统，包括：数据管理模块、安全生产本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油田安全生产设备异常检测与故障诊断方法，其特征在于，包括以下步骤：步骤一、获取油田安全生产设备历史运行数据作为训练数据，并进行预处理和归一化；步骤二、利用训练数据培养和优化记忆细胞，构建连续学习状态检测和识别算法；步骤三、利用设备当前运行数据通过记忆细胞识别设备故障类型。2.根据权利要求1所述的油田安全生产设备异常检测与故障诊断方法，其特征在于，步骤二具体包括：S21、通过赋值的记忆细胞的代数培养潜在记忆细胞；获得潜在记忆细胞的边长，并根据边长获得每个潜在记忆细胞的中心坐标；S22、培养带有抗体的记忆细胞；S23、对学习训练得到的记忆细胞进行性能评价，对性能较低的记忆细胞通过克隆变异进行优化。3.根据权利要求2所述的油田安全生产设备异常检测与故障诊断方法，其特征在于，步骤S22具体包括：S221、获取抗体在每个维度上的记忆细胞中心坐标；S222、通过合成记忆细胞每个维度上的中心坐标，得到记忆细胞的中心坐标；S223、判断记忆细胞是否存在：如果已经存在，则只需更新记忆细胞结构里的参数；如果不存在，则按照记忆细胞的结构，设置记忆细胞参数，加入记忆细胞集。4.根据权利要求2所述的油田安全生产设备异常检测与故障诊断方法，其特征在于，步骤S23具体包括：S231、用已有记忆细胞对训练数据进行测试，并记录记忆细胞的使用次数、识别抗原错误次数以及最小亲和度；S232、利用记忆细胞识别抗原错误次数/记忆细胞的使用次数，计算每个记忆细胞的错误率，找出错误率高的记忆细胞，并利用错误率计算记忆细胞性能；S233、若记忆细胞性能满足要求，则跳转到S235，否则跳转到S234；S234、对错误率高的记忆细胞进行克隆和变异，克隆数量为1/亲和度，变异率为错误率，跳转到S231；S235、输出记忆细胞集。5.根据权利要求1所述的油田安全生产设备异常检测与故障诊断方法，其特征在于，步骤三具体包括：S31、消除不活跃时间大于阈值t的记忆细胞，如果这些不活动的记忆细胞是单标签记忆细胞，则从记忆细胞集中删除，如果这些不活动的记忆细胞是多标签记忆细胞，则将记忆细胞中核数和最后激活时间参数设置为0；S32、选择被抗原所攻击细胞的相邻k个记忆细胞，通过计算亲和度来确定抗原的类型，更新或培养记忆细胞。6.根据权利要求5所述的油田安全生产设备异常检测与故障诊断方法，其特征在于，步骤S32具体包括：S321、计算抗原与每类记忆细胞之间的亲和力并输出其类型；S322、更新记忆细胞寿命；S323、如果抗原攻击潜在的记忆细胞，则这个细胞进化成记忆细胞。
7.根据权利要求5所述的油田安全生产设备异常检测与故障诊断方法，其特征在于，亲和度计算公式为：a＝(a1,...

【专利技术属性】
技术研发人员：李栋，刘佳，单汪唯一，贾玉洁，王小兵，李森，
申请(专利权)人：常州大学，
类型：发明
国别省市：