绿能抽油机智慧管控系统技术方案

本发明专利技术公开了一种绿能抽油机智慧管控系统，包括：信息采集单元、信息智能分析单元以及智慧管控平台；所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。通过智慧管控平台对抽油机进行监控管理，准确的获取当前抽油机的工作状况，并对抽油机进行故障诊断，从而保证抽油效率、降低机械采油成本、提高油井产量，实现油田智能化管控。实现油田智能化管控。实现油田智能化管控。

【技术实现步骤摘要】
绿能抽油机智慧管控系统


[0001]本专利技术涉及抽油机
，尤其涉及绿能抽油机智慧管控系统。

技术介绍

[0002]能源短缺是世界范围内共同面临的问题，随着石油行业的不断发展，对不同油藏的开采要求也在不断提升。由于地球上待发现石油资源的47％和最终可开采量的45％均来自于海洋，因此海上油田开发将成为新油田开发的重点。
[0003]如果将陆上稠油开采的工艺移植到海上，不仅可提升海上稠油的开发效益，还可以解决海上边际油田和接近枯竭油田的开发与再利用问题，因此，现在急需一种能在海上运行的抽油机管控系统。

技术实现思路

[0004]本专利技术提供了一种绿能抽油机智慧管控系统，以解决现有技术中存在的能源短缺是世界范围内共同面临的问题，随着石油行业的不断发展，对不同油藏的开采要求也在不断提升。由于地球上待发现石油资源的47％和最终可开采量的45％均来自于海洋，因此海上油田开发将成为新油田开发的重点；如果将陆上稠油开采的工艺移植到海上，不仅可提升海上稠油的开发效益，还可以解决海上边际油田和接近枯竭油田的开发与再利用问题的上述问题。
[0005]为了达到上述目的，本专利技术提供如下技术方案：
[0006]绿能抽油机智慧管控系统，包括：信息采集单元、信息智能分析单元以及智慧管控平台；
[0007]所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；
[0008]所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；
[0009]所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。
[0010]其中，所述信息采集单元包括：环境参数采集模块、海上发电装置参数采集模块以及抽油机参数采集模块；
[0011]所述环境参数采集模块用于采集海上环境对应参数数据，海上环境对应参数数据包括温度、湿度、风力强度和光照强度；
[0012]所述海上发电装置参数采集模块用于采集海上发电装置关键参数数据，海上发电装置关键参数数据包括储存电能、产生电能以及海上发电装置运行参数；
[0013]所述抽油机参数采集模块用于采集抽油机关键参数数据。
[0014]其中，所述信息智能分析单元包括：数据预处理模块、数据安全检测模块和数据分析模块；
[0015]所述数据预处理模块用于对采集的抽油机相关联信息数据进行预处理操作；
[0016]所述数据安全检测模块用于对抽油机相关联信息数据进行监测，若监测有异常数据，则进行异常数据分析，获取异常数据产生原因；
[0017]所述数据分析模块用于对预处理后的抽油机相关联信息数据进行分析，获取数据分析结果。
[0018]其中，所述智慧管控平台包括：数据库、控制模块以及显示终端；
[0019]所述数据库用于存储采集的抽油机相关联信息数据；
[0020]所述控制模块用于基于数据分析结果对抽油机发出对应操作指令，以及控制信息采集单元和信息智能分析单元的正常运行；
[0021]所述显示终端用于显示抽油机相关联信息数据，操作人员通过显示终端对抽油机进行操作以及实时监管。
[0022]其中，所述数据安全检测模块包括：基于神经网络构建抽油机故障诊断模型，将抽油机故障征兆作为输入层节点，将抽油机故障原因作为输出层节点，将已知故障现象及结论作为训练学习的样本空间；其中，将故障样本集、故障征兆样本集作为输入特征向量，输入特征向量表示为各种故障的电流特征值，输出向量表示为属于不同故障类型的隶属度；通过故障样本集、故障征兆样本集对网络进行训练学习，确定网络结构，从而获取抽油机故障诊断模型，基于抽油机故障诊断模型，诊断抽油机相应的故障状况。
[0023]其中，基于神经网络构建抽油机故障诊断模型包括：基于数据库中储存的抽油机相关联信息数据，获取抽油机在设定故障下和无故障下的检测样本；对检测样本进行预处理，将检测样本归一化为网络输入模式；创建神经网络，用已知的检测样本集训练网络，使网络获取诊断系统故障的知识，其中，诊断系统故障的知识是以分布在网络内部的隐节点数据中心及连接权值隐性表示的；基于神经网络，通过实时输入特征向量进行测试，获得该测试状态下的网络输出模式，对网络输出模式进行后处理，获取诊断结果，该诊断结果包括故障发生的位置和性质。
[0024]其中，所述数据分析模块包括：自平衡动力分析子模块；
[0025]基于数据库中储存的抽油机相关联信息数据，获取抽油机的关键参数，关键参数包括：抽油机的冲程和冲次，基于抽油机的冲程和冲次，所述自平衡动力分析子模块确定抽油机杆运行的最大行程以及抽油机的采油频率，根据抽油机的关键参数、抽油机杆运行的最大行程以及抽油机的采油频率获取抽油机的平衡度数据，基于平衡度数据构建自平衡动力模型，智慧管控平台根据自平衡动力模型对抽油机进行平衡度控制。
[0026]其中，所述控制模块包括：三相电参数据读取采集子程序；
[0027]所述三相电参数据读取采集子程序用于对三相电参采集三相电流、三相电压及功率数据进行读取，控制模块调用无线通讯子程序将信息采集单元采集的数据上传至智慧管控平台，智慧管控平台通过自平衡动力模型对数据进行处理，获取抽油机平衡度及当前冲次。
[0028]其中，所述显示终端包括：网页查询界面、数据存储界面与管理界面；
[0029]所述网页查询界面用于显示抽油机的运行数据，可通过网页查询界面查询油井的编号，及抽油机任意时间段的实时数据及历史功图；
[0030]所述数据存储界面用于基于数据库负责数据统一存储、管理及调用；
[0031]所述管理界面用于操作人员对抽油机的运行进行人为操作控制。
[0032]其中，所述控制模块还包括：状态预测子模块；
[0033]基于当前运行的抽油机，设定抽油机运行暂停时间T，状态预测子模块根据当前输入的电流相关参数对抽油机状态进行预测，若状态预测子模块输出结果为0时，表示抽油机处于满抽状态，抽油机则继续抽油；当输出结果为1时，表示抽油机处于半抽状态，抽油机则停止抽油。
[0034]其中，设定的暂停时间T为给定的初始时间，抽油机经过T时间的暂停后，开始抽油，根据当前的输入计算输出，若输出为满抽，则继续抽油，若为半抽，继续抽油直到空抽后停止抽油，然后将暂停时间T时间延长一小时，暂停时间T结束后继续抽油。
[0035]与现有技术相比，本专利技术具有以下优点：
[0036]绿能抽油机智慧管控系统，包括：信息采集单元、信息智能分析单元以及智慧管控平台；所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。通过智慧管控平台对抽油机进行监控管理，准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.绿能抽油机智慧管控系统，其特征在于，包括：信息采集单元、信息智能分析单元以及智慧管控平台；所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。2.根据权利要求1所述的绿能抽油机智慧管控系统，其特征在于，所述信息采集单元包括：环境参数采集模块、海上发电装置参数采集模块以及抽油机参数采集模块；所述环境参数采集模块用于采集海上环境对应参数数据，海上环境对应参数数据包括温度、湿度、风力强度和光照强度；所述海上发电装置参数采集模块用于采集海上发电装置关键参数数据，海上发电装置关键参数数据包括储存电能、产生电能以及海上发电装置运行参数；所述抽油机参数采集模块用于采集抽油机关键参数数据。3.根据权利要求1所述的绿能抽油机智慧管控系统，其特征在于，所述信息智能分析单元包括：数据预处理模块、数据安全检测模块和数据分析模块；所述数据预处理模块用于对采集的抽油机相关联信息数据进行预处理操作；所述数据安全检测模块用于对抽油机相关联信息数据进行监测，若监测有异常数据，则进行异常数据分析，获取异常数据产生原因；所述数据分析模块用于对预处理后的抽油机相关联信息数据进行分析，获取数据分析结果。4.根据权利要求1所述的绿能抽油机智慧管控系统，其特征在于，所述智慧管控平台包括：数据库、控制模块以及显示终端；所述数据库用于存储采集的抽油机相关联信息数据；所述控制模块用于基于数据分析结果对抽油机发出对应操作指令，以及控制信息采集单元和信息智能分析单元的正常运行；所述显示终端用于显示抽油机相关联信息数据，操作人员通过显示终端对抽油机进行操作以及实时监管。5.根据权利要求3所述的绿能抽油机智慧管控系统，其特征在于，所述数据安全检测模块包括：基于神经网络技术构建抽油机故障诊断模型，将抽油机故障征兆作为输入层节点，将抽油机故障原因作为输出层节点，将已知故障现象及结论作为训练学习的样本空间；其中，将故障样本集、故障征兆样本集作为输入特征向量，输入特征向量表示为各种故障的电流特征值，输出向量表示为属于不同故障类型的隶属度；通过故障样本集、故障征兆样本集对网络进行训练学习，确定网络结构，从而获取抽油机故障诊断模型，基于抽油机故障诊断模型，诊断抽油机相应的故障状...

【专利技术属性】
技术研发人员：张博伦，
申请(专利权)人：大庆宏富来电气设备制造有限公司，
类型：发明
国别省市：