使用缩放载荷比预测杆式泵故障的方法和系统技术方案

一种使用缩放载荷比预测杆式泵故障的系统和方法，其被配置为：优化滚动窗口的大小、缩放载荷比正常范围的上限和下限、警报周期和警报频率比；接收地面杆上的当前最大/最小载荷的数据和当前速度；去除显示异常的离群值；使用正常操作时地面杆上的最大/最小载荷来缩放地面杆上的当前最大/最小载荷；计算缩放载荷比；计算滚动窗口中的缩放载荷比的平均值；确定缩放载荷比的平均值是否在正常范围内，并将值分类为正常和异常事件；计算警报周期中的异常事件的比率，当计算出的比率超过警报频率比时生成警报；并使用泵故障预测系统监控泵状态。态。态。

【技术实现步骤摘要】
使用缩放载荷比预测杆式泵故障的方法和系统


[0001]本公开涉及一种预测有杆泵故障的方法和系统，更具体地，涉及一种使用杆式泵的地面杆处的缩放载荷比来预测有杆泵故障的方法和系统。

技术介绍

[0002]有杆泵(以下简称为“杆式泵”或“泵”)是一种常见的人工举升系统，其提高了井底压力不足的枯竭油井的产能。杆式泵使用杆式泵将地下液体(例如，油)提升到地面。然而，杆式泵可能会因为各种原因(例如流体磅、气体干扰、泵磨损、柱塞标记等)而导致运行故障。
[0003]在有限的人力和预算内手动监测和管理数百台杆式泵是不切实际的。如果泵没有得到及时的管理或维修，则由于泵的永久性故障和石油产量的减少，将会造成巨大的经济损失。
[0004]诊断泵故障的最常见方法之一是分析井下泵卡(bump card)的形状，该井下泵卡也称为示功图(dynamometer card)。泵卡是泵冲程中的位置和杆载荷(其分别对应于x轴和y轴)的图。在地面/表面(surface)处测量并获得地面泵卡，然后使用地面泵卡和泵的规格计算井下泵卡。
[0005]研究了井下泵卡的形状的自动分类以检测泵异常。例如，已经开发了如下方法：通过对此井下泵卡的四侧进行单独分析来对泵的状态进行分类的方法；人工神经网络模型，其通过分析诸如杆载荷和井底压力的泵数据，找出与泵故障高度相关的数据；使用对井下泵卡图像进行分类的卷积神经网络(CNN)来对泵异常状态进行分类的方法；针对诸如梯度提升机和随机森林分类器的各种机器学习模型对泵的异常状态进行分类的方法；使用傅立叶级数降低井下泵卡的阶数并通过将泵卡输入到人工神经网络来对泵的状态进行分类的方法；等等。
[0006]此外，已经进行了优化操作泵的研究。具体地，已经开发了一种使得能够使用可变马达速度来有效地操作泵的算法。还介绍了一种使用实时数据中的输出和泵速之间的关系来呈现泵速、冲程长度、泵规格变化的算法。
[0007]然而，使用井下泵卡的分类来检测泵异常并不能准确预测泵故障。即使泵处于异常状态，泵也可以工作数月而不会出现任何故障。井下泵卡的分类仅向操作者提供泵的当前状态，而不是在泵发生故障时。此外，由于人力和预算有限，很难处理所有泵异常。预测和处理关键泵故障比预测和处理所有泵异常更实用。需要一种新方法来在泵故障发生之前预测泵故障。
[0008]相关技术文件
[0009](专利文件1)CN 108805215A
[0010](专利文件2)US 2012/0025997A1

技术实现思路

[0011]本公开的目的是提供一种使用杆式泵的地面杆(surface rob)处的缩放载荷比来预测杆式泵的故障的方法和系统。
[0012]为了实现这些目的，根据本公开的实施例，提供了一种使用缩放载荷比来预测杆式泵故障的方法。
[0013]根据实施例的方法包括：通过构成软件的优化模块，将滚动窗口的大小、缩放载荷比的正常范围的上限和下限、警报周期和警报频率比优化为最佳输入值；通过泵故障预测系统的处理器，从存储装置接收地面杆上的当前最大载荷、地面杆上的当前最小载荷和目标油井泵的当前速度的数据；使用构成由处理器执行的软件的离群值去除模块，基于离群值去除参考集合去除显示接收到的数据的异常的离群值；通过处理器从存储装置接收正常操作时地面杆上的最大载荷和最小载荷的数据，并对最大载荷和最小载荷进行缩放；使用构成软件的缩放载荷比计算模块，针对排除离群值数据的数据计算缩放载荷比；通过构成软件的平均值计算模块，通过将滚动窗口法应用于缩放载荷比来计算滚动窗口中的缩放载荷比的平均值，以去除计算出的缩放载荷比的噪声；使用构成软件的缩放载荷比
‑
正常范围确定和分类模块，确定缩放载荷比的平均值是否在正常范围内，并将值分类为正常事件或异常事件；使用构成软件的故障数据比率计算和警报生成模块，计算异常事件的比率，并在计算出的比率超过警报频率比时生成警报；以及使用泵故障预测系统监测泵状态，以使用缩放载荷比、泵速、泵卡和泵填充量(fillage)来准确地确定泵状态。
[0014]在实施例中，其中当滚动窗口的大小、缩放载荷比的正常范围的上限和下限、警报周期和警报频率比被初始设置为最佳初始输入值时，执行优化，或者当输入值需要更加优化时，例如，当杆式泵被重新安装、维修或更换时，执行优化。
[0015]在实施例中，作为使用优化模块设置的最佳输入值的滚动窗口的大小、缩放载荷比的正常范围的上限和下限、警报周期和警报频率比可以被存储在存储装置中。
[0016]在实施例中，作为用于评估分析性能的指标的马修斯相关系数(MCC)可以被用于在优化过程中用于优化的目标函数中，并且MCC可以由下面将描述的等式3计算。
[0017]在实施例中，可以应用赋予TP(真肯定)项权重的经修正的MCC代替等式3中的原始MCC，以增强优化模块的泵故障预测性能。经修正的MCC为等式4中的TP赋予权重5。在经修正的MCC中，针对单个泵故障事件，如果TP(真肯定)数据(意指在泵故障事件后对泵数据点的正确预测)占泵故障事件后整个泵数据点的10％以上，则这被认为是对单个泵故障事件的有效警报，并且无论预测结果如何，泵故障事件下的所有数据点都被视为TP。
[0018]在实施例中，对于警报周期，可以在尝试优化的早期阶段将0.1天至14天的范围指定为搜索目标，或者泵数据采集周期是警报周期的良好参考值。例如，如果每天获取泵数据，则可以将1天设置为警报周期，但可以优化警报周期以提高泵故障的预测性能。
[0019]在实施例中，对于正常操作时地面杆上的最大载荷和正常操作时地面杆上的最小载荷的数据，根据目标油井田的情况，可以使用稳定保持的生产期的约2周的平均值，或者当存在目标油井、泵和生产液时，可以使用正常操作时的理论最大值/最小值。
[0020]在实施例中，使用下面将描述的缩放载荷比计算等式(1)和(2)来计算缩放载荷比。
[0021]为了实现该目的，根据本公开的实施例，提供了一种使用缩放载荷比来预测杆式
泵故障的系统。
[0022]根据实施例的系统包括：存储装置，其存储系统中的所有数据(例如，地面杆上的当前最大/最小载荷、从安装在杆式泵处的传感器获得的当前泵速、缩放载荷比、滚动窗口中的缩放载荷比的平均值、异常事件的比率、滚动窗口的大小、缩放载荷比的正常范围的上限和下限、警报周期和警报频率比等)；以及处理器，其使用存储在存储装置中的数据运行软件，在其中，软件通过基于存储在存储装置中的地面杆上的当前最大/最小载荷的数据和正常操作时地面杆上的最大/最小载荷的数据计算缩放载荷比，来预测杆式泵是否有异常。
[0023]在实施例中，软件可以包括离群值去除模块，该离群值去除模块被配置为基于设置的离群值去除参考来去除显示处理器从存储装置接收到的数据的异常的离群值。
[0024]在实施例中，软件可以包括缩放模块，该缩放模块被配置为接收操作者输入并存储在存储装置中的地面杆上的最大/最小载荷的数据，并将数据缩放为正常操本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种使用缩放载荷比预测杆式泵的泵故障的方法，所述方法包括：通过构成软件的优化模块将滚动窗口的大小、缩放载荷比的正常范围的上限和下限、警报周期和警报频率比优化为最佳输入值；通过泵故障预测系统的处理器，接收来自存储装置的地面杆上的当前最大载荷、所述地面杆上的当前最小载荷和目标油井泵的当前速度的数据；使用构成由所述处理器执行的软件的离群值去除模块，基于离群值去除参考集合去除显示所接收数据的异常的离群值；通过所述处理器从所述存储装置接收正常操作时所述地面杆的最大载荷和最小载荷的数据，并对所述最大载荷和最小载荷进行缩放；使用构成所述软件的缩放载荷比计算模块，针对排除离群值数据的数据来计算缩放载荷比；通过构成所述软件的平均值计算模块，通过将滚动窗口法应用于计算出的缩放载荷比来计算滚动窗口中的缩放载荷比的平均值，以去除计算出的缩放载荷比的噪声；使用构成所述软件的缩放载荷比
‑
正常范围确定和分类模块，确定所述缩放载荷比的平均值是否在正常范围内，并将值分类为正常事件或异常事件；使用构成所述软件的故障数据比率计算和警报生成模块，计算异常事件的比率，并在计算出的比率超过警报频率比时生成警报；以及使用所述泵故障预测系统监测泵状态，以使用缩放载荷比、泵速、泵卡和泵填充量来准确地确定所述泵状态。2.根据权利要求1所述的方法，其中，当所述滚动窗口的大小、所述缩放载荷比的正常范围的上限和下限、所述警报周期和所述警报频率比初始设置为最佳初始输入值时，执行所述优化，或者当所述输入值需要更加优化或者所述杆式泵被重新安装、维修或更换时，执行所述优化。3.根据权利要求1或2所述的方法，其中，作为使用所述优化模块设置的最佳输入值的所述滚动窗口的大小、所述缩放载荷比的正常范围的上限和下限、所述警报周期和所述警报频率比被存储在所述存储装置中。4.根据权利要求1所述的方法，其中，作为用于评估分析性能的指标的马修斯相关系数即MCC被用于在所述优化过程中用于优化的目标函数中，并由等式3计算所述MCC，在等式3中，TP是真肯定频率，TN是真否定频率，FP是假肯定频率，FN是假否定频率。5.根据权利要求4所述的方法，其中，通过应用以下条件利用等式4来计算经修正的MCC：向TP赋予权重5来计算MCC以使得优化的条件着重于TP，以及当TP超过整个TF数据的10％时将其他真假数据即TF数据全部分类为TP；并且当经修正的MCC为目标函数时用于优化的优化算法是粒子群优化即PSO，
6.根据权利要求1所述的方法，其中，对于所述警报周期，在尝试优化的早期阶段将0.1天至14天的范围指定为搜索目标，并且在进行最终优化时固定为1天。7.根据权利要求1的方法，其中，对于正常操作时所述地面杆的最大/最小载荷的数据，根据目标油井田的情况，使用稳定保持的生产期的约2周的平均值，或者当存在目标油井、泵和生产液时，使用正常操作时的理论最大值/最小值。8.根据权利要求1的方法，其中，通过等式1和2来计算所述缩放载荷比9.一种使用缩放载荷比预测杆式泵的故障的系统，所述系统包括：存储装置，存储所述系统中的所有数据，诸如地面杆上的当前最大/最小载荷、从安装在所述杆式泵上的传感器获得的当前泵速、缩放载荷比、滚动窗口中缩放载荷比的平均值、异常事件的比率、滚动窗口的大小、缩放载荷比的正常范围的上限和下限、警报周期和警报频率比；以及处理器，使用存储在所述存储装...

【专利技术属性】
技术研发人员：田钟永，朴连俊，金荷恩，丁勋荣，吴秉健，金永周，
申请(专利权)人：SK尔世恩株式会社首尔大学校产学协力团，
类型：发明
国别省市：