一种有杆泵井工况智能诊断方法技术

本发明专利技术公开了一种有杆泵井工况智能诊断方法包括，数据采集与示功图归一化，数据包括地面示功图卡片和对应的特征敏感参数；搭建神经网络，并建立各种工况对应的知识库；基于神经网络和知识推导进行诊断，当神经网络模型的工况诊断结果对应参数达到知识库的要求，则该结果作为最终的诊断结果输出，当神经网络模型的诊断结果不能通过知识推导的二次验证，则比较神经网络与知识推导诊断结果的置信度，选择置信度高的作为最终诊断工况，异常工况以检泵结果为准；进行模型训练，优化模型参数和架构。本方法可以解决传统的神经网络提取方法工况分类结果准确率低下的问题。分类结果准确率低下的问题。分类结果准确率低下的问题。

【技术实现步骤摘要】
一种有杆泵井工况智能诊断方法


[0001]本专利技术涉及深度学习和故障诊断
，尤其涉及一种有杆泵井工况智能诊断方法。

技术介绍

[0002]在油井开发现场，有杆泵由于其复杂的工作环境，常常会出现各种异常的工作情况。根据相关设备测量能够绘制出地面示功图，地面示功图是抽油机光杆在一个冲程里的位移和载荷构成的一条封闭曲线，在不同工况下光杆因各种原因出现位移和载荷的数值变化，最终会反应在曲线形状上。因此地面示功图的形状能够一定程度上反应出有杆泵的工作情况。根据地面示功图形状得到对应的有杆泵工况，出现异常工况时及时处理，对于提高有杆泵抽油系统效率具有重要意义。
[0003]目前已经出现多种提取地面示功图特征的方法，如灰度特征、八向链码、频谱分析、神经网络等，均可分析示功图形状。神经网络在处理单一情况下的地面示功图时效果良好，能够诊断出示功图卡片相对应的有杆泵工作情况。但在油田实际生产现场由于各种因素影响，有杆泵井出现异常工作情况往往不止一种原因，仅使用神经网络分析这种异常工况的示功图，得到的工况分类结果准确率低下。/>
技术实现思路
...

【技术保护点】

【技术特征摘要】
1.一种有杆泵井工况智能诊断方法，其特征在于：包括，采集生产现场有杆泵井相关的生产数据，得到地面示功图卡片并进行归一化；搭建神经网络，并建立各种工况对应的知识库；基于所述神经网络和知识推导对工况进行诊断；进行模型训练，优化模型参数和架构。2.如权利要求1所述的有杆泵井工况智能诊断方法，其特征在于：所述数据包括地面示功图卡片和对应的特征敏感参数，所述特征敏感参数是异常工况相对于正常情况下会产生明显波动的数值，所述示功图卡片归一化时，保证其载荷所在坐标的最大最小值固定，以保留示功图形状。3.如权利要求2所述的有杆泵井工况智能诊断方法，其特征在于：处理收集到的各种时间序列数据，每段时间序列为X＝{x1，x2，
…
，x
n
}，从原序列里提取三种特征，则提取后的特征序列为λ＝{λ1，λ2，λ3}，}，其中λ1表示变化幅度，λ2表示标准差，λ3表示当前值与平均值的比率，x
now
为当前值即序列最后的值x
n
，x
mean
为序列平均值。4.如权利要求1～3任一所述的有杆泵井工况智能诊断方法，其特征在于：所述神经网络的搭建包括，共有七层，第一层是卷积层，激活函数使用ReLu，第二层是最大池化层，第三层是卷积层，激活函数使用ReLu，第四层是最大池化层，第五层是光栅化层，光栅化后接两个全连接层，两个全连接层Dropout的值均为0.5。5.如权利要求4所述的有杆泵井工况智能诊断方法，其特征在于：所述知识库的数据特征从最大载荷、最小载荷、功图面积、载荷差四个方面进行考虑，多数特征参数为变化幅度应高于或低于某阈值，少数特征参数是特定数值应高于...

【专利技术属性】
技术研发人员：郭致杰，何岩峰，王相，
申请(专利权)人：常州大学，
类型：发明
国别省市：