【技术实现步骤摘要】
本专利技术涉及石油和天然气工业设备智能控制，具体是涉及一种电潜泵的优化控制方法。
技术介绍
1、随着电潜泵在油气井中的大量使用，其模块化和电子控制系统的广泛得到了应用，为了提高电潜泵生产过程中的安全性、动力性、经济性，使电潜泵向智能控制的方向发展。同时，随着工作性能的不断改善，自动化程度的不断提高，电潜泵电控系统复杂程度日趋提高，使故障率增加、故障诊断难度提高，给电潜泵维修工作带来越来越多的困难，对电潜泵维修技术人员的技术要求也越来越高。为了及时发现故障，并采取相应的措施尽量减小其对电潜泵性能的影响，各企业都纷纷投入大量的人力和物力资源对电潜泵故障诊断进行研究。
2、神经网络是一种建立动态系统数学模型的方法，esn-pnmpc拼接为灰盒的混合数据模型，现有技术中采用esn-pnmpc非线性模型预测优化来控制电潜泵，但是esn的性能对于初始权重的选择非常敏感。随机初始化权重可能导致网络无法有效学习和适应数据，需要多次实验以找到合适的初始权重；并且esn的内存容量是由网络的隐藏层神经元数量决定的。如果网络的内存容量不足，可能造成无法准确捕捉数据的复杂动态，从而影响预测和控制的准确性。
技术实现思路
1、为解决上述技术问题，提供一种电潜泵的优化控制方法，本技术方案解决了上述
技术介绍
中提出的esn的性能对于初始权重的选择非常敏感。随机初始化权重可能导致网络无法有效学习和适应数据，需要多次实验以找到合适的初始权重；并且esn的内存容量是由网络的隐藏层神经元数量决定的。如果网络的内
2、为达到以上目的，本专利技术采用的技术方案为：
3、一种电潜泵的优化控制方法，包括：
4、根据电潜泵的工作状态获取电潜泵的性能参数，性能参数包括噪音、温度、流量、扬程等，并根据电潜泵的性能参数来判断是否存在故障征兆；
5、采用井下传感器采集电潜泵在井下的各节点的各项数据，并对各项数据情况进行故障类型标注和分类；
6、基于电潜泵在井下的各节点的各项数据，包括入口压力、流量、电流、频率、电压、泵的转速等数据，并对各项数据进行预处理，采用esn模型和pnmpc模型对预处理的数据样本进行训练和调优并部署上线；
7、调用神经网络算法模型的推理接口，对现场采集到的实时井下数据进行诊断，自动进行电潜泵的工况诊断，诊断结果进行可视化显示，由设备诊断专家对可视化的诊断结果进行确认和纠正；
8、基于诊断结果和esn-pnmpc模型对数据进行更正训练。
9、在本方案中，井上的地面工作平台可将实时返回的收集进行在归一化处理后可以观测到如图3的esn-pnmpc模型训练后输出图。与图4的实际数据与训练数据的比对曲线，根据此曲线可以在电潜泵控制系统中找到需要调整的对应值进行手动调优。
10、esn和pnmpc系统中的模型部分，可以采取改进措施以提高准确性和泛化能力。这可能包括增加模型的复杂度、改进模型参数估计算法、引入更多的输入特征等。算法改进主要是针对esn和pnmpc系统中的特定缺陷，可以进行算法改进来提高性能。例如，对于esn算法，可以尝试改进的权重初始化方法、更灵活的输入映射策略等。对于pnmpc系统，可以尝试改进模型预测算法、优化算法等。
11、优选的，所述故障类型标注包括有：泵的排量低或等于零、机组运行电流偏高和运行电流不平衡。
12、优选的，所述泵的排量低或等于零包括以下原因：装箱不对、地层供液不足、地面管线堵塞、油管结蜡堵塞、泵吸入口堵塞、管柱漏失、泵或分离器轴断和泵的扬程不够。
13、优选的，所述机组运行电流偏高包括以下原因：机组在弯曲井段、电压过高、井液粘度过大或密度过大和井液中含有泥砂或其他杂质。
14、优选的，所述运行电流不平衡包括以下原因：井下机组出现故障和电源或地面系统出现故障。
15、优选的，所述对各项数据进行预处理具体步骤为：
16、将入口压力、流量、电流、频率、电压、泵的转速等数据分别导入在算法的对应接口上，并进行归一化处理；
17、在相适配的ide中基于实时观察井下数据并根据算法进行优化控制。
18、优选的，所述pnmpc模型经过系统建模、优化问题、预测控制、优化求解、反馈控制的不断迭代，对非线性系统进行控制，基于预测模型和优化技术来预测系统行为，并通过优化问题来确定最佳的控制策略，对系统进行精确控制。
19、优选的，所述esn模型的训练过程包括对输出层的权重进行调整以及对隐藏层的权重保持固定。
20、在本方案中，esn模型在训练开始前，隐藏层的权重被随机初始化，并且不再更新；使用训练数据来调整输出层的权重，常用的方法是线性回归或其他适当的优化算法。在预测过程中，外部输入信号通过输入层传入esn网络。隐藏层的神经元根据当前输入和前一时刻的状态产生响应，状态传递到下一时刻。隐藏层的状态被传递到输出层，输出层产生最终的预测结果。由于其隐藏层的循环神经元和稀疏连接方式使得esn能够处理时序数据，并且具有良好的记忆和预测能力。通过调整输出层的权重，esn可以根据历史数据进行训练，并用于未来数据的预测。
21、优选的，所述esn-pnmpc模型控制算法在数据输入时要求相互传递的数据维度必须相适配，且所述输入的数据具有时序性。
22、将esn-pnmpc拼接为灰盒的混合数据模型。灰盒是指对系统或模型具有部分了解的情况。在灰盒模型或系统中，我们只了解系统的部分内部结构或工作原理，而不是完全透明的。在此利用先验知识，采用黑盒方法对系统进行建模。再利用白盒模型的方式，提供一定程度的信息，但并不全面。这种了解程度可能是通过观察系统行为、部分文档或限定的访问权限获得的。对于esn和pnmpc系统，可以通过大量的实验数据收集和不断调优，尝试不同的参数组合，并评估它们对系统性能的影响。这包括隐藏层神经元数量、学习率、模型预测时域、约束权重等参数。在esn和pnmpc系统中，对输入数据的预处理可以帮助提高算法的性能。这可能包括数据归一化、滤波、降噪、特征提取等操作，以减少噪声和提取有用的信息。
23、下面是本专利技术的具体步骤：
24、s1：首先建立井下工作中的电潜泵的故障类型进行分类，便于算法根据井下的实时数据进行判断电潜泵的实际情况，也为接下来的提前预测故障类型对对应的参数进行修改留下预反应时间。方便算法输入值的优选，及数据收集过程中对大量工作数据进行调优。
25、s2：预处理是指对井下收集的数据包括：入口压力、流量、电流、频率、电压、泵的转速等数据导入算法的对应接口上，进行归一化处理；在适合的ide中可以实时观察井下数据并根据算法进行优化控制。在搭建好esn-pnmpc训练神经网络的基础上，将收集得到的数据进行训练，实现电潜泵在工作中始终处于安全且经济的模式下。
26、s3：在训本文档来自技高网...
【技术保护点】
1.一种电潜泵的优化控制方法，其特征在于，包括：
2.根据权利要求1所述的一种电潜泵的优化控制方法，其特征在于，所述故障类型标注包括有：泵的排量低或等于零、机组运行电流偏高和运行电流不平衡。
3.根据权利要求2所述的一种电潜泵的优化控制方法，其特征在于，所述泵的排量低或等于零包括以下原因：装箱不对、地层供液不足、地面管线堵塞、油管结蜡堵塞、泵吸入口堵塞、管柱漏失、泵或分离器轴断和泵的扬程不够。
4.根据权利要求2所述的一种电潜泵的优化控制方法，其特征在于，所述机组运行电流偏高包括以下原因：机组在弯曲井段、电压过高、井液粘度过大或密度过大和井液中含有泥砂或其他杂质。
5.根据权利要求2所述的一种电潜泵的优化控制方法，其特征在于，所述运行电流不平衡包括以下原因：井下机组出现故障和电源或地面系统出现故障。
6.根据权利要求1所述的一种电潜泵的优化控制方法，其特征在于，所述对各项数据进行预处理具体步骤为：
7.根据权利要求1所述的一种电潜泵的优化控制方法，其特征在于，所述PNMPC模型经过系统建模、优化问题、预测控制
8.根据权利要求1所述的一种电潜泵的优化控制方法，其特征在于，所述ESN模型的训练过程包括对输出层的权重进行调整以及对隐藏层的权重保持固定。
9.根据权利要求1所述的一种电潜泵的优化控制方法，其特征在于，所述ESN-PNMPC模型控制算法在数据输入时要求相互传递的数据维度必须相适配，且所述输入的数据具有时序性。
...【技术特征摘要】
1.一种电潜泵的优化控制方法，其特征在于，包括：
2.根据权利要求1所述的一种电潜泵的优化控制方法，其特征在于，所述故障类型标注包括有：泵的排量低或等于零、机组运行电流偏高和运行电流不平衡。
3.根据权利要求2所述的一种电潜泵的优化控制方法，其特征在于，所述泵的排量低或等于零包括以下原因：装箱不对、地层供液不足、地面管线堵塞、油管结蜡堵塞、泵吸入口堵塞、管柱漏失、泵或分离器轴断和泵的扬程不够。
4.根据权利要求2所述的一种电潜泵的优化控制方法，其特征在于，所述机组运行电流偏高包括以下原因：机组在弯曲井段、电压过高、井液粘度过大或密度过大和井液中含有泥砂或其他杂质。
5.根据权利要求2所述的一种电潜泵的优化控制方法，其特征在于，所述运行电流不平衡包括以下原因：井下机组出现故障和电源或地...
【专利技术属性】
技术研发人员：李大冬，王岩，姚凤龙，耿杰宇，宋晓宇，项宇航，
申请(专利权)人：深圳市威诺达工业技术有限公司，
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。