一种基于LSTM-GoogLeNet模型的潜油电泵工况识别及预警方法技术

本发明专利技术涉及一种基于LSTM‑GoogLeNet模型的潜油电泵工况识别及预警方法。所述方法首先通过收集不同工况的潜油电泵电流数据，绘制在极坐标系中模拟成电流卡片数据集；然后采用数据增强的方法进行扩充，并传入到GoogLeNet模型中训练，确定网络权重参数，实现故障分类；进一步通过结合LSTM神经网络，将潜油电泵历史电流数据预处理之后，构建成自回归数据格式并归一化处理，输入至LSTM神经网络中进行训练；最后通过高度拟合历史电流数据确定神经网络权重参数，并预测未来的电流数据，将预测数据模拟成电流卡片传入至训练完成的GoogleNet模型，实现故障预警。本申请所述的方法显著提高了潜油电泵工况诊断和预警的准确性及效率。

【技术实现步骤摘要】

本专利技术属于时间序列和图像处理，特别设计了一种基于lstm-googlenet模型的潜油电泵工况识别及预警方法。

技术介绍

1、潜油电泵(esp)是一种有效的人工举升装置，在全球近百万口油井中占比约20％。由于esp长期工作于条件恶劣的井下环境，一旦不能及时发现井下故障很容易对整个esp机组造成不可逆的损害。将对油田带来巨大的经济损失。因此开展esp故障预测及诊断研究意义重大，有必要及早发现和准确识别故障的发生并防止esp停机，降低对油田带来的损失。

2、现有技术中，esp工况分析常采用高频高维特征分析法和高频单特征分析法。其中，高频高维特征分析法采用多特征进行数据分析，随着特征维度的增加，会不可避免地发生特征之间的干扰，会严重影响esp工的正确判断；高频单特征分析法以电流和振动作为主流分析参数，振动参数获取的精准性取决于振动传感器的位置，振动传感器通常安装在esp的外壳，随振动传感器尺寸的延长，对esp外壳的机械刚度提出了高要求，而且，为了获得准确的振动数据，通常需要在井内安装多个振动传感器，这是非常具有挑战性的。电流参数是在esp控制单元本文档来自技高网...

【技术保护点】

1.一种基于LSTM-GoogLeNet模型的潜油电泵工况识别及预警方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于LSTM-GoogLeNet模型的潜油电泵工况识别及预警方法，其特征在于，GoogLeNet网络模型训练步骤具体包括：

3.如权利要求2所述的基于LSTM-GoogLeNet模型的潜油电泵工况识别及预警方法，其特征在于，在数据解析后，特征提取前，进一步包括：

4.如权利要求1所述的基于LSTM-GoogLeNet模型的潜油电泵工况识别及预警方法，其特征在于，基于历史潜油电泵电流数据构建自回归数据集的步骤包括：根据设定的时间步长...

【技术特征摘要】

1.一种基于lstm-googlenet模型的潜油电泵工况识别及预警方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于lstm-googlenet模型的潜油电泵工况识别及预警方法，其特征在于，googlenet网络模型训练步骤具体包括：

3.如权利要求2所述的基于lstm-googlenet模型的潜油电泵工况识别及预警方法，其特征在于，在数据解析后，特征提取前，进一步包括：

4.如权利要求1所述的基于lstm-googlenet模型的潜油电泵工况识别及预警方法，其特征在于，基于历史潜油电泵电流数据构建自回归数据集的步骤包括：根据设定的时间步长，对历史潜油电泵电流数据进行划分；

5.如权利要求4所述的基于ls...

【专利技术属性】
技术研发人员：冯国强，刘东江，冯国勇，谢丽洁，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：