电泵生产的多工况故障特征确定方法、装置、设备及介质制造方法及图纸

本申请公开了一种电泵生产的多工况故障特征确定方法、装置、设备及介质，涉及深度学习技术领域，包括构建流入动态与举升耦合的机理模型，将不同的工况信息输入至机理模型中进行仿真，输出机理仿真样本；基于机理仿真样本、实时监测样本及多工况扩展实验样本构建电泵生产机理映射模型，利用实时监测样本和多工况扩展实验样本对电泵生产机理映射模型进行参数校正及辨识修正，得到目标电泵生产机理映射模型；将激励输入至目标电泵生产机理映射模型中，输出激励与响应的仿真，以确定不同条件下的电泵生产运行的多工况故障特征。本申请能满足电泵举升油井的复杂性，实现复杂电泵举升生产系统故障诊断与预测，提高多工况故障特征确定的准确性和效率。

【技术实现步骤摘要】

本专利技术涉及深度学习，特别涉及一种电泵生产的多工况故障特征确定方法、装置、设备及介质。

技术介绍

1、目前，确定多工况故障特征，从而实现电泵举升生产系统故障诊断与预测的技术方案主要包括以下两种：（1）基于机理模型的故障诊断预测方法能够实现对影响电泵的重要不可测参数的监测和故障的早期诊断预测，但是电泵举升油井是一个具有非线性、时变特性的物理对象，且井筒内部流固耦合、设备运行过程机理复杂，也很难准确描述和快速求解；（2）数据驱动建模方法是仅通过训练样本输入和输出关系及其影响因子得到该系统的结构和功能的规律，被称为黑箱建模，但是，由于未充分利用电泵内部系统结构和相互作用的机理，使得利用黑箱建模方法得到的电泵举升油井诊断预测模型在测试集上表现欠佳，从而降低了多工况故障特征确定的准确性和效率。

2、由上可见，如何满足电泵举升油井的复杂性，实现复杂电泵举升生产系统故障诊断与预测，从而提高多工况故障特征确定的准确性和效率是本领域有待解决的问题。

技术实现思路

1、有鉴于此，本专利技术的目的在于提供一种电泵生产本文档来自技高网...

【技术保护点】

1.一种电泵生产的多工况故障特征确定方法，其特征在于，包括：

2.根据权利要求1所述的电泵生产的多工况故障特征确定方法，其特征在于，所述构建电泵生产系统的流入动态与举升耦合的机理模型，包括：

3.根据权利要求1所述的电泵生产的多工况故障特征确定方法，其特征在于，所述基于所述机理仿真样本、所述实时监测样本以及所述多工况扩展实验样本构建电泵生产机理映射模型，包括：

4.根据权利要求1所述的电泵生产的多工况故障特征确定方法，其特征在于，所述利用所述实时监测样本和所述多工况扩展实验样本对所述电泵生产机理映射模型进行参数校正及辨识修正，以得到目标电泵生产机理映射...

【技术特征摘要】

1.一种电泵生产的多工况故障特征确定方法，其特征在于，包括：

2.根据权利要求1所述的电泵生产的多工况故障特征确定方法，其特征在于，所述构建电泵生产系统的流入动态与举升耦合的机理模型，包括：

3.根据权利要求1所述的电泵生产的多工况故障特征确定方法，其特征在于，所述基于所述机理仿真样本、所述实时监测样本以及所述多工况扩展实验样本构建电泵生产机理映射模型，包括：

4.根据权利要求1所述的电泵生产的多工况故障特征确定方法，其特征在于，所述利用所述实时监测样本和所述多工况扩展实验样本对所述电泵生产机理映射模型进行参数校正及辨识修正，以得到目标电泵生产机理映射模型，包括：

5.根据权利要求4所述的电泵生产的多工况故障特征确定方法，其特征在...

【专利技术属性】
技术研发人员：檀朝东，张雄英，王雅然，赵玉东，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：