[发明专利]一种潜油电泵机组监测和故障预测装置及方法在审

专利信息
申请号: 202010868582.0 申请日: 2020-08-26
公开(公告)号: CN111852839A 公开(公告)日: 2020-10-30
发明(设计)人: 林子晗 申请(专利权)人: 浙江中自庆安新能源技术有限公司
主分类号: F04B51/00 分类号: F04B51/00;E21B47/008;E21B47/06;E21B47/07;E21B47/12;G06F30/23;G06F30/27
代理公司: 杭州钤韬知识产权代理事务所(普通合伙) 33329 代理人: 赵杰香;唐灵
地址: 310018 浙江省杭州*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 潜油电泵 机组 监测 故障 预测 装置 方法
【说明书】:

发明公开了潜油电泵机组监测和故障预测装置,包括:井下装置实时采集潜油电泵机组的当前运行状态信息,将当前运行状态信息输入至灰色预测神经网络模型,得到预测的潜油电泵机组的下一周期振动加速度数据,当下一个周期的振动加速度数据超过振动加速度阈值,则将本周期的所有振动加速度数据进行压缩处理,并将压缩后的振动加速度数据发送至井上装置。井上装置将获取的压缩后的振动加速度数据进行解压缩后得到本周期内的所有振动加速度数据,发送至上位机。上位机根据获取的本周期的所有振动加速度数据,并对潜油电泵机组进行故障预测分析。通过本发明不仅实现了潜油电泵机组的运行状态监测,而且对运行状态进行预测性分析。

技术领域

本发明涉及潜油电泵机组技术领域,尤其涉及一种潜油电泵机组监测和故障预测装置及方法。

背景技术

潜油电泵机组是油田开发的重要机械采油设备,具有排量大、扬程高、生产压差大、适应性强、地面工艺流程简单、经济效益显著等优点,可广泛应用于停喷后的高产油井、高含水井、深井及定向井中,是油田实现高产稳产的重要手段。

由于潜油电泵机组工作在深油井下,不仅其工况状态难以监测,而且在生产过程中容易出现许多不易判别的井下故障。因此如何针对潜油电泵机组运行进行全面的工况状态监测及工作状态预测性分析,掌握潜油电泵机组生产时井下的状态并预测设备故障,是一项十分重要、紧迫的研究课题,也是挖掘油井潜力、保证设备有效工作、延长检泵周期、提高生产管理技术水平的关键。

现有的潜油电泵机组井下监测系统一般针对井下温度和压力这两个二元参数进行测试,但是从现场应用情况来看,由于该方案中的测试参数少,从而不能完全满足用户掌握潜油电泵井下多参数监测的需求,并且存在操作过程复杂的显著缺点。潜油电泵机组井下监测系统的数据传输效率低,系统井下装置数据的预处理智能化程度低,没有对井下潜油电泵机组的状态进行预测性分析。另外,潜油电泵机组井下监测系统的井上装置工作内容单一,仅是对井下装置采集到的数据进行数据液晶显示和简单的数据处理,不能形象且直观的反映井下监测装置所处的工作状态。

发明内容

鉴于此,本发明提供一种潜油电泵机组监测和故障预测装置及方法,不仅实现了潜油电泵机组的多个运行状态参数的监测,而且实现了对其运行状态的预测性分析。

为实现上述目的,本发明提供一种潜油电泵机组监测和故障预测装置,所述装置包括井下装置、井上装置和上位机,

所述井下装置包括采集模块、井下控制模块和井下通讯模块,其中

所述采集模块,实时采集潜油电泵机组的当前运行状态信息,并发送至所述井下控制模块,所述当前运行状态信息包括潜油电泵机组的压力数据、温度数据和振动加速度数据;

所述井下控制模块,将所述潜油电泵机组的当前运行状态信息输入至灰色预测神经网络模型,得到预测的潜油电泵机组的下一周期振动加速度数据,若所述潜油电泵机组的下一个周期的振动加速度数据超过预设的振动加速度阈值,则将获取的本周期的所有振动加速度数据进行压缩处理,并将压缩后的振动加速度数据发送至所述井下通讯模块;

所述井下通讯模块,将所述压缩后的振动加速度数据发送至所述井上通讯模块;

所述井上装置包括井上通讯模块和井上控制模块,

所述井上通讯模块,将接收的来自所述井下装置的压缩后的振动加速度数据发送至所述井上控制模块;

所述井上控制模块,将所述压缩后的振动加速度数据进行解压缩后得到本周期内的所有振动加速度数据,并发送至所述上位机;

所述上位机,根据获取的本周期的所有振动加速度数据,并对所述潜油电泵机组进行故障预测分析。

优选的,所述采集模块包括温度传感器、压力传感器和振动传感器;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江中自庆安新能源技术有限公司,未经浙江中自庆安新能源技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010868582.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top