[发明专利]一种游梁抽油机示功图自诊断与多目标优化方法

说明书

本发明涉及一种游梁抽油机示功图自诊断与多目标优化方法，其通过现有抽油机实际示功图数据进行卷积神经网络模型深度学习，并构建基于卷积神经网络模型的工况监控预警系统，通过工况监控预警系统能够实现游梁抽油机井下工况的实时监控以及判断，当抽油机出现井下故障时，该系统能实时生成预警报告并指导作业人员及时定位故障位置以及生成进行故障处理方案，进而提高抽油机故障处理效率，此外还可通过预警报告生成的各项参数信息及时对油田生产进行控制优化，对油田节能和油井高效管理具有重要意义。

技术领域

本发明属于抽油设备故障诊断技术领域，涉及一种游梁抽油机示功图自诊断与多目标优化方法。

背景技术

游梁式抽油机是石油开采的主要设备，其工作原理是由一个曲柄摇杆机构将电机输出的旋转运动转换为驴头悬点处的往复运动，并带动井下抽油泵柱塞作上下往复的直线运动，从而工作采油。但由于井下工况复杂，抽油机井易出现故障。因此，及时准确的判断井下工况并对抽油机井出现的故障进行实时处理在抽油机井实际生产过程中显得尤为重要。目前，示功图是分析和判断油井抽油机井下工况的主要手段，示功图描述了抽油泵往复运动时载荷随着位移的变化规律，可以反映抽油泵的工作状况，传统的示功图识别方法依赖于专家经验，识别准确度低、效率低、及时性差，难以将判断结论及时准确的应用到抽油井的实际生产中。

发明内容

针对上述现有技术中存在的问题，本发明公布了一种游梁抽油机示功图自诊断与多目标优化方法，能够实现游梁抽油机井下工况的实时判断，且当油井抽油机出现井下故障时，能实时生成预警报告并指导油井监控人员进行故障处理。

本发明公开了一种游梁抽油机示功图自诊断与多目标优化方法，其包括如下步骤：

S100.采集时域电流、电压参数以及游梁转角传感器的参数信息，计算出示功图的载荷序列和位移序列，并绘制示功图；

S200.对示功图数据绘制出的图像进行归一化、二值化及图像细化处理；

S300.制作数据标签，并针对处理后的示功图所对应的工况类型进行分类；

S400.搭建卷积神经网络模型，并导入示功图数据对网络模型进行训练及验证；

S500.基于训练验证完毕的卷积神经网络模型，构建获得工况监控预警系统；

S600.将基于卷积神经网络模型的工况监控预警系统应用至游梁抽油机生产中，当井下出现故障时将预警报告发送至操作人员进行远程或现场故障处理；

S700.根据实际故障处理结果判断预警报告的正确性，进行控制方法优化以及示功图数据集更新。

进一步的，所述S100步骤中示功图的载荷序列和位移序列采用txt文件进行存储，所述txt 文件中包括多对序列数据，其中每对序列数据中第一列为位移序列，第二列为载荷序列。

进一步的，所述200步骤中对示功图数据绘制出的图像进行归一化、二值化及图像细化处理的具体方法为：

采集不同游梁抽油机的示功图数据，同时采集同一游梁抽油机在不同时间段的示功图数据；

依据不同游梁抽油机的示功图数据以及同一游梁抽油机在不同时间段的示功图数据分别绘制对应的示功图；

将绘制完形成的示功图放入同一数据集中，并分别针对每个示功图依次进行归一化、二值化及图像细化处理。

进一步的，所述S300步骤中分类完毕的示功图将用于卷积神经网络模型的示功图样本数据集，针对同一工况类型的示功图作为一个样本数据集，并在样本数据集中随机抽取占样本数据集数据总量50％的样本数据作为训练集，剩余50％的样本数据作为验证集。