[发明专利]基于大数据分析的井下工况智能诊断方法

说明书

本发明涉及一种基于大数据分析的井下工况智能诊断方法，依次包括如下步骤：A、建立井下故障的后台分析模型；B、获取抽油机光杆的实时振动加速度数据；C、将后台分析模型及实时振动加速度数据送入实时识别模块进行比对诊断；D、输出诊断结果。步骤A具体包括：A1、批量采集抽油机光杆的有效振动加速度数据；A2、数据传入后台并进行预处理；A3、对正常及故障振动加速度数据分别标注；A4、提取各类振动加速度数据的均方根能量；A5、画出均方根能量随时间变化的图谱；A6、图谱存入样本库并进行训练；A7、输出实时识别模块需要的参数。本方法利用人工智能、物联网、信号处理与大数据等技术，可以精准判断井下工况，诊断出井下出现的特定故障。

技术领域

本发明涉及石油开采领域的抽油机，尤其涉及一种基于大数据分析的井下工况智能诊断方法，属于油田自动化技术领域。

背景技术

抽油杆上连抽油机，下连抽油泵，在充满井液的狭长井筒内工作时，承受着拉、压、弯、扭及液力载荷，处于十分复杂的受力、变形和运动状态，是一个复杂的动力学系统。抽油机在工作时，曲柄机构通过两连杆及横梁牵动游梁的尾端上下摆动，游梁头端的驴头也作上下运动，驴头经绳辫、光杆、抽油杆带动井下深井泵的柱塞作上下运动，从而不断地把井中的原油抽出井筒。

抽油杆柱在不同的工作状态下和不同的位置着有不同的载荷，主要有轴向力、压力、摩擦力、惯性载荷和振动载荷，振动载荷是由抽油杆柱和油管柱运动所产生的。抽油杆受振动影响很大，抽油杆和油管的纵向振动会影响抽油杆末端对油管柱的相对运动，也就是会影响泵的游动阀与固定阀之间的距离，直接影响柱塞的有效冲程。

例如，在抽油机运行过程中，油管和抽油杆在自身重力及提升力作用下，不断发生弹性形变，造成抽油杆偏磨。抽油杆偏磨的问题一直是困扰油田生产的大问题，偏磨的原因非常复杂，如油井结蜡、出砂、井斜、套管变形和管杆腐蚀等。抽油杆在井内发生偏磨，在地面观察难度很大。抽油杆偏磨使油管过早的报废，给生产带来很大的影响，使成本大大地增加。如果在地面就能够准确诊断井下工况，对推动油田的安全生产具有十分重要意义。

公开号为CN 203257406U的中国实用新型专利，公开了一种井下钻柱故障诊断系统，钻柱由钻台和井架支撑，钻台包括位于底部的钻台和位于中部的钻机二层台，钻柱包括方钻杆和钻杆，方钻杆的一端在套管内通过并与钻杆连接，另一端与水龙头连接，水龙头连接有水龙带，井架上分布有立管，具有声压传感器、井口处三向加速度传感器、钻柱顶部三向加速度传感器、压力传感器、多通道信号采集与发送装置、多通道信号接收装置和计算机系统，声压传感器固定在钻台上，井口处三向加速度传感器固定在套管上，压力传感器设置在立管上，钻柱顶部三向加速度传感器设置在水龙头上，多通道信号采集与发送装置设置在钻机二层台上，声压传感器、井口处三向加速度传感器、钻柱顶部三向加速度传感器和压力传感器均与多通道信号采集与发送装置连接，多通道信号采集与发送装置与多通道信号接收装置为无线连接。

虽然安装了各类传感器采集信号，只能将信号发至后台供技术人员判断故障，没有自主诊断功能，不能利用大数据进行训练分析，准确率低，对人的依赖性太大。

发明内容

本发明的目的在于，克服现有技术中存在的问题，提供一种基于大数据分析的井下工况智能诊断方法，利用人工智能、物联网、信号处理与大数据等技术，可以精准判断井下工况，诊断出井下故障，为井下故障的智能诊断及预警技术提供技术支撑。

为解决以上技术问题，本发明的基于大数据分析的井下工况智能诊断方法，依次包括如下步骤：

A、建立井下故障的后台分析模型；

B、获取抽油机光杆的实时振动加速度数据；

C、将后台分析模型及实时振动加速度数据送入实时识别模块进行比对诊断；

D、输出诊断结果。

作为本发明的改进，步骤A具体包括如下分步骤：