功图计量与工况智能分析技术在长庆油田的应用

本文从功图计量与工况智能分析技术的技术原理、有杆抽油系统数学模型的建立、泵功图的计算、有效冲程的识别及计算结果的修正五个方面对该技术进行了详细的阐述,重点介绍了功图计量与工况智能分析系统的构建及其拓展的功能,实现了生产数据的实时采集、产量自动计产、油井远程监控、油井故障诊断、动液面实时监测、系统效率实时监测、报表自动生成等功能,简化了流程,降低了投资、减少了用工总量,提高了油田数字化管理水平,为建设数字化油田,实现5000万吨目标提供技术支撑。     

基于功图分析的有杆抽油泵故障诊断技术研究

在油井开采中,利用计算机技术准确判断油井井下故障,实现采油系统的数字化与智能化,是当今石油行业急需解决的重大难题之一;通过示功图分析诊断有杆抽油泵故障是油田分析泵况的主要手段,目前,国内外对示功图的识别还是主要依靠人完成,虽然计算机识别技术早已实现,但是,由于其准确度有限,并未得到推广;为此,在大量文献研究的基础上,对有杆抽油泵故障诊断技术进行了综述;首先介绍了抽油泵故障诊断技术的发展历程,其次对井下泵功图转换模型建立、泵功图特征值提取方法和特征值匹配方法的国内外功图识别技术进行了分析,最后指出了目前有杆泵故障诊断技术中存在的主要问题及今后需要努力的方向。     

基于超声波和云测试的油井液面测试系统研究

针对目前油井液面深度测试系统测量范围小、误差大、稳定性低的缺点,提出了基于声波法测动液面原理,利用时间序列分析技术、新息自适应卡尔曼滤波技术来实时检测回波信号,进而实现对油井液面深度的高精度测量和噪声处理;选用FPGA和云测试技术成功实现了油井液面深度测量系统的远程化和网络化;基于云测试的油井液面远程监测系统目前已在油田生产现场通过测试,测试结果表明,系统稳定,算法实时、高效,动液面深度测量误差小,测量精度高,能满足实际工程应用.     

基于模糊模式识别的抽油井示功图判别算法研究

针对有杆抽油井示功图诊断分析问题,研究特定故障情况下示功图特征值算法。把示功图数据通过傅里叶变换由空域转换成频域形式,仅保留较低频率上的系数a0、a1、b1,并将其作为特征值。根据所得到的特征值结合模式识别算法能够实现有杆抽油井示功图快速准确的识别和分类。实际应用表明,利用基准示功图28种类型的特征值的选取,计算出每种示功图的特征矢量,并保存到特征库中。对给定示功图特征值进行模式识别,即可得出该图隶属于哪种模式。     

基于短时能量与LSTM的油井动液面深度研究

油井动液面深度计算一直是油田行业关注的重要课题,高效、准确地获取井下液面的动态深度信息对石油行业发展至关重要。为此,针对油井动液面的深度测算受环境噪声的影响而导致计算误差较大的问题,研究基于声波法的油井动液面深度估计与预测算法。通过设计改进型短时能量过零函数和三电中心削波函数,以及融合多渠道液面位置估计信息,获得动态液面的深度估计算法;将此法获得的液面位置和平均声速作为LSTM神经网络的输入,以及实测液面深度作为期望输出,获得可预测液面深度的预测模型。比较性的实验结果表明,所获液面深度计算算法较之短时能量和短时能量过零函数法,更能有效测算动液面深度;得到的预测模型能有效预测不同时段声波下的液面深度。     

抽油机井工况在线优化节能控制技术研究与应用

目前油田在用的获取抽油机井的动液面主要使用声波测量法或者井下下压力计法,前者存在数据滞后不能实时指导生产的缺点,后者成本高、安装和维护繁琐,限制了规模推广.本文提出一种软件算法来获取动液面,再通过调速机构对抽油机进行在线优化节能控制新技术,该技术为解决动液面数据实时录取和油井运行优化提供了一套切实的解决方案,经试验应用达到了预期目标,具有良好的应用前景.     

示功图与模糊神经网络结合的抽油机故障诊断

随着石油工业的发展,采油工艺的提高,抽油机故障诊断在生产环节中尤为重要,对分析传统示功图对抽油机故障诊断不足进行了分析,其不足主要集中在诊断分析方式属于定性分析,并且诊断维度过于单一.首先对抽油机的故障进行了总结,并引入模糊神经网络,并在模糊神经网络中引入黄金分割法的变步长BP算法实现推理过程,通过模糊神经网络与示功图特征综合评判其故障生成诊断方案用来实现从不同维度解决抽油机故障方面的问题,同时本文通过仿真实验验证了该理论的可行性.     

基于支持向量机的抽油机井故障诊断模型研究*

目前油田中最常用的采油模式为有杆抽油机举升方式,其具有安全、可靠、成本低和操作方便等诸多优点,但是由于有杆抽油机设备的工作环境恶劣,导致常常出现故障情况,增加了生产过程中不必要的生产成本。通过对抽油机故障示功图的研究和分析,建立了基于支持向量机的抽油机故障诊断模型,并进行了一系列的实验分析。实验结果表明,该故障诊断模型可以有效地解决抽油机故障诊断不及时,准确性不高等问题,大大提高了抽油机性能和效率,从而提高了油田的采收效率和经济效益。     

基于Freeman链码特征值的示功图分类识别研究

示功图分析是目前比较常用的油井故障诊断方法,基于神经网络的示功图分类识别要求准确地提取示功图的特征值,特征值的质量直接关系到示功图识别的效率和可靠性。传统的示功图特征值提取方法计算量很大,与油井现场的实时性要求相悖。为了解决这一问题,提出了用Freeman链码来表达示功图特征,对示功图的识别进行研究。分析了示功图Freeman链码的提取方法以及典型工况链码特征,建立示功图链码特征样本库,给出了示功图识别的方法步骤,在MAT-LAB下进行仿真验证。结果表明,Freeman链码特征值能够有效地分类出各种典型工况示功图,神经网络具有更快的收敛速度和更高的识别效率。     

基于LIBSVM的融合傅里叶幅值与相位的示功图识别方法

通过示功图来诊断抽油机井工况,是确保油井安全高效生产的一种重要手段。针对现有示功图特征提取只利用其离散傅里叶变换(Discrete Fourier Transform,DFT)的幅度谱而忽略了其相位谱,从而导致识别率较低的问题,提出了一种融合DFT的幅度谱与相位谱的示功图识别方法。首先,将示功图数据组成复数序列,取其DFT的幅度谱与相位谱构造特征向量;其次,对已知故障种类的示功图的特征向量进行训练,构造多分类支持向量机(Support Vector Machines,SVM)分类判别模型;最后,通过LIBSVM分类识别方法对未知类别的示功图进行分类识别,从而诊断抽油井的工况。实测结果表明,与只利用DFT幅度谱的方法相比,该方法能够有效地提高示功图的识别率,能为油井工况的准确分析、诊断与实时优化控制提供技术支撑。     

对传过程神经元网络在油井故障诊断中的应用

为更好解决抽油机井示功图模式诊断问题,依据示功图绘制原理,将示功图识别看作动态系统连续曲线（位移-时间曲线和载荷-时间曲线）的模式识别问题。利用过程神经元能同时处理时、空二维信息,可自动抽取时变函数样本的过程模式特征,在机制上对时变信号的分类问题具有较好的适应性,提出一种基于对传过程神经元网络诊断模型及其学习算法。以油井实测数据对模型进行训练和故障识别,取得了较好的应用效果。     

基于自适应步长FOA-SVM算法的卡泵故障诊断

为了提高机采井卡泵故障诊断精度,提出一种基于自适应步长FOA-SVM混合算法模型的机采井卡泵诊断方法。在支持向量机对示功图诊断分类的基础上,引入改进的自适应步长果蝇优化算法(AS_FOA)对SVM的惩罚因子和核函数参数进行寻优,避免人为选择参数的盲目性。为了实现果蝇优化算法的全局与局部寻优能力的平衡,应用自适应步长方法对其进行改进,使果蝇算法能够根据上一代的适应度值和当前迭代次数来自适应改变果蝇个体搜索步长。通过采油厂真实示功图数据进行仿真实验,比较AS_FOA、FOA、GA三种算法在支持向量机参数寻优中的性能。实验结果表明,AS_FOA收敛速度更快,寻优能力更佳。与其他算法相比,AS_FOA-SVM混合算法模型在卡泵故障诊断中准确率更高,泛化能力更强。     

一种改进的功图量油技术的研究与应用

功图量油技术主要通过示功图来实现对油井产液量的自动测量。针对目前量油技术的一些不足,提出一些改进,通过梯度法对原始功图载荷位移数据进行计算,确定功图的拐点,再通过同心椭圆逼近示功图的方法来筛选出油井的凡尔开闭点,进而得到油井泵的有效冲程来计算油井的产量。本文所研究的功图量油技术在手持android终端量油系统得到了实现,并且在实际应用中得到了验证,目前在江苏油田得到了广泛应用。     

基于支持向量机的抽油机井功图识别研究

抽油机的异常情况会使油田的产油效率降低,而不同的异常类型对应的抽油机示功图特征也各不相同,因此造成的损害程度也不同。针对以上问题,文中提出了一种抽油机井功图识别模型,该方法将支持向量机（ SVM）用于抽油机井功图识别。首先利用改进的矢量曲线数据压缩方法（ICVDC）对抽油机井下示功图进行特征数据提取,在此基础上,采用“一对一”分类法建立基于支持向量机的井下示功图分类模型,进而对不同特征的示功图进行分类识别,并与其他识别分类模型进行了识别分类效果对比。实验结果表明,该方法分类准确度高,有效地解决了示功图的识别和分类问题,方便对油井设备等进行进一步的故障分析处理,从而大大提高抽油机的性能与效率,以此来达到油田提高采收率的目的。     

基于改进变量预测模型的变压器故障诊断

针对变压器故障诊断中的小样本、非线性、参数寻优难等问题,提出改进的变量预测模型的变压器故障诊断方法.分析变量预测模型和布谷鸟搜索算法结合解决小样本和非线性问题,指出其后期收敛速度慢,稳定性差,收敛精度不高,易陷入局部极小值问题,在此基础上在谷鸟搜索算法位置更新中引入变异操作,提高解的多样性.引入动态步长和动态发现概率提...     

功图法油井计量系统基于现场应用的误差分析

功图法油井计量技术是以实测示功图数据为依据,通过对采集光杆示功图的分析,计算出相应泵功图,确定泵的有效冲程,求得油井产液量。本文系统总结了基于现场设计、安装和使用过程中,功图法油井计量系统在数据采集、数据传输、数据处理、测试技术要求、操作规程等方面存在的误差,对影响功图法油井计量系统误差的因素进行归纳剖析,提出了相应的解决方案,以便在今后的生产应用中降低计量误差,达到提高油井计量准确度的目的。     

基于集成智能算法的发动机滑油系统融合诊断

为确保飞行训练安全、预防发动机维修事故发生,针对当前航空发动机磨损故障诊断存在的问题,提出基于集成智能算法的发动机滑油系统故障检测模型.从铁谱诊断、光谱诊断、颗粒计数诊断、理化指标诊断和试车台数据诊断等方面研究了运用集成神经网络方法对多源信息进行融合诊断.结果表明:融合诊断结果的故障模式比单项诊断结果的故障模式要多;当单项诊断出现矛盾时,融合诊断结果能很好地解决诊断冲突问题.基于集成神经网络的发动机油液系统磨损故障的融合诊断能充分利用多种方法的互补性和有效解决诊断冲突问题,从而使诊断结果更为可靠和准确.     

基于混沌粒子群优化核极限学习机的变压器故障诊断方法

为提高电力变压器故障诊断的准确度,提出一种基于核极限学习机(KELM)的变压器故障诊断方法,利用混沌优化改善粒子群算法的全局寻优性能。该方法首先用KELM建立故障诊断模型,再利用改进后的混沌粒子群算法(CPSO)对KELM的参数进行优化。结合油中溶解气体分析法(DGA)获得样本数据,通过实例仿真结果对比分析表明,所用算法具有更高的诊断准确率,提高了变压器故障诊断的可靠性。