基于深度學習網(wǎng)絡的潛油往復抽油機故障診斷研究.pdf

1、目前，石油仍然是世界上極其重要的能源，如何高效可靠地實現(xiàn)原油的開采，一直是國內(nèi)外相關(guān)研究人員研究的焦點。為了克服傳統(tǒng)原油舉升設備的缺點，人們提出了潛油往復抽油機這一新的舉升設備。雖然潛油往復抽油機便于控制、工作效率高，但是由于其提出時間尚短且配套技術(shù)發(fā)展不完善，大大限制了其應用規(guī)模。充分發(fā)揮潛油往復抽油機自身的優(yōu)勢，促進其在油田上的廣泛應用，實現(xiàn)油田生產(chǎn)效益的全面提高，具有十分重要的意義。因此，通過對潛油往復抽油機的結(jié)構(gòu)和工作原理深入分

2、析，提出了適用于潛油往復抽油機故障診斷的方法。
　　首先，因潛油往復抽油機屬于無桿裝置，故無法使用傳統(tǒng)的地面示功圖方法通過載荷和位移之間的關(guān)系進行故障診斷。但潛油往復抽油機的驅(qū)動電機直接通過柱塞與抽油泵相連接，即電機的動力輸出直接作用在負載上，所以其運行電流的數(shù)據(jù)值能夠間接體現(xiàn)載荷大小。借鑒地面示功圖的原理，選擇潛油電機的電流作為判定其故障狀態(tài)的特征信息。
　　其次，由于傳統(tǒng)的故障診斷方法需要與一定的特征提取方法進行結(jié)合才能

3、夠?qū)崿F(xiàn)分類識別功能，而這些特征提取方法往往含有不同程度的人為經(jīng)驗，這在一定程度上會降低模型的診斷效果。為了盡量避免人為因素對原始故障數(shù)據(jù)的影響，提出一種潛油往復抽油機深度信念網(wǎng)絡（Deep Belief Network，DBN）故障診斷模型。
　　第三，搭建基于電流的潛油往復抽油機DBN故障診斷模型。在實驗平臺上模擬不同故障狀態(tài)，采集記錄其電機運行電流值，構(gòu)建樣本庫。利用多隱含層結(jié)構(gòu)的DBN故障診斷模型對潛油往復抽油機機組常出現(xiàn)的

4、6種典型油井故障進行診斷，并與傳統(tǒng)故障診斷方法進行效果對比，驗證該方法的有效性。
　　最后，限于基于電流的故障診斷方法只能實現(xiàn)潛油往復抽油機油井部分故障的識別，現(xiàn)結(jié)合井下多參數(shù)采集裝置構(gòu)建基于多參數(shù)的潛油往復抽油機DBN網(wǎng)絡故障診斷方法。將系統(tǒng)監(jiān)測到的7個井下機組相關(guān)參數(shù)和地面上測量的電機電流結(jié)合在一起，作為判定其運行狀態(tài)的特征信息。最后，通過具體的實驗分析，驗證該方法的有效性。因此，基于多參數(shù)的故障診斷方法能夠全面判定機組的運行