基于神经网络的示功图诊断研究

在抽油机井生产过程中,及时掌握抽油机井工况,实现抽油机井的远程监测和科学管理,是当前抽油机采油系统迫切需要研究的一个重大课题。在传统工况诊断的基础上研究了抽油机井工况智能诊断技术。通过对示功图的网格化,建立了示功图的计算模型,通过对这些模型进行预处理,建立了抽油机井典型工况的特征参数样本库。研究了BP神经网络的基本结构,并将BP神经网络诊断系统应用于抽油机井示功图识别,取得了良好的效果。     

基于LSTM的抽油机井工况诊断研究

抽油机井工况诊断和预测对于掌握抽油机井运行状态、有效提升油井生产效率具有重要意义。目前主要基于抽油机井示功图诊断井下工况。考虑示功图时序性这一特征,通过卷积神经网络提取示功图中的静态特征值,结合上下行电流、载荷等动态生产参数,建立基于LSTM神经网络的抽油机井工况预测模型,将卷积神经网络与LSTM神经网络相融合,提高了工况诊断精度和诊断方法的合理性。141口抽油机井故障预测准确率达到96%以上,实验结果与BP神经网络、卷积神经网络等单一工况诊断模型相比较,预测效果更接近真实值。     

抽油机井维护措施优化研究进展

油田进入开发中后期,出现系统效率降低、能耗高、卡泵、管杆偏磨等一系列问题,为了改善抽油机井生产状况,需要不断优化油井工作参数并采取维护措施,包括:检泵、调参、清防蜡、洗井、冲防砂、清防垢等。本文从机理模型的研究现状和数据挖掘方法的应用现状两个方面,对抽油机井维护措施优化的研究进展进行综述,分析了两种方法的优缺点,并对未来研究方向进行了展望。     

基于PNN网络和Freeman链码的抽油机井工况诊断

利用概率神经网络(PNN)对抽油机井工况进行诊断,建立了抽油机井工况诊断的概率神经网络模型;对示功图提取特征值的质量好坏直接影响识别效率和可靠性,提出了用Freeman链码对等效的电流示功图提取特征参数,进行预处理,建立抽油机典型工况的链码特征样本库;将Freeman链码作为特征向量,利用MATLAB对网络进行训练;结果表明,Freeman链码能够有效地识别各种典型工况示功图,并且该概率神经网络学习速度快、诊断准确率高,可用于抽油机井工况的实时监测和诊断.     

小直径浮漂式密度计的设计

本文 应用阿基米德原理和虎可定律,设计了一种能在油田 抽油机井油、套管环形空间起下、测试井下流体密度的小直径浮漂式密度计.该仪器体积小,性能稳定,操作方便,解决了抽油机井环空测试井下流体密度的难题.     

油田宏观控制图的优化设计

油井工况控制图的绘制,目前基本处于手工绘制阶段,其计算方法与采油过程中的实际客观规律之间有着较大的差异。为此本文以抽油机井采油的特点为前提,以生产过程中的实测诊断监测资料为依据,应用采油工程、油藏工程等基础理论及工程数学等分析方法,提出了一种适用于抽油机井的动态工况控制图控制方法。利用该软件绘制的工况控制图,由于利用了动态图板从而能够真实地反映区块的实际开发管理水平。     

抽油机电参数远程智能故障诊断技术研究

针对抽油机在运行时易出现异常工况的问题,对基于电参数信息的抽油机井远程故障诊断方法进行了研究。讨论了故障诊断时电能参数推算变量的测量与计算方法,并将其集成到相关的故障诊断系统中。鉴于诊断模型获取的故障模态的实时性和可靠性,利用fuzzy-ARTMAP神经网络建立了抽油机井电能信息诊断模型。最终的现场试验结果验证了该方法在油井远程故障诊断方面的有效性,表明该项技术具有一定的实用和推广价值。     

一种新的自适应滤波器及其应用

依据状态空间模型与时间序列模型的基本关系,考虑抽油机井热洗清蜡实际,本文提出了一种新的自适应滤波器,应用这种滤波器确定的热洗周期具有很高的精度,对生产具有重要意义。     

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。     

基于特征融合的抽油机井检泵周期预测

检泵周期是反映抽油机井工作情况的重要指标,准确预测检泵周期对提高油井产能和经济效益具有重要意义。针对油田检泵周期预测准确率低等问题,提出一种基于特征融合抽油机井检泵周期预测方法。该方法引入SVR提取油田数据的静态特征,利用卷积神经网络学习油田数据的动态特征,引入多模态压缩双线性池化对静态特征和动态特征进行融合,利用判别模型训练融合特征实现检泵周期的准确预测。实验结果验证了该模型的有效性和可行性。     

应用时序分析ARIMA模型预测抽油井生产系统效率

抽油井生产系统效率是抽油系统的重要工况指标。系统效率预测是指通过对历史数据的分析和研究,找出系统效率内部变化规律及影响因素之间的关联,然后对系统效率做出预测。以前,油田多采用机理模型实现系统效率预测,但因抽油井系统效率的不确定性、复杂性和时间性的特点,预测效果并不理想。因此本文建立时序分析中的差分自回归移动平均模型对华北油田抽油井生产数据进行了拟合及抽油机井生产系统效率预测。此数据模型着重强调了相邻时间点的抽油井系统效率的相关性。实验结果表明持续更新最新数据点的ARIMA模型能够及时纠正预测方向,大幅提高抽油井生产系统效率预测的准确度。     

智能动态诊断模型及在示功图识别中的应用

针对抽油机井示功图模式诊断问题,提出了一种基于过程神经元网络的动态诊断模型和方法。过程神经元网络（PNN）的输入和连接权均可以是时变函数,通过对训练函数样本集的学习,可自动抽取时变函数样本的过程模式特征,并可将多个过程特征加以组合形成类别输出,在机制上对时变信号的分类问题具有较好的适应性。建立了一种基于PNN的动态诊断模型和方法,给出了基于函数基展开结合梯度下降的学习算法,对油田实测的抽油机井示功图进行工作状态识别,取得了较好的应用效果。     

抽油机井生产过程优化方法的仿真研究

针对有杆泵抽油机井生产过程的特点,在就如何提高效率对有杆泵的数学模型建立及参数优选方法进行了深入的研究,并以产液量为目标函数对抽汲参数及下泵深度采用了模糊 经方法,利用现场数据进行了仿真实验,其结果对于提高产液量系统效率和节能具有重要意义。     

油田丛式抽油机井群集中控制系统的设计

为了解决油田抽油机采油效率和能耗较低等问题,本课题在抽油机单井变频节能控制技术的基础上,研发了丛式抽油机井群单井多模式柔性控制器,并建立丛式机井群一拖四的集中控制方案。通过选择合理的优化算法,实现了单井柔性控制与井组集中优化控制的有机结合,有针对性的提高了井群的整体能效。现场测试效果表明：该丛式抽油机柔性集中控制系统能够适应现场工况条件,实现抽油机井群系统的优化控制,并且能达到较好的控制效果与节能效果。     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。     

一种新型测井仪的研制与应用

介绍了在油田低压测试过程中,测试抽油机井示功图、液面、电流功图、憋压等参数的新型测试仪器--TD01D电脑测井仪.     

热洗周期的自适应滤波估计

本文熔系统辩识与最优滤波于一炉,提出了抽油机井热洗周期的自适应滤波算法,应用表明具有很高的计算精度,对热洗清蜡工作有较大指导意义.     

油井自动监控系统设计

根据龙虎泡作业区现有的间歇井开关井制度及配套设备现状,基于组态技术,开发了一套油井自动监控系统。该系统通过组态的方式,实时、生动地反映了抽油机井的各项参数;通过程序智能、高效地控制抽油机启停,有效防止了油井空抽和其他生产事故的发生,达到了安全生产、提高油井生产效率的目的。     

抽油机井杆管偏磨可视化仿真方法研究

针对油田现场杆管偏磨严重且缺少偏磨可视化仿真系统的现状,设计了一套抽油机井杆管偏磨可视化仿真系统,实现了井眼轨迹、油管的静态可视化仿真以及抽油杆运动状态、杆管接触状态的动态可视化仿真。采用反求三次B样条曲线控制多边形顶点的方法对井眼轨迹曲线进行了重构;提出了等分衔接圆面法解决以任意三维井眼轨迹作为轴线的油管透明及半剖显示问题;采用实时偏磨点与井眼轨迹数据点相结合的方法,实现了抽油杆动态变形及杆管接触状态可视化仿真功能。通过华北油田现场实际验证,能够清晰地显示杆管偏磨的位置及状态,为抽油机井的杆管偏磨诊断及治理提供了依据。     

基于电力线载波的抽油机井巡回监测系统

本文介绍了电力线载波基础上的网络化、分布式抽油机井巡回监测系统,给出了各测试节点的硬件组成和系统监测管理平台,制定了通讯协议并介绍了系统远程硬件复位功能的实现。