电潜泵工况仪参数应用实践

电潜泵井动态分析和故障诊断是电潜泵井管理的重要环节,结合电流卡片、生产动态、井史等资料进行工况分析的常规手段往往不确定因素较多。电潜泵井通过安装井下工况仪,可以实现电潜泵机组运行参数的实时记录,为动态分析和故障诊断提供更多、更直接的数据,从而全面准确地进行工况分析,判断故障原因,挖掘油井潜力。通过对电潜泵工况仪记录参数进行深入分析,并根据参数变化所表现出的特征绘制成示意图,对电潜泵井的故障类型进行了分析总结。现场应用表明,该分析方法具有推广应用价值。     

基于模式识别的电流卡片特征提取方法研究

电流卡片是管理人员管理电潜泵井 ,分析井下电动机工作状况的主要依据之一 ,通过人工读取电流卡片去判断电潜泵井工况时 ,存在人为误差和效率低等缺点。为此 ,在简要介绍基于模式识别的特征提取方法的基础上 ,提出了一种电流卡片的特征提取方法 ,利用VisualC+ +语言编程去识别电流卡片从而判断电潜泵井工况 ,并通过标准的电流卡片对其加以适当的补充 ,从而完善并充实电流卡片特征库。该方法不仅是传统方法的延伸 ,而且可以较大程度地提高电动潜油泵的诊断精度     

基于机器学习的电潜泵工况诊断

为了减少电潜泵井电流卡片工况识别分析时的人为误差,建立了使用实时电流数据的基于机器学习的工况诊断模型。首先使用特征工程的方法,对电潜泵运行过程中的电流数据提取特征值;其次使用主成分分析法对特征值进行无监督降维聚类,并将聚类后的结果与实际工况进行对比证明聚类的有效性;然后使用降维后的带标签数据,建立逻辑回归模型;最后将未经训练的数据代入模型并进行误差分析。对A油田56口电潜泵井高密度实时电流数据进行了基于机器学习完整流程的工况诊断,结果表明,该模型在降低计算复杂度的同时,成功实现了正常工况、泵抽空、过载停泵、频繁短周期运行等4种常见工况的分类识别,诊断准确度、精确度、召回率均在80%以上,F₁分数85%,达到了期望的分类效果,证明了应用机器学习方法,使用实时电流数据对电潜泵工况诊断的可行性和可靠性。     

基于人工神经网络的电潜泵电流卡片快速模式识别

电流卡片诊断是一种典型的电潜泵工况诊断手段,传统的电流卡片模式识别需要人工完成,存在技术壁垒,会引入主观误差.人工神经网络作为一种机器学习算法,能够弥补人工识别的误差.为实现快速、准确而且客观的模式识别.通过对收集到的电流卡片经过数据预处理后得到的电流数据特征值与实际工况的对应关系,建立人工神经网络模型.利用建立的人工...     

神经网络识别技术在青海油田电泵井的应用

运用神经网络识别技术对青海油田电泵井进行智能诊断，实现了电流卡片图纸介质的数字化，方便、快捷、准确地诊断出电泵井电流卡片代表的工况和其他有用的信息，大大提高了电泵井诊断符合率。     

基于小波包和BP神经网络的潜油直驱螺杆泵系统故障诊断

为准确诊断潜油直驱螺杆泵系统故障,提出了一种基于小波包和BP神经网络的螺杆泵系统故障诊断方法。对螺杆泵在不同工况下有功功率进行3层小波包分解,提取小波包特征能量,然后构造小波包特征能量向量,并以该向量作为故障样本对3层BP神经网络进行训练,实现了智能化故障诊断。仿真结果表明:训练的BP网络能很好地诊断潜油直驱螺杆泵系统的故障。     

基于MATLAB的电流卡片的模拟与仿真

潜油电泵已成为国内外人工举升采油的第2大设备,通过工况分析来及时发现故障,是采油生产的重要保障。目前,在石油开发过程中是由人工根据电流卡片的形状去判断潜油电泵工况。文章以电流卡片为主要依据,根据神经网络的特点和性能以及matlab要求,采用了simulink的建模与动态仿真方法来进行电流卡片的模拟,训练非线性神经元,用BP神经网络完成函数的逼近,解决电流卡片系统模式识别问题。     

基于井口憋压分析的电泵井工况诊断

电泵井的电流卡片无法有效判断电泵或管柱漏失、泵举升能力下降、泵效低等故障,针对此问题,提出了电泵井井口憋压（不停泵关闭井口）诊断流程及方法。通过分析憋压前井筒中气液流动状态,结合电泵特性曲线和油井流入动态曲线,建立了理论憋压曲线模型,并且确定了曲线特征参数的提取方法,通过与实测憋压曲线特征参数的对比来判断故障类型。现场应用表明该方法可以成为电泵井工况综合诊断分析的有效手段。     

电潜泵故障诊断技术研究现状及发展趋势

介绍了电潜泵故障诊断的传统诊断方法和现代诊断方法,分析了这2类诊断方法存在的主要问题。结果认为,现有的电潜泵故障诊断方法已不能满足油田实际生产的需要,应开展新型诊断技术的研究。为此,指出电潜泵故障诊断技术的发展趋势为:建立电潜泵机组在线监测诊断系统;利用振动信号对电潜泵故障进行诊断;将多种诊断方法相结合,形成一套新的诊断方法,这样可大大提高电潜泵机组故障诊断的准确性和全面性。     

一种基于BP神经网络的完井液污染类型识别方法

目的 解决油田目的层钻井过程中完井液受盐水、残酸等污染后不能高效识别污染类型的问题。方法 对完井液进行不同质量占比的盐水、残酸污染测定,采用K-means聚类订正不同污染等级数据样本的标签。根据数据样本特征的获取难易度、隐藏层数目,训练不同的BP神经网络模型,并由留一交叉验证法检验模型的分类准确率。结果 数据样本拥有的特征越多,训练的BP神经网络分类准确率越高,隐层数目越多,分类准确率反而越低。选择包含“流变+老化+滤失+井名”4类特征的数据样本建立1隐藏层的BP神经网络模型,其平均分类准确率达到93.18%。结论 由流变、滤失等特征训练的BP神经网络模型可快速应用于试油现场,解决完井液污染类型识别问题,避免了试油现场因缺少大型仪器而无法鉴别完井液污染类型的难题。     

基于位图的潜油电泵卡片特征提取方法研究

~~Research on Pick-up Feature of ESP Recording Charts Based on Bitmap ImagesBian Shaoqi(1988)pattern Recognition,Beijing;Tsinghua University Press, pp. 32-41 Coben, D. J. (1997) Condition Monitoring of Electric Submersible Pump in the Captain Field. Jo…     

SD—Ⅰ型电潜泵油井测功仪研制

为了测试电潜泵井在高电压条件下的耗电情况,研制出SD—Ⅰ型电潜泵油井测功仪。该仪器可以带电测量电潜泵的三相电流、三相电压、有功功率和功率因数等参数,采用LCD点阵液晶显示屏显示,掉电数据保存,测量精度0.5级。该测功仪测试电潜泵井65井次,显示了两个主要技术特点:(1)具有数据采集、存储、处理和回放等功能,可在电潜泵井不停产的情况下进行测试;(2)可测试电压、电流和功率因数等,为油田掌握电潜泵井的系统效率、耗电情况及进行工艺决策提供可靠依据。     

高含硫气井罐装电潜泵系统排水采气工艺

为了将常规气井常用的电潜泵排水采气工艺应用于高含硫气井,同时满足高含硫气井保护套管的要求,基于高含硫气井的完井方式及电潜泵排水采气工艺自身的技术特点,针对套管保护、气体干扰及深井电潜泵机组振动等问题,在完井管柱设计、工具配套等方面开展了攻关研究,并在L2井进行了排水采气工艺设计。结果表明:(1)所研发的一套以罐装电潜泵系统为主体、结合锚定式插管封隔器形成的高含硫气井完井管柱系统能够实现电潜泵的正常运行,并且满足保护套管的要求;(2)采用多相流泵及放气管线可以应对气体干扰的问题,使用自动换向阀可以降低电潜泵复杂流道对气井自喷的影响,配套带锚定机构的插管封隔器能够降低管柱振动;(3)所设计的罐装电潜泵系统可应用于?244.5 mm和?177.8 mm套管,其中?244.5 mm套管对应的电潜泵最大排量为900 m3/d、最高扬程为4 500 m;?177.8 mm套管对应的电潜泵最大排量为300 m3/d、最高扬程为3 000 m。结论认为,该项研究成果为高含硫气井实施电潜泵排水采气工艺提供了技术支撑。     

基于系统分析的潜油电泵机组综合诊断模型

将系统概念应用于潜油电泵机组的诊断,将电泵机组分解成3个子系统.结合系统的特点,综合这3个子系统所构成的诊断模型,提出了潜油电泵机组的综合诊断方法.根据系统工程理论,对潜油电泵、潜油电机等井下机组的运行工况、特性、技术参数以及油井地层资料、生产资料、井中流体资料等进行了综合分析,并根据电流卡片、水力实验数据,建立了潜油电泵井下机组综合诊断模型.采用对比测试法,利用电流卡片、井下数据采集及远传技术,计算出井下潜油电机和潜油电泵运行的相关参数.与潜油电泵特性参数相比较,可以实现对潜油电泵机组的综合诊断.     

深井电潜泵排水采气工艺技术研究及应用

为满足川渝气田井深、井温高、地层压力系数低、复产后井口压力高、排液量大等特点,开展了深井电潜泵排水采气工艺技术研究,自主研制的电潜泵专用井口装置达到国内领先水平,创新了工艺设计方法和现场施工工艺技术,成功应用于TD90、QX12等井。泵挂深度、连续运转时间均创造了国内电潜泵排水采气新记录。     

联合神经网络在储层参数预测中的研究与应用

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得。常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数。提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型。该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性。选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型。     

气体钻井随钻安全风险智能识别方法

针对目前智能钻井技术在工况表征、样本收集整理、数据处理及特征提取方面的不足,建立随钻安全风险智能识别方法.使用相关性分析法,确定表征气体钻井安全风险的关联参数;收集并整理20余井次安全风险时段监测数据,建立气体钻井多种安全风险数据样本库,并使用少样本扩展方法扩充样本数量.根据气体钻井随钻监测数据样本形式,设计两层卷积神...     

钻井用柴油发动机特征挖掘及故障诊断

柴油发动机状态监测及故障诊断的关键环节是特征参数的挖掘。提出了一种将距离测度和奇异值分解相结合的特征挖掘方法,将该方法应用到发动机的特征挖掘中,并将挖掘到的特征作为BP神经网络的输入向量用于发动机的故障诊断。结果表明,根据类间距离和类内距离之比定义的特征敏感度可以很好地区分不同的类,基于距离测度和奇异值相结合的方法可以优化特征,提高诊断的准确率。利用训练好的BP神经网络对现场12台发动机进行故障诊断,有11台诊断结论完全正确,诊断的准确率为91.67%。