伴热监控技术在气田开发中的应用

为减少天然气湿气计量交接点孔板计量装置引压管冬季冻堵情况发生,避免计量故障,伴热是苏里格气田采取的主要技术措施,伴热工作状态直接影响天然气计量的准确性。为此研发试验的伴热远程监控技术,实现了对伴热的远程监控、实时报警、故障点智能判断及故障自动关断等功能。通过现场运用及测试认为：（1）报警信息准确可靠,异常故障报警时效性强;（2）维护工作量小,由每周1轮次优化为每季度1轮次,维护工作量仅为原来的8%;(3)实现“技防”技术,减少“人防”的资源浪费;（4）经济效益明显,维护成本降低76%;(5)节能约65%。     

轴心轨迹特征算法在唐山LNG海水泵故障监测中的应用

大型泵类故障监测和预警对LNG运行安全具有重要意义。传统的监测手段主要依赖于振动超限报警,但部分故障并不会引发振动超限,且一旦振动超限通常会引发联锁停机,直接影响正常生产。文章针对唐山LNG国产首台套立式长轴海水泵构建了一套基于轴心轨迹特征识别的故障预警算法模型。该算法模型利用现有振动传感器的监测信号,对轴心的分布特征进行训练和识别,并据此构建出正常运行轨迹特征指标,当轴心轨迹特征出现偏离时发出故障报警提示。实践证明,该方法能够更加充分地利用监测数据,实现海水泵故障的早期识别,为减少海水泵非计划停运提供有效支持。     

故障自动诊断技术在油气田往复压缩机上的应用

油气田开发领域的往复压缩机应用数量庞大且作用不可替代,其故障检维修工作一直是相关企业的重中之重。由于机组结构复杂、工况多变,依靠现场人工巡检与诊断无法满足应用需求,导致机组实际故障监测诊断水平一直较为落后。在安装应用运行状态在线监测系统的基础上,结合不同测点的监测作用,构建了典型故障诊断模型,开发了具备自动诊断与报警提示功能的专家系统。实际应用效果证明,自动诊断专家系统对提升工程一线的故障监测诊断水平具有显著作用。     

基于多尺度建模的炼油化工过程报警根源分析

为了及时找出故障原因以抑制过程故障传播,保证生产过程安全及产品质量,有必要对炼油化工过程报警根源进行分析研究。而对于过程风险表征指标的选择,现有方法多是根据主观经验直接挑选而得,对于一些复杂的大型系统,由于过程复杂,设备众多,常涉及大量监控变量,主观挑选表征指标常常导致报警根源分析过程中遗漏某些重要原因变量。因此提出多尺度建模的方法,通过对炼油化工生产系统的空间尺度进行划分,针对某一风险过程,分析其不同尺度下的过程风险表征指标,基于互相关函数建立多尺度下的炼油化工过程报警根源分析模型。案例分析将其应用于某石油化工企业分馏塔冲塔风险过程。结果表明,对于过程风险报警根源分析而言,需对整个风险单元进行分析,仅考虑与风险直接相关的设备可能遗漏某些重要原因变量,以致无法推绎出引发报警的扰动根源。通过对不同尺度下的模型进行应用对比分析,从而选择合适的尺度进行建模,有助于保证炼油化工过程报警根源分析的准确性。     

马丁代克深度报警校正装置的设计

马丁代克是深度测量系统的一个非常重要的组成部分。文章设计了一种基于单片机的监测报警装置,用于监测绞车运行过程中马丁代克的工作状况,在发生异常时就会产生连续的报警声,并用数码管将故障产生时间显示出来,提醒绞车操作人员采取相应的措施,以保证测井深度的准确性并预防类似故障引发的井下仪器落井事故的发生。     

协整理论应用于非平稳FCCU系统的状态监测与故障诊断

 笔者在国内外首次提出了将经济学领域中的协整理论应用于非平稳工业过程系统的状态监测与故障诊断。首先简要介绍了协整理论，并基于流化催化裂化装置（FCCU）的仿真数据建立了非平稳变量组的协整模型，验证了这些变量在正常状态下满足协整关系。模拟FCCU系统的两种故障模式用来验证协整模型的非正常状态监测能力，还引入降阶协整模型故障隔离法，锁定了破坏协整关系的变量。应用结果表明，协整理论在工程系统状态监测与故障诊断领域具有潜在的重要应用价值。     

基于支持向量数据描述的往复式注水泵健康度评价方法

往复式注水泵作为油田注水作业的关键装备,由于恶劣的工作环境,易导致轴瓦、缸体和电机等部件故障,对其进行健康监测及健康度评价,以及时发现异常状态,保障安全可靠的注水作业十分必要。本文提出了一种基于支持向量数据描述的往复式注水泵健康度量化评价方法。首先,考虑到注水泵振动信号非线性、非平稳的特点,在有限条件下提取注水泵振动信号中的特征信息。针对注水泵核心部件多且间距小的问题分析振动信号的测点位置,以搭建数据采集系统。针对振动信号频率成分复杂的特点,利用变分模态分解提取振动数据的变分模态分量,在所有模态分量排列熵的基础上构建高维多域特征集,以描述注水泵的健康状态。其次,针对注水泵实际采集数据过程中,大多数设备处于健康工作状态,故障数据较少,容易造成样本不均衡的问题,利用单值分类方法支持向量数据描述在单值分类问题上的优势,仅使用健康状态运行下注水泵数据样本的特征向量进行支持向量数据描述的超球体模型构建,并引入粒子群优化算法对模型参数进行优化;通过计算注水泵不同健康状态的数据到超球体球心的距离,参考隶属度函数进行公式拟合,实现注水泵的健康度定量评价。最终,为验证该评价方法的适用性,对长庆油田现场注...     

高阶统计量地震子波估计建模

本文在反射系数序列为非高斯、平稳和统计独立的随机过程,地震子波为非因果、混合相位的假设条件下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录进行建模,并采用运算代价较小的基于高阶累积量的线性化求解方法——累积量矩阵方程法进行了子波提取和模型适应性的研究。数值模拟结果和实际地震数据处理结果表明:自回归滑动平均(ARMA)模型比滑动平均(MA)模型具有参数节省、模型更为高效的特点;累积量矩阵方程法可以有效地压制加性高斯噪声,但对累积量样本估计的准确性要求较高;如果累积量样本估计的误差和方差适度,结合自回归滑动平均(ARMA)模型描述的累积量矩阵方程法可以高效、准确地估计出地震子波。     

远程智能监测系统在机泵故障监测中的应用

介绍炼化企业装置机泵远程智能监测系统的主要功能、核心技术和实际应用效果。通过远程智能监测系统的搭建,在机泵重要部位加装智能无线监测器,实现了机泵运行数据实时采集、远程在线监测、故障预警、智能诊断等功能。该系统可以连续24小时自动监测机泵运行状态,对机泵异常状态即时诊断分析,推送设备异常报警信息、出具预测结论、提出检维修建议,并将《故障设备诊断报告》及时通知相关人员以掌控设备状态,从而最终实现对机泵的实时、双向的预知性维护。     

外输泵机组在线监测故障智能诊断系统研究应用

针对油田外输泵机组实际运行中存在的问题,研制了外输泵机组在线监测故障智能诊断系统。通过实时监测外输泵机组振动、转速和油温等参数,实现了就地和远程在线监测外输泵机组的运行状态,及时诊断故障结果和提出预知性维修指导意见,确保了外输泵机组安全可靠地运行,延长了无故障使用期限,从而避免了非计划停机,节省了运行和管理费用,提高了生产效率。经2016年在长庆油田第三采油厂3个增压点的现场应用,满足了该油田绿色数字化油田发展的要求。     

基于粒子群优化和长短期记忆神经网络的气井生产动态预测

气井生产动态预测是气藏产量规划、开发方案编制及生产制度动态调整的重要依据,对天然气藏开发有着极其重要的指导意义。建立了基于长短期记忆深度神经网络的生产动态预测模型,并采用了粒子群优化算法对神经网络模型超参数进行优化,提高长短期记忆深度神经网络的预测效果。研究结果表明,基于粒子群优化和长短期记忆神经网络的气井生产动态预测模型能够实现对气井生产动态的准确预测和神经网络超参数的自动优化,使预测结果的平均绝对误差均小于10%,大幅度简化了神经网络模型的优化过程。     

基于PCA和PSONN的动态软测量建模与应用

对催化裂化主分馏塔过程的数据特点和当前静态软测量技术的不足之处,提出了一种新的基于主元分析和微粒群神经网络的动态软测量方法,该方法首先利用PCA技术对过程变量进行主元分析,降低了输入变量的维数且消除了输入变量之间的线性相关性,然后根据汽油干点及其对应时刻的过程变量建立静态神经网络,利用该静态神经网络估计历史时刻的汽油干点。最后利用估计的干点值建立动态神经网络,该建模方法反应了系统的动态特性。还将微粒群算法（PSO）用于神经网络的学习过程,提高了模型的预测精度。对比结果表明了该方法的有效性。     

Power optimization of gas pipelines via an improved particle swarm optimization algorithm

In past decades dynamic programming, genetic algorithms, ant colony optimization algorithms and some gradient algorithms have been applied to power optimization of gas pipelines. In this paper a power optimization model for gas pipelines is developed and an improved particle swarm optimization algorithm is applied. Based on the testing of the parameters involved in the algorithm which need to be defined artifucially, the values of these parameters have been recommended which can make the algorithm reach efficiently the approximate optimum solution with required accuracy. Some examples have shown that the relative error of the particle swarm optimization over ant colony optimization and dynamic programming is less than 1% and the computation time is much less than that of ant colony optimization and dynamic programming.     

计数式全通径压裂滑套优化设计

为了提高内滑套步进压力,同时使得内滑套结构强度较高,提出一种优化计数式全通径压裂滑套的方法。采用最陡爬坡实验设计确定最佳响应区域;利用响应曲面法分别建立显著因子与步进压力及运动过程中内滑套所受最大应力之间的二阶响应模型并分析了各因子对各响应的影响;根据线性加权法确定目标函数,采用粒子群优化（PSO）算法寻优,得到内滑套最优结构参数;基于显式动力学方法模拟压裂球推动内滑套运动过程。结果表明,优化后,运动过程中内滑套所受的最大应力增大了9.2%,内滑套步进压力提高了40%。室内模拟实验表明,优化后,内滑套步进压力提高了44%,与数值模拟结果近似,最陡爬坡实验设计、响应曲面法以及PSO算法相结合用于内滑套结构参数的优化是有效的。     

基于粒子群优化算法的波阻抗反演研究

波阻抗反演属于最优化问题，其目标函数可能包含多个在一定范围内连续的变量。传统的优化手段对某些函数存在难以优化，容易陷入局部解，收敛速度缓慢等问题。粒子群算法只考虑目标函数，对初始模型的依赖程度不高，可以随机地在全局域内进行搜索。通过分析粒子群算法的原理，提出了地震波阻抗反演粒子群算法的实现方法。详细地分析了粒子群算法的抗噪能力及算法中各参数对反演结果的影响，得出参数的最优组合。利用模型数据对该方法进行检测，在无噪情况下，反演结果与模型一致；在加入3%，10%和25%的噪声后，反演前后的相关系数分别为98.31%，93.27%和82.09%，证明了该方法的有效性。     

钻井过程监测与实时故障诊断综述

介绍了钻井过程监测方法、信号处理方法和故障诊断模式的发展情况。提出了一种独立分量分析(ICA)与专家系统相结合的实时故障诊断方法。通过ICA方法分析出独立分量,达到消除噪声和相互之间影响的目的,再通过专家系统分析采集的信号,判断出故障。     

基于粒子群算法的自动送钻控制器仿真优化

针对液压盘式刹车自动送钻系统控制过程中影响因素的多样性,控制参数存在时滞、时变、非线性等特点,根据液压盘式刹车自动送钻系统的工作原理,建立数学物理方程并确定目标函数,设计了粒子群算法优化模糊控制器,对 PID 参数进行了整定。为了研究电液伺服阀与液压缸对自动送钻系统液压环节的控制效果,设计了液压调节闭环控制系统,并利用 MATLAB/Simulink仿真软件进行了动态仿真优化。首先使用临界比例度法对PID参数进行了整定,在此基础上,使用模糊控制工具搭建模糊规则对传递函数进行仿真,最后在MATLAB界面,对传递函数进行基于粒子群算法迭代寻优,优化控制系统所需参数。优化结果表明,粒子群优化模糊自适应 PID 控制器与传统的 PID 控制器和模糊自适应 PID 控制器相比,系统的自适应能力显著增强,超调量明显降低,调整时间更短,可以满足自动送钻系统的设计要求,特别适合应用在一种新型的基于井底钻压的自动送钻系统中。     

基于主成分分析的NCPSO-BP机械钻速预测

目前常用的机械钻速预测理论模型仅通过相关性、贡献度来筛选模型输入参数，没有积极挖掘随钻采集的复杂属性间关系，导致信息缺乏完整性。为了最大化保留复杂属性间线性关系，提出了一种基于主成分分析的钻速预测模型，并引入混沌变异的小生境粒子群算法(NCPSO)优化BP神经网络，提高模型的收敛速度与精度。首先，采用主成分分析法根据不同的方差贡献度对高维钻井数据进行降维、降噪；其次，建立智能优化算法-神经网络钻速预测模型，利用混沌变异的小生境粒子群算法的训练结果为BP神经网络权值、阈值赋予初值，以此建立机械钻速预测模型；最后，在不同输入维度进行对比分析NCPSO-BP模型与PSO-BP，GA-BP和标准BP的机械钻速预测结果。研究结果表明，在8维、10维输入的情况下，NCPSO-BP机械钻速模型的预测精度平均提高了59%，训练速度平均提高了26.3%，为日益复杂的钻井环境下机械钻速精确预测提供了理论基础。     

基于PSO算法的乙烯分离过程脱甲烷系统多目标优化

采用流程模拟软件Aspen Plus,根据乙烯装置脱甲烷系统实际工业数据,模拟不同操作参数下脱甲烷系统的运行状况,并进行灵敏度分析;在此基础上,结合响应面分析法建立脱甲烷系统的多目标优化模型,并采用自适应变异粒子群算法进行优化求解。结果表明,采用此算法优化后的操作参数可有效降低脱甲烷塔的能耗,并保证乙烯的收率,为脱甲烷系统优化设计和操作提供了一种有效的方法,同时也为其他分离过程的优化提供了理论依据。     

基于改进粒子群算法的蒸汽驱注采方案优化

针对蒸汽驱注采方案优化问题,以累积油汽比为优化目标,建立了以注汽速率、蒸汽干度和注汽压力等为约束条件的蒸汽驱注采方案优化数学模型,采用改进粒子群算法对该模型进行了求解,并优化了蒸汽驱的主要注采参数。改进粒子群算法以进化停滞步数为依据,对个体历史最优值和邻域内粒子的最优值实施随机扰动,并且只接受使个体适应度增加的随机扰动操作,使记忆中的最优粒子跳出局部最优解,保证了种群的多样性,提高了算法的精度和稳定性。实例计算证明,该优化模型计算结果准确,优化算法有效。通过该优化方法可快捷准确地进行蒸汽驱动态优化和方案调整,以便于指导蒸汽驱高效运行。