[发明专利]一种有杆泵抽油井故障分离方法

说明书

本发明涉及一种有杆泵抽油井故障分离方法，获取采集到的少量标注故障和大量未标注的有杆泵抽油井地面示功图，并转化为井下泵示功图，采用小波矩特征提取方法提取归一化处理之后的泵示功图的特征向量，利用半监督核极限学习机算法对泵示功图的特征向量进行训练学习，从而完成有杆泵抽油井的故障分离，本发明采用低频段小波矩提取的泵示功图特征向量能够形象的描述泵示功图的边缘特征，采用加入流形正则化项的半监督核极限学习机算法对有杆泵抽油井进行故障诊断，充分利用了实际有杆泵抽油井采集到的大量未标记数据进行训练，提高了诊断的精度。

技术领域

本发明属于抽油井故障诊断领域，特别涉及一种有杆泵抽油井故障分离方法。

背景技术

在实际有杆泵抽油机采油过程中，泵示功图包含了抽油井工况的大量信息。因此，分析泵示功图已成为确定油井工况的最可靠手段之一，传统采油过程中一般的故障诊断方法是依靠专家和现场技术工作人员对泵示功图进行分析，这种方式诊断周期过长，对复杂功图的诊断往往无法满足生产的需求。

在现代科学技术发展的基础上，很多基于泵示功图的计算机分析方法越来越受到该领域专家学者的重视，通过计算机提取泵示功图特征参数，鉴于不变矩的平移、旋转及尺度不变性，让其成为使用比较普遍的特征提取方法，但是对泵示功图分区分块以及全局的提取特征向量的不变矩有着计算量复杂，受噪声干扰影响大等缺点，所以在细微差别上分辨率低，而小波矩就可以克服以上缺点，采用小波矩提取泵示功图特征量，不仅能得到示功图的全局特征，还可以得到局部特征，有着更高的分辨率。

实际有杆泵抽油井生产过程中会采集到大量未被标记的(专家和技术人员未识别标记的)泵示功图，能否充分地实时地利用这些泵示功图的数据，是该领域的技术重点和难点。

发明内容

针对现有技术的不足，本发明提出了一种有杆泵抽油井故障分离方法。

本发明的技术方案是：

一种有杆泵抽油井故障分离方法，包括以下步骤：

步骤1：采集l个已知故障类型的有杆泵抽油井地面示功图和u个未知故障类型的有杆泵抽油井地面示功图；

步骤2：将l+u个有杆泵抽油井地面示功图转化为井下泵示功图；

步骤3：采用小波矩的特征提取方法对有杆泵抽油井井下的泵示功图进行特征提取；

步骤3.1：对l+u个有杆泵抽油井井下泵示功图进行归一化处理。

步骤3.2：对归一化后的悬点载荷位移进行极坐标变换。

步骤3.3：通过对θ积分来计算径向函数S_q(r)，所述计算式为：

S_q(r)＝∫f(r，θ)e^jqθdθ

步骤3.4：计算泵示功图的小波矩W_m,n,q，所述计算式为：

W_m,n,q＝||∫S_q(r)ψ_m,n(r)rdr||

步骤4：采用基于流形正则化的半监督核极限学习机算法对提取的标记和未标记泵示功图特征向量进行分类，完成有杆泵抽油井的故障分离；

步骤4.1：对于少部分已知故障类型和正常工况的泵示功图特征向量，通过专家和现场工人的经验进行标记，使其具有类标签，这类特征数据表示为：

而大部分直接采集到的未经过标记的泵示功图的特征向量表示为：