[发明专利]一种抽油机示功图智能识别方法

说明书

本发明公开了一种抽油机示功图智能识别方法，通过对抽油机载荷和悬点位移信号的采集，以光杆位移信号为横坐标，载荷信号为纵坐标，绘制在一个抽汲周期内随时间变化构成的封闭曲线，得到抽油机示功图样本。对于采集到的抽油机示功图样本，如果样本的类别数是已知的，采用有监督模式识别的识别方式。如果预先不知道样本类别，采用无监督模式识别的识别方式。由ART2神经网络对抽油机示功图的样本进行识别，并根据识别结果对抽油机进行故障诊断和井下工况判断，并显示判断结果。本发明的一种抽油机示功图智能识别方法，具有可对抽油机进行故障诊断和井下工况判断，实现了示功图的稳定、高效、准确识别等优点。

技术领域

本发明涉及石油开采技术领域，具体涉及一种抽油机示功图智能识别方法。

背景技术

随着科技的不断进步，油田越来越需要自动化程度高、实时性强的自动量油技术。传统的量油技术(如计量站量油、翻斗量油、玻璃管量油)存在工艺流程复杂、装置多、投资成本高、劳动强度大、效率低等问题，已经很难适应简化地面流程，产量连续计算的生产管理需要。

抽油机的示功图中蕴含了丰富的工况信息，通过分析示功图即可以判断抽油机工作状况和井下工况。对示功图进行分析，能够帮助人们找出影响深井泵发生故障的主要原因，并对抽油井的工作制度是否合理，机、杆、泵抽油参数组合是否与井下供液状况相适应做出评价，同时也可间接反映出油井是否出砂、出气、结蜡等，以及井内不同介质对抽油泵即地面设备是否产生负面影响，最终依据示功图诊断分析结果，有针对性地解除油井故障，对保证油井正常生产或提高油井产量有很重要的意义。

在工程实际中，抽油机示功图异常复杂，典型工况有18种之多，如供液不足、活塞脱出工作筒、气体影响、气锁、抽油杆断脱、油管漏失、油井出砂、泵下碰、泵上碰、连抽带喷、油稠、固定凡尔漏失、游动凡尔漏失、双凡尔同时漏失、液击、结蜡、活塞遇卡和冲程损失等。

然而，目前对示功图的特征提取主要依赖于几何分析法，故障诊断主要依赖于BP神经网络、贝叶斯网络、遗传算法、模糊算法等，这些方法的共同缺点是不能在线边训练边识别，即训练样本和检测样本不能相同，要分开选取，这给要求能在无监督学习模式下复杂示功图的分类识别和工况识别带来了困难。

发明内容

本发明的目的是提供一种抽油机示功图智能识别方法，以解决现有技术中的上述不足之处。

为了实现上述目的，本发明提供如下技术方案：一种抽油机示功图智能识别方法，包括以下步骤：

步骤S10：绘制抽油机的示功图，得到示功图的样本；

步骤S20：对步骤S10获得的抽油机示功图的样本进行数据预处理；

步骤S30：对步骤S20的经过数据预处理的示功图样本进行特征提取；

步骤S40：判断示功图样本的类别，如果是已知的，执行步骤S50，如果是未知的，执行步骤S60；

步骤S50：用一组已知类别的集合作为训练集对ART2神经网络进行训练，建立判别模型，再用建立的模型根据相似性原则来对未知样本进行识别；

步骤S60：对于未知样本，则依靠样本自然特性进行直接识别，识别时，将抽油机示功图的样本输入预先设定的ART2神经网络；

步骤S70：由ART2神经网络对抽油机示功图的样本进行识别，并根据识别结果对抽油机进行故障诊断和井下工况判断，并显示判断结果。

优选的，所述步骤S10中，绘制抽油机的示功图的过程为：

步骤101：从抽油机的驴头下死点A开始，抽油机的光杆上行，抽油机的游动阀和固定阀均关闭，光杆开始承受抽油机的活塞上部液柱的质量，AB区间是增载的过程，至B点时，增载完毕；