CN109543289B - 一种基于故障分析模型的电潜螺杆泵智能优化方法 - Google Patents

Abstract

本发明涉及一种基于故障分析模型的电潜螺杆泵智能优化方法，所述的优化方法为：首先建立故障分析模型，对电潜螺杆泵存在的故障及其对应的原因进行研究，并针对研究结果提出参数改进措施；然后用改进后的参数设置结果训练神经网络；最后将训练好的神经网络用于指导非常规开采条件下的电潜泵优化设，通过参数优化以避免故障的发生而提高电潜泵使用寿命。本发明通过神经网络智能优化，提高了电潜泵设计的准确性，使得理论支撑得到的设计结果能较好地适应地层要求，并可针对生产环境对电潜泵泵体可能会造成的损害进行损害机理研究，避免了在生产过程中由于地层及流体对泵体的磨损与腐蚀而造成的故障，保证了电潜螺杆泵较长的使用寿命。

Description

一种基于故障分析模型的电潜螺杆泵智能优化方法

技术领域

本发明涉及油井开采机械设计技术领域，尤其是一种基于故障分析模型的电潜螺杆泵智能优化方法。

背景技术

海上油田大多数井型为大位移井，且井下流体为稠油居多，并伴随出砂情况，一般的陆地采油系统或海上油田螺杆泵系统都无法满足深海油田的施工要求，为此提出了适用于开采稠油出砂大位移井的电潜泵采油系统。电潜泵由于其结构简单，并结合了潜油电机与螺杆泵各自的优点，可在开采过程中有效避免砂卡、抽油杆断脱以及泵卡等日常难题。

但由于开采井深较大，井下高温高压环境复杂、设计参数配比不合理等原因，电潜泵采油系统在使用过程中仍存在电机失效、转子腐蚀磨损、定子热胀损坏、泵抱死等一系列工程问题，直接导致电潜泵的使用寿命大大受限。考虑到电潜泵使用寿命是一个由井下环境、设计参数配比方式等多因素影响下的非线性结果，而非线性神经网络能够较好地进行信息融合，并具备一定的容错性能，因此可用来训练指导电潜螺杆泵的优化设计，以得到最长使用寿命，获得最大经济利润。

发明内容

本发明要解决的技术问题是：为了克服现有技术中之不足，针对现有电潜螺杆泵设计方法中存在的涉及影响因素较少，适应地层能力较差等局限性提出改进措施，本发明提供一种基于故障分析模型的电潜螺杆泵智能优化方法。

本发明解决其技术问题所采用的技术方案是：一种基于故障分析模型的电潜螺杆泵智能优化方法，所述电潜螺杆泵用于海上油田且具有较大井深的油井开采过程，以及用于稠油出砂油井中的原油举升过程，所述的优化方法过程为：首先建立故障分析模型，对电潜螺杆泵存在的故障及其对应的原因进行研究，并针对研究结果提出参数改进措施；然后用改进后的参数设置结果训练神经网络；最后将训练好的神经网络用于指导非常规开采条件下的电潜泵优化设，通过参数优化以避免故障的发生而提高电潜泵使用寿命。

具体说，所述的故障分析模型的建立分为以下三个步骤：首先确定温度压力场的变化规律，然后统计电潜螺杆泵主要故障，接下来针对关键部件展开损坏失效研究，最后建立关键部件损坏与电潜螺杆泵故障的对应关系。

进一步地，所述的确定温度压力场的变化规律是通过提出假设条件，建立数学模型的方法分析电潜螺杆泵举升液体过程中的温度压力场的变化情况，并进行数值求解得到温度压力场沿井筒的分布规律。

所述的统计电潜螺杆泵故障过程为：将电潜螺杆泵故障分为非杆泵类和杆泵类两大类，其中非杆泵类故障包括潜油电机故障、井下电缆故障以及传动装置故障，此类故障通过检修设备可以解决；杆泵类故障主要包括转子的受力变形、转子的冲刷磨损、定子的溶胀变形以及定子的腐蚀损坏，此类故障可通过调整设计参数与地层及流体的实际情况相匹配，以达到适应油层、降低损耗的目的。

所述的针对关键部件展开损坏失效研究，考虑到可通过调整设计参数来改进避免的杆泵类故障集中发生在转子与定子两部分，所以在故障分析模型中针对这两个关键部件进行损坏分析，对于转子来说，其损害分为两方面：一方面转子所受作用力使其在不同扭矩工况下发生形变行为，另一方面含砂砾稠油介质会对转子材料造成腐蚀与磨损；而定子的变形损坏主要是由于长期在原油环境中工作，使定子橡胶出现溶胀现象，导致转子与定子环空间隙减小，发生泵抱死故障，同时原油中包含的芳香烃物质与橡胶发生反应也会造成定子失效。

所述的建立关键部件损坏与电潜螺杆泵故障的对应关系，是根据对关键部件损坏造成的故障进行分析，如转子与定子变形造成的环空间隙减小会导致泵的产量过低、定子与转子环空间隙过大会造成的泵排量不足，并通过改变泵转速、更换排量以及载荷一系列参数调整方法对泵井下机组部分的设计进行优化，优化后的设计结果可减小故障发生的概率或故障发生的严重程度，提高电潜螺杆泵使用寿命。

所述的神经网络为非线性神经网络，包括但不限于BP神经网络、深度信念网络DBN以及循环神经网络RNN，优化设计的目的在于提高电潜螺杆泵的使用寿命，而使用寿命与给定的生产条件和相应的设计参数之间存在复杂的非线性关系，非线性神经网络正是一种具有较强信息融合能力的神经网络，具有自适应性、自学习性和一定的容错性能，因此可用于训练并指导电潜螺杆泵的优化设计。

在现场应用过程中，训练好的神经网络可根据设定的油田地层条件、流体性质以及生产要求，得出损害影响最低的电潜螺杆泵设计参数配比结果，并以此参数设计结果为依据进行电潜螺杆泵生产系统的设计优化，实现提高电潜螺杆泵使用寿命的目的。

本发明的有益效果是：本发明通过神经网络智能优化，提高了电潜泵设计的准确性，使得理论支撑得到的设计结果能较好地适应地层要求，并可针对生产环境对电潜泵泵体可能会造成的损害进行损害机理研究，避免了在生产过程中由于地层及流体对泵体的磨损与腐蚀而造成的故障，保证了电潜螺杆泵较长的使用寿命。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明实施例提供的故障分析模型建立流程图。

图2是本发明涉及的电潜螺杆泵采油系统结构示意图。

图中 1、井口装置 2、出油口 3、地面电缆 4、接线盒 5、控制柜6、变压器 7、井筒8、油管 9、泄油阀 10、单流阀 11、井下电缆12、扶正器 13、排出口 14、螺杆泵定子 15、螺杆泵转子 16、吸入口17、联轴节 18、减速器 19、保护器 20、潜油电机 21、油层。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

一种基于故障分析模型的电潜螺杆泵智能优化方法，以电潜螺杆泵在采油系统中的使用寿命作为优化标准，该优化方法主要包括以下步骤：首先建立故障分析模型，对电潜螺杆泵存在的故障及其对应的原因进行研究，并针对研究结果提出参数改进措施；然后用改进后的参数设置结果训练神经网络，训练好的神经网络可用于指导非常规开采条件下的电潜泵优化设计，通过参数优化可以避免故障的发生，以达到寿命最长的优化要求。

电潜螺杆泵结合了潜油电动机与螺杆泵，具有结构简单、泵效高等优点。电潜螺杆泵多用于海上油田且具有较大井深的油井开采过程，以及用于稠油出砂油井中的原油举升过程，因此其使用条件多为高温高压油井，举升流体多为高粘含固相油流。

针对电潜螺杆泵的优化设计中最关键的部分在于研究泵体的故障损坏机理，为此建立了故障分析模型。故障分析模型的建立过程如图1所示，包括以下四个步骤：第一步确定温度压力场的变化规律，第二步统计电潜螺杆泵主要故障，第三步针对关键部件展开损坏失效研究，第四步建立关键部件损坏与电潜螺杆泵故障的对应关系。

其中，在第一步确定温度压力场的变化规律时，通过提出假设条件，建立数学模型的方法分析电潜螺杆泵举升液体过程中的温度压力场的变化情况，并进行数值求解，最终得到温度压力场沿井筒7的分布规律。

在进行第二步统计电潜螺杆泵主要故障时，可将电潜螺杆泵故障分为非杆泵类和杆泵类两大类，其中非杆泵类故障包括潜油电机20故障、井下电缆11故障以及传动装置部分即联轴节17、减速器18以及保护器19的故障，此类故障通过检修设备可以解决。杆泵类故障主要包括螺杆泵转子15的受力变形、螺杆泵转子15的冲刷磨损、螺杆泵定子14的溶胀变形以及螺杆泵定子14的腐蚀损坏等，此类故障可通过调整设计参数与地层及油层21的实际情况相匹配，以达到适应地层、降低损耗的目的。

对于第三步需针对关键部件展开损坏失效研究时，考虑到可通过调整设计参数来改进避免的杆泵类故障集中发生在螺杆泵转子15与螺杆泵定子14两部分，所以针对这两个关键部件进行损坏分析。首先对于螺杆泵转子15来说，其损害分为两方面：一方面螺杆泵转子15所受作用力使其在不同扭矩工况下发生形变行为，另一方面含砂砾稠油介质会对螺杆泵转子15材料造成腐蚀与磨损；其次螺杆泵定子14的变形损坏主要是由于长期在原油环境中工作，使螺杆泵定子14橡胶出现溶胀现象，导致螺杆泵转子15与螺杆泵定子14之间的环空间隙减小，发生泵抱死等故障。另外，原油中包含的芳香烃等物质与橡胶发生反应也会造成螺杆泵定子14失效。

最后进行建立关键部件损坏与电潜螺杆泵故障的对应关系时，需根据对关键部件损坏造成的主要故障进行分析。如螺杆泵转子15和螺杆泵定子14变形造成的环空间隙减小会导致泵的产量过低、螺杆泵转子15与螺杆泵定子14之间环空间隙过大会造成的泵排量不足等。并通过改变泵转速、更换排量以及载荷等一系列参数调整方法对泵井下机组部分(由图1中的编号8～编号20的零部件所构成)的设计进行优化，优化后的设计结果可减小故障发生的概率或故障发生的严重程度，提高电潜螺杆泵使用寿命。

建立了故障分析模型后可根据分析结论提出参数优化措施，并用优化后的参数设计结果组成训练集训练神经网络，这里所涉及到的神经网络包括但不仅限于BP神经网络、DBN深度信念网络、RNN循环神经网络等一系列非线性神经网络。

选用非线性神经网络的原因是：优化设计的目标在于提高电潜螺杆泵的使用寿命，而使用寿命与给定的生产条件和相应的设计参数之间存在复杂的非线性关系，非线性神经网络正是一种具有较强信息融合能力的神经网络，具有自适应性、自学习性和一定的容错性能，因此可用于训练并指导电潜螺杆泵的优化设计。

图2是本发明涉及的电潜螺杆泵采油系统结构示意图，在现场应用过程中，训练好的神经网络可以根据给定的油层21条件、流体性质以及生产要求等给出损害影响最低的电潜螺杆泵设计参数配比结果，以此参数设计结果为依据进行电潜螺杆泵生产系统的设计优化，以实现提高使用寿命的目标。

采用本发明的优化方法后可以解决如下问题：1、在传统的电潜螺杆泵设计方法中，没有针对生产环境对泵体可能会造成的损害进行损害机理研究，因此无法避免在生产过程中由于地层及流体对泵体的磨损与腐蚀而造成的故障，也就无法保证电潜螺杆泵较长的使用寿命。2、现有的设计经验公式较单一，同时在计算参数选取过程中不可避免的会存在由于人为选择因素而产生的误差，而且数值计算设计方法不具有容错能力，这都会导致设计结果偏离实际情况要求，使得电潜螺杆泵的实际使用寿命较短。3、现存的设计方法大多依托于理论推导，而理论中涉及的情况往往与实际情况不尽相同，当由理论支撑得到的设计结果不能够较好地适应地层要求时，就需要考虑通过神经网络智能优化，提高设计的准确性。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (3)

1.一种基于故障分析模型的电潜螺杆泵智能优化方法，所述电潜螺杆泵用于海上油田的油井开采过程，以及用于稠油出砂油井中的原油举升过程，其特征是：所述的优化方法为：

首先建立故障分析模型，对电潜螺杆泵存在的故障及其对应的原因进行研究，并针对研究结果提出参数改进措施；

故障分析模型的建立分为以下四个步骤：

首先确定温度压力场的变化规律，确定温度压力场的变化规律是通过提出假设条件，建立数学模型的方法分析电潜螺杆泵举升液体过程中的温度压力场的变化情况，并进行数值求解得到温度压力场沿井筒的分布规律；

然后统计电潜螺杆泵故障，统计电潜螺杆泵故障过程为：将电潜螺杆泵故障分为非杆泵类和杆泵类两大类，其中非杆泵类故障包括潜油电机故障、井下电缆故障以及传动装置故障，此类故障通过检修设备可以解决；杆泵类故障包括转子的受力变形、转子的冲刷磨损、定子的溶胀变形以及定子的腐蚀损坏，此类故障可通过调整设计参数与地层及流体的实际情况相匹配，以达到适应油层、降低损耗的目的；

接下来针对关键部件展开损坏失效研究，针对关键部件展开损坏失效研究，考虑到可通过调整设计参数来改进避免的杆泵类故障集中发生在转子与定子两部分，所以在故障分析模型中针对这两个关键部件进行损坏分析，对于转子来说，其损害分为两方面：一方面转子所受作用力使其在不同扭矩工况下发生形变行为，另一方面含砂砾稠油介质会对转子材料造成腐蚀与磨损；而定子的变形损坏是由于长期在原油环境中工作，使定子橡胶出现溶胀现象，导致转子与定子环空间隙减小，发生泵抱死故障，同时原油中包含的芳香烃物质与橡胶发生反应也会造成定子失效；

最后建立关键部件损坏与电潜螺杆泵故障的对应关系；建立关键部件损坏与电潜螺杆泵故障的对应关系，是根据对关键部件损坏造成的故障进行分析，转子与定子变形造成的环空间隙减小会导致泵的产量过低、定子与转子环空间隙过大会造成的泵排量不足，并通过改变泵转速、更换排量以及载荷一系列参数调整方法对泵井下机组部分的设计进行优化，优化后的设计结果可减小故障发生的概率或故障发生的严重程度，提高电潜螺杆泵使用寿命；

然后用改进后的参数设置结果训练神经网络；

最后将训练好的神经网络用于指导非常规开采条件下的电潜泵优化设计，通过参数优化以避免故障的发生而提高电潜泵使用寿命。

2.如权利要求1所述的基于故障分析模型的电潜螺杆泵智能优化方法，其特征是：所述的神经网络为非线性神经网络，包括但不限于BP神经网络、深度信念网络DBN以及循环神经网络RNN。

3.如权利要求2所述的基于故障分析模型的电潜螺杆泵智能优化方法，其特征是：在现场应用过程中，训练好的神经网络可根据设定的油田地层条件、流体性质以及生产要求，得出损害影响最低的电潜螺杆泵设计参数配比结果，并以此参数设计结果为依据进行电潜螺杆泵生产系统的设计优化，实现提高电潜螺杆泵使用寿命的目的。

Images