CN112766772B - 油气水井实时监测方法、装置、计算机设备和存储介质 - Google Patents
油气水井实时监测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112766772B CN112766772B CN202110105292.5A CN202110105292A CN112766772B CN 112766772 B CN112766772 B CN 112766772B CN 202110105292 A CN202110105292 A CN 202110105292A CN 112766772 B CN112766772 B CN 112766772B
- Authority
- CN
- China
- Prior art keywords
- oil
- gas
- value
- monitoring
- water well
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 247
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000013500 data storage Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims description 82
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012806 monitoring device Methods 0.000 claims description 7
- 239000007789 gas Substances 0.000 description 40
- 238000012423 maintenance Methods 0.000 description 25
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000013178 mathematical model Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Emergency Alarm Devices (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请提供一种油气水井实时监测方法、装置、计算机设备和存储介质。上述的油气水井实时监测方法包括获取油气水井的监测数据;根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值对应的监测数据存储于数据存储模块内;将所述状态识别值与预设识别值进行比较,得到运行状态差分量;根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态。在对油气水井的监测数据进行预处理后形成状态识别值,状态识别值经过与预设识别值比较后得到的运行状态差分量,作为判断获取油气水井的故障状态的依据,便于向监控系统发送对应的监控信号,从而便于对油气水井的实时运行状态进行监测。
Description
技术领域
本发明涉及油气水井监控技术领域,特别是涉及一种油气水井实时监测方法、装置、计算机设备和存储介质。
背景技术
随着人工智能技术的发展,海上油气水井智能化的管理变得越来越重要,尤其需要对海上油气水井的故障进行实时监测。
然而,传统的海上油气水井的故障检测主要是根据人工现场判定的,而且监测耗时长,导致海上油气水井的管理成本上升,甚至导致海上油气水井的故障检测效率下降,不利于对海上油气水井的管理以及故障诊断。
发明内容
本发明的目的是克服现有技术中的不足之处,提供一种便于对油气水井的运行状态的实时监测的油气水井实时监测方法、装置、计算机设备和存储介质。
本发明的目的是通过以下技术方案来实现的:
一种油气水井实时监测方法,所述方法包括:
获取油气水井的监测数据;
根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值对应的监测数据存储于数据存储模块内;
将所述状态识别值与预设识别值进行比较,得到运行状态差分量;
根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态。
在其中一个实施例中,所述根据所述运行状态差分量调整向监控系统发送的监控信号,包括:检测所述运行状态差分量是否大于0;当所述运行状态差分量大于0时,向所述监控系统发送故障报警信号。
在其中一个实施例中,所述向所述监控系统发送故障报警信号,之后还包括:将第一预设时长内的状态识别值对应的监测数据发送至所述监控系统。
在其中一个实施例中,所述检测所述运行状态差分量是否大于0,之后还包括:当所述运行状态差分量小于或等于0时,向所述监控系统发送运行正常信号。
在其中一个实施例中,所述将所述状态识别值与预设识别值进行比较,得到运行状态差分量,之前还包括:获取训练模型的更新时间间隔值;检测所述更新时间间隔值是否大于或等于预设时间间隔值;当所述更新时间间隔值大于或等于所述预设时间间隔值时,对第二预设时长内的状态识别值进行模型训练操作,以得到预设识别值。
在其中一个实施例中,所述对第二预设时长内的状态识别值进行模型训练操作,以得到预设识别值,包括:对所述第二预设时长内的状态识别值分别进行多个训练评估操作,得到多个训练评估值;将多个所述训练评估值中的最大值对应的预设训练识别值更新为预设识别值。
在其中一个实施例中,所述检测所述更新时间间隔值是否大于或等于预设时间间隔值,之后还包括:当所述更新时间间隔值小于所述预设时间间隔值时,对所述预设识别值进行无更新操作。
一种油气水井实时监测装置,所述装置包括:
采集模块,用于获取油气水井的监测数据;
预处理模块,用于根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值存储于数据存储模块内;
判断识别模块,用于将所述状态识别值与预设识别值进行比较,得到运行状态差分量;根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取油气水井的监测数据;
根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值对应的监测数据存储于数据存储模块内;
将所述状态识别值与预设识别值进行比较,得到运行状态差分量;
根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取油气水井的监测数据;
根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值对应的监测数据存储于数据存储模块内;
将所述状态识别值与预设识别值进行比较,得到运行状态差分量;
根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态。
与现有技术相比,本发明至少具有以下优点:
在对油气水井的监测数据进行预处理后形成状态识别值,状态识别值经过与预设识别值比较后得到的运行状态差分量,作为判断获取油气水井的故障状态的依据,便于向监控系统发送对应的监控信号,从而便于对油气水井的实时运行状态进行监测。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为一实施例中油气水井实时监测方法的流程图;
图2为一实施例中计算机设备的内部结构图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施方式。相反地,提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明涉及一种油气水井实时监测方法。在其中一个实施例中,所述油气水井实时监测方法包括获取油气水井的监测数据;根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值对应的监测数据存储于数据存储模块内;将所述状态识别值与预设识别值进行比较,得到运行状态差分量;根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态。在对油气水井的监测数据进行预处理后形成状态识别值,状态识别值经过与预设识别值比较后得到的运行状态差分量,作为判断获取油气水井的故障状态的依据,便于向监控系统发送对应的监控信号,从而便于对油气水井的实时运行状态进行监测。
请参阅图1,其为本发明一实施例的油气水井实时监测方法的流程图。所述油气水井实时监测方法包括以下步骤的部分或全部。
S100:获取油气水井的监测数据。
在本实施例中,所述监测数据为对所述油气水井的当前状态进行采集,所述监测数据包括生产时间、日产油量、日产水量、日产气体、气油比、油气比、水气比、含水率、井口温度、油压、套压、井底流压、泵电流、泵电压以及泵频率。所述监测数据用于体现所述油气水井在工作时对应的各种状态,便于将所述油气水井的物理量转换为数字量,从而便于对所述油气水井的状态进行获取。上述监测数据分别通过对应的传感器获取,例如,所述生产时间通过内部晶振计时器获取;又如,所述油压通过压力传感器获取。
S200:根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值对应的监测数据存储于数据存储模块内。
在本实施例中,所述状态识别值是经过预处理形成,即对所述监测数据进行预处理操作,从而得到对应的状态识别值。而且,所述状态识别值与所述监测数据相对应,即同一个油气水井的不同时间的状态数据与所述状态识别值对应,其中,所述状态识别值与油气水井的位置相对应,即所述状态识别值中不仅包含有油气水井的各项运行状态的实时数据,还包括有油气水井的地理位置数据,使得每一个所述状态识别值对应于一个油气水井的各种监测数据,便于对每一个油气水井的监测数据进行处理,从而归类为对应的油气水井的状态识别值。此外,所述监测数据在经过预处理后,转换的状态识别值中包括油气水井的状态数据,同时对应有不同时刻的数据,以及油气水井的地理坐标。
S300:将所述状态识别值与预设识别值进行比较,得到运行状态差分量。
在本实施例中,所述预设识别值为系统内置的状态识别值,将所述状态识别值与所述预设识别值进行比较,即为将油气水井的监测数据与标准的监测数据进行比较,所述预设识别值作为标准的监测数据经过预处理后转换的标准识别值,所述预设识别值作为各所述状态识别值的比较参考值,便于获取两者之间的差异,即所述运行状态差分量。
S400:根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态。
在本实施例中,所述运行状态差分量用于体现所述状态识别值与所述预设识别值之间的差异,即所述运行状态差分量用于体现油气水井的当前运行状态是否正常,便于确定油气水井的当前运行状态是否存在故障。在确定了所述运行状态差分量之后,通过向所述监控系统发送监控信号,便于监控系统获取油气水井的当前运行状态,从而便于对油气水井进行实时监控。
在上述各实施例中,在对油气水井的监测数据进行预处理后形成状态识别值,状态识别值经过与预设识别值比较后得到的运行状态差分量,作为判断获取油气水井的故障状态的依据,便于向监控系统发送对应的监控信号,从而便于对油气水井的实时运行状态进行监测。
在其中一个实施例中,所述根据所述运行状态差分量调整向监控系统发送的监控信号,包括:检测所述运行状态差分量是否大于0;当所述运行状态差分量大于0时,向所述监控系统发送故障报警信号。在本实施例中,所述运行状态差分量为所述状态识别值与所述预设识别值之间的差值,即所述运行状态差分量为所述状态识别值与所述预设识别值之间的差异量。所述状态识别值与所述预设识别值在进行求差时,所述状态识别值中的油气水井的地理位置与所述预设识别值中的油气水井的地理位置相同,使得所述状态识别值与所述预设识别值之间的比较是基于同一个油气水井进行的,确保所述状态识别值与所述预设识别值之间的比较的维度一致,从而确保了得出的结果保持相同的数据维度,即所述运行状态差分量的数据维度与所述状态识别值的数据维度一致。而所述运行状态差分量大于0,表明了油气水井的当前运行状态数据超出了正常范围,即油气水井的当前监测数据大于正常的监测数据,确定了油气水井的当前运行状态为故障状态,此时向所述监控系统发送故障报警信号,以便于监控系统及时发现油气水井的故障问题,从而便于快速对故障的油气水井进行维修。
进一步地,所述向所述监控系统发送故障报警信号,之后还包括:将第一预设时长内的状态识别值对应的监测数据发送至所述监控系统。在本实施例中,在确定了油气水井当前处于故障状态后,将故障发生之前的一段时间内的监测数据发送至所述监控系统,便于监控系统获取油气水井发生故障前的各项运行状态数据,从而便于快速找寻出油气水井发生故障的原因,进而便于快速制定维修方法,缩短了维修时间。其中,所述第一预设时长为所述油气水井发生故障前的一段时间,根据实际情况可以具体设定,即所述第一预设时长为系统内置的时长,在本实施例中,所述第一预设时长为90天,使得在油气水井发生故障后,所述监控系统直接获取油气水井发生故障前90天的各项运行状态数据,便于了解油气水井发生故障前90天的各种运行状态情况,以此作为参考。这样,在大量的监控数据的支持下,便于快速发现油气水井发生故障的原因,从而便于快速进行维修。而且,油气水井的历史监测数据均存储于数据存储模块内,便于随时调取。
又进一步地,所述检测所述运行状态差分量是否大于0,之后还包括:当所述运行状态差分量小于或等于0时,向所述监控系统发送运行正常信号。在本实施例中,所述运行状态差分量小于或等于0,表明了油气水井的当前监测数据为正常监测数据,即表明了油气水井的当前运行状态为正常状态,无需向所述监控系统发出报警信号。而为了便于所述监控系统实时对油气水井进行监测,向所述监控系统发送运行正常信号,所述运行正常信号中包含有油气水井的地理位置数据,便于所述监控系统对各油气水井的实时运行状态进行监测。
在其中一个实施例中,所述将所述状态识别值与预设识别值进行比较,得到运行状态差分量,之前还包括:获取训练模型的更新时间间隔值;检测所述更新时间间隔值是否大于或等于预设时间间隔值;当所述更新时间间隔值大于或等于所述预设时间间隔值时,对第二预设时长内的状态识别值进行模型训练操作,以得到预设识别值。在本实施例中,所述更新时间间隔值为相邻两次训练模型更换的时间差,通过设定所述更新时间间隔值,便于在指定的时间后对训练模型进行更换,所述训练模型用于对所述状态识别值进行训练,以便于获取所述状态识别值进行标准比较的预设识别值,其中,不同的训练模型对应有不同的所述预设识别值,根据所述状态识别值经过不同的训练模型后输出的预测结果,选取符合要求的训练模型的预设识别值作为新的预设识别值。所述更新时间间隔值大于或等于所述预设时间间隔值,表明了距离上一次识别模型更换的时间间隔已达到预设时间间隔值,例如,所述预设时间间隔值为1个月,此时需要对当前预设识别值对应的识别模型进行调整,以到达优化识别模型的效果,从而提高对所述状态识别值的判断准确性。
之后,再对第二预设时长内的状态识别值进行模型训练操作,在本实施例中,所述第二预设时长为当前监测数据之前半年的时长,这部分的监测数据均存储于数据存储模块内,只需从数据存储模块中提取,并将这些监测数据对应的状态识别值输入至不同的训练模型中,在不同的预设识别值的比较下,不同的训练模型输出不同的运行状态差分量,根据对输出结果以及油气水井的历史状态的分析,从而确定其中符合要求的训练模型,进而将该训练模型对应预设识别值更新为识别模型预设识别值,实现对识别模型的优化,进一步提高了对油气水井的实时监测准确率。
进一步地,所述对第二预设时长内的状态识别值进行模型训练操作,以得到预设识别值,包括:对所述第二预设时长内的状态识别值分别进行多个训练评估操作,得到多个训练评估值;将多个所述训练评估值中的最大值对应的预设训练识别值更新为预设识别值。在本实施例中,第二预设时长内的状态识别值分别输入不同的训练模型中进行检测,所述训练模型的输出端还输出训练评估值,所述训练评估值是根据所述第二预设时长内的油气水井的状态获取的,即所述训练评估值是对油气水井的历史运行状态的准确性的评估,也即所述训练评估值用于体现训练模型的输出结果与油气水井的历史运行状态之间的准确程度,便于确定训练模型输出的运行状态差分量是否符合油气水井之前的各个时刻的运行状态。这样,在多个所述训练模型的训练评估值中,选取最大的训练评估值对应的训练模型作为识别模型,即将训练评估值最大的训练模型的预设识别值更新识别模型之前的预设识别值,使得更新后的识别模型为最优模型,进一步提高了对油气水井的实时监测准确率。
又进一步地,所述检测所述更新时间间隔值是否大于或等于预设时间间隔值,之后还包括:当所述更新时间间隔值小于所述预设时间间隔值时,对所述预设识别值进行无更新操作。在本实施例中,在未达到更新时间间隔值时,此时无需对识别模型进行更新,继续使用之前的预设识别值,所述预设识别值为目前最优的识别参考值。
可以理解的,在油气水井发生故障时,向所述监控系统发送故障报警信号,以及将第一预设时长内的状态识别值对应的监测数据发送至所述监控系统,使得所述监控系统对发生故障的油气水井实现警报,而且,在历史监测数据的支撑下,便于快速确定油气水井发生故障的具体原因,从而便于快速对故障的油气水井进行维修。
然而,在维修人员到达之前,故障的油气水井存在各种故障问题,例如,管柱漏失、过载停泵、欠载停泵、供液不足以及油气泄漏。其中,故障的油气水井可能还在继续运行,仍然在运行的故障的油气水井存在管柱漏失的问题较为严重,将导致油气泄漏,而油气的泄漏直接影响到维修人员的维修策略,需要采取不同维修方法。
因此,在维修人员出发之前,需要对故障的油气水井是否运行进行了解,以便于维修人员携带必备的维修工具进行维修,同时也能保证维修人员快速且准确地维修。为了便于提高对故障的油气水井的维修效率,所述根据所述运行状态差分量调整向监控系统发送的监控信号,之后还包括以下步骤:
获取油气水井的滞后监测值;
检测所述滞后监测值是否小于或等于预设滞后值;
当所述滞后监测值小于或等于所述预设滞后值时,向监控系统发送油气泄漏运行信号。
在本实施例中,所述滞后监测值时基于监测数据获取的,即所述滞后监测值是油气水井的在发生故障之后的监测数据,所述滞后监测值通过对所述监测数据中的至少一个数据转换后获取的,所述滞后监测值用于体现故障油气水井的后续运行状态,便于所述监控系统继续监测故障油气水井在维修完成之前的工作状态,从而便于知晓故障油气水井的实时工作状态。所述预设滞后值为系统内置的参考值,所述预设滞后值作为所述滞后监测值的标准数值进行判断比较,所述滞后监测值小于或等于所述预设滞后值,表明白了当前的故障油气水井的重要工作参数远低于标准数值,即表明了当前的故障油气水井的某一运行状态为危险状态,例如,根据监测数据中的日产油以及井底流压获取所述滞后监测值,所述滞后监测值小于或等于所述预设滞后值后,当前的故障油气水井出现油气泄漏的情况。此时向监控系统发送油气泄漏运行信号,便于将当前的故障油气水井出现的油气泄漏的情况及时报警,从而便于所述监控系统及时更改维修方案,例如,维修任务中增加佩戴防护服以及氧气面罩,以便于快速对故障油气水井进行维修,而且,保证了维修人员的生命安全。
进一步地,在进行维修之前,各种故障的发生情况不同,其中对于维修人员的生命安全威胁程度不同,轻微的安全问题可以通过配备对应的工具进行保护,而有可能引发致命性的威胁情况时,则在维修之前需要确保此类威胁消除,才可以让维修人员进行维修。为了进一步便于对故障油气水井的维修,所述获取油气水井的滞后监测值,之前还包括以下步骤:
对所述监测数据进行分级操作,得到第一滞后监测数据集以及第二滞后监测数据集,其中,所述第一滞后监测数据集的重要级别小于所述第二滞后监测数据集的重要级别;
检测所述第一滞后监测数据集中异常数据的占比值是否小于第一预设占比值;
当所述第一滞后监测数据集中异常数据的占比值小于所述第一预设占比值时,检测所述第二滞后监测数据集中异常数据的占比值是否大于第二预设占比值;
当所述第二滞后监测数据集中异常数据的占比值大于所述第二预设占比值时,向油气水井供电控制系统发送断电信号。
在本实施例中,所述第一滞后监测数据集中包含有多个乙级监测数据,所述第一滞后监测数据集中的各种监测数据用于间接体现油气水井的工作状态,例如,所述第一滞后监测数据集中的数据包括井口温度、油压、套压、泵电流、泵电压以及泵频率,而所述第二滞后监测数据集中包含有多个甲级监测数据,其数据的重要程度要远高于所述第一滞后监测数据集中的监测数据,例如,所述第二滞后监测数据集中的数据包括日产油、日产水量、日产气体、气油比、油气比、水气比、含水率以及井底流压,所述第二滞后监测数据集中的数据直接体现油气水井的油气采集的工作情况。因此,在本实施例中,所述第一预设占比值要大于所述第二预设占比值,毕竟所述第一滞后监测数据集中的监测数据出现异常有受到外部环境以及使用年限的影响,需要适当地放大所述第一预设占比值。而所述第二滞后监测数据集中的监测数据基本是自身工作状态的直接体现,受到外部环境以及使用年限的影响较少,对所述第二预设占比值进行必要的缩小,便于提高对油气水井的泄漏预警等级,确保了在所述第二滞后监测数据集中的监测数据出现少量的情况下,即需停止故障油气水井的工作,以减少故障油气水井继续加重泄漏的危险等级,从而减少对维修人员的生命安全的威胁。而且,停止故障油气水井的工作,同时也减少了故障油气水井泄漏的油气对环境的危害。在本实施例中,当所述油气比不变且所述日产油小于历史日产油平均值时,向油气水井供电控制系统发送断电信号,可以确定此时发生了石油泄漏的情况。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
本申请还提供一种车载数据记录显示装置,其采用上述任一实施例中所述的车载数据记录显示方法实现。在其中一个实施例中,所述车载数据记录显示装置具有用于实现所述车载数据记录显示方法各步骤对应的功能模块。所述车载数据记录显示装置包括采集模块、预处理模块以及判断识别模块,其中:
采集模块,用于获取油气水井的监测数据;
预处理模块,用于根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值存储于数据存储模块内;
判断识别模块,用于将所述状态识别值与预设识别值进行比较,得到运行状态差分量;根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态。
在本实施例中,预处理模块在对采集模块获取的油气水井的监测数据进行预处理后形成状态识别值,判断识别模块将状态识别值与预设识别值比较后得到的运行状态差分量,作为判断获取油气水井的故障状态的依据,便于向监控系统发送对应的监控信号,从而便于对油气水井的实时运行状态进行监测。
在其中一个实施例中,所述判断识别模块具体用于检测所述运行状态差分量是否大于0;当所述运行状态差分量大于0时,向所述监控系统发送故障报警信号。在本实施例中,所述判断识别模块将所述运行状态差分量为所述状态识别值与所述预设识别值之间的差值,即所述运行状态差分量为所述状态识别值与所述预设识别值之间的差异量。所述判断识别模块对所述状态识别值与所述预设识别值在进行求差时,所述状态识别值中的油气水井的地理位置与所述预设识别值中的油气水井的地理位置相同,使得所述状态识别值与所述预设识别值之间的比较是基于同一个油气水井进行的,确保所述状态识别值与所述预设识别值之间的比较的维度一致,从而确保了得出的结果保持相同的数据维度,即所述运行状态差分量的数据维度与所述状态识别值的数据维度一致。而所述判断识别模块检测到所述运行状态差分量大于0,表明了油气水井的当前运行状态数据超出了正常范围,即油气水井的当前监测数据大于正常的监测数据,确定了油气水井的当前运行状态为故障状态,此时向所述监控系统发送故障报警信号,以便于监控系统及时发现油气水井的故障问题,从而便于快速对故障的油气水井进行维修。
进一步地,所述判断识别模块还用于将第一预设时长内的状态识别值对应的监测数据发送至所述监控系统。在本实施例中,所述判断识别模块在确定了油气水井当前处于故障状态后,所述判断识别模块将故障发生之前的一段时间内的监测数据发送至所述监控系统,便于监控系统获取油气水井发生故障前的各项运行状态数据,从而便于快速找寻出油气水井发生故障的原因,进而便于快速制定维修方法,缩短了维修时间。其中,所述第一预设时长为所述油气水井发生故障前的一段时间,根据实际情况可以具体设定,即所述第一预设时长为系统内置的时长。在本实施例中,所述第一预设时长为90天,使得在油气水井发生故障后,所述监控系统直接获取油气水井发生故障前90天的各项运行状态数据,便于了解油气水井发生故障前90天的各种运行状态情况,以此作为参考。这样,在大量的监控数据的支持下,便于快速发现油气水井发生故障的原因,从而便于快速进行维修。而且,油气水井的历史监测数据均存储于数据存储模块内,例如,油气水井的历史监测数据均存储于历史数据模块内,便于随时调取。
又进一步地,所述判断识别模块还用于当所述运行状态差分量小于或等于0时,向所述监控系统发送运行正常信号。在本实施例中,所述判断识别模块检测到所述运行状态差分量小于或等于0,表明了油气水井的当前监测数据为正常监测数据,即表明了油气水井的当前运行状态为正常状态,所述判断识别模块无需向所述监控系统发出报警信号。而为了便于所述监控系统实时对油气水井进行监测,所述判断识别模块向所述监控系统发送运行正常信号,所述运行正常信号中包含有油气水井的地理位置数据,便于所述监控系统对各油气水井的实时运行状态进行监测。
在其中一个实施例中,所述预处理模块还用于获取训练模型的更新时间间隔值;检测所述更新时间间隔值是否大于或等于预设时间间隔值;当所述更新时间间隔值大于或等于所述预设时间间隔值时,对第二预设时长内的状态识别值进行模型训练操作,以得到预设识别值。在本实施例中,所述更新时间间隔值为相邻两次训练模型更换的时间差,所述预处理模块通过设定所述更新时间间隔值,便于在指定的时间后对训练模型进行更换,即对所述判断识别模块内的数学模型进行更换,所述训练模型用于对所述状态识别值进行训练,以便于获取所述状态识别值进行标准比较的预设识别值。其中,不同的训练模型对应有不同的所述预设识别值,根据所述状态识别值经过不同的训练模型后输出的预测结果,选取符合要求的训练模型的预设识别值作为新的预设识别值。所述预处理模块检测到所述更新时间间隔值大于或等于所述预设时间间隔值,表明了距离上一次识别模型更换的时间间隔已达到预设时间间隔值,例如,所述预设时间间隔值为1个月,此时需要对当前预设识别值对应的识别模型进行调整,即对所述判断识别模块内的数学模型进行调整,以到达优化识别模型的效果,从而提高对所述状态识别值的判断准确性。
之后,再对第二预设时长内的状态识别值进行模型训练操作,在本实施例中,所述第二预设时长为当前监测数据之前半年的时长,这部分的监测数据均存储于历史数据模块内,只需从历史数据模块中提取,并将这些监测数据对应的状态识别值输入至不同的训练模型中,在不同的预设识别值的比较下,不同的训练模型输出不同的运行状态差分量,根据对输出结果以及油气水井的历史状态的分析,从而确定其中符合要求的训练模型,进而将该训练模型对应预设识别值更新为识别模型预设识别值,实现对所述判断识别模块的数学模型的优化,进一步提高了对油气水井的实时监测准确率。
进一步地,所述预处理模块还用于对所述第二预设时长内的状态识别值分别进行多个训练评估操作,得到多个训练评估值;将多个所述训练评估值中的最大值对应的预设训练识别值更新为预设识别值。在本实施例中,第二预设时长内的状态识别值分别输入不同的训练模型中进行检测,所述训练模型的输出端还输出训练评估值,所述训练评估值是根据所述第二预设时长内的油气水井的状态获取的,即所述训练评估值是对油气水井的历史运行状态的准确性的评估,便于确定训练模型输出的运行状态差分量是否符合油气水井之前的各个时刻的运行状态。这样,在多个所述训练模型的训练评估值中,选取最大的训练评估值对应的训练模型作为识别模型,即将训练评估值最大的训练模型的预设识别值更新识别模型之前的预设识别值,使得更新后的识别模型为最优模型,进一步提高了对油气水井的实时监测准确率。
又进一步地,所述预处理模块还用于当所述更新时间间隔值小于所述预设时间间隔值时,对所述预设识别值进行无更新操作。在本实施例中,在未达到更新时间间隔值时,此时无需对识别模型进行更新,继续使用之前的预设识别值,所述预设识别值为目前最优的识别参考值。
下面为各模块的具体执行步骤:
1、数据采集模块将油气水井中的各项监测数据采集;
2、数据预处理模块对各监测数据进行预处理,使得数据预处理模块输出的数据维度与模型识别模块内的数学模型的输入维度一致,并同时将输出的数据发送至历史数据模块以及模型识别模块;
3、历史数据模块对预处理后的数据进行存储,并每隔一个月向模型训练模块发送最近半年的历史数据;
4、模型训练模块对历史数据进行训练以及评估,以便于得到评估效果最好的数学模型,并将此数学模型更新模型识别模块中的数学模型;
5、模型识别模块对经过预处理的数据加载到基于TensorFlow-Serving与Docker的服务器中,并输出预测结果,便于为监控系统提供实时监控的参考依据。
其中,所述数据采集模块即为所述油气水井实时监测装置的采集模块,所述数据预处理模块即为所述油气水井实时监测装置的预处理模块,所述历史数据模块即为所述油气水井实时监测装置的数据存储模块,所述判断识别模块包括所述模型训练模块以及所述模型识别模块。监控系统中的实时可视化模块用于实时更新显示油气水井的状态,实时可视化模块具有展示油气井状态及故障类别的功能,例如,显示的故障类别有:管柱漏失、过载停泵、欠载停泵、供液不足等,同时显示出该井发生故障的时间和地点,是否还在运行;实时可视化模块还具有展示油气井维修策略的功能,例如,根据故障类别,给出常用的维修策略。
关于油气水井实时监测装置的具体限定可以参见上文中对于油气水井实时监测方法的限定,在此不再赘述。上述油气水井实时监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图2所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储油气水井实时监测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种油气水井实时监测方法。
本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在其中一个实施例中,本申请还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在其中一个实施例中,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种油气水井实时监测方法,其特征在于,包括:
获取油气水井的监测数据;
根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值对应的监测数据存储于数据存储模块内,所述状态识别值是经过预处理形成,所述状态识别值与所述监测数据相对应,即同一个油气水井的不同时间的状态数据与所述状态识别值对应,其中,所述状态识别值与油气水井的位置相对应,即所述状态识别值中不仅包含有油气水井的各项运行状态的实时数据,还包括有油气水井的地理位置数据,使得每一个所述状态识别值对应于一个油气水井的各种监测数据;
将所述状态识别值与预设识别值进行比较,得到运行状态差分量;
根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态;
其中,所述将所述状态识别值与预设识别值进行比较,得到运行状态差分量,之前还包括:
获取训练模型的更新时间间隔值;
检测所述更新时间间隔值是否大于或等于预设时间间隔值;
当所述更新时间间隔值大于或等于所述预设时间间隔值时,对第二预设时长内的状态识别值进行模型训练操作,以得到预设识别值。
2.根据权利要求1所述的油气水井实时监测方法,其特征在于,所述根据所述运行状态差分量调整向监控系统发送的监控信号,包括:
检测所述运行状态差分量是否大于0;
当所述运行状态差分量大于0时,向所述监控系统发送故障报警信号。
3.根据权利要求2所述的油气水井实时监测方法,其特征在于,所述向所述监控系统发送故障报警信号,之后还包括:
将第一预设时长内的状态识别值对应的监测数据发送至所述监控系统。
4.根据权利要求2所述的油气水井实时监测方法,其特征在于,所述检测所述运行状态差分量是否大于0,之后还包括:
当所述运行状态差分量小于或等于0时,向所述监控系统发送运行正常信号。
5.根据权利要求1所述的油气水井实时监测方法,其特征在于,所述对第二预设时长内的状态识别值进行模型训练操作,以得到预设识别值,包括:
对所述第二预设时长内的状态识别值分别进行多个训练评估操作,得到多个训练评估值;
将多个所述训练评估值中的最大值对应的预设训练识别值更新为预设识别值。
6.根据权利要求1所述的油气水井实时监测方法,其特征在于,所述检测所述更新时间间隔值是否大于或等于预设时间间隔值,之后还包括:
当所述更新时间间隔值小于所述预设时间间隔值时,对所述预设识别值进行无更新操作。
7.一种油气水井实时监测装置,其特征在于,所述装置包括:
采集模块,用于获取油气水井的监测数据;
预处理模块,用于根据所述监测数据转换为对应的状态识别值,其中,所述状态识别值存储于数据存储模块内,所述状态识别值是经过预处理形成,所述状态识别值与所述监测数据相对应,即同一个油气水井的不同时间的状态数据与所述状态识别值对应,其中,所述状态识别值与油气水井的位置相对应,即所述状态识别值中不仅包含有油气水井的各项运行状态的实时数据,还包括有油气水井的地理位置数据,使得每一个所述状态识别值对应于一个油气水井的各种监测数据;
判断识别模块,用于将所述状态识别值与预设识别值进行比较,得到运行状态差分量;根据所述运行状态差分量调整向监控系统发送的监控信号,以使监控系统监测油气水井的运行状态;以及,用于获取训练模型的更新时间间隔值;检测所述更新时间间隔值是否大于或等于预设时间间隔值;当所述更新时间间隔值大于或等于所述预设时间间隔值时,对第二预设时长内的状态识别值进行模型训练操作,以得到预设识别值。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110105292.5A CN112766772B (zh) | 2021-01-26 | 2021-01-26 | 油气水井实时监测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110105292.5A CN112766772B (zh) | 2021-01-26 | 2021-01-26 | 油气水井实时监测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112766772A CN112766772A (zh) | 2021-05-07 |
CN112766772B true CN112766772B (zh) | 2024-04-05 |
Family
ID=75705843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110105292.5A Active CN112766772B (zh) | 2021-01-26 | 2021-01-26 | 油气水井实时监测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766772B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114264333A (zh) * | 2021-12-03 | 2022-04-01 | 广州东塑石油钻采专用设备有限公司 | 井控设备自动监测方法、系统及装置 |
CN114827778B (zh) * | 2022-07-01 | 2022-09-16 | 深圳市信润富联数字科技有限公司 | 储油罐监测方法、系统、设备及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011070515A (ja) * | 2009-09-28 | 2011-04-07 | Toyota Central R&D Labs Inc | 障害診断システム、障害診断装置および障害診断方法 |
CN104573850A (zh) * | 2014-12-18 | 2015-04-29 | 湖南大唐先一科技有限公司 | 一种火电厂设备状态评估方法 |
CN105389595A (zh) * | 2015-12-02 | 2016-03-09 | 中国石油大学(北京) | 一种化工装备长周期运行安全风险雷达监测方法及装置 |
CN108538015A (zh) * | 2018-03-21 | 2018-09-14 | 上海新奥新能源技术有限公司 | 一种燃气阀门井的监测装置及方法 |
CN109507986A (zh) * | 2018-11-28 | 2019-03-22 | 北京迈斯康特测控技术有限公司 | 用于油田作业设备的远程监控方法 |
CN110085006A (zh) * | 2019-03-13 | 2019-08-02 | 中交广州航道局有限公司 | 船舶监测方法、装置、系统和存储介质 |
CN111275321A (zh) * | 2020-01-19 | 2020-06-12 | 重庆国翰能源发展有限公司 | 一种充电桩状态分析系统和方法 |
-
2021
- 2021-01-26 CN CN202110105292.5A patent/CN112766772B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011070515A (ja) * | 2009-09-28 | 2011-04-07 | Toyota Central R&D Labs Inc | 障害診断システム、障害診断装置および障害診断方法 |
CN104573850A (zh) * | 2014-12-18 | 2015-04-29 | 湖南大唐先一科技有限公司 | 一种火电厂设备状态评估方法 |
CN105389595A (zh) * | 2015-12-02 | 2016-03-09 | 中国石油大学(北京) | 一种化工装备长周期运行安全风险雷达监测方法及装置 |
CN108538015A (zh) * | 2018-03-21 | 2018-09-14 | 上海新奥新能源技术有限公司 | 一种燃气阀门井的监测装置及方法 |
CN109507986A (zh) * | 2018-11-28 | 2019-03-22 | 北京迈斯康特测控技术有限公司 | 用于油田作业设备的远程监控方法 |
CN110085006A (zh) * | 2019-03-13 | 2019-08-02 | 中交广州航道局有限公司 | 船舶监测方法、装置、系统和存储介质 |
CN111275321A (zh) * | 2020-01-19 | 2020-06-12 | 重庆国翰能源发展有限公司 | 一种充电桩状态分析系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112766772A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10738785B2 (en) | Electric submersible pump event detection | |
CN112766772B (zh) | 油气水井实时监测方法、装置、计算机设备和存储介质 | |
EP2472467B1 (en) | System and method for monitoring resources in a water utility network | |
US10677041B2 (en) | Fault detection in electric submersible pumps | |
CN113093693B (zh) | 一种面向采煤机运行状态的在线故障诊断方法 | |
NO342597B1 (no) | System for overvåkning og administrering av vedlikehold av utstyrskomponenter | |
EP4062030B1 (en) | Well annulus pressure monitoring | |
EP3584656B1 (en) | Risk assessment device, risk assessment method, and risk assessment program | |
CN103226651A (zh) | 基于相似度统计的风电机组状态评估预警方法和系统 | |
CN112487356B (zh) | 一种结构健康监测数据增强方法 | |
CN109933048A (zh) | 汽轮机轴系稳定性评估、风险预警系统及方法 | |
WO2017083141A1 (en) | Electric submersible pump health assessment | |
CN109577892B (zh) | 一种基于井下参数的智能溢流检测系统及预警方法 | |
CN112710474A (zh) | 一种基于实时振动数据的柴油机状态评估方法 | |
CN114264333A (zh) | 井控设备自动监测方法、系统及装置 | |
CN117370818A (zh) | 基于人工智能的供排水管网智能诊断方法及智慧环保系统 | |
KR101213251B1 (ko) | 염소이온농도를 이용한 하수관거 모니터링 방법 및 이를 위한 모니터링 시스템 | |
CN113775327A (zh) | 钻井异常的检测方法、装置、设备、钻井和存储介质 | |
CN112345022A (zh) | 矿山井下复杂环境中的地下水位监测方法 | |
CN110878692B (zh) | 故障报警方法及装置 | |
CN113298426B (zh) | 知识图谱驱动的大坝安全评判权重动态拟定方法及系统 | |
CN113550736A (zh) | 应用于油气采集的异常分析系统及方法 | |
CN110953222A (zh) | 一种液压油箱滤芯检测方法、装置和液压系统 | |
CN113827905B (zh) | 判断消防水系统监测处理的方法、装置、设备和存储介质 | |
KR20220086931A (ko) | 배관 파손 진단 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |