CN114810037A - 一种基于数据驱动的抽油机井故障判别方法 - Google Patents

一种基于数据驱动的抽油机井故障判别方法 Download PDF

Info

Publication number
CN114810037A
CN114810037A CN202210084417.5A CN202210084417A CN114810037A CN 114810037 A CN114810037 A CN 114810037A CN 202210084417 A CN202210084417 A CN 202210084417A CN 114810037 A CN114810037 A CN 114810037A
Authority
CN
China
Prior art keywords
working condition
pumping well
indicator diagram
load
maximum load
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.)
Granted
Application number
CN202210084417.5A
Other languages
English (en)
Other versions
CN114810037B (zh
Inventor
王国辉
吴晓东
缪德龙
李宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Datan Energy Technology Co ltd
Original Assignee
Shanghai Datan Energy Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Datan Energy Technology Co ltd filed Critical Shanghai Datan Energy Technology Co ltd
Priority to CN202210084417.5A priority Critical patent/CN114810037B/zh
Publication of CN114810037A publication Critical patent/CN114810037A/zh
Application granted granted Critical
Publication of CN114810037B publication Critical patent/CN114810037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • EFIXED CONSTRUCTIONS
    • E21EARTH OR ROCK DRILLING; MINING
    • E21BEARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00Survey of boreholes or wells
    • E21B47/008Monitoring of down-hole pump systems, e.g. for the detection of "pumped-off" conditions
    • E21B47/009Monitoring of walking-beam pump systems
    • EFIXED CONSTRUCTIONS
    • E21EARTH OR ROCK DRILLING; MINING
    • E21BEARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00Survey of boreholes or wells
    • EFIXED CONSTRUCTIONS
    • E21EARTH OR ROCK DRILLING; MINING
    • E21BEARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00Survey of boreholes or wells
    • E21B47/04Measuring depth or liquid level
    • E21B47/047Liquid level

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Mining & Mineral Resources (AREA)
  • Geophysics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本申请公开了一种基于数据驱动的抽油机井故障判别方法,包括:步骤一、建立抽油机井故障参数数据库,对于抽油机井记录其工况类型码与正常示功图的最大载荷Pmax、最小载荷Pmin;步骤二、提取抽油机井运行最近1小时的示功图,按时间序列计算其最大载荷
Figure DDA0003486867300000011
与最小载荷
Figure DDA0003486867300000012
查询数据库中工况类型码与正常工作状况下的最大载荷Pmax与最小载荷Pmin;步骤三、建立抽油机井工况与地面示功图最大载荷、最小载荷变化模式的对应关系,形成抽油机井故障工况分类模型;步骤四、将
Figure DDA0003486867300000013
与Pmax、Pmin对比,根据抽油机井故障工况分类模型,判断当前抽油机井工况。本申请提供的抽油机井故障判别方法,区分度高,判断简单,方便进行抽油机井连续实时工况诊断与预警。

Description

一种基于数据驱动的抽油机井故障判别方法
技术领域
本申请涉及一种基于数据驱动的抽油机井故障判别方法,特别是利用抽油机井地面示功图动态变化特征对其进行故障判别与分类的方法,属于石油天然气开采技术领域。
背景技术
在石油开采中,游梁式抽油机配合有杆泵采油是应用最广泛的采油方式,示功图是反映游梁式抽油机在工作时悬点载荷与位移关系的曲线,可以反映抽油机的实时工作状况,通过安装在抽油机上的示功仪测量得到。在油田数字化转型的背景下,目前国内外绝大多数抽油机井已安装示功仪,实现了数字化示功图的实时采集与监控,然而采集到的大量数据未得到有效分析与应用。
油田现场采用人工识别示功图的方法来进行抽油机井的故障诊断,为了及时发现出现故障的抽油机井,需要经验丰富的采油工程师实时查看每口井的示功图,工作强度高,效率低下。
抽油机井计算机诊断技术在一定程度上解决了此问题,此技术利用吉布斯一维振动方程与傅立叶变换方法将地面示功图转换为井下泵功图,再通过人工神经网络、模式识别等方法进行工况诊断分类,这是对单一时刻示功图诊断的静态方法,未结合抽油机井动态变化,且此方法需要参数多、计算复杂,只能反映抽油泵工作状况而无法反映管杆情况,对于形状相近的示功图无法区分。
现有的抽油机井计算机诊断技术是对抽油机井某一时刻的示功图进行诊断判别,是静态的判别,没有结合抽油机井的生产动态变化数据;
现有的抽油机井计算机诊断技术是一种运用人工神经网络的图形模式识别方法,在诊断之前需要大量不同工况的示功图样本对神经网络进行学习与训练,一是样本收集与选取难度大、神经网络训练过程繁琐,二是对于形状相似而工况不同的示功图无法区分;
现有的抽油机井计算机诊断技术是在假设井下油管杆工作正常情况下将地面示功图转换为井下泵功图,反映泵的工作状况,无法反映管杆故障,而在油田现场生产中,泵故障约占1/3,管杆故障约占2/3;
现有的抽油机井计算机诊断技术需要参数多、计算复杂,在实施时需要每口抽油机井的大量参数,现场参数收集困难,参数不准确时对判断结果影响大,参数更新时维护工作量大,且计算原理复杂,对操作人员技术要求高,现场推广难度大。
发明内容
本申请的目的是解决现有技术中的缺陷,提供一种利用数据分析技术与采油技术相结合的抽油机井故障判别方法。
为了解决上述技术问题,本申请的技术方案是提供了一种基于数据驱动的抽油机井故障判别方法,包括以下步骤:
步骤一、建立抽油机井故障参数数据库,对于抽油机井记录其工况类型码;在抽油机井正常生产时,提取其地面示功图的正常最大载荷Pmax、正常最小载荷Pmin,工况类型码为0,更新数据库中的参数;
步骤二、根据示功图采集频率,提取抽油机井运行最近1小时的n个示功图和当前最新示功图,按时间序列计算其最大载荷
Figure BDA0003486867280000021
与最小载荷
Figure BDA0003486867280000022
i=0,1,2...n,i=0代表最新示功图,查询此抽油机井故障参数数据库中工况类型码与正常工作状况下的正常最大载荷Pmax与正常最小载荷Pmin
步骤三、建立抽油机井工况与地面示功图最大载荷、最小载荷变化模式的对应关系,形成抽油机井故障工况分类模型;
步骤四、将
Figure BDA0003486867280000023
与正常最大载荷Pmax、正常最小载荷Pmin对比,根据抽油机井故障工况分类模型,判断当前抽油机井工况;
步骤五、重复步骤二到步骤四,进行抽油机井连续实时工况诊断与预警。
其中,所述工况类型码包括:0-正常,1-抽油杆断脱,2-油管漏失,3-卡泵,4-固定阀失灵,5-动液面上升,6-修井,7-疑似故障。
其中,所述抽油机井故障工况分类模型为:
对于1-抽油杆断脱,最大载荷、最小载荷突然同时下降,且最大载荷ΔPmax下降幅度大于最小载荷ΔPmin下降幅度;
对于2-油管漏失,最大载荷减小、最小载荷增大,且随时间逐步发展;
对于3-卡泵,最大载荷增大、最小载荷减小,且随时间逐步发展;
对于4-固定阀失灵,最大载荷不变,最小载荷突然增大;
对于5-动液面上升,最小载荷不变,最大载荷缓慢下降。
具体的,所述步骤四中,将
Figure BDA0003486867280000031
分别与Pmax、Pmin比较,
Figure BDA0003486867280000032
Figure BDA0003486867280000033
Figure BDA0003486867280000034
最大载荷与最小载荷在微小范围内波动,抽油机井运行正常,工况类型码更新为0,令
Figure BDA0003486867280000035
Figure BDA0003486867280000036
且当前工况类型码为0,即上一功图正常,此功图出现最大载荷突然下降,最大载荷下降幅度大于最小载荷下降幅度,判断为抽油杆断脱,将工况类型码更新为1;
Figure BDA0003486867280000037
且当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续减小,最小载荷继续增大,判断为油管漏失,将工况类型码更新为2;
Figure BDA0003486867280000038
且当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续增大,最小载荷继续减小,判断为卡泵,将工况类型码更新为3;
Figure BDA0003486867280000039
Figure BDA00034868672800000310
当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续减小,最小载荷保持不变,判断为动液面上升,将工况类型码更新为5;
Figure BDA00034868672800000311
Figure BDA00034868672800000312
当前工况类型码为0,即上一功图正常,此功图出现最大载荷保持不变,最小载荷增大,判断为固定阀失灵,将工况类型码更新为4;
除正常工况外,上述情况Pmax、Pmin均不更新,并对工作人员发出该抽油机井故障预警,提示现场确认;
Figure BDA00034868672800000313
将工况类型码更新为7疑似故障,Pmax、Pmin不更新,待下一张示功图继续判断;
现场确认抽油机井故障停井后,该抽油机井故障参数数据库中工况类型码更新为6修井,其他参数不再更新,该抽油机井安排检泵上修;修井完后,示功图开始采集上传,待该抽油机井稳定生产3天,产量正常时,更新故障参数数据库中工况类型码为0-正常,用稳定后的示功图最大载荷最小载荷更新Pmax、Pmin值。
本申请优点在于:
1、现场油井常见的故障工况(包括管故障、杆故障、泵故障)本发明均有对应的载荷变化特征模式;
2、载荷变化模式区分度高,在示功图相近用传统方法难以分类的几种工况,载荷变化特征明显,本发明模式区分度高,误判率低;
3、本发明判别简单,不需要油井具体参数,不需要求解波动方程、傅立叶级数、神经网络等复杂的理论计算,不需要神经网络样本选取、学习训练,只需油井地面示功图;
4、模式具有通用性,适用范围广,在油井数量多时,易于推广。
附图说明
图1为正常工况地面示功图;
图2为正常工况示功图最大载荷和最小载荷随时间变化规律;
图3为抽油杆断脱示功图最大载荷和最小载荷随时间变化规律;
图4为油管漏示功图最大载荷和最小载荷随时间变化规律;
图5为卡泵示功图最大载荷和最小载荷随时间变化规律;
图6为固定阀失灵示功图最大载荷和最小载荷随时间变化规律
图7为抽油机井动液面上升时示功图最大载荷和最小载荷随时间变化规律。
具体实施方式
为使本申请更明显易懂,兹以优选实施例,并配合附图作详细说明如下。
实施例
本实施例提供的是基于数据驱动的抽油机井故障判别方法,该方法可以判断的故障类型包括卡泵、抽油杆断脱、油管漏、固定阀失灵、动液面上升等现场最常见的影响抽油机井正常生产的抽油机井故障与状态。
本实施例采用数据驱动的方法对抽油机井进行实时工况判别与诊断,选取可以表征抽油机井工况特点的示功图特征值(本方法选取地面示功图的最大载荷与最小载荷而非整个示功图的形状)并分析其随时间的变化规律与抽油机井工况之间的关系,建立工况诊断模型:
一、对抽油机进行悬点受力分析,根据悬点受力情况对地面示功图载荷变化进行定性分析:图1所示为正常工况的地面示功图,其中上冲程(图1、对应示功图上A—B—C段):
Pup=Wr+Wl+Iu+Phu+Fu+Pv-Pi
Pup——上冲程悬点受力
Wr——抽油杆柱重力
Wl——作用在泵柱塞上的液柱载荷
Iu——惯性载荷
Phu——上冲程井口回压造成的悬点载荷
Fu——摩擦载荷
Pv——振动载荷
Pi——泵吸入口沉没压力作用在柱塞上的载荷
下冲程(图1、对应示功图上C—D—A段):
Pdown=W′r+Id-Phd-Fd-Pv
Pdown——下冲程悬点受力
W′r——抽油杆柱在液柱中的重力(浮重)
Id——惯性载荷
Phd——下冲程井口回压造成的悬点载荷
Fd——摩擦载荷
Pv——振动载荷
由抽油机工作运行规律及悬点受力分析可知,最大载荷发生在上冲程,最小载荷发生在下冲程;因此,
悬点最大载荷
Pmax=Wr+Wl+Iu+Phu+Fu+Pv-Pi
悬点最小载荷
Pmin=W′r+Id-Phd-Fd-Pv
二、抽油机井正常工作状况下,地面示功图在短期内无显著变化,最大载荷最小载荷均稳定在一定范围内,微小波动,如图2所示,横轴为时间轴,纵轴为载荷轴,每一对圆点和菱形点表示某一时刻地面示功图的最大和最小载荷,此图反映了正常工况下抽油机井地面示功图最大载荷和最小载荷随时间的变化情况。下述为几种常见的影响抽油机井正常生产的抽油机井故障与状态:
①抽油杆断脱:悬点载荷构成中,抽油杆柱重力占比最大,因此抽油杆断脱后,杆柱重力Wr(下冲程为W′r)减小,同时上冲程液柱载荷Wl卸载,出现最大载荷、最小载荷均减小的情况,最大载荷下降幅度大于最小载荷下降幅度,且在抽油杆发生断脱的时刻突然出现,其示功图载荷变化如图3所示;
②油管漏失:油管破裂或油管丝扣损坏时,出现漏失现象,油管内液面降低,上冲程液柱载荷Wl减小,下冲程抽油杆浮重增大W′r,出现最大载荷减小、最小载荷上升的情况,且随着漏失量的增加逐步发展,直至油管内液面漏至油管破损位置,最大载荷和最小载荷平稳不再变化,其载荷变化情况如图4所示;
③卡泵:当井筒结蜡或地层出砂影响时,抽油杆上行下行摩擦阻力Fu(下冲程为Fd)增大,Fu增加最大载荷,Fd减小最小载荷,出现最大载荷增大、最小载荷减小的情况,随着结蜡或出砂的严重程度最大最小载荷差逐步扩大直至平衡其阻力或将抽油机卡死,出现卡泵,其示功图载荷变化如图5所示;
④固定阀失灵:抽油泵固定阀(吸入阀)由于泵筒脏物影响,出现固定阀无法关闭,或是地层能量不足,抽油机井动液面低,沉没压力不足以打开固定阀,出现泵筒不进液,此两种情况均会导致下冲程液柱载荷Wl无法卸载,出现最大载荷不变、最小载荷增大的情况,一般在沉没压力不足或固定阀无法关闭时突然发生,其示功图载荷变化如图6所示;
⑤动液面上升:当油井地层能量升高,动液面上升时,沉没压力增大,在上冲程时,Pi增大,降低最大载荷,出现最大载荷减小、最小载荷不变的情况,随着动液面的上升逐步发展,其示功图载荷变化如图7所示。
⑶由⑵可知,对于抽油机井常见的几种严重故障,其地面示功图最大载荷与最小载荷均有明显的变化特征,且变化模式与故障工况存在一一对应关系,因此可由抽油机井地面示功图最大载荷、最小载荷的变化模式建立工况诊断模型。分析实时采集到的地面示功图与历史示功图数据,得到其最大最小载荷变化规律,将变化模式与⑵分析中的工况模型对比,即可得到目前抽油机井的工作状况。
根据上述分析规律,本实施例具体实施步骤:
一、建立抽油机井故障参数数据库,对于每一口抽油机井记录其工况类型码(0正常,1断脱,2管漏,3卡泵,4固定阀失灵,5动液面上升,6修井,7疑似故障),正常工作状况下的地面示功图正常最大载荷Pmax与正常最小载荷Pmin,此参数随抽油机井生产动态变化自动调整(井下杆柱组合、冲程冲次、含水率等),在抽油机井正常生产时,提取其地面示功图的最大载荷、最小载荷,工况类型码为0,更新数据库中的参数;
二、根据示功图采集频率,提取抽油机井运行最近1小时的n个示功图和当前最新示功图,按时间序列计算其最大载荷
Figure BDA0003486867280000071
与最小载荷
Figure BDA0003486867280000072
(i=0,1,2...n,i=0为最新示功图),查询此抽油机井故障参数数据库中工况类型码与正常工作状况下的正常最大载荷Pmax与正常最小载荷Pmin
三、建立抽油机井工况与地面示功图最大载荷最小载荷变化模式的对应关系,形成抽油机井故障工况分类模型;对于①抽油杆断脱,其最大载荷、最小载荷突然同时下降,且最大载荷下降幅度大于最小载荷下降幅度ΔPmax>ΔPmin;②油管漏失,最大载荷减小、最小载荷增大,且随时间逐步发展;③卡泵,最大载荷增大、最小载荷减小,且随时间逐步发展;④固定阀失灵,最大载荷不变,最小载荷突然增大;⑤动液面上升,最小载荷不变,最大载荷缓慢下降;
四、将
Figure BDA0003486867280000073
分别与Pmax、Pmin比较,
Figure BDA0003486867280000074
Figure BDA0003486867280000075
Figure BDA0003486867280000076
最大载荷与最小载荷在微小范围内波动,抽油机井运行正常,工况类型码更新为0,令
Figure BDA0003486867280000077
Figure BDA0003486867280000078
(a).
Figure BDA0003486867280000079
当前工况类型码为0,即上一功图正常,此功图出现最大载荷突然下降,最大载荷下降幅度大于最小载荷下降幅度,判断为抽油杆断脱,将工况类型码更新为1;
(b).
Figure BDA00034868672800000710
当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续减小,最小载荷继续增大,判断为油管漏失,将工况类型码更新为2;
(c).
Figure BDA00034868672800000711
当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续增大,最小载荷继续减小,判断为卡泵,将工况类型码更新为3;
(d).
Figure BDA0003486867280000081
当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续减小,最小载荷保持不变,判断为动液面上升,将工况类型码更新为5;
Figure BDA0003486867280000082
Figure BDA0003486867280000083
当前工况类型码为0,即上一功图正常,此功图出现最大载荷保持不变,最小载荷增大,判断为固定阀失灵,将工况类型码更新为4;
除正常工况外,其他情况Pmax、Pmin均不更新,对工作人员发出该抽油机井故障预警,提示现场确认;
Figure BDA0003486867280000084
将工况类型码置为7疑似故障,Pmaz、Pmin不更新,待下一张示功图继续判断;
五、现场确认抽油机井故障停井后,该井故障参数数据库中工况类型码更新为6上修,其他参数不再更新,该井安排检泵上修。修井完井后,示功图开始采集上传,待该井稳定生产3天,产量正常时,更新故障参数数据库中工况类型码为0正常,用稳定后的示功图最大载荷最小载荷更新Pmax、Pmin值。
六、重复步骤二-四,实现抽油机井连续实时工况诊断与预警。
本实施例的关键技术点在于:
⑴现有的抽油机井工况诊断,是对油井单一时刻单张示功图进行诊断,是静态的诊断方法,未结合油井生产动态变化;本实施例采用动态数据分析的方法,考虑了油井的动态变化,分析油井示功图在时间维度上的变化特征,可以更全面准确的反映油井生产工况状态;
⑵现有的抽油机井工况诊断,是对油井示功图形状进行诊断,本实施例采用示功图特征值的方法;
⑶现有的抽油机井工况诊断,是将地面示功图转换为井下泵功图进行识别诊断,计算复杂,受参数准确性影响较大,本实施例直接使用地面示功图特征值诊断,计算简单,模式清晰,误判率低。

Claims (5)

1.一种基于数据驱动的抽油机井故障判别方法,其特征在于,包括以下步骤:
步骤一、建立抽油机井故障参数数据库,对于抽油机井记录其工况类型码;在抽油机井正常生产时,提取其地面示功图的正常最大载荷Pmax、正常最小载荷Pmin,工况类型码为0,更新数据库中的参数;
步骤二、根据示功图采集频率,提取抽油机井运行最近1小时的n个示功图和当前最新示功图,按时间序列计算其最大载荷
Figure FDA0003486867270000017
与最小载荷
Figure FDA0003486867270000011
i=0,1,2...n,i=0代表最新示功图,查询此抽油机井故障参数数据库中工况类型码与正常工作状况下的正常最大载荷Pmax与正常最小载荷Pmin
步骤三、建立抽油机井工况与地面示功图最大载荷、最小载荷变化模式的对应关系,形成抽油机井故障工况分类模型;
步骤四、将
Figure FDA0003486867270000012
与正常最大载荷Pmax、正常最小载荷Pmin对比,根据抽油机井故障工况分类模型,判断当前抽油机井工况;
步骤五、重复步骤二到步骤四,进行抽油机井连续实时工况诊断与预警。
2.根据权利要求1所述的基于数据驱动的抽油机井故障判别方法,其特征在于,所述工况类型码包括:0-正常,1-抽油杆断脱,2-油管漏失,3-卡泵,4-固定阀失灵,5-动液面上升,6-修井,7-疑似故障。
3.根据权利要求2所述的基于数据驱动的抽油机井故障判别方法,其特征在于,所述抽油机井故障工况分类模型为:
对于1-抽油杆断脱,最大载荷、最小载荷突然同时下降,且最大载荷ΔPmax下降幅度大于最小载荷ΔPmin下降幅度;
对于2-油管漏失,最大载荷减小、最小载荷增大,且随时间逐步发展;
对于3-卡泵,最大载荷增大、最小载荷减小,且随时间逐步发展;
对于4-固定阀失灵,最大载荷不变,最小载荷突然增大;
对于5-动液面上升,最小载荷不变,最大载荷缓慢下降。
4.根据权利要求3所述的基于数据驱动的抽油机井故障判别方法,其特征在于,所述步骤四中,将
Figure FDA0003486867270000013
分别与Pmax、Pmin比较,
Figure FDA0003486867270000014
Figure FDA0003486867270000015
Figure FDA0003486867270000016
最大载荷与最小载荷在微小范围内波动,抽油机井运行正常,工况类型码更新为0,令
Figure FDA0003486867270000021
Figure FDA0003486867270000022
且当前工况类型码为0,即上一功图正常,此功图出现最大载荷突然下降,最大载荷下降幅度大于最小载荷下降幅度,判断为抽油杆断脱,将工况类型码更新为1;
Figure FDA0003486867270000023
且当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续减小,最小载荷继续增大,判断为油管漏失,将工况类型码更新为2;
Figure FDA0003486867270000024
且当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续增大,最小载荷继续减小,判断为卡泵,将工况类型码更新为3;
Figure FDA0003486867270000025
Figure FDA0003486867270000026
当前工况类型码为7,即上一功图疑似故障,此功图出现最大载荷较上一张功图继续减小,最小载荷保持不变,判断为动液面上升,将工况类型码更新为5;若
Figure FDA0003486867270000027
Figure FDA0003486867270000028
当前工况类型码为0,即上一功图正常,此功图出现最大载荷保持不变,最小载荷增大,判断为固定阀失灵,将工况类型码更新为4;
除正常工况外,上述情况Pmax、Pmin均不更新,并对工作人员发出该抽油机井故障预警,提示现场确认;
Figure FDA0003486867270000029
将工况类型码置为7疑似故障,Pmax、Pmin不更新,待下一张示功图继续判断。
5.根据权利要求4所述的基于数据驱动的抽油机井故障判别方法,其特征在于,现场确认抽油机井故障停井后,该抽油机井故障参数数据库中工况类型码更新为6修井,其他参数不再更新,该抽油机井安排检泵上修;修井完后,示功图开始采集上传,待该抽油机井稳定生产3天,产量正常时,更新故障参数数据库中工况类型码为0-正常,用稳定后的示功图最大载荷最小载荷更新Pmax、Pmin值。
CN202210084417.5A 2022-01-25 2022-01-25 一种基于数据驱动的抽油机井故障判别方法 Active CN114810037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210084417.5A CN114810037B (zh) 2022-01-25 2022-01-25 一种基于数据驱动的抽油机井故障判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210084417.5A CN114810037B (zh) 2022-01-25 2022-01-25 一种基于数据驱动的抽油机井故障判别方法

Publications (2)

Publication Number Publication Date
CN114810037A true CN114810037A (zh) 2022-07-29
CN114810037B CN114810037B (zh) 2023-04-07

Family

ID=82527456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210084417.5A Active CN114810037B (zh) 2022-01-25 2022-01-25 一种基于数据驱动的抽油机井故障判别方法

Country Status (1)

Country Link
CN (1) CN114810037B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116838323B (zh) * 2023-08-04 2023-12-05 大庆石油管理局有限公司 一种塔架式抽油机安全防护方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104295286A (zh) * 2014-08-11 2015-01-21 西安理工大学 一种有杆式抽油机运行工况智能识别方法
US20170016313A1 (en) * 2015-07-15 2017-01-19 Weatherford Technology Holdings, Llc Diagnostics of downhole dynamometer data for control and troubleshooting of reciprocating rod lift systems
CN106884644A (zh) * 2017-04-26 2017-06-23 中国石油大学(华东) 基于时序地面示功图的抽油机井实时工况诊断方法
CN112031748A (zh) * 2020-09-14 2020-12-04 南京富岛信息工程有限公司 一种基于示功图特征的抽油机井异常工况诊断方法
CN112443297A (zh) * 2019-08-31 2021-03-05 李骥 互联网+塔架式智慧抽油机远程监控系统
CN113153267A (zh) * 2021-03-11 2021-07-23 中国石油大学(北京) 一种抽油机井示功图多尺度归一化方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104295286A (zh) * 2014-08-11 2015-01-21 西安理工大学 一种有杆式抽油机运行工况智能识别方法
US20170016313A1 (en) * 2015-07-15 2017-01-19 Weatherford Technology Holdings, Llc Diagnostics of downhole dynamometer data for control and troubleshooting of reciprocating rod lift systems
CN106884644A (zh) * 2017-04-26 2017-06-23 中国石油大学(华东) 基于时序地面示功图的抽油机井实时工况诊断方法
CN112443297A (zh) * 2019-08-31 2021-03-05 李骥 互联网+塔架式智慧抽油机远程监控系统
CN112031748A (zh) * 2020-09-14 2020-12-04 南京富岛信息工程有限公司 一种基于示功图特征的抽油机井异常工况诊断方法
CN113153267A (zh) * 2021-03-11 2021-07-23 中国石油大学(北京) 一种抽油机井示功图多尺度归一化方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹玉苹等: "数据驱动的抽油机井实时故障诊断实验平台", 《实验技术与管理》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116838323B (zh) * 2023-08-04 2023-12-05 大庆石油管理局有限公司 一种塔架式抽油机安全防护方法

Also Published As

Publication number Publication date
CN114810037B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN106761681B (zh) 基于时序数据分析的电泵井故障实时诊断系统及方法
CN109272123B (zh) 一种基于卷积-循环神经网络的有杆泵工况预警方法
EP3118409A1 (en) Diagnostics of downhole dynamometer data for control and troubleshooting of reciprocating rod lift systems
CN112832999B (zh) 一种基于多传感器数据融合的电泵井工况诊断系统及方法
CN114810037B (zh) 一种基于数据驱动的抽油机井故障判别方法
CN113357166B (zh) 一种基于生产数据和高频数据的电潜泵卡泵实时预警方法
CN110778302B (zh) 油田区块内抽油机井群的整体化性能评价和技术整改方法
CN113508215A (zh) 用于使用极坐标分析来评估往复井下泵数据的系统和方法
CN116658492B (zh) 智能动力猫道及其方法
Zhang et al. A real-time diagnosis method of reservoir-wellbore-surface conditions in sucker-rod pump wells based on multidata combination analysis
CN111271049B (zh) 一种有杆泵抽油井充满程度识别方法
Yang et al. Fault Diagnosis Method and Application of ESP Well Based on SPC Rules and Real‐Time Data Fusion
Langbauer et al. Sucker rod antibuckling system: development and field application
CN114647918B (zh) 一种抽油机井油稠和结蜡工况识别方法及系统
CN112861957B (zh) 一种油井运行状态检测方法及装置
CN113553539A (zh) 一种油井工况识别诊断系统
CN116701952B (zh) 一种基于知识图谱的井下复杂工况识别方法
CN116662849B (zh) 一种基于数字孪生与知识图谱的卡钻类型智能识别方法
CN110821478A (zh) 油井抽油泵漏失检测方法及装置
CN2137713Y (zh) 测油井动液面恢复规律的新方法及其装置
Tecle et al. Analysis of Motor Power Curve for Detecting Fault Conditions in Sucker Rod Pump
CN116877051B (zh) 一种采油工程生产流量及压力异常诊断方法及设备
RU2792479C1 (ru) Способ оптимизации отбора жидкости скважины, оборудованной установкой штангового глубинного насоса
CN113389528B (zh) 一种井下旋流除砂器性能测试装置及测试方法
CN118548015A (zh) 一种抽油机工况分析方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A data-driven method for identifying faults in pumping wells

Granted publication date: 20230407

Pledgee: China Construction Bank Corporation Shanghai Hongkou Branch

Pledgor: Shanghai datan Energy Technology Co.,Ltd.

Registration number: Y2024310000060

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20230407

Pledgee: China Construction Bank Corporation Shanghai Hongkou Branch

Pledgor: Shanghai datan Energy Technology Co.,Ltd.

Registration number: Y2024310000060

PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A data-driven method for identifying faults in pumping unit wells

Granted publication date: 20230407

Pledgee: Bank of Shanghai Co.,Ltd. Jing'an Sub branch

Pledgor: Shanghai datan Energy Technology Co.,Ltd.

Registration number: Y2024310000633