CN115526196A - 基于实时数据及模型的潜油电泵工况在线动态诊断方法 - Google Patents

Abstract

本发明提供一种基于实时数据及模型的潜油电泵工况在线动态诊断方法，该基于实时数据及模型的潜油电泵工况在线动态诊断方法包括：步骤1，检测电潜泵的瞬时流量、电流、套压；步骤2，针对参与诊断的瞬时流量、电流、套压这三个参数，分解出多种特征参数，提取特征参数值；步骤3，根据实际提取的特征参数值，在电泵井工况诊断模型中确定与实际瞬时流量、电流、套压相匹配的工况类型，进而确定电潜泵井的实际工况。该基于实时数据及模型的潜油电泵工况在线动态诊断方法改变依靠人工经验排查故障传统模式，建立基于模型在线动态诊断新模式，能够有效减少故障误判，提高电泵井故障诊断类型的准确度。

Description

基于实时数据及模型的潜油电泵工况在线动态诊断方法

技术领域

本发明涉及石油开采中的电泵井采油工艺技术领域，特别是涉及到一种基于实时数据及模型的潜油电泵工况在线动态诊断方法。

背景技术

电泵举升作为高含水期大排量采油的主导方式，目前在胜利油田开井达1532口，占总开井数的6.5％；年产液量约9319.3万吨，占总液量的29.6％；年耗电约7.5亿kWh，占总生产能耗的33.2％。

作为胜利油田第二大采油方式，电泵井不仅单井产液量大，作业修井费用也较高。2017年胜利采油厂电泵待产作业72井次，失效原因误诊26井次，因误诊造成的返工3井次，损失作业及材料费用达90万元，造成了人力、物力上的极大浪费。这是因为在运行分析上，缺少实时的运行工况智能监控技术，导致优化调整不及时，所以有必要基于四化采集的数据进行电泵工况诊断研究。

电泵工况诊断以往主要依靠电流卡片，由于数据的单一及滞后，导致难以及时准确掌握工况，这会造成一些不必要的返工及作业。而随着四化的普及，电泵运行时采集的数据项目大大增多，如何利用实时数据实现工况的快速及时诊断，提高电泵工况诊断的效率，是目前急需解决的问题。

在申请号：CN201410855648.7的中国专利申请中，涉及到一种电动潜油柱塞泵的故障诊断方法及系统，属于油田机械采油技术领域，所述方法包括：在柱塞泵开启时，电压互感器采集变频控制柜输入端的电压，并将电压传输至采集卡；电流互感器采集变频控制柜输出端的电流，并将电流传输至采集卡；采集卡将电压和电流进行信号转换，得到数字量信号，并发送至采集装置；采集装置根据采集卡传送的数字量信号，采用小波去噪方法绘制功率-时间功图；根据功率-时间功图进行故障类型诊断。

在申请号：CN201710083533.4的中国专利申请中，涉及到电泵井故障诊断系统及方法，应用于油田井下电泵故障诊断与处理。系统包括井下潜油装置、电缆、井下参数测量装置、控制柜、井口套压、油压、温度测量装置、地面数据采集与分析系统、故障分析处理器、控制柜电流电压与频率数据采集系统。其步骤是：建立故障类型特征参数和对应的处理措施数据库；实时获取生产特征参数；计算实时流量；分别求出4个时间段内生产特征参数和流量的平均值；计算变化幅度；计算综合评价值；确定电泵井故障类型；推荐相应的电泵井故障处理措施。

在申请号：CN201910511894.3的中国专利申请中，涉及到一种基于电流参数的电潜泵井工况诊断方法和装置，首先检测电潜泵的实际电流曲线，提取实际电流曲线中的特征量；然后将实际电流曲线中的特征量与建立的工况诊断模型进行比对；最后根据实际电流曲线中的特征量在工况诊断模型中确定与实际电流曲线相匹配的电流曲线，进而确定电潜泵井的实际工况。该方法中只涉及到电流参量，相应地，采集设备只需要能够采集电流的相关设备即可，降低了投入成本。

以上现有技术均与本发明有较大区别，未能解决我们想要解决的技术问题，为此我们发明了一种新的基于实时数据及模型的潜油电泵工况在线动态诊断方法。

发明内容

为了解决潜油电泵故障诊断的过程较为复杂，且实时性较差的问题，本发明提供了一种基于实时数据及模型的潜油电泵工况在线动态诊断方法，能够有效减少故障误判，提高电泵井故障诊断类型的准确度。

本发明的目的可通过如下技术措施来实现：基于实时数据及模型的潜油电泵工况在线动态诊断方法，该基于实时数据及模型的潜油电泵工况在线动态诊断方法包括：

步骤1，检测电潜泵的瞬时流量、电流、套压；

步骤2，针对参与诊断的瞬时流量、电流、套压这三个参数，分解出多种特征参数，提取特征参数值；

步骤3，根据实际提取的特征参数值，在电泵井工况诊断模型中确定与实际瞬时流量、电流、套压相匹配的工况类型，进而确定电潜泵井的实际工况。

本发明的目的还可通过如下技术措施来实现：

该基于实时数据及模型的潜油电泵工况在线动态诊断方法还包括，在步骤1之前，建立电泵井工况诊断模型，在工况模型中设置诊断规则及阈值。

在建立电泵井工况诊断模型的步骤中，采用流程图的设计方法来建立电泵井工况诊断模型，用于定义诊断参数、属性、运算符，用户根据不同油藏类型调整规则及参数。

在步骤2中，由参与诊断的瞬时流量、电流、套压三个特征参数分解得出15种特征参数。

在步骤2中，瞬时流量的特征参数包括正常值、峰值、谷值、变化率。

在步骤2中，套压的特征参数包括正常值、峰值、谷值、变化值。

在步骤2中，电流的特征参数包括正常值、峰值、谷值、变化值、变化率、对称性、频率。

在步骤3中，典型异常工况分为两大类：液量降低导致的工况异常和异物进泵导致的工况异常。

在步骤3中，液量降低导致的工况异常包括管漏、供液不足、气体影响、气锁、泵磨损、吸入口堵、轴断。

在步骤3中，异物进泵导致的工况异常包括出砂、结垢。

本发明的基于实时数据及模型的潜油电泵工况在线动态诊断方法，根据各参数对工况的敏感性和相对独立性。选择瞬时流量、电流、套压作为诊断参数，不需要采集多种数据信息，相应地，与数据采集相关的故障点就大幅度降低。而且，少量参数的获取相较于多种参数的获取而言，数据获取过程更加简单，不繁琐。由于所需参数的种类比较少，那么，该工况诊断方法的实现过程就比较简单，其中不涉及比较繁琐的数据采集和数据处理过程，相应地，该工况诊断方法的准确性和可靠性就比较高。另外，该工况诊断方法加强了对电潜泵的实时监测和工况诊断，提高了电潜泵的生产效率，可实现电泵工况的长线对比分析；该方法改变依靠人工经验排查故障传统模式，建立基于模型在线动态诊断新模式，实现模型分析、自动推送、主动预警。该基于实时数据及模型的潜油电泵工况在线动态诊断方法明确各参数变化特征和工况类型的对应关系，实现工况诊断模型，能够有效提高诊断准确率及可靠性。基于现场工况和技术专家经验总结而出了八种工况，基本涵盖现场作业时电潜泵的所有异常状态，诊断结果能够有效指导技术人员及时采取治理措施，有利于加强油田的智能化管理。

为了使判断规则能够可视化，模型采用类似流程图的设计方法来建立电泵井工况诊断模型，用于定义诊断参数、属性、运算符等，用户可根据不同油藏类型调整规则及参数，大幅度提高了模型的适用性，从而进一步提升了诊断准确率。

附图说明

图1为本发明的基于实时数据及模型的潜油电泵工况在线动态诊断方法实施例1的流程图；

图2为本发明的基于实时数据及模型的潜油电泵工况在线动态诊断方法实施例2的流程图；

图3为本发明的基于实时数据及模型的潜油电泵工况在线动态诊断方法实施例3的流程图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作和/或它们的组合。

一种基于实时数据及模型的潜油电泵工况在线动态诊断方法，包括以下步骤：

(1)检测电潜泵的瞬时流量、电流、套压；根据各参数对工况的敏感性和相对独立性。选择瞬时流量、电流、套压作为诊断参数，不需要采集多种数据信息，相应地，与数据采集相关的故障点就大幅度降低。而且，少量参数的获取相较于多种参数的获取而言，数据获取过程更加简单，不繁琐。由于所需参数的种类比较少，那么，该工况诊断方法的实现过程就比较简单，其中不涉及比较繁琐的数据采集和数据处理过程，相应地，该工况诊断方法的准确性和可靠性就比较高。另外，该工况诊断方法加强了对电潜泵的实时监测和工况诊断，提高了电潜泵的生产效率，可实现电泵工况的长线对比分析；该方法改变依靠人工经验排查故障传统模式，建立基于模型在线动态诊断新模式，实现模型分析、自动推送、主动预警。

(2)针对参与诊断的三个参数，从正常值、峰值、谷值、变化率、变化值、对称性、频率等方面分解为15个特征参数，提取特征参数值；，所述15种特征参数是由参与诊断的瞬时流量、电流、套压三个特征参数分解得出，其中，瞬时流量的特征参数包括正常值、峰值、谷值、变化率；套压的特征参数包括正常值、峰值、谷值、变化值；电流的特征参数包括正常值、峰值、谷值、变化值、变化率、对称性、频率。明确各参数变化特征和工况类型的对应关系，实现工况诊断模型，能够有效提高诊断准确率及可靠性。

(3)根据所述实际诊断参数特征量在已建工况诊断模型中确定与所述实际瞬时流量、电流、套压相匹配的工况类型，进而确定电潜泵井的实际工况。工况为八种典型异常工况，通过统计各工况多参数变化规律，将八种电泵异常状态分为两大类：液量降低导致的工况异常，包括管漏、泵漏、供液不足、气体影响、轴断；异物进泵导致的工况异常，包括出砂、结垢。上述八种工况是基于现场工况和技术专家经验总结而出，基本涵盖现场作业时电潜泵的所有异常状态，诊断结果能够有效指导技术人员及时采取治理措施，有利于加强油田的智能化管理。

为了使判断规则能够可视化，模型采用类似流程图的设计方法来建立电泵井工况诊断模型，用于定义诊断参数、属性、运算符等，用户可根据不同油藏类型调整规则及参数，大幅度提高了模型的适用性，从而进一步提升了诊断准确率。例如在“液量降低大于10％”的模型规则中，可调整液量参数的属性(平均值、峰值、谷值、变化率)，可调整运算符(大于、小于、等于)及具体数值(10％)，都可根据用户需求进行自定义设置。

以下为应用本发明的几个具体的实施例：

实施例1：

在应用本发明的具体实施例1中，如图1所示，图1为本发明的基于实时数据及模型的潜油电泵工况在线动态诊断方法实施例1的流程图，包括以下步骤：

步骤101，通过相关的检测设备检测电潜泵的实际瞬时流量。

步骤102，提取瞬时流量的正常值、峰值、谷值、变化率作为特征参数。

步骤103，判断瞬时流量变化情况，例如瞬时流量下降幅度大于10％，且小于30％。

步骤104，通过相关的检测设备检测电潜泵的电流值。

步骤105，提取电流的正常值、峰值、谷值、变化值、变化率、对称性、频率作为特征参数。

步骤106，判断电流变化情况，例如电流谷值比正常值小2-3A。

步骤107，根据模型进行故障类型诊断，判断工况为供液不足。

综上所述，本发明实施例提供的基于实时数据及模型的潜油电泵工况在线诊断方法，在电潜泵工作稳定后，通过相关的检测设备检测电潜泵的实际瞬时流量、电流、套压数据，提取参与诊断参数的正常值、峰值、谷值、变化率、变化值、对称性、频率等特征参数，最后通过与已建电泵井工况诊断业务模型进行比对，实现电泵井工况的动态监控诊断，能够及时发现异常工况、快速制定措施，使油井恢复正常生产，从而提高油井开井时率，提高油田采收率。其中，业务模型采用类似流程图的设计方法建立，用于定义诊断参数、属性、运算符等，用户可调整规则及参数。因此，相较于现有电潜泵的故障诊断过程，能够有效提高诊断准确率，且适用性更强。

实施例2：

在应用本发明的具体实施例2中，如图2所示，图2为本发明的基于实时数据及模型的潜油电泵工况在线动态诊断方法实施例2的流程图，包括以下步骤：

步骤201，在工况模型中设置诊断规则及阈值，例如设置“瞬时流量下降幅度小于5％，且电流峰值、谷值、正常值呈等差数列，差值在0.5-1A之间，则判断工况为结垢”。

步骤202，通过相关的检测设备检测电潜泵的实际瞬时流量。

步骤203，提取瞬时流量的正常值、峰值、谷值、变化率作为特征参数。

步骤204，判断瞬时流量变化情况，例如瞬时流量下降幅度小于5％。

步骤205，通过相关的检测设备检测电潜泵的电流值。

步骤206，提取电流的正常值、峰值、谷值、变化值、变化率、对称性、频率作为特征参数。

步骤207，判断电流变化情况，例如电流峰值、谷值、正常值呈等差数列，差值在0.5-1A之间，且电流波动频率大。

步骤208，根据设置后的模型进行故障类型诊断，判断工况为结垢。

综上所述，本发明实施例提供的基于实时数据及模型的潜油电泵工况在线诊断方法，在电潜泵工作稳定后，通过相关的检测设备检测电潜泵的实际瞬时流量、电流、套压数据，提取参与诊断参数的正常值、峰值、谷值、变化率、变化值、对称性、频率等特征参数，最后通过与已建电泵井工况诊断业务模型进行比对，实现电泵井工况的动态监控诊断，能够及时发现异常工况、快速制定措施，使油井恢复正常生产，从而提高油井开井时率，提高油田采收率。其中，业务模型采用类似流程图的设计方法建立，用于定义诊断参数、属性、运算符等，用户可调整规则及参数。因此，相较于现有电潜泵的故障诊断过程，能够有效提高诊断准确率，且适用性更强。

实施例3：

在应用本发明的具体实施例3中，如图3所示，图3为本发明的基于实时数据及模型的潜油电泵工况在线动态诊断方法实施例3的流程图，包括以下步骤：

步骤301，在工况模型中设置诊断规则及阈值，例如设置“瞬时流量下降幅度大于30％，套压增加超过0.5MPa，且电流峰值、谷值均比正常值小6A，则判断工况为气锁”。

步骤302，通过相关的检测设备检测电潜泵的实际瞬时流量。

步骤303，提取瞬时流量的正常值、峰值、谷值、变化率作为特征参数。

步骤304，判断瞬时流量变化情况，例如瞬时流量下降幅度大于30％，且小于50％。

步骤305，通过相关的检测设备检测电潜泵的套压值。

步骤306，提取套压的正常值、峰值、谷值、变化值作为特征参数。

步骤307，判断套压变化情况，例如套压增加超过0.5MPa。

步骤308，通过相关的检测设备检测电潜泵的电流值。

步骤309，提取电流的正常值、峰值、谷值、变化值、变化率、对称性、频率作为特征参数。

步骤310，判断电流变化情况，电流峰值、谷值均比正常值小6A。

步骤311，根据设置后的模型进行故障类型诊断，判断工况为气锁。

综上所述，本发明实施例提供的基于实时数据及模型的潜油电泵工况在线诊断方法，在电潜泵工作稳定后，通过相关的检测设备检测电潜泵的实际瞬时流量、电流、套压数据，提取参与诊断参数的正常值、峰值、谷值、变化率、变化值、对称性、频率等特征参数，最后通过与已建电泵井工况诊断业务模型进行比对，实现电泵井工况的动态监控诊断，能够及时发现异常工况、快速制定措施，使油井恢复正常生产，从而提高油井开井时率，提高油田采收率。其中，业务模型采用类似流程图的设计方法建立，用于定义诊断参数、属性、运算符等，用户可调整规则及参数。因此，相较于现有电潜泵的故障诊断过程，能够有效提高诊断准确率，且适用性更强。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域技术人员来说，其依然可以对前述实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

除说明书所述的技术特征外，均为本专业技术人员的已知技术。

Claims (10)

1.基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，该基于实时数据及模型的潜油电泵工况在线动态诊断方法包括：

步骤1，检测电潜泵的瞬时流量、电流、套压；

步骤2，针对参与诊断的瞬时流量、电流、套压这三个参数，分解出多种特征参数，提取特征参数值；

步骤3，根据实际提取的特征参数值，在电泵井工况诊断模型中确定与实际瞬时流量、电流、套压相匹配的工况类型，进而确定电潜泵井的实际工况。

2.根据权利要求1所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，该基于实时数据及模型的潜油电泵工况在线动态诊断方法还包括，在步骤1之前，建立电泵井工况诊断模型，在工况模型中设置诊断规则及阈值。

3.根据权利要求2所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，在建立电泵井工况诊断模型的步骤中，采用流程图的设计方法来建立电泵井工况诊断模型，用于定义诊断参数、属性、运算符，用户根据不同油藏类型调整规则及参数。

4.根据权利要求1所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，在步骤2中，由参与诊断的瞬时流量、电流、套压三个特征参数分解得出15种特征参数。

5.根据权利要求4所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，在步骤2中，瞬时流量的特征参数包括正常值、峰值、谷值、变化率。

6.根据权利要求4所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，在步骤2中，套压的特征参数包括正常值、峰值、谷值、变化值。

7.根据权利要求4所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，在步骤2中，电流的特征参数包括正常值、峰值、谷值、变化值、变化率、对称性、频率。

8.根据权利要求1所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，在步骤3中，典型异常工况分为两大类：液量降低导致的工况异常和异物进泵导致的工况异常。

9.根据权利要求8所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，在步骤3中，液量降低导致的工况异常包括管漏、供液不足、气体影响、气锁、泵磨损、吸入口堵、轴断。

10.根据权利要求8所述的基于实时数据及模型的潜油电泵工况在线动态诊断方法，其特征在于，在步骤3中，异物进泵导致的工况异常包括出砂、结垢。

Images