CN115750304B - 绿能抽油机智慧管控系统 - Google Patents

Abstract

本发明公开了一种绿能抽油机智慧管控系统，包括：信息采集单元、信息智能分析单元以及智慧管控平台；所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。通过智慧管控平台对抽油机进行监控管理，准确的获取当前抽油机的工作状况，并对抽油机进行故障诊断，从而保证抽油效率、降低机械采油成本、提高油井产量，实现油田智能化管控。

Description

绿能抽油机智慧管控系统

技术领域

本发明涉及抽油机技术领域，尤其涉及绿能抽油机智慧管控系统。

背景技术

能源短缺是世界范围内共同面临的问题，随着石油行业的不断发展，对不同油藏的开采要求也在不断提升。由于地球上待发现石油资源的47%和最终可开采量的45%均来自于海洋，因此海上油田开发将成为新油田开发的重点。

如果将陆上稠油开采的工艺移植到海上，不仅可提升海上稠油的开发效益，还可以解决海上边际油田和接近枯竭油田的开发与再利用问题，因此，现在急需一种能在海上运行的抽油机管控系统。

发明内容

本发明提供了一种绿能抽油机智慧管控系统，以解决现有技术中存在的能源短缺是世界范围内共同面临的问题，随着石油行业的不断发展，对不同油藏的开采要求也在不断提升。由于地球上待发现石油资源的47%和最终可开采量的45%均来自于海洋，因此海上油田开发将成为新油田开发的重点；如果将陆上稠油开采的工艺移植到海上，不仅可提升海上稠油的开发效益，还可以解决海上边际油田和接近枯竭油田的开发与再利用问题的上述问题。

为了达到上述目的，本发明提供如下技术方案：

绿能抽油机智慧管控系统，包括：信息采集单元、信息智能分析单元以及智慧管控平台；

所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；

所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；

所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。

其中，所述信息采集单元包括：环境参数采集模块、海上发电装置参数采集模块以及抽油机参数采集模块；

所述环境参数采集模块用于采集海上环境对应参数数据，海上环境对应参数数据包括温度、湿度、风力强度和光照强度；

所述海上发电装置参数采集模块用于采集海上发电装置关键参数数据，海上发电装置关键参数数据包括储存电能、产生电能以及海上发电装置运行参数；

所述抽油机参数采集模块用于采集抽油机关键参数数据。

其中，所述信息智能分析单元包括：数据预处理模块、数据安全检测模块和数据分析模块；

所述数据预处理模块用于对采集的抽油机相关联信息数据进行预处理操作；

所述数据安全检测模块用于对抽油机相关联信息数据进行监测，若监测有异常数据，则进行异常数据分析，获取异常数据产生原因；

所述数据分析模块用于对预处理后的抽油机相关联信息数据进行分析，获取数据分析结果。

其中，所述智慧管控平台包括：数据库、控制模块以及显示终端；

所述数据库用于存储采集的抽油机相关联信息数据；

所述控制模块用于基于数据分析结果对抽油机发出对应操作指令，以及控制信息采集单元和信息智能分析单元的正常运行；

所述显示终端用于显示抽油机相关联信息数据，操作人员通过显示终端对抽油机进行操作以及实时监管。

其中，所述数据安全检测模块包括：基于神经网络构建抽油机故障诊断模型，将抽油机故障征兆作为输入层节点，将抽油机故障原因作为输出层节点，将已知故障现象及结论作为训练学习的样本空间；其中，将故障样本集、故障征兆样本集作为输入特征向量，输入特征向量表示为各种故障的电流特征值，输出向量表示为属于不同故障类型的隶属度；通过故障样本集、故障征兆样本集对网络进行训练学习，确定网络结构，从而获取抽油机故障诊断模型，基于抽油机故障诊断模型，诊断抽油机相应的故障状况。

其中，基于神经网络构建抽油机故障诊断模型包括：基于数据库中储存的抽油机相关联信息数据，获取抽油机在设定故障下和无故障下的检测样本；对检测样本进行预处理，将检测样本归一化为网络输入模式；创建神经网络，用已知的检测样本集训练网络，使网络获取诊断系统故障的知识，其中，诊断系统故障的知识是以分布在网络内部的隐节点数据中心及连接权值隐性表示的；基于神经网络，通过实时输入特征向量进行测试，获得该测试状态下的网络输出模式，对网络输出模式进行后处理，获取诊断结果，该诊断结果包括故障发生的位置和性质。

其中，所述数据分析模块包括：自平衡动力分析子模块；

基于数据库中储存的抽油机相关联信息数据，获取抽油机的关键参数，关键参数包括：抽油机的冲程和冲次，基于抽油机的冲程和冲次，所述自平衡动力分析子模块确定抽油机杆运行的最大行程以及抽油机的采油频率，根据抽油机的关键参数、抽油机杆运行的最大行程以及抽油机的采油频率获取抽油机的平衡度数据，基于平衡度数据构建自平衡动力模型，智慧管控平台根据自平衡动力模型对抽油机进行平衡度控制。

其中，所述控制模块包括：三相电参数据读取采集子程序；

所述三相电参数据读取采集子程序用于对三相电参采集三相电流、三相电压及功率数据进行读取，控制模块调用无线通讯子程序将信息采集单元采集的数据上传至智慧管控平台，智慧管控平台通过自平衡动力模型对数据进行处理，获取抽油机平衡度及当前冲次。

其中，所述显示终端包括：网页查询界面、数据存储界面与管理界面；

所述网页查询界面用于显示抽油机的运行数据，可通过网页查询界面查询油井的编号，及抽油机任意时间段的实时数据及历史功图；

所述数据存储界面用于基于数据库负责数据统一存储、管理及调用；

所述管理界面用于操作人员对抽油机的运行进行人为操作控制。

其中，所述控制模块还包括：状态预测子模块；

基于当前运行的抽油机，设定抽油机运行暂停时间T，状态预测子模块根据当前输入的电流相关参数对抽油机状态进行预测，若状态预测子模块输出结果为0 时，表示抽油机处于满抽状态，抽油机则继续抽油；当输出结果为1 时，表示抽油机处于半抽状态，抽油机则停止抽油。

其中，设定的暂停时间T为给定的初始时间，抽油机经过T 时间的暂停后，开始抽油，根据当前的输入计算输出，若输出为满抽，则继续抽油，若为半抽，继续抽油直到空抽后停止抽油，然后将暂停时间T 时间延长一小时，暂停时间T结束后继续抽油。

与现有技术相比，本发明具有以下优点：

绿能抽油机智慧管控系统，包括：信息采集单元、信息智能分析单元以及智慧管控平台；所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。通过智慧管控平台对抽油机进行监控管理，准确的获取当前抽油机的工作状况，并对抽油机进行故障诊断，从而保证抽油效率、降低机械采油成本、提高油井产量，实现油田智能化管控。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中绿能抽油机智慧管控系统的结构图；

图2为本发明实施例中绿能抽油机智慧管控系统的流程图；

图3为本发明实施例中绿能抽油机智慧管控系统的信息采集单元结构图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了一种绿能抽油机智慧管控系统，请参考图1至图3，包括：信息采集单元、信息智能分析单元以及智慧管控平台；所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。

上述技术方案的工作原理为：所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据（包括海上环境对应参数数据、海上发电装置关键参数数据以及抽油机关键参数数据）；基于数据实时性要求重要性以及数据查看频率，信息智能分析单元对抽油机相关联信息数据进行分层处理，获取若干组分级关联数据（便于对关联数据进行精准分析），对分级关联数据进行智能分析，获取数据分析结果；所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。

上述技术方案的有益效果为：所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作。通过智慧管控平台对抽油机进行监控管理，准确的获取当前抽油机的工作状况，并对抽油机进行故障诊断，从而保证抽油效率、降低机械采油成本、提高油井产量，实现油田智能化管控。

在另一实施例中，所述信息采集单元包括：环境参数采集模块、海上发电装置参数采集模块以及抽油机参数采集模块；

所述环境参数采集模块用于采集海上环境对应参数数据，海上环境对应参数数据包括温度、湿度、风力强度和光照强度；

所述海上发电装置参数采集模块用于采集海上发电装置关键参数数据，海上发电装置关键参数数据包括储存电能、产生电能以及海上发电装置运行参数；

所述抽油机参数采集模块用于采集抽油机关键参数数据。

上述技术方案的工作原理为：所述环境参数采集模块用于采集海上环境对应参数数据，海上环境对应参数数据包括温度、湿度、风力强度和光照强度；所述海上发电装置参数采集模块用于采集海上发电装置关键参数数据，海上发电装置关键参数数据包括储存电能、产生电能以及海上发电装置运行参数；所述抽油机参数采集模块用于采集抽油机关键参数数据，抽油机关键参数数据包括：抽油机运行参数、冲程、冲次和平衡参数。

上述技术方案的有益效果为：所述环境参数采集模块用于采集海上环境对应参数数据，对海上环境对应参数数据进行监控，为抽油机运行和海上发电装置运行提供保障；所述海上发电装置参数采集模块用于采集海上发电装置关键参数数据，获取当前海上电量情况，为抽油机运行提供电能供应保障；所述抽油机参数采集模块用于采集抽油机关键参数数据。通过采集抽油机相关联信息数据对抽油机实现准确的监控，确保抽油机运行正常。

在另一实施例中，所述信息智能分析单元包括：数据预处理模块、数据安全检测模块和数据分析模块；

所述数据预处理模块用于对采集的抽油机相关联信息数据进行预处理操作；

所述数据安全检测模块用于对抽油机相关联信息数据进行监测，若监测有异常数据，则进行异常数据分析，获取异常数据产生原因；

所述数据分析模块用于对预处理后的抽油机相关联信息数据进行分析，获取数据分析结果。

上述技术方案的工作原理为：所述数据预处理模块用于对采集的抽油机相关联信息数据进行预处理操作；所述数据安全检测模块用于对抽油机相关联信息数据进行监测，若监测有异常数据，则进行异常数据分析，获取异常数据产生原因；所述数据分析模块用于对预处理后的抽油机相关联信息数据进行分析，获取数据分析结果。

上述技术方案的有益效果为：所述数据预处理模块用于对采集的抽油机相关联信息数据进行预处理操作；所述数据安全检测模块用于对抽油机相关联信息数据进行监测，若监测有异常数据，则进行异常数据分析，获取异常数据产生原因；所述数据分析模块用于对预处理后的抽油机相关联信息数据进行分析，获取数据分析结果。通过数据安全检测模块对抽油机的运行情况进行在线监测，及时分析处理故障征兆，确定抽油机故障的原因和位置，防止因故障造成严重的事故。

在另一实施例中，所述智慧管控平台包括：数据库、控制模块以及显示终端；

所述数据库用于存储采集的抽油机相关联信息数据；

所述控制模块用于基于数据分析结果对抽油机发出对应操作指令，以及控制信息采集单元和信息智能分析单元的正常运行；

所述显示终端用于显示抽油机相关联信息数据，操作人员通过显示终端对抽油机进行操作以及实时监管。

上述技术方案的工作原理为：所述数据库用于存储采集的抽油机相关联信息数据；所述控制模块用于基于数据分析结果对抽油机发出对应操作指令，以及控制信息采集单元和信息智能分析单元的正常运行；所述显示终端用于显示抽油机相关联信息数据，操作人员通过显示终端对抽油机进行操作以及实时监管。从而对抽油机进行更精准的监控和管理。

上述技术方案的有益效果为：所述数据库用于存储采集的抽油机相关联信息数据；所述控制模块用于基于数据分析结果对抽油机发出对应操作指令，以及控制信息采集单元和信息智能分析单元的正常运行；所述显示终端用于显示抽油机相关联信息数据，操作人员通过显示终端对抽油机进行操作以及实时监管。从而对抽油机进行更精准的监控和管理。

在另一实施例中，所述数据安全检测模块包括：基于神经网络构建抽油机故障诊断模型，将抽油机故障征兆作为输入层节点，将抽油机故障原因作为输出层节点，将已知故障现象及结论作为训练学习的样本空间；其中，将故障样本集、故障征兆样本集作为输入特征向量，输入特征向量表示为各种故障的电流特征值，输出向量表示为属于不同故障类型的隶属度；通过故障样本集、故障征兆样本集对网络进行训练学习，确定网络结构，从而获取抽油机故障诊断模型，基于抽油机故障诊断模型，诊断抽油机相应的故障状况。

上述技术方案的工作原理为：基于神经网络构建抽油机故障诊断模型，将抽油机故障征兆作为输入层节点，将抽油机故障原因作为输出层节点，将已知故障现象及结论作为训练学习的样本空间；其中，将故障样本集、故障征兆样本集作为输入特征向量，输入特征向量表示为各种故障的电流特征值，用抽油机的电机电流信号作为训练神经网络的样本，每个训练样本由7个特征向量组成；通过故障样本集、故障征兆样本集对网络进行训练学习，确定网络结构，从而获取抽油机故障诊断模型，基于抽油机故障诊断模型，诊断抽油机相应的故障状况。

基于神经网络构建抽油机故障诊断模型过程中，通过神经网络适应度公式进行模型训练，该神经网络适应度公式为：

其中，F表示神经网络适应度，N表示训练集的样本总数，C表示网络输出单元的神经元个数，

表示第i个样本的第j个输出神经元的理想输出值，/>

表示第i个样本的第j个输出神经元的实际输出值；

通过获取神经网络适应度，来确定抽油机的工作状态，根据工作状态来诊断抽油机相应的故障状态。

上述技术方案的有益效果为：基于神经网络构建抽油机故障诊断模型，将抽油机故障征兆作为输入层节点，将抽油机故障原因作为输出层节点，将已知故障现象及结论作为训练学习的样本空间；其中，将故障样本集、故障征兆样本集作为输入特征向量，输入特征向量表示为各种故障的电流特征值，输出向量表示为属于不同故障类型的隶属度；通过故障样本集、故障征兆样本集对网络进行训练学习，确定网络结构，从而获取抽油机故障诊断模型，基于抽油机故障诊断模型，诊断抽油机相应的故障状况。通过抽油机故障诊断模型及时对抽油机进行故障分析，获取故障征兆，确定抽油机故障的原因和位置，防止因故障造成严重的事故。

在另一实施例中，基于神经网络构建抽油机故障诊断模型包括：基于数据库中储存的抽油机相关联信息数据，获取抽油机在设定故障下和无故障下的检测样本；对检测样本进行预处理，将检测样本归一化为网络输入模式；创建神经网络，用已知的检测样本集训练网络，使网络获取诊断系统故障的知识，其中，诊断系统故障的知识是以分布在网络内部的隐节点数据中心及连接权值隐性表示的；基于神经网络，通过实时输入特征向量进行测试，获得该测试状态下的网络输出模式，对网络输出模式进行后处理，获取诊断结果，该诊断结果包括故障发生的位置和性质。

上述技术方案的工作原理为：基于神经网络构建抽油机故障诊断模型包括：基于数据库中储存的抽油机相关联信息数据，获取抽油机在设定故障下和无故障下的检测样本；对检测样本进行预处理，将检测样本归一化为网络输入模式；创建神经网络，用已知的检测样本集训练网络，使网络获取诊断系统故障的知识，其中，诊断系统故障的知识是以分布在网络内部的隐节点数据中心及连接权值隐性表示的；基于神经网络，通过实时输入特征向量进行测试，获得该测试状态下的网络输出模式，对网络输出模式进行后处理，获取诊断结果，该诊断结果包括故障发生的位置和性质。通过抽油机故障诊断模型及时对抽油机进行故障分析，获取故障征兆，确定抽油机故障的原因和位置，防止因故障造成严重的事故。

上述技术方案的有益效果为：基于神经网络构建抽油机故障诊断模型包括：基于数据库中储存的抽油机相关联信息数据，获取抽油机在设定故障下和无故障下的检测样本；对检测样本进行预处理，将检测样本归一化为网络输入模式；创建神经网络，用已知的检测样本集训练网络，使网络获取诊断系统故障的知识，其中，诊断系统故障的知识是以分布在网络内部的隐节点数据中心及连接权值隐性表示的；基于神经网络，通过实时输入特征向量进行测试，获得该测试状态下的网络输出模式，对网络输出模式进行后处理，获取诊断结果，该诊断结果包括故障发生的位置和性质。通过抽油机故障诊断模型及时对抽油机进行故障分析，获取故障征兆，确定抽油机故障的原因和位置，防止因故障造成严重的事故。

在另一实施例中，所述数据分析模块包括：自平衡动力分析子模块；

基于数据库中储存的抽油机相关联信息数据，获取抽油机的关键参数，关键参数包括：抽油机的冲程和冲次，基于抽油机的冲程和冲次，所述自平衡动力分析子模块确定抽油机杆运行的最大行程以及抽油机的采油频率，根据抽油机的关键参数、抽油机杆运行的最大行程以及抽油机的采油频率获取抽油机的平衡度数据，基于平衡度数据构建自平衡动力模型，智慧管控平台根据自平衡动力模型对抽油机进行平衡度控制。

上述技术方案的工作原理为：基于数据库中储存的抽油机相关联信息数据，获取抽油机的关键参数，关键参数包括：抽油机的冲程和冲次，基于抽油机的冲程和冲次，所述自平衡动力分析子模块确定抽油机杆运行的最大行程以及抽油机的采油频率，根据抽油机的关键参数、抽油机杆运行的最大行程以及抽油机的采油频率获取抽油机的平衡度数据，基于平衡度数据构建自平衡动力模型，智慧管控平台根据自平衡动力模型对抽油机进行平衡度控制。

在基于平衡度数据构建自平衡动力模型过程中，采用两个输入量，包括偏差和偏差变化率，通过两个输入量对抽油机平衡度进行调节，输入变量为平衡度偏差e 和平衡度偏差变化率ec，将两个输入量经过分析计算得到对应的自平衡抽油机的控制输出量u，构成平衡度的总控制查询表，再根据平衡度模糊控制规则获取模糊矩阵R，利用最大隶属度法将模糊矩阵R进行去模糊化，求解得到平衡度控制输出量，将平衡度控制输出量转化为平衡控制信号，基于平衡控制信号控制抽油机进行平衡度调节，使抽油机达到理想平衡状态。

上述技术方案的有益效果为：基于数据库中储存的抽油机相关联信息数据，获取抽油机的关键参数，关键参数包括：抽油机的冲程和冲次，基于抽油机的冲程和冲次，所述自平衡动力分析子模块确定抽油机杆运行的最大行程以及抽油机的采油频率，根据抽油机的关键参数、抽油机杆运行的最大行程以及抽油机的采油频率获取抽油机的平衡度数据，基于平衡度数据构建自平衡动力模型，智慧管控平台根据自平衡动力模型对抽油机进行平衡度控制。从而实现对抽油机的自平衡调节功能，对抽油机的平衡进行智能控制，使抽油机始终在最理想平衡度范围内运行。

在另一实施例中，所述控制模块包括：三相电参数据读取采集子程序；

所述三相电参数据读取采集子程序用于对三相电参采集三相电流、三相电压及功率数据进行读取，控制模块调用无线通讯子程序将信息采集单元采集的数据上传至智慧管控平台，智慧管控平台通过自平衡动力模型对数据进行处理，获取抽油机平衡度及当前冲次。

上述技术方案的工作原理为：所述三相电参数据读取采集子程序用于对三相电参采集三相电流、三相电压及功率数据进行读取，控制模块调用无线通讯子程序将信息采集单元采集的数据上传至智慧管控平台，智慧管控平台通过自平衡动力模型对数据进行处理，获取抽油机平衡度及当前冲次。从而实现对抽油机的自平衡调节功能，对抽油机的平衡进行智能控制。

上述技术方案的有益效果为：所述三相电参数据读取采集子程序用于对三相电参采集三相电流、三相电压及功率数据进行读取，控制模块调用无线通讯子程序将信息采集单元采集的数据上传至智慧管控平台，智慧管控平台通过自平衡动力模型对数据进行处理，获取抽油机平衡度及当前冲次。从而实现对抽油机的自平衡调节功能，对抽油机的平衡进行智能控制，进而来判断抽油机运行状态，对其冲次实时调节。

在另一实施例中，所述显示终端包括：网页查询界面、数据存储界面与管理界面；

所述网页查询界面用于显示抽油机的运行数据，可通过网页查询界面查询油井的编号，及抽油机任意时间段的实时数据及历史功图；

所述数据存储界面用于基于数据库负责数据统一存储、管理及调用；

所述管理界面用于操作人员对抽油机的运行进行人为操作控制。

上述技术方案的工作原理为：所述网页查询界面用于显示抽油机的运行数据，可通过网页查询界面查询油井的编号，及抽油机任意时间段的实时数据及历史功图；所述数据存储界面用于基于数据库负责数据统一存储、管理及调用；所述管理界面用于操作人员对抽油机的运行进行人为操作控制。通过显示终端，可以显示自平衡抽油机当前冲次数、平衡度值、最大及最小载荷值等，能够很方便的查看自平衡抽油机实时工作状态。为操作人员监控并操控抽油机提供便利。

上述技术方案的有益效果为：所述网页查询界面用于显示抽油机的运行数据，可通过网页查询界面查询油井的编号，及抽油机任意时间段的实时数据及历史功图；所述数据存储界面用于基于数据库负责数据统一存储、管理及调用；所述管理界面用于操作人员对抽油机的运行进行人为操作控制。能够通过显示终端，对抽油机启停等进行操作，后台数据实时显示等。

在另一实施例中，所述控制模块还包括：状态预测子模块；

基于当前运行的抽油机，设定抽油机运行暂停时间T，状态预测子模块根据当前输入的电流相关参数对抽油机状态进行预测，若状态预测子模块输出结果为0 时，表示抽油机处于满抽状态，抽油机则继续抽油；当输出结果为1 时，表示抽油机处于半抽状态，抽油机则停止抽油。

其中，设定的暂停时间T为给定的初始时间，抽油机经过T 时间的暂停后，开始抽油，根据当前的输入计算输出，若输出为满抽，则继续抽油，若为半抽，继续抽油直到空抽后停止抽油，然后将暂停时间T 时间延长一小时，暂停时间T结束后继续抽油。

上述技术方案的工作原理为：为满足抽油机节能的需要，当海底蓄油量较少，抽油机空抽或半抽时及时停机，待蓄油量增加到一定程度时重新开机；基于抽油机负荷电流（表示为电流I）、负荷变化（

表示为微分值）、负荷积累信息（表示为积分值/>

）作为预测模型的输入，用于判断抽油机启停的特征，其中，满抽阶段中，抽油机在停机后刚开始启动阶段，负荷电流有增加，负荷变化较大，负荷积累信息数据小，满抽阶段稳定后，负荷电流保持稳定，此时的负荷变化较小；半抽阶段中，在半抽过渡阶段负荷电流下降缓慢，抽油机的负荷也会逐渐减小，抽油泵的泵吸液能力大于油井的渗油能力；空抽阶段中，负荷电流稳定在较小的范围内，负荷变化较小，负荷积累信息此时达到了最大，通过抽油机节能算法步骤对抽油机进行节能控制；其中，抽油机运行的负荷电流、负荷变化、负荷积累信息为抽油机运行的参数。

抽油机节能算法步骤包括：

步骤一：设置初始值，设抽油机间抽停止时间为T；

步骤二：抽油机开始抽油，将当前抽油机运行的负荷电流、负荷变化、负荷积累信息作为预测模型的输入；

步骤三：若输出为“满抽”，则进行步骤四，若输出为“半抽”，则进行步骤六；

步骤四：继续抽油，将前抽油机运行的负荷电流、负荷变化、负荷积累信息数值代入预测模型；

步骤五：若输出为“满抽”，则进行步骤四，若输出为“半抽”，则进行步骤九；

步骤六：继续抽油，将前抽油机运行的负荷电流、负荷变化、负荷积累信息数值代入预测模型；

步骤七：若输出为“半抽”，则进行步骤六；若输出为“空抽”，则进行步骤九；

步骤八：抽油机停止时间T=T+1；

步骤九：停止抽油。

上述技术方案的有益效果为：基于当前运行的抽油机，设定抽油机运行暂停时间T，状态预测子模块根据当前输入的电流相关参数对抽油机状态进行预测，若状态预测子模块输出结果为0 时，表示抽油机处于满抽状态，抽油机则继续抽油；当输出结果为1 时，表示抽油机处于半抽状态，抽油机则停止抽油。其中，设定的暂停时间T为给定的初始时间，抽油机经过T 时间的暂停后，开始抽油，根据当前的输入计算输出，若输出为满抽，则继续抽油，若为半抽，继续抽油直到空抽后停止抽油，然后将暂停时间T 时间延长一小时，暂停时间T结束后继续抽油。从而实现抽油机的节能功能。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.绿能抽油机智慧管控系统，其特征在于，包括：信息采集单元、信息智能分析单元以及智慧管控平台；

所述信息采集单元用于当海上抽油机运行时，采集抽油机相关联信息数据；

所述信息智能分析单元用于对抽油机相关联信息数据进行预处理，获取分级关联数据，对分级关联数据进行智能分析，获取数据分析结果；

所述智慧管控平台用于基于数据分析结果，实时监控抽油机运行情况以及对抽油机进行对应的管控操作；

所述信息智能分析单元包括：数据预处理模块、数据安全检测模块和数据分析模块；

所述数据预处理模块用于对采集的抽油机相关联信息数据进行预处理操作；

所述数据安全检测模块用于对抽油机相关联信息数据进行监测，若监测有异常数据，则进行异常数据分析，获取异常数据产生原因；

所述数据分析模块用于对预处理后的抽油机相关联信息数据进行分析，获取数据分析结果；

所述数据安全检测模块包括：基于神经网络技术构建抽油机故障诊断模型，将抽油机故障征兆作为输入层节点，将抽油机故障原因作为输出层节点，将已知故障现象及结论作为训练学习的样本空间；其中，将故障样本集、故障征兆样本集作为输入特征向量，输入特征向量表示为各种故障的电流特征值，输出向量表示为属于不同故障类型的隶属度；通过故障样本集、故障征兆样本集对网络进行训练学习，确定网络结构，从而获取抽油机故障诊断模型，基于抽油机故障诊断模型，诊断抽油机相应的故障状况；

基于神经网络构建抽油机故障诊断模型包括：基于数据库中储存的抽油机相关联信息数据，获取抽油机在设定故障下和无故障下的检测样本；对检测样本进行预处理，将检测样本归一化为网络输入模式；创建神经网络，用已知的检测样本集训练网络，使网络获取诊断系统故障的知识，其中，诊断系统故障的知识是以分布在网络内部的隐节点数据中心及连接权值隐性表示的；基于神经网络，通过实时输入特征向量进行测试，获得该测试状态下的网络输出模式，对网络输出模式进行后处理，获取诊断结果，该诊断结果包括故障发生的位置和性质;

所述数据分析模块包括：自平衡动力分析子模块；

基于数据库中储存的抽油机相关联信息数据，获取抽油机的关键参数，关键参数包括：抽油机的冲程和冲次，基于抽油机的冲程和冲次，所述自平衡动力分析子模块确定抽油机杆运行的最大行程以及抽油机的采油频率，根据抽油机的关键参数、抽油机杆运行的最大行程以及抽油机的采油频率获取抽油机的平衡度数据，基于平衡度数据构建自平衡动力模型，智慧管控平台根据自平衡动力模型对抽油机进行平衡度控制；

所述智慧管控平台包括：数据库、控制模块以及显示终端；

所述数据库用于存储采集的抽油机相关联信息数据；

所述控制模块用于基于数据分析结果对抽油机发出对应操作指令，以及控制信息采集单元和信息智能分析单元的正常运行；

所述显示终端用于显示抽油机相关联信息数据，操作人员通过显示终端对抽油机进行操作以及实时监管；

所述控制模块还包括：状态预测子模块；

基于当前运行的抽油机，设定抽油机运行暂停时间T，状态预测子模块根据当前输入的电流相关参数对抽油机状态进行预测，若状态预测子模块输出结果为0 时，表示抽油机处于满抽状态，抽油机则继续抽油；当输出结果为1 时，表示抽油机处于半抽状态，抽油机则停止抽油。

2.根据权利要求1所述的绿能抽油机智慧管控系统，其特征在于，所述信息采集单元包括：环境参数采集模块、海上发电装置参数采集模块以及抽油机参数采集模块；

所述环境参数采集模块用于采集海上环境对应参数数据，海上环境对应参数数据包括温度、湿度、风力强度和光照强度；

所述海上发电装置参数采集模块用于采集海上发电装置关键参数数据，海上发电装置关键参数数据包括储存电能、产生电能以及海上发电装置运行参数；

所述抽油机参数采集模块用于采集抽油机关键参数数据。

3.根据权利要求1所述的绿能抽油机智慧管控系统，其特征在于，所述控制模块包括：三相电参数据读取采集子程序；

所述三相电参数据读取采集子程序用于对三相电参采集三相电流、三相电压及功率数据进行读取，控制模块调用无线通讯子程序将信息采集单元采集的数据上传至智慧管控平台，智慧管控平台通过自平衡动力模型对数据进行处理，获取抽油机平衡度及当前冲次。

4.根据权利要求1所述的绿能抽油机智慧管控系统，其特征在于，所述显示终端包括：网页查询界面、数据存储界面与管理界面；

所述网页查询界面用于显示抽油机的运行数据，可通过网页查询界面查询油井的编号，及抽油机任意时间段的实时数据及历史功图；

所述数据存储界面用于基于数据库负责数据统一存储、管理及调用；

所述管理界面用于操作人员对抽油机的运行进行人为操作控制。

Images