CN116547440A - 仪表化压裂泵系统和方法 - Google Patents
仪表化压裂泵系统和方法 Download PDFInfo
- Publication number
- CN116547440A CN116547440A CN202180077339.XA CN202180077339A CN116547440A CN 116547440 A CN116547440 A CN 116547440A CN 202180077339 A CN202180077339 A CN 202180077339A CN 116547440 A CN116547440 A CN 116547440A
- Authority
- CN
- China
- Prior art keywords
- pump
- sensor
- wear
- sensors
- crankshaft
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000012530 fluid Substances 0.000 claims abstract description 107
- 239000002245 particle Substances 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 3
- 230000000638 stimulation Effects 0.000 abstract description 5
- 238000005461 lubrication Methods 0.000 description 81
- 238000012856 packing Methods 0.000 description 59
- 230000008859 change Effects 0.000 description 37
- 239000003921 oil Substances 0.000 description 37
- 230000008569 process Effects 0.000 description 34
- 210000000707 wrist Anatomy 0.000 description 32
- 238000012423 maintenance Methods 0.000 description 30
- 239000000945 filler Substances 0.000 description 29
- 239000000314 lubricant Substances 0.000 description 29
- 230000033001 locomotion Effects 0.000 description 25
- 238000005259 measurement Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 22
- 238000013528 artificial neural network Methods 0.000 description 21
- 230000001186 cumulative effect Effects 0.000 description 21
- 230000001133 acceleration Effects 0.000 description 20
- 239000004033 plastic Substances 0.000 description 20
- 230000002829 reductive effect Effects 0.000 description 18
- 230000000875 corresponding effect Effects 0.000 description 17
- 230000015556 catabolic process Effects 0.000 description 16
- 230000036541 health Effects 0.000 description 16
- 230000001965 increasing effect Effects 0.000 description 16
- 239000013307 optical fiber Substances 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 230000007423 decrease Effects 0.000 description 12
- 238000006073 displacement reaction Methods 0.000 description 12
- 239000000835 fiber Substances 0.000 description 12
- 230000000712 assembly Effects 0.000 description 10
- 238000000429 assembly Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 10
- 230000003628 erosive effect Effects 0.000 description 10
- 238000005086 pumping Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 230000002028 premature Effects 0.000 description 9
- 239000000446 fuel Substances 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000006731 degradation reaction Methods 0.000 description 7
- 239000010408 film Substances 0.000 description 7
- 238000005755 formation reaction Methods 0.000 description 7
- 230000006835 compression Effects 0.000 description 6
- 238000007906 compression Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 239000000758 substrate Substances 0.000 description 6
- 238000005336 cracking Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 239000010410 layer Substances 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000007789 sealing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000004323 axial length Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 230000001050 lubricating effect Effects 0.000 description 3
- 239000010687 lubricating oil Substances 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000010363 phase shift Effects 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 238000003466 welding Methods 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000004026 adhesive bonding Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000005489 elastic deformation Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000696 magnetic material Substances 0.000 description 2
- 239000006249 magnetic particle Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000253 optical time-domain reflectometry Methods 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- ODIGIKRIUKFKHP-UHFFFAOYSA-N (n-propan-2-yloxycarbonylanilino) acetate Chemical compound CC(C)OC(=O)N(OC(C)=O)C1=CC=CC=C1 ODIGIKRIUKFKHP-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 239000004813 Perfluoroalkoxy alkane Substances 0.000 description 1
- 239000004642 Polyimide Substances 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002929 anti-fatigue Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000012811 non-conductive material Substances 0.000 description 1
- 239000010742 number 1 fuel oil Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 229920011301 perfluoro alkoxyl alkane Polymers 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 229920001721 polyimide Polymers 0.000 description 1
- -1 polytetrafluoroethylene Polymers 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04B—POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS
- F04B51/00—Testing machines, pumps, or pumping installations
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
- E21B43/2607—Surface equipment specially adapted for fracturing operations
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本公开的某些实施方案总体上涉及用于在井场输送流体的泵。更具体地,一些实施方案涉及装备有传感器以测量或估计泵参数的泵,诸如压裂泵或其他增产泵。在一些情况下,使用泵传感器来检测磨损或故障或评估泵部件的剩余可用寿命。所述传感器也可以或替代地用于评估泵性能并且在一些情况下优化泵性能。还公开了各种额外的系统、装置和方法。
Description
相关申请的交叉引用
本申请要求2020年10月26日提交的美国临时专利申请第63/105,749号的优先权和利益,该申请以全文引用的方式并入本文中。
背景技术
本部分旨在向读者介绍可能与当前描述的实施方案的各个方面有关的技术的各个方面。本论述被认为有助于向读者提供背景信息,以便于更好地理解当前实施方案的各个方面。因此,应当理解,这些声明应从这个角度进行阅读,并且不应被视对现有技术的承认。
为了满足消费者和工业对自然资源的需求,企业往往投入大量时间和金钱来从地球搜索和提取石油、天然气和其他地下资源。具体地,一旦期望的地下资源被发现,往往就会采用钻采系统来接近和提取资源。这些系统可以位于陆地上或海上,这取决于期望资源的位置。此外,此类系统通常包括井口组件,通过所述井口组件提取资源。这些井口组件可以包括控制钻井或提取作业的多种部件,诸如各种套管、阀、流体管道等。
另外,此类井口组件可以使用压裂树和其他部件来促进压裂过程并提高井的产量。如将了解的,诸如石油和天然气等资源通常是从形成于各种地下岩层或地层中的裂缝或其他空腔中提取的。为了促进此类资源的开采,可以对井进行压裂过程,从而在岩层中产生一条或多条人造裂缝。这有助于例如预先存在的裂缝与空腔的联接,从而允许石油、天然气等流入井筒中。压裂过程可以使用压裂泵将压裂液——通常是包括支撑剂(例如砂)和水的混合物——注入井中以增加井的压力并形成人造裂缝。流体的高压增加了裂缝尺寸并促进裂缝蔓延穿过岩层以释放石油和天然气,而支撑剂防止裂缝在流体减压后闭合。压裂系统可以包括供应歧管(例如,射弹拖车),具有用于将压裂液输送到和输送出压裂泵的管线。井场可以包括其他泵,诸如不同的增产泵、水泥泵和泥浆泵。
发明内容
下文陈述本文所公开的一些实施方案的某些方面。应当理解,呈现这些方面只是为了向读者提供本发明可能采取的某些形式的简略概要,并且这些方面并非旨在限制本发明的范围。实际上,本发明可以涵盖下文可能未陈述的多种方面。
本公开的某些实施方案总体上涉及用于在井场输送流体的泵。更具体地,一些实施方案涉及装备有传感器以测量或估计泵参数的泵,诸如压裂泵或其他增产泵。在一些情况下,使用泵传感器来检测磨损或故障或评估泵部件的剩余可用寿命。所述传感器也可以或替代地用于评估泵性能并且在一些情况下优化泵性能。
对于当前实施方案的各个方面,可能存在上述特征的各种改进。其他特征同样也可以并入这些各种方面中。这些改进和其他特征可以单独地或以任何组合存在。例如,下文关于所示实施方案中的一个或多个实施方案讨论的各种特征可以单独地或以任何组合并入到本公开的上述方面中的任何方面中。再者,上文呈现的简要概述只旨在使读者熟悉一些实施方案的某些方面和背景,而不限制所要求保护的主题。
附图说明
当参考附图阅读以下具体实施方式时,某些实施方案的这些和其他特征、方面和优势将变得更好理解,在附图中,在全部附图中相同的字符表示相同部件,其中:
图1大体上描绘了根据本公开的一个实施方案的具有泵的压裂系统;
图2是根据一个实施方案的可用作图1的泵的泵系统的部件的框图;
图3是根据一个实施方案的五缸柱塞泵的透视图;
图4是根据一个实施方案的图3的五缸柱塞泵的剖视图;
图5描绘了根据一个实施方案的具有载荷垫圈和曲轴编码器的五缸柱塞泵;
图6和图7描绘了根据一个实施方案的五缸柱塞泵的曲轴的轴向载荷;
图8是根据一个实施方案的描绘曲轴的测量轴向载荷随着角度而变的曲线图;
图9描绘了根据一个实施方案的具有接近传感器和曲轴编码器的五缸柱塞泵;
图10和图11描绘了根据一个实施方案的五缸柱塞泵的曲轴的轴向长度或移动的变化;
图12是根据一个实施方案的描绘通过接近传感器测量的轴向距离随着曲轴角度而变的曲线图;
图13是根据一个实施方案的具有装备有加速度计的马达、驱动轴、齿轮箱和泵的系统;
图14至图16大体上描绘了根据一个实施方案的处于图13的系统的轴的相对端处的加速度计;
图17是根据一个实施方案的具有装备有RFID传感器的泵的系统;
图18描绘了根据一个实施方案的具有RFID传感器的图17的泵的连接杆;
图19描绘了根据一个实施方案的具有RFID传感器的图17的泵的十字头;
图20描绘了根据一个实施方案的具有RFID传感器的泵的动力端壳体;
图21是根据一个实施方案的应力-应变曲线;
图22是根据一个实施方案的描绘连接杆所受的应力随着曲轴角度而变的曲线图;
图23描绘了根据一个实施方案的可以通过泵的RFID加速度计测量的振动特征;
图24根据一个实施方案示出扭转振动的振幅随着曲轴角度而变;
图25描绘了根据一个实施方案的用于测量泵参数的具有光纤的测量系统;
图26描绘了根据一个实施方案的泵的多个位置,可以在所述位置使用图25的测量系统来感测参数;
图27是根据一个实施方案的与图25的测量系统相关联的反向散射光谱;
图28至图30描绘了根据若干实施方案的可由图25的测量系统使用的光缆;
图31描绘了根据一个实施方案的连接到五缸柱塞泵的吸入歧管的流量计;
图32描绘了根据一个实施方案的图31的流量计的部件;
图33是根据一个实施方案的五缸泵的各种流速和相关联的柱塞健康水平的曲线图;
图34是根据一个实施方案的描绘五缸泵中的每个柱塞的频率脉冲以及泵的流速特征的曲线图;
图35描绘了根据一个实施方案的具有加速度计和曲轴编码器的五缸泵;
图36是根据一个实施方案的表示用于识别将通过传感器直接测量的泵参数并有助于间接估计其他泵参数的过程的流程图;
图37是根据一个实施方案的神经网络;
图38是根据一个实施方案的表示用于根据动力端振动估计泵参数以有助于操作决策制定的过程的流程图;
图39描绘了根据一个实施方案的泵的流体端主体中的流体端泵柱塞杆和填料(packing)套筒;
图40描绘了根据一个实施方案的用于向图39的流体端提供润滑剂的润滑剂储存器以及用于监测参数并预测故障的软件;
图41是根据一个实施方案的示出流体端的排放阀和吸入阀的压裂泵的剖视图;
图42描绘了根据一个实施方案的用于感测图41的泵所受应力的金属条;
图43描绘了根据一个实施方案的接近传感器和泵的连接杆;
图44描绘了根据一个实施方案的具有用于测量连接杆与曲拐之间的油膜的传感器的连接杆;
图45描绘了根据一个实施方案的装备有应变计的连接杆;
图46示出了根据一个实施方案的泵布置,其中非移动的磁源为移动的传感器(诸如图45的应变计)提供动力;
图47是根据一个实施方案的装备有应变传感器和直列式测力传感器的泵的剖视图;
图48描绘了根据一个实施方案的通过图47的应变传感器产生的测量响应;
图49描绘了根据一个实施方案的接收从五缸泵的柱塞部分排出的石油的排放歧管;
图50描绘了根据一个实施方案的可位于图49的排放歧管中以暴露于石油排放流中的细长传感器;
图51和图52示出了根据某些实施方案的可用于测量泵中产生的颗粒的传感器;
图53描绘了根据一个实施方案的图51或图52的传感器的基板中的电镀通孔;
图54描绘了根据一个实施方案的具有电镀通孔的叉指式导电传感器区域;
图55示出了根据一个实施方案的颗粒传感器的导电图案;
图56示出了根据一个实施方案的用于感测颗粒的导电图案;
图57描绘了根据一个实施方案的装备有传感器组件的泵的流体端,所述传感器组件包括排放歧管压力传感器、吸入歧管压力传感器、吸入流量计和加速度计;
图58是根据一个实施方案的描绘了五缸泵中的每个柱塞的压力脉冲以及预期排放压力特征的曲线图;
图59是根据一个实施方案的表示用于确定预期泵部件寿命、操作特性以及泵使用期间的异常的过程的流程图;
图60是根据一个实施方案的表示用于基于历史数据来估计泵部件的剩余可用寿命的过程的流程图;
图61描绘了根据一个实施方案的泵的流体端的整体主体,其中所述整体主体装备有应变计;
图62是根据一个实施方案的具有泵上的应变计的代表性特征的曲线图;
图63描绘了根据一个实施方案的具有液压吸入盖和吸入盖压力传感器的泵的流体端;
图64是根据一个实施方案的泵的柱塞的吸入和排放循环的曲线图;
图65描绘了根据一个实施方案的装备有传感器的连接杆、十字头和肘节销;
图66描绘了根据一个实施方案的装备有传感器组件的泵的流体端;
图67是根据一个实施方案的五缸泵的五个孔的填料润滑压力随着曲轴角度而变的曲线图;
图68是根据一个实施方案的五缸泵的五个孔的填料压力随着时间而变的曲线图;
图69和图70描绘了根据一个实施方案的在泵的齿轮箱、撑杆和框架的各个位置处装备有传感器的五缸泵;
图71和图72描绘了根据一个实施方案的装备有曲轴编码器、温度传感器和加速度计的五缸泵;
图73是根据一个实施方案的泵的振动信号在频域中的曲线图;
图74是根据一个实施方案的健康泵轴承的振动信号在双相干域中的曲线图;
图75是根据一个实施方案的不健康泵轴承的振动信号在双相干域中的曲线图;
图76和图77描绘了根据一个实施方案的装备有各种传感器的五缸泵;
图78大体上表示了根据一个实施方案的曲轴响应于高扭矩应力的行为;
图79描绘了根据一个实施方案的装备有各种传感器和其他装置的泵润滑系统;
图80是根据一个实施方案的在图79的系统中测得的颗粒数的曲线图;
图81是根据一个实施方案的通过图79的系统的粘度计测量的润滑剂粘度的曲线图;
图82是根据一个实施方案的通过图79的系统的石油状况传感器测量的石油状况的曲线图;
图83是根据一个实施方案的流体阻力的曲线图,所述流体阻力指示润滑剂中的水浓度并且可用图79的系统的水传感器来测量;
图84和图85示出根据某些实施方案的压裂泵效率曲线;
图86大体上表示根据一个实施方案应用梯度下降优化算法来迭代地计算并达到多个泵中的每一者的操作点,在所述操作点,井场的累积功率和燃料消耗被最小化;
图87是根据一个实施方案的表示用于收集泵传感器数据和操作参数的历史数据集的过程的流程图;
图88是根据一个实施方案的表示用于优化泵性能的过程的流程图;
图89是根据一个实施方案的泵加速度和速度随时间而变的曲线图;
图90是根据一个实施方案的随着泵的液压马力输出增加而改变的各种泵传感器读数的曲线图;
图91是根据一个实施方案的泵部件的相对磨损速率的简化图;
图92是根据一个实施方案的基于处理器的数据分析器的部件的框图。
具体实施方式
下文将描述本公开的具体实施方案。为了提供对这些实施方案的简要描述,说明书中可能不会描述实际实施方式的所有特征。应了解,如同在任何工程或设计项目中一样,在开发任何此类实际实施方式时,都必须作出与实施方式特定相关的众多决定,以实现开发人员的特定目标,诸如遵守与系统相关以及与业务相关的约束,这些约束可能会随实施方式而变化。此外,应了解,这种开发工作可能是复杂且耗时的,但对受益于本公开的普通技术人员而言,这仍将是设计、制作和制造中的常规任务。
当介绍各个实施方案的要素时,冠词“一”、“一个”、“该”和“所述”旨在表示存在一个或多个所述要素。术语“包括”、“包含”和“具有”意图是包括性的,并且表示除了所列要素以外,可能还有额外要素。此外,“顶部”、“底部”、“上方”、“下方”、其他方向性术语和这些术语的变型的任何使用都是为了方便起见,而不要求部件的任何特定取向。
现在转向附图,图1中提供了根据某些实施方案的压裂系统10的示例。压裂系统10有助于经由井12从地下地层提取自然资源,诸如石油或天然气。特别地,通过将压裂液注入井12中,压裂系统10增加了岩层或地层中裂缝的数量或尺寸,以提高地层中存在的自然资源的采收率。在一些实施方案中,井12是地面井,但将了解,资源可以从其他井12中提取,诸如平台或海底井。
所描绘的压裂系统10包括用于通过将流体14(例如,水)与支撑剂16(例如,砂)和添加剂18(例如,化学添加剂)混合来生产压裂液的混合器20。可以安装在卡车上的泵22用于将从混合器20接收的压裂液的压力增加到用于对井12压裂的适当压力。在一些情况下,压裂压力可以是10,000–15,000psi(约70,000–100,000kPA)。供应歧管24(例如,压裂射弹拖车)可用于将流体输送到和输送出泵22。例如,供应歧管24可以将低压压裂液从混合器20输送到泵22进行加压。来自泵22的高压压裂液可以返回到供应歧管24,然后通过井口组件28(例如,井口和压裂树)输送到井12中。在一些实施方案中,并且如下文更详细地讨论,泵22包括用于监测泵健康状况和操作的传感器26。
泵22在一些情况下是正排量泵,诸如三缸或五缸柱塞泵,但在其他情况下可以采用不同的形式,诸如离心泵或螺杆泵。可用于压裂系统10中的泵22的泵系统40的一个示例在图2中大体上被描绘为具有通过齿轮箱44连接的原动机42(例如,柴油马达、电动马达或液压马达)以向正排量泵46提供扭矩。所提供的扭矩驱动泵46的动力端48中的动力传输部件以致使泵46的流体端50中的流体(例如,压裂液或另一种增产液)加压。泵46可以装备有传感器26,所述传感器可用于测量操作参数、诊断泵部件的磨损、估计泵部件的剩余寿命或优化泵操作,如下面更详细地讨论。
根据一个实施方案,在图3和图4中描绘了采取五缸柱塞泵形式的泵46的示例。所描绘的泵46包括动力端壳体60和设置在内部空腔64内的曲轴62。轴承66(例如滚柱轴承)支撑曲轴62并允许曲轴62旋转以经由连接杆72驱动十字头70的往复运动。虽然在图4中描绘了一个连接杆72和十字头70,但是应了解,五缸泵的其他四个十字头70中的每一者可通过另一个连接杆72联接到曲轴62。短抽油杆76将十字头70的往复运动传输到柱塞,所述柱塞对流体端主体80中的流体加压。柱塞的往复运动通过吸入歧管82将流体(例如,压裂液)抽取到主体80中,对流体加压,并且经由排放歧管84将流体排放出主体80。流体端主体80可以经由撑杆86连接到动力端48。可以通过侧盖板88和90接近动力端48的某些内部部件,所述侧盖板可用紧固件92(例如,螺栓)或以任何其他合适的方式固定到壳体60。
在图5中大体上示出的一个实施方案中,泵46包括载荷垫圈102以测量曲轴62的轴向推力载荷。载荷垫圈102可以安装在侧板88中的螺栓92上。如图5所描绘,泵46还可以包括用于检测曲轴62在壳体60内的角位置的曲轴编码器104。曲轴编码器104可以以任何合适的方式联接到曲轴。在一种情况下,例如,编码器104是空心轴编码器,所述空心轴编码器滑动到延伸适配器上,所述延伸适配器在润滑旋转端处连接到曲轴62。
根据一个实施方案,曲轴62在图6和图7中被描绘为具有花键端106(其可有助于驱动曲轴62)和相对端108。由于曲轴被连接杆加载,所以曲轴的总长度可以减小。此外,主轴承的不均匀性也可能导致总体轴向运动和长度压缩。这可以作为每曲轴角度的轴向载荷或其他参数的减小被载荷垫圈捕获,如图6中大体上示出。相反地,随着曲轴载荷在减小的连接杆载荷下松弛或主轴承的不均匀性偏移时,曲轴的轴向长度增加或运动可以作为载荷垫圈所感测到的载荷增加来捕获,如图7中大体上示出。应了解,曲轴62的长度或位置变化在图6和图7中被大大夸大了以进行说明,并且曲轴62的描绘在这些附图中并未按相同比例绘制。载荷的变化率可以与扭转载荷、连接杆载荷、轴承非线性或泵46中的其他泵送参数成比例。编码器104提供的高分辨率角度可用于在角域中分析传感器数据(例如,轴向载荷),诸如图8中所示。
在另一个实施方案中,可使用接近传感器来检测曲轴62的轴向位移。如图9所示,例如,泵46装备有接近传感器112。在至少一些情况下,接近传感器安装在动力端48的侧板88中的孔上以能够看到内部旋转曲轴部件(例如,曲轴62或其部件)。泵46还可以包括曲轴编码器104,诸如如上所述。
由于曲轴62被连接杆加载,所以曲轴的总长度可以减小。此外,主轴承的不均匀性也可能导致总体轴向运动和长度压缩。这可以作为每曲轴角度的轴向距离或其他参数的增加被接近传感器112捕获,如图10中大体上示出。相反,随着曲轴载荷在减小的连接杆载荷下松弛或主轴承的不均匀性偏移,轴向长度的增加或运动可以作为接近传感器112感测到的轴向距离的减小被捕获,如图11中大体上示出。应了解,曲轴62的长度或位置变化在图10和图11中被大大夸大以进行说明,并且曲轴62的描绘在这些附图中并未按相同比例绘制。载荷的变化率可以与扭转载荷、连接杆载荷、轴承非线性或泵46中的其他泵送参数成比例。编码器104提供的高分辨率角度可用于在角域中分析传感器数据(例如,轴向距离),诸如图12中所示。
可测量油田装备振动并且使用所述油田装备振动来评估各种装备特性,诸如性能和状况。例如,传感器(例如加速度计或速度传感器)可放置在油田装备上的固定位置以测量沿一个或多个线性轴线的振动,每个轴线的位置相对于装备框架是静止的。在装备由旋转轴驱动的情况下,驱动轴材料的类弹簧的弹性性质可能会导致扭转振动,所述扭转振动可能会不利地影响装备性能或健康状况。通过加速度计或速度传感器在装备上的固定位置进行的振动测量包括恰好与传感器的轴线对准的各种振动源,其中驱动轴扭转可能只是众多来源之一。但在一些实施方案中,一种系统包括允许测量由油田装备中的旋转轴驱动的装备的扭转振动的电气或机械部件,诸如压裂泵、固井泵或泥浆正排量泵、离心泵、液压马达、电动马达、变速器和齿轮箱。扭转振动可以通过与旋转驱动轴对准的旋转参照系与其他形式的装备振动分开测量,这允许过滤其他非扭转振动源。在一些实施方案中,测得的扭转振动可用于进行装备健康监测或用作装备的基于状况的维护程序或数字孪生模型中的参数。当前技术还可以应用于非油田旋转装备,所述非油田旋转装备可以包括其他泵(例如,精炼泵)或马达。
在图13中大体上描绘的一个实施方案中,系统114包括马达116,所述马达通过驱动轴118介接到齿轮箱120,所述齿轮箱连接到泵46。泵46大体上被描绘为五缸泵,但在不同的实施方案中可以采用任何其他合适的形式。加速度计124、126、128和130(例如,无线三轴加速度计)以相对的轴线取向跨过每个前述部件的驱动轴的相对端放置。加速度计无线介接到接入点132,所述接入点将加速度数据发送到控制器134,诸如可编程逻辑控制器。控制器134将任何两个相邻加速度计的加速度值进行比较(例如,相加)以分析那些加速度计之间的驱动轴部分的扭转振动。例如,比较马达116的加速度计124的加速度数据提供了马达轴上的扭转振动。类似地,比较加速度计126的加速度数据提供了驱动轴118上的扭转振动。同样,比较加速度计128的加速度数据提供了齿轮箱120上的扭转振动,并且比较加速度计130的加速度数据提供了泵46上的扭转振动。
一旦系统运行并且马达116开始旋转,马达116的轴、驱动轴118、齿轮箱120和泵46的类弹簧的弹性性质可能会导致由加速度计124、126、128和130测得的加速度不同。同一轴上的两个加速度计之间的差异可能与轴所经历的扭转振动成比例。作为示例,图14描绘了轴140(例如,马达116的轴、驱动轴118、齿轮箱120或泵46),所述轴有两个加速度计142(例如加速度计124、126、128或130)在相对端处并且采取相对的轴线取向。如果轴140一旦开始旋转就不会经历扭转振动,则加速度计值的相加将为零。然而,如图15和图16所示,轴140的类弹簧的弹性性质可能会导致加速度计142沿所有轴线都具有偏移。轴140可沿X轴压缩或延伸。轴可沿旋转Y轴产生位移。最后,轴甚至可能会沿Z轴发生偏移。
在产品开发过程中可以使用扭转振动的测量来避免或补偿可能导致装备损坏和不稳定的自然共振频率。另外,在整个装备寿命内对扭转振动的测量结果可用于馈入到数字孪生模型中,以数据驱动的方式捕获随着使用和在不同操作条件期间发生的扭转振动增加。最后,在装备寿命期间测量扭转振动可有助于识别预示着即将发生装备故障的过度扭转振动,从而使维护团队能够在装备在工作期间发生故障并导致停机之前将装备退出服务以进行维护。
在一些实施方案中,油田装备可以包括用于感测温度、振动、应变或其他参数的射频识别(RFID)传感器。举例来说,系统148在图17中大体上被示出为具有泵46,所述泵装备有位于各种部件上的RFID传感器152。泵46可采用各种其他形式,但在本示例中,泵46是正排量泵,诸如三缸或五缸泵。泵46还可以具有其他传感器,诸如曲轴编码器104、加速度计或本文描述的其他传感器。RFID传感器152可位于以下各者上:曲轴62、连接杆72、十字头70、泵壳体154(例如动力端壳体60或流体端主体80)、轴承座156(例如,用于支撑曲轴62的轴承)或泵46的其他所需部件。在一些情况下,使用安装支架(例如,3-D打印的安装支架)以有助于将RFID传感器安装在泵46中。
RFID传感器152与一个或多个RFID天线162无线通信,所述RFID天线可以与泵46间隔开定位。在一些情况下,RFID传感器152没有电池(例如,无源RFID传感器)。在此类情况下,RFID天线162可以无线地为RFID传感器152供电并且周期性地轮询传感器值。然而,在其他情况下,一些或每个RFID传感器152可以包括电池(例如,有源RFID传感器或电池辅助的无源RFID传感器)以促进操作。RFID天线162可集成在RFID读取器内(如图17中的RFID天线/读取器162大体上表示),或者可使用单独的RFID读取器。
RFID传感器152可位于感兴趣的泵部件上的各种位置。例如,如图18所描绘,RFID传感器152可包括RFID传感器166、168、170、172、174和176。RFID传感器166和168被示出为安装在连接杆72的细长侧178上(在连接杆72的动力端180与十字头端182之间),并且RFID传感器170被示出为安装在动力端180的一侧上。RFID传感器172、174和176被示出为安装在肘节销186上。所描绘的肘节销186包括相对部分,所述相对部分可以安装在十字头70的孔口188(图19)中以延伸到十字头端182的孔中并将连接杆72固定到十字头70。RFID传感器172和174被示出为安装在肘节销186的内部空腔190内,而RFID传感器176安装在肘节销186的外表面上。在安装了肘节销186的情况下,RFID传感器172和174可以位于十字头端182的接收肘节销186的孔内。其他RFID传感器也可以或替代地安装在十字头端182的孔中。图18中的RFID传感器可以采取任何合适类型的形式,但是在一个实施方案中,RFID传感器166是RFID应变计,RFID传感器168和174是RFID加速度计,并且RFID传感器170、172和176是RFID温度传感器。此外,虽然在图18中作为示例描绘了单个连接杆72和相关联的肘节销186,但是应了解,泵46的其他连接杆72和肘节销186也可以装备有一个或多个RFID传感器152。在一些情况下,泵46的每个连接杆72(和相关联的肘节销186)被相同地装备。
十字头70也可以装有RFID传感器152。在图19中,例如,十字头70包括RFID传感器192和194。RFID传感器192被示出为在十字头70的前唇缘的下侧,并且RFID传感器194被示出为在十字头70的一侧。但是这些或其他RFID传感器可以位于十字头70的任何合适的位置(外部或内部),并且十字头70的RFID传感器可以是任何合适的类型或形式。在一个实施方案中,RFID传感器192和194是RFID温度传感器。虽然图19中描绘了单个十字头70,但是泵46的一些或所有十字头70可以类似地或相同地装备有RFID传感器。此外,为了促进RFID传感器与外部装置(例如,RFID天线162)之间的通信,动力端壳体60的盖90(图3)可用射频(RF)透明材料制成,诸如亚克力或某种其他塑料。
如图20中所描绘,RFID传感器152可以包括安装在动力端壳体60的空腔64内的RFID传感器196、198和200。更具体地,传感器196和198被示出为安装在曲轴62上,而RFID传感器200可安装在其他地方(例如,在支撑轴承66的轴承座156上)。在一个实施方案中,RFID传感器196是RFID加速度计并且RFID传感器198和200是RFID温度传感器,但是RFID传感器可以是任何合适的类型或形式并且位于任何合适的位置(例如,在泵46的动力端48或流体端50上或内的其他地方)。在一些情况下,RFID加速度计位于沿曲轴62的多个轴向位置处(例如,在相对端),诸如以测量沿曲轴62的扭转振动。
连接杆、十字头、曲轴和肘节销磨损可能以暂时弹性和永久塑性变形的形式出现,这些变形是由曲轴旋转和柱塞运动产生的结构应力引起。变形可能会最终导致断裂或裂缝,最终阻止曲轴的旋转推动柱塞,从而使泵不再移动。
在泵46的一些实施方案中,通过异常应变和温度RFID传感器特征(例如,来自RFID传感器166和170)来分析连接杆磨损。高于预期的温度可用于估计更高的磨损。此外,应变计特征的角域分析允许确定所经历的应力的量是在塑性或弹性区域内还是在连接杆的耐久极限以下,从而估计连接杆接近断裂的程度以及将在维护期间的何时更换连接杆。当在高扭矩时段期间增加载荷时,使用每角度的应变变化率来识别发生永久塑性变形的阈值。当在低扭矩时段期间减少载荷时,将应变与角度的关系与之前的高载荷情况进行比较,以估计有多少应力已变成永久的,并且因此它会累积为永久塑性变形并被指派磨损得分。应力-应变曲线的示例示出于图21中。
泵46的往复性质意味着在一个泵循环内,位于连接杆72上的应变计(例如,RF传感器166)经历不同量的应力。然而,如图22所示,所获取的应力量在一次泵旋转内将是周期性的。
更靠近肘节销186的变形导致异常的振动和温度,所述异常的振动和温度由位于肘节销186内部的RFID加速度计(例如,RFID传感器174)和RFID温度传感器(例如,RFID传感器172)获取。可由RFID加速度计测量的振动特征的示例示出于图23中。在另一个示例中,两个RFID加速度计(例如,两个RFID传感器196)安装在曲轴62的相对端上(例如,在相对端上的相同位置并采取相同的取向)。如图24所示,由加速度计测得的振动差值可用于计算扭转振动的振幅。
在一些情况下,光纤安装在泵46(例如,压裂泵)中以经由来自光纤内的反向散射光的所检测到的变化来分布式测量温度、振动和应变。作为示例,测量系统204在图25中大体上被描绘为具有激光器206(或其他光能源)和光纤208的光纤分布式感测系统。光纤208可包括安装在泵46上或泵46内的部分210和至少一个参考线圈212。在一个实施方案中,测量系统204可以是光时域反射测量系统,其中光能脉冲(例如,来自激光器206)被发射到光纤208中并且使用分析器214随时间观察反向散射光能。光纤208的部分210可以以任何期望的方式定位在泵46处以感测沿着部分210的位置处的参数(例如,应变、振动或温度)。此类位置的示例在图26中大体上被指示为在泵46中沿着部分210的点,但是部分210可以以任何期望的方式布置以测量泵46处的感兴趣点处的参数。
动力端润滑效力的缺乏可能会导致动力端部件过早磨损,从而可能导致泵故障(例如,阻止曲轴推动柱塞的故障以及无法在排放歧管处提供压力和流速)。当部件具有适当的润滑时,润滑油具有特定的温度范围,这可能导致其他有益的润滑油性质,诸如粘度。另一方面,如果润滑分布不当,则某个泵区域的温度将会升高。因此,由光纤208捕获的泵46处的温度变化允许了解对泵中润滑质量和分布的有效性,并允许估计部件磨损和剩余可用寿命,如下文更详细描述的。
振动变化允许了解扭矩载荷、装备共振和部件磨损。例如,滚柱轴承裂缝和变形会导致与变形轴承中出现的特征数量相关联的振动和谐波增加。由于轴承的径向运动,增加的振动可以被安装在轴承外表面上的光纤208捕获。
流体端整体和动力端框架磨损是以暂时弹性和永久塑性变形的形式出现,所述变形是由腔室内部的压力和流速应力以及相对于动力端的推拉柱塞运动引起。变形可能会最终导致断裂,从而导致泵停止。光纤208捕获的应变允许了解导致部件磨损的塑性和弹性变形。
光纤分布式温度、振动和应变感测可用于通过单根光缆(例如,具有光纤208的光缆)和采集点(例如,在分析器214处)全面地了解跨泵46中的多个区域的参数分布。在其他情况下,可以使用多根光缆。在至少一些实施方案中,光纤测量原理可以是光时域反射测量法。短激光脉冲被发射到光纤208中,并且对返回的(即,反向散射的)光进行光学滤波、数字处理并转换为温度读数。反向散射光谱的示例大体上描绘于图27中。使用发射到采样时间来限定位置。一个点处的反向散射光强度给出了温度、振动和应变。通过考虑斯托克斯和反斯托克斯拉曼散射光之间的关系,可以提高温度、振动和应变灵敏度。光纤208可以是光缆216的芯,其几个示例大体上描绘于图28至图30中。光缆216可以包括被一种或多种额外材料(例如,包层或保护层)包围的光纤208。在一些情况下,这些额外材料包括酰化物、碳、高温聚合物(例如,聚酰亚胺)、硅或聚合物涂层(例如,全氟烷氧基烷烃涂层)。
如图31所描绘,流量计230可以连接到吸入歧管82以感测流入泵46中的流体的流速。在一些情况下,流量计230是高频流量计,具有处于或高于100Hz或200Hz(例如,500Hz至1000Hz)的频率的AC或脉冲DC激励。在一个实施方案中,流量计230是具有500Hz-1000Hz的激励频率的高频脉冲DC激励流量计,诸如可购自纽约富尔顿维尔的Anderson Instrument有限公司的“IZMSG”电磁流量计。
高频流量计感测原理可能基于法拉第感应定律,该定律指出,当导体在磁场中移动时,根据以下等式在导体上感应出电压:
U=K×B×V×D
其中:U=感应电压
K=比例常数
B=磁场强度
V=平均流速
D=电极之间的距离(流管直径)
在图32所示的流量计示例中,通过流管232的吸入流体充当导体,并且恒定的磁场(经由线圈234的激励)被供应通过预定的探测距离(在感测电极236之间)。可以在校准程序期间测量比例常数。在比例常数、磁场强度和电极之间的距离已知的情况下,可以根据测量电压来计算平均流动速度,并且可以计算流速(作为平均流动速度和流管直径的横截面积的乘积)。
高频流速感测允许捕获由于每个柱塞运动引起的流量变化,并且因此可以识别具有表明健康故障或操作效率低下的非典型流速特性的柱塞。在图33中作为示例示出了五缸泵46的各种流速和相关联的柱塞健康水平。来自五缸泵中的五个柱塞中的每一个的频率脉冲在排放歧管中重叠,并且在对照从曲轴编码器104获取的角度进行绘制时可以形成图34中所示的流速特征(其可以由高频流量计230获取)。不同的压力和流速设定点、不同的流体压缩性和不同的阀磨损程度都会对曲线的实际形状产生影响。
在一个实施方案中,本技术能够精确地跟踪每个柱塞随时间推移的流速特征以及与曲轴角度的关系。测量每个柱塞的流速特性的基线水平。随着时间的推移,与基线水平的偏差是按百分比来计算,所述百分比被视为磨损值。一旦磨损百分比超过被测试为对泵操作来说安全的配置阈值,就会提醒操作员请求维护特定柱塞组件。
在一些情况下,可以基于来自泵振动信号的特征来间接感测泵46的参数。如图35所示,在一个实施方案中,泵46装备有加速度计242和曲轴编码器104。可以是无线加速度计的加速度计242可以安装在动力端侧板88上或泵46的任何其他合适位置。加速度计242可以是捕获任何方向上(即,在三个维度上)的振动(诸如来自动力端48、流体端50或齿轮箱120)的三轴加速度计。
不是用其他传感器直接测量某些参数,而是可以使用由加速度计242检测到的振动来估计所述参数。可根据加速度计242检测到的振动估计的泵参数的示例包括曲轴角度、曲轴扭矩、带齿的轮角度差、表面应变、轴向推力载荷、轴向距离、扭转振动、泥浆排放压力、泥浆吸入压力、动力端润滑压力、动力端润滑流速、动力端润滑压差、填料压力、表面温度和磁吸流速。虽然这些参数可以通过其他技术(包括本文别处讨论的一些技术)直接测量,但是在一些情况下,这些参数中的任一者(或所有)还可以或替代地通过基于加速度计242检测到的振动来估计所述参数来间接地测量。例如,取决于期望的置信水平,可以通过动力端振动特征来估计这些参数中的任一者以提供操作洞察,但无需使用额外传感器来直接测量参数。
作为示例,用于识别将要使用传感器直接测量的泵参数和有助于间接地估计其他参数(例如,通过来自加速度计242的动力端振动特征)的过程由图36的流程图表示。为了具有稳健的估计算法,可以在不同的操作条件期间针对测试平台(例如,装备有一整套传感器(诸如本文描述的多个传感器)的新泵46)获取数据,并且可以在动力端振动传感器与其他传感器之间找到相关性。为了提高动力端振动信号对估计参数变化的敏感性,可以从信号中提取特征。虽然可以使用任何合适的特征,但是在一个实施方案中,使用来自每个轴线的以下特征:时域振动(从动力端振动传感器获取)、振动频谱(由于振动信号的快速傅里叶变换)、振动倒谱(由于信号对数的快速傅里叶逆变换)和振动双谱(由于振动信号的三阶累积量的傅里叶变换)。所述特征可以被馈送到机器学习算法,所述机器学习算法随后可以计算神经网络将输入的动力端振动变换为估计参数所需的权重。
可以使用数学模型来根据动力端振动信号估计泵参数。可以选择神经网络生成模型作为用于描述系统动态的数学模型。可以使用不同的神经网络拓扑,包括递归神经网络、前馈神经网络、卷积神经网络以及这些类型的混合。可以研究各种超参数和设计选择,包括学习率、单元数、层数、输入数据量、训练轮次数和正则化量。在一个实施方案中,所使用的模拟工具是用Python编写的程序,同时利用在TensorFlow库之上运行的Keras库,并且可以使用具有120个输入的输入层拓扑的卷积递归神经网络。可以使用Adam优化器和均方误差损失来训练拓扑。
简单的神经网络由输入组成,所述输入乘以权重并加上偏置项,然后通过非线性激活函数进行处理,如图37所示。在一个实施方案中,神经网络的输入值是针对过去的不同输入窗口以每秒25,000个样本采样的动力端振动(三轴),并且模型估计对应的压裂泵参数作为输出。在这个示例中,模型传递函数是权重和偏置,并且它们可以将振动信号轴的输入转换为压裂泵参数的对应输出值。神经网络利用激活函数来捕获系统的非线性行为。输入参数可以在0到1之间归一化,同时馈送到神经网络,并且输出可以转换回原始比例以进行绘图和分析。如图38中所示,在泵操作期间(例如,在井场的现场),可以根据动力端振动间接测量(估计)泵参数,并将所述泵参数提供给操作员(连同直接测得的任何其他泵参数)以促进操作决策制定。估计值可用于其他目的,诸如识别健康状况或故障异常、估计泵部件的剩余可用寿命以及估计相对于最大泵效率和最大马力定时变化率的传感器偏差,如下文更详细地描述。
在一些实施方案中,泵46的传感器可用于确定泵部件磨损、监测泵健康状况并及早检测潜在故障。传感器数据可以由实时系统解释,实时系统可以向用户提供警报或其他通知。在一些情况下,所述系统还可以或替代地使程序自动化,以补救经由传感器数据识别的问题。
举例来说,在一个实施方案中,泵46包括填料润滑失效预防系统,所述填料润滑失效预防系统具有一组位于流体端润滑储存器、填料和柱塞周围的传感器。这些传感器可以与智能软件诊断一起使用,以减少填料故障。可以使用压力传感器和液位传感器监测润滑系统的操作。压力传感器可以位于流体端50的输送点处以确保适当的流体压力。液位传感器可用于测量润滑液储存器中的液位。智能软件可以接收传感器数据并使用开发的规则对其进行解释,以识别即将发生故障的多种情况。这些规则可以是基于以前的故障经验并捕获导致故障的特定情况。所述软件还可以具有一组警报,该组警报警告用户可能出现的故障情况并建议采取纠正措施。
流体填充操作和润滑动作的示例在图39中大体上被描绘为使流体端泵柱塞杆302和填料套筒304在流体端主体80内。填料306位于套筒304中,所述套筒包括密封件308(例如,O形环)。润滑系统流体可以被泵送通过接入点310。
流体的操作是通过泵柱塞杆302按循环运动移动(如图39所示的来回移动)来实现。该动作在杆302与填料套筒304之间产生摩擦,通过润滑这些表面,摩擦减小。填料动作是将流体端的高压侧与低压侧隔离并且在不排放压裂泥浆的情况下发生泵送动作。
可能希望沿套筒完全分散润滑剂,使得填料306得到良好润滑,从而减少由于泵送动作引起的磨损。前后移动的杆302可用于将润滑剂吸到填料306。密封件308防止损失润滑剂和润滑剂压力。
向流体端50提供润滑剂的润滑剂储存器314(图40)可以用液位传感器和压力传感器进行监测以确定是否存在润滑剂以及到流体端50的输送压力是否足够。该储存器314可以将润滑剂输送到流体端接入点310。到流体端50的储存器泵可以具有用于每个缸的单独的泵(例如,填料润滑泵312)。泵可以由气动或电源驱动,并且可以在每个泵上具有冲程传感器。在至少一些情况下,储存器泵将始终保持受控流量,包括在吸入冲程期间。
可以测量和监测驱动所述泵的电源的电流。如果得到的安培数高于给定阈值,则表示润滑压力高并且可以向软件发送警报。
可以用压力传感器和温度传感器监测向流体填料306的润滑输送。压力传感器可以位于低压接入点310上。如果即将发生故障,则该传感器可能会捕获井口的压力(即,相对于预期压力急剧增加)。可以密切监测输送的压力以确定它是否足以到达填料306。该压力值可以由智能软件316(图40)记录和解释,并用于“学习”导致故障的压力水平。
温度传感器可以位于填料306附近以测量其温度并确定它是否在标称条件下操作。如果温度上升到预定水平(例如,由制造商提供),则智能软件316可以预测故障。填料306的温度可以与储油层的温度相关以确定差异。温度传感器可以放置在流体端50的顶部和底部以测量两者处的温度。
在润滑剂损失的情况下,润滑剂储存器液位传感器可以检测到液位下降。基于检测到的液位下降,智能软件316可以向系统用户发送适当的警报并且可以增加冲程以在流体端接入点310处保持恰当的压力。该动作可以减少润滑液的量以保持填料306的完整性。温度的升高也可能会增加润滑剂在填料306周围的循环。
柱塞杆302还可以具有温度传感器以测量温度的升高并且提供对位于填料306附近的温度传感器的替代方案。另一个传感器可以是冲程传感器以确定故障之间的冲程数,并将此信息馈送给智能软件316以启用“学习”过程。冲程也可以用于确定何时需要更换润滑剂以保持其质量。
可以沿着套筒304放置声学传感器以检测其与柱塞杆302之间的异常。如果这两个部件之间存在过度摩擦,则声学传感器可能会检测到偏离标称操作基线的情况。智能软件316可以读取声学传感器数据并检测随时间发生的任何劣化以确定安全操作阈值。声学传感器也可以用于检测填料组件的泄漏。
可以使用红外(IR)感测或视频成像来检测润滑液泄漏。该信息可以发送到智能软件316以自动解释泄漏的状态。可以将捕获(例如,通过适当的IR或视频成像传感器)的图像与没有泄漏并且存储在智能软件316中的图像进行比较。差异可以被解释为潜在的泄漏。随后的监测可以通过比较图像并寻找印迹的增长或温度变化来确认是否存在泄漏。
光纤串可以体现在在流体端主体80中或沿着润滑路径切割出的凹槽中。光纤串可以通过测量光学性质来收集信息并将数据传输到智能软件316进行分析。高速光纤测量可以提供流体端主体80的不同位置处的温度变化,所述温度变化可以指示由于柱塞与活塞未对准而导致的高摩擦。
智能软件316可以在连接(例如,经由以太网链路或工业通信总线)到流体端50和润滑剂储存器314的基于处理器的装置(例如,个人计算机或编程逻辑控制器)上运行。智能软件316可以从流体端传感器和润滑储存器传感器(诸如上面描述的那些)读取传感器数据并且将命令发送到驱动流体端50的马达和发送到润滑泵系统。传感器数据可以由采集部件322捕获。可以以任何合适的速率对数据进行采样,并且这些速率对于各种传感器可能不同。在一个实施方案中,例如,采集部件322对于一些传感器以1Hz采集数据,但对于其他传感器(例如加速度计和声学传感器)以更高的速率(例如几kHz)采集数据。这些数据可以存储在智能软件主机计算机的存储装置(例如闪存、硬盘或固态硬盘)中,以供之后进行分析。
智能软件316可以具有基于规则的推理引擎324,其中来自传感器的数据可以与已经在软件316中预定义的规则匹配以匹配这些传感器将测量的已知条件。一旦这些条件匹配或接近匹配,软件就可以触发一组命令,该组命令将被发送回流体端80或润滑剂储存器314以解决发现的条件并避免填料失效。
机器学习软件326可用于捕获传感器数据和发出的命令以确定新的故障模式。系统未检测到的故障将被标记,使得学习软件326可以分析捕获的数据并确定与故障相关的输入,以便它可以在未来检测到故障并产生适当的响应。以此方式,可以创建并在基于规则的引擎324中使用新的故障模式规则。
在一些情况下,可以测量泵46(例如,压裂泵)中的载荷和轴承健康状况以有助于监测并且在一些情况下改进泵操作。提出了杆载荷(或连接杆载荷)的三个测量值:轴承座的环向应变、流体膜厚度和连接杆应变。
在图41中,示出了压裂泵剖视图,其中流体端50具有阀332和334(排放阀和吸入阀)。柱塞302通过被十字头70驱动的短抽油杆76移入和移出流体端50。连接杆72将曲拐336联接到十字头70。曲拐336位于曲轴盘338上,每个曲轴盘都是曲轴62的一部分。盘338由轴承66和轴承座156支撑。通过改变轴承座156中的拉伸载荷来承载柱塞302上的载荷。应变感测装置(此处示出为金属条342)在两个位置344和346处联接到轴承座156。应变感测装置位于位置348处。虽然示出了条342,但可以使用其他装置。无论是使用条342还是某种其他应变感测装置,在至少一些实施方案中,所述装置都围绕轴承座156跨越相当大的距离以放大运动并简化测量,并且任何额外的非感测长度具有匹配轴承座材料的热膨胀系数。
在图42中,条342被示出为具有附接端352和354。感测部分356被示出为具有减小的横截面以将应变集中到该部分中。应变计(或其他感测装置)358位于该部分356上并设置有信号输出装置,诸如电缆或电线360。条342可以以任何合适的方式附接,诸如焊接或胶合。通过感测六个轴承座应力/应变,可以连续测量杆载荷。杆载荷的变化是泵46操作变化的结果。虽然输出压力可能会使所有杆载荷改变相同的量,但气蚀可能会改变整个泵或仅改变几个缸。泄漏阀会改变几个轴承的载荷。
在图43中,连接杆72被示出在曲拐336上。油膜366将这两者联接在一起。连接杆72设置有目标368,所述目标靠近接近传感器370,但留有待测量的间隙372。轴承66支撑曲柄盘338。随着油膜366和轴承66的载荷变化,连接杆72相对于传感器370移动。在每次通过时,可以测量最小间隙372以评估油膜和轴承载荷的组合。应了解,该技术不需要旋转传感器。
在图44中,连接杆72设置有传感器376,所述传感器感测连接杆72与曲拐336之间的油膜366。数据采集装置378测量油膜厚度(通过轴运动)并将其传输到固定装置以进行进一步动作。数据采集装置378可以对膜数据执行处理和存储步骤以减少通信需求。
在图45中,连接杆72装有应变计382以直接测量通过连接杆72的载荷。从安装在连接杆72上的应变计382(或其他采集装置)发出的无线通信被示出为传到固定感测系统386的波384。
图46示出了使用非移动磁源390和392为移动传感器(例如,应变计382)提供动力的装置。十字头或连接杆运动394将发电装置(例如,磁性材料396和线圈398)移动经过磁源390和392。电压由整流器400整流并经由引线402馈送到移动的数据采集系统(例如,应变计382或其他传感器)。许多其他配置是可能的,其中在磁体与发电装置之间存在相对运动,使得发电装置中的磁场发生变化。替代地,发电装置可以并入有磁体并且运动改变系统的磁阻,从而改变通过线圈的磁场。也可以使用时变磁场来将电力耦合到移动部件而不需要永久磁体。此外,可以使用电磁场、磁场或声场中的一种或多种将电力无线地传输到移动部件。
根据一些实施方案,直接测量泵46(例如,压裂泵)中的载荷、轴承健康状况和流体端健康状况以用于监测泵操作并且在一些情况下改进泵操作。提出了杆载荷(或连接杆载荷)的两个测量值:轴承座的环向应变和撑杆应变/载荷。
在图47中,示出了具有流体端50的泵46(例如压裂泵)的剖视图。柱塞302通过由曲拐336驱动的组件移入和移出流体端50。通过改变轴承座156中的拉伸载荷来承载柱塞302上的载荷。应变感测装置(此处示出为传感器410)联接到轴承座156。虽然传感器410被示出为与柱塞302成一直线地放置在轴承座156上并且被取向成测量环向应变,但是可以使用轴承座156上的其他位置和采取其他取向。应变传感器410可以是压电式、压阻式、薄膜应变计或任何其他应变传感装置,AC或DC。仅测量应变变化的AC传感器可能仍然能够产生有用的测量结果。传感器410可以以任何合适的方式附接,诸如通过焊接或胶合到轴承座156。通过感测六个轴承座应力/应变,可以连续测量杆载荷。杆载荷的变化是泵操作变化的结果。虽然输出压力可能会使所有杆载荷改变相同的量,但气蚀可能会改变整个泵或仅改变几个缸。泄漏阀可能会改变几个轴承的载荷。
在另一方面,可以通过用直列式测力传感器416测量两件式撑杆86的压缩缸414所受的压缩载荷来测量杆载荷。替代地,可以通过将应变测量装置410放置在选定的或所有的压缩轴承缸414上来测量杆载荷,所述压缩轴承缸构成将流体端50连接到动力端48的两件式撑杆组件。在该示例中,应变感测装置410可以在两个位置(例如,位置418和420)处用胶水附接,或者可以是在缸处于压缩时通过焊接或螺钉附接的不同装置。在这种情况下,AC应变传感器可以产生如图48所示的测量响应,图48示出了撑杆的收紧(斜坡422),随后由装置的时间常数驱动回到零(斜坡424)。此后,连续泵送将产生测量振荡(区域426),这将显示离散特性。可以检测到与“正常”的偏差。
在其他实施方案中,可以通过在杆自身上安装应变感测装置来直接测量杆载荷(或连接杆载荷)。因为杆相对于动力端48和流体端50移动,所以延伸到传感器的任何电缆可以提供为抗疲劳连接。
在一些实施方案中,系统检测在泵46(例如,压裂泵)中产生的磁性和非磁性颗粒的产生,并确定哪个柱塞部分对产生的颗粒负责。可以在泵46的排放歧管中设有传感器。传感器的单独区域暴露于从泵46中的单独柱塞部分排出的石油并且评估流量。在图49中,例如,排油流Q1–Q5从泵46排入排放歧管430。区域432、434、436、438和440暴露于含量与不同泵部分有关的石油。总流Q6离开歧管。可以在排放歧管430上设有检修盖442。如图50所描绘,细长传感器444可以包括具有网状物或其他材料448的传感器主体446以在传感器444上产生俘获区域。传感器444可以包括感测区域451至460并且位于排放歧管430中以暴露于排油流Q1-Q5。如果如图50中大体所描绘般定位,则感测区域451和452可能对流Q1更敏感,感测区域453和454可能对流Q2更敏感,感测区域455和456可能对流Q3更敏感,感测区域457和458可能对流Q4更敏感,并且感测区域459和460可能对流Q5更敏感。
可以部署的一种类型的传感器在图51中被示出为具有基板462(诸如印刷电路板),所述基板具有导电区域。所述区域可以相互交叉以增加间隙长度。中央导电区域464可以连接到中央底部区域466并且连线到总线468。左和右顶部区域470连接到总线472。左和右底部区域474不受颗粒影响,但暴露于石油中并连接到总线476。顶部间隙478暴露于石油和颗粒。底部间隙480仅暴露于石油。磁体482、484和486用于产生在中央区域与外部区域之间传递的磁场488。非磁性和非导电材料片490用于减小底部区域466和474与磁体之间的电容。
可以在顶部区域464和470之间测量电阻以识别颗粒积聚。比较暴露于颗粒的顶部区域和与颗粒隔离的底部区域的差分电容测量可用于定量测量颗粒积聚。这种方法可能对少量颗粒更敏感。
图52示出了根据一个实施方案的用于测量非磁性颗粒的系统。基板462承载叉指式电极494和496。俘获材料498产生低流动速度区域以帮助顶部间隙500中的颗粒积聚。底部电极502和504连同底部间隙506暴露于石油但不暴露于颗粒。电极494和502可以连接到总线508,电极496可以连接到总线510,并且电极504可以连接到总线512。可以将总线508和510之间的电容与总线508和512之间的电容进行比较。随着顶部电容相对于底部下降,这表明颗粒积聚。总线508和510之间的导电性(即,跨越顶部间隙500的电极494和496之间)将指示非常显著的非磁性污染。
如图53所示,基板462中的电镀通孔518可用于将区域520和522与通道524连接。此类结构可用于改善颗粒捕获。图54示出了设置有指状物532和534以增大间隙区域536的导电区域528和530。电镀通孔518可用于允许连接顶部和底部上的图案。
图55示出了导电图案540,所述导电图案被设计成使得单个颗粒只能在图案的一个部分542中导致导电,并且所述图案由多个部分542组成以实现测量,诸如通过高电压获取的数字输入544的数量与积累的颗粒量成比例。在与电容或电感测量比较时,这种电阻测量可能会导致传感器成本较低,但在低电压下,由于需要完整的导电路径,检测所需的颗粒密度非常高。使用高电压(其中净间隙的击穿电压高于所使用的电压或与所使用的电压相当)意味着导电颗粒之间的间隙可以通过电弧桥接,并且在一个实施方案中使得传感器甚至能检测单个颗粒。应用这种感测方法的一种方法是使用低恒流、高电压电源。可以打开电源并测量输出电压。如果间隙干净,则电压将是电源的极限电压或间隙击穿电压。如果间隙脏了,则将发生部分或全部击穿(具有能量限制)并且电压会较低。在此类应用中,可以选择基板以实现最小甚至无跟踪电位,诸如用于一些高频电路的基于聚四氟乙烯的电路板材料。
此外,用于此过程的电路可以与传感间隙安装在同一个基板上,但在该区域周围放置壳体,或者可以施加保形涂层。可以使用开关元件来使用公共电源选择多个感测区域。可以提供参考间隙,所述参考间隙不受颗粒影响但暴露于石油中以提供关于未污染间隙击穿的样本。此外,图案可以设有设计好的击穿区域(不受颗粒影响但暴露于石油),所述击穿区域限制了图案的总体击穿电压并控制击穿发生的位置。此类区域可以在电路板上设有孔,使得击穿不会发生在表面上,而是发生在石油自身中,以最小化击穿产物沉积或漏电起痕的可能性。
通过将传感器放置在圆柱形壳体546中使得流548垂直于导电图案540,传感器可以在不使用磁片吸引颗粒的情况下接收此类颗粒。这可能会使传感器更可靠,因为磁体会随着时间的推移和在高温下而失去强度。
图56示出了与图55类似但具有图案540的机制,所述图案被设计为使得导电部分542从小间隙550开始并且逐渐增大到大间隙552。可以在第一导电图案540之后放置具有相反间隙间距(如图56中所示,左侧的大间隙552逐渐减小到小间隙550)的额外导电图案554。这允许通过将返回高电压的数字输入544与连接到该数字输入的图案的间隙尺寸进行比较来测量颗粒的尺寸。连续的相对图案540和554允许可能穿过第一图案540的大间隙552而未被检测到的小颗粒被第二图案554的小间隙550检测到。如果大颗粒首先接触小间隙部分,那么流将导致它滚落,直到它找到大间隙并离开图案;因此,如果数字输入544变高同时另一个数字输入544变低,则这与颗粒移动通过图案有关,并且仅在它变低之前是高的最后一个数字输入可以被计为颗粒尺寸。
在一个实施方案中,系统检测由泵46(例如,压裂泵)中产生的材料腐蚀和泵送冲击引起的阀和座磨损,并确定每个阀和座位置(例如,五缸泵中的十个阀和座位置)的磨损量。在图57所描绘的一个示例中,泵46(例如,压裂泵)的流体端50装备有传感器组件,所述传感器组件包括排放歧管压力传感器562、吸入歧管压力传感器564、高频吸入流量计230、安装在流体端50上的加速度计242以及曲轴编码器104(图5)。压力传感器562和564中的每一者可以是静态和动态压力传感器。
当由排放压力传感器562获取时,来自五缸压裂泵中的五个柱塞中的每一个的压力脉冲在排放歧管中重叠,在对照从曲轴编码器104获取的原动机角度进行绘制时形成图58中所示的预期排放压力特征。预期排放压力特征是在图58的顶部,而五个柱塞各自的贡献示出为在预期排放特征下方的虚线或实线曲线。在绘制来自排放流速的信号随曲轴角度而变的曲线图时,预期会出现类似特征。由流量计230测量的吸入流速的对应曲线将如图58所示,但相移了180度。此外,尽管相移了180度,但是在绘制来自吸入歧管压力传感器564的信号随原动机曲轴角度而变的曲线图时,可能预期会出现与图58类似的特征。不同的压力和流速设定点、不同的流体压缩性和不同的阀磨损程度都会对这些曲线的形状产生影响。
在一些实施方案中,以独立的方式诊断压裂泵46的每个孔(例如,五缸压裂泵的五个孔中的每一个)以避免不同柱塞302在阀和座套组的磨损识别过程中的重叠影响。当单个柱塞302移动一整圈时,对应的腔室566经历吸入阶段和排放阶段。排放阶段导致对应的排放阀332从座568上提起并且允许来自腔室566的流体排放到泵出口(排放)歧管84中;同时,对应的吸入阀334被推靠在座570上并提供密封以防止腔室566中的流体进入泵入口(吸入)歧管82中。排放阶段导致由排放压力传感器562获取的压力增加和排放流速增加。相反地,吸入阶段导致对应的吸入阀334从座570上提起并且允许来自吸入歧管82的流体进入腔室566中;同时,对应的排放阀332被推靠在座568上并提供密封以防止腔室566中的流体排放到泵出口歧管84中。吸入阶段导致由吸入流量计230感测的流速增加和由吸入压力传感器564获取的吸入压力减小。
提起排放阀332和吸入阀334的过程导致由加速度计242感测的机械冲击。图58示出了在一次泵旋转内对应的阀冲击对压力(或流速)曲线的影响随着曲轴角度而变。用于每个柱塞的每个吸入阀和排放阀套组都有两次冲击,它们发生在对应柱塞的实线或虚线曲线的起点和终点。当柱塞302经历高压和流速阶段时,每个柱塞302在实线或虚线曲线起点处的冲击对应于其排放阀332被提起。当柱塞302经历低压阶段时,每个柱塞在实线或虚线曲线终点处的冲击对应于其吸入阀334被提起。阀冲击的精确采集以及根据曲轴角度的压力和流速采集允许单独分析每个阀的行为,从而诊断每个阀的磨损,同时避免受到其他阀事件的干扰。
当单个排放阀332发生磨损时,其密封能力下降。在吸入阶段,在与没有阀磨损情况下的预期值相比时,这会导致吸入流速降低和吸入压力升高。并且,当单个吸入阀334发生磨损时,其密封能力下降。在排放阶段,在与没有阀磨损情况下的预期值相比时,这会导致吸入压力增加和吸入流速降低。
在一些实施方案中,本技术能够随着时间推移精确跟踪每个阀332和334的压力或流速特征以及每个吸入和排放阶段的发生。当在维护期间更换阀时,测量每个阀以及每个吸入和排放阶段的流速和压力特性的基线水平。随着时间的推移,与基线水平的偏差是按百分比来计算,所述百分比被视为磨损值。一旦磨损百分比超过被测试为对泵操作来说安全的配置阈值,就会提醒操作员请求维护特定的阀332或334。
在给定的压力、流速和泵送的流体类型的情况下,特定的阀332或334在吸入和排放循环或泵冲程方面具有预期寿命。可以以任何合适的方式确定预期的阀寿命、操作特性和使用期间的异常,所述合适的方式的示例描绘于图59中。更高的压力、流速和更多的磨料流体会导致更多的阀磨损,从而减少阀332或334的预期的剩余可用寿命。在一些实施方案中,可以跟踪每个阀所经历的累积压力、流速以及吸入和排放循环,以便可以估计剩余可用寿命。
举例来说,可用于基于历史数据(例如,经由图59的过程或从类似装置的记录的群体数据获取)来估计阀332或334的剩余可用寿命的过程由图60的流程图表示。可以将计算出的阀磨损程度与给定暴露累积压力和流速情况下的预期阀磨损进行比较。估计磨损与实际磨损之间的差异可用于计算泵送流体的侵蚀得分。计算出的阀磨损程度可用于从新阀的预期寿命中减去,以估计磨损阀的剩余寿命。流体的侵蚀得分可用于估计阀的剩余寿命的消耗速率。此外,可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。图59和图60中所示的过程可以用于其他泵部件。例如,这些过程可用于计算预期寿命和估计各种其他泵部件的剩余可用寿命,诸如本文针对额外泵部件所描述的。
在一个实施方案中,系统检测由泵46(例如,压裂泵)中的载荷引起的塑性变形导致的流体端整体磨损,并确定磨损量和具体的磨损位置。在图61所描绘的一个示例中,泵46的流体端50包括在不同位置处装备有应变计630的整体主体80。应变计630可以以任何合适的数量或形式提供,但在一个实施方案中,整体主体80装备有七个应变计630,它们是全惠斯通电桥静态应变计。应变计630可以安装在预计会经历高应力的位置。泵46也可以装备有曲轴编码器104(图5)。
流体端50磨损是以暂时弹性和永久塑性变形的形式出现,所述变形是由腔室内部的压力和流速应力以及相对于动力端48的推拉柱塞302运动引起。变形可能最终导致断裂,从而导致从流体端50泄漏并阻止其能够再泵送。如前所述,典型的应力-应变曲线示出于图21中。
泵46的往复性质意味着在一个泵循环内,位于整体主体80的不同区域处的应变计630根据哪个柱塞302最接近应变计630而经历不同量的应力。然而,如图62所示,所获取的应力量在一次泵旋转内将是周期性的,图62描绘了五个不同应变计位置的代表性应变计特征。
应变计特征的角域分析可用于确定应力量是否在临时弹性或永久塑性变形区域内,并且因此能够估计流体端接近断裂的程度、断裂的预计位置以及将在维护期间的何时更换流体端。如果在高压力和流速时段期间存在负载,则可以使用由压力和流速归一化的每个应变计每个角度的应变变化率来识别发生永久塑性变形的点。恒定的应变变化率与弹性变形有关,并且因此可能不被视为磨损。然而,应变变化率的变化与永久塑性变形有关,并且可以通过将其加到与变化大小成比例的整体磨损得分而被视为磨损。在无压力和流速时段期间移除载荷时,从无载荷情况中减去每角度应变来估计有多少应力已成为永久的。如果现有的无载荷情况与之前的无载荷情况应变值(每应变计)之间的存在差异,则可以通过将其加到与变化大小成比例的整体磨损得分而被视为磨损。
在计算整体的磨损得分时,可以独立地处理每个应变计。一旦至少一个应变达到磨损阈值,就可以提醒操作员请求维护,并且可以共享应变计的位置以指示整体的哪个部分很快要出现裂缝。
在给定的压力、流速和泵送的流体类型的情况下,特定的整体80在吸入和排放循环或泵冲程方面具有预期寿命。可以以任何合适的方式确定预期寿命、操作特性和使用期间的异常,在一些情况下,所述合适的方式可以包括图59中所示的过程。更高的压力、流速和更多的磨料流体会导致更多的整体磨损,从而减少预期的剩余可用寿命。可以跟踪整体80所经历的累积压力、流速以及吸入和排放循环,以便可以估计剩余可用寿命。
可以通过图60中所示的过程或以任何其他合适方式来估计整体80的剩余可用寿命。可以将整体80的磨损得分与在给定累积泵冲程、压力和流速情况下的整体80的预期磨损进行比较。估计磨损与实际磨损之间的差异可用于计算泵送流体的侵蚀得分。磨损的变化率可用于计算弹性得分。计算出的整体80的磨损程度可用于从新整体80的预期寿命中减去,以估计剩余寿命。流体的侵蚀得分和整体80的弹性得分可用于估计整体80的剩余寿命的消耗速率。此外,可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。
在一个实施方案中,系统检测由泵46(例如,压裂泵)中的密封劣化泄漏引起的液压吸入盖磨损,并且确定磨损量和具体的盖位置。例如,图63描绘了泵46的流体端50,所述流体端具有液压吸入盖636和液压吸入盖压力传感器638,所述液压吸入盖压力传感器可安装在液压吸入盖歧管中,使得每个吸入盖636连接到压力传感器638。在一些情况下,压力传感器638是静态压力传感器(例如,15k psi静态压力传感器)。泵46也可以装备有曲轴编码器104(图5)。
液压吸入盖636磨损以密封劣化泄漏的形式出现,密封劣化泄漏会降低吸入盖液压歧管中的压力,从而降低吸入盖636的整体80压力腔室密封能力。一旦吸入盖磨损达到吸入盖636无法密封的程度,流体端50内部的流体便会泄漏,并且流体端50可能无法增加压力,从而阻止泵46继续工作并导致泵46停止。
吸入盖压力的角域分析可用于监测吸入盖636的密封能力,并且它允许识别早期泄漏以及盖636中(例如,五缸泵的五个盖636中)的位置。
对于每个柱塞,泵46的吸入和排放循环可由如图64所示的液压吸入盖压力与曲轴角度的关系来捕获。早期的吸入盖泄漏可以通过特定曲轴角度下的吸入盖压力降低来识别。单个吸入盖泄漏将降低所有角度的平均吸入盖压力,但是在对应于最接近发生泄漏的盖636的柱塞302的角度情况下下降率较高,这允许识别哪个盖636发生泄漏并且提醒操作员。
在给定的压力、流速和泵送的流体类型的情况下,特定的液压吸入盖636密封在吸入和排放循环或泵冲程方面具有预期寿命。可以以任何合适的方式确定预期寿命、操作特性和使用期间的异常,在一些情况下,所述合适的方式可以包括图59中所示的过程。更高的压力、流速和更多的磨料流体会导致更多的液压吸入盖磨损,从而减少预期的剩余可用寿命。可以跟踪每个液压吸入盖636所经历的累积压力、流速以及吸入和排放循环,以便可以估计剩余可用寿命。
可以通过图60中所示的过程或以任何其他合适方式来估计每个液压吸入盖636的剩余可用寿命。可以将液压吸入盖636的磨损得分与在给定累积泵冲程、压力和流速情况下的液压吸入盖636的预期磨损进行比较。估计磨损与实际磨损之间的差异可用于计算泵送流体的侵蚀得分。磨损的变化率可用于计算斜率得分。计算出的液压吸入盖636的磨损程度可用于从新液压吸入盖636的预期寿命中减去,以估计剩余寿命。流体的侵蚀得分和液压吸入盖的斜率得分可用于估计液压吸入盖636的剩余寿命的消耗速率。可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。
在一个实施方案中,系统检测由泵46(例如,压裂泵)中的应变、振动和温度引起的动力端连接杆、十字头和肘节销磨损,并确定磨损量和具体位置。在图65中,例如,连接杆72、十字头70和肘节销186装备有传感器。这些传感器可以包括在连接杆72的侧面178上的RFID应变计166、连接杆72的十字头端182的孔644内的加速度计642以及在连接杆72上的RFID温度传感器170。传感器还可以包括肘节销186上的RFID温度传感器176和十字头70上的RFID温度传感器194。虽然在图65中描绘了这些传感器的某些位置,但是也可以使用或替代使用任何其他合适的传感器位置。此外,也可以使用或替代地使用其他传感器类型(例如,非RFID应变计166、RFID加速度计642或非RFID温度传感器170、176和194)。在一些情况下,RFID应变计166和RFID温度传感器170、176和194是无线传感器并且没有电池。泵46也可以装备有曲轴编码器104(图5)。
如上所述,连接杆、十字头和肘节销磨损可能以暂时弹性和永久塑性变形的形式出现,这些变形是由曲轴旋转和柱塞运动产生的结构应力引起。变形可能会最终导致断裂或裂缝,最终阻止曲轴的旋转推动柱塞,从而使泵不再移动。
可以通过异常应变和温度无线传感器特征(例如,来自传感器166和170)来分析连接杆磨损。高于预期的温度可用于估计更高的磨损。此外,应变计特征的角域分析允许确定所经历的应力的量是在塑性或弹性区域内还是在连接杆的耐久极限以下,从而估计连接杆接近断裂的程度以及将在维护期间的何时更换连接杆。当在高扭矩时段期间增加载荷时,使用每角度的应变变化率来识别发生永久塑性变形的阈值。当在低扭矩时段期间减少载荷时,将应变与角度的关系与之前的高载荷情况进行比较,以估计有多少应力已变成永久的,并且因此它会累积为永久塑性变形并被指派磨损得分。
如上所述,应力-应变曲线的示例示出于图21中。泵46的往复性质意味着在一个泵循环内,位于连接杆72上的应变计166经历不同量的应力。然而,如图22所示,所获取的应力量在一次泵旋转内将是周期性的。更靠近肘节销186的变形导致异常的振动和温度,所述异常的振动和温度由位于肘节销186上或内部的无线加速度计642和无线温度传感器176获取。同样,可由加速度计(例如,加速度计642)测量的振动特征的示例示出于图23中。
特定的连接杆、十字头和肘节销组件在应变、振动和温度方面具有预期寿命。可以以任何合适的方式确定预期寿命、操作特性和使用期间的异常,在一些情况下,所述合适的方式可以包括图59中所示的过程。更高的应变、振动和温度会导致更多的连接杆、十字头和肘节销磨损,从而减少预期的剩余可用寿命。可以跟踪每个连接杆、十字头和肘节销位置所经历的累积应变、振动和温度,从而可以估计剩余可用寿命。
可以通过图60中所示的过程或以任何其他合适方式来估计连接杆72、十字头70和肘节销186的剩余可用寿命。之前讨论的连接杆、十字头和肘节销应变、振动和温度测量值与健康连接杆、十字头和肘节销组件的预期值的偏差可用于将连接杆、十字头和肘节销磨损得分分配给每个位置的连接杆、十字头和肘节销。可以将磨损得分与给定累积应变、振动和温度情况下的连接杆、十字头和肘节销的预期磨损进行比较。磨损的变化率可用于计算斜率得分。计算出的连接杆、十字头和肘节销的磨损程度可用于从新连接杆、十字头和肘节销的预期寿命中减去,以估计剩余寿命。连接杆、十字头和肘节销的斜率得分可用于估计连接杆、十字头和肘节销的剩余寿命的消耗速率。另外,可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。
在一个实施方案中,系统检测泵46(例如,压裂泵)中的润滑、密封劣化和机械变形引起的填料磨损,并确定磨损量和具体孔位置。在图66中,例如,泵46的流体端50装备有用于每个孔的传感器组件648(对于五缸泵46总共五个组件648),所述传感器组件具有填料压力传感器650、填料温度传感器652和填料含水饱和度传感器654。在一些情况下,压力传感器650是静态压力传感器,诸如5k psi静态压力传感器,而温度传感器652是热敏电阻温度传感器,诸如105℃微型负温度系数(NTC)热敏电阻传感器。泵46也可以装备有曲轴编码器104(图5)。
填料磨损可能以密封劣化泄漏的形式和壳体破裂的形式发生。由于柱塞运动产生的机械应力,填料磨损会随着时间推移而累积,但由于填料润滑不良,磨损可能会迅速增大。填料磨损可能严重到足以导致完全泵故障,从而阻止泵在工作期间继续提供压力和流速。
图66的系统可用于诊断填料润滑的效力以及其对填料密封劣化和填料壳体破裂的影响。可以通过安装在止回阀之后的填料压力传感器650(每个孔一个)来监测填料润滑输送,以确认输送到每个填料孔的润滑压力,即使止回阀在闭合位置失效。孔的填料润滑压力特征使得它在相应柱塞302致动之前幅度增加,并且在相应柱塞致动之后幅度减小。因此,在相应的柱塞致动之前没有压力幅度上升被用于确认相应孔的填料润滑供应失败。所有五个孔(例如,来自五个填料压力传感器650)的填料润滑压力与曲轴角度(例如,来自编码器104)的复合曲线图作为示例示出于图67中。所有五个孔的填料润滑失败证实了填料泵供应回路中的问题,而少于所有五个孔的失败证实了一个或多个特定孔的输送回路的问题。可以提醒操作员注意这种情况,从而安排填料润滑维护,这可以减少填料磨损、延长填料寿命并防止泵过早完全失效。
填料密封的劣化或填料壳体的破裂可能会导致泵46排放压力通过填料306泄漏到填料润滑回路中。这导致任何孔的填料压力传感器650信号的振幅在相应的柱塞302致动之后上升,或者振幅上升到在任何时间都高于填料润滑泵输出。随时间而变的填料压力的示例示出于图68中,其中破裂之前的数据在左边部分,而破裂后的数据在右边部分。该压力响应也可能由其他事件引起,诸如橡胶制品(例如,橡胶密封件)失效。可以提醒操作员注意这种情况,从而安排填料润滑维护,这可以减少填料磨损、延长填料寿命并防止泵过早完全失效。
填料润滑流可由填料润滑泵312提供,其流速与泵46的速度成正比。然而,由于磨损、压力、流速、温度和泵送流体的组合而导致的不同操作环境可能导致来自泵312的润滑流速变得无法适当地润滑填料306。可以通过用温度传感器652测量每个填料孔的温度来测量在润滑填料过程中润滑流速的效力,所述温度传感器可以是放置在小填料套管空腔内的微型传感器,在物理上非常接近填料套筒304。一旦填料套筒空腔的温度升高达到阈值,则可以增加对填料润滑泵312的流速系数命令,以便增加填料流速并改善填料润滑,延长其寿命并防止过早磨损。相反地,如果填料温度的降低达到阈值,就可以减小对填料润滑泵312的流速系数命令,以减少填料流速并避免浪费填料润滑油,这减少了不必要的润滑油消耗成本。
当填料密封劣化时,整体腔室中的水会泄漏到填料润滑空腔中。填料含水饱和度传感器654可以安装在泵46中每个孔的填料润滑腔中,并且可以检测由于润滑回路中存在的水而产生的特征,从而及早检测导致泄漏的填料磨损。一旦对任何孔测得的含水饱和度上升达到阈值,就可以提醒操作员请求维护相应孔的填料密封,从而延长其寿命并防止过早磨损。
在给定的压力、流速和泵送的流体类型的情况下,特定的填料组件在吸入和排放循环或泵冲程方面具有预期寿命。可以以任何合适的方式确定预期寿命、操作特性和使用期间的异常,在一些情况下,所述合适的方式可以包括图59中所示的过程。更高的压力、流速和更多的磨料流体会导致更多的填料磨损,从而减少预期的剩余可用寿命。可以跟踪每一填料所经历的累积压力、流速以及吸入和排放循环,以便可以估计剩余可用寿命。
可以通过图60中所示的过程或以任何其他合适方式来估计每一填料的剩余可用寿命。上述填料压力、温度和水浓度测量值与健康填料组件中的预期值的偏差可用于针对每个孔为填料分配填料磨损得分。可以将磨损得分与给定累积泵冲程、压力和流速情况下的填料的预期磨损进行比较。估计磨损与实际磨损之间的差异可用于计算泵送流体的侵蚀得分。磨损的变化率可用于计算斜率得分。计算出的填料磨损程度可用于从新填料的预期寿命中减去以估计剩余寿命,并且流体的侵蚀得分和填料的斜率得分可用于估计填料的剩余寿命的消耗速率。可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。
在一个实施方案中,系统检测由泵46(例如,压裂泵)中的润滑和机械变形引起的动力端和齿轮箱框架磨损,并确定磨损量和具体位置。如图69和图70所示,泵46在泵46的齿轮箱、撑杆86和框架662上的各种位置660装备有传感器,以促进此类检测。虽然在图69和图70中描绘了十九个位置660,但是在其他实施方案中位置660的数量和位置可不同。位置660处的传感器可以包括应变计和温度传感器。在至少一些情况下,每个位置660包括应变计(例如,应变计630)和温度传感器(例如,温度传感器176)。泵46也可以装备有曲轴编码器104。
动力端和齿轮箱框架磨损可能以暂时弹性和永久塑性变形的形式发生,所述变形是由曲轴旋转和柱塞运动产生的结构应力引起的。变形可能会最终导致断裂或框架裂缝,最终阻止曲轴的旋转推动柱塞,从而使泵不再移动。
可以使用上述传感器诊断框架润滑的效力以及其对框架断裂的影响。应变计特征的载荷和角域分析允许确定所经历的应力的量是在塑性或弹性区域内还是在框架的耐久极限以下,从而估计框架接近断裂的程度、断裂的预计位置以及将在维护期间的何时更换框架。当在高扭矩时段期间增加载荷时,可以使用每角度的应变变化率来识别发生永久塑性变形的阈值。当在低扭矩时段期间减少载荷时,可以将应变与角度的关系与之前的高载荷情况进行比较,以估计有多少应力已变成永久的,所述应力可能会累积为永久塑性变形并被指派磨损得分。
如上所述,应力-应变曲线的示例示出于图21中。泵46的往复性质意味着在一个泵循环内,位于框架662和撑杆86的不同区域的应变计(例如,应变计630)取决于最接近应变计的扭矩分布而经历不同量的应力。然而,所获取的应力量在一次泵旋转内将是周期性的,诸如图62所示,图62描绘了五个不同应变计位置的代表性信号迹线。
沿着框架662的温度测量有助于评估润滑效果。基于温度测量,可以增加动力端润滑流速以通过向动力端润滑泵发送更快速度命令来补偿增加的框架温度。替代地,如果温度低于阈值,则可以降低动力端润滑速度以降低与相关能量消耗相关联的成本。在一些情况下,系统会响应于测得的温度而自动执行动力端润滑速度的这种升高或降低。
特定的框架组件在温度和应变方面具有预期寿命。可以以任何合适的方式确定预期寿命、操作特性和使用期间的异常,在一些情况下,所述合适的方式可以包括图59中所示的过程。更高的温度和应变可能会导致更多的框架磨损,从而减少预期的剩余可用寿命。可以跟踪每个框架组件位置(例如,在框架662、撑杆86或齿轮箱上)经历的累积温度和应变,以便可以估计剩余可用寿命。
可以通过图60中所示的过程或以任何其他合适方式来估计框架组件的剩余可用寿命。上面讨论的框架温度和应变测量值与健康框架组件的预期值的偏差可用于为每个位置的框架分配框架磨损得分。可以将磨损得分与给定累积温度和应变情况下的框架的预期磨损进行比较。磨损的变化率可用于计算斜率得分。计算出的框架磨损程度可用于从新框架的预期寿命中减去以估计剩余寿命,并且框架的斜率得分可用于估计框架剩余寿命的消耗速率。可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。
在一个实施方案中,系统检测由泵46(例如,压裂泵)中的润滑和机械变形引起的动力端滚柱轴承磨损,并确定磨损量和具体位置。如图71和图72所示,泵46(例如压裂泵)装备有曲轴编码器104、温度传感器176(例如,RFID温度传感器)和加速度计242。在一些情况下,温度传感器176可以是RFID温度传感器或一些其他形式的无线温度传感器。泵46还可以包括额外的加速度计,诸如位于曲轴62的相对端上的无线加速度计130(图13)。
由于应力和润滑不足,滚柱轴承66的磨损可能会以变形和裂缝的形式出现。滚柱轴承磨损可能会最终导致摩擦力增加,从而阻止曲轴62的旋转推动柱塞,从而使泵不再移动。
滚柱轴承润滑不足可通过从安装在曲轴62上和靠近滚柱轴承66的框架中的温度传感器176获取的温度升高来识别。基于识别出的温度升高,可以增加动力端润滑流速以通过向动力端润滑泵发送更快速度命令来补偿增加的滚柱轴承温度。替代地,如果温度低于阈值,则可以降低动力端润滑速度以降低与相关能量消耗相关联的成本。在一些情况下,系统会响应于测得的温度而自动执行动力端润滑速度的这种升高或降低。
滚柱轴承裂缝和变形可能会导致与变形轴承66中出现的特征数量相关联的振动和谐波增加。增加的振动可以被安装在轴承66的外表面上的加速度计242捕获,以捕获轴承66的径向运动。增加的振动也可以被安装在泵46内部的曲轴62上的无线加速度计130捕获。高级数字信号处理可用于将振动信号转换为角度、频率(如图73所示)、倒谱和双相干(如图74和图75所示)域,以估计轴承磨损。
特定的滚柱轴承组件在温度和振动方面具有预期寿命。可以以任何合适的方式确定预期寿命、操作特性和使用期间的异常,在一些情况下,所述合适的方式可以包括图59中所示的过程。更高的温度和振动可能会导致更多的滚柱轴承磨损,从而减少预期的剩余可用寿命。可以跟踪每个滚柱轴承66位置所经历的累积温度和振动,从而可以估计剩余可用寿命。
可以通过图60中所示的过程或以任何其他合适方式来估计滚柱轴承66的剩余可用寿命。上面讨论的滚柱轴承温度和振动测量值与健康滚柱轴承组件的预期值的偏差可用于为每个位置的滚柱轴承分配滚柱轴承磨损得分。可以将磨损得分与给定累积温度和振动情况下的滚柱轴承的预期磨损进行比较。磨损的变化率可用于计算斜率得分。计算出的滚柱轴承磨损程度可用于从新滚柱轴承的预期寿命中减去以估计剩余寿命,并且滚柱轴承的斜率得分可用于估计滚柱轴承的剩余寿命的消耗速率。可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。
在一个实施方案中,系统检测由泵46(例如,压裂泵)中的轴向推力载荷、移位、振动和扭矩引起的动力端曲轴磨损,并确定磨损量和具体位置。在图76和图77中,泵46装备有传感器组件,所述传感器组件包括载荷垫圈102(用于轴向推力载荷)、接近传感器112(用于曲轴62的轴向位移)和曲轴编码器104(用于曲轴角度)。传感器组件还可以包括位于曲轴62的相对端附近的两个接近开关664(用于扭矩)和位于曲轴62的相对端的两个无线加速度计130(图13)(用于扭转振动)。
曲轴62所受的高扭矩应力使其表现出类似于扭转弹簧的行为(如图78中大体上所示),在此期间沿曲轴62的相同位置产生角度相移。扭转旋转可导致扭转振动,所述扭转振动可能与曲轴固有频率同步并因此共振,引起大的振动和应力,导致曲轴62和泵框架结构上的磨损。
随着曲轴62的曲轴扭转弹簧运动沿一个方向缠绕,曲轴62的总距离减小。这可以作为每曲轴角度的载荷减少被载荷垫圈102捕获并且可以作为每曲轴角度的轴向距离增加被接近传感器112捕获。相反,当曲轴在相反方向上展开时,这可以作为载荷增加被载荷垫圈102捕获并且作为距离缩短被接近传感器112捕获。曲轴编码器104提供的高分辨率角度可用于在角域中分析传感器数据(例如,轴向载荷和距离),诸如图8和图12所示以及上文所讨论。
泵46也可以在曲轴62的相对端装备有两个相同的带齿的轮。接近开关664在曲轴62旋转时通过轮的每个齿获取脉冲,这允许计算曲轴62的每一端的旋转角度。随着扭转振动的发展,这两个带齿的轮角度之间的相移增加。相移也可以用于计算由原动机42(诸如马达116(图13))提供给曲轴62的扭矩量。
两个无线加速度计130可以以相同的位置和取向安装在曲轴62的相对端。由加速度计130测得的振动差值可用于计算扭转振动的振幅(如图24所示和上文所讨论)。
特定曲轴组件在轴向推力载荷、位移、振动和扭矩方面具有预期寿命。可以以任何合适的方式确定预期寿命、操作特性和使用期间的异常,在一些情况下,所述合适的方式可以包括图59中所示的过程。更高的轴向推力载荷、位移、振动和扭矩可能会导致更多的曲轴磨损,从而减少预期的剩余可用寿命。可以跟踪每个曲轴位置所经历的累积轴向推力载荷、位移、振动和扭矩,从而可以估计剩余可用寿命。
可以通过图60中所示的过程或以任何其他合适方式来估计曲轴62的剩余可用寿命。上文讨论的曲轴轴向推力载荷、位移、振动和扭矩测量值与健康曲轴组件的预期值的偏差可用于为每个位置的曲轴分配曲轴磨损得分。可以将磨损得分与给定累积轴向推力载荷、位移、振动和扭矩情况下的曲轴的预期磨损进行比较。磨损的变化率可用于计算斜率得分。计算出的曲轴磨损程度可用于从新曲轴的预期寿命中减去以估计剩余寿命,并且曲轴的斜率得分可用于估计曲轴的剩余寿命的消耗速率。可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。
在一个实施方案中,系统根据泵46中的润滑纯度、质量和分布来检测动力端润滑效力。在图79中,例如,描绘了具有油泵672的泵润滑系统,所述油泵将润滑油从储油罐674泵送至泵46(例如,五缸压裂泵)。泵润滑系统装备有各种传感器和其他装置,包括在油泵672出口和泵46出口处的碎屑检测器682、颗粒计数器684、粘度计686、油状况传感器688、在油泵672出口下游的流量计690(例如,高量程流量计),以及带有压力开关的过滤器692。泵润滑系统还包括压力传感器694、探针温度传感器696(除了图79中描绘的位置之外,其中一些还可以位于泵46的出口处)、流量计698(例如,低量程流量计)、位于泵46表面的各种位置处的表面温度传感器700以及在储油罐674的底部的水传感器702。
如上所述,动力端润滑效力的缺乏可能会导致动力端48部件过早磨损,从而可能导致泵故障(例如,阻止曲轴推动柱塞的故障以及无法在排放歧管处提供压力和流速)。动力端润滑效力可以通过纯度、质量和分布参数来度量。
由于泵侵蚀导致的金属碎屑而在油中积聚的颗粒降低了纯度,并且这可以通过颗粒计数器684(例如,如图80中所示)和碎屑检测器682来测量。最终,过滤器692可能堵塞并且不再过滤颗粒;这可以通过过滤器692两端的压力差来测量,具体是在过滤器692的上游放置一个压力传感器694、在过滤器692的下游放置一个压力传感器694并计算由这些传感器694测量的两个压力之间的差值。可能存在压力差阈值,在所述压力差阈值,过滤器692在变得完全堵塞之前不能适当地过滤颗粒。一旦过滤器692被完全堵塞,便启动过滤器692压力开关。
质量是由于润滑剂(油)具有适当的化学和机械特性以防止动力端部件磨损。首先,润滑剂粘度应在设定的阈值内;这可以通过粘度计686(诸如图81所示)测量。第二,由油的电阻率和电容的相位角产生的润滑剂化学成分应在设定的阈值内;这可以通过油状况传感器688(诸如图82所示)测量。第三,储油罐674处和到达泵46处的润滑剂温度应在设定阈值内;这可以通过两个探针温度传感器696测量。最后,润滑剂中的水浓度应低于设定的阈值;这可以由水传感器702(诸如图83所示)测量。
分配是由于适量的润滑剂到达恰当的位置。首先,可以先通过放置在泵46入口处的额外压力传感器694来确认适量的润滑剂到达泵46,以确认润滑剂没有在散热器回路或通向泵46的其他管道中被阻塞;压力读数低于预期压力表明润滑量不当。第二,可以通过放置于润滑泵672出口处的高量程油流量计690来确认适量的润滑剂;流量低于预期表明润滑量不当。第三,可以通过在泵46的不同油入口两端放置流量计698(例如,十七个低量程流量计)来确认适量的润滑剂;任何位置处的流速低于预期表明该位置处的润滑量不当。最后,可以通过在动力端48的不同润滑位置两端放置表面温度传感器700(例如,十个表面温度传感器)来确认适量的润滑剂;某个位置的温度高于预期表明该位置处的润滑量不当。
特定的动力端润滑组件在润滑纯度、质量和分布方面具有预期寿命。可以以任何合适的方式确定预期寿命、操作特性和使用期间的异常,在一些情况下,所述合适的方式可以包括图59中所示的过程。缺乏润滑纯度、质量和分布会导致更多的动力端磨损,从而减少预期的剩余可用寿命。可以跟踪每个动力端润滑位置经历的累积润滑纯度、质量和分布,从而可以估计动力端48的剩余可用寿命。
可以通过图60中所示的过程或以任何其他合适方式来估计动力端组件的剩余可用寿命。上面讨论的动力端润滑纯度、质量和分布测量值与健康动力端组件的预期值的偏差可用于为每个位置的动力端润滑分配动力端润滑效力得分。可以将效力得分与给定累积纯度、质量和分布情况下的动力端的预期磨损进行比较。磨损的变化率可用于计算斜率得分。计算出的动力端磨损程度可用于从新动力端的预期寿命中减去以估计剩余寿命,并且动力端的斜率得分可用于估计动力端的剩余寿命的消耗速率。可以显示剩余可用寿命值,供操作员和维护人员规划泵的操作和维护程序。
虽然上面的某些示例涉及监测泵健康状况和估计各种泵部件的剩余寿命,但是额外技术也可以用于或替代地用于提高泵46的性能。在一个实施方案中,例如,基于压裂泵性能曲线效率降低压裂泵(或其他泵46)原动机的功率和/或燃料消耗。压裂泵的效率基于压力和流速而变化。压裂操作方法可以基于由于不同的压力和流速操作点而测量的功率和燃料消耗效率,诸如图84和图85所示。无论原动机是由变频驱动器驱动的电动马达还是与变速器联接的柴油发动机,在压力和流速的效率曲线右侧都存在一些操作点,在所述操作点,泵处于最高效率,因此将消耗最少的功率和燃料,这应该是优选的。相反,在压力和流速的效率曲线左侧存在一些操作点,在所述操作点,泵处于次优效率,因此将消耗更多的功率和燃料,应该避免这种情况。
随着每个泵随着时间的推移将会磨损并经历不同的环境条件,其工作曲线将会发生变化。通过获取泵的输入扭矩、泵的吸入流速和泵的排放压力,可以实时计算出泵的工作曲线。泵输入马力可以用以下等式计算:
泵输入HP=曲轴扭矩(磅-英尺)x曲轴转速(RPM)/5252
泵输出马力可以用以下等式计算:
泵输出HP=吸入流速(GPM)x排放压力(PSI)/1714
泵效率可以用以下等式计算:
泵效率=输出HP/输入HP
当考虑压裂井场中使用的大量泵46时,可以通过单独添加每个泵46的效率损失来计算由于来自操作点的效率而导致的累积功率和燃料损失。可以应用优化算法,诸如图86所示的梯度下降,来迭代地计算并达到每个泵46的操作点,在所述操作点,井场的累积功率和燃料消耗处于其最低值。
在一些情况下,使用泵曲线的变化率和所得效率来在发生显著效率下降之前更新操作点,从而进一步优化泵46或井场的功率和燃料消耗。可以将实时曲轴扭矩、曲轴转速、吸入流速、排放压力和泵效率输入到机器学习算法中,所述机器学习算法然后计算神经网络所需的权重,以估计在未来设定时间量将减少功率消耗的操作点。在一些情况下,可以收集泵传感器数据和操作参数的历史数据集,诸如经由图87的流程图。可以将来自操作中的泵46的实际传感器数据与历史数据进行比较,以识别与估计达到最大泵效率和最大马力定时变化率的值的偏差并且优化泵性能,诸如图88中所示。
可以使用数学模型来根据操作点(压力和流速)估计压裂泵效率。如上所述,可以选择神经网络生成模型作为用于描述系统动态的数学模型。可以使用不同的神经网络拓扑,包括递归神经网络、前馈神经网络、卷积神经网络以及这些类型的混合。可以研究各种超参数和设计选择,包括学习率、单元数、层数、输入数据量、训练轮次数和正则化量。在一个实施方案中,所使用的模拟工具是用Python编写的程序,同时利用在TensorFlow库之上运行的Keras库,并且可以使用具有120个输入的输入层拓扑的卷积递归神经网络。可以使用Adam优化器和均方误差损失来训练拓扑。
简单的神经网络由输入组成,所述输入乘以权重并加上偏置项,然后通过非线性激活函数进行处理,诸如图37中所示和上文所讨论。在一个实施方案中,神经网络的输入值是针对过去的不同输入窗口的曲轴扭矩、曲轴转速、吸入流速、排放压力和泵电流效率,并且所述模型估计在各种操作参数(压力和流速)下在未来设定时间量内的对应压裂泵效率作为输出。在这个示例中,模型传递函数是权重和偏置,并且它们可以将输入转换为对应输出值。神经网络利用激活函数来捕获系统的非线性行为。输入参数可以在0到1之间归一化,同时馈送到神经网络,并且输出可以转换回原始比例以进行绘图和分析。
在一个实施方案中,基于泵加速度和振动特性来减少达到泵46(例如压裂泵)的目标液压马力所花费的时间。为了根据压力和流速操作点来减少达到某一水平的液压马力(HHP)所花费的时间,可能希望最大化泵46的加速率和减速率。然而,高加速度涉及高水平的扭矩,这可能使装备所受应力达到导致过早磨损和最终断裂或高振动的程度,所述过早磨损和最终断裂或高振动可能阻止泵46继续工作。另外,高加速度可能会导致装备超压。
在一些情况下,达到目标液压马力所花费时间的减少是基于扭矩加速度限制,诸如图89中所示。在泵46的一个示例中,所发现的加速率和扭矩限制将允许泵能够减少达到液压马力所需的时间,同时将其保持在设计规格内并防止其过早失效,如下表所示:
描述 | 具体说明 |
最大速度 | 3000RPM(额定982RPM) |
最低速度 | 0RPM |
标称扭矩 | 26,587.5FT-LBS |
加速率 | 最大速度/s的20% |
减速率 | 最大速度/s的36% |
停止斜坡减速率 | 最大速度/s的20% |
最大扭矩 | 标称扭矩的90% |
最大功率 | 5000HP |
在液压马力测试(HPP)期间,泵46是合格的,因为它能够在给定的时间量或累积的HHP小时数内实现特定的HHP输出。该测试揭露了泵46在达到各种HHP目标所花费的时间方面的性能特性。随着泵的HHP输出增加,它所经历的振动也增加(图90中示出了一个示例)。在一些情况下,使用在健康条件期间获取的系统振动来确定阈值,在该阈值下,限制泵加速率以将系统振动保持在可接受的限度内。这允许最大限度地提高泵的加速度,同时避免可能导致泵过早失效的不可接受的系统振动。此外,由于给定HHP目标的振动特征随时间变化,因此可以与振动差异成比例地调整为新泵46指定的限制(诸如上表中的限制)。如果振动减少,则可以按比例增加加速率和减速率,从而减少达到新的HHP设定点所花费的时间。相反,如果振动增加,则可以按比例减小加速率和减速率,从而增加达到新的HHP设定点所花费的时间。
在一个实施方案中,压裂泵(或其他泵46)的部件磨损基于泵加速度、压力和流速特性而减少。为了最大限度地减少泵寿命的消耗速率,可以将操作偏向泵工作包络内磨损速率较低的区域,特别是当此类选择不影响其他工作参数时。泵工作包络包括排放压力、泵流速或RPM、柱塞尺寸和输出马力的上限和下限。此外,具有多个泵送单元46的系统还将具有关于每个泵承载的总工作流速的份额的选择。诸如让一个或多个泵46准备泵送但实际上不泵送的选择可能意味着其余的泵46以更高的速度工作。相反,所有的泵46都可以以相同或相似的速度工作。总体井场选择的这两个极端可能会显着增加磨损优化空间。可消耗部件的磨损速率通常随着泵送压力而增加。然而,磨损速率可能会随着泵送速度而降低,或者可能会在上限与下限之间的某个流速下经历最小磨损速率。相对磨损速率的简化图作为示例示出于图91中。沿着此曲线向下移动的流量变化可能转换为更长的泵寿命。例如,如果五个泵46总共需要40桶/分钟(BPM)的流速,则五个泵46中的每一个都可以以8BPM运行。但是,如果四个泵46以10BPM运行并且一个泵46保留备用,则相对于各8BPM的情况,井场的总体磨损速率可能会降低。备用泵角色可以在泵之间轮换以使磨损在泵46组中均衡。
使用对磨损函数、井场装备和期望的系统流速和压力的了解,可以进行优化以提供初始操作点。在工作期间,当需要改变时,该优化可用于建议如何在泵46组之间移动流量的选择。最后,了解每个泵46的历史,可以对时间维护间隔进行调整以与操作中断一致。
磨损函数可以是基于对每个可消耗部件及其磨损机制的详细了解。对于滚珠轴承和滚柱轴承,这些函数可能是已知的,但对于给定轴承的确切故障点而言,包含很大程度的统计不确定性。对于滑动轴承,可以用广泛的磨损测试结果和重建检查程序补充对润滑方案的详细了解。可以部署感测装置以通过监测每个泵的特性来改进磨损预测,诸如在上面提供的传感器和监测的泵参数的众多示例中。
用于实施上述各种功能的数据分析器可以以任何合适的形式提供。在至少一些实施方案中,此类数据分析器以基于处理器的系统的形式提供,诸如个人计算机、手持式计算装置或编程逻辑控制器。此类基于处理器的系统的示例大体上描绘于图92中并且由附图标记760表示。在该描述的实施方案中,系统760包括通过总线764连接到存储器装置766的处理器762。应了解,系统760还可以包括多个处理器或存储器装置,并且此类存储器装置可以包括易失性存储器(例如,随机存取存储器)或非易失性存储器(例如,闪存或只读存储器)。
一个或多个存储器装置766用应用指令768(例如,可由处理器762执行以执行上述各种功能的软件)以及数据770(例如,泵部件操作数据、比较阈值、历史数据、传感器类型、传感器位置和其他有助于分析感测到的泵参数的数据)来编码。例如,可以执行应用指令768以根据上述技术针对压裂泵或其他机器监测健康状况、估计部件剩余寿命、检测故障或提高性能。在一些情况下,可以执行应用指令768以响应于泵传感器数据自动执行程序,诸如控制泵操作以基于感测到的泵条件优化性能或减少磨损。在一个实施方案中,应用指令768存储在只读存储器中并且数据770存储在可写非易失性存储器(例如,闪存)中。
系统760还包括使处理器762与各种输入或输出装置774之间能够通信的接口772。接口772可以包括能够实现这种通信的任何合适的装置,诸如调制解调器或串行端口。输入和输出装置774可以包括任何数量的合适装置。例如,装置774可以包括一个或多个传感器,诸如上面描述的传感器,用于提供输入以供系统760使用来监测健康状况、估计部件剩余寿命、检测故障或提高性能。装置774还可以包括允许用户输入进入系统760的键盘或其他接口,并且包括显示器、打印机或扬声器以将信息从系统760输出给用户。
上面描述了仪表化泵的各种示例。在给定的实施方式中,泵可以装备有本文描述的任何合适数量或组合的泵传感器。虽然泵可以装备有上述每个泵传感器,但是在其他情况下泵可以装备有所述传感器的较小组合。泵也可以或替代地装备有其他传感器。此外,虽然上文在五缸压裂泵的背景下描述了某些示例,但本技术也可用于其他类型的泵(例如,三缸或其他柱塞泵、离心泵或螺杆泵)或其他目的的泵(例如,其他增产泵、固井泵、泥浆泵、精炼泵或管道泵),以及与其他机械(例如,马达、传动装置或齿轮箱)一起使用。此外,虽然一些泵系统可以使用传感器来进行以下各项中的每一项:监测健康状况(例如,估计磨损或剩余寿命)、检测故障以及改进性能,但是其他泵系统可以使用传感器来实现这些功能中的较少项(或没有)。
尽管本公开的各方面可能有各种修改和替代形式,但是通过举例方式在附图中已经示出了特定实施方案并在本文中已经对其作出详细的描述。但是,应了解,本发明并非意在限于所公开的特定形式。而是,本发明将涵盖落在如由所附权利要求书限定的本发明的精神和范围内的所有修改、等效物和替代物。
Claims (11)
1.一种设备,所述设备包括:
压裂泵,其中所述压裂泵是具有动力端、流体端和至少一个传感器的柱塞泵;
基于处理器的数据分析器,所述基于处理器的数据分析器被配置为分析经由所述至少一个传感器获取的泵操作数据并且基于所述分析还进行以下操作:诊断所述压裂泵的泵部件的磨损、估计所述泵部件的剩余寿命或提高所述压裂泵的操作性能。
2.如权利要求1所述的设备,其中所述基于处理器的数据分析器被配置为执行以下各项中的两项:诊断所述泵部件的磨损、估计所述泵部件的剩余寿命或提高所述压裂泵的操作性能。
3.如权利要求1所述的设备,其中所述基于处理器的数据分析器被配置为执行以下各项中的每一者:诊断所述泵部件的磨损、估计所述泵部件的剩余寿命以及提高所述压裂泵的操作性能。
4.如权利要求1所述的设备,其中所述至少一个传感器包括加速度计、曲轴编码器、载荷垫圈、接近传感器、应变计、温度传感器、流量计或颗粒传感器。
5.如权利要求1所述的设备,其中所述至少一个传感器包括三个传感器,所述三个传感器中的每一者是加速度计、曲轴编码器、载荷垫圈、接近传感器、应变计、温度传感器、流量计或颗粒传感器。
6.如权利要求5所述的设备,其中所述至少一个传感器包括一个或多个额外传感器。
7.如权利要求1所述的设备,其中所述至少一个传感器包括一组传感器,所述一组传感器包括以下各者中的每一者:加速度计、曲轴编码器、载荷垫圈、接近传感器、应变计、温度传感器、流量计或颗粒传感器。
8.如权利要求1所述的设备,其中所述至少一个传感器包括RFID传感器。
9.一种方法,所述方法包括:
从仪表化压裂泵接收数据;以及
使用基于处理器的分析器来处理所接收的数据以诊断所述仪表化压裂泵的泵部件的磨损、估计所述泵部件的剩余寿命或识别用于提高所述仪表化压裂泵的操作性能的建议动作。
10.如权利要求9所述的方法,所述方法包括提供用户通知,所述用户通知指示所诊断出的所述泵部件的磨损、所述泵部件的估计剩余寿命或用于提高操作性能的所述建议动作。
11.如权利要求9所述的方法,所述方法包括响应于处理所述接收到的数据而自动地控制泵操作以提高性能或减少磨损。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063105749P | 2020-10-26 | 2020-10-26 | |
US63/105,749 | 2020-10-26 | ||
PCT/US2021/056425 WO2022093676A1 (en) | 2020-10-26 | 2021-10-25 | Instrumented fracturing pump systems and methods |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116547440A true CN116547440A (zh) | 2023-08-04 |
Family
ID=81383173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180077339.XA Pending CN116547440A (zh) | 2020-10-26 | 2021-10-25 | 仪表化压裂泵系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230392592A1 (zh) |
CN (1) | CN116547440A (zh) |
WO (1) | WO2022093676A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113356836B (zh) * | 2021-07-19 | 2024-03-26 | 中国石油天然气股份有限公司 | 页岩气压裂井口装置螺栓松动的分析方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7143016B1 (en) * | 2001-03-02 | 2006-11-28 | Rockwell Automation Technologies, Inc. | System and method for dynamic multi-objective optimization of pumping system operation and diagnostics |
US6882960B2 (en) * | 2003-02-21 | 2005-04-19 | J. Davis Miller | System and method for power pump performance monitoring and analysis |
US7186094B2 (en) * | 2003-03-26 | 2007-03-06 | Gas Machinery Research Council | Method and apparatus for measuring work performed by a compressor |
US8366402B2 (en) * | 2005-12-20 | 2013-02-05 | Schlumberger Technology Corporation | System and method for determining onset of failure modes in a positive displacement pump |
GB2538686B (en) * | 2014-04-03 | 2021-04-07 | Sensia Netherlands B V | State estimation and run life prediction for pumping system |
US9650881B2 (en) * | 2014-05-07 | 2017-05-16 | Baker Hughes Incorporated | Real time tool erosion prediction monitoring |
US20160168979A1 (en) * | 2014-12-16 | 2016-06-16 | Caterpillar Inc. | System and method for identifying a mode of failure in a pump used in hydraulic fracturing |
US20170091358A1 (en) * | 2015-09-27 | 2017-03-30 | Caterpillar Inc. | Model-based prognosis of machine health |
US10378332B2 (en) * | 2016-06-17 | 2019-08-13 | Baker Hughes, A Ge Company, Llc | Monitoring a component used in a well operation |
US9920615B2 (en) * | 2016-08-05 | 2018-03-20 | Caterpillar Inc. | Hydraulic fracturing system and method for detecting pump failure of same |
US11401929B2 (en) * | 2017-10-02 | 2022-08-02 | Spm Oil & Gas Inc. | System and method for monitoring operations of equipment by sensing deformity in equipment housing |
CA3080317A1 (en) * | 2017-10-25 | 2019-05-02 | U.S. Well Services, LLC | Smart fracturing system and method |
US20220145876A1 (en) * | 2019-03-11 | 2022-05-12 | Spm Oil & Gas Inc. | System and Method for Comprehensive Fracturing Pump Operation Monitoring |
US20200300065A1 (en) * | 2019-03-20 | 2020-09-24 | U.S. Well Services, LLC | Damage accumulation metering for remaining useful life determination |
US11499547B2 (en) * | 2020-02-27 | 2022-11-15 | Caterpillar Inc. | Hydraulic fracturing pump health monitor |
US20230044928A1 (en) * | 2020-03-03 | 2023-02-09 | Spm Oil & Gas Inc. | Hydraulic fracturing pump health and performance monitoring using iot sensor networks |
-
2021
- 2021-10-25 US US18/248,457 patent/US20230392592A1/en active Pending
- 2021-10-25 CN CN202180077339.XA patent/CN116547440A/zh active Pending
- 2021-10-25 WO PCT/US2021/056425 patent/WO2022093676A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20230392592A1 (en) | 2023-12-07 |
WO2022093676A1 (en) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10317875B2 (en) | Pump integrity detection, monitoring and alarm generation | |
US11401927B2 (en) | Status monitoring and failure diagnosis system for plunger pump | |
US20210199110A1 (en) | Systems and methods for fluid end early failure prediction | |
US10801491B2 (en) | Cepstrum analysis of oilfield pumping equipment health | |
US7542875B2 (en) | Reciprocating pump performance prediction | |
US5941305A (en) | Real-time pump optimization system | |
US10047741B2 (en) | Monitoring system for fluid pump | |
US11746645B2 (en) | System and method for reservoir management using electric submersible pumps as a virtual sensor | |
BR112016022984B1 (pt) | Método para avaliação de uma operação de um sistema de bombeamento, método, e método para melhoria de uma expectativa de vida de um sistema de bombeamento | |
CA2925423A1 (en) | System and method for integrated risk and health management of electric submersible pumping systems | |
US20230044928A1 (en) | Hydraulic fracturing pump health and performance monitoring using iot sensor networks | |
WO2016153895A1 (en) | System and method for monitoring an electric submersible pump | |
AU2013222343B2 (en) | System and method for measuring well flow rate | |
US20210198992A1 (en) | Systems and methods for fluid end health monitoring | |
WO2017083141A1 (en) | Electric submersible pump health assessment | |
Tecle et al. | A review on sucker rod pump monitoring and diagnostic system | |
US20180016889A1 (en) | Apparatus and method of monitoring a rod pumping unit | |
US20230184239A1 (en) | System and method for rod pump autonomous optimization without a continued use of both load cell and electric power sensor | |
CN116547440A (zh) | 仪表化压裂泵系统和方法 | |
Schultheis et al. | Reciprocating Compressor Condition Monitoring. | |
Rowlan et al. | Overview of beam pump operations | |
Hicks | Improving Jet Lift Runtime Using Machine Learning and Enhanced Power Fluid Pump Instrumentation | |
Omirbekova et al. | Developing Predictive Oil Well Diagnostics Based on Intelligent Algorithms | |
Petrukhin et al. | Research into the vibration stages of an ESP unit on a laboratory test bench | |
Josifovic et al. | Development of industrial process characterisation through data analysis |
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 |