WO2020209746A1 - Способ диагностики и контроля откачки нефти и газа из скважин - Google Patents

Способ диагностики и контроля откачки нефти и газа из скважин Download PDF

Info

Publication number
WO2020209746A1
WO2020209746A1 PCT/RU2019/000242 RU2019000242W WO2020209746A1 WO 2020209746 A1 WO2020209746 A1 WO 2020209746A1 RU 2019000242 W RU2019000242 W RU 2019000242W WO 2020209746 A1 WO2020209746 A1 WO 2020209746A1
Authority
WO
WIPO (PCT)
Prior art keywords
well
dynamogram
neural network
control
diagnostics
Prior art date
Application number
PCT/RU2019/000242
Other languages
English (en)
French (fr)
Inventor
Андрей Юрьевич Севастьянов
Алексей Евгеньевич СЕРОЧКИН
Original Assignee
Общество С Ограниченной Ответственностью "Нафтаматика"
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 Общество С Ограниченной Ответственностью "Нафтаматика" filed Critical Общество С Ограниченной Ответственностью "Нафтаматика"
Priority to PCT/RU2019/000242 priority Critical patent/WO2020209746A1/ru
Publication of WO2020209746A1 publication Critical patent/WO2020209746A1/ru

Links

Classifications

    • 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
    • E21B47/00—Survey of boreholes or wells
    • E21B47/008—Monitoring of down-hole pump systems, e.g. for the detection of "pumped-off" conditions
    • 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
    • F04B49/00—Control, e.g. of pump delivery, or pump pressure of, or safety measures for, machines, pumps, or pumping installations, not otherwise provided for, or of interest apart from, groups F04B1/00 - F04B47/00
    • F04B49/06—Control using electricity
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Definitions

  • the invention relates to the field of pumping oil and gas from a well equipped with a sucker rod pump with load and position sensors, as well as controlled by a controller that reads the surface and calculates the depth dynamometer chart. It can be used to reduce the cost of ensuring trouble-free operation of wells, training personnel and reducing the role of the human factor in diagnostics of sucker rod pumping units (sucker rod pumping units).
  • the technical result of the invention is to improve the efficiency of controllers and dispatching automation systems through the use of modern machine learning technologies.
  • the system of oil and gas production from a well using a sucker rod pump is complex and requires continuous monitoring and control during operation. This is due to the high cost and significant complexity of the repair of the drive, pump and rod system, the high intensity of the development of emergency situations, the variety and complexity of diagnosing typical system defects.
  • the main methods of diagnostics and control of a well equipped with a sucker rod pumping unit are Wattmetering and Dynamometering.
  • the first one assumes the use of a watt-metrogram (WMG) for diagnostics and control of the well - the dependence of the active power of the electric motor of the pumping unit on time.
  • WMG watt-metrogram
  • Its advantages include the simplicity and low cost of the equipment used, the main disadvantages are the difficulty of obtaining a load graph on the rod and, accordingly, recognizing a significant number of common faults.
  • the second method involves the use of a load cell mounted on a polished rod in combination with position sensors. It allows you to get a dynamogram (DMG) - a graph of the load on the polished rod from position.
  • DMG dynamogram
  • the main problems for developers of controller algorithms is the significant complexity of creating analytical expressions for detecting faults using the DMG and, in particular, the VMG (information about the change in the state of the well is expressed on the VMG with significant distortions, expressed by the features of a particular engine and pump drive). Often, only the simplest methods are used to automatically detect an accident based on a dynamometer chart (emergency load settings, filling determination using the fixed load method).
  • a more accurate diagnosis is carried out by an expert method (the technologist, based on the available experience, makes a conclusion about the presence of a particular malfunction in the form of the graph).
  • FIG. 1 structure of a neural network for recognizing dynamogram defects, where:
  • FIG. 2 - The structure of a universal high-level neural network for image recognition.
  • FIG. 3 Block diagram of the application of the neural network unit Ne1, where:
  • FIG. 4 Block diagram of the application of the neural network unit Ns2, where:
  • FIG. 5 Block diagram of the application of the neural network unit Ns3, where: B - Sucker rod pumping pump controller;
  • F - Devices for recording power values (electricity meter, wattmeter, ChREP);
  • FIG. 6 Block diagram of the application of the Ns4 neural network unit, where:
  • F - Devices for recording power values (electricity meter, wattmeter, ChREP);
  • FIG. 7 Block diagram of the application of the neural network unit Ns5, where:
  • neural networks can be considered a quality and modern solution for controllers of the SRPP.
  • a means of implementing this solution can be the development of a special network structure, optimal for solving problems of fault recognition (Fig. 1).
  • the network is built to solve the problem of defect recognition and has three layers: input, hidden and output.
  • the number of neurons in the layers is determined by the amount of input data, the optimal calculation structure and the number of recognized defects.
  • the advantage of this method can be considered the high speed of the network and its high-quality adaptation to the task.
  • FIG. 2 Another implementation option is the use of highly developed universal networks for image recognition (Fig. 2), which implies a matrix representation of the DMG and an extended learning process for the algorithm. This this option is beneficial by reducing the cost of developing and adapting the structure of the neural network, but it requires large computing power.
  • US patent Ns 4,583,915 describes a device that measures the area outside a surface dynamogram.
  • US Patent Ns 3,343,409 and US Patent Ns 5,252,031 describe a procedure in which surface load and stem position are used to calculate a depth load and pump position graph, commonly referred to as a depth dynamogram. This method is used to detect various states and is used to monitor pumping.
  • Patent RU2381384C1 describes a method and system for a pumping unit with a flexible rod system to ensure maximum fluid production, where the maximum pump stroke and the shortest cycle time are calculated based on all the static and dynamic characteristics of the downhole and surface components. Constraints regarding structural strength and fatigue strength are included in the optimization calculation to ensure safe operation while maintaining maximum pumped volume and minimum energy consumption.
  • the estimated optimum prime mover speed is set to the sucker rod pump.
  • the method provides creation of a complete mathematical model of the well and surface equipment for pumping. The method allows to optimize the speed of the sucker rod pump prime mover to maximize oil production while reducing operating costs and ensuring operation with a safe load factor.
  • the process of diagnosing faults is not considered in the patent.
  • Patent RU2610857C1 proposes a pumping control method, in which the supply current of the asynchronous electric motor of the pump is measured, the active component of the measured current is calculated, and the reference diagram of the active component is formed and stored during the pump operation cycle. Next, the current diagrams of the specified component are formed, their deviation from the reference diagram is calculated according to the selected criterion, and when the calculated deviation exceeds the threshold, the electric motor is stopped for the predicted well filling time.
  • the described method describes the process of comparison according to the criteria (for example, it can be the maximum or root-mean-square difference of the diagrams aligned in time), but the possibility of comparing the forms of EMG using a neural network, as well as comparing trends in the development of EMG in real time in characteristic areas, is not mentioned.
  • This problem can be successfully solved by using a neural network, since its algorithms, being multivariate and adaptive, can take into account the parameters of complex systems that are difficult to formulate.
  • the existing methods do not exclude the possibility of an emergency situation, since all of them do not describe the process of recognizing a malfunction and making a decision to shut down a well or change its operation parameters, with the exception of triggering emergency settings or fulfilling logical conditions (for example, a decrease in flow rate).
  • an expert method is used to diagnose malfunctions in industry, which depends on the qualifications of specialists, their mode of operation and other factors.
  • Modern controllers and dispatching systems do not have the capabilities of automatic defect recognition by the shape of a VMG or DMG.
  • a neural network unit as a device capable of working in combination with a controller and / or SCADA system can serve as a means to qualitatively improve the quality of diagnostics.
  • a block can be built on the basis of a printed circuit board and connected via a USB or Ethernet connector, and can also be integrated into a controller board.
  • the neural network unit can be implemented in the following variants:
  • a neural network unit for control and diagnostics included in the architecture of a well controller equipped with load and position sensors with the ability to receive DMG, or connected to it via USB, RS232, Ethernet or other connectors, or using Wifi or Bluetooth connections, allowing to recognize defects using dynamometer charts in the controller, control pumping out of the well, display the detected defects on the controller screen, send a well failure report to the operator through the dispatch system.
  • a neural network unit for the control and diagnostics of a well that is not equipped with position and load sensors, with the ability to connect to a controller that controls the well via the VGM or connect to a frequency drive that has the function of displaying a power signal, which allows using a neural network to recalculate VGM into DMG, also diagnostics by DMG or VMG, control the well, display defects on your screen or controller screen, send reports through the dispatch system.
  • a neural network unit for control and diagnostics included in the architecture of the SCADA server or connected to it via USB, RS232, Ethernet or other connectors, or using Wifi or Bluetooth connections, which makes it possible to recognize defects by trends in the change in the HMG or DMG on the well connected to SCADA - system, control pumping out of the well, display the detected defects on the controller screen, generate and show a report on the well failure to the operator.
  • SCADA - a system containing a neural network unit with the function of teaching the recognition of dynamometer charts with defects based on data received from connected wells, the function of systematizing and storing defective and reference dynamograms, and the function of correcting the defect recognition algorithm based on new dynamograms.
  • a neural network block can contain:
  • the economic effect is achieved by reducing the downtime of wells due to accidents, reducing the cost of training personnel in how to recognize dynamometer charts, accelerating the transmission of reports on accidents and reducing the time for making decisions about changing the operating mode of the well or repairing it.
  • the invention relates to the extractive industry, mainly to the extraction of crude oil and gas, while the monitoring and control device for a well equipped with a sucker rod pump is placed directly in the oil well system.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Mechanical Engineering (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • Geophysics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Fluid Mechanics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

Настоящее изобретение содержит способ оптимизации процесса диагностики и управления скважинами, оборудованными штанговым насосом, с использованием дополнительного устройства - нейросетевого блока, который путем обучения на большом числе реальных динамограмм формирует алгоритм распознавания дефектов скважины по динамограмме или ваттметрограмме, позволяющий повысить точность и скорость определения дефекта, тем самым повысив качество работы контроллера или диспетчерской системы.

Description

СПОСОБ ДИАГНОСТИКИ И КОНТРОЛЯ ОТКАЧКИ НЕФТИ И ГАЗА ИЗ
СКВАЖИНЫ
Область технического применения
Изобретение относится к области откачки нефти и газа из скважины, оборудованной штанговым насосом с датчиками нагрузки и положения, а также управляемой контроллером, считывающим поверхностную и вычисляющим глубинную динамограмму. Может быть использовано для снижения затрат на обеспечение безаварийной работы скважин, обучения персонала и снижения роли человеческого фактора в диагностике ШГНУ (Штанговой глубинной насосной установки).
Техническим результатом изобретения является повышение эффективности работы контроллеров и диспетчерских систем автоматизации за счет использования современных технологий машинного обучения.
Техническое обоснование
Система добычи нефти и газа из скважины с использованием штангового глубинного насоса является сложной и в процессе эксплуатации требует непрерывного мониторинга и управления. К этому обязывает высокая стоимость и значительная сложность ремонта привода, насоса и системы штанг, высокая интенсивность развития аварийных ситуаций, многообразие и сложность диагностирования характерных дефектов системы. Существует два принципиально разных подхода к обеспечению бесперебойной и безаварийной работы УШГН (Установки штангового глубинного насоса): 1) с постоянным мониторингом специалистами на месте (операторами, технологами, и др.) 2) с частичным или полным использованием средств автоматизации (станции управления, SCADA - системы (Supervisory Control And Data Acquisition — диспетчерское управление и сбор данных).
Основными способами диагностики и контроля скважины, оборудованной УШГН являются Ваттметрирование и Динамометрирование. Первый предполагает использование для диагностики и контроля скважины ваттметрограммы (ВМГ) - зависимости активной мощности электродвигателя станка - качалки от времени. К его достоинствам можно отнести простоту и дешевизну используемого оборудования, к основным недостаткам - сложность получения графика нагрузки на шток и соответственно распознавания значительного числа распространенных неисправностей. Второй способ предполагает использование датчика нагрузки, установленного на полированный шток в комплексе с датчиками положения. Он позволяет получить динамограмму (ДМГ) - график нагрузки на полированный шток от положения. Этот способ сопряжен с большими затратами, но позволяет получить более точную картину состояния скважины. Как правило, использование ДМГ или ВМГ для диагностики подразумевает наличие станции управления скважиной , позволяющей выполнять отключение станка - качалки (СК) при неисправностях и/или регулировку скорости вращения электродвигателя при наличии частотного привода.
Основными проблемами для разработчиков алгоритмов контроллеров является значительная сложность создания аналитических выражениий для выявления неисправностей по ДМГ и в особенности ВМГ (информация об изменении состояния скважины выражается на ВМГ со значительными искажениями, выраженными особенностями конкретного двигателя и привода насоса) . Зачастую для автоматического определения аварии по динамограмме используются только простейшие методы (аварийные уставки по нагрузке, определение заполнения по методу фиксированной нагрузки).
Более точное диагностирование осуществляется экспертным методом (технолог на основании имеющегося опыта делает заключение о наличии той или иной неисправности по форме графика).
Таким образом:
1) современная эксплуатация УШГН требует постоянного мониторинга и контроля;
2) задачи диагностирования неисправностей являются сложными, многопараметрическими и как правило решаются экспертными методами;
3) следующим этапом развития станций управления можно считать переход к большей степени автоматизации путём создания более совершенных алгоритмов диагностирования и распознавания неисправностей.
Для пояснения сущности заявленного технического решения представлены следующие графические материалы:
Фиг. 1 - структура нейросети для распознавания дефектов динамограмм, где:
1- Нейроны входного слоя
2- Нейроны промежуточного слоя 3- Нейроны выходного слоя
Фиг. 2 - Структура универсальной высокоуровневой нейросети для распознавания изображений.
Фиг. 3 - Блок - схема применения нейросетевого блока Ne1 , где:
А - Блок нейросети
Б - Контроллер ШГН(штангового глубинного насоса)
Б1 - Вход и выход контроллера
Б2 - Модуль для анализа рабочих параметров ШГН
БЗ - Модуль управления ШГН
Б4 - Блок фильтрации сигналов
Б5 - УАПП модуль
Б6 - Панель ручного управления
В - датчики нагрузки на полированный шток и его положения
Г - сенсорный дисплей
Д - электродвигатель ШГН
Е - система верхнего уровня
Фиг. 4 - Блок - схема применения нейросетевого блока Ns2, где:
А - Блок нейросети
А1 - Синтез динамограммы из ваттметрограммы;
Б - Контроллер ШГН
Б1 - Вход и выход контроллера
Б2 - Модуль для анализа рабочих параметров ШГН
БЗ - Модуль управления ШГН
Б4 - Блок фильтрации сигналов
Б5 - УАПП (Универсальный Асинхронный Приемопередатчик) ;
Б6 - Панель ручного управления;
Б7 - Блок синтеза ваттметрограммы
Ж - устройства для регистрации значений мощности (счетчик электроэнергии, ваттметр, ЧРЭП)
Г - сенсорный дисплей
Д - электродвигатель ШГН
Е - система верхнего уровня
Фиг. 5 - Блок - схема применения нейросетевого блока Ns3, где: Б - Контроллер ШГН;
Б1 - Вход и выход контроллера;
Б2 - Модуль анализа рабочих параметров ШГН;
БЗ - Модуль управления ШГН;
Б4 - Блок фильтрации сигналов;
Б5 - УАПП модуль;
Б6 - Панель ручного управления;
Б7 - Блок синтеза ваттметрограммы;
Б8 - Блок нейросети;
Б9 - Синтез динамограммы из ваттметрограммы;
В - Датчики нагрузки на полированный шток и его положения;
Г - Сенсорный дисплей;
Д - Электродвигатель ШГН;
Е - Система верхнего уровня;
Ж - Устройства для регистрации значений мощности (счетчик электроэнергии, ваттметр, ЧРЭП);
Фиг. 6 - Блок - схема применения нейросетевого блока Ns4, где:
Б - Контроллер ШГН;
Б1 - Вход и выход контроллера;
Б2 - Модуль анализа рабочих параметров ШГН;
БЗ - Модуль управления ШГН;
Б4 - Блок фильтрации сигналов;
Б5 - УАПП модуль;
Б6 - Панель ручного управления;
Б7 - Блок синтеза ваттметрограммы;
Б9 - Синтез динамограммы из ваттметрограммы;
В - Датчики нагрузки на полированный шток и его положения;
Г - Сенсорный дисплей;
Д - Электродвигатель ШГН;
Ж - Устройства для регистрации значений мощности (счетчик электроэнергии, ваттметр, ЧРЭП);
3 - SCADA
31 - Блок эвристического управления ШГН;
32 - Анализ динамограммы блоком нейросети; 33 - Модуль анализа рабочих параметров ШГН;
34 - Сервер связи;
35 - Человеко-машинный интерфейс;
36 - Диспетчерское управление;
Фиг. 7 - Блок - схема применения нейросетевого блока Ns5, где:
3 - SCADA сервер;
31 - Блок эвристического управления ШГН;
32 - Анализ динамограммы блоком нейросети;
33 - Модуль анализа рабочих параметров ШГН;
37 - Построение сети;
38 - Генерация отчетов;
39 - Менеджер лицензий;
310 - Интерфейсы сторонних производителей;
311 - Связь с другими серверами, очереди БД, Маршрутизация;
312 - Связь с клиентами, приоритеты, разрешения;
313 - УСО (Устройство Связи с Объектом);
314 - Связь с базой данных;
315 - База данных;
И - Радио/ Сервера терминалов/ GPRS модемы;
К - Управляемые объекты (контроллеры ШГН);
Л - ПК диспетчеров;
Качественным и современным решением для контроллеров УШГН можно считать использование нейросетей.
Средством реализации этого решения может быть разработка специальной структуры сети, оптимальной для решения задач распознавания неисправностей (Фиг. 1). Сеть построена для решения задачи распознавания дефектов, имеет три слоя: входной, скрытый и выходной. Количество нейронов в слоях обусловлено объемом входных данных, оптимальной структурой расчета и количеством распознаваемых дефектов. Достоинством этого способа может считаться высокое быстродействие сети и её качественная адаптация к задаче.
Другой вариант реализации - использование высокоразвитых универсальных сетей для распознавания изображений (Фиг. 2), что предполагает матричное представление ДМГ и расширенный процесс обучения алгоритма. Этот вариант выгоден снижением затрат на разработку и адаптацию структуры нейросети, однако требует больших вычислительных мощностей.
Оба этих варианта предполагают использование специальных аппаратных средств для реализации.
Уровень техники
Наиболее известные способы и приспособления для контроля откачки с использованием УШГН подразумевают использование поверхностных и глубинных динамограмм. Патент США Ns 3,306,210 описывает один из этих способов. Поверхностная динамограмма является отображением поверхностной нагрузки и положения полированного штока. Когда насос в скважине опустошается, нагрузка на насос падает в связи с незаполнением насоса. Результатом становится уменьшенная площадь графика поверхностной динамограммы. Измеряется заданное значение потери площади динамограммы, и скважина останавливается на заданный период простоя. Во время простоя резервуар будет снова наполнять колонну обсадных труб жидкостью. После периода простоя скважина запускается снова, и процесс повторяется. Патент США Ns 3,951 , 209 описывает способ, подобный способу, описанному в патенте США Ns 3,306,201 , в котором измеряется площадь внутри поверхностной динамограммы. Патент США Ns 4,583,915 описывает устройство, которое измеряет площадь снаружи поверхностной динамограммы. Патент США Ns 3,343,409 и патент США Ns 5,252,031 описывают процедуру, в ходе которой поверхностная нагрузка и положение штока применяются для расчета графика глубинной нагрузки и положения насоса, обычно называемого глубинной динамограммой. Этот способ применяется для определения различных состояний и используется для контроля откачки.
Патент RU2381384C1 описывает способ и систему для блока откачки с гибкой штанговой системой для обеспечения максимальной добычи флюида, где максимальный ход насоса и самое короткое время цикла рассчитывают на основании всех статических и динамических характеристик скважинных и поверхностных компонентов. Ограничения, касающиеся конструкционной прочности и усталостной прочности, вводят в расчет оптимизации для обеспечения безопасной работы, при поддержании максимального откачиваемого объема и минимального потребления энергии. Расчетную оптимальную скорость первичного двигателя задают штанговому насосу. Способ предусматривает создание полной математической модели скважины и наземного оборудования для откачки. Способ позволяет оптимизировать скорость первичного двигателя штангового насоса для максимального повышения добычи нефти, при одновременном снижении эксплуатационных расходов и обеспечении работы с безопасным коэффициентом загрузки. Однако, несмотря на полное описание оборудования и математического аппарата, требуемого для повышения качества работы контроллера, процесс диагностики неисправностей в патенте не рассмотрен.
Патент RU2610857C1 предлагает способ контроля откачки, при котором измеряют ток питания асинхронного электродвигателя насоса, рассчитывают активную составляющую измеренного тока, формируют и запоминают эталонную диаграмму активной составляющей за цикл работы насоса. Далее формируют текущие диаграммы указанной составляющей, вычисляют по выбранному критерию их отклонение от эталонной диаграммы и при превышении вычисленным отклонением порога останавливают электродвигатель на прогнозируемое время заполнения скважины.
Однако в описанном способе описаны процесс сравнения по критериям ( например, им может быть максимальная или среднеквадратичная разность совмещенных во времени диаграмм), но не упомянута возможность сравнения форм ВМГ с использованием нейросети, а также сравнения трендов развития ВМГ в режиме реального времени на характерных участках. Другим обоснованием отличия описываемого изобретения от патента RU2610857C1 может быть тот факт, что результаты испытаний и внедрения контроллеров на основе анализа ВМГ выявили большую трудность формального описания критериев сравнения ваттметрограмм, т.к. на форму ВМГ влияют характеристики качалок, параметры скважины, режим работы и загрузка электромотора, сбалансированность привода, вибронагруженность СК и текущая частота качания. Сочетание этих параметров меняется при изменении режима работы привода, что нелинейно отражается на форме ВМГ. Таким образом, оценка изменения заполнения по форме ВМГ становится практически невозможной при использовании аналитических критериев. Эта проблема может быть успешно решена путём использованием нейросети так как её алгоритмы , являясь многопараметрическими и адаптивными, могут учитывать трудно формулируемые параметры сложных систем. Существующие способы не исключают возможность появления аварийной ситуации, так как во всех из них не описан процесс распознавания неисправности и принятия решения на отключение скважины или изменения параметров её работы, за исключением срабатывания аварийных уставок или выполнения логических условий (например, снижение дебита). Зачастую для диагностики неисправностей в промышленности используется экспертный метод, который зависит от квалификации специалистов, режима их работы и других факторов. Возможностей автоматического распознавания дефектов по форме ВМГ или ДМГ современные контроллеры и диспетчерские системы не имеют.
Предмет изобретения
Средством качественно повысить качество диагностирования может служить нейросетевой блок как устройство, способное работать в сочетании с контроллером и/или SCADA системой. Физически такой блок может быть построен на основе печатной платы и соединяться через USB или Ethernet разъем, а также может быть интегрирован в плату контроллера.
Нейросетевой блок может быть реализован в следующих вариантах:
1) Нейросетевой блок для управления и диагностики, включенный в архитектуру контроллера скважины, оборудованной датчиками нагрузки и положения с возможностью получения ДМГ , или соединяемый с ним через USB, RS232 , Ethernet или другие разъемы, либо с использованием Wifi или Bluetooth соединения, позволяющий распознавать дефекты по динамограммам в контроллере, управлять откачкой из скважины, отображать выявленные дефекты на экране контроллера, отправлять через диспетчерскую систему отчет о неисправности скважины оператору.
2) Нейросетевой блок для управления и диагностики скважины, не оборудованной датчиками положения и нагрузки, с возможностью подключения к контроллеру, управляющему скважиной по ВМГ или подключения к частотному приводу, имеющему функцию отображения сигнала мощности, позволяющий с использованием нейросети выполнять перерасчет ВМГ в ДМГ, а также диагностику по ДМГ или ВМГ, управлять скважиной, отображать дефекты на своем экране или экране контроллера, отправлять отчеты через диспетчерскую систему.
3) Нейросетевой блок для управления и диагностики, включенный в архитектуру контроллера скважины, оборудованной необходимыми датчиками с возможностью получения ДМГ или ВМГ, или соединяемый с ним через USB, RS232 , Ethernet или другие разъемы, либо с использованием Wifi или Bluetooth соединения, позволяющий распознавать дефекты по трендам изменения ВМГ или ДМГ, управлять откачкой из скважины, отображать выявленные дефекты на экране контроллера, отправлять через диспетчерскую систему отчет о неисправности скважины оператору.
4) Нейросетевой блок для управления и диагностики, включенный в архитектуру сервера SCADA или соединяемый с ним через USB, RS232 , Ethernet или другие разъемы, либо с использованием Wifi или Bluetooth соединения, позволяющий распознавать дефекты по трендам изменения ВМГ или ДМГ на скважине, подключенной к SCADA - системе, управлять откачкой из скважины, отображать выявленные дефекты на экране контроллера, формировать и показывать отчет о неисправности скважины оператору.
5) SCADA — система, содержащая нейросетевой блок с функцией обучения распознаванию динамограмм с дефектами на основе данных, получаемых с подключенных скважин, функцией систематизации и хранения дефектных и эталонных динамограмм, функцией коррекции алгоритма распознавания дефектов на основе новых динамограмм.
Цель изобретения достигается путём:
1) создания базы валидированных динамограмм нормальной работы и ДМГ со всеми существующими дефектами скважин и приводов ШГН;
2) обучения алгоритма нейросетевого блока на вышеописанной базе динамограмм
3) создания базы трендов ВМГ и ДМГ , соответствующих изменению этих графиков в нормальных и аварийных режимах работы;
4) статического и динамического анализа динамограмм на скважине, на которую устанавливается блок диагностики, при помощи нейросетевого алгоритма;
5) отображения на экране блока диагностики, на экране контроллера скважины, либо в интерфейсе SCADA- системы результатов распознавания ДМГ и заключения о вероятности наличия неисправности в работе УШГН;
6) передачи команды управления контроллеру для остановки скважины или передачи сообщения в SCADA - систему для принятия решения оператором; Блок нейросети может содержать:
1) модуль калибровки ВМГ и ДМГ для обеспечения условий распознавания этих графиков;
2) модуль нейросетевого алгоритма, выполнаяющий распознавание дефектов, сравнение ДМГ и ВМГ , перерасчет ДМГ из ВМГ и формирующий заключение о наличии возможного дефекта;
3) баз данных, в которой содержатся дефектные ДМГ и ВМГ, ДМГ и ВМГ нормальной работы насоса, тренды развития неисправностей ВМГ и ДМГ ;
4) средства соединения с контроллером и SCADA - системой для получения данных, отправки отчетов и заключений о наличии неисправностей;
5) средства управления скважиной, оснащенной контроллером, работающим по ВМГ, ДМГ или средства управления скважиной, оснащенной частотным приводом;
6) Средства отображения состояния скважины и (или) наличия и типа дефекта в работе УШГН.
Экономический эффект достигается путем снижения простоев скважин из - за аварий, снижения затрат на обучения персонала способам распознавания динамограмм, ускорения передачи отчетов об авариях и снижения времени принятия решений об изменении режима работы скважины или её ремонте.
Применяемость в производственных условиях
Изобретение относится к добывающей отрасли промышленности, в основном к добыче сырой нефти и газа, при этом устройство мониторинга и управления скважиной, оборудованной глубинным штанговым насосом, размещается прямо в системе нефтяной скважины.

Claims

Ф О Р М У Л А
1. Способ управления и диагностики скважины для добычи нефти и газа, оборудованной штанговым глубинным насосом с получением данных от датчиков нагрузки и положения полированного штока, а также от датчиков вращения кривошипа при котором диагностика по глубинной или поверхностной динамограмме производится при помощи блока анализа динамограмм с использованием нейросети.
2. Способ управления и диагностики скважины, в котором моделирование поверхностной динамограммы производится при помощи нейросетевого блока, позволяющего моделировать соответствующую динамограмму из ваттметрограммы без использования аналитического перерасчёта.
3. Способ управления и диагностики скважины, при котором распознавание неисправностей по динамограмме или ваттметрограмме происходит в режиме оценки трендов изменения этих графиков с использованием нейросети.
4. Способ управления и диагностики скважины, основанный на включении контроллера скважины, оборудованной датчиком положения и нагрузки в SCADA - систему, в которой используется алгоритм распознавания динамограмм с использованием нейросети, для обучения блока анализа SCADA распознаванию нового типа динамограмм с целью как пополнения базы данных алгоритма, так и управления конкретной скважиной.
5. SCADA - система, содержащая алгоритм на основе нейросети с функцией обучения распознаванию динамограмм с дефектами на основе данных, получаемых с подключенных скважин.
PCT/RU2019/000242 2019-04-12 2019-04-12 Способ диагностики и контроля откачки нефти и газа из скважин WO2020209746A1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/RU2019/000242 WO2020209746A1 (ru) 2019-04-12 2019-04-12 Способ диагностики и контроля откачки нефти и газа из скважин

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/RU2019/000242 WO2020209746A1 (ru) 2019-04-12 2019-04-12 Способ диагностики и контроля откачки нефти и газа из скважин

Publications (1)

Publication Number Publication Date
WO2020209746A1 true WO2020209746A1 (ru) 2020-10-15

Family

ID=72751253

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/RU2019/000242 WO2020209746A1 (ru) 2019-04-12 2019-04-12 Способ диагностики и контроля откачки нефти и газа из скважин

Country Status (1)

Country Link
WO (1) WO2020209746A1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115749738A (zh) * 2021-09-03 2023-03-07 北京助创科技有限公司 一种抽油机运行时率监控方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2015100460A (ru) * 2015-01-12 2016-07-27 Общество с ограниченной ответственностью "ТатАСУ" Способ контроля состояний погружного насосного оборудования по динамограмме
US20170211365A1 (en) * 2016-01-22 2017-07-27 Trc Services, Inc. Automatic sucker rod spacing device

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2015100460A (ru) * 2015-01-12 2016-07-27 Общество с ограниченной ответственностью "ТатАСУ" Способ контроля состояний погружного насосного оборудования по динамограмме
US20170211365A1 (en) * 2016-01-22 2017-07-27 Trc Services, Inc. Automatic sucker rod spacing device

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KUZMIN A.H. ET AL.: "Prognozirovanie tekhnicheskogo sostoyaniya shtangovykh glubinnykh nasosov na osnove neirosetevykh tekhnology . Vestnik PNIPU.", KHIMICHESKAYA TEKHNOLOGIYA I BIOTEKHNOLOGIYA,, no. 3, 2016, pages 9 - 17 *
SAKAEV A.F.: "Kontrol i diagnostika sostoyaniya oborudovaniya shtangovykh glubinnykh nasosov kosvennym metodom po vattmelragramme s ispolzovaniem iskusslvennykh neironnykh setei.", ZAPISKI GORNOGO INSTITUTA, vol. 173, 2007000, pages 101 - 104 *
ZJUZEV A.M. ET AL.: "Sistema diagnostiki shtangovoi glubinno-nasosnoiustanovki na osnove neironnoi seti. Trudy Vtoroi Vserossyskoi nauchnoi konferentsii sProektirovanie inzhenernykh i nauchnykh prilozheny v srede MATLABs, M", IPU RAN, vol. 1955, 2004, pages 1273 - 1287 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115749738A (zh) * 2021-09-03 2023-03-07 北京助创科技有限公司 一种抽油机运行时率监控方法及装置
CN115749738B (zh) * 2021-09-03 2024-04-26 北京助创科技有限公司 一种抽油机运行时率监控方法及装置

Similar Documents

Publication Publication Date Title
CN111386503B (zh) 用于一个或多个机电系统的诊断和寿命预测的系统、方法和控制单元
US8509935B2 (en) Systems for monitoring machinery
CN100572810C (zh) 一种有杆泵抽油机抽油控制方法及其系统
US20120179326A1 (en) Predicting time to maintenance by fusion between modeling and simulation for electronic equipment on board an aircraft
EP2634660A1 (en) Anomaly diagnostic device and industrial machine
RU2757436C2 (ru) Устройство и способ контроля указаний на неисправность от транспортного средства, компьютерочитаемый носитель
US20110314331A1 (en) Automated test and repair method and apparatus applicable to complex, distributed systems
KR102003838B1 (ko) 파력발전 에너지 변환장치용 시험벤치
CN105041631A (zh) 一种气体压缩机的驱动轴振动信号的检测方法和系统
CN108667927A (zh) 工程机械故障的远程管理方法、装置、系统及存储介质
CN114576152A (zh) 水泵状态监测系统、监测方法、装置、电子设备和介质
US20160217628A1 (en) Method and apparatus for on-board/off-board fault detection
US11727555B2 (en) Rig power system efficiency optimization through image processing
WO2023040400A1 (zh) 一种挖掘机故障的预测方法、装置、电子设备及存储介质
CN110763286A (zh) 登机廊桥状态监测与故障诊断系统及方法
CN112124229A (zh) 一种应急抢险泵车远程实时故障诊断方法
WO2020209746A1 (ru) Способ диагностики и контроля откачки нефти и газа из скважин
RU2687848C1 (ru) Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов
CN109783832A (zh) 一种基于贝叶斯修正的液压泵性能退化建模方法
RU2668487C2 (ru) Система информационной поддержки принятия управленческих решений для обслуживающего персонала судовой энергетической установки
CN209356590U (zh) 充电平台测试装置和充电平台测试系统
US20200392831A1 (en) Virtual life meter for fracking equipment
KR102489973B1 (ko) 사이버캐릭터를 이용한 태양광 발전시스템의 운영유지보수 장치 및 그 방법
KR102601338B1 (ko) 유지보수 이력에 기반한 학습데이터를 이용하는 장비의 고장 예측 장치 및 방법
CN100383315C (zh) 洗衣机的远距离诊断系统以及其诊断方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19924201

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19924201

Country of ref document: EP

Kind code of ref document: A1