[發明專利]基于BP神經網絡的抽油設備示功圖動態識別方法和裝置

在審

• 申請號: 201310236339.7
• 申請日: 2013-06-14
• 公開（公告）號: CN103886339A
• 公開（公告）日: 2014-06-25
• 發明（設計）人: 李龍
• 申請（專利權）人: 洛陽乾禾儀器有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06N3/02
• 代理公司: 北京中原華和知識產權代理有限責任公司 11019
• 代理人: 壽寧;張華輝

技術領域

本發明涉及設備管理技術，特別是涉及一種基于BP神經網絡的抽油設備示功圖動態識別方法和裝置。

背景技術

油田的抽油設備示功圖（也即抽油機示功圖）可以反映出抽油設備的工況，如抽油設備的故障情況、抽油效率以及抽油機產量等。如果能夠對抽油設備示功圖的監控分析進行科學管理，則可以使抽油設備達到較高的采油速度以及較高的原油采收率。有鑒于此，在目前的油井作業中，一個重要的工作內容就是采集并獲取抽油設備的示功圖。

發明人在實現本發明過程中發現：雖然目前可以通過現代化的測量手段進行全天候的信息采集，并可以利用相應的軟件將采集到的信息繪制成抽油設備示功圖，但是，目前仍然需要人工查看抽油設備示功圖，并對抽油設備示功圖進行人工分析，以判斷抽油設備的工況。因此，抽油設備的自動化管理程度還有待于進一步的提高。

有鑒于現有的抽油設備的自動化管理存在的問題，本發明人基于從事此類產品設計制造多年豐富的實務經驗以及專業知識，并配合學理的運用，積極加以研究創新，以期創設一種新型結構的基于BP神經網絡的抽油設備示功圖動態識別方法和裝置，能夠克服現有的抽油設備的自動化管理存在的問題，使其更具有實用性。經過不斷的研究設計，并經過反復試作樣品及改進，終于創設出確具實用價值的本發明。

發明內容

本發明的主要目的在于，克服現有的抽油設備的自動化管理存在的問題，而提供一種新型結構的基于BP神經網絡的抽油設備示功圖動態識別方法和裝置，所要解決的技術問題是，增強抽油設備的自動化管理程度，進而進一步提高油井的原油產量，并提高油田工作效率，同時完善油井作業的管理制度，非常適于實用。

本發明的目的以及解決其技術問題可以采用以下的技術方案來實現。

依據本發明提出的一種基于BP神經網絡的抽油設備示功圖動態識別方法，包括：特征庫的建立過程以及利用已成功建立的特征庫對采集的抽油設備示功圖進行動態識別過程，其中所述特征庫的建立過程包括：對抽油設備示功圖樣本的時域數據進行歸一化處理，并對歸一化處理后的時域數據進行采樣處理，以獲得離散的時域數據序列；對所述離散的時域數據序列進行傅立葉變換，以獲得頻域數據序列；利用所述頻域數據序列中的部分數據替代所述離散的時域數據序列中位置對應的部分數據，并利用替代后的時域數據序列進行傅立葉逼近計算，以獲得傅立葉逼近特征值；利用對角線分割方式將所述歸一化處理后的抽油設備示功圖樣本分割為四部分，并從右下部分提取特征向量；所述傅立葉逼近特征值和所述特征向量存儲于特征庫中；利用BP神經網絡算法對抽油設備示功圖樣本進行訓練，并利用訓練獲得的特征值校正特征庫中的傅立葉逼近特征值。

較佳的，前述的基于BP神經網絡的抽油設備示功圖動態識別方法，其中所述利用已成功建立的特征庫對采集的抽油設備示功圖進行動態識別過程包括：對采集的抽油設備示功圖的時域數據進行歸一化處理，并對歸一化處理后的時域數據進行采樣處理，以獲得離散的時域數據序列；對所述離散的時域數據序列進行傅立葉變換，以獲得頻域數據序列；利用所述頻域數據序列中的部分數據替代所述離散的時域數據序列中位置對應的部分數據，并利用所述替代后的時域數據序列進行傅立葉逼近計算，以獲得傅立葉逼近特征值；利用對角線分割方式將所述歸一化處理后的抽油設備示功圖分割為四部分，并從右下部分提取特征向量；利用貼近度算法對采集到的抽油設備示功圖對應的傅立葉逼近特征值和特征向量進行基于特征庫的貼近度計算，以識別所述采集的抽油設備示功圖。

較佳的，前述的基于BP神經網絡的抽油設備示功圖動態識別方法，其中所述利用所述頻域數據序列中的部分數據替代所述離散的時域數據序列中位置對應的部分數據包括：將所述頻域數據序列中的前K個數據替代所述離散的時域數據序列中的前K個數據，其中，K為自然數且小于時域數據序列中的數據數量。