[發明專利]一種游梁抽油機示功圖自診斷與多目標優化方法

在審

• 申請號: 202210022405.X
• 申請日: 2022-01-10
• 公開（公告）號: CN116467923A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 周勇;李德龍;周凱;薛興昌;汪洋;祝玉松;王扶輝;陳香玉;沈娜
• 申請（專利權）人: 中國石油天然氣股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/24;G06N3/0464;G06N3/08;G06F111/06
• 代理公司: 北京精金石知識產權代理有限公司 11470
• 代理人: 楊蘭蘭;朱寶莉

1.一種游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，包括如下步驟：

S100.采集時域電流、電壓參數以及游梁轉角傳感器的參數信息，計算出示功圖的載荷序列和位移序列，并繪制示功圖；

S200.對示功圖數據繪制出的圖像進行歸一化、二值化及圖像細化處理；

S300.制作數據標簽，并針對處理后的示功圖所對應的工況類型進行分類；

S400.搭建卷積神經網絡模型，并導入示功圖數據對網絡模型進行訓練及驗證；

S500.基于訓練驗證完畢的卷積神經網絡模型，構建獲得工況監控預警系統；

S600.將基于卷積神經網絡模型的工況監控預警系統應用至游梁抽油機生產中，當井下出現故障時將預警報告發送至操作人員進行遠程或現場故障處理；

S700.根據實際故障處理結果判斷預警報告的正確性，進行控制方法優化以及示功圖數據集更新。

2.根據權利要求1所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述S100步驟中示功圖的載荷序列和位移序列采用txt文件進行存儲，所述txt文件中包括多對序列數據，其中每對序列數據中第一列為位移序列，第二列為載荷序列。

3.根據權利要求1所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述200步驟中對示功圖數據繪制出的圖像進行歸一化、二值化及圖像細化處理的具體方法為：

采集不同游梁抽油機的示功圖數據，同時采集同一游梁抽油機在不同時間段的示功圖數據；

依據不同游梁抽油機的示功圖數據以及同一游梁抽油機在不同時間段的示功圖數據分別繪制對應的示功圖；

將繪制完形成的示功圖放入同一數據集中，并分別針對每個示功圖依次進行歸一化、二值化及圖像細化處理。

4.根據權利要求1所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述S300步驟中分類完畢的示功圖將用于卷積神經網絡模型的示功圖樣本數據集，針對同一工況類型的示功圖作為一個樣本數據集，并在樣本數據集中隨機抽取占樣本數據集數據總量50％的樣本數據作為訓練集，剩余50％的樣本數據作為驗證集。

5.根據權利要求1所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述S400步驟中搭建卷積神經網絡模型采用AlexNet-BN卷積神經網絡模型，所述AlexNet-BN卷積神經網絡模型包括卷積層、池化層、全連接層和Batch?Normalization(BN)層，使用ReLU作為激活函數，Softmax函數作為分類器。

6.根據權利要求1所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述S400步驟中通過導入示功圖數據對卷積神經網絡模型進行訓練及驗證的具體方法為：向卷積神經網絡模型中導入樣本數據集中的訓練集；向訓練完畢的卷積神經網絡模型中導入驗證集驗證訓練后卷積神經網絡模型的準確性。

7.根據權利要求6所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述S400步驟中驗證訓練后卷積神經網絡模型準確性的具體方法為：判斷訓練后卷積神經網絡模型在驗證過程中識別出的工況類型與樣本數據集對應的實際工況類型是否一致，若判斷結果一致，表明訓練后卷積神經網絡模型驗證準確，進入步驟S500；若判斷結果不一致，表明訓練后卷積神經網絡模型驗證不準確，重新在樣本數據集中隨機抽取訓練集和驗證集，重新對卷積神經網絡模型進行訓練及驗證，直至訓練后卷積神經網絡模型驗證準確。

8.根據權利要求1所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述S500步驟中通過基于訓練驗證完畢的卷積神經網絡模型所構建的工況監控預警系統模擬判斷示功圖對應的井下故障，并根據井下故障生成對應目標優化方案，最終生成預警報告。

9.根據權利要求1所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述預警報告包括抽油機井下工況與地面工況的匹配性、油井產液量信息、抽油機上下沖程電流信息、噸液耗電量信息以及抽油機系統效率。

10.根據權利要求1所述的游梁抽油機示功圖自診斷與多目標優化方法，其特征在于，所述S500步驟中基于預警報告的正確性進行控制方法優化以及示功圖數據集更新的具體方法為：

當預警報告結果與實際油井生產活動一致時，將預警報告中數據加入對應工況類型的樣本數據集中，進行數據更新；當預警報告結果與實際油井生產活動不一致時，修正預警報告的錯誤結果，并將修正后預警報告中數據加入到對應工況類型的樣本數據集中，進行數據更新。