基于标准误差算法的油井工况识别技术研究.pdfVIP

第 1 7 卷 第 8 期 2 0 1 7 年 3 月 科 学 技 术 与 工 程 Vol . 17 No . 8 Mar . 2017 1671— 1 8 1 5 (2 0 1 7 )0 0 8 -0 2 1 9 -0 6 Science Technology and Engineering © 2017 Sci. Tech . Engrg . 基于标准误差算法的油井工况识别技术研究 任 涛 孙 文 ( 西安石油大学机械工程学院，西安 7 1 0 0 6 5 ) 摘 要 抽油机示功图包含了大量的采油设备状态、采油工艺和采油工况的多维信息特征。如何精确地、快速地、方便地识 别这些重要信息对指导油井设备的安全可靠运行、采油工艺的改进、实时监测采油工况具有非常重大的现实意义。提出了基 于标准误差算法的油井工况识别方法，并建立了标准误差匹配算法的数学模型。首次提出匹配算法和图形差异程度具有关 联性的论点，并对标准误差算法和经典匹配算法的可靠性进行了详细的对比研究，研究结果表明标准误差匹配算法和图形差 异程度具有极高的关联性，并且标准误差算法的可靠性要优于目前广泛应用的经典匹配算法。通过对大量示功图的识别表 明，基于标准误差匹配算法具有非常高的识别可靠性。特别是对微小差别的示功图具有极高的识荆精度。 关 键 词 标 准误差 油井工况 示功图 识别技术 中 图 法 分 类 号 T P391.77 文 献 标 志 码 A 目前取功图诊断识别技术在中国得到了迅猛发 如图1 中（a )和（b )所示的A 和 B 曲线都通过了 展，已经成为油井工况诊断的最重要的实用工具。 同一个网格，赋值都为1，但 A 曲线和B 曲线的局 中国目前拥有几十万口抽油井，近年来油田一直都 部差异确是非常大，因此所提取的特征矩阵不可 在致力于油井工况诊断技术研究。由于示功图包含 能精确地反应示功图的局部特征，即使分类器算 有采油工况的多维信息特征，因此建立油井工况样 法很 精 确 ，仍 属 非精确 识别e 人工神经网络 本示功图数据库是油井工况诊断技术的基础。通过 法[3^ ]也是基于网格法及灰度矩阵提取特征信 实时采集抽油机示功图，并与样本数据库进行比对 息，因此仍然存在网格法及灰度矩阵的缺陷。这 3 识别，确定采油系统的工作工况，从而实现对油井工 种方法都属特征识别，它们仅适用于图形的分类 况的实时监控和生产指导。 识别，无法实现图形的精确识别。矢量法（Vector ) 油井工况诊断的关键是示功图的准确识别。目 属图形识别，其特征矩阵为矩阵元素和矩阵摸的 前实际应用于示功图识别的主要方法有网格法及灰 商，其匹配值为矢M 夹角的余弦值。 度矩阵、矢量法、人工神经网络法等@上述方法的核 心首先是特征提取，即从不同景象的示功图二维数 组中提取相关特征丨目息，剔除无关丨目息。其次是建 」 - A 曲线 - 」- B 曲线 (a) (b) 立分类器—— 将工况识别出来的一类匹配算法。示 功图识别的关键在于如何提取其最具代表性的特征 图1 示功图轮廓线通过网格时的差异图 及采取何种分类器进行类型的识别[1] Q Fig. 1 Difference diagram of dynamometer 网格法及灰度矩阵都是通过特征矩阵提取示