基于实时电参的油井工况异常诊断方法研究与实现

发布时间：2020-09-04 07:42

　　数字化油田的高速发展,使得油井设备数据的采集、检测、诊断正向智能化和数字化方向发展。对国内某采油厂进行调研发现,当前油井工况异常诊断方法单一,导致诊断结果准确率低。诊断过程中单纯利用电参数据导致诊断结果不具有代表性;单纯利用示功图进行工况诊断,测量成本高,且易出现示功图漏失。因此如何提高油井工况诊断的准确率成为油田开发的迫切需求。因此本文提出了基于实时电参的油井工况异常诊断方法研究,结合电参与示功图对油井工况进行诊断并对其进行实例化设计。首先,设计油井工况异常诊断模型。深入分析实时电参与示功图的工况诊断方法,明确油井工况异常诊断的组成模块,包括数据采集与数据集成模块、模式提取与管理模块及油井工况异常预警模块;分析油井工况异常诊断的工作流程,明确油井工况异常诊断模型的设计思路;设计油井工况异常诊断模型,并分析其工作机制。其次,深入分析油井工况异常诊断模型的组成模块。设计了数据采集与传输模型,研究了传输过程中涉及的硬件技术、设计了数据的存储方式;研究了电参与示功图模式提取与管理的方法;基于异常模式知识,选定非线性回归方法作为挖掘技术,设计了油井工况异常预警模型。最后,设计油井工况异常诊断系统并验证应用效果。以油井工况异常诊断模型为理论指导,设计并开发油井工况异常诊断系统,将其应用在大庆市某采油厂的工况预警作业中,达到提高油井工况诊断准确率,降低异常漏失的目的。研究结果表明,油井工况异常诊断模型的设计能够真实有效的提高预警准确率,提高工作人员的工作效率。同时,该方法为处理油井工况异常诊断提供了一种新思路。
【学位单位】：东北石油大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TE93
【部分图文】：

流程图,工况异常,模式挖掘,流程

图 2.1 工况异常模式挖掘流程据选取：选取历史电参数据与示功图数据作为数据挖掘的数据支撑。据预处理：对选取的数据进行数据清洗，删除冗余和不一致的数据，据整合：将预处理后的数据转换为适合进行数据挖掘的形式。式挖掘：选取适当的算法，挖掘电参与示功图工况异常模式，作为异果解释：将发现的模式表达成用户可理解与使用的形式。井工况异常诊断模型设计井工况异常诊断工作流程对现有油井工况异常诊断的应用分析，结合油井工况异常诊断业务处实施电参与示功图的油井工况异常诊断流程如图 2.2 所示，油井工况分类选择和模式推理匹配两个部分。，分析异常诊断对象的业务属性，包括参数类型、所属单元等信息：

异常诊断,专业学位,开发手段,传统应用

东北石油大学工程硕士专业学位论文8图 2.2 诊断流程图2.2.2 模型设计思路当前人工智能在各领域的应用不断深入。传统应用开发手段和异常诊断模式己无法满足油井工况异常诊断的复杂性、多样性的需要。因此，在深入研究人工智能技术、数据建模方法和数据挖掘理论基础上，提出油井工况异常诊断模型，实现油井电参动态数据的集成管理、异常模式的提取和诊断预警应用过程。油井工况异常诊断模型的设计思路如下：1.分析油井工况异常诊断的国内外研究现状，结合调研现场实际油井工况异常诊断

结构图,模型框架,结构图,异常诊断

东北石油大学工程硕士专业学位论文方法存在的不足，总结基于实施电参的油井工况异常诊断的工作流程。2.以油井工况异常诊断的工作流程为依托，设计油井工况异常诊断模型。3.针对现场数据传输情况，设计数据采集与数据集成模块，实现电参数据与示功图数据的无线实时采集与存储管理。4.研究油井电参与示功图的模式提取方法，提取油井电参与示功图的异常模式，作为诊断的知识。5.设计油井工况异常预警模型以模式知识为支撑，诊断油井工况，实现油井工况的预警、报警。6.设计油井工况异常诊断系统，验证工况异常诊断模型设计的可行性与准确率。2.2.3 模型框架结构设计根据油井工况异常诊断工作流程与设计思路，设计油井工况异常诊断模型框架结构，如图 2.3 所示，整体框架模型包含数据层、服务层和应用层。对模型各层描述如下

【参考文献】