一种基于井下瞬变载荷感知的智能电机驱动方法与流程

本发明跨先进制造与自动化、新能源与节能两大高新，具体涉及一种基于井下抽油杆瞬变载荷感知与机器学习来预测井下油泵的遇堵状态，并根据遇堵状态给与驱动电机适当的电流频率和升频/降频时间间隔的方法。该方法通过井下不同遇堵状态预测来控制变速抽油，进而预防和消除井下油泵遇堵故障，从而实现最小故障、最低能耗与最大产量的采油目标。

背景技术：

1、随着人工智能技术的飞速发展与广泛应用，油气开采领域出现了大量的人工智能技术。其中，以储油(渗透率)、驱油(二氧化碳驱和水驱)和增油(压裂)等三方面的最多，而油气开采装备特别是抽油机方面的则相对较少。

2、目前，有关抽油机的人工智能技术主要有两种类型：

3、一是故障识别。如申请公布号cn 111199090 a“一种故障识别方法及相关设备”提出的人工神经网络技术。该技术将所有油井的示功图输入预设神经网络模型，得到目标示功图对应的目标图像特征，……，进而得到目标示功图对应的故障信息。其缺点是基于所有油井的共性来识别，而忽视了目标油井的个性。

4、二是最佳抽油冲次的确定。如申请公布号cn 103885367 a“一种基于最佳冲次辨识的抽油机智能控制系统及方法”提出的机器学习方法。该方法基于产液量最大化的最佳冲程辨识数学模型的自学习，来预测最佳冲次及对应的冲次电耗。其缺点是只看到了影响抽油冲次的两个因素——产液量和电机能耗，而忽视了与抽油冲次密切相关的另一关键因素——井下油泵遇堵。

5、综上所述，目前有关抽油机的人工智能技术主要存在如下两方面的不足：

6、1、看到了所有油井的共性，而忽视了目标油井的个性；

7、2、看到了影响抽油冲次的两个因素——产液量和电机能耗，而忽视了与抽油冲次密切相关的另一关键因素——井下油泵遇堵。

技术实现思路

1、针对现有技术存在的缺陷与不足，本发明提出一种基于井下抽油杆瞬变载荷感知与机器学习来预测井下油泵的遇堵状态，并根据遇堵状态给与驱动电机适当的电流频率和升频/降频时间间隔的方法。该方法通过目标油井井下不同遇堵状态预测来控制变速抽油，进而预防和消除井下油泵遇堵故障，从而实现最小故障、最低能耗与最大产量三结合的采油目标。

2、为了实现上述发明目标，本发明采用以下技术方案：

3、一种基于井下瞬变载荷感知的智能电机驱动方法，其特征在于，包括如下步骤：

4、a)收集目标油井的历史生产数据，整理得到生产数据集。

5、b)对生产数据集进行差分分析，得到差分序列集。

6、c)对差分序列集进行主成分分析以降维。在降维后进行聚类分析，得到目标油井未遇堵、一般遇堵、中等遇堵与严重遇堵等四种井下抽油泵遇堵状态聚类簇。

7、d)对载荷数据集中的缺失值进行预设插值，并对载荷数据进行特征归一化处理，得到载荷状态数据集。

8、e)将载荷状态数据按预设比例分为训练集和测试集，并依次使用训练集和测试集对tanh模型进行训练和测试，得到载荷预测模型。

9、f)将实时采集的载荷数据输入载荷预测模型，根据输出结果预测井下遇堵状态类型，并根据遇堵类型给与驱动电机适当的电流频率和升频/降频时间间隔，进而预防和消除井下油泵遇堵这一常见故障。

10、本发明的新颖性在于，从油井个性和井下油泵遇堵这两个影响抽油冲次进而影响抽油机性能的关键要素出发，基于目标油井井口悬绳器瞬变载荷的感知和机器学习手段，来控制变速抽油，进而预防和消除井下油泵遇堵故障，实现最小故障、最低能耗与最大产量三结合的采油目标。

技术特征：

1.一种基于井下瞬变载荷感知的智能电机驱动方法，其特征在于，包括如下步骤：

2.一种基于井下瞬变载荷感知的智能电机驱动方法，其特征在于，收集目标油井的历史生产数据，得到生产数据集。包括如下步骤：

3.一种基于井下瞬变载荷感知的智能电机驱动方法，其特征在于，对所述的生产数据集进行差分分析，得到差分序列集。包括如下步骤：

4.一种基于井下瞬变载荷感知的智能电机驱动方法，其特征在于，对所述的差分序列集进行主成分分析以降维。在降维后进行聚类分析，得到目标油井未遇堵、一般遇堵、中等遇堵与严重遇堵等四种井下抽油泵遇堵状态聚类簇。包括如下计算步骤：

5.一种基于井下瞬变载荷感知的智能电机驱动方法，其特征在于，对载荷数据集中的缺失值进行预设插值，并对载荷数据进行特征归一化处理，得到载荷状态数据集。

6.一种基于井下瞬变载荷感知的智能电机驱动方法，其特征在于，将载荷状态数据集按预设比例分为训练集和测试集，并依次使用训练集和测试集对tanh模型进行训练和测试，得到载荷预测模型。具体可通过下式进行计算：

7.一种基于井下瞬变载荷感知的智能电机驱动方法，其特征在于，将实时采集的载荷数据输入载荷预测模型，根据输出结果预测井下遇堵状态类型，并根据遇堵类型给与驱动电机适当的电流频率和升频/降频时间间隔，进而预防和消除井下油泵遇堵这一常见故障。

技术总结本发明公开了一种基于井下瞬变载荷感知的智能电机驱动方法。该方法基于井下不同遇堵状态控制变速抽油，进而预防和消除井下油泵遇堵故障，实现最小故障、最低能耗与最大产量三结合的采油目标。具体是收集目标油井的历史生产数据，整理得到生产数据集。对生产数据集进行差分分析，得到差分序列集。对差分序列集进行聚类，得到多个聚类簇。对聚类簇进行状态标记，得到未遇堵、一般遇堵、中等遇堵与严重遇堵等四种状态类型。在此基础上，对缺失值进行预设插值，并对载荷数据序列进行特征归一化处理，得到载荷状态数据。将载荷状态数据按预设比例分为训练集和测试集，并依次使用训练集和测试集对Tanh模型进行训练和测试，得到载荷预测模型。将实时采集的载荷数据输入载荷预测模型，根据输出结果预测井下遇堵状态类型，并根据遇堵类型给与驱动电机适当的电流频率和升频/降频时间间隔，进而预防和消除井下油泵遇堵这一常见故障。技术研发人员：请求不公布姓名,请求不公布姓名,请求不公布姓名受保护的技术使用者：杭州中油智井装备科技有限公司技术研发日：技术公布日：2024/7/29