论文部分内容阅读
[摘 要] 基于模式识别技术与权重决策理论相结合的方法,建立采油厂油水井故障智能诊断系统,以提早发现和解决问题,使经济利益最大化。该软件通过研究SCADA系统的实时数据及历史数据,完成其历史和实时数据导入;对自动化监测参数的研究,实现自动化监测参数报警阈值的智能设定和实时监测;建立历史故障知识库,实现油水井故障的统一管理;对SCADA系统数据源点进行归类,分析其数据曲线及报警参数特性,建立智能分析的数学模型,突出自动化监测故障结果的实时诊断;实现报警信息及诊断结果的推送。
[关键词] 模式识别技术;权重决策理论;故障模式识别库;油水井故障智能诊断系统
doi : 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 027
[中图分类号] F270.7 [文献标识码] A [文章编号] 1673 - 0194(2017)19- 0065- 05
1 前 言
油田生产过程中,通过长时间对井口杆卡、光杆断、皮带断、皮带打滑、管线破、油管与套管堵漏等生产异常情况进行跟踪和分析,发现在上述异常现象发生前单个或多个工况参数都有一定变化规律,为了能够在异常发生前进行处理,可以减少维护费用,提高生产效率,减少对环境的污染等,可以对异常情况发生的各种参数进行建模处理,基于上述问题,本文提出油水井故障智能诊断技术,并将其应用于系统研究中,实现对油水井问题的实时诊断及有效预警报警。
2 关键技术
油水井故障诊断的研究是基于模式识别技术与权重决策理论相结合的方法。利用模式识别技术进行权重决策,把如形状参数、长宽比、斜率及其他参数的变化趋势等类型数据,每种都作为特征值提取出来,然后进行模式匹配。通过设置故障诊断模型中所涉及的各类参数权重以及趋势范围,合理有效的进行故障诊断。
2.1 故障模式识别技术
油水井故障模式识别技术,首先需要建立特征模式匹配的识别库(识别库具有一定机器学习与自动学习,样本越多,诊断越准确,匹配度越高),把典型样本特征提取出来存入识别库,这样新的实时数据过来,同样提取相应特征,并与模式识别库进行比对,并给出计算结果序列。
2.2 多参数权重决策理论方法
首先确定某故障所涉及到的所有影响参数,并实现对每个参数的权重配比;针对每一种参数从报警级别、偏离程度、前推点数、趋势、方差等方面进行考虑;针对所有参数计算归一化权重;根据故障可能性排序,对概率超过某一限定值的故障给予提示,给出故障推荐序列。
3 油水井故障诊断技术的方法及其应用
根据采油厂的生产实际情况,油水井故障智能诊断系统主要围绕其SCADA系统的实时、历史数据进行深加工,通过对自动化监测数据和工况参数的分析研究,智能设立自动化监测参数报警阈值,建立历史故障知识分析库,实现实时监测和智能预警,并及时推送报警信息,从而建立一套自动化故障发生预警系统,提早发现问题解决问题,减少维修费用及环境污染,提高效益。系统结构如图1所示。
3.1 诊断过程的实现
在整个油水井故障诊断过程中,需要做到清楚的了解和掌握故障诊断业务的过程实现流程。油水井故障智能诊断系统业务流程是:首先,在阈值设定的基础上结合故障诊断数据模型对实时数据进行诊断;其次,将诊断结果展示给中控室业务人员,业务人员对结果进行审核,对于误报进行取消报警,将无误报结果推送给现场操作人员;最后,现场操作人员进行现场处理,将处理结果反馈给业务人员。系统诊断过程见图2。
3.1.1 故障诊断数据流转过程
数据是根本和基础,软件系统在提供可视化的数据导入(含人工录入和SCADA系统数据批量导入)功能之外,也支持对规范数据格式的现有数据进行迁移。在具体实现时,以数据接口方式来完成本系统与SCADA系统实时/历史数据库数据快速读写。
在数据入库前提下,实现权限用户对数据的检索查询。查询支持按照井区、计量站、采油井、注水井等方式查询实时监测情况、故障预警情况、历史故障知识库及故障推送结果等,并以可视化方式显示查询结果,允许用户方便地浏览,并以常规表格化(非二进制体数据)数据导出。
在查询检索基础上,提供自动化监测参数不同参数实时预警对比,故障结果统计,阈值智能计算,并以数据表格、柱状图、曲线图的呈现方式展示给用户。系统诊断数据流转过程如图3所示。
3.1.2 报警阈值的智能设定过程
根据SCADA系统的监测参数,分别对采油井、注水井的监测参数进行阈值预警。
采油井的监测参数包括单井油压、单井回压、单井套压、油井电流1、油井电流2、油井电流3、抽油机最大载荷、抽油机最小载荷、冲程、冲次。
注水井监测参数包括注水井注水压力、注水井瞬时流量、油压、套压。
阈值分为高限阈值(高报,高高报)和低限阈值(低报,低低报),算法设计了剔值平均法、多点平均法、单点取值法、经验值法、固定值法。例如:
剔值平均法:高限阈值的剔值平均法,把选取的参数数值(例如一个月的数值)进行从大到小降序排序,去掉前N个高值,然后再依次取前M个高值计算的平均值为高值基值,加上不同的经验值为高高报,高报;低限阈值的剔值平均法,把选取的参数数值(例如一个月的数值)按从小到大升序排序,去掉前面低值的最低N个值,再依次取前M个低值计算的平均值为低值基值,减去不同的经验值为低报,低低报。
多点平均法:高限阈值的多点平均法,把选取的参数数值(例如一个月的数值)进行从大到小降序排序,依次取前N个高值计算的平均值为高值基值,加上不同的经验值为高高报,高报;低限阈值的多点平均法,把选取的参数数值(例如一個月的数值)进行从小到大升排序依次取前N个最低值计算的平均值为低值基值,减不同的经验值为低报,低低报。 单点取值法:高限阈值的单点取值法,把选取的参数数值(例如一个月的数值)按从高到低降序排序,取高值的第N个值为高值基值,加不同的经验值为高高报,高报;低限阈值的单点取值法,把选取的参数数值(例如一个月的数值)按从小到大升序排序,取低值的第N个值为低值基值,减不同的经验值为低报,低低报。
固定值法:用户根据经验直接填写监测对象的某些参数阈值。
经验值法:根据用户提供的某些监测参数的经验公式,进行参数阈值进行计算。
报警阈值可以系统计算,可以统一导入,用户也可以进行修改,确定的阈值按照一定的格式确定保存到系统中,也可导出到用户要求格式的Excel表中,便于用户导入现有的SCADA系统中。
3.1.3 建立历史故障模式识别库
总结分析历史故障,结合专家意见建立历史故障模式识别库,逐步完善报警、预警跟踪处理知识库。设立故障配置库、故障参数描述表、历史故障模式识别库三部分,故障配置表主要以故障为主,描述故障类型,参数变化,解决方案,方案人员,现象描述记录典型故障发生处理情况;故障参数描述表是总结监测参数和故障发生之间的逻辑关系,由文字性描述转化为数字化程序实现;历史故障知识库是以历史发生的故障为主,记录发生故障井号、时间、故障类型、参数异常数据、报警的参数、报警的级别、发现问题时间、呼出时间、发现人、执行人、现场反馈、备注等信息。
3.1.4 智能预警
通过对SCADA系统历史数据源点进行归类,分析其数据曲线及报警参数特性,分析故障与报警参数的逻辑关系,建立对其智能分析的数学模型,实现油水井故障结果的实时诊断预警。
对生产中出现的典型报警进行历史数据的相关分析,建立相应的报警数据模型,以实现多个参数关联性异常、单个或多个参数在一定时间范围内的趋势异常等预警报警分析。预警的数据模型,是根据生产工艺情况定义需要报警的一组相关条件,监测参数报警阈值设定后,当监测参数报警后,根据故障参数描述表里的参数报警与故障的逻辑关系,权重分配,按权重大小排序,实时判断故障类型。同时把此故障情况存入历史故障知识库,供后续处理参照。
3.1.5 报警结果推送
本系统采用多种灵活的方式进行结果展示和推送,目前通过短信接口和腾讯通接口对报警结果实时推送,同时规划各类报警的推送级别,避免出现低级别报警推送到高级别管理人员,同时还避免报警的重复推送和误报推送。大大减低了通讯成本和人工成本,同时故障推送及时有效,缩短故障处理时间,带来巨大经济效益。
3.2 应用效果
油水井故障智能診断系统现场应用效果总结如下:
(1)设计并逐步建立起了41种故障类型及权重决策模型库,见图4,为整个系统奠定了坚实基础;
(2)多种阀值计算方法及批量计算模式,基本替代了原本的手工计算,阀值计算精度和工作效率大幅度提升;
(3)油水井故障实时智能诊断逐步投入生产运行,并取得了较高的识别率(表1为系统运行中心识别率统计),日益发挥出该系统的应用价值;
(4)便捷灵活的报警信息推送功能,正逐步把业务人员从繁琐沟通中解脱出来,而且实现了油水井故障的过程化/规范化管理。
4 结 论
油水井故障智能诊断系统的投入使用,通过获取油水井自动化采集的实时数据从不同角度出发快速准确定位异常井,并且给出有效的措施建议,使得在无人值守的情况下也能及时掌握生产动态,降低员工劳动强度,起到了降本增效的作用;同时,它的存在使得采油厂的管理工作更具科学性和高效性,能够进行推广应用,以更好地推动智能油田的建设。
主要参考文献
[1]安茂春.故障诊断专家系统及其发展[J].计算机测量与控制,2008,16(9).
[2]袁风宾.数字化油田油水井自动化系统的设计[J].价值工程,2014(19).
[3]张林森,赫世彦.延长油田的油水井信息管理系统[J].油气田地面工程,2011,30(1).
[4]石刻录.采油井、注入井生产问题百例分析[M].北京:石油工业出版社,2005.
[关键词] 模式识别技术;权重决策理论;故障模式识别库;油水井故障智能诊断系统
doi : 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 027
[中图分类号] F270.7 [文献标识码] A [文章编号] 1673 - 0194(2017)19- 0065- 05
1 前 言
油田生产过程中,通过长时间对井口杆卡、光杆断、皮带断、皮带打滑、管线破、油管与套管堵漏等生产异常情况进行跟踪和分析,发现在上述异常现象发生前单个或多个工况参数都有一定变化规律,为了能够在异常发生前进行处理,可以减少维护费用,提高生产效率,减少对环境的污染等,可以对异常情况发生的各种参数进行建模处理,基于上述问题,本文提出油水井故障智能诊断技术,并将其应用于系统研究中,实现对油水井问题的实时诊断及有效预警报警。
2 关键技术
油水井故障诊断的研究是基于模式识别技术与权重决策理论相结合的方法。利用模式识别技术进行权重决策,把如形状参数、长宽比、斜率及其他参数的变化趋势等类型数据,每种都作为特征值提取出来,然后进行模式匹配。通过设置故障诊断模型中所涉及的各类参数权重以及趋势范围,合理有效的进行故障诊断。
2.1 故障模式识别技术
油水井故障模式识别技术,首先需要建立特征模式匹配的识别库(识别库具有一定机器学习与自动学习,样本越多,诊断越准确,匹配度越高),把典型样本特征提取出来存入识别库,这样新的实时数据过来,同样提取相应特征,并与模式识别库进行比对,并给出计算结果序列。
2.2 多参数权重决策理论方法
首先确定某故障所涉及到的所有影响参数,并实现对每个参数的权重配比;针对每一种参数从报警级别、偏离程度、前推点数、趋势、方差等方面进行考虑;针对所有参数计算归一化权重;根据故障可能性排序,对概率超过某一限定值的故障给予提示,给出故障推荐序列。
3 油水井故障诊断技术的方法及其应用
根据采油厂的生产实际情况,油水井故障智能诊断系统主要围绕其SCADA系统的实时、历史数据进行深加工,通过对自动化监测数据和工况参数的分析研究,智能设立自动化监测参数报警阈值,建立历史故障知识分析库,实现实时监测和智能预警,并及时推送报警信息,从而建立一套自动化故障发生预警系统,提早发现问题解决问题,减少维修费用及环境污染,提高效益。系统结构如图1所示。
3.1 诊断过程的实现
在整个油水井故障诊断过程中,需要做到清楚的了解和掌握故障诊断业务的过程实现流程。油水井故障智能诊断系统业务流程是:首先,在阈值设定的基础上结合故障诊断数据模型对实时数据进行诊断;其次,将诊断结果展示给中控室业务人员,业务人员对结果进行审核,对于误报进行取消报警,将无误报结果推送给现场操作人员;最后,现场操作人员进行现场处理,将处理结果反馈给业务人员。系统诊断过程见图2。
3.1.1 故障诊断数据流转过程
数据是根本和基础,软件系统在提供可视化的数据导入(含人工录入和SCADA系统数据批量导入)功能之外,也支持对规范数据格式的现有数据进行迁移。在具体实现时,以数据接口方式来完成本系统与SCADA系统实时/历史数据库数据快速读写。
在数据入库前提下,实现权限用户对数据的检索查询。查询支持按照井区、计量站、采油井、注水井等方式查询实时监测情况、故障预警情况、历史故障知识库及故障推送结果等,并以可视化方式显示查询结果,允许用户方便地浏览,并以常规表格化(非二进制体数据)数据导出。
在查询检索基础上,提供自动化监测参数不同参数实时预警对比,故障结果统计,阈值智能计算,并以数据表格、柱状图、曲线图的呈现方式展示给用户。系统诊断数据流转过程如图3所示。
3.1.2 报警阈值的智能设定过程
根据SCADA系统的监测参数,分别对采油井、注水井的监测参数进行阈值预警。
采油井的监测参数包括单井油压、单井回压、单井套压、油井电流1、油井电流2、油井电流3、抽油机最大载荷、抽油机最小载荷、冲程、冲次。
注水井监测参数包括注水井注水压力、注水井瞬时流量、油压、套压。
阈值分为高限阈值(高报,高高报)和低限阈值(低报,低低报),算法设计了剔值平均法、多点平均法、单点取值法、经验值法、固定值法。例如:
剔值平均法:高限阈值的剔值平均法,把选取的参数数值(例如一个月的数值)进行从大到小降序排序,去掉前N个高值,然后再依次取前M个高值计算的平均值为高值基值,加上不同的经验值为高高报,高报;低限阈值的剔值平均法,把选取的参数数值(例如一个月的数值)按从小到大升序排序,去掉前面低值的最低N个值,再依次取前M个低值计算的平均值为低值基值,减去不同的经验值为低报,低低报。
多点平均法:高限阈值的多点平均法,把选取的参数数值(例如一个月的数值)进行从大到小降序排序,依次取前N个高值计算的平均值为高值基值,加上不同的经验值为高高报,高报;低限阈值的多点平均法,把选取的参数数值(例如一個月的数值)进行从小到大升排序依次取前N个最低值计算的平均值为低值基值,减不同的经验值为低报,低低报。 单点取值法:高限阈值的单点取值法,把选取的参数数值(例如一个月的数值)按从高到低降序排序,取高值的第N个值为高值基值,加不同的经验值为高高报,高报;低限阈值的单点取值法,把选取的参数数值(例如一个月的数值)按从小到大升序排序,取低值的第N个值为低值基值,减不同的经验值为低报,低低报。
固定值法:用户根据经验直接填写监测对象的某些参数阈值。
经验值法:根据用户提供的某些监测参数的经验公式,进行参数阈值进行计算。
报警阈值可以系统计算,可以统一导入,用户也可以进行修改,确定的阈值按照一定的格式确定保存到系统中,也可导出到用户要求格式的Excel表中,便于用户导入现有的SCADA系统中。
3.1.3 建立历史故障模式识别库
总结分析历史故障,结合专家意见建立历史故障模式识别库,逐步完善报警、预警跟踪处理知识库。设立故障配置库、故障参数描述表、历史故障模式识别库三部分,故障配置表主要以故障为主,描述故障类型,参数变化,解决方案,方案人员,现象描述记录典型故障发生处理情况;故障参数描述表是总结监测参数和故障发生之间的逻辑关系,由文字性描述转化为数字化程序实现;历史故障知识库是以历史发生的故障为主,记录发生故障井号、时间、故障类型、参数异常数据、报警的参数、报警的级别、发现问题时间、呼出时间、发现人、执行人、现场反馈、备注等信息。
3.1.4 智能预警
通过对SCADA系统历史数据源点进行归类,分析其数据曲线及报警参数特性,分析故障与报警参数的逻辑关系,建立对其智能分析的数学模型,实现油水井故障结果的实时诊断预警。
对生产中出现的典型报警进行历史数据的相关分析,建立相应的报警数据模型,以实现多个参数关联性异常、单个或多个参数在一定时间范围内的趋势异常等预警报警分析。预警的数据模型,是根据生产工艺情况定义需要报警的一组相关条件,监测参数报警阈值设定后,当监测参数报警后,根据故障参数描述表里的参数报警与故障的逻辑关系,权重分配,按权重大小排序,实时判断故障类型。同时把此故障情况存入历史故障知识库,供后续处理参照。
3.1.5 报警结果推送
本系统采用多种灵活的方式进行结果展示和推送,目前通过短信接口和腾讯通接口对报警结果实时推送,同时规划各类报警的推送级别,避免出现低级别报警推送到高级别管理人员,同时还避免报警的重复推送和误报推送。大大减低了通讯成本和人工成本,同时故障推送及时有效,缩短故障处理时间,带来巨大经济效益。
3.2 应用效果
油水井故障智能診断系统现场应用效果总结如下:
(1)设计并逐步建立起了41种故障类型及权重决策模型库,见图4,为整个系统奠定了坚实基础;
(2)多种阀值计算方法及批量计算模式,基本替代了原本的手工计算,阀值计算精度和工作效率大幅度提升;
(3)油水井故障实时智能诊断逐步投入生产运行,并取得了较高的识别率(表1为系统运行中心识别率统计),日益发挥出该系统的应用价值;
(4)便捷灵活的报警信息推送功能,正逐步把业务人员从繁琐沟通中解脱出来,而且实现了油水井故障的过程化/规范化管理。
4 结 论
油水井故障智能诊断系统的投入使用,通过获取油水井自动化采集的实时数据从不同角度出发快速准确定位异常井,并且给出有效的措施建议,使得在无人值守的情况下也能及时掌握生产动态,降低员工劳动强度,起到了降本增效的作用;同时,它的存在使得采油厂的管理工作更具科学性和高效性,能够进行推广应用,以更好地推动智能油田的建设。
主要参考文献
[1]安茂春.故障诊断专家系统及其发展[J].计算机测量与控制,2008,16(9).
[2]袁风宾.数字化油田油水井自动化系统的设计[J].价值工程,2014(19).
[3]张林森,赫世彦.延长油田的油水井信息管理系统[J].油气田地面工程,2011,30(1).
[4]石刻录.采油井、注入井生产问题百例分析[M].北京:石油工业出版社,2005.