专利名称：基于示功图的有杆抽油系统故障递阶诊断方法
技术领域：
本发明涉及一种基于示功图的有杆抽油系统故障诊断方法，尤其涉及一种基于 示功图的有杆抽油系统故障递阶诊断方法，属于有杆抽油系统故障诊断方法的技术领 域。
背景技术：
有杆抽油系统工作环境恶劣，发生故障的概率很高，不及时诊断出来，就会造 成能源的浪费，影响生产，给企业、国家造成损失。目前有杆抽油系统的故障诊断主要是先根据地面示功图，通过有杆抽油系统力 学模型得到泵功图，再以正常样本和尽可能多类型故障样本的泵功图作为训练集，训练 出相应模型后再对各样本进行故障诊断。这类方法主要存在两个方面的问题一是有 杆抽油系统是一个机电液耦合的复杂非线性系统，边界条件和阻尼系数很难准确确定， 进而很难精确建立和求解该系统的力学模型；二是有杆抽油系统具有样本量大、平稳状 态多、类别不均衡的特点，使训练集中缺少很多类型的故障样本，尤其是严重故障的样 本，而严重故障的准确、实时诊断对于有杆抽油系统意义重大。由于有杆抽油系统的复 杂性，至今还没有一个完全有效的手段来对井下故障进行实时、准确的故障诊断。反映抽油系统悬点载荷随其位移变化规律的图形称为地面示功图或光杆示功 图，简称示功图，它是示功仪在抽油机一个抽吸周期内测取的封闭曲线。地面示功图 是抽油井采油现场采集的第一手资料，基于地面示功图来实现有杆抽油系统的实时诊断 对解除油井故障、保证油井正常生产或提高油井产量等就显得非常重要而且具有现实意 义。每组示功图数据包括载荷和位移，共216对数据。油田一个小时采集一次示功 图，一天就有24组数据，一个星期有168组数据，一个月(30天计算)有720组数据。 所以，油井示功图数据多、样本量大。并且，对于油田来讲，绝大多数都是平稳的工 作状态，包括两种情况一是油井正常，大部分示功图均正常，故障样本和故障类型较 少；二是有的油井以某种故障，如含气、出砂、供液不足、轻微碰挂、振动影响等某类 对生产影响不太大的故障为主，出现其它故障的概率较低。以上这两种情况不需要立即 停产进行检修，可以待下次修井时或在方便和必要时处理，也就是说大量的油井示功图 数据都是不需要立即进行故障处理的。而一旦出现凡尔失灵、抽油杆断脱、泵卡死等严 重故障，均需立即停产，及时采取检泵和修井措施，以减少损失。油井修井措施，特别 是对油井大修或更换设备会对油井的生产状况和功图产生影响，检修前后的生产状况和 功图往往会有较大差别，检修后的训练集和样本特征往往需要重新形成。另外，现有的 采油工业中抽油机数量大、分布广，这更增加了井下状况的复杂性，使各口井均有自身 特点，可能出现的故障类型也不固定。
发明内容
技术问题本发明目的是针对有杆抽油系统故障诊断目前存在的缺陷和油井示 功图样本量大、平稳状态多、类别不均衡(尤其缺少严重故障的样本)的特点，以正常 (或平稳状态)样本地面示功图作为切入点，提供一种基于示功图的有杆抽油系统故障递 阶诊断法，即首先在故障分辨阶段根据正常(或平稳状态)样本的统计规律把示功图分为 故障类和非故障类；然后在故障诊断阶段针对故障样本进行详细的故障诊断识别。由于 大部分的示功图都是正常(或平稳)的，先进行故障分辨就节省了大量的时间，从而提高 油田管理的效率。另外，故障分辨的训练样本来自于正常(或平稳状态)样本，样本丰 富且能反映出有杆抽油系统的自身的基本特征。本发明为实现上述目的，采用如下技术方案本发明基于示功图的有杆抽油系统故障递阶诊断方法包括如下步骤1)故障分辨阶段，故障分辨阶段又分为两个阶段11)训练阶段在训练阶段由正常或平稳样本提取15个示功图上的几何特征 量，根据这些样本的特征量得到相关统计信息111)人工选取η个正常或平稳样本，进行15个特征量的提取，其中论50 ；112)对提取的特征量进行异常值检验，如果异常，则剔除该样本，并重新进行 异常值检验，直至没有异常值；113)对异常值检验后的样本进行分布规律检验；114)根据分布规律检验结果计算正常区域和故障区域；12)分辨阶段根据测试样本本身是否存在打结点和测试样本是否有特征量落 入故障区域来判断是否故障121)判断测试样本本身是否存在打结点，如果存在，则为故障样本，跳转步骤 2)；否则跳转步骤122)；122)提取测试样本的15个特征量；123)测试样本是否有特征量落入故障区域，如果有，则为故障样本，跳转步骤 2)；否则跳转步骤124)；124)判定测试样本为正常样本，不需要进行故障识别，结束；2)故障识别阶段采用基于示功图的有杆抽油系统故障识别的搜索树方法，对 故障样本进行故障类型的识别。优选地，所述15个特征量为下死点(Ε点)载荷、上死点(F点)位移和载荷、 固定凡尔打开点(B点)的位移和载荷、游动凡尔打开点(D点)的位移和载荷、面积、 最大载荷、最小载荷、载荷总的平均变化量，EB、BF、FD、DE段载荷的平均变化量。优选地，步骤112)所述剔除异常样本的方法采用t检验准则剔除异常数据法21)在η个观测值中找出与平均值相比误差最大的正常样本的特征量值作为可疑 值Xk，其中观测值为正常样本的一个特征量；22)对不包括可疑值Xk在内的n-1个观测值，计算平均值
η^= (Σ^)/^"1)⑴
i^k Z=I以及标准差估计值
权利要求
1.一种基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于包括如下步骤1)故障分辨阶段，故障分辨阶段又分为两个阶段11)训练阶段在训练阶段由正常或平稳样本提取15个示功图上的几何特征量，根 据这些样本的特征量得到相关统计信息111)人工选取η个正常或平稳样本，进行15个特征量的提取，其中11汤0;112)对提取的特征量进行异常值检验，如果异常，则剔除该样本，并重新进行异常 值检验，直至没有异常值；113)对异常值检验后的样本进行分布规律检验；114)根据分布规律检验结果计算正常区域和故障区域；12)分辨阶段根据测试样本本身是否存在打结点和测试样本是否有特征量落入故 障区域来判断是否故障121)判断测试样本本身是否存在打结点，如果存在，则为故障样本，跳转步骤2); 否则跳转步骤122)；122)提取测试样本的15个特征量；123)测试样本是否有特征量落入故障区域，如果有，则为故障样本，跳转步骤2); 否则跳转步骤124)；124)判定测试样本为正常样本，不需要进行故障识别，结束；2)故障识别阶段采用基于示功图的有杆抽油系统故障识别的搜索树方法，对故障 样本进行故障类型的识别。
2.根据权力要求1所述的基于示功图的有杆抽油系统故障递阶诊断方法，其特征在 于所述15个特征量为下死点(Ε点)载荷、上死点(F点)位移和载荷、固定凡尔打开点 (B点)的位移和载荷、游动凡尔打开点(D点)的位移和载荷、面积、最大载荷、最小载 荷、载荷总的平均变化量，EB、BF、FD、DE段载荷的平均变化量。
3.根据权力要求1所述的基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于 步骤112)所述剔除异常样本的方法采用t检验准则剔除异常数据法21)在η个观测值中找出与平均值相比误差最大的正常样本的特征量值作为可疑值 xk,其中观测值为正常样本的一个特征量；22)对不包括可疑值Xk在内的η-1个观测值，计算平均值X = (JjXi)Hn-I)(1)23)确定风险率α τ，ατ = 0.001,从t分布表上查出Ατ( α T ； η-2)，再计算得到ΠΓΚ(ατ ,η) = Ar (aT ,n-2)· J-以及标准差估计值(3)24)检查xk，如果有\xk-x\> Κ{ατ,η)-J(4)成立，则xk为异常值，应予剔除，跳转步骤25)；否则Xk不是异常值，不能剔除， 并终止检查；25)若Xk为异常值，将它剔除后，对余下的η-1个观测值重复上述步骤，直到不再有异常值。
4.根据权力要求1所述的基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于 步骤113)所述对样本进行分布规律检验为在对样本分布进行假设基础上，采用χ 2拟合 优度检验法检验假设分布与实际分布是否相符合31)提出Htl:X服从某种备选的分布类型；选取6个常用的连续性随机分布指数 分布、均勻分布、威布尔分布、正态分布、瑞利分布和伽马分布为备选的分布类型，分 别进行假设检验，所述分布类型的分布函数中含有r个未知数，r为自然数；32)将实数轴均分为k个不相交的区间(aQ，aj,(a1 a2], ...，(ak_1 ak]，其中 当 n《200 时，k 分别取 5、7、...13 ；当 η > 200 时，k 分别取 11、13、...21 ； a。，ak 按式 (5)循环计算a0 = Xmm- (Xmax-Xmn) Xj χ 1 %，j = ι，2，L 20(5)ak = xmax+ (Xmax-Xmm) Xj X 1 %，j = 1，2，L 2033)计算数据落入各区间的频数η,，i=l，2，3...k；34)在Htl成立的条件下，计算X落入各区间的概率p1:P1 = P < XSa1)(6)进而得到理论频数nPl(i= 1，2, A, k)；3δ)将η,，Iip1代入式;Τ2= ^1^，求出x 2的值；!=1 npr36)确定显著性水平αχ，α χ = 0.01，查x 2分布表得不；37)若义2>不— /&-卜1)，则拒绝Hq，否则，可接受H0。
5.根据权力要求1所述的基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于 步骤114)所述特征量正常区域和故障区域计算方法如下41)对各特征量选取统一的概率值α，α为样本落入正常区域区间[!νaj的概率，α = 99.99%,并且样本落入故障区域区间(_①，b0)和故障区域区间(aQ，+-)的概 率相同，则Ρ{- °ο< χ < b0}+P{b0<X<a0}+P{a0 < X < + } = 1(7)P{- °o< χ < b0} = Pja0 < X < + oo }(8)Jlt v 1 , r,( v , I-Pl^0 <X <αΛ \-a/ -οο <X <b0} = P{a0 <X < +00} =--°1 = ——(9)所以户{- )<1< 。} = 1- +￥ = ^^ (10)42)根据式(9)、(10)及该特征量的分布类型与参数，计算出％、b0,即可得到正常 区域区间DV aj与故障区域区间(_⑴，b0) U (a0, +-)；对于载荷平均变化量，有意义的故障区域为(aQ，+-)；43)如果某特征量的分布规律检验结果是符合多个分布，则分别按多个分布规律计算 正常区域区间，并取它们的并集为该特征量正常区域区间；44)如果对某特征量的假设检验不能确定它的分布规律，则取正常区域区间为[μ-5σ , μ+5σ],其中=为样本均值，σ=[玄(χ,-//)2]/( -1)为样本均1=1V '=1方差；45)^b1 = b2-A (a2-b2)，ai = α2+λ (a2-b2)，λ 为设定的阈值，λ = 0.2，其中 b2、 a2分别为异常值检验后的训练样本的最小值与最大值；区间[b1; aj与步骤41)至44)计 算得到的正常区域区间的并集为该特征量最终的正常区域区间[b，a],则该特征量最终的 故障区域区间(_①，b) U (a, +①)。
6.根据权力要求1所述的基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于 步骤121)所述判断测试样本本身是否存在打结点的方法为51)计算测试样本位移的最大和最小值；52)将测试样本示功图上的位移均分为J份，J=10000，j = 1, 2，LJ-I ；53)计算第j条直线、=xmm+(Xmax-Xmm)Xj'/J与示功图的交点集合U丨H1, H2)；54)用插值法求出H1对应的载荷》；55)用插值法求出H2对应的载荷&；56)若<ε , ε为设定的阈值，ε =0.001，则存在打结点，结束；57)如果j<J，则更新j=j+l，跳转步骤53)，否则判定测试样本不存在打结点，结束。
7.根据权力要求1所述的基于示功图的有杆抽油系统故障递阶诊断方法，其特征在于 步骤2)所述搜索树分为四大类面积变化类、打结类、振动类、碰挂类，其中面积变化 类又分为三类面积增大类、面积极小类、面积偏小或正常类。面积类故障搜索树用于 识别的故障类型包括固定阀漏失、抽油杆中上部断脱、游动阀失灵、油管底部漏失、 连抽带喷、抽油杆底部断脱、气锁、泵卡死、严重供液不足、油管漏失、游动阀漏失、 游动阀关闭迟缓、柱塞脱出工作筒、供液不足、气体影响、惯性载荷大；打结类故障搜 索树用于识别的故障类型包括下碰泵、二级振动、柱塞脱出工作筒；振动类故障搜索 树用于识别的故障类型包括出砂、振动过大；碰挂类故障搜索树用于识别的故障类型 包括上碰挂。
全文摘要
本发明公布了一种基于示功图的有杆抽油系统故障递阶诊断法，分为故障分辨和故障识别两个阶段，即首先在故障分辨阶段根据正常样本的统计规律把示功图分为故障类和非故障类；然后采用基于示功图的有杆抽油系统故障识别的搜索树方法，对故障样本进行故障类型的识别。它提高了故障诊断系统的故障诊断性能，且不需要建立和求解有杆抽油系统力学模型，也不存在训练集问题，并能反映出有杆抽油系统的自身的基本特征。
文档编号E21B17/00GK102011576SQ20101055723
公开日2011年4月13日 申请日期2010年11月24日 优先权日2010年11月24日
发明者唐敢, 李训铭, 梁华 申请人:南京航空航天大学, 河海大学