示功图

摘要： 针对分析示功图校液面技术原理陆梁油田隔抽井无法测取动液面的难题,建立了抽油机井悬点静载荷差与动液面的数学关系,通过读取示功图的上静载值、下静载值,并由上静载值减去下静载值即静载差计算动液面,经实例验证稳定可靠。同时解决了因死油环等原因导致动液面测不准的问题,规避了人工测试的低频与繁琐,有利于油井实现供排协调,提高油田开发综合效益。

摘要： 示功图是数字化分析抽油机作业状况的重要依据,不同形状的示功图代表着不同的作业状况。传统分析程序基于专家系统或统计学习方法对示功图进行分析,需要大量专家知识且鲁棒性较低。从深度学习的角度,提出了一种基于深度卷积神经网络的示功图检测方法,并通过迁移学习,大幅度减少了模型收敛所需样本数量。实验表明,该方法可以有效提高示功图分类的准确率,实现了真正的工业可用。

摘要： 供液不足是抽油井最常见的工况之一,实现供液不足程度的定量化、自动化、智能化分析,对于提升油井运行效率、降低设备磨损和故障风险意义重大。以油井实时监测的示功图图像作为供液不足程度分析的主体,提出了一种基于卷积神经网络的油井供液不足程度定量分析方法,设计了包含4层卷积层、4层池化层和3层全连接层的卷积神经网络模型。采用反向传播算法,以示功图样本集为输入对卷积神经网络模型进行反复训练。结果显示,训练完成的卷积神经网络模型能够高效、准确识别供液不足程度,准确率达98.58%。选取某油田3口油井,通过所建立的油井供液不足程度量化分析方法监测油井供液情况,在此基础上进行远程动态调频生产,实现了抽油机冲速与油井供液程度的合理匹配,在保证日产油量的基础上有效减少了电能浪费。

摘要： 现有的油井地面示功图诊断方法只能诊断单一故障,为了提高抽油机的故障诊断性能,研究了一种改进型深度学习神经网络,可实现示功图可视化多混合故障诊断功能。改进型深度学习神经网络包括3层卷积神经网络和3层全连接神经网络。研究了改进型深度学习神经网络的前向学习算法和反向自适应权值修正算法,并提出了网络节点的PSO优化算法。对现场采集的地面示功图进行实验,优化后的卷积层节点数分别为64×64×20、28×28×16、10×10×16,池化层节点数分别为32×32×20、14×14×16、5×5×16。结果表明,示功图的平均识别时间为0.021 s,训练精度为99.4%,识别精度为94%,可以识别出两种混合故障,验证了该神经网络的可靠性和准确性,满足抽油机工况检测的诊断精度要求。该研究对于实现智慧采油具有重要的意义。

摘要： 设计一种抽油机冲次动态调节系统,通过读取载荷传感器及位移传感器数据进行功图诊断,计算泵充满度,根据充满度上下限及达标率的要求,在抽油机当前冲次基础上自动进行冲次增减或开启间抽功能,达到节能效果,同时实现日志记录及参数保存,发挥油井物联网功能。

摘要： 传统卷积神经网络在抽油机故障诊断领域中,面向单一工况示功图诊断已取得较好精度,但在处理复合工况示功图时,诊断精度仍较低。论文研究了改进卷积神经网络(CNN)和视觉Transformer(ViT)的复合工况示功图诊断技术,设计了融合ViT和非方卷积核的混合CNN结构,更有效地提取复合工况示功图特征。首先通过三元组损失对网络进行训练,使用训练完成的网络建立示功图特征检索库,再将示功图特征与检索库中特征计算相似度向量以实现诊断。实验结果表明,混合网络结构在测试集上诊断精度达95%以上,优于传统CNN模型,有效提升了复合工况示功图诊断精度。

摘要： 油井供液能力作为游梁式抽油机间抽控制和冲次调节的重要依据,它的准确识别对降低油田生产能耗、提升抽油机系统效率和增加油田产油量意义重大。论文研究了基于数据驱动的深度学习回归模型,采用融合了特征金字塔、高斯热力图和注意力机制的深度学习网络提取示功图图形特征并识别功图的四个凡尔开闭点,根据识别出的凡尔开闭点量化油井供液能力,为后续抽油机的智能控制提供调节依据。实验结果表明,该模型能够准确识别功图的四个凡尔开闭点,实时估算油井供液能力。

摘要： 针对传统工况识别算法在识别有杆抽油系统工况时,存在生产措施调整滞后以及生产效率下降等问题,提出了一种基于改进的随机森林工况识别算法.采用灰度矩阵特征提取算法对泵功图进行特征提取,将灰度特征值通过合成少数类过采样技术进行上采样,实现不平衡数据均衡化;利用蜻蜓优化算法选取随机森林参数对抽油机井工况进行识别,并以辽河油田的生产数据进行实验验证.结果表明,该方法能够避免传统识别方法选取参考工况不准确的问题,减少不平衡数据对工况识别的影响,提高工况识别的准确率,能够满足油田现场的实际需求.

摘要： 往复式压缩机是石油化工等行业中不可或缺的关键设备,而压缩机结构复杂、故障率高,其中气阀故障是其主要的故障形式之一。同时,负荷调节工况与气阀故障工况的相互耦合使得示功图变化规律更加复杂,增加了故障诊断的难度。为此,探究了变负荷及气阀故障工况下示功图几何特征的变化规律,提出一种针对变负荷与气阀故障耦合工况下的气阀故障诊断方法。该方法利用反向传播(BP)神经网络进行特征分类,首先分别依据示功图几何特征(包括面积、形心和形心主惯性矩等)以及灰度矩阵统计特征得到压缩机的负荷,再进一步结合故障特征判断气阀的故障类型。为提高诊断结果的准确度,将加权证据融合理论应用于故障分类过程,最终获得精准的气阀故障评估结果。基于实验台数据,对不同泄漏率的气阀故障进行实验验证,负荷预测的准确率为97.5%,气阀泄漏故障识别的准确率为96.1%。

摘要： 实现机采井生产数据自动化采集是油田数字化建设的必要要求。为能够自动采集示功图和动液面数据,基于电参数的工况诊断技术应运而生。该技术可以利用机采井电动机运行过程中的功率及转速等参数反演成电参示功图,再进一步根据电参示功图的载荷数据推算出动液面深度。同时该技术通过集成智能控制模块,可根据示功图饱满度对抽油机控制柜变频器发出调控指令,智能调节抽油机运行参数。为验证该技术的适应性,2021年A油田开展了现场试验。通过现场试验验证,该技术反演的示功图及动液面数据与人工测试数据对比,准确率分别达到了91.4%和88.6%,且通过对油井运行参数的自动化控制,有效改善油井供排关系,最大程度挖掘了生产潜力,降低了抽油机井举升单耗。

摘要： 游梁式抽油机的示功图是判断抽油机井工作状况的重要手段之一.实际应用中,利用传统的示功图采集方法,工作人员对抽油机的工作状况及故障做出正确且及时的判断较为困难.本文中提出了一种电参量法反演抽油机示功图的方法.建立了游梁式抽油机在工作过程中的悬点位移的函数关系模型,以及电流、电压与光杆载荷的关系,进一步推导出了悬点载荷与位移的函数关系式模型.最后通过MATLAB仿真软件对示功图进行还原.仿真结果表明:本研究方法在油气生产过程中能够较为准确的反映出游梁式抽油机的示功图.

摘要： 示功图既是判断油井生产状态的重要依据,也是工况诊断重要的技术资料.其参数的测量和绘制将直接影响工况诊断的准确率.因此,选择和提取示功图中反映抽油井工况信息的特征不变量十分关键.通过对示功图的理论分析,与曲线矩理论相结合,将泵示功图分成四个部分,每一部分利用曲线矩提取7个不变矩,提取的不变曲线矩特征值作为特征参数向量,使得提取的特征参数能够对油井工况进行准确分类,进而提高工况诊断的准确率.通过辽河油田现场采集的示功图作为实例,来验证曲线矩的泵示功图特征提取的可行性.

摘要： 从抽油机实际运行模型出发，抽象出电参数与载荷间的高维输入输出系统模型，提出一种基于神经网络的示功图精确反演算法,从电机输入电功率和载荷输出非线性逼近的角度建立高维输入输出系统模型,通过对网络误差的负梯度反馈,自动调整权值参数,求解电参数到载荷的映射网络.通过实测数据软件仿真,算法能实现电参数到载荷之间的非线性拟合,误差小于e-3,相关系数达到0.99.

摘要： 论文研究图特征数据的识别和提取方法.借助细胞神经网络人工智能技术,对示功图进行特征提取.在分析研究细胞神经网络的基本结构、网络稳定性、模板设计方法的基础上,根据细胞神经网络技术的特点和示功图原理,实现了对示功图的凸点提取、空穴填充、连通分量数探测功能.通过MATLAB实现细胞神经网络计算机模拟,形成了一种通过分析示功图像素间基本关系提取示功图特征的方法,分析示功图水平、竖直及±45°方向连通分量数分布特点,对智能诊断抽油机工况具有一定的理论意义和实践价值.

摘要： 本文建立了基于电参数的抽油机示功图软测量模型,并介绍了示功图的电参数计算过程,提出用神经网络方法建立电参数与悬点载荷的对应关系,建立电参数与悬点位移的解析函数.仿真表明,该方法可有效通过电参数得到抽油机示功图数据,通过模型估计示功图数据与实测数据相比,误差很小.

摘要： 本文通过的一些具体的性能参数来确定示功图.以492Q型汽油机为例,根据其工作原理和结构的特点,对其工作过程进行分析研究具体的方法是用Matlab先建立气缸内工作过程的物理模型,并且利用韦伯函数替代燃烧过程中的放热规律,采用零维模型进行计算,确定不同工况下的示功图,并分析一些参数的变化对示功图的影响.

摘要： 基于示功图的油井产液量计算技术在大港油田的发展,先后经历了"面积法"、"有效冲程法"、"综合法"三个阶段,同时在实现液量准确计算的基础上,结合油井工况诊断技术,最终建立了一套涵盖产液量计算、工况诊断、生产趋势分析、异常报警等的综合性生产应用管理平台.

摘要： 无线载荷传感器与死点开关被广泛应用于非游梁抽油机示功图测量,在测得的功图存在部分失真现象.本文对某采油管理区273口油井功图研究发现,失真功图是由于载荷值与相对时间对应顺序移位导致的.根据这一原因,本文利用受力最大点寻找抽油机上冲程起始点,对载荷值进行重新排序的方法对失真功图进行修正,修正成功率达到92％.

摘要： 煤层气井生产的举升方式包括抽油机、螺杆泵、射流泵等,其中游梁式抽油机是煤层气生产的主要设备.抽油机平衡度的优劣直接影响抽油机的使用寿命和耗电量.常用的判断抽油机平衡的方法有扭矩法、电流法和功率法等,本文提出一种基于示功图和电参数的抽油机平衡度实时测量技术,能够准确分析抽油机平衡状态,为平衡调整提供重要依据,对降低生产成本,节能降耗具有重要作用.

摘要： 抽油机井系统效率的大小是反映油井能耗水平的重要指标,广大采油研究者建立了许多计算抽油机井系统效率的模型.但这些模型均不完善,本文基于斜井中地面示功图预测技术,建立了抽油机井系统效率计算模型.模型计算表明电动机瞬时效率随电动机瞬时负载率的变化以及抽油设备内能量传递方向的变化对系统效率有较大的影响,且该模型能计算抽油系统各部分的分级效率为抽油机井系统效率的提高指明了方向.

摘要： 本发明公开一种油井电参示功图生成方法，包括步骤：S1、采集若干井油井光杆载荷和变频器输出电流同步实时数据；S2、推导出油井光杆载荷曲线一一对应相应的电流曲线；S3、根据采集的实际载荷数据和电流数据，和拆除载荷传感器之后周期内采集的电流数据，计算出载荷的数组；S4、通过位置开关来检测抽油杆的上死点位置，确定冲程转换点，以它作为一个标准，算出抽油机一个周期悬点位移行动轨迹，计算两次位置开关感应的时间差，在一个时间差内采集的数据数量；得到位移数据的数组；S5、通过载荷数据的数组和位移数据的数组，绘制出电参示功图曲线。本发明通过对油井电参信号的实时处理分析，得到该油井电参示功图。

摘要： 本发明属于油井技术领域，涉及一种通过油井地面示功图获得泵示功图的方法，包括以下步骤：在抽油杆悬点位置采集有杆泵抽油机在一个运行周期内各个时刻的n组载荷值与对应的位移值，将其按照先后顺序排列，形成有序排列的集合作为地面示功图，获取从抽油杆悬点到抽油泵处的抽油杆柱的长度数据h,并将h离散化为m个单元，然后从地面示功图递推m次，求取每一个单元的示功图，直至递推到泵挂处，获得泵示功图，将泵示功图用于油井工况诊断和功图计产。本发明操作简单、计算准确且效率高，方便实现批量化处理，最终显著的提升了油井工况诊断和功图计产的效率，实用性强，值得推广。

摘要： 本申请公开了一种驱动端感知型抽油机示功图的测试方法。包括以下步骤：获取抽油机电机驱动端的电机功率和电机转速；利用电机功率和电机转速计算电机扭矩；利用抽油机本身具备的传动因数和传动效率，确定抽油机的转速比；利用电机扭矩和转速比计算抽油机的曲柄扭矩；利用电机转速数据和曲柄自由平衡点信息，计算平衡块配重随曲柄旋转的变化值，即扭矩因数；利用扭矩因数，计算抽油机平衡扭矩；利用曲柄扭矩和平衡扭矩，计算悬点载荷；利用曲柄自由平衡点信息，获取悬点位移；利用悬点位移和悬点载荷，构建示功图，本申请在同步测量、计算悬点载荷和位移的基础上，建立载荷和位移之间的关系，得到示功图，示功图的测试方法反映了示功仪的工作原理。

摘要： 本发明涉及一种基于无线网络的示功图和电功率图同步采集方法。WIA‑PA RTU设备根据接收到的网关设备的广播，得出设定采集时刻对应的绝对时隙号；WIA‑PA示功仪设备根据WIA‑PA RTU设备的广播，得出设定采集时刻对应的绝对时隙号；WIA‑PA RTU设备和WIA‑PA示功仪设备同时根据设定采集时刻对应的绝对时隙号，在时隙开始时刻到来时，分别开始采集电功率图和示功图，实现示功图和电功率图的同步。本发明基于WIA‑PA网络的同步功能，在示功仪和RTU设备之间同时触发同步采集信号，在不增加能耗和额外线路的前提下，保证了示功图和电功率图的同步采集；在接收广播时，多次校准下一采集时刻对应的时隙号，避免由于晶振差异导致的时钟偏移。

摘要： 本发明公开了一种应用抽油井示功图求取被举升液体视在粘度的方法，先根据公式Pr＝(Fmax‑F上静)×S×n×1.15‑Pk+P膨计算出粘滞损失功率Pr，再根据粘滞损失功率Pr的计算结果可以快捷、简易的计算出求取被举升液体视在粘度，具有便捷、简易的优点。

摘要： 本申请公开了一种液驱活塞压缩机示功图无损监测装置及方法，涉及液驱活塞压缩机技术领域。方法包括：实时获取同一时刻的气缸端盖处的周向应变数据以及位于油腔与油泵之间的油路中油的瞬时流量数据；分别根据实时获取的周向应变数据和瞬时流量数据计算得到气缸内的实时动态压力和气缸的实时容积；同步截取一个压缩周期内的实时动态压力和气缸的实时容积，并对截取一个压缩周期内的实时动态压力和气缸的实时容积做无量纲化处理，得到压缩机运行过程中的示功图。本申请用于实时监测压缩机的运行状态。

摘要： 本发明公开了一种基于生成式对抗神经网络的示功图故障诊断方法，属于采油故障诊断技术领域，包括如下步骤：对示功图样本库数据进行数据清洗；基于采油工程理论及典型示功图特性，对示功图数据点进行特征提取；对数量较少的故障类别样本采用生成式对抗神经网络进行生成，生成过程中对生成器网络的输出进行条件约束；基于原始样本及生成样本，将数据划分为训练集、验证集、测试集；采用Xgboost分类算法对样本进行分类；利用准确率和召回率对故障诊断结果进行综合评估；利用训练完成后的分类模型对故障进行实时监测诊断，实时判断故障类型。本发明能够显著提高分类模型对故障样本的特异识别能力，降低故障的误报/漏报率。

摘要： 本发明实施例提供了一种基于电参的示功图预测方法，包括获取抽油机井在预设曲柄转角下的样本电机输入功率、样本电机转速和样本悬点载荷；根据上述参数与电机输入功率之间的关系式，反演关系式中的多个综合效率参数；计算抽油机井的实时悬点载荷；若实时悬点载荷与理论悬点载荷之间的偏差在预设偏差范围内，则计算实时悬点载荷对应角度下的位移；根据实时悬点载荷和对应的所述位移，在统一坐标系中预测得到所述抽油机井的公示图。本发明不仅避免了单纯地依靠理论模型或者人工智能算法预测示功图，还充分利用了综合效率参数，达到降低油田物联网建设与运维成本，提高电参数转化示功图的准确性，以及提升油井生产数字化与智能化应用水平的目的。

摘要： 本发明公开了一种基于示功图内容检索及融合推理的抽油工况识别方法，它包括以下流程：(1)示功图获取、标注分类以及训练；(2)用训练好后的Resnet50对样本集中每张图进行特征提取，保存特征向量；(3)获取待检测的抽油井示功仪采集的载荷和位移数据，绘制示功图；(4)基于示功图内容检索推荐匹配图及工况融合推理判断；(5)将工况判断结果送上位展示。本发明使用CBIR技术、匹配算法和融合推理手段，打破传统识别方法的局限，从工程实际出发，在确实只具有一种工况的时候可以精确识别一种工况，同时也可综合判断同时发生的最多三个故障，更具有实际应用价值。

摘要： 本发明公开了一种基于示功图的采油机井供液能力监测方法，该方法基于采油过程中生成的示功图，搭建卷积神经网络回归模型识别示功图的四个凡尔开闭点。通过在网络模型中融合了高斯热力图、特征金字塔和注意力机制以满足凡尔开闭点识别任务对细粒度和高精度的需求，从而准确高效地识别四个凡尔开闭点并据此实时量化采油机井的供液能力，为后续采油机的冲次调节和间抽控制提供可靠的技术支撑。相较于传统方法，该方法在识别实时性上显著提升，满足了企业工程应用需求，对降低抽油机系统能耗，增加油田产量具有良好的应用价值。