一种抽油机异常风险演化趋势分级识别方法、装置、设备及介质与流程

本申请涉及到油田设备监测，特别是涉及到一种抽油机异常风险演化趋势分级识别方法、装置、设备及介质。

背景技术：

1、抽油机是油田开采的核心设备，其运行状态直接关系到油气生产的安全与效率。目前，已有部分技术方案利用传感器采集抽油机运行数据，结合机器学习模型进行异常检测与故障诊断。然而，现有技术方案大多基于当前时刻或近期历史数据进行异常识别，本质上属于“事后诊断”或“实时判别”，难以预判风险的未来演化走向。部分方案虽然尝试引入时序预测，但预测结果通常被直接用于判断设备是否存在故障风险，未能将预测趋势与设备正常运行状态下的历史特征进行有效对比，导致预测信息的利用深度不足。此外，现有方案在风险等级划分上，采用静态的分类边界，难以适配不同设备之间的个体差异以及同一设备在不同运行阶段的变化，容易产生误报或漏报。

2、其次，抽油机通常部署在野外环境，传感器长期暴露在极端温度、湿度变化等现场条件下，容易发生数据漂移或失真。当传感器数据因环境干扰而失真时，其输出特征与设备真实异常所表现出的特征在形式上具有相似性，即二者均体现为数据偏离正常范围。现有方案在处理上述问题时，通常采用逐通道独立判断的方式，即分别评估每个传感器通道的数据是否可信。然而，这种独立判断方式在面对环境因素导致的系统性干扰时存在明显局限，当同一类传感器受到相同环境因素影响而整体发生漂移时，逐通道独立判断难以识别这类集体失真。各通道的数据虽然各自偏离了其历史正常范围，但由于偏离方向一致、且通道间相对关系仍保持一定的规律性，逐通道的独立检查难以将其与设备真实异常有效区分。

技术实现思路

1、为解决现有技术中的一个或者几个问题，本申请的主要目的为提供一种抽油机异常风险演化趋势分级识别方法、装置、设备及介质。

2、为了实现上述发明目的，本申请提出一种抽油机异常风险演化趋势分级识别方法，所述方法包括：

3、采集抽油机运行过程中的多源异构运行数据；

4、对各数据源的特征进行加权融合，生成融合特征序列，其中各数据源的融合权重根据历史正常模式的偏离程度调整；

5、将所述融合特征序列输入到时序预测模型中，通过所述时序预测模型输出未来多个时间点的风险演化趋势，其中，所述风险演化趋势包括风险概率值或风险指标值的预测曲线；

6、获取抽油机在历史正常工况下的基线特征，将所述风险演化趋势与所述基线特征进行对比，计算趋势偏离度和趋势斜率，作为动态判别特征；

7、结合所述动态判别特征与当前的融合特征序列，确定风险等级。

8、本申请实施例还提供一种抽油机异常风险演化趋势分级识别装置，包括：

9、采集模块，用于采集抽油机运行过程中的多源异构运行数据；

10、融合生成模块，用于对各数据源的特征进行加权融合，生成融合特征序列，其中各数据源的融合权重根据历史正常模式的偏离程度调整；

11、预测模块，用于将所述融合特征序列输入到时序预测模型中，通过所述时序预测模型输出未来多个时间点的风险演化趋势，其中，所述风险演化趋势包括风险概率值或风险指标值的预测曲线；

12、获取模块，用于获取抽油机在历史正常工况下的基线特征，将所述风险演化趋势与所述基线特征进行对比，计算趋势偏离度和趋势斜率，作为动态判别特征；

13、确定模块，用于结合所述动态判别特征与当前的融合特征序列，确定风险等级。

14、本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

15、本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

16、本申请实施例的抽油机异常风险演化趋势分级识别方法、装置、设备及介质，通过采集多源异构运行数据并进行加权融合，能够有效整合振动、电流、温度、压力、载荷等多类传感器信息，降低了单一数据源偏差对分析结果的影响。在此基础上，利用时序预测模型对融合特征序列的未来演化趋势进行预测，实现了从传统事后诊断向事前风险预判的跨越，使运维人员能够提前获知风险走向。进一步地，通过将预测得到的风险演化趋势与抽油机历史正常工况下的基线特征进行对比，计算趋势偏离度和趋势斜率作为动态判别特征，既反映了预测风险相对于正常状态的偏离程度，也刻画了风险的变化速率，相较于直接使用预测绝对值进行判断具有更高的可靠性。最终，结合动态判别特征与当前融合特征序列综合确定风险等级，使分级结果同时兼顾了当前状态与未来趋势两个维度，为抽油机的预测性维护和精细化运维管理提供了依据。

1.一种抽油机异常风险演化趋势分级识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的抽油机异常风险演化趋势分级识别方法，其特征在于，所述对各数据源的特征进行加权融合，生成融合特征序列，步骤包括：

3.根据权利要求1所述的抽油机异常风险演化趋势分级识别方法，其特征在于，所述获取抽油机在历史正常工况下的基线特征，将所述风险演化趋势与所述基线特征进行对比，计算趋势偏离度和趋势斜率，作为动态判别特征，步骤包括：

4.根据权利要求1所述的抽油机异常风险演化趋势分级识别方法，其特征在于，所述结合所述动态判别特征与当前的融合特征序列，确定风险等级，步骤包括：

5.根据权利要求3所述的抽油机异常风险演化趋势分级识别方法，其特征在于，所述方法还包括：

6.根据权利要求2所述的抽油机异常风险演化趋势分级识别方法，其特征在于，所述对各数据源的特征进行加权融合之前，所述方法还包括：

7.根据权利要求6所述的抽油机异常风险演化趋势分级识别方法，其特征在于，所述各数据源分别包括至少一个传感器通道，同一物理量类型对应的多个数据源的传感器通道归属于同一传感器组；

8.一种抽油机异常风险演化趋势分级识别装置，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。