一种基于物联网的石油设备运维方法及其系统与流程
本发明涉及石油设备运维,特别涉及一种基于物联网的石油设备运维方法及其系统。
背景技术:
1、在石油开采过程中,井口压力数据是反映井下工况和设备运行状态的关键参数。现有的石油设备运维方法多是仅通过设定最高安全压力限值、最低压力报警线进行故障诊断和预警。
2、然而实际生产环境中,井口压力数据的变化受抽油机冲次、地层供液能力、管柱结蜡、气体影响等多种因素干扰,单纯依靠固定阈值容易引发误报或漏报。特别是对于超压、压力急剧上升引起的安全紧急故障,以及管柱泄漏、地层供液不足导致的持续缓慢降压形成的井筒故障,现有技术仅依靠压力阈值判定的方式,会将井筒故障误判为安全紧急故障,造成不必要的停机检修,之后又需要花费时间进行全面故障排查,对于一些轻微故障导致的井口压力变化,也需要进行长时间停机维保,致使整个石油开采工作进行非必要停滞。
3、鉴于此,本方案提出一种基于物联网的石油设备运维方法及其系统,用以解决因压力变化导致的具体故障类型无法识别问题。
技术实现思路
1、本发明的目的在于提供了一种基于物联网的石油设备运维方法及其系统,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:一种基于物联网的石油设备运维方法,包括以下操作步骤:
3、s1,采集石油设备的井口压力数据,对采集到的压力数据采用时变参数多重同步挤压变换进行处理,生成高分辨率压力时频图谱,并从时频图谱中提取深度时频故障特征向量;
4、s2,基于压力时频图谱和深度时频故障特征向量,计算压力数据的趋势系数k、波动指数i、突变度d、稳定度s和压力值p;
5、s3,基于石油设备的设计参数,分别设置慢速下降阈值ks、快速上升阈值kf、近零变化阈值ko、最大波动阈值imax、最小波动阈值imin、突降变化率阈值dt、状态稳定阈值su、数据卡滞阈值sv、最小压力阈值pmin、接近零压力值pz、最大安全压力阈值pmax、有效压力下限pa和有效压力上限pb;
6、s4,结合s2计算的压力数据和s3设置的阈值进行故障诊断;
7、当p>pmax和/或k>kf时,判定为安全紧急故障;
8、当k<ks、下降趋势持续时间超过24h、i<imax、d<dt,且p<pmax时,判定为井筒故障;
9、当i>imax,且对压力数据进行频谱分析得到的主频与抽油机冲次频率相匹配时,判定为举升设备故障;
10、当p<pmin、状态持续时间超过2h,且<ko时判定为为举升设备故障;
11、当d>dt、p<pz,且s<su时,判定为仪表故障;
12、当s<sv,且持续时间大于30min时,判定为仪表故障;
13、且故障处理的优先顺序依次为安全紧急故障、仪表故障、举升设备故障和井筒故障;
14、s5,按照故障处理优先顺序,执行维保操作。
15、优选的,所述深度时频故障特征向量的提取具体包括以下操作步骤:
16、s101,连续采集是由设备的井口压力数据,形成原始时间序列压力信号,之后进行缺失填充和噪声滤波处理,然后进行滑动窗口分割;
17、s102,接着对各滑动窗口压力数据执行时频变换得到初始时频表示并获取各时频点的初始频率定位信息,然后提取压力数据在各时刻的时变特征参数并确定每个时刻的处理参数,基于处理参数执行多重能量挤压的迭代重分配,且每次迭代将时频能量沿频率方向重新分配至对应的瞬时频率位置,使能量逐步聚拢收敛,再对收敛后的时频表示,在各时刻由频域搜索范围参数限定的局部邻域内,将残余能量进一步再分配至极值点对应的频率位置,最终输出高分辨率压力时频图谱;
18、s103,基于生成的高分辨率压力时频图谱,提取瞬时频率轨迹特征、时频能量分布特征、边频带结构特征和瞬态冲击特征;
19、s104,将瞬时频率轨迹特征、时频能量分布特征、边频带结构特征和瞬态冲击特征融合,并使用注意力机制的深度自编码网络进行非线性降维和特征重构,输出深度时频故障特征向量。
20、优选的,所述102中得到初始时频表示后,沿频率方向求偏导数并与原始变换值相除获得各时频点的瞬时频率初步估计值,之后在各窗口内提取对应时刻压力数据的时变特征参数,根据瞬时频率一阶导数的绝对值,确定最优迭代次数,然后基于局部rényi熵最小化准则,为每个时间时刻确定最优频率间隔,并结合最优迭代次数,对初始时频表示执行多次迭代重分配收敛,最后对迭代重分配后得到的收敛时频表示,在各时间时刻的最优频率间隔限定的局部频率邻域内,搜索时频系数模值最大处所对应的频率位置,将各时频点的残余能量进一步再分配至其所在局部邻域内的模值最大点对应的频率位置。
21、优选的,所述时变特征参数包括瞬时频率值及其一阶导数,其中,瞬时频率值的一阶导数绝对值越大表示对应时刻压力数据的频率变化越剧烈,绝对值越小表示频率变化越平缓。
22、优选的,所述最优迭代次数基于瞬时频率一阶导数绝对值与迭代次数之间的映射关系,瞬时频率一阶导数绝对值越大则分配越多的迭代次数聚焦时频能量,瞬时频率一阶导数绝对值越小则分配越少的迭代次数减少计算资源,迭代次数的取值范围为2至10次。
23、优选的,在计算压力数据的趋势系数k、波动指数i、突变度d、稳定度s和压力值p时,通过历史井口压力数据中的深度时频故障特征向量序列及对应的原始压力数据趋势标签训练注意力权重回归器,通过加权求和形成反映压力状态演化的加权状态值序列,然后依次计算趋势系数k、波动指数i、稳定度s、突变度d和压力值p。
24、优选的,所述慢速下降阈值ks为压力状态缓慢下降趋势的最大值,所述快速上升阈值kf为压力状态急速升高趋势的最小值,所述近零变化阈值ko为压力状态趋势近无变化,所述最大波动阈值imax为压力状态波动的最大值,所述最小波动阈值imin为压力状态波动的最小值,所述突降变化率阈值dt为压力突然下降的最小值,所述状态稳定阈值su为实际压力数据较稳定状态压力数据波动的最大值,所述数据卡滞阈值sv为实际压力数据较稳定状态压力数据正常波动的最小值,所述最小压力阈值pmin为维持设备有效举升所需的最低允许压力值,所述接近零压力值pz为用于判定压力接近大气压的极低压力设定值,所述最大安全压力阈值pmax为设备与管线的最高安全承压上限,所述有效压力下限pa和有效压力上限pb为最佳运行压力区间的压力下限和上限。
25、优选的,所述慢速下降阈值ks、快速上升阈值kf和 ko是计算井口正常工况下压力变化率的分布,其中,ks取分布左侧的5%分位数,kf取分布右侧的95%分位数, ko设为接近0的范围;
26、所述最大波动阈值imax和最小波动阈值imin是计算井口正常工况下压力波动的分布,其中,imax取95%分位数,imin取5%分位数;
27、所述突降变化率阈值dt是仪表故障时压力在单位时间内的最大下降速率;
28、所述状态稳定阈值su是稳定生产时段,压力数据点与其移动平均值的最大偏差的1.2-1.5倍;
29、所述数据卡滞阈值sv是稳定生产时段,压力数据正常波动最小范围的20%—50%。
30、优选的,所述最小压力阈值pmin是正常生产的最低井口压力;
31、所述接近零压力值pz为大气压值,或压力变送器量程的1%—2%;
32、所述最大安全压力阈值pmax为设备额定工作压力或设计压力的80%—90%。
33、一种基于物联网的石油设备运维系统,用于执行所述的一种基于物联网的石油设备运维方法,所述运维系统包括数据采集单元、特征提取单元、指标计算单元、阈值设置单元、故障诊断单元和维保单元;
34、所述数据采集单元被配置于石油设备的井口,用于井口压力数据的采集;
35、所述特征提取单元用于接收数据采集单元采集的井口压力数据,并提取深度时频故障特征向量;
36、所述指标计算单元通过接收的深度故障特征向量,计算出压力数据的趋势系数k、波动指数i、突变度d、稳定度s和压力值p;
37、所述阈值设置单元根据石油设备的设计参数,设置与计算出的压力数据相关的阈值;
38、所述故障诊断单元结合指标计算单元输出的数据与阈值设置单元设置的阈值,执行故障类型诊断;
39、所述维保单元根据接收到的故障诊断单元诊断出的故障类型,执行对应的维保操作,且所述维保单元被配置的故障处理的优先顺序依次为安全紧急故障、仪表故障、举升设备故障和井筒故障。
40、本发明的技术效果和优点:
41、(1)本发明通过对井口压力数据的深度故障特征向量提取,计算出压力数据的趋势系数k、波动指数i、突变度d、稳定度s和压力值p,并结合设备设计参数设置对应计算出的压力数据相关的阈值,以此通过对计算出的压力数据内容结合阈值比较进行故障诊断,得出影响井口压力变化的安全紧急故障、井筒故障、举升设备故障和仪表故障,以此能够更加准确地获知故障类型,在后续维保的过程中,可以更加快速精准的定位到故障,减少了维保因继续故障诊断所需的不必要的停机时间。
42、(2)本发明通过构建差异化的双维度判定规则,从趋势速率、持续时长、波动幅度、突变强度和压力绝对值五个维度共同锁定缓降型井筒异常,这样的设置一方面避免因井筒缓慢降压被误判为安全紧急故障而导致的非计划停机;另一方面防止抽油机工作引起的压力波动掩盖真实的安全风险,实现了紧急故障即时响应,以及井筒故障早期预警的分类管控。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com