基于超级电容的油井压裂供电智能控制方法及系统与流程

摘要: 本发明涉及油井压裂供电,尤其涉及基于超级电容的油井压裂供电智能控制方法及系统。背景技术:1、油井压裂作业是油气田增产的关键环节,压裂泵车在施工过程中会产生剧烈波...
基于超级电容的油井压裂供电智能控制方法及系统与流程

本发明涉及油井压裂供电,尤其涉及基于超级电容的油井压裂供电智能控制方法及系统。

背景技术:

1、油井压裂作业是油气田增产的关键环节,压裂泵车在施工过程中会产生剧烈波动的冲击性负荷,尤其是在启泵、停泵和换挡阶段,瞬时功率冲击可达稳态功率的数倍。目前,压裂现场的供电系统通常以柴油发电机作为主电源,并辅助配置超级电容储能装置来吸收或补充功率差额。针对这种混合供电结构,现有控制方法多采用基于阈值判断或经验规则的功率分配策略,即设定固定的电压或功率门限,当负荷功率超过门限时由超级电容放电支撑,低于门限时则转入充电状态。部分工程应用中也引入常规pid调节或简单的逻辑切换方式,以实现超级电容与主电源之间的能量协调。

2、压裂工况具有强烈的非线性和时变性,负荷特征与井况、砂比、泵压等因素密切相关,现有常规控制方法割裂了历史工况与未来负荷趋势之间的关联,只能对当前瞬态功率做被动响应,无法前瞻性地预判功率需求的演化。这导致超级电容频繁深度充放电,荷电状态易陷入过低或过高区间,既削弱了削峰填谷效果,也加速了电容老化。超级电容的等效电路参数会随温度、充放电循环次数而明显漂移,常规方法通常按照出厂固定模型实施控制,忽略参数漂移带来的控制误差,当储能能力下降后无法及时修正调度行为,供电可靠性难以保障。

技术实现思路

1、本发明实施例提供基于超级电容的油井压裂供电智能控制方法及系统,能够解决现有技术中的问题。

2、本发明实施例的第一方面,提供基于超级电容的油井压裂供电智能控制方法,包括:

3、采集压裂作业现场的多源异构数据,对所述多源异构数据进行多尺度时频分解,提取压裂工况的瞬态功率冲击特征与稳态能量消耗特征,构建压裂负荷的非线性动力学模型,并基于所述非线性动力学模型预测未来多个时间窗口的功率需求演化轨迹;

4、根据所述功率需求演化轨迹,建立超级电容组荷电状态与压裂工况序列的动态映射关系,通过求解包含能量约束、功率约束及寿命约束的多目标优化问题,生成涵盖预充电时机、放电深度分配及主电源协同比例的全局最优能量调度轨迹,并在执行过程中对所述全局最优能量调度轨迹进行滚动修正;

5、依据所述全局最优能量调度轨迹,通过自适应功率分配单元控制超级电容组与主电源之间的能量交互,实现对压裂设备的精准供电;

6、通过在线辨识技术实时更新超级电容组的等效电路模型参数,当检测到模型参数漂移超过自适应阈值时,生成包含故障预警、拓扑重构指令及调度策略补偿的联合决策方案,并将所述联合决策方案的执行结果反馈至所述非线性动力学模型形成闭环优化。

7、对所述多源异构数据进行多尺度时频分解,提取压裂工况的瞬态功率冲击特征与稳态能量消耗特征,构建压裂负荷的非线性动力学模型,并基于所述非线性动力学模型预测未来多个时间窗口的功率需求演化轨迹包括:

8、对多源异构数据进行时间对齐与采样率归一化处理,构建统一时间基准下的多维数据矩阵;

9、对所述多维数据矩阵分别执行短时傅里叶变换与小波包分解,获取不同尺度下的时频表征,从所述时频表征中识别瞬态功率冲击事件的幅值包络与持续时间,提取稳态能量消耗阶段的频域主导分量,并将瞬态功率冲击特征与稳态能量消耗特征进行融合映射,生成工况特征向量;

10、基于所述工况特征向量,采用状态空间重构方法建立压裂负荷的相空间轨迹,通过非线性系统辨识技术拟合所述相空间轨迹的演化规律,构建包含状态变量、驱动输入及耦合关系的非线性动力学模型;

11、将当前时刻的工况特征向量作为所述非线性动力学模型的初始状态,结合压裂施工计划中的排量序列与砂比序列作为未来驱动输入,通过数值积分方法求解所述非线性动力学模型在未来多个时间窗口的状态演化方程,得到包含功率幅值、变化率及持续时长的功率需求演化轨迹。

12、基于所述工况特征向量,采用状态空间重构方法建立压裂负荷的相空间轨迹,通过非线性系统辨识技术拟合所述相空间轨迹的演化规律,构建包含状态变量、驱动输入及耦合关系的非线性动力学模型包括:

13、对工况特征向量进行延迟嵌入变换,通过计算互信息函数确定时间延迟参数,通过计算关联维数确定嵌入维数参数,利用所述时间延迟参数与所述嵌入维数参数将一维工况特征向量序列重构为高维相空间中的轨迹点集;

14、对所述轨迹点集进行拓扑不变量分析,提取所述轨迹点集的李雅普诺夫指数谱与吸引子几何特征,根据所述李雅普诺夫指数谱的判定系统的混沌特性与稳定域边界,并基于所述吸引子几何特征确定压裂负荷动力学系统的状态变量维度与耦合形式,生成状态空间表达式的结构框架;

15、将所述状态空间表达式的结构框架中的状态方程与观测方程进行参数化表示,所述状态方程描述状态变量的时间演化规律,所述观测方程描述状态变量与可测功率需求之间的映射关系,将压裂施工参数作为驱动输入项引入所述状态方程;

16、采用递推辨识策略对所述状态方程与所述观测方程中的待定参数进行在线估计,通过最小化预测误差的代价函数迭代更新参数值,并引入时变加权因子对历史观测数据进行衰减处理以跟踪工况变化,得到包含状态变量演化、驱动输入响应及状态间耦合作用的非线性动力学模型。

17、通过求解包含能量约束、功率约束及寿命约束的多目标优化问题,生成涵盖预充电时机、放电深度分配及主电源协同比例的全局最优能量调度轨迹包括:

18、基于功率需求演化轨迹,提取压裂作业的功率波动幅值序列与持续时长序列,计算超级电容组在不同放电深度下的可释放能量与对应的循环寿命损耗率,构建放电深度与寿命损耗率之间的非线性映射关系;

19、将所述非线性映射关系作为寿命约束的数学表征,结合超级电容组荷电状态上下限建立能量约束不等式,结合充放电功率物理极限建立功率约束不等式,并引入主电源峰值负荷抑制目标与超级电容组能量循环效率目标,构建多目标优化问题;

20、对所述多目标优化问题进行分层求解,在外层优化中通过帕累托前沿搜索确定能量利用率与寿命损耗之间的权衡系数,在内层优化中基于所述权衡系数求解满足所有约束条件的最优决策序列;

21、在所述内层优化中,将决策变量离散化为预充电启动时刻集合、各时段放电深度分配向量及主电源协同比例向量,采用动态规划策略逐时段递推求解,利用前一时段的荷电状态终值作为当前时段的状态转移初值,通过状态转移方程计算当前时段决策对后续时段可行域的影响,最终回溯得到全局最优能量调度轨迹。

22、将所述非线性映射关系作为寿命约束的数学表征,结合超级电容组荷电状态上下限建立能量约束不等式,结合充放电功率物理极限建立功率约束不等式,并引入主电源峰值负荷抑制目标与超级电容组能量循环效率目标,构建多目标优化问题包括:

23、将非线性映射关系中的放电深度与循环寿命损耗率转化为累积寿命损耗表达式,对整个调度周期内各时刻的寿命损耗进行累加,建立寿命约束不等式以限制累积寿命损耗不超过健康度阈值;

24、基于所述累积寿命损耗表达式计算各时刻放电深度对总寿命损耗的贡献权重,识别寿命损耗敏感时段,将超级电容组荷电状态上下限转化为所述寿命损耗敏感时段的能量储备要求与能量保留要求,建立能量约束不等式;

25、提取充放电功率物理极限随荷电状态的动态边界,建立功率约束不等式以约束各时刻充放电功率位于所述动态边界确定的可行域内;

26、定义主电源峰值负荷抑制目标为主电源功率波动方差最小化表达式,定义超级电容组能量循环效率目标为充放电能量损耗最小化表达式,对所述主电源峰值负荷抑制目标与所述超级电容组能量循环效率目标赋予权重系数并加权求和形成综合目标,将所述综合目标与所述寿命约束不等式、所述能量约束不等式及所述功率约束不等式组合构建多目标优化问题。

27、通过在线辨识技术实时更新超级电容组的等效电路模型参数,当检测到模型参数漂移超过自适应阈值时,生成包含故障预警、拓扑重构指令及调度策略补偿的联合决策方案包括:

28、采集超级电容组的端电压响应与电流响应,通过在线辨识技术解算等效电路模型中的等效串联电阻、等效并联电容及泄漏电阻参数,将解算得到的参数数值作为实时更新后的等效电路模型参数;

29、计算所述实时更新后的等效电路模型参数相对于初始标定值的参数漂移量,基于所述参数漂移量的时间序列特征提取漂移速率与漂移加速度,根据所述漂移速率与所述漂移加速度的耦合关系动态生成自适应阈值;

30、当所述参数漂移量超过所述自适应阈值时,解析所述参数漂移量中各模型参数的贡献占比,识别主导退化参数,根据所述主导退化参数的物理意义生成故障预警信息;

31、基于所述故障预警信息,定位超级电容组中性能劣化的单体位置,生成拓扑重构指令以隔离所述单体位置并重新配置电气连接路径,基于重构后拓扑的等效参数计算功率输出能力衰减系数与能量储备衰减系数,根据所述功率输出能力衰减系数与所述能量储备衰减系数生成调度策略补偿方案;

32、将所述故障预警信息、所述拓扑重构指令及所述调度策略补偿方案组合形成联合决策方案。

33、通过在线辨识技术解算等效电路模型中的等效串联电阻、等效并联电容及泄漏电阻参数,将解算得到的参数数值作为实时更新后的等效电路模型参数包括:

34、采集超级电容组在充放电切换瞬态的端电压跃变幅值与电流阶跃响应,根据所述端电压跃变幅值与所述电流阶跃响应的比值解算等效串联电阻的当前阻值;

35、采集超级电容组在恒流充电阶段的端电压爬升曲线,对所述端电压爬升曲线进行时域微分运算获得电压变化率序列,根据所述电压变化率序列与充电电流的数值关系反演等效并联电容的实时容值;

36、采集超级电容组在静置阶段的端电压自放电衰减曲线,对所述端电压自放电衰减曲线进行指数拟合提取衰减时间常数,根据所述衰减时间常数与所述实时容值计算泄漏电阻的当前阻值;

37、将所述等效串联电阻的当前阻值、所述等效并联电容的实时容值及所述泄漏电阻的当前阻值进行时间戳标记,建立参数更新记录序列,对所述参数更新记录序列中连续多个采样周期的参数数值进行滑动窗口平滑滤波,消除瞬态噪声对参数辨识的干扰,将滤波后的参数数值作为实时更新后的等效电路模型参数。

38、本发明实施例的第二方面,提供基于超级电容的油井压裂供电智能控制系统,包括:

39、采集预测单元,用于采集压裂作业现场的多源异构数据,对所述多源异构数据进行多尺度时频分解,提取压裂工况的瞬态功率冲击特征与稳态能量消耗特征,构建压裂负荷的非线性动力学模型,并基于所述非线性动力学模型预测未来多个时间窗口的功率需求演化轨迹;

40、能量调度单元,用于根据所述功率需求演化轨迹,建立超级电容组荷电状态与压裂工况序列的动态映射关系,通过求解包含能量约束、功率约束及寿命约束的多目标优化问题,生成涵盖预充电时机、放电深度分配及主电源协同比例的全局最优能量调度轨迹,并在执行过程中对所述全局最优能量调度轨迹进行滚动修正;

41、功率分配单元,用于依据所述全局最优能量调度轨迹,通过自适应功率分配单元控制超级电容组与主电源之间的能量交互,实现对压裂设备的精准供电;

42、辨识反馈单元,用于通过在线辨识技术实时更新超级电容组的等效电路模型参数,当检测到模型参数漂移超过自适应阈值时,生成包含故障预警、拓扑重构指令及调度策略补偿的联合决策方案,并将所述联合决策方案的执行结果反馈至所述非线性动力学模型形成闭环优化。

43、本发明实施例的第三方面,提供一种电子设备,包括:

44、处理器;

45、用于存储处理器可执行指令的存储器;

46、其中,所述处理器被配置为调用所述存储器存储的指令,以执行前述所述的方法。

47、本发明实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现前述所述的方法。

48、针对压裂作业负荷呈现强冲击性、非线性与多时间尺度耦合的特征,对多源异构数据进行多尺度时频分解,可有效分离瞬态功率冲击与稳态能量消耗成分,使构建的非线性动力学模型对复杂工况具备高精度刻画能力。基于该模型预测未来多窗口功率需求演化轨迹,显著提升瞬态冲击峰值与持续时长的预判准确率,为超前调控提供可靠的决策依据,避免因功率预估偏差导致的过载跳闸或供电冗余。

49、建立超级电容荷电状态与压裂工况序列的动态映射关系,并求解涵盖能量、功率及寿命约束的多目标优化问题,能够在不同压裂阶段动态协调超级电容组与主电源的出力配比,获取全局最优的能量调度轨迹。执行过程中的滚动修正机制使调度策略能够实时响应工况突变,有效抑制负荷冲击对电网的扰动,降低主电源峰值功率需求,延长超级电容组循环使用寿命,提升系统整体能量利用效率。

50、依据全局最优能量调度轨迹,通过自适应功率分配单元控制超级电容组与主电源间的能量交互,实现毫秒级动态功率补偿与精准供电,大幅提升供电电压稳定性与频率质量,确保压裂设备在恶劣工况下持续平稳运行。

51、在线辨识技术实时更新超级电容等效电路模型参数,可及时发现容量衰减、内阻增大等老化迹象。参数漂移超限时,融合故障预警、拓扑重构及调度策略补偿的联合决策方案快速生效,阻断故障蔓延。执行结果反馈至非线性动力学模型形成闭环优化,使系统具备自学习、自适应能力,持续提升全生命周期内的运行可靠性,显著降低非计划停机概率和维护成本。