一种基于油田网电设备的故障预警方法与流程

1.本发明涉及计算机故障预警方法领域，尤其涉及一种油田网电设备的故障预警方法。


背景技术：

2.设备故障预警技术在油田网电设备的使用中对延长设备的使用寿命有着增益作用，可以在故障发生之前就对设备的不良状态做出预警。石油钻井现场通常在户外人迹罕至的地方，现阶段石油钻井常采用网电驱动电机作为主要的动力驱动设备开采石油，现场的网电工况经常面临线路架线距离远、电网电压不稳定、负载大、谐波大等问题，长期在这种工况下运行，导致网电设备负荷大、易发生故障和损耗，因此设计一种基于油田网电设备的高效的故障预警方法是十分必要和迫切的。
3.以往只针对数据故障阈值的预测方法，通常只针对两类数据：一是仪表内的保护和故障标志位，常以开关量的形式被采集和判断；二是针对电流、电压、谐波等参数的阈值；这两种方法各有缺陷，针对保护和故障标值位的方式，通常只能检测到故障的发生，而无法对故障做出提前的预测；而针对参数阈值的预警方式，预警的依据往往是来自设备的额定参数计算而来，但是油田网电设备的工况十分复杂，设备损耗较大，很多设备在工作一段时间后，已经无法在设计的额定区间内正常工作，通过参数阈值进行预警的方式在油田网电设备中有一定的局限性。


技术实现要素：

4.本发明的目的在于针对现有技术的不足，提供一种基于油田网电设备的故障预警方法。
5.本发明的目的是通过以下技术方案来实现的：一种基于油田网电设备的故障预警方法，包括如下步骤：
6.(1)故障数据训练算法搭建：基于油田网电设备故障预警要求，搭建适用于油田网电的概率型数据训练算法；
7.(2)故障预警模型训练：将油田网电设备的历史故障数据导入到步骤(1)搭建的概率型数据训练算法中，生成概率型故障预测模型；
8.(3)故障预警：将油田网电设备的实时数据导入到步骤(2)生成的概率型故障预测模型中，进行比对，对故障做出预测及预警。
9.进一步地，所述步骤(1)包括以下子步骤：
10.(1.1)定义参数：根据油田网电设备的故障预警要求，抽离出故障预测的核心数据集合ge，将故障发生时核心数据集合ge中的各元素的值定义为g
en
，将各元素的实时数据定义为g
rn
，将核心数据中各元素的安全区间定义为g
sn
，将故障发生次数定义为n，将n次故障中核心数据中各元素值g
en
超出安全区间gsn的次数定义为g
bn
，将预警精度定义为um，将故障预警触发的区间定义为g
umn
，将模型中各元素触发故障的概率定义为g
tn
，n为1、2、3、4......
的序列；
11.(1.2)通过步骤(1.1)中定义的参数，得到历史故障数据的以下算法：g
bn
初始值为0，当g
en
超出g
sn
时，g
bn
1；g
umn
的区间为g
sn
的上下限值乘um，g
umn
＝g
sn
*um；g
tn
＝g
bn
/n。
12.进一步地，所述步骤(2)具体为：将历史故障的次数计入n，n次故障中核心数据中个元素值g
en
超出安全区间g
sn
的次数g
bn
清零，当核心数据的历史数据g
en
超出安全区间g
sn
时，次数g
bn
1；故障预警触发区间g
umn
的值为安全区间g
sn
的上下限乘预警精度um得到，各元素故障发生概率g
tn
的值由g
bn
除以历史故障次数得到，由此得到根据实际发生的历史故障产生的故障预警模型。
13.进一步地，所述步骤(3)具体为：当g
tn
＞um时，g
rn
超出g
umn
即触发故障预警；当g
tn
＜um或g
tn
＝um时，设累加参数n＝0，g
rn
超出g
umn
时累加，将累加值n除以g
tn
≤um的数据次数得到m，若(m 1)/2＞0.5则触发故障预警。
14.本发明的有益效果是，本发明通过构建油田网电设备的故障预警算法和模型，可以有效地对油田网电设备做出保护，提前预测设备的危险行为，延长设备的使用寿命。效果优于现有的基于故障阈值进行预测的方法，具有通用性强，搭建便捷等特点。
附图说明
15.图1是本发明基于油田网电设备的故障预警方法的算法框图。
具体实施方式
16.本发明对油田网电设备的历史故障数据进行分析，通过故障预警算法搭建出合理的故障预警模型，在将油田网电设备的实时数据与模型比对，对与模型不服的数据做出故障预警。
17.本发明提出了一种基于油田网电设备的故障预警方法，包括如下步骤：
18.1.故障数据训练算法搭建：基于油田网电设备故障预警要求，搭建适用于油田网电的概率型数据训练算法；具体包括以下子步骤：
19.1.1.根据油田网电设备的故障预警要求，抽离出故障预测的核心数据集合ge，将故障发生时核心数据集合ge中的各元素的值定义为g
en
(n为1.2.3.4......的序列)，将各元素的实时数据定义为g
rn
(n为1.2.3.4......的序列，与g
en
的序列对应)，将核心数据中各元素的安全区间定义为g
sn
(n为1.2.3.4......的序列，与g
en
的序列对应)，将故障发生次数定义为n，将n次故障中核心数据中各元素值g
en
超出安全区间g
sn
的次数定义为g
bn
(n为1.2.3.4......的序列，与g
en
的序列对应)，将预警精度定义为um，将故障预警触发的区间定义为g
umn
(n为1.2.3.4......的序列，与g
en
的序列对应)，将模型中各元素触发故障的概率定义为g
tn
(n为1.2.3.4......的序列，与g
en
的序列对应)。
20.1.2.通过步骤1.1)中定义的参数，得到历史故障数据的以下算法：g
bn
初始值为0，当g
en
超出g
sn
时g
bn
1；g
umn
的区间为g
sn
的上下限值乘um，g
umn
＝g
sn
*um；g
tn
＝g
bn
/n。
21.2.故障预警模型训练：将油田网电设备的历史故障数据导入到步骤1中故障数据训练算法中，生成概率型故障预测模型。
22.将历史故障的次数计入n，n次故障中核心数据中个元素值g
en
超出安全区间g
sn
的次数g
bn
清零，当核心数据的历史数据g
en
超出安全区间g
sn
时，次数g
bn
1；故障预警触发区间gumn
的值为安全区间g
sn
的上下限乘预警精度um得到，各元素故障发生概率g
tn
的值由g
bn
除以历史故障次数得到，由此便得到根据实际发生的历史故障产生的故障预警模型。
23.3.故障预警：故障预警通过实施数据进行验证，将油田网电设备的实时数据导入到步骤2中由历史故障数据g
en
生成的故障模型中，进行比对，对故障做出预测及预警：当实时数据g
rn
超出安全区间g
sn
时触发故障预警；当g
tn
＞um时，若g
rn
超出g
umn
时触发故障预警；当g
tn
＜um时累加，将累加值除以累加次数得到m，若(m 1)/2＞0.5则触发故障预警。
24.相较于以往只针对数据故障阈值的预测方法，本发明提出的基于油田网电设备的故障预警算法具有更高的预测精度，可以更为有效的保护油田网电设备。但该预测算法对于模型中触发故障的概率小于预测精度的元素，在实际的预测中存在无法精准衡量的问题，只能采用模糊算法，尽可能的减小误触发概率和提升预测精度。
25.实施实例
26.在一台配备intel core i7-3770中央处理器，nvidia gtx760图形处理器及32gb内存的机器上实现本发明的实施实例。根据图1所示的算法，编写出计算机程序，用历史故障数据得出故障预测模型，在将设备的实时数据带入故障模型中进行比对，到到达故障预警精度时便触发故障。与现有方法相比，本方法可以更为精准的预测设备的故障，在故障发生便发出预警，极大的降低了设备的故障率，延长了设备的使用寿命。