[发明专利]一种基于流量的抽油机冲次及动液面信息监测方法及系统

权利要求书

1.一种基于流量的抽油机冲次及动液面信息监测方法，其特征在于，包括：

获取样本数据；所述样本数据为不同埋深程度的时序域内的电导相关流量测量子系统测量的流量响应信号；所述样本数据包括m组数据，每组数据是以固定n个流量周期为基本处理单元获取的流量响应信号；

对所述样本数据进行预处理，得到m组动液面特征数据；每组所述动液面特征数据包括时域内特征信号、频域内特征信号以及符号化序列特征信号；所述时域内特征信号包括流量响应峰值特征、流量响应谷值特征、流量响应均值特征、流量响应上升期梯度特征、流量响应下降期梯度特征、峰值流量变化度特征和谷值流量变化度特征；所述频域内特征信号为频域内特征参数；所述符号化序列特征信号包括修正的Shannon熵、时间不可逆性指标、X²统计量、分形维、混沌吸引子关联维和功率谱密度；

基于m组所述动液面特征数据和BP神经网络模型，构建动液面预警模型；

获取电导相关流量测量子系统测量的实时流量响应信号；所述实时流量响应信号是以固定n个流量周期为基本处理单元获取的流量响应信号；

对所述实时流量响应信号进行处理，确定所述实时流量响应信号中的流量响应峰值和流量响应谷值，并根据所述实时流量响应信号中的流量响应峰值和流量响应谷值计算抽油机的冲次；

对所述实时流量响应信号进行预处理，得到一组实时动液面特征数据，并基于所述实时动液面特征数据和所述动液面预警模型，确定抽油机的实时埋深；

所述基于m组所述动液面特征数据和BP神经网络模型，构建动液面预警模型，具体包括：

确定所述动液面特征数据内每个特征的权重，且不同组所述动液面特征数据内的相同特征的权重相同；根据所述动液面特征数据以及所述动液面特征数据内每个特征的权重，构建m组特征标签；所述特征标签内的标签个数与所述动液面特征数据的特征个数相同；对所有所述特征标签进行数据融合处理，构建m组综合特征标签；基于m组所述综合特征标签和BP神经网络模型，构建动液面预警模型；

所述对所述实时流量响应信号进行处理，确定所述实时流量响应信号中的流量响应峰值和流量响应谷值，并根据所述实时流量响应信号中的流量响应峰值和流量响应谷值计算抽油机的冲次，具体包括：

对所述实时流量响应信号进行处理，确定实时流量响应信号相邻的上升期和下降期；在上升期内，比较相邻时刻流量响应值，确定上升期的流量响应峰值和流量响应谷值；在下降期内，比较相邻时刻流量响应值，确定下降期的流量响应峰值和流量响应谷值；将上升期内的流量响应峰值与下降期内的流量响应峰值求和并取均值，将得到的流量均值确定为实时流量响应信号的流量响应峰值；将上升期内的流量响应谷值与下降期内的流量响应谷值求和并取均值，将获取的流量均值确定为实时流量响应信号的流量响应谷值；根据所述实时流量响应信号的相邻流量响应峰值对应的时间间隔值或者相邻流量响应谷值对应的时间间隔值，计算实时流量周期；所述实时流量周期为实时冲程周期；根据所述实时冲程周期计算抽油机的冲次；所述抽油机的冲次为每分钟内经过的实时冲程周期的个数。

2.根据权利要求1所述的一种基于流量的抽油机冲次及动液面信息监测方法，其特征在于，所述对所述样本数据进行预处理，得到m组动液面特征数据，具体包括：

对所有的流量响应信号进行去噪处理，得到m组去噪后的流量响应信号；其中每组流量响应信号长度为n个流量周期的数据长度之和；

对所有所述去噪后的流量响应信号进行特征提取，得到m组动液面特征数据。