[发明专利]一种智慧油田边缘计算网关

说明书

本发明公开了一种智慧油田边缘计算网关，包括电源模块、主控模块、数据采集模块、无线通信模块和故障识别模块。其中，所述电源模块用于各子模块供电；所述主控模块，用于接收数据采集模块和故障识别模块的数据并进行处理分析，同时用于对故障识别模块算法参数和控制信息的设置；所述数据采集模块，用于采集多个现场传感设备收集到的数据；所述故障识别模块，基于深度学习技术用于自动识别油井的故障状况；所述无线通信模块，用于将故障信息无线传输至云端服务器。本发明通过物联网技术、边缘计算技术和深度学习技术实时监测油井工作状态和作业过程。

技术领域

本发明涉及物联网边缘计算技术领域，具体来说是一种面向智慧油田的数据采集和图像处理网关设备。

背景技术

智慧油田中，现有的采油机故障检测大都是采用基于计算机技术以及无线通讯技术的示功图人工智能诊断系统。根据工程原理与专家知识，一般认为抽油机井在典型工况下的示功图具有固定特征，如图3所示。目前我国油田应用最多的是地面示功图诊断分析法，大部分油田在工作现场采集到悬点载荷以及悬点位移的实时数据，从而绘制出地面示功图，进一步通过人工智能诊断系统对地面示功图进行诊断。

现有的智慧油田采油机故障诊断系统多为现场通过传感器采集相关数据，再通过有线或无线的传输方式将采集到的数据发送给井口控制单元，井口控制单元再将其收集到的油井信息数据通过远程无线通信技术发送到云端，云端进一步根据采集到的现场实时数据进行诊断分析处理，从而实现对抽油机运行状态的实时集中监测。但这类系统现场只负责采集和传输数据，整个诊断和数据分析的过程都是在云端进行，这样会产生网络延迟和带宽负载的问题。

传统形势下，在云端训练人工智能诊断系统模型会造成模型泛化能力弱的问题。在智慧油田中，发送至云端服务器的数据是来自于分布在各地区的不同的油井，而由于不同地区油井的生产参数和工作环境的差异性，不同地区井的相同故障的示功图数据之间可能有着较大的差异，这样最终会导致云端服务器训练神经网络模型难度的增加，同时会产生一定的模型泛化问题。

如果有一种网关设备，在解决网络延迟、减少数据流量、提高应用程序效率的同时，执行合适的诊断方法对抽油机井的工况进行相似性判别与实时诊断，及时发现突发故障工况与渐进性的工况恶化情况，那么这将是弥补传统采油机故障诊断系统缺陷的有效解决方案。

发明内容

针对上述问题，本发明公开一种智慧油田边缘计算网关，结合边缘计算技术、物联网技术和深度学习技术，使得该边缘计算网关既可以更快地进行数据处理和分析，同时也可以根据应用需求调整训练模型，实现模型的个性化定制。

本发明的技术方案采用如下技术实现：本发明公开一种智慧油田边缘计算网关，其特点在于其包括电源模块、主控模块、数据采集模块、故障识别模块和无线通信模块。

所述电源模块将220V的交流电压转换成直流电压，用于各个子模块的供电。

所述主控模块一方面用于对数据采集模块和故障识别模块传输的数据进行处理，另一方也用于对故障识别模块算法参数和控制信息的设置。

所述数据采集模块采用物联网无线通信技术对抽油机生产数据与环境数据进行无线采集。

所述故障识别模块使用嵌入式显卡作为处理单元进行智能识别运算。所述故障识别模块执行以下步骤：

(1)以当前日期D为基准，获取边缘端节点抽油机历史记录三天内的工况数据；

(2)从步骤(1)中剔除已经工艺专家确认的非平稳工况数据，获得边缘端节点抽油机平稳工况数据集；

(3)从步骤(2)中所述平稳工况数据集中选择n组数据作为正常工况样本集S：

其中每组数据包含m个变量，分别对应m个位移采样点处的载荷采样值；