[发明专利]基于采油生产数据的现场传感器故障检测方法

摘要

本发明提供一种基于采油生产数据的现场传感器故障检测方法，本发明针对油田生产过程的具体特点，如传感器信号漂移、电磁干扰以及油田生产过程中温度变化对一些传感器设备产生影响等等，提出了一种基于SWE的迭代PCA方法，用迭代方法更新模型，在不同的残差空间中对故障进行研究，提高了传感器故障诊断的准确性，从而解决了传统PCA方法的诸多问题。

主权项

一种基于采油生产数据的现场传感器故障检测方法，其特征在于：该方法的步骤如下：1)在正常生产作业条件下，即在各传感器工作状态为正常时，采集样本数据，建立数据集；2)建立离线PCA模型，对样本数据集X0的每一列X0(i)进行标准化处理，通过公式算得控制限值3)实行在线监测，计算出在线数据的SWE(j)统计量值，并与进行比较，若则所检测设备运行正常，进行步骤4)；若则所检测设备有发生故障，进行步骤5)；SWE(j)定义如下：样本x的SWE(j)指标值为：其中，j＝1,2,…,m，是协方差矩阵特征值的对角阵Λ＝diag(λ1,λ2,…,λm)的后j个向量，为载荷矩阵P的后j个特征向量组成的矩阵；4)模型动态迭代更新：设定处于0.90≤α≤0.95控制限之间的数据为Xθ，那么为了减少计算量，用于迭代的数据长度θ由T2和SPE统计量确定，则在线建模的数据长度为建模数据个数L；计算SWE统计量值并累计数据，当累积数据长度达到θ时，将获得标准化的新数据组Xk+1及其协方差矩阵Ck+1，并进行主元分析，重新计算SWE(j)统计量值；同时，剔除长度为θ的旧数据，避免大量无法代表生产状况的数使模型 产生较大偏差，影响诊断效果，迭代更新后返回步骤3)；k为k时刻的样本；5)残差空间大小及故障集合的计算：根据和计算出的各残差空间的大小j，其中，表示ΞR在残差空间上的投影，R为可能的故障集；对于单故障，R为故障的单集；多故障时，R为不同故障类型的组合集，为非奇异矩阵；为载荷矩阵P的后j个特征向量组成的矩阵；是协方差矩阵特征值的对角阵Λ＝diag(λ1,λ2,…,λm)的后j个向量；ΞR是故障集R的方向矩阵，其中：0代表正常变量，1代表故障变量；6)变量重构值的计算：通过公式可以得到样本在大小为j的残差空间中的变量重构值；表示非重构变量集；为非重构变量集的方向矩阵；7)故障辨识：重新计算故障集R所对应的SWE值，若进行变量重构的样本的SWE值恢复正常，则故障集R所对应的故障组合为故障点；8)故障诊断结束，进行人工维修与调试。