[发明专利]一种基于示功图的有杆泵抽油井的多故障诊断方法

摘要

本发明公开了一种基于示功图的有杆泵抽油井的多故障诊断方法，涉及石油生产技术领域。将采集的地面示功图转换为井下泵功图，根据油田生产中已有的示功图数据建立各故障类型的标准特征库，对于每一个不变曲线矩特征向量的特征值，由区间数据的形式进行表示，然后计算所采集样本与标准特征库中各故障类型的关联度，判断所采集样本可能具有的故障类型，提高了故障诊断的可信性。最后将所采集样本可能具有的故障类型进行各种多个故障的组合，通过计算各个组合的F指标值来确定所具有的多故障类型。该方法原理简单，计算复杂性小，容易实现，诊断的准确度高。

主权项

1.一种基于示功图的有杆泵抽油井的多故障诊断方法，其特征在于，包括：采集地面示功图，并将所述地面示功图转化为井下泵功图；对所述井下泵功图进行归一化处理，归一化区间为[0,1]，提取归一化后的井下泵功图的不变曲线矩特征向量，并对提取的不变曲线矩特征向量进行修正；由修正后的不变曲线矩特征向量建立所述井下泵功图的物元模型，如下：其中，δ₁,δ₂,...,δ₇分别为7个所述修正后的不变曲线矩特征向量，v₁,v₂,...,v₇分别为7个所述修正后的不变曲线矩特征向量的取值；由油田生产中所记录的已知不同故障类型的地面示功图样本建立标准特征库，并建立每一种故障类型的物元模型，如下：其中，j＝1,2,...,T，T表示已知故障类型的数量，W_j表示第j种故障类型；[v_j1a,v_j1b]表示所述标准特征库中第j种故障类型下的第1个修正后的不变曲线矩特征向量的取值区间，[v_j2a,v_j2b]表示所述标准特征库中第j种故障类型下的第2个修正后的不变曲线矩特征向量的取值区间；依次类推，[v_j7a,v_j7b]表示所述标准特征库中第j种故障类型下的第7个修正后的不变曲线矩特征向量的取值区间；计算所述井下泵功图与所述标准特征库中各故障类型的关联度，计算公式如下：其中，k＝1,2,...,7，v_k表示所述井下泵功图第k个修正后的不变曲线矩特征向量的取值，v_jk表示所述标准特征库中第j种故障类型下第k个修正后的不变曲线矩特征向量的取值，v_jka和v_jkb分别表示所述标准特征库中第j种故障类型下第k个修正后的不变曲线矩特征向量取值的最小值和最大值，|v_jk|表示所述标准特征库中第j种故障类型下第k个修正后的不变曲线矩特征向量取值范围的大小；节域X＝[0,20]；λ(W_j)表示所述井下泵功图与所述标准特征库中第j种故障类型的关联度，ε(v_k,v_jk)表示所述井下泵功图第k个修正后的不变曲线矩特征向量与所述标准特征库中第j种故障类型下第k个修正后的不变曲线矩特征向量的距离，ξ_jk(v_k)表示第k个修正后的不变曲线矩特征向量下所述井下泵功图与所述标准特征库中第j种故障类型的关联函数，ε(v_k,X)表示所述井下泵功图第k个修正后的不变曲线矩特征向量与节域的距离；对λ(W_j)≥0的各故障类型进行多故障组合的分类，将一组多个故障的组合看作一类，每一个所述多个故障的组合中均至少包括λ(W_j)最大的故障类型以及所述井下泵功图；对λ(W_j)≥0的故障类型的各修正后的不变曲线矩特征向量进行基于“无偏转换”的区间数据的均值估计，并计算所述均值估计的无偏估计值；根据所述均值估计的无偏估计值以及以下公式计算每一组多个故障的组合的F指标值，并确定具有最小F指标值的多个故障组合为所述井下泵功图所具有的多故障类型：其中，k＝1,2,...,num，num表示每一组多个故障组合中故障类型的个数；expt_k表示第k个故障类型下进行实验的个数，即为第k个故障类型下修正后的不变曲线矩特征向量的个数，expt_k＝7，expt为不同故障类型下所有实验的个数，有：表示第k个故障类型下第个修正后的不变曲线矩特征向量的区间数据的均值估计的无偏估计值，表示第k个故障类型下所有修正后的不变曲线矩特征向量的区间数据的均值估计的无偏估计值的平均值，有：表示所有故障类型下的所有修正后的不变曲线矩特征向量的区间数据的均值估计的无偏估计值的总平均值，有：sum₁表示与的差异之和，有：Sum₂表示与的差异之和，有：步骤对λ(W_j)≥0的故障类型的各修正后的不变曲线矩特征向量进行基于“无偏转换”的区间数据的均值估计，并计算所述均值估计的无偏估计值具体包括：假设所述区间数据的均值估计的值为α，是一个非负随机变量，由[v_a,v_b]表示修正后的不变曲线矩特征向量的取值的区间形式，[v_a,v_b]是与α独立的随机向量，假设[v_a,v_b]满足某种连续数据分布，由g(·,·)表示，认为g(·,·)满足均匀分布，修正后的不变曲线矩特征向量取值区间[v_a,v_b]的均匀分布由如下公式表示：假设和分别是(v_a,v_b)和α的独立同分布样本，假设在实验中观测到了(v_as,v_bs,τ_1s,τ_2s,τ_3s)，其中：I表示示性函数，r表示独立同分布样本数量，令：其中，τ_s表示第s个独立同分布样本的观测值；令：其中，表示第s个独立同分布样本的无偏估计值，θ₁(·,·)、θ₂(·,·)和θ₃(·,·)是与α的分布无关的连续函数，且θ₁(·,·)、θ₂(·,·)和θ₃(·,·)满足如下条件：计算区间数据[v_a,v_b]的均值估计的无偏估计值如下：