本發(fā)明涉及油田監(jiān)測(cè)
技術(shù)領(lǐng)域：
，是一種油井故障智能化分析決策系統(tǒng)及診斷、預(yù)測(cè)、決策方案使用方法，即油井故障智能化分析決策系統(tǒng)及方法。
背景技術(shù)：
：目前，在油田日常生產(chǎn)管理中大多需要人工巡井，主要依靠值班工人定時(shí)、定點(diǎn)去輪巡，靠眼睛、耳朵的感官去發(fā)現(xiàn)運(yùn)行設(shè)備的異常。巡視工作量與路線長(zhǎng)度、地理環(huán)境和氣候的變化都有很大的關(guān)系。當(dāng)設(shè)備因故障在兩次巡視之間停止運(yùn)行，值班人員就無(wú)法及時(shí)發(fā)現(xiàn)，造成了生產(chǎn)的不安全因素增加?，F(xiàn)在對(duì)抽油井進(jìn)行工況分析時(shí)，人工不能直接監(jiān)測(cè)到地下桿式泵的工作狀況，對(duì)于能反映井下抽油泵運(yùn)行狀況的示功圖一個(gè)月測(cè)試一至兩次，不能實(shí)時(shí)看到抽油機(jī)井的示功圖、電流圖，傳統(tǒng)的示功圖測(cè)試技術(shù)已經(jīng)不能滿足工作人員的需求。在采集到設(shè)備信息數(shù)據(jù)后，還需現(xiàn)場(chǎng)技術(shù)人員花費(fèi)時(shí)間進(jìn)行故障分析判斷，判斷出故障之后還需花費(fèi)大量時(shí)間和精力去尋求解決方案，增加了人力、物力、財(cái)力。同時(shí)，在生產(chǎn)設(shè)備管理上，故障預(yù)測(cè)等方面，各大油田還沒(méi)有相應(yīng)的軟件系統(tǒng)，對(duì)設(shè)備進(jìn)行統(tǒng)一的分類管理，準(zhǔn)確查找到每一個(gè)設(shè)備的型號(hào)、生產(chǎn)廠家、性能參數(shù)、安裝廠家、檢修周期等信息，對(duì)設(shè)備的維護(hù)及安裝提供參考信息，實(shí)現(xiàn)對(duì)設(shè)備故障進(jìn)行預(yù)測(cè)，提前預(yù)知抽油機(jī)故障，工作人員及時(shí)采取相應(yīng)措施，避免不必要的損失。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供了一種油井故障智能化分析決策系統(tǒng)及診斷、預(yù)測(cè)、決策方案使用的方法，克服了上述現(xiàn)有技術(shù)之不足，其能有效解決現(xiàn)有技術(shù)中存在的不能對(duì)油井井下故障實(shí)時(shí)監(jiān)測(cè)，存在安全隱患以及出現(xiàn)故障后尋找解決方案費(fèi)時(shí)費(fèi)力，造成工作效率低的問(wèn)題。本發(fā)明的技術(shù)方案之一是通過(guò)以下措施來(lái)實(shí)現(xiàn)的：一種油井故障智能化分析決策系統(tǒng)，包括數(shù)據(jù)采集模塊、遠(yuǎn)程測(cè)控模塊、服務(wù)器、數(shù)據(jù)庫(kù)連接模塊和功能模塊，數(shù)據(jù)采集模塊包括電參數(shù)采集模塊、溫度傳感器、壓力傳感器、動(dòng)液面測(cè)量?jī)x、一體化示功儀、流量傳感器和可燃?xì)怏w檢測(cè)儀，所述電參數(shù)采集模塊、溫度傳感器、壓力傳感器、動(dòng)液面測(cè)量?jī)x、一體化示功儀、流量傳感器和可燃?xì)怏w檢測(cè)儀均與遠(yuǎn)程測(cè)控模塊通信連接，所述服務(wù)器內(nèi)設(shè)有生產(chǎn)數(shù)據(jù)庫(kù)和專家數(shù)據(jù)庫(kù)，遠(yuǎn)程測(cè)控模塊與生產(chǎn)數(shù)據(jù)庫(kù)通信連接，生產(chǎn)數(shù)據(jù)庫(kù)與數(shù)據(jù)采集模塊單向通信連接，專家數(shù)據(jù)庫(kù)與數(shù)據(jù)庫(kù)連接模塊雙向通信連接，所述功能模塊包括登錄模塊、運(yùn)行監(jiān)控模塊、狀態(tài)預(yù)警模塊、故障分析模塊、故障預(yù)測(cè)模塊、決策方案模塊和設(shè)備信息模塊，登錄模塊、運(yùn)行監(jiān)控模塊、狀態(tài)預(yù)警模塊、故障分析模塊、故障預(yù)測(cè)模塊、決策方案模塊和設(shè)備信息模塊均與數(shù)據(jù)庫(kù)連接模塊雙向電連接。下面是對(duì)上述發(fā)明技術(shù)方案的進(jìn)一步優(yōu)化或/和改進(jìn)：上述所述專家數(shù)據(jù)庫(kù)可包括系統(tǒng)庫(kù)、數(shù)據(jù)監(jiān)測(cè)庫(kù)、用戶信息庫(kù)、設(shè)備信息庫(kù)、專家知識(shí)庫(kù)、案例庫(kù)和模板庫(kù)；所述登錄模塊設(shè)有登陸管理單元和數(shù)據(jù)庫(kù)連接管理單元，所述運(yùn)行監(jiān)控模塊設(shè)有監(jiān)控生產(chǎn)數(shù)據(jù)庫(kù)單元和更新專家數(shù)據(jù)庫(kù)單元，所述狀態(tài)預(yù)警模塊設(shè)有故障監(jiān)測(cè)預(yù)警單元，所述故障分析模塊設(shè)有故障查詢系統(tǒng)單元、故障診斷系統(tǒng)單元和模板庫(kù)管理單元，故障預(yù)測(cè)模塊設(shè)有故障預(yù)測(cè)單元，所述決策方案模塊設(shè)有故障管理系統(tǒng)單元和決策方案系統(tǒng)單元，所述設(shè)備信息模塊設(shè)有設(shè)備信息管理單元和設(shè)備維護(hù)系統(tǒng)單元，監(jiān)控生產(chǎn)數(shù)據(jù)庫(kù)單元輸出端與更新專家數(shù)據(jù)庫(kù)單元輸入端相連接，更新專家數(shù)據(jù)庫(kù)單元第一輸出端與故障監(jiān)測(cè)預(yù)警單元輸入端相連接，故障診斷系統(tǒng)單元輸出端與故障監(jiān)測(cè)預(yù)警單元輸入端相連接，更新專家數(shù)據(jù)庫(kù)單元第二輸出端與故障診斷系統(tǒng)單元輸入端相連接；所述登錄管理單元與用戶信息庫(kù)相連接，數(shù)據(jù)庫(kù)連接管理單元與系統(tǒng)庫(kù)相連接，所述監(jiān)控生產(chǎn)數(shù)據(jù)庫(kù)單元、更新專家數(shù)據(jù)庫(kù)單元、故障監(jiān)測(cè)預(yù)警單元、故障查詢系統(tǒng)單元、故障預(yù)測(cè)單元、故障管理系統(tǒng)單元均與數(shù)據(jù)監(jiān)測(cè)庫(kù)相連接，故障診斷系統(tǒng)單元、模板庫(kù)管理單元均與模板庫(kù)相連接，決策方案系統(tǒng)單元分別與專家知識(shí)庫(kù)和案例庫(kù)相連接，設(shè)備信息管理單元和設(shè)備維護(hù)系統(tǒng)單元均與設(shè)備信息庫(kù)相連接。上述所述電參數(shù)采集模塊、溫度傳感器、壓力傳感器、動(dòng)液面測(cè)量?jī)x、一體化示功儀分別采集現(xiàn)場(chǎng)的電機(jī)電流和功率參數(shù)、油溫參數(shù)、油管壓力參數(shù)和套管壓力參數(shù)、動(dòng)液面深度、抽油機(jī)載荷功圖和角位移功圖并通過(guò)無(wú)線通信傳輸至遠(yuǎn)程測(cè)控模塊，流量傳感器和可燃?xì)怏w檢測(cè)儀分別采集現(xiàn)場(chǎng)的油田產(chǎn)液量和可燃?xì)怏w濃度并通過(guò)有線通信傳輸至遠(yuǎn)程測(cè)控模塊；或/和，所述遠(yuǎn)程測(cè)控模塊為RTU遠(yuǎn)程測(cè)控終端。本發(fā)明的技術(shù)方案之二是通過(guò)以下措施來(lái)實(shí)現(xiàn)的：一種油井故障智能化分析決策系統(tǒng)的故障診斷方法，包括以下步驟：第一步，功圖轉(zhuǎn)化，數(shù)據(jù)采集模塊將采集得到設(shè)備參數(shù)傳輸至運(yùn)行監(jiān)控模塊，更新專家數(shù)據(jù)庫(kù)后由故障診斷系統(tǒng)單元將地面測(cè)的示功圖轉(zhuǎn)換為井下有桿泵示功圖，完成功圖轉(zhuǎn)換，步驟如下：建立波動(dòng)方程，公式如下：式中：u(x,t)為抽油桿柱在x深度處的橫截面在t時(shí)刻的位移；x為深度；t為時(shí)間；a為應(yīng)力在抽油桿柱上的傳播速度；c為阻尼系數(shù)；其上、下邊界條件的傅里葉級(jí)數(shù)表示及初始條件公式如下：其中：f(x,t)為柱塞在位移x、時(shí)刻t時(shí)的載荷；D(t)為懸點(diǎn)在t時(shí)刻的位移；U(t)為光桿在時(shí)刻t時(shí)的位移；σn、τn、vn、δn為傅里葉系數(shù)；通過(guò)分離變量及傅里葉變換可以求出u(x,t)：根據(jù)胡克定律，可以求得式中：On(x)＝(knchβnx+δnshβnx)sinαnx+(unchβnx+vnshβnx)cosαnx(5)Pn(x)＝(knchβnx+δnchβnx)cosαnx+(μnchβnx+vnshβnx)sinαnx(6)根據(jù)波動(dòng)方程的解u(x,t)，f(x,t)及其邊界條件將井上獲取的地面示功圖轉(zhuǎn)換為井下泵功圖；第二步，對(duì)明顯特征功圖進(jìn)行分類為需要神經(jīng)網(wǎng)絡(luò)分析和不需要神經(jīng)網(wǎng)絡(luò)分析，需要神經(jīng)網(wǎng)絡(luò)分析的功圖進(jìn)入第三步，不需要神經(jīng)網(wǎng)絡(luò)分析的功圖進(jìn)入第四步；第三步，根據(jù)不同故障功圖變化，需要神經(jīng)網(wǎng)絡(luò)分析的功圖分別采用幾何法、網(wǎng)格法和傅立葉描述子法對(duì)功圖特征值進(jìn)行提取，之后進(jìn)入第五步；第四步，根據(jù)不同故障功圖變化，不需要神經(jīng)網(wǎng)絡(luò)分析的功圖采用灰度矩陣對(duì)功圖特征值進(jìn)行提取，之后進(jìn)入第六步；第五步，根據(jù)數(shù)據(jù)采集模塊采集的生產(chǎn)數(shù)據(jù)結(jié)合第三步提取的功圖特征值，調(diào)用單井模板庫(kù)和區(qū)塊模板庫(kù)對(duì)故障進(jìn)行診斷分析，之后進(jìn)入第七步；第六步，根據(jù)數(shù)據(jù)采集模塊采集的生產(chǎn)數(shù)據(jù)結(jié)合第三步提取的功圖特征值，運(yùn)用歐式距離分類進(jìn)行診斷分析，之后進(jìn)入第七步；第七步，得出故障診斷結(jié)果，對(duì)故障診斷結(jié)果進(jìn)行現(xiàn)場(chǎng)驗(yàn)證，若現(xiàn)場(chǎng)驗(yàn)證正確，則將相應(yīng)故障診斷結(jié)果統(tǒng)計(jì)數(shù)自動(dòng)加1次；若現(xiàn)場(chǎng)驗(yàn)證錯(cuò)誤，則修正故障診斷結(jié)果并將該單井功圖作為模板存入相應(yīng)的單井模版庫(kù)中。上述在第三步中，幾何法特征值提取是基于泵功圖進(jìn)行幾何操作獲取特征值，對(duì)所述泵功圖提取的幾何特征值為:上沖程始點(diǎn)A、左下面積A1、左上面積A2、右上面積A3、右下面積A4、上行變形結(jié)束點(diǎn)B、下行變形結(jié)束點(diǎn)D、上死點(diǎn)C、曲線質(zhì)心G、最小載荷Fmax和最小載荷Fmin。上述在第三步中，所述的網(wǎng)格特征值提取法，對(duì)功圖圖像進(jìn)行網(wǎng)格化處理，將示功圖分解成若干個(gè)形狀、大小相同的網(wǎng)格，對(duì)有示功圖穿過(guò)的網(wǎng)格賦值“1”，對(duì)于其它網(wǎng)格，以功圖穿過(guò)的網(wǎng)格為中心，當(dāng)其位于功圖外部時(shí)，每遠(yuǎn)離一格，灰度值減去1，當(dāng)位于功圖內(nèi)部時(shí)，每遠(yuǎn)離一格，灰度值增加1，計(jì)算灰度矩陣的灰度均值、灰度方差、灰度偏差、灰度峰度、灰度能量、灰度熵六個(gè)特征參數(shù)，公式如下：灰度均值：灰度方差：灰度偏差：灰度峰度：灰度能量：灰度熵：以此作為特征值與標(biāo)準(zhǔn)特征值進(jìn)行比較。上述在第三步中，傅立葉描述子法特征值提取是對(duì)功圖進(jìn)行傅立葉級(jí)數(shù)展開(kāi)表征功圖形狀，即沿示功圖輪廓線的一個(gè)動(dòng)點(diǎn)P(l)的坐標(biāo)變化是一個(gè)以功圖周長(zhǎng)為周期的周期函數(shù)，該函數(shù)可以用傅里葉級(jí)數(shù)表示，其系數(shù)a(k)稱為傅里葉描述子，表達(dá)式如下：進(jìn)行歸一化后公式：式中是對(duì)傅里葉系數(shù)a(k)取模；由于變換后的高頻系數(shù)較小，因此，通常只選取低頻系數(shù)作為特征值，根據(jù)對(duì)功圖的傅里葉變換可知，當(dāng)k>20時(shí)，傅里葉描述子變得十分小，故選取k＝20。本發(fā)明的技術(shù)方案之三是通過(guò)以下措施來(lái)實(shí)現(xiàn)的：一種油井故障智能化分析決策系統(tǒng)的故障預(yù)測(cè)方法，包括以下步驟：第一步，提取單井近期的5組正常示功圖的特征值，之后進(jìn)入第二步；第二步，將單井近期5組正常示功圖的特征值與模板庫(kù)中正常示功圖進(jìn)行對(duì)比，計(jì)算相似度，之后進(jìn)入第三步；第三步，建立數(shù)據(jù)的動(dòng)態(tài)模型，即GM(h,n)模型，其微分方程是時(shí)間域的連續(xù)函數(shù)，h為方程階數(shù)，n為變量個(gè)數(shù)，微分方程如下公式所示：則微分方程的系數(shù)向量為：采用最小二乘法求解，結(jié)果為：式中為A組成的分塊矩陣，之后進(jìn)入第四步；第四步，當(dāng)發(fā)現(xiàn)特征值與正常示功圖匹配的越來(lái)越低時(shí)，對(duì)下一組示功圖數(shù)據(jù)進(jìn)行預(yù)測(cè)，判斷其是否會(huì)發(fā)生故障；若滿足偏離界限，立即通過(guò)故障監(jiān)測(cè)預(yù)警單元進(jìn)行預(yù)警。上述在第三步中，GM(1，1)模型的建模原理為：(1)設(shè)原始序列為X(0)，有：X(0)＝[x(0)(1),x(0)(2),...,x(0)(n)](22)對(duì)原始序列X(0)進(jìn)行一次累加生成序列X(1)，得到：X(1)＝[x(1)(1),x(1)(2),...,x(1)(n)](23)原始序列X(0)與一次累加生成序列X(1)中的對(duì)應(yīng)數(shù)據(jù)之間的關(guān)系為：(2)建立GM(1，1)模型的白化微分方程為：GM(1，1)模型的灰微分方程為：x(0)(k)+az(1)(k)＝bk＝1,2,..,n(26)公式(26)中，a為發(fā)展系數(shù)，b為灰作用量，均為待辨識(shí)的參數(shù)，x(0)(k)為灰導(dǎo)數(shù)，z(1)(k)為背景值，背景值的計(jì)算公式如式(27)：(3)設(shè)待求參數(shù)Y＝[x(0)(2),x(0)(3),...,x(0)(n)]T根據(jù)最小二乘原理，計(jì)算微分方程的解為：(4)令x(1)(0)＝x(0)(0)，則原始序列的預(yù)測(cè)公式為：式(30)中：為x(0)(k)的擬合值，為第k+1個(gè)預(yù)測(cè)值。本發(fā)明的技術(shù)方案之四是通過(guò)以下措施來(lái)實(shí)現(xiàn)的：一種油井故障智能化分析決策系統(tǒng)的決策方案使用方法，包括以下步驟：第一步，在進(jìn)行故障診斷結(jié)果之后，根據(jù)故障類型進(jìn)行問(wèn)題描述，在案例庫(kù)中進(jìn)行案例檢索，之后進(jìn)入第二步；第二步，通過(guò)決策方案模塊查找該故障解決方案是否在數(shù)據(jù)庫(kù)中，若數(shù)據(jù)庫(kù)中有解決方案，則得到存在解決方案的結(jié)論之后進(jìn)入第三步，如果未找到對(duì)應(yīng)的解決方案，用戶針對(duì)診斷結(jié)果分析后添加相應(yīng)的解決方案，補(bǔ)充數(shù)據(jù)庫(kù)，結(jié)束；第三步，判斷解決方案中是否存在滿意的解決方案，若沒(méi)有滿意的解決方案用戶自行設(shè)計(jì)適合的解決方案，并將解決結(jié)果以案例形式添加到案例庫(kù)，結(jié)束；如尋找到滿意的解決方案，之后進(jìn)入第四步；第四步，如果有滿意的方案，根據(jù)用戶的選擇，將該解決方案采納次數(shù)自動(dòng)加1，在下次尋找方案時(shí)，優(yōu)先顯示采納次數(shù)最多的方案，之后結(jié)束。本發(fā)明通過(guò)建立油田智能化分析與決策專家系統(tǒng)，對(duì)油井的生產(chǎn)參數(shù)進(jìn)行實(shí)時(shí)監(jiān)控、實(shí)時(shí)分析、實(shí)時(shí)故障診斷、實(shí)時(shí)預(yù)測(cè)，同時(shí)還對(duì)油田的各類生產(chǎn)設(shè)備進(jìn)行分類管理，從而真正意義上的實(shí)現(xiàn)了油田的數(shù)字化、智能化，對(duì)油田節(jié)約成本，節(jié)省人力物力。油井逐漸趨于數(shù)字化、智能化，采用準(zhǔn)確、高效、實(shí)時(shí)的抽油機(jī)井工況自動(dòng)監(jiān)控技術(shù)，實(shí)現(xiàn)實(shí)時(shí)生產(chǎn)數(shù)據(jù)采集、生產(chǎn)環(huán)境實(shí)時(shí)監(jiān)控、設(shè)備運(yùn)行狀態(tài)實(shí)時(shí)監(jiān)控、實(shí)時(shí)故障診斷、業(yè)務(wù)單元預(yù)警分析、智能決策及自動(dòng)生產(chǎn)解決方案，可以降低無(wú)功消耗及設(shè)備故障率，提高開(kāi)井時(shí)效。附圖說(shuō)明附圖1為本發(fā)明實(shí)施例1的整體結(jié)構(gòu)框圖。附圖2為本發(fā)明實(shí)施例1的數(shù)據(jù)庫(kù)與功能模塊的關(guān)系框圖。附圖3為本發(fā)明實(shí)施例2的故障診斷流程圖。附圖4為本發(fā)明實(shí)施例2的功圖轉(zhuǎn)化示意圖。附圖5為本發(fā)明實(shí)施例2的示功圖幾何特征值提取示意圖。附圖6為本發(fā)明實(shí)施例2的正常示功圖的灰度矩陣示意圖。附圖7為本發(fā)明實(shí)施例2的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果圖。附圖8為本發(fā)明實(shí)施例3油井故障預(yù)測(cè)方法流程圖。附圖9為本發(fā)明實(shí)施例3功圖異常預(yù)測(cè)示意圖。附圖10為本發(fā)明實(shí)施例4決策方案流程圖。具體實(shí)施方式本發(fā)明不受下述實(shí)施例的限制，可根據(jù)本發(fā)明的技術(shù)方案與實(shí)際情況來(lái)確定具體的實(shí)施方式。下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步描述：實(shí)施例1：如附圖1、2所示，油井故障智能化分析決策系統(tǒng)包括數(shù)據(jù)采集模塊、遠(yuǎn)程測(cè)控模塊、服務(wù)器、數(shù)據(jù)庫(kù)連接模塊和功能模塊，數(shù)據(jù)采集模塊包括電參數(shù)采集模塊、溫度傳感器、壓力傳感器、動(dòng)液面測(cè)量?jī)x、一體化示功儀、流量傳感器和可燃?xì)怏w檢測(cè)儀，所述電參數(shù)采集模塊、溫度傳感器、壓力傳感器、動(dòng)液面測(cè)量?jī)x、一體化示功儀、流量傳感器和可燃?xì)怏w檢測(cè)儀均與遠(yuǎn)程測(cè)控模塊通信連接，所述服務(wù)器內(nèi)設(shè)有生產(chǎn)數(shù)據(jù)庫(kù)和專家數(shù)據(jù)庫(kù)，遠(yuǎn)程測(cè)控模塊與生產(chǎn)數(shù)據(jù)庫(kù)通信連接，生產(chǎn)數(shù)據(jù)庫(kù)與數(shù)據(jù)采集模塊單向通信連接，專家數(shù)據(jù)庫(kù)與數(shù)據(jù)庫(kù)連接模塊雙向通信連接，所述功能模塊包括登錄模塊、運(yùn)行監(jiān)控模塊、狀態(tài)預(yù)警模塊、故障分析模塊、故障預(yù)測(cè)模塊、決策方案模塊和設(shè)備信息模塊，登錄模塊、運(yùn)行監(jiān)控模塊、狀態(tài)預(yù)警模塊、故障分析模塊、故障預(yù)測(cè)模塊、決策方案模塊和設(shè)備信息模塊均與數(shù)據(jù)庫(kù)連接模塊雙向電連接。這里的登錄模塊在運(yùn)行時(shí)，首先會(huì)檢測(cè)是否與服務(wù)器內(nèi)的專家數(shù)據(jù)庫(kù)和生產(chǎn)數(shù)據(jù)庫(kù)連接，當(dāng)連接成功時(shí)，用戶才能登錄，否則提示用戶修改數(shù)據(jù)庫(kù)連接；運(yùn)行監(jiān)控模塊能實(shí)時(shí)顯示油井的檢測(cè)數(shù)據(jù)，包括：油井常規(guī)參數(shù)及近期數(shù)據(jù)變化信息，按照一定的時(shí)間間隔循環(huán)顯示不同油井的設(shè)備數(shù)據(jù)信息，也可以根據(jù)個(gè)人需求查看單井信息。本發(fā)明通過(guò)建立油田智能化分析與決策專家系統(tǒng)，對(duì)油井的生產(chǎn)參數(shù)進(jìn)行實(shí)時(shí)監(jiān)控、實(shí)時(shí)分析、實(shí)時(shí)故障診斷、實(shí)時(shí)預(yù)測(cè)，同時(shí)還對(duì)油田的各類生產(chǎn)設(shè)備進(jìn)行分類管理，從而真正意義上的實(shí)現(xiàn)了油田的數(shù)字化、智能化，對(duì)油田節(jié)約成本，節(jié)省人力物力。油井逐漸趨于數(shù)字化、智能化，采用準(zhǔn)確、高效、實(shí)時(shí)的抽油機(jī)井工況自動(dòng)監(jiān)控技術(shù)，實(shí)現(xiàn)實(shí)時(shí)生產(chǎn)數(shù)據(jù)采集、生產(chǎn)環(huán)境實(shí)時(shí)監(jiān)控、設(shè)備運(yùn)行狀態(tài)實(shí)時(shí)監(jiān)控、實(shí)時(shí)故障診斷、業(yè)務(wù)單元預(yù)警分析、智能決策及自動(dòng)生產(chǎn)解決方案，可以降低無(wú)功消耗及設(shè)備故障率，提高開(kāi)井時(shí)效?？筛鶕?jù)實(shí)際需要，對(duì)上述油井故障智能化分析決策系統(tǒng)作進(jìn)一步優(yōu)化或/和改進(jìn)：如附圖1、2所示，所述專家數(shù)據(jù)庫(kù)包括系統(tǒng)庫(kù)、數(shù)據(jù)監(jiān)測(cè)庫(kù)、用戶信息庫(kù)、設(shè)備信息庫(kù)、專家知識(shí)庫(kù)、案例庫(kù)和模板庫(kù)；所述登錄模塊設(shè)有登陸管理單元和數(shù)據(jù)庫(kù)連接管理單元，所述運(yùn)行監(jiān)控模塊設(shè)有監(jiān)控生產(chǎn)數(shù)據(jù)庫(kù)單元和更新專家數(shù)據(jù)庫(kù)單元，所述狀態(tài)預(yù)警模塊設(shè)有故障監(jiān)測(cè)預(yù)警單元，所述故障分析模塊設(shè)有故障查詢系統(tǒng)單元、故障診斷系統(tǒng)單元和模板庫(kù)管理單元，故障預(yù)測(cè)模塊設(shè)有故障預(yù)測(cè)單元，所述決策方案模塊設(shè)有故障管理系統(tǒng)單元和決策方案系統(tǒng)單元，所述設(shè)備信息模塊設(shè)有設(shè)備信息管理單元和設(shè)備維護(hù)系統(tǒng)單元，監(jiān)控生產(chǎn)數(shù)據(jù)庫(kù)單元輸出端與更新專家數(shù)據(jù)庫(kù)單元輸入端相連接，更新專家數(shù)據(jù)庫(kù)單元第一輸出端與故障監(jiān)測(cè)預(yù)警單元輸入端相連接，故障診斷系統(tǒng)單元輸出端與故障監(jiān)測(cè)預(yù)警單元輸入端相連接，更新專家數(shù)據(jù)庫(kù)單元第二輸出端與故障診斷系統(tǒng)單元輸入端相連接；所述登錄管理單元與用戶信息庫(kù)相連接，數(shù)據(jù)庫(kù)連接管理單元與系統(tǒng)庫(kù)相連接，所述監(jiān)控生產(chǎn)數(shù)據(jù)庫(kù)單元、更新專家數(shù)據(jù)庫(kù)單元、故障監(jiān)測(cè)預(yù)警單元、故障查詢系統(tǒng)單元、故障預(yù)測(cè)單元、故障管理系統(tǒng)單元均與數(shù)據(jù)監(jiān)測(cè)庫(kù)相連接，故障診斷系統(tǒng)單元、模板庫(kù)管理單元均與模板庫(kù)相連接，決策方案系統(tǒng)單元分別與專家知識(shí)庫(kù)和案例庫(kù)相連接，設(shè)備信息管理單元和設(shè)備維護(hù)系統(tǒng)單元均與設(shè)備信息庫(kù)相連接。如附圖1、2所示，所述電參數(shù)采集模塊、溫度傳感器、壓力傳感器、動(dòng)液面測(cè)量?jī)x、一體化示功儀分別采集現(xiàn)場(chǎng)的電機(jī)電流和功率參數(shù)、油溫參數(shù)、油管壓力參數(shù)和套管壓力參數(shù)、動(dòng)液面深度、抽油機(jī)載荷功圖和角位移功圖并通過(guò)無(wú)線通信傳輸至遠(yuǎn)程測(cè)控模塊，流量傳感器和可燃?xì)怏w檢測(cè)儀分別采集現(xiàn)場(chǎng)的油田產(chǎn)液量和可燃?xì)怏w濃度并通過(guò)有線通信傳輸至遠(yuǎn)程測(cè)控模塊；或/和，所述遠(yuǎn)程測(cè)控模塊為RTU遠(yuǎn)程測(cè)控終端。這里的RTU遠(yuǎn)程控制終端提供了多個(gè)與現(xiàn)場(chǎng)測(cè)試端的接口，可分別采集各生產(chǎn)數(shù)據(jù)，并進(jìn)行數(shù)據(jù)轉(zhuǎn)換后存儲(chǔ)在臨時(shí)寄存器中，再通過(guò)無(wú)線接口發(fā)送給遠(yuǎn)端的無(wú)線服務(wù)器。這里的無(wú)線通信傳輸采用ZigBee通信，有線通信傳輸采用RS485有線通信。實(shí)施例2：如附圖1、2、3、4、5、6、7所示，一種上述油井故障智能化分析決策系統(tǒng)的故障診斷方法，包括以下步驟：第一步，功圖轉(zhuǎn)化，數(shù)據(jù)采集模塊將采集得到設(shè)備參數(shù)傳輸至運(yùn)行監(jiān)控模塊，更新專家數(shù)據(jù)庫(kù)后由故障診斷系統(tǒng)單元將地面測(cè)的示功圖轉(zhuǎn)換為井下有桿泵示功圖，完成功圖轉(zhuǎn)換，步驟如下：建立波動(dòng)方程，公式如下：式中：u(x,t)為抽油桿柱在x深度處的橫截面在t時(shí)刻的位移；x為深度；t為時(shí)間；a為應(yīng)力在抽油桿柱上的傳播速度；c為阻尼系數(shù)；其上、下邊界條件的傅里葉級(jí)數(shù)表示及初始條件公式如下：其中：f(x,t)為柱塞在位移x、時(shí)刻t時(shí)的載荷；D(t)為懸點(diǎn)在t時(shí)刻的位移；U(t)為光桿在時(shí)刻t時(shí)的位移；σn、τn、vn、δn為傅里葉系數(shù)；通過(guò)分離變量及傅里葉變換可以求出u(x,t)：根據(jù)胡克定律，可以求得式中：On(x)＝(knchβnx+δnshβnx)sinαnx+(unchβnx+vnshβnx)cosαnx(5)Pn(x)＝(knchβnx+δnchβnx)cosαnx+(μnchβnx+vnshβnx)sinαnx(6)根據(jù)波動(dòng)方程的解u(x,t)，f(x,t)及其邊界條件將井上獲取的地面示功圖轉(zhuǎn)換為井下泵功圖；這里轉(zhuǎn)化之后，對(duì)功圖進(jìn)行特征值提取、識(shí)別，識(shí)別結(jié)果顯示示功圖經(jīng)過(guò)轉(zhuǎn)化之后，識(shí)別率大大提高。第二步，對(duì)明顯特征功圖進(jìn)行分類為需要神經(jīng)網(wǎng)絡(luò)分析和不需要神經(jīng)網(wǎng)絡(luò)分析，需要神經(jīng)網(wǎng)絡(luò)分析的功圖進(jìn)入第三步，不需要神經(jīng)網(wǎng)絡(luò)分析的功圖進(jìn)入第四步；第三步，根據(jù)不同故障功圖變化，需要神經(jīng)網(wǎng)絡(luò)分析的功圖分別采用幾何法、網(wǎng)格法和傅立葉描述子法對(duì)功圖特征值進(jìn)行提取，之后進(jìn)入第五步；對(duì)于需要神經(jīng)網(wǎng)絡(luò)分析故障如“結(jié)蠟、氣體影響、供液不足、稠油影響、砂卡、漏失、氣鎖”等故障結(jié)合所有的特征值相關(guān)參數(shù)以及生產(chǎn)數(shù)據(jù)(如產(chǎn)液量、動(dòng)液面、理論最大最小載荷)、模版庫(kù)，通過(guò)BP神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)復(fù)雜功圖的自動(dòng)診斷。第四步，根據(jù)不同故障功圖變化，不需要神經(jīng)網(wǎng)絡(luò)分析的功圖采用灰度矩陣對(duì)功圖特征值進(jìn)行提取，之后進(jìn)入第六步；第五步，根據(jù)數(shù)據(jù)采集模塊采集的生產(chǎn)數(shù)據(jù)結(jié)合第三步提取的功圖特征值，調(diào)用單井模板庫(kù)和區(qū)塊模板庫(kù)對(duì)故障進(jìn)行診斷分析，之后進(jìn)入第七步；這里的第五步采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)故障進(jìn)行診斷分析，使用三層神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)，BP神經(jīng)網(wǎng)絡(luò)的輸入層為29個(gè)特征值點(diǎn)；BP神經(jīng)網(wǎng)絡(luò)隱含層選擇Sigmoid型函數(shù)進(jìn)行內(nèi)部學(xué)習(xí)及處理；輸出節(jié)點(diǎn)設(shè)為7個(gè)，如設(shè)置正常功圖對(duì)應(yīng)的輸出為[0000001]，碰泵功圖對(duì)應(yīng)的輸出為[0000010]，供液不足功圖對(duì)應(yīng)輸出為[0000100],氣體影響功圖對(duì)應(yīng)輸出為[0001000]。在實(shí)驗(yàn)時(shí)，選取現(xiàn)場(chǎng)搜集的500幅功圖數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，網(wǎng)絡(luò)訓(xùn)練好之后，選取部分?jǐn)?shù)據(jù)進(jìn)行測(cè)試，訓(xùn)練結(jié)果如附圖7所示。第六步，根據(jù)數(shù)據(jù)采集模塊采集的生產(chǎn)數(shù)據(jù)結(jié)合第三步提取的功圖特征值，運(yùn)用歐式距離分類進(jìn)行診斷分析，之后進(jìn)入第七步；對(duì)于不需要神經(jīng)網(wǎng)絡(luò)分析故障如“抽油桿斷脫、泵卡、連抽帶噴、活塞出泵筒”等故障直接結(jié)合生產(chǎn)數(shù)據(jù)(如產(chǎn)液量、動(dòng)液面、理論最大最小載荷等)使用歐式距離分類方法實(shí)現(xiàn)故障診斷。第七步，得出故障診斷結(jié)果，對(duì)故障診斷結(jié)果進(jìn)行現(xiàn)場(chǎng)驗(yàn)證，若現(xiàn)場(chǎng)驗(yàn)證正確，則將相應(yīng)故障診斷結(jié)果統(tǒng)計(jì)數(shù)自動(dòng)加1次；若現(xiàn)場(chǎng)驗(yàn)證錯(cuò)誤，則修正故障診斷結(jié)果并將該單井功圖作為模板存入相應(yīng)的單井模版庫(kù)中。如附圖1、2、3、4、5、6、7、表1所示，在第三步中，幾何法特征值提取是基于泵功圖進(jìn)行幾何操作獲取特征值，對(duì)所述泵功圖提取的幾何特征值為:上沖程始點(diǎn)A、左下面積A1、左上面積A2、右上面積A3、右下面積A4、上行變形結(jié)束點(diǎn)B、下行變形結(jié)束點(diǎn)D、上死點(diǎn)C、曲線質(zhì)心G、最小載荷Fmax和最小載荷Fmin。如附圖1、2、3、4、5、6、7所示，在第三步中，所述的網(wǎng)格特征值提取法，對(duì)功圖圖像進(jìn)行網(wǎng)格化處理，將示功圖分解成若干個(gè)形狀、大小相同的網(wǎng)格，對(duì)有示功圖穿過(guò)的網(wǎng)格賦值“1”，對(duì)于其它網(wǎng)格，以功圖穿過(guò)的網(wǎng)格為中心，當(dāng)其位于功圖外部時(shí)，每遠(yuǎn)離一格，灰度值減去1，當(dāng)位于功圖內(nèi)部時(shí)，每遠(yuǎn)離一格，灰度值增加1，計(jì)算灰度矩陣的灰度均值、灰度方差、灰度偏差、灰度峰度、灰度能量、灰度熵六個(gè)特征參數(shù)，公式如下：灰度均值：灰度方差：灰度偏差：灰度峰度：灰度能量：灰度熵：以此作為特征值與標(biāo)準(zhǔn)特征值進(jìn)行比較；該網(wǎng)格法得到的特征值具有較低的維數(shù)，只能識(shí)別特征較為明顯的示功圖。如附圖1、2、3、4、5、6、7所示，在第三步中，傅立葉描述子法特征值提取是對(duì)功圖進(jìn)行傅立葉級(jí)數(shù)展開(kāi)表征功圖形狀，即沿示功圖輪廓線的一個(gè)動(dòng)點(diǎn)P(l)的坐標(biāo)變化是一個(gè)以功圖周長(zhǎng)為周期的周期函數(shù)，該函數(shù)可以用傅里葉級(jí)數(shù)表示，其系數(shù)a(k)稱為傅里葉描述子，表達(dá)式如下：進(jìn)行歸一化后公式：式中是對(duì)傅里葉系數(shù)a(k)取模；由于變換后的高頻系數(shù)較小，因此，通常只選取低頻系數(shù)作為特征值，根據(jù)對(duì)功圖的傅里葉變換可知，當(dāng)k>20時(shí)，傅里葉描述子變得十分小，故選取k＝20。為了使傅里葉描述子與功圖的旋轉(zhuǎn)、平移和尺度無(wú)關(guān)，所以對(duì)a(k)進(jìn)行歸一化計(jì)算，該方法能對(duì)功圖的細(xì)節(jié)特征進(jìn)行描述，能識(shí)別較為復(fù)雜的功圖。實(shí)施例3：如附圖1、2、8、9所示，一種上述油井故障智能化分析決策系統(tǒng)的故障預(yù)測(cè)方法，包括以下步驟：第一步，提取單井近期的5組正常示功圖的特征值，之后進(jìn)入第二步；第二步，將單井近期5組正常示功圖的特征值與模板庫(kù)中正常示功圖進(jìn)行對(duì)比，計(jì)算相似度，之后進(jìn)入第三步；第三步，建立數(shù)據(jù)的動(dòng)態(tài)模型，即GM(h,n)模型，其微分方程是時(shí)間域的連續(xù)函數(shù)，h為方程階數(shù)，n為變量個(gè)數(shù)，微分方程如下公式所示：則微分方程的系數(shù)向量為：采用最小二乘法求解，結(jié)果為：式中為A組成的分塊矩陣，之后進(jìn)入第四步；第四步，當(dāng)發(fā)現(xiàn)特征值與正常示功圖匹配的越來(lái)越低時(shí)，對(duì)下一組示功圖數(shù)據(jù)進(jìn)行預(yù)測(cè)，判斷其是否會(huì)發(fā)生故障；若滿足偏離界限，立即通過(guò)故障監(jiān)測(cè)預(yù)警單元進(jìn)行預(yù)警。如附圖1、2、8、9所示，上述第三步中，GM(1，1)模型的建模原理為：(1)設(shè)原始序列為X(0)，有：X(0)＝[x(0)(1),x(0)(2),...,x(0)(n)](22)對(duì)原始序列X(0)進(jìn)行一次累加生成序列X(1)，得到：X(1)＝[x(1)(1),x(1)(2),...,x(1)(n)](23)原始序列X(0)與一次累加生成序列X(1)中的對(duì)應(yīng)數(shù)據(jù)之間的關(guān)系為：(2)建立GM(1，1)模型的白化微分方程為：GM(1，1)模型的灰微分方程為：x(0)(k)+az(1)(k)＝bk＝1,2,..,n(26)公式(26)中，a為發(fā)展系數(shù)，b為灰作用量，均為待辨識(shí)的參數(shù)，x(0)(k)為灰導(dǎo)數(shù)，z(1)(k)為背景值，背景值的計(jì)算公式如式(27)：(3)設(shè)待求參數(shù)Y＝[x(0)(2),x(0)(3),...,x(0)(n)]T根據(jù)最小二乘原理，計(jì)算微分方程的解為：(4)令x(1)(0)＝x(0)(0)，則原始序列的預(yù)測(cè)公式為：式(30)中：為x(0)(k)的擬合值，為第k+1個(gè)預(yù)測(cè)值。實(shí)施例4：如附圖1、2、10所示，一種油井故障智能化分析決策系統(tǒng)的決策方案使用方法，包括以下步驟：第一步，在進(jìn)行故障診斷結(jié)果之后，根據(jù)故障類型進(jìn)行問(wèn)題描述，在案例庫(kù)中進(jìn)行案例檢索，之后進(jìn)入第二步；第二步，通過(guò)決策方案模塊查找該故障解決方案是否在數(shù)據(jù)庫(kù)中，若數(shù)據(jù)庫(kù)中有解決方案，則得到存在解決方案的結(jié)論之后進(jìn)入第三步，如果未找到對(duì)應(yīng)的解決方案，用戶針對(duì)診斷結(jié)果分析后添加相應(yīng)的解決方案，補(bǔ)充數(shù)據(jù)庫(kù)，結(jié)束；第三步，判斷解決方案中是否存在滿意的解決方案，若沒(méi)有滿意的解決方案用戶自行設(shè)計(jì)適合的解決方案，并將解決結(jié)果以案例形式添加到案例庫(kù)，結(jié)束；如尋找到滿意的解決方案，之后進(jìn)入第四步；第四步，如果有滿意的方案，根據(jù)用戶的選擇，將該解決方案采納次數(shù)自動(dòng)加1，在下次尋找方案時(shí)，優(yōu)先顯示采納次數(shù)最多的方案，之后結(jié)束。以上技術(shù)特征構(gòu)成了本發(fā)明的實(shí)施例，其具有較強(qiáng)的適應(yīng)性和實(shí)施效果，可根據(jù)實(shí)際需要增減非必要的技術(shù)特征，來(lái)滿足不同情況的需求。表1幾何特征值上沖程始點(diǎn)(A)上行變形結(jié)束點(diǎn)(B)上死點(diǎn)(C)左下面積(A1)下行變形結(jié)束點(diǎn)(D)曲線質(zhì)心(G)左上面積(A2)右上面積(A3)左下面積(A4)最小載荷(Fmax)最小載荷(Fmin)當(dāng)前第1頁(yè)1 2 3