離可 以由下式進(jìn)行計(jì)算，
[0221] 然后由下式計(jì)算預(yù)測(cè)樣本與每一種故障類型的灰關(guān)聯(lián)系數(shù)，
[0223] 其中 ρ = 1，2，···，14;Μ= 1，2,3，···。P e [0，1]為分辨系數(shù)，在這里取 〇. 5;
[0224] 再由下式計(jì)算預(yù)測(cè)樣本與每一種故障類型的灰關(guān)聯(lián)度，
[0226] 根據(jù)公式（41)一公式（43)，計(jì)算預(yù)測(cè)樣本與每一種故障類型的灰關(guān)聯(lián)度，得到的 結(jié)果如表4所示。
[0227] 表4預(yù)測(cè)樣本與各故障類型的灰關(guān)聯(lián)度
[0229] 由表4,預(yù)測(cè)樣本與"氣體影響"故障類型的灰關(guān)聯(lián)度最大，認(rèn)為屬于"氣體影響" 故障類型。
[0230] 以上僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人 員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、 等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于多變量灰色模型的有桿栗抽油井井下故障預(yù)測(cè)方法，其特征是： 1. 1)采用示功圖遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)，首先，將無線示功儀安裝在有桿栗抽油井的抽油 機(jī)的驢頭上，采集光桿的載荷和位移數(shù)據(jù)；無線RTU以無線的方式接收無線示功儀采集的 數(shù)據(jù)，由數(shù)據(jù)采集模塊通過無線AP從站模塊以無線網(wǎng)絡(luò)遠(yuǎn)程傳送到無線AP主站模塊上；示 功圖監(jiān)測(cè)及數(shù)據(jù)處理服務(wù)器接收采集到的光桿的載荷和位移數(shù)據(jù)，繪制采集到的地面示功 圖圖形； 1. 2)將地面示功圖轉(zhuǎn)化為井下栗功圖，以得到能夠真實(shí)反映抽油栗工作狀況的示功圖 圖形； 1. 3)提取井下栗功圖的曲線矩特征作為特征向量，將井下栗功圖劃分為上沖程部分和 下沖程部分，然后根據(jù)曲線矩理論分別提取上沖程部分的7個(gè)曲線矩特征向量和下沖程部 分的7個(gè)曲線矩特征向量，將得到的14個(gè)曲線矩特征向量作為下一步預(yù)測(cè)的變量，具體步 驟如下： a) 將井下栗功圖劃分為上沖程部分和下沖程部分，其中上沖程部分曲線反映了有桿栗 抽油井的上沖程過程，是抽油桿柱在動(dòng)力裝置的作用下向上拉動(dòng)柱塞，抽油栗內(nèi)吸入油液 而井口排出油液的過程；下沖程部分曲線反映了有桿栗抽油井的下沖程過程，是抽油桿柱 在動(dòng)力裝置的作用下向下推動(dòng)柱塞，抽油栗向油管內(nèi)排出油液的過程；假設(shè)井下栗功圖由 N個(gè)采樣點(diǎn)組成，那么從第1個(gè)點(diǎn)到位移最大的點(diǎn)（假設(shè)為第1個(gè)點(diǎn)）為上沖程部分；從第 1+1個(gè)點(diǎn)到第N個(gè)點(diǎn)為下沖程部分； b) 劃分后的上沖程部分曲線由1個(gè)采樣點(diǎn)組成，每個(gè)采樣點(diǎn)的坐標(biāo)為（Xl，yi)，其s+r 階曲線矩HW定義為：其中i= 1，…，1;s, r= 0, 1，2; ΔΖι為兩個(gè)連續(xù)的采樣點(diǎn)間的距離，μsf為s+r階中心矩，定義為：C2) 其中·? = ?= 點(diǎn)?)為曲線的重心坐標(biāo)； w/oo mm 計(jì)算出如下各階中心矩：U00=m00，μ10=0，μ01=0，外二= /^30=:nh〇~+，/?二_1.v?7h +2附⑴).，μν_=mxl -2ymu - χτη?2 --h2y miu t 對(duì)提取的各階中心矩進(jìn)行規(guī)范化處理，由nv表示，定義為： nsr= ^ sr/(μ〇〇)s+r+1⑶ 那么構(gòu)造的上沖程部分的7個(gè)曲線矩特征向量分別定義如下：采用如下修正公式使構(gòu)造的上沖程部分的7個(gè)曲線矩特征向量P 的取值范圍統(tǒng) 一，記為、一Φ7，定義為： ψ Η - ^\rH\m， 其中q= 0, 1，…，7 ; c)提取下沖程部分的曲線矩特征向量，劃分后的下沖程部分曲線由N-1個(gè)采樣點(diǎn)組 成，每個(gè)采樣點(diǎn)的坐標(biāo)為（x_j,y_j)，其s+r階曲線矩m'α定義為：其中j = 1+1，1+2,…，N ;s，r = 0, 1，2 ; Δ Zj為兩個(gè)連續(xù)的采樣點(diǎn)間的距離，μ 'μ為s+r階中心矩，定義為： Ζ=/τ1~Τ ~Γ --- 其中χ = >=;點(diǎn)，·>，)為曲線的重心坐標(biāo)； 計(jì)算出如下各階中心矩：4 〇〇=mm，μ' 10=0，μ01=0， /? = w3。一3-頂；(,+ ,μ,Μ =mm -3ymt)2+2m〇ly , μ12 = mu -2ymn -xmi)2 +2y mw ; 對(duì)提取的各階中心矩進(jìn)行規(guī)范化處理，由n\表示，定義為：n，sr=y，sy(y，00)s+r+1 (14) 那么構(gòu)造的下沖程部分的7個(gè)曲線矩特征向量分別定義如下：采用如下修正公式使構(gòu)造的下沖程部分的7個(gè)曲線矩特征向量代_一鑄4的取值范圍統(tǒng) 一，記為Φ8-Φ14，定義為：其中q' = 8,9,…，14 ; 將提取得到的能夠表征井下栗功圖圖形特征的14個(gè)特征向量^一Φ14，作為下一步 預(yù)測(cè)的變量； 1.4)根據(jù)多變量灰色模型MGM(1,η)的基本理論建立有桿栗抽油井井下故障的多變 量灰色預(yù)測(cè)模型，利用MGM(1，η)模型建立多個(gè)變量之間的動(dòng)態(tài)相關(guān)性，彌補(bǔ)單變量方法的 局限性；將一段連續(xù)時(shí)間內(nèi)的栗功圖所提取的14個(gè)曲線矩特征向量作為多變量灰色模型 (MGM(1，14))的輸入，建立灰時(shí)間序列，每一個(gè)曲線矩特征向量作為灰時(shí)間序列的一個(gè)變 量；由所建立的多變量灰色預(yù)測(cè)模型分別預(yù)測(cè)14個(gè)曲線矩特征向量的下一個(gè)時(shí)間點(diǎn)的特 征向量，所述14個(gè)預(yù)測(cè)的曲線矩特征向量即為能夠表征預(yù)測(cè)樣本特征的特征向量； 將所建立的栗功圖曲線矩特征向量灰時(shí)間序列表示如下：其中p= 1，2,…，14;k= 1，2, 一,111,m為所采用的栗功圖的數(shù)量； 表示栗功圖 曲線矩特征向量灰時(shí)間序列中的第P個(gè)變量中的第k個(gè)影響因素； 令為相應(yīng)的一次累加生成序列，有：建立14元一階常微分方程，有： 記B= (biA，...，bn)T (27) A和B為辨識(shí)參數(shù)，那么將公式（25)簡(jiǎn)記為其中ψ<ιι<>)τ: 在[〇，t]區(qū)間上積分，得到連續(xù)時(shí)間響應(yīng)為Ψ⑴（t) =eAtW⑴（0)+A1 (eAt_I)B(29)將公式（25)進(jìn)行離散化，得到：其中p= 1，2,…，14;k= 2, 3, --,111 ; 記由最小二乘法得到E的辨識(shí)值E，有： E= (LTL)^ΤΥ(32) 其中，由公式（35)得到辨識(shí)參數(shù)A和B的辨識(shí)值A(chǔ)和B，分別為： mA根據(jù)得到的辨識(shí)值A(chǔ)和B，將公式（29)寫成如下離散形式，ψ(〇)⑴=ψ(〇)⑴ (38) Ψ⑴（k) =eA(k "Ψ⑴⑴+Α1 (eA(k)-I)Β(39) 其中Ψ(1)〇〇和Ψ(1)⑴可以將公式（36)和公式（38)代入公式（30)求得； 得到預(yù)測(cè)模型為： Ψ(0) 〇〇 =Ψ⑴ 〇〇-Ψ⑴（k-1) (40) 其中k= 2, 3,…，m; 1. 5)最后，判斷預(yù)測(cè)樣本屬于哪類故障類型通過已有的示功圖信息建立每一種故障類 型的標(biāo)準(zhǔn)集，即對(duì)已確定故障類型的一定數(shù)量的示功圖通過將地面示功圖轉(zhuǎn)化為井下栗功 圖和分別提取其14個(gè)曲線矩特征向量，得到每一種故障類型中每一個(gè)曲線矩特征向量的 取值區(qū)間；所得到的取值區(qū)間由=[νΡ??/^νρ^]表示，p = 2,…，14，其中Vr_,表示第 FM種故障類型的第p個(gè)曲線矩特征向量的下限值，表示第FM種故障類型的第p個(gè)曲線 矩特征向量的上限值； 計(jì)算預(yù)測(cè)樣本的每一個(gè)曲線矩特征向量值與每一種故障類型中相應(yīng)的曲線矩特征向 量值的距離，由下式進(jìn)行計(jì)算：然后由下式計(jì)算預(yù)測(cè)樣本與每一種故障類型的灰關(guān)聯(lián)系數(shù)，其中ρ= 1，2，···，14;Μ= 1，2,3，···。pe[〇，1]為分辨系數(shù)，在這里取 0.5; 再由下式計(jì)算頇涮烊太與毎一釉故瞳悉型的I羊S姿麼.最大的灰關(guān)聯(lián)度所對(duì)應(yīng)的故障類型即為預(yù)測(cè)樣本的故障類型。2. 根據(jù)權(quán)利要求1所述的基于多變量灰色模型的有桿栗抽油井井下故障預(yù)測(cè)方法， 其特征是：步驟3)中井下栗功圖的上沖程部分為有桿栗抽油井抽油桿的懸點(diǎn)由最低點(diǎn)運(yùn) 動(dòng)到最高點(diǎn)的部分；下沖程部分為有桿栗抽油井抽油桿的懸點(diǎn)由最高點(diǎn)運(yùn)動(dòng)到最低點(diǎn)的部 分。3. 根據(jù)權(quán)利要求1所述的基于多變量灰色模型的有桿栗抽油井井下故障預(yù)測(cè)方法，其 特征是：步驟4)對(duì)于有桿栗抽油井井下故障的多變量灰色預(yù)測(cè)模型中所采用的一段連續(xù) 時(shí)間內(nèi)的樣本，連續(xù)時(shí)間的單位可以為小時(shí)或天，所述樣本的數(shù)量為50 - 200個(gè)，以提高預(yù) 測(cè)模型的計(jì)算效率和準(zhǔn)確度。4. 根據(jù)權(quán)利要求1所述的基于多變量灰色模型的有桿栗抽油井井下故障預(yù)測(cè)方法，其 特征是：步驟5)由已有的信息建立每一種故障類型的標(biāo)準(zhǔn)集，已有的信息由已知道故障類 型的示功圖得到，用來建立每一種故障類型的標(biāo)準(zhǔn)集的示功圖的數(shù)量大于2個(gè)。5. 根據(jù)權(quán)利要求1所述的基于多變量灰色模型的有桿栗抽油井井下故障預(yù)測(cè)方法，其 特征是：所述有桿栗抽油井井下故障類型有以下9種："正常"、"氣體影響"、"供液不足"、 "抽油桿斷落"、"游動(dòng)閥漏失"、"固定閥漏失"、"栗上碰"、"栗下碰"、"油井出砂"。
【專利摘要】一種基于多變量灰色模型的有桿泵抽油井井下故障預(yù)測(cè)方法，由示功圖遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)采集地面示功圖；將地面示功圖轉(zhuǎn)化為井下泵功圖；根據(jù)曲線矩理論提取能夠表征井下泵功圖圖形特征的曲線矩特征向量；由多變量灰色模型對(duì)每一個(gè)特征向量進(jìn)行預(yù)測(cè)；計(jì)算預(yù)測(cè)樣本與標(biāo)準(zhǔn)集中每一種故障類型的灰關(guān)聯(lián)度，最大灰關(guān)聯(lián)度所對(duì)應(yīng)的故障類型即為預(yù)測(cè)樣本的故障類型?？珊侠碚{(diào)整抽油井的工作制度，從而提高抽油井的生產(chǎn)效率，可實(shí)現(xiàn)對(duì)有桿泵抽油井井下工作狀況的故障預(yù)測(cè)；計(jì)算簡(jiǎn)單，所需要的樣本少，并且對(duì)于任意分布的數(shù)據(jù)集都適用；預(yù)測(cè)的準(zhǔn)確度高，特別對(duì)于漸變型的故障類型具有較高的預(yù)測(cè)精度。
【IPC分類】E21B47/009
【公開號(hào)】CN105257277
【申請(qǐng)?zhí)枴緾N201510248922
【發(fā)明人】韓瑩, 李琨, 黃海礁, 魏澤飛, 楊一柳, 佘東生
【申請(qǐng)人】渤海大學(xué)
【公開日】2016年1月20日
【申請(qǐng)日】2015年5月15日