楊豐銘（遼河油田興隆臺(tái)采油廠，遼寧 盤(pán)錦 124010）

基于自適應(yīng)PCA的油田生產(chǎn)故障診斷方法

楊豐銘（遼河油田興隆臺(tái)采油廠，遼寧 盤(pán)錦 124010）

油田生產(chǎn)過(guò)程中的故障診斷分析，不僅能夠有效的保護(hù)生產(chǎn)設(shè)備，而且能有效降低生產(chǎn)維護(hù)成本，增加生產(chǎn)運(yùn)行的穩(wěn)定性。針對(duì)由于生產(chǎn)工況發(fā)生變化，生產(chǎn)數(shù)據(jù)特征變化而造成的模型失效問(wèn)題，本文提出一種自適應(yīng)的多模型PCA故障診斷方法，實(shí)現(xiàn)故障的實(shí)時(shí)準(zhǔn)確診斷。

故障診斷；主元分析（PCA）；多模型；自適應(yīng)

在實(shí)際油田開(kāi)采過(guò)程中，由于其復(fù)雜的生產(chǎn)環(huán)境影響，容易造成故障發(fā)生點(diǎn)不能精確定位和故障發(fā)現(xiàn)、處理不及時(shí)的缺點(diǎn)，發(fā)生重大經(jīng)濟(jì)損失，使得生產(chǎn)運(yùn)行受到極大的影響。對(duì)于智能化的故障診斷方法[1]研究變得非常熱門(mén)。本文針對(duì)由于生產(chǎn)數(shù)據(jù)和工況條件發(fā)生變化而造成模型固化的問(wèn)題，提出了一種能夠自適應(yīng)生產(chǎn)變化的多模型PCA故障診斷方法。

1 PCA故障診斷原理

PCA是對(duì)數(shù)據(jù)做空間映射進(jìn)行特征提取和降維處理的一種方法，提取原數(shù)據(jù)中的有效信息數(shù)據(jù)作為新變量替換原來(lái)的變量，通過(guò)計(jì)算一些統(tǒng)計(jì)量的性能指標(biāo)來(lái)進(jìn)行故障的診斷分析。首先，采用PCA方法[2]對(duì)歷史數(shù)據(jù)進(jìn)行處理建立系統(tǒng)正常運(yùn)行狀態(tài)下的PCA模型；然后對(duì)實(shí)際生產(chǎn)過(guò)程中的數(shù)據(jù)向量進(jìn)行正交元子空間和殘差子空間上的投影，計(jì)算數(shù)據(jù)向量在相應(yīng)空間上的主元平方T2統(tǒng)計(jì)量和平方預(yù)測(cè)誤差統(tǒng)計(jì)量SPE性能指標(biāo)；對(duì)數(shù)據(jù)向量采用故障重構(gòu)的方法在每一個(gè)故障方向上進(jìn)行投影，對(duì)比重構(gòu)后數(shù)據(jù)的統(tǒng)計(jì)量值和正常統(tǒng)計(jì)量值的區(qū)別，分析辨別和確定故障的來(lái)源。T2統(tǒng)計(jì)量代表的是采樣數(shù)據(jù)在主元空間內(nèi)對(duì)模型的偏離程度；而SPE統(tǒng)計(jì)量則代表的是采樣數(shù)據(jù)在殘差空間內(nèi)對(duì)模型的偏離程度，具體計(jì)算如下：

式（2）中，Pp由載荷矩陣的前p個(gè)向量組成。

2 多模型的PCA算法

在實(shí)際生產(chǎn)過(guò)程中，當(dāng)生產(chǎn)工況發(fā)生變化時(shí)，原先采用歷史數(shù)據(jù)建成的PCA模型容易會(huì)出現(xiàn)固化問(wèn)題，不能準(zhǔn)確診斷故障信息，出現(xiàn)故障誤判和故障漏判的缺陷，對(duì)實(shí)際正常生產(chǎn)造成重大的影響。對(duì)此，本文根據(jù)不同工況條件下的采樣數(shù)據(jù)特點(diǎn)，對(duì)歷史數(shù)據(jù)進(jìn)行分類建立不同工況條件下的PCA故障診斷模型，以提高模型的故障識(shí)別診斷效率。首先根據(jù)歷史樣本數(shù)據(jù)均值作為初始數(shù)據(jù)聚類中心，對(duì)歷史樣本數(shù)據(jù)進(jìn)行聚類，利用分類后的樣本數(shù)據(jù)建立不同工況條件下的PCA模型，計(jì)算相應(yīng)的統(tǒng)計(jì)量控制限；對(duì)于新采集的生產(chǎn)數(shù)據(jù)，進(jìn)行最短歐氏距離的方法進(jìn)行歸類，找到相應(yīng)的主元模型，計(jì)算對(duì)應(yīng)的統(tǒng)計(jì)量指標(biāo)并與統(tǒng)計(jì)量指標(biāo)控制限值作對(duì)比，分析故障點(diǎn)的來(lái)源。本文采用的歐氏距離如下：

式（3）中，n是變量的個(gè)數(shù)；cj為數(shù)據(jù)聚類中心。

3 模型的更新

隨著油田的生產(chǎn)運(yùn)行，由于生產(chǎn)數(shù)據(jù)的動(dòng)態(tài)特性，導(dǎo)致傳統(tǒng)PCA模型會(huì)面臨一個(gè)逐漸失效的問(wèn)題，不再能準(zhǔn)確進(jìn)行系統(tǒng)的故障診斷分析。這時(shí)，如何更新模型適應(yīng)數(shù)據(jù)的動(dòng)態(tài)特性變化顯得尤為重要。本文利用遞推數(shù)據(jù)矩陣的方法，通過(guò)剔除模型中的舊數(shù)據(jù)和引入新數(shù)據(jù)的思想，完成PCA模型的更新過(guò)程。通過(guò)更新計(jì)算模型的統(tǒng)計(jì)量控制限，使模型能夠自適應(yīng)生產(chǎn)數(shù)據(jù)變化的動(dòng)態(tài)特性。

4 實(shí)驗(yàn)驗(yàn)證

采用遼河油田生產(chǎn)現(xiàn)場(chǎng)采集到的水箱液位、示功圖和泵路溫度的歷史數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)。根據(jù)壓裂和蒸汽吞吐等不同工況條件對(duì)8000組歷史樣本數(shù)據(jù)進(jìn)行分類，根據(jù)不同的工況條件建立相應(yīng)的PCA模型1、PAC模型2，計(jì)算不同模型對(duì)應(yīng)的統(tǒng)計(jì)量控制限值SPE。利用新的4000組采樣數(shù)據(jù)進(jìn)行故障實(shí)驗(yàn)驗(yàn)證分析，采用自適應(yīng)的多模型PCA方法與傳統(tǒng)的PCA模型進(jìn)行比較。在故障試驗(yàn)中，對(duì)采集到的3000-3300組數(shù)據(jù)增加偏差為30%的故障，仿真實(shí)驗(yàn)結(jié)果如下所示：

圖1 故障數(shù)據(jù)SPE統(tǒng)計(jì)量圖

根據(jù)實(shí)驗(yàn)仿真圖可知，該方法在樣本數(shù)據(jù)為3000-3300組的統(tǒng)計(jì)量指標(biāo)SPE均明顯超過(guò)了控制限值，而傳統(tǒng)PCA模型在故障數(shù)據(jù)段的SPE統(tǒng)計(jì)量指標(biāo)沒(méi)有超過(guò)控制限，不能有效檢測(cè)到故障，所以自適應(yīng)多模型PCA具有更好的診斷靈敏度和精度，實(shí)驗(yàn)結(jié)果與實(shí)驗(yàn)的前提假設(shè)一致。實(shí)驗(yàn)證明本方法，確實(shí)能夠提高原PCA模型的故障診斷靈敏度和精度，更好的應(yīng)用于生產(chǎn)實(shí)際。

5 結(jié)語(yǔ)

本文針對(duì)傳統(tǒng)PCA模型在故障診斷過(guò)程中存在的辨識(shí)率不高、不能適應(yīng)生產(chǎn)工況變化的缺點(diǎn)，提出了一種能適應(yīng)生產(chǎn)工況變化的多模型PCA故障診斷方法。根據(jù)歷史數(shù)據(jù)特性建立不同工況下的PCA模型，對(duì)于新的采樣數(shù)據(jù)通過(guò)數(shù)據(jù)歸類，找到對(duì)應(yīng)的模型進(jìn)行主元分析，計(jì)算相應(yīng)的統(tǒng)計(jì)量與控制限值進(jìn)行比較，完成故障診斷分析。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證可得，本方法能夠改善傳統(tǒng)PCA診斷存在的誤判斷和漏判斷等不足，具有較高的故障診斷靈敏度，能及時(shí)發(fā)現(xiàn)和診斷故障來(lái)源。

[1]廖銳全等.基于神經(jīng)網(wǎng)絡(luò)的抽油機(jī)井井下故障診斷專家系統(tǒng).[J]武漢理工大學(xué)學(xué)報(bào)，2002，26(4)：457～459.

[2]張承彪，羅運(yùn)柏，文習(xí)山.主成分分析在變壓器故障診斷中的應(yīng)用研究[J].高電壓技術(shù)，2005，31(8)：9-11.