楊靖

[摘 要] 基于模式識(shí)別技術(shù)與權(quán)重決策理論相結(jié)合的方法，建立采油廠油水井故障智能診斷系統(tǒng)，以提早發(fā)現(xiàn)和解決問題，使經(jīng)濟(jì)利益最大化。該軟件通過研究SCADA系統(tǒng)的實(shí)時(shí)數(shù)據(jù)及歷史數(shù)據(jù)，完成其歷史和實(shí)時(shí)數(shù)據(jù)導(dǎo)入；對自動(dòng)化監(jiān)測參數(shù)的研究，實(shí)現(xiàn)自動(dòng)化監(jiān)測參數(shù)報(bào)警閾值的智能設(shè)定和實(shí)時(shí)監(jiān)測；建立歷史故障知識(shí)庫，實(shí)現(xiàn)油水井故障的統(tǒng)一管理；對SCADA系統(tǒng)數(shù)據(jù)源點(diǎn)進(jìn)行歸類，分析其數(shù)據(jù)曲線及報(bào)警參數(shù)特性，建立智能分析的數(shù)學(xué)模型，突出自動(dòng)化監(jiān)測故障結(jié)果的實(shí)時(shí)診斷；實(shí)現(xiàn)報(bào)警信息及診斷結(jié)果的推送。

[關(guān)鍵詞] 模式識(shí)別技術(shù)；權(quán)重決策理論；故障模式識(shí)別庫；油水井故障智能診斷系統(tǒng)

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 027

[中圖分類號(hào)] F270.7 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)] 1673 - 0194（2017）19- 0065- 05

1 前 言

油田生產(chǎn)過程中，通過長時(shí)間對井口桿卡、光桿斷、皮帶斷、皮帶打滑、管線破、油管與套管堵漏等生產(chǎn)異常情況進(jìn)行跟蹤和分析，發(fā)現(xiàn)在上述異?，F(xiàn)象發(fā)生前單個(gè)或多個(gè)工況參數(shù)都有一定變化規(guī)律，為了能夠在異常發(fā)生前進(jìn)行處理，可以減少維護(hù)費(fèi)用，提高生產(chǎn)效率，減少對環(huán)境的污染等，可以對異常情況發(fā)生的各種參數(shù)進(jìn)行建模處理，基于上述問題，本文提出油水井故障智能診斷技術(shù)，并將其應(yīng)用于系統(tǒng)研究中，實(shí)現(xiàn)對油水井問題的實(shí)時(shí)診斷及有效預(yù)警報(bào)警。

2 關(guān)鍵技術(shù)

油水井故障診斷的研究是基于模式識(shí)別技術(shù)與權(quán)重決策理論相結(jié)合的方法。利用模式識(shí)別技術(shù)進(jìn)行權(quán)重決策，把如形狀參數(shù)、長寬比、斜率及其他參數(shù)的變化趨勢等類型數(shù)據(jù)，每種都作為特征值提取出來，然后進(jìn)行模式匹配。通過設(shè)置故障診斷模型中所涉及的各類參數(shù)權(quán)重以及趨勢范圍，合理有效的進(jìn)行故障診斷。

2.1 故障模式識(shí)別技術(shù)

油水井故障模式識(shí)別技術(shù)，首先需要建立特征模式匹配的識(shí)別庫（識(shí)別庫具有一定機(jī)器學(xué)習(xí)與自動(dòng)學(xué)習(xí)，樣本越多，診斷越準(zhǔn)確，匹配度越高），把典型樣本特征提取出來存入識(shí)別庫，這樣新的實(shí)時(shí)數(shù)據(jù)過來，同樣提取相應(yīng)特征，并與模式識(shí)別庫進(jìn)行比對，并給出計(jì)算結(jié)果序列。

2.2 多參數(shù)權(quán)重決策理論方法

首先確定某故障所涉及到的所有影響參數(shù)，并實(shí)現(xiàn)對每個(gè)參數(shù)的權(quán)重配比；針對每一種參數(shù)從報(bào)警級(jí)別、偏離程度、前推點(diǎn)數(shù)、趨勢、方差等方面進(jìn)行考慮；針對所有參數(shù)計(jì)算歸一化權(quán)重；根據(jù)故障可能性排序，對概率超過某一限定值的故障給予提示，給出故障推薦序列。

3 油水井故障診斷技術(shù)的方法及其應(yīng)用

根據(jù)采油廠的生產(chǎn)實(shí)際情況，油水井故障智能診斷系統(tǒng)主要圍繞其SCADA系統(tǒng)的實(shí)時(shí)、歷史數(shù)據(jù)進(jìn)行深加工，通過對自動(dòng)化監(jiān)測數(shù)據(jù)和工況參數(shù)的分析研究，智能設(shè)立自動(dòng)化監(jiān)測參數(shù)報(bào)警閾值，建立歷史故障知識(shí)分析庫，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測和智能預(yù)警，并及時(shí)推送報(bào)警信息，從而建立一套自動(dòng)化故障發(fā)生預(yù)警系統(tǒng)，提早發(fā)現(xiàn)問題解決問題，減少維修費(fèi)用及環(huán)境污染，提高效益。系統(tǒng)結(jié)構(gòu)如圖1所示。

3.1 診斷過程的實(shí)現(xiàn)

在整個(gè)油水井故障診斷過程中，需要做到清楚的了解和掌握故障診斷業(yè)務(wù)的過程實(shí)現(xiàn)流程。油水井故障智能診斷系統(tǒng)業(yè)務(wù)流程是：首先，在閾值設(shè)定的基礎(chǔ)上結(jié)合故障診斷數(shù)據(jù)模型對實(shí)時(shí)數(shù)據(jù)進(jìn)行診斷；其次，將診斷結(jié)果展示給中控室業(yè)務(wù)人員，業(yè)務(wù)人員對結(jié)果進(jìn)行審核，對于誤報(bào)進(jìn)行取消報(bào)警，將無誤報(bào)結(jié)果推送給現(xiàn)場操作人員；最后，現(xiàn)場操作人員進(jìn)行現(xiàn)場處理，將處理結(jié)果反饋給業(yè)務(wù)人員。系統(tǒng)診斷過程見圖2。

3.1.1 故障診斷數(shù)據(jù)流轉(zhuǎn)過程

數(shù)據(jù)是根本和基礎(chǔ)，軟件系統(tǒng)在提供可視化的數(shù)據(jù)導(dǎo)入（含人工錄入和SCADA系統(tǒng)數(shù)據(jù)批量導(dǎo)入）功能之外，也支持對規(guī)范數(shù)據(jù)格式的現(xiàn)有數(shù)據(jù)進(jìn)行遷移。在具體實(shí)現(xiàn)時(shí)，以數(shù)據(jù)接口方式來完成本系統(tǒng)與SCADA系統(tǒng)實(shí)時(shí)/歷史數(shù)據(jù)庫數(shù)據(jù)快速讀寫。

在數(shù)據(jù)入庫前提下，實(shí)現(xiàn)權(quán)限用戶對數(shù)據(jù)的檢索查詢。查詢支持按照井區(qū)、計(jì)量站、采油井、注水井等方式查詢實(shí)時(shí)監(jiān)測情況、故障預(yù)警情況、歷史故障知識(shí)庫及故障推送結(jié)果等，并以可視化方式顯示查詢結(jié)果，允許用戶方便地瀏覽，并以常規(guī)表格化（非二進(jìn)制體數(shù)據(jù)）數(shù)據(jù)導(dǎo)出。

在查詢檢索基礎(chǔ)上，提供自動(dòng)化監(jiān)測參數(shù)不同參數(shù)實(shí)時(shí)預(yù)警對比，故障結(jié)果統(tǒng)計(jì)，閾值智能計(jì)算，并以數(shù)據(jù)表格、柱狀圖、曲線圖的呈現(xiàn)方式展示給用戶。系統(tǒng)診斷數(shù)據(jù)流轉(zhuǎn)過程如圖3所示。

3.1.2 報(bào)警閾值的智能設(shè)定過程

根據(jù)SCADA系統(tǒng)的監(jiān)測參數(shù)，分別對采油井、注水井的監(jiān)測參數(shù)進(jìn)行閾值預(yù)警。

采油井的監(jiān)測參數(shù)包括單井油壓、單井回壓、單井套壓、油井電流1、油井電流2、油井電流3、抽油機(jī)最大載荷、抽油機(jī)最小載荷、沖程、沖次。

注水井監(jiān)測參數(shù)包括注水井注水壓力、注水井瞬時(shí)流量、油壓、套壓。

閾值分為高限閾值（高報(bào)，高高報(bào)）和低限閾值（低報(bào)，低低報(bào)），算法設(shè)計(jì)了剔值平均法、多點(diǎn)平均法、單點(diǎn)取值法、經(jīng)驗(yàn)值法、固定值法。例如：

剔值平均法：高限閾值的剔值平均法，把選取的參數(shù)數(shù)值（例如一個(gè)月的數(shù)值）進(jìn)行從大到小降序排序，去掉前N個(gè)高值，然后再依次取前M個(gè)高值計(jì)算的平均值為高值基值，加上不同的經(jīng)驗(yàn)值為高高報(bào)，高報(bào)；低限閾值的剔值平均法，把選取的參數(shù)數(shù)值（例如一個(gè)月的數(shù)值）按從小到大升序排序，去掉前面低值的最低N個(gè)值，再依次取前M個(gè)低值計(jì)算的平均值為低值基值，減去不同的經(jīng)驗(yàn)值為低報(bào)，低低報(bào)。

多點(diǎn)平均法：高限閾值的多點(diǎn)平均法，把選取的參數(shù)數(shù)值（例如一個(gè)月的數(shù)值）進(jìn)行從大到小降序排序，依次取前N個(gè)高值計(jì)算的平均值為高值基值，加上不同的經(jīng)驗(yàn)值為高高報(bào)，高報(bào)；低限閾值的多點(diǎn)平均法，把選取的參數(shù)數(shù)值（例如一個(gè)月的數(shù)值）進(jìn)行從小到大升排序依次取前N個(gè)最低值計(jì)算的平均值為低值基值，減不同的經(jīng)驗(yàn)值為低報(bào)，低低報(bào)。

單點(diǎn)取值法：高限閾值的單點(diǎn)取值法，把選取的參數(shù)數(shù)值（例如一個(gè)月的數(shù)值）按從高到低降序排序，取高值的第N個(gè)值為高值基值，加不同的經(jīng)驗(yàn)值為高高報(bào)，高報(bào)；低限閾值的單點(diǎn)取值法，把選取的參數(shù)數(shù)值（例如一個(gè)月的數(shù)值）按從小到大升序排序，取低值的第N個(gè)值為低值基值，減不同的經(jīng)驗(yàn)值為低報(bào)，低低報(bào)。

固定值法：用戶根據(jù)經(jīng)驗(yàn)直接填寫監(jiān)測對象的某些參數(shù)閾值。

經(jīng)驗(yàn)值法：根據(jù)用戶提供的某些監(jiān)測參數(shù)的經(jīng)驗(yàn)公式，進(jìn)行參數(shù)閾值進(jìn)行計(jì)算。

報(bào)警閾值可以系統(tǒng)計(jì)算，可以統(tǒng)一導(dǎo)入，用戶也可以進(jìn)行修改，確定的閾值按照一定的格式確定保存到系統(tǒng)中，也可導(dǎo)出到用戶要求格式的Excel表中，便于用戶導(dǎo)入現(xiàn)有的SCADA系統(tǒng)中。

3.1.3 建立歷史故障模式識(shí)別庫

總結(jié)分析歷史故障，結(jié)合專家意見建立歷史故障模式識(shí)別庫，逐步完善報(bào)警、預(yù)警跟蹤處理知識(shí)庫。設(shè)立故障配置庫、故障參數(shù)描述表、歷史故障模式識(shí)別庫三部分，故障配置表主要以故障為主，描述故障類型，參數(shù)變化，解決方案，方案人員，現(xiàn)象描述記錄典型故障發(fā)生處理情況；故障參數(shù)描述表是總結(jié)監(jiān)測參數(shù)和故障發(fā)生之間的邏輯關(guān)系，由文字性描述轉(zhuǎn)化為數(shù)字化程序?qū)崿F(xiàn)；歷史故障知識(shí)庫是以歷史發(fā)生的故障為主，記錄發(fā)生故障井號(hào)、時(shí)間、故障類型、參數(shù)異常數(shù)據(jù)、報(bào)警的參數(shù)、報(bào)警的級(jí)別、發(fā)現(xiàn)問題時(shí)間、呼出時(shí)間、發(fā)現(xiàn)人、執(zhí)行人、現(xiàn)場反饋、備注等信息。

3.1.4 智能預(yù)警

通過對SCADA系統(tǒng)歷史數(shù)據(jù)源點(diǎn)進(jìn)行歸類，分析其數(shù)據(jù)曲線及報(bào)警參數(shù)特性，分析故障與報(bào)警參數(shù)的邏輯關(guān)系，建立對其智能分析的數(shù)學(xué)模型，實(shí)現(xiàn)油水井故障結(jié)果的實(shí)時(shí)診斷預(yù)警。

對生產(chǎn)中出現(xiàn)的典型報(bào)警進(jìn)行歷史數(shù)據(jù)的相關(guān)分析，建立相應(yīng)的報(bào)警數(shù)據(jù)模型，以實(shí)現(xiàn)多個(gè)參數(shù)關(guān)聯(lián)性異常、單個(gè)或多個(gè)參數(shù)在一定時(shí)間范圍內(nèi)的趨勢異常等預(yù)警報(bào)警分析。預(yù)警的數(shù)據(jù)模型，是根據(jù)生產(chǎn)工藝情況定義需要報(bào)警的一組相關(guān)條件，監(jiān)測參數(shù)報(bào)警閾值設(shè)定后，當(dāng)監(jiān)測參數(shù)報(bào)警后，根據(jù)故障參數(shù)描述表里的參數(shù)報(bào)警與故障的邏輯關(guān)系，權(quán)重分配，按權(quán)重大小排序，實(shí)時(shí)判斷故障類型。同時(shí)把此故障情況存入歷史故障知識(shí)庫，供后續(xù)處理參照。

3.1.5 報(bào)警結(jié)果推送

本系統(tǒng)采用多種靈活的方式進(jìn)行結(jié)果展示和推送，目前通過短信接口和騰訊通接口對報(bào)警結(jié)果實(shí)時(shí)推送，同時(shí)規(guī)劃各類報(bào)警的推送級(jí)別，避免出現(xiàn)低級(jí)別報(bào)警推送到高級(jí)別管理人員，同時(shí)還避免報(bào)警的重復(fù)推送和誤報(bào)推送。大大減低了通訊成本和人工成本，同時(shí)故障推送及時(shí)有效，縮短故障處理時(shí)間，帶來巨大經(jīng)濟(jì)效益。

3.2 應(yīng)用效果

油水井故障智能診斷系統(tǒng)現(xiàn)場應(yīng)用效果總結(jié)如下：

（1）設(shè)計(jì)并逐步建立起了41種故障類型及權(quán)重決策模型庫，見圖4，為整個(gè)系統(tǒng)奠定了堅(jiān)實(shí)基礎(chǔ)；

（2）多種閥值計(jì)算方法及批量計(jì)算模式，基本替代了原本的手工計(jì)算，閥值計(jì)算精度和工作效率大幅度提升；

（3）油水井故障實(shí)時(shí)智能診斷逐步投入生產(chǎn)運(yùn)行，并取得了較高的識(shí)別率（表1為系統(tǒng)運(yùn)行中心識(shí)別率統(tǒng)計(jì)），日益發(fā)揮出該系統(tǒng)的應(yīng)用價(jià)值；

（4）便捷靈活的報(bào)警信息推送功能，正逐步把業(yè)務(wù)人員從繁瑣溝通中解脫出來，而且實(shí)現(xiàn)了油水井故障的過程化/規(guī)范化管理。

4 結(jié) 論

油水井故障智能診斷系統(tǒng)的投入使用，通過獲取油水井自動(dòng)化采集的實(shí)時(shí)數(shù)據(jù)從不同角度出發(fā)快速準(zhǔn)確定位異常井，并且給出有效的措施建議，使得在無人值守的情況下也能及時(shí)掌握生產(chǎn)動(dòng)態(tài)，降低員工勞動(dòng)強(qiáng)度，起到了降本增效的作用；同時(shí)，它的存在使得采油廠的管理工作更具科學(xué)性和高效性，能夠進(jìn)行推廣應(yīng)用，以更好地推動(dòng)智能油田的建設(shè)。

主要參考文獻(xiàn)

[1]安茂春.故障診斷專家系統(tǒng)及其發(fā)展[J].計(jì)算機(jī)測量與控制，2008，16（9）.

[2]袁風(fēng)賓.數(shù)字化油田油水井自動(dòng)化系統(tǒng)的設(shè)計(jì)[J].價(jià)值工程，2014（19）.

[3]張林森，赫世彥.延長油田的油水井信息管理系統(tǒng)[J].油氣田地面工程，2011，30（1）.

[4]石刻錄.采油井、注入井生產(chǎn)問題百例分析[M].北京：石油工業(yè)出版社，2005.