檀朝東 黃新春 王松 張光一 付軍 杜廣浩

1. 中國(guó)石油大學(xué)(北京)油氣資源與探測(cè)國(guó)家重點(diǎn)實(shí)驗(yàn)室；2. 中國(guó)石油大學(xué)(北京)石油工程學(xué)院；3. 中國(guó)石油大學(xué)(北京)人工智能學(xué)院；4. 中海油能源發(fā)展股份有限公司工程技術(shù)分公司

0 引言

全球95%的油井使用人工舉升方式開采。其中，電潛泵舉升井約有130 000口［1］，僅次于抽油機(jī)井。電潛泵井舉升的液量最多［2］，其每年產(chǎn)出的原油約占全球總油量的60%，并且電泵維護(hù)費(fèi)用占全球年度人工舉升費(fèi)用的43%［3］。我國(guó)電泵舉升井的數(shù)量達(dá)到15 000多口，是海上油田開發(fā)和陸上油田后期提液穩(wěn)油的主要方式。油田現(xiàn)場(chǎng)服役電泵的性能和使用壽命受許多因素影響，如復(fù)雜井眼、高溫高壓、高黏度流體、高氣液比流體、出砂、結(jié)蠟等，導(dǎo)致電泵井出現(xiàn)磨損、氣鎖、卡泵、沖蝕、腐蝕、漏失、電纜擊穿、電機(jī)損壞等故障，不僅增加油井檢泵作業(yè)維護(hù)費(fèi)用，而且由于作業(yè)停產(chǎn)和作業(yè)后恢復(fù)期減產(chǎn)等因素間接影響油井產(chǎn)量，經(jīng)濟(jì)效益損失大。目前電泵井平均檢泵周期約1 000 d，若單井檢泵作業(yè)維護(hù)費(fèi)按12萬(wàn)元、電泵單井原油產(chǎn)量按15 t/d、待作業(yè)與作業(yè)后恢復(fù)期減產(chǎn)對(duì)油井產(chǎn)量的影響時(shí)間按7 d、原油價(jià)格按3 200元/t計(jì)算，則我國(guó)電潛泵井年檢泵作業(yè)約8 000井次，直接檢泵費(fèi)用達(dá)10億元，作業(yè)減產(chǎn)所造成的產(chǎn)量損失為27億元，年經(jīng)濟(jì)損失達(dá)37億元。若能將電泵井檢泵周期提高30%，年經(jīng)濟(jì)效益可達(dá)10億元。深入研究電潛泵生產(chǎn)診斷機(jī)制與早期預(yù)警方法，對(duì)指導(dǎo)現(xiàn)場(chǎng)生產(chǎn)、減少故障次數(shù)、延長(zhǎng)檢泵周期、降低采油成本以及提高油田開發(fā)的經(jīng)濟(jì)效益具有重要意義。

1 電泵舉升故障診斷預(yù)警理論研究現(xiàn)狀

電泵在多相流井筒中運(yùn)行可能產(chǎn)生很多問(wèn)題，包括氣鎖、卡泵、侵蝕、腐蝕、磨損、電纜擊穿、漏失等。隨著壓力下降，氣體從溶液中分離出來(lái)，可能導(dǎo)致壓頭退化。在臨界情況下，對(duì)于高氣液比和低吸入壓力，可能會(huì)出現(xiàn)：(1)壓力波動(dòng)，其特征是隨著氣體體積分?jǐn)?shù)的增加，壓頭突然急劇下降，喘振；(2)氣鎖，導(dǎo)致無(wú)壓頭和無(wú)流量；(3)低吸入壓力和高氣液比,可能引起磨損、溫度上升超限等。段塞流的液氣交替結(jié)構(gòu)的固有特性也會(huì)導(dǎo)致泵產(chǎn)生時(shí)變推力，可能導(dǎo)致位于電機(jī)保護(hù)器或密封段的止推軸承承受異常的推力振蕩。電泵機(jī)組處于油藏地層井筒多相流體之中，無(wú)法用肉眼觀測(cè)，很難精確建立油井生產(chǎn)系統(tǒng)的數(shù)學(xué)模型，無(wú)法準(zhǔn)確地認(rèn)識(shí)油藏滲流機(jī)理、井筒多相流流動(dòng)規(guī)律、機(jī)泵運(yùn)行特性、管柱破壞機(jī)理、電泵機(jī)組溫升規(guī)律、流體-機(jī)械-電氣的相互間的作用等。深入了解電泵內(nèi)部的運(yùn)行機(jī)理和充分利用電泵機(jī)組動(dòng)態(tài)性能數(shù)據(jù)可以為電泵故障診斷、電泵設(shè)計(jì)和優(yōu)化油井生產(chǎn)提供指導(dǎo)，也能夠延長(zhǎng)電泵的檢修周期、降低維護(hù)成本和延長(zhǎng)油井生產(chǎn)系統(tǒng)的運(yùn)行壽命。因此，在復(fù)雜、不確定、非結(jié)構(gòu)化的油藏環(huán)境中，電泵舉升油井的工況診斷與決策成為智能油井研究的熱點(diǎn)與難點(diǎn)問(wèn)題之一。

1.1 建立客觀反映電泵運(yùn)行動(dòng)態(tài)工況特性的機(jī)理模型和精確求解具有極大挑戰(zhàn)性

以往的油井生產(chǎn)系統(tǒng)動(dòng)態(tài)特征研究多是通過(guò)建立精確油井資源的不同物理屬性的機(jī)理模型(包括計(jì)算流體動(dòng)力學(xué)、結(jié)構(gòu)動(dòng)力學(xué)、熱力學(xué)、應(yīng)力分析、疲勞損傷以及材料狀態(tài)演化模型)對(duì)已知、確定、結(jié)構(gòu)化的工作條件進(jìn)行的，這個(gè)理想條件下的研究具有明顯的局限性。

CFD模擬是一種廣泛應(yīng)用于復(fù)雜幾何體內(nèi)部機(jī)理分析的方法。目前，專家學(xué)者對(duì)于CFD模擬做了大量研究。Tan C D等［4］揭示了抽油泵筒的矩形槽間隙密封結(jié)構(gòu)的流動(dòng)阻力機(jī)理和密封結(jié)構(gòu)參數(shù)的合理設(shè)計(jì)，采用CFD技術(shù)對(duì)矩形槽間隙密封結(jié)構(gòu)的流動(dòng)特性進(jìn)行了仿真。Krüger S等［5］使用Gülich J F［6］開發(fā)的經(jīng)驗(yàn)?zāi)Ｐ鸵约癈FD模擬(euler-euler方法)預(yù)測(cè)離心泵中的侵蝕；Marsis E等［7］將離散相模型(DPM)和歐拉顆粒模型應(yīng)用于上述CFD侵蝕模型，以預(yù)測(cè)電泵內(nèi)的侵蝕率；Basaran B［8］在不同黏度流體下進(jìn)行了兩級(jí)電泵侵蝕模擬。Zhu H W等［9］通過(guò)CFD模擬研究了不同侵蝕模型、泵類型、顆粒密度和直徑的影響；Gamboa J等［10］以及Monte Verde W等［11］研究了不同氣液流量、吸入壓力和轉(zhuǎn)速條件下，泵級(jí)性能、旋轉(zhuǎn)電潛泵葉輪內(nèi)部形成的流型和壓力喘振現(xiàn)象。Nemoto R H等［12］利用商用動(dòng)態(tài)多相流模擬器(OLGA)研究電泵油井的儲(chǔ)層流入、井筒流動(dòng)和操作參數(shù)之間的相互作用。以上基于機(jī)理模型的故障診斷預(yù)警方法能夠?qū)崿F(xiàn)對(duì)影響電泵的重要不可測(cè)參數(shù)的監(jiān)測(cè)和故障的早期診斷預(yù)警，具有可靠性強(qiáng)、精度高等特點(diǎn)。然而電泵舉升油井是一個(gè)具有非線性、時(shí)變特性的物理對(duì)象，且井筒內(nèi)部流固耦合、設(shè)備運(yùn)行過(guò)程機(jī)理復(fù)雜，很難快速地得到一個(gè)精確的解。因此，建立一個(gè)能客觀反映電泵油井動(dòng)態(tài)工況特性的復(fù)雜機(jī)理模型和對(duì)該模型快速精確求解都是極具挑戰(zhàn)性的。

1.2 基于大數(shù)據(jù)診斷模型未必能完整描述電泵生產(chǎn)系統(tǒng)工況的真實(shí)映射關(guān)系

隨著機(jī)器學(xué)習(xí)、人工智能(AI)和云計(jì)算技術(shù)的發(fā)展，其在解決油井生產(chǎn)過(guò)程智能診斷優(yōu)化方面得到了廣泛的應(yīng)用?；诖髷?shù)據(jù)的智能診斷方法主要是基于帶有故障標(biāo)簽的歷史運(yùn)行參數(shù)，通過(guò)對(duì)不同故障下參數(shù)的變化特征進(jìn)行機(jī)器學(xué)習(xí)，建立故障診斷的數(shù)據(jù)驅(qū)動(dòng)模型，實(shí)現(xiàn)電泵舉升油井運(yùn)行工況的識(shí)別。目前用于診斷的機(jī)器學(xué)習(xí)算法主要有支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和樸素貝葉斯等，通過(guò)建立診斷模型自學(xué)習(xí)機(jī)制，即定期學(xué)習(xí)新的故障特征和不斷優(yōu)化診斷時(shí)間窗口，從而實(shí)現(xiàn)模型的自動(dòng)更新與校準(zhǔn)，提高模型的自適應(yīng)能力，實(shí)現(xiàn)從被動(dòng)(故障事件發(fā)生后分析)轉(zhuǎn)變?yōu)橹鲃?dòng)(提前預(yù)警)。

隋先富等［13］采用主成分分析法(PCA)對(duì)電泵井實(shí)時(shí)生產(chǎn)數(shù)據(jù)進(jìn)行特征提取、降維，用很少的主元重新評(píng)估電潛泵生產(chǎn)系統(tǒng)，得出電潛泵井故障原因并預(yù)估電潛泵剩余使用壽命；Zhang P L等［14］通過(guò)提取電泵不同故障模式下電流卡片的期望值、平均值、方差等特征，根據(jù)不同故障設(shè)定不同閾值來(lái)識(shí)別電泵井故障；Barrios M等［15］提出了用分類和回歸樹(CART)方法對(duì)泵系統(tǒng)中的早期故障進(jìn)行檢測(cè)和分類。Sherif S等［16］提出利用主成分分析方法和通過(guò)實(shí)時(shí)獲取的信息來(lái)預(yù)測(cè)即將發(fā)生的故障；Peng L等［17］利用主成分分析檢測(cè)電潛泵軸損壞的原因，同時(shí)建立了PCA診斷模型以預(yù)測(cè)電泵軸斷裂的時(shí)間，并確定引起電泵軸斷的主要決策變量。古小紅等［18］通過(guò)分析憋壓前井筒中氣液流動(dòng)狀態(tài)，結(jié)合電泵特性曲線和油井流入動(dòng)態(tài)曲線，建立理論憋壓曲線工況特征模型，通過(guò)與實(shí)測(cè)憋壓曲線特征參數(shù)的對(duì)比來(lái)判斷故障類型。

以上數(shù)據(jù)驅(qū)動(dòng)建模方法是僅通過(guò)訓(xùn)練樣本輸入和輸出關(guān)系及其影響因子得到該系統(tǒng)的結(jié)構(gòu)和功能的規(guī)律，被稱為黑箱建模。要得到電泵生產(chǎn)運(yùn)行系統(tǒng)在全工況范圍的特性還需要采用多模型方法對(duì)系統(tǒng)多個(gè)工況點(diǎn)進(jìn)行非線性建模。因此當(dāng)電泵舉升系統(tǒng)工作在非樣本范圍工況時(shí)，采用多個(gè)樣本工況點(diǎn)傳遞函數(shù)加權(quán)的方式對(duì)非線性系統(tǒng)的動(dòng)態(tài)特性進(jìn)行逼近，無(wú)法保證加權(quán)模型的精度。無(wú)論是利用機(jī)器學(xué)習(xí)還是深度學(xué)習(xí)算法進(jìn)行非線性黑箱建模都存在同一個(gè)問(wèn)題：模型是否具有良好的泛化能力。由于未充分利用電泵內(nèi)部系統(tǒng)結(jié)構(gòu)和相互作用的機(jī)理，使得利用黑箱建模方法得到的電泵舉升油井診斷預(yù)警模型未能真實(shí)反映數(shù)據(jù)驅(qū)動(dòng)模型輸入和輸出之間的實(shí)際映射關(guān)系，從而導(dǎo)致模型在訓(xùn)練集上具有較好的擬合性能，在測(cè)試集上表現(xiàn)欠佳。

1.3 電泵生產(chǎn)故障診斷推理機(jī)理及專家系統(tǒng)的自學(xué)習(xí)能力有待加強(qiáng)

工況診斷方法大致分為：基于機(jī)理模型、基于知識(shí)以及基于數(shù)據(jù)驅(qū)動(dòng)的方法［19］。隨著智能傳感器、大數(shù)據(jù)和人工智能等的相繼發(fā)展，諸多專家學(xué)者已將這些先進(jìn)方法引入工況診斷領(lǐng)域。Guo D等［20］提出了一種用于電潛泵故障預(yù)測(cè)的數(shù)據(jù)驅(qū)動(dòng)方法，應(yīng)用支持向量機(jī)(SVM)算法，利用現(xiàn)場(chǎng)的電參數(shù)據(jù)預(yù)測(cè)電潛泵故障。Andrade Marin A等［21］基于電泵井實(shí)時(shí)、歷史動(dòng)態(tài)數(shù)據(jù)和物理仿真結(jié)果提出了用隨機(jī)森林算法建立分析預(yù)測(cè)模型，實(shí)現(xiàn)電潛泵油井故障診斷預(yù)警。Tan C D等［22］以人工神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)方法在大港灘海油田的試驗(yàn)為例，探討能否利用人工神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)方法預(yù)測(cè)電泵的工作狀況，并通過(guò)生產(chǎn)參數(shù)優(yōu)化提高電潛泵油井產(chǎn)量。

專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，即能夠利用油氣行業(yè)知識(shí)和專家經(jīng)驗(yàn)的方法來(lái)處理人工舉升故障診斷領(lǐng)域的復(fù)雜問(wèn)題。目前已有一些電泵故障診斷專家系統(tǒng)，比較有代表性的國(guó)際公司威德福的ForeSite系統(tǒng)、斯倫貝謝公司的Avocet系統(tǒng)、哈里伯頓公司的Voice of the Oilfield?系統(tǒng)和國(guó)內(nèi)雅丹石油科技公司的iWELL-ESP?系統(tǒng)等，這些行業(yè)專家系統(tǒng)能夠分析歷史數(shù)據(jù)的變化趨勢(shì)，執(zhí)行實(shí)時(shí)監(jiān)控，可以在一定生產(chǎn)條件下快速地發(fā)現(xiàn)油井問(wèn)題，優(yōu)化運(yùn)行，預(yù)測(cè)未來(lái)可能發(fā)生的問(wèn)題。

以上多數(shù)故障診斷專家系統(tǒng)仍然存在一些問(wèn)題，主要包括：(1)推理機(jī)制單一，要么基于規(guī)則，要么基于事例，而這兩種推理機(jī)制都各有優(yōu)缺點(diǎn)，采用單一推理機(jī)制會(huì)造成診斷的不準(zhǔn)確性；(2)多數(shù)系統(tǒng)對(duì)于知識(shí)和事例缺乏自學(xué)習(xí)能力，難以實(shí)現(xiàn)診斷模型的有效更新迭代。

多數(shù)電泵井故障診斷系統(tǒng)采用單一推理機(jī)制，或缺乏自學(xué)習(xí)更新能力，嚴(yán)重制約故障診斷準(zhǔn)確性的提高。電泵舉升油井診斷模型的準(zhǔn)確性需要依靠精準(zhǔn)的機(jī)理模型和大量電泵舉升油井實(shí)際運(yùn)行經(jīng)驗(yàn)，且其可靠性驗(yàn)證歷時(shí)長(zhǎng)、操作復(fù)雜、費(fèi)用高，因此嚴(yán)重制約了油氣舉升智能診斷和決策的發(fā)展。

2 機(jī)理仿真與數(shù)據(jù)驅(qū)動(dòng)融合成為電泵舉升故障診斷預(yù)警研究的發(fā)展趨勢(shì)

電泵生產(chǎn)運(yùn)行系統(tǒng)建模方法主要分為2類：基于機(jī)理仿真的建模方法和基于數(shù)據(jù)驅(qū)動(dòng)的辨識(shí)建模方法。機(jī)理仿真建模方法基于物理定律和行業(yè)知識(shí)對(duì)系統(tǒng)進(jìn)行精確的數(shù)學(xué)描述，以建立系統(tǒng)的仿真模型［23］；數(shù)據(jù)建模方法基于大量電泵生產(chǎn)運(yùn)行樣本數(shù)據(jù)，應(yīng)用機(jī)器學(xué)習(xí)深度學(xué)習(xí)的智能算法，對(duì)系統(tǒng)的內(nèi)部結(jié)構(gòu)和運(yùn)行過(guò)程進(jìn)行擬合，建立起輸出與輸入之間的映射［24］。電潛泵生產(chǎn)系統(tǒng)由水力系統(tǒng)、機(jī)械系統(tǒng)、流體系統(tǒng)、傳熱系統(tǒng)和電氣系統(tǒng)等構(gòu)成，主要包括潛油電泵、電機(jī)、保護(hù)器、分離器、電纜、變頻器、變壓器、控制柜等設(shè)備，形成了砂、蠟、稠油、氣等共同作用的流固耦合的復(fù)雜系統(tǒng)，單獨(dú)的機(jī)理模型或數(shù)據(jù)驅(qū)動(dòng)模型都不能將其完整精確描述［25］。

工業(yè)物聯(lián)網(wǎng)(IIOT)的進(jìn)步、計(jì)算能力的提高以及石油天然氣行業(yè)的數(shù)字化促進(jìn)了數(shù)字孿生概念的采用。數(shù)字孿生(Digital Twin)能夠?qū)F(xiàn)場(chǎng)數(shù)據(jù)和機(jī)器學(xué)習(xí)模型與物理模型相結(jié)合，在多維度、多時(shí)間尺度上對(duì)物理實(shí)體進(jìn)行高保真度地描述，建立實(shí)時(shí)映射。數(shù)字孿生模型可模擬、監(jiān)控、診斷物理實(shí)體在現(xiàn)實(shí)環(huán)境中的狀態(tài)和行為。近年來(lái)，數(shù)字孿生技術(shù)已應(yīng)用于以下關(guān)鍵油氣生產(chǎn)工程作業(yè)，包括：鉆井、油田開發(fā)、海上平臺(tái)完整性和操作優(yōu)化［26-29］等。蔣愛(ài)國(guó)等［30］通過(guò)運(yùn)用數(shù)字孿生技術(shù)，將物理實(shí)體映射到數(shù)字孿生模型中，運(yùn)用大數(shù)據(jù)挖掘技術(shù)并集成人工智能技術(shù)，實(shí)現(xiàn)多源信息數(shù)據(jù)的融合，構(gòu)建海上鉆井平臺(tái)五維數(shù)字孿生系統(tǒng)，開發(fā)數(shù)字孿生驅(qū)動(dòng)的半潛式鉆井平臺(tái)智能監(jiān)測(cè)系統(tǒng)；Pedersen E B等［31］提出針對(duì)石油天然氣等行業(yè)的數(shù)字孿生概念，可準(zhǔn)確估算相關(guān)資產(chǎn)的真實(shí)疲勞壽命，從而可在其整個(gè)生命周期內(nèi)保持對(duì)真實(shí)資產(chǎn)的準(zhǔn)確表示并最終延長(zhǎng)其使用壽命；Pournazari P等［32］討論了基于數(shù)字孿生的維護(hù)方式在頂部驅(qū)動(dòng)電機(jī)系統(tǒng)中的應(yīng)用和優(yōu)勢(shì)，這種方法推進(jìn)了頂部驅(qū)動(dòng)馬達(dá)運(yùn)行維護(hù)的更智能，更經(jīng)濟(jì)；Li W H等［33］建立了電池管理系統(tǒng)的數(shù)字孿生模型，實(shí)現(xiàn)電池管理系統(tǒng)的故障診斷，提高了電池使用壽命；Bhowmik S［34］提出一種計(jì)算模型用于預(yù)測(cè)管道性能的變化，進(jìn)行預(yù)測(cè)性維護(hù)，減少運(yùn)營(yíng)支出；Liu X等［35］提出一種基于傳感器的結(jié)構(gòu)化數(shù)字孿生框架，討論了它們?cè)诤Ｑ筚Y產(chǎn)中的應(yīng)用；Kongsberg公司研制的K-Spice［36］是一款針對(duì)油氣行業(yè)的動(dòng)態(tài)模擬平臺(tái)，可以建模出與實(shí)際系統(tǒng)1∶1的動(dòng)態(tài)數(shù)字孿生體，并搭建了各類在線與離線的專家系統(tǒng)。區(qū)別于傳統(tǒng)意義的仿真技術(shù)，KSpice動(dòng)態(tài)模擬技術(shù)擁有高精度的數(shù)學(xué)模型作為建?；A(chǔ)，包含動(dòng)靜設(shè)備、各類儀表、自動(dòng)化系統(tǒng)、單/多相管線及各類基于模型的專家系統(tǒng)模塊。

電潛泵生產(chǎn)系統(tǒng)數(shù)字孿生建模技術(shù)的參考文獻(xiàn)很少。KULLICK J等［37］提供了文獻(xiàn)中發(fā)現(xiàn)的最完整的電潛泵孿生系統(tǒng)模型之一，包括電氣、機(jī)械和液壓系統(tǒng)的建模；但是，沒(méi)有提供傳熱模型。大多數(shù)作者只對(duì)電潛泵系統(tǒng)的某些部分進(jìn)行建模，目的是進(jìn)行非常具體的評(píng)估。Thorsen O V等［38］為電潛泵電氣和機(jī)械系統(tǒng)開發(fā)了模型，以預(yù)測(cè)軸中的瞬態(tài)應(yīng)力。Liang X D等［39］為電潛泵電氣系統(tǒng)建模，以研究中壓驅(qū)動(dòng)負(fù)載濾波器的設(shè)計(jì)。Lastra R等［29］描述了為潛油電泵系統(tǒng)開發(fā)數(shù)字孿生的過(guò)程，討論了考慮近井儲(chǔ)層、完井、電潛泵管柱、井液等的仿真建模，討論了電潛泵數(shù)字孿生系統(tǒng)的應(yīng)用。然而，電泵舉升系統(tǒng)的數(shù)字孿生技術(shù)的開發(fā)及實(shí)際應(yīng)用，特別是電潛泵機(jī)組監(jiān)測(cè)和故障預(yù)測(cè)的人工智能(AI)系統(tǒng)的開發(fā)尚處于起步階段，但擁有巨大的價(jià)值潛力。

3 結(jié)束語(yǔ)

電泵舉升油井系統(tǒng)由水力、機(jī)械、流體、傳熱和電氣等系統(tǒng)構(gòu)成，結(jié)構(gòu)復(fù)雜，且運(yùn)行后的電泵機(jī)組健康程度不斷降低，普遍存在性能退化，導(dǎo)致基于單純機(jī)理方法的模型功能和精度受限，且對(duì)國(guó)外商品化機(jī)理仿真軟件系統(tǒng)的依賴大；單一的數(shù)據(jù)驅(qū)動(dòng)模型依賴于大量的訓(xùn)練樣本，獲取多工況試驗(yàn)數(shù)據(jù)的成本高、周期長(zhǎng)，需要較長(zhǎng)周期積累樣本數(shù)據(jù)、訓(xùn)練模型和驗(yàn)證模型，且存在已有樣本范圍外延工況應(yīng)用時(shí)可能存在模型失效問(wèn)題。因此，面向機(jī)理仿真與實(shí)時(shí)數(shù)據(jù)的融合驅(qū)動(dòng)建模成為研究復(fù)雜電泵抽油生產(chǎn)系統(tǒng)故障診斷的重要手段?；跀?shù)字孿生技術(shù)與人工智能算法在油氣行業(yè)應(yīng)用的優(yōu)勢(shì)，油氣井電泵舉升診斷預(yù)警智能化發(fā)展值得期待。