周建龍
(中海油能源發(fā)展股份有限公司工程技術(shù)分公司,天津 300452)
海上油田是全球能源供應(yīng)的重要來源之一,而潛油電泵作為海上油井生產(chǎn)的核心設(shè)備,其穩(wěn)定運行對于海上油田的產(chǎn)量和效益至關(guān)重要。然而,由于海上環(huán)境的復(fù)雜性和惡劣條件,海上潛油電泵的故障率較高,可能存在各種故障,如泵軸承損壞、電纜短路等,給生產(chǎn)和維護帶來了挑戰(zhàn)。因此,開發(fā)一種高效可靠的海上潛油電泵監(jiān)測系統(tǒng)具有重要意義。
傳統(tǒng)的海上潛油電泵監(jiān)測方法通常依賴于人工巡檢或周期性維護,既耗時又昂貴,并且存在一定的安全風(fēng)險。而本文提出的系統(tǒng)通過自動化采集和分析,能夠有效降低運維成本,并提高生產(chǎn)安全性。潛油電泵的電流信號包含了大量有價值的運行狀態(tài)信息,通過對采集的電流數(shù)據(jù)進行處理和分析,可以判斷潛油電泵是否存在故障,并提供相應(yīng)的故障診斷結(jié)果。這有助于提前預(yù)警和排除潛在故障,減少停產(chǎn)時間和維修成本[1]。
基于工業(yè)樹莓派平臺設(shè)計并搭建了一個高速電流數(shù)據(jù)采集系統(tǒng)。首先,通過連接變頻器和潛油電泵獲取電流信號數(shù)據(jù);然后,將工業(yè)樹莓派與MCC118板連接,實現(xiàn)對電流數(shù)據(jù)的高速采集;最后,使用Pyqtgraph庫進行數(shù)據(jù)可視化,將實時采集到的電流信號動態(tài)顯示在樹莓派屏幕上。
系統(tǒng)流程圖如圖1所示。
圖1 高速電流數(shù)據(jù)采集系統(tǒng)流程圖
CM4 Industrial是一款基于Raspberry Pi Compute Module 4設(shè)計的工業(yè)嵌入式計算機[2]。它提供多種工業(yè)通信接口和功能,如多路RS232、RS485,多路高精度ADC,隔離IO輸入,繼電器控制,電池備份的實時時鐘,告警蜂鳴器;同時,它也提供了強大的通信能力和穩(wěn)定性,所以選擇CM4為高速電流數(shù)據(jù)采集的嵌入式平臺。
MCC118是一款由Measurement Computing公司生產(chǎn)的高精度16位8通道模擬輸入數(shù)據(jù)采集卡。MCC118具有高達(dá)100 kS/s的采樣率,并支持多種測量范圍(從±10 mV到±10 V不等),應(yīng)用領(lǐng)域十分廣泛,例如工業(yè)自動化、實驗室測試以及生命科學(xué)研究。因此,在本研究中使用MCC118作為數(shù)據(jù)采集的媒介。
InfluxDB[3]是一個開源的分布式時序數(shù)據(jù)庫,專門用于存儲和查詢時間序列數(shù)據(jù)。它支持高效的寫入和查詢操作,并且可以擴展到多個節(jié)點以提高可用性和性能。
InfluxDB作為最常采用的時序數(shù)據(jù)庫,具有以下優(yōu)點:1)內(nèi)置HTTP API,使用方便;2)使用類SQL語法,數(shù)據(jù)查詢便捷;3)自帶管理界面,管理很簡單,并且讀寫效率高。
高速電流數(shù)據(jù)采集系統(tǒng)由硬件和軟件兩部分組成,硬件部分主要包括變頻器、潛油電泵、樹莓派、MCC118模塊和霍爾傳感器等,軟件部分包括數(shù)據(jù)采集、數(shù)據(jù)存儲和可視化展示等。
進行潛油電泵高速電流數(shù)據(jù)采集系統(tǒng)實驗驗證前,需要進行硬件連接。在負(fù)載實驗室中進行硬件連接,使用負(fù)載電機代替潛油電泵使用,以保證系統(tǒng)的正常實現(xiàn);確保樹莓派、MCC118模塊、變頻器和電機都得到適當(dāng)?shù)碾娫垂?yīng),以避免損壞硬件設(shè)備。首先,將MCC118模塊插入樹莓派上的GPIO引腳,確保插入方向正確并連接穩(wěn)固;其次,在變頻器上電前,需要連接變頻器輸出電纜和負(fù)載電機,確保連接正確無誤,以保證變頻器的正常運行;最后,在變頻器負(fù)載處添加霍爾電流傳感器,用于獲取井下機組三相電流數(shù)據(jù)。
圖2為霍爾電流傳感器安裝圖。
圖2 霍爾電流傳感器安裝圖
霍爾電流傳感器主要用于實時監(jiān)測電機的電流信號,并將其轉(zhuǎn)換成相應(yīng)的電信號輸出,通過這些信號可以實現(xiàn)電機的保護和控制。將霍爾電流傳感器的輸出端口與MCC118模塊的輸入端口相連,并根據(jù)電流傳感器和MCC118模塊的要求確認(rèn)連接方式。
在Python編程語言的基礎(chǔ)上,建立多線程方式,分別為讀和寫兩個進程。結(jié)合樹莓派和MCC118采集高速電流數(shù)據(jù),并實時存儲到InfluxDB數(shù)據(jù)庫中,供后續(xù)使用。
2.2.1 MCC118數(shù)據(jù)采集
三相電流數(shù)據(jù)通過MCC118電路板實現(xiàn)采集,首先,需對工業(yè)樹莓派和MCC118進行相關(guān)依賴庫的安裝與初始化,建立與模塊的通信連接;其次,通過設(shè)置采樣率、采樣通道、數(shù)據(jù)精度等參數(shù),滿足潛油電泵電流信號采集的需求;最后,在一個循環(huán)中,以合適的時間間隔讀取MCC118模塊采集到的數(shù)據(jù),并存儲到內(nèi)存中。
MCC118數(shù)據(jù)采集程序?qū)崿F(xiàn)如下:
board=mcc118(0)
board.a_in_scan_start(0x07,1,2500.0,OptionFlags.CONTINUOUS)
其中, “0x07” 為通道0、1、2三通道編碼。
2.2.2 高速電流數(shù)據(jù)存儲
通過MCC118電路板采集電流數(shù)據(jù)之后,使用Python的數(shù)據(jù)處理庫對采集到的數(shù)據(jù)進行處理,并實時存儲到InfluxDB時序數(shù)據(jù)庫中,需要根據(jù)數(shù)據(jù)量和采樣率等因素,調(diào)整數(shù)據(jù)庫的配置以支持1 000次/s的存儲速率[4]。
InfluxDB數(shù)據(jù)庫數(shù)據(jù)存儲程序如下:
client = InfluxDBClient('localhost',8086,'admin','admin')
client.switch_database(InfluxDB_dbname)
client.write_points(json_body)
其中, “InfluxDB_dbname” 為數(shù)據(jù)庫名, “json_body” 為采集到的高速電流數(shù)據(jù)。
圖3為InfluxDB數(shù)據(jù)庫數(shù)據(jù)存儲過程圖,存儲數(shù)據(jù)均為毫秒級數(shù)據(jù)。
圖3 InfluxDB數(shù)據(jù)庫數(shù)據(jù)存儲
將采集到的數(shù)據(jù)實時存儲到InfluxDB數(shù)據(jù)庫中,經(jīng)測試,數(shù)據(jù)存儲量如表1所示。
表1 三相高速電流數(shù)據(jù)存儲量
由表1可以得出,三相高速電流數(shù)據(jù)采集速率為1 250次/s,完全達(dá)到1 000次/s的預(yù)期。
使用Pyqt5和Pyqtgraph庫[5]創(chuàng)建一個界面窗口,用于實時顯示電流信號的曲線圖。建立與數(shù)據(jù)采集模塊的數(shù)據(jù)傳輸接口,將采集到的實時數(shù)據(jù)傳遞給Pyqtgraph庫,以便繪制曲線圖。使用信號和槽機制實現(xiàn)數(shù)據(jù)的傳輸。在數(shù)據(jù)傳輸接口建立完成后,可以使用Pyqtgraph庫內(nèi)置的plot方法繪圖工具,實現(xiàn)對電流信號曲線圖的實時更新。
三相高速電流數(shù)據(jù)采集如圖4所示。
圖4 三相高速電流數(shù)據(jù)展示圖
由于三相電流高速采集數(shù)據(jù)為瞬時值,為供后續(xù)狀態(tài)監(jiān)控和故障診斷使用,需轉(zhuǎn)為有效值使用,所以最終圖4為有效值顯示。從圖4可以看出,U、V、W三相上下幅度相差低于1 A,視為三相平衡。
電流瞬時值轉(zhuǎn)為有效值,使用Python中的numpy進行轉(zhuǎn)換,首先對三相電流樣本組進行平方值計算,然后計算平均值,最后開根號轉(zhuǎn)換為有效值。程序如下:
squared_values = np.square(current_samples)# 計算平方值
average_power = np.mean(squared_values)# 計算平均功率
rms_value=np.sqrt(average_power)#計算有效值
本研究基于CM4工業(yè)樹莓派搭建的潛油電泵高速電流數(shù)據(jù)采集系統(tǒng)具有較好的實時性和穩(wěn)定性,為電泵狀態(tài)監(jiān)測和故障診斷提供了有效手段。該系統(tǒng)可廣泛應(yīng)用于油田開采行業(yè),提高電泵系統(tǒng)的安全性和可靠性,降低維護成本。未來的研究可進一步優(yōu)化數(shù)據(jù)采集系統(tǒng)的性能,提高采集速度和數(shù)據(jù)準(zhǔn)確性,并結(jié)合機器學(xué)習(xí)算法進行電泵狀態(tài)智能診斷與預(yù)測。另外,還可將系統(tǒng)與云平臺相結(jié)合,實現(xiàn)遠(yuǎn)程監(jiān)測和故障預(yù)警分析,進一步提高電泵系統(tǒng)的監(jiān)測與維護效率。