摘 要：本文針對(duì)海上壓裂設(shè)備柴油機(jī)的異常檢測(cè)問題，提出了一種基于深度學(xué)習(xí)的檢測(cè)方法。與一般的深度學(xué)習(xí)框架相比，本方法只采用了7個(gè)DBL單元和6個(gè)POOLING單元，結(jié)構(gòu)更精簡(jiǎn)。排煙量和轉(zhuǎn)動(dòng)速度這2個(gè)數(shù)據(jù)經(jīng)均衡化處理后送入深度學(xué)習(xí)框架下，通過(guò)設(shè)定的損失函數(shù)判斷檢測(cè)結(jié)果是否可信。測(cè)試結(jié)果表明，本文方法明顯優(yōu)于其他3種方法，使壓裂設(shè)備柴油機(jī)的異常狀態(tài)檢出率達(dá)90%以上。

關(guān)鍵詞：海上石油開采；壓裂設(shè)備；柴油機(jī)；智能檢測(cè)

中圖分類號(hào)：TE 42" " " " 文獻(xiàn)標(biāo)志碼：A

石油在現(xiàn)代經(jīng)濟(jì)發(fā)展過(guò)程中具有舉足重輕的重要地位，也被稱之為工業(yè)的血液。隨著世界各國(guó)經(jīng)濟(jì)迅速發(fā)展和全球經(jīng)濟(jì)一體化，全球范圍內(nèi)的陸地石油資源被大量消耗，海洋石油資源勘探和開采已經(jīng)成為石油產(chǎn)量增加的重要補(bǔ)給。但是，海上石油開采環(huán)境與陸地石油開采有較大不同，其環(huán)境條件惡劣、未知風(fēng)險(xiǎn)因素多，給開采工作帶來(lái)嚴(yán)峻挑戰(zhàn)[1]。因此，海上石油開采需要配置特殊設(shè)備，壓裂設(shè)備就是其中重要的一種。海上石油開采所需壓裂設(shè)備動(dòng)力需求大，一般采用柴油機(jī)作為能源供給設(shè)備[2]。因此柴油機(jī)的穩(wěn)定工作就成為壓裂設(shè)備可靠運(yùn)行的重要保證，也會(huì)直接影響海上石油的開采效率。但是，由于長(zhǎng)時(shí)間高負(fù)荷工作，柴油機(jī)可能會(huì)出現(xiàn)各種故障，因此進(jìn)行柴油機(jī)關(guān)鍵參數(shù)異常數(shù)據(jù)檢測(cè)就成為判斷柴油機(jī)是否可以繼續(xù)工作的有效手段[3]。為此，本文提出了一種專門用于海上壓裂設(shè)備柴油機(jī)異常狀態(tài)檢測(cè)的智能檢測(cè)方法。

1 海上石油開采壓裂設(shè)備柴油機(jī)狀態(tài)參數(shù)

海上石油開采環(huán)境惡劣，壓裂設(shè)備功率需求大，從而給柴油機(jī)帶來(lái)了較大的工作壓力。而從壓裂設(shè)備上柴油機(jī)的配置和運(yùn)動(dòng)情況看，其屬于往復(fù)運(yùn)動(dòng)機(jī)械，再加上多被機(jī)身表殼包裹，運(yùn)動(dòng)條件和結(jié)構(gòu)條件均較復(fù)雜，導(dǎo)致對(duì)其狀態(tài)參數(shù)進(jìn)行監(jiān)測(cè)十分困難。表征柴油機(jī)工作狀態(tài)的參數(shù)較多，如圖1所示。

圖1給出了海上壓裂設(shè)備柴油機(jī)的狀態(tài)參數(shù)，包括柴油機(jī)的功率、柴油機(jī)的工作溫度、柴油機(jī)的工作壓力、柴油機(jī)的油耗、柴油機(jī)的排煙量、柴油機(jī)的轉(zhuǎn)動(dòng)速度、柴油機(jī)的振動(dòng)情況以及柴油機(jī)的噪聲情況。

考慮狀態(tài)數(shù)據(jù)的可得性，將排煙量和轉(zhuǎn)動(dòng)速度作為柴油機(jī)狀態(tài)的監(jiān)測(cè)變量，納入后續(xù)的智能檢測(cè)算法。之所以選擇這2個(gè)參數(shù)，是因?yàn)榭梢酝ㄟ^(guò)煙霧傳感器、測(cè)速傳感器對(duì)柴油機(jī)的排煙量和轉(zhuǎn)動(dòng)速度進(jìn)行有效測(cè)量，獲取數(shù)據(jù)較方便。

2 柴油機(jī)異常狀態(tài)智能檢測(cè)方法

2.1 柴油機(jī)狀態(tài)數(shù)據(jù)的預(yù)處理

本文將柴油機(jī)的排煙量、柴油機(jī)的轉(zhuǎn)動(dòng)速度共2類狀態(tài)數(shù)據(jù)作為柴油機(jī)異常狀態(tài)檢測(cè)的輸入數(shù)據(jù)。但是受測(cè)量條件等因素的限制，排煙量和轉(zhuǎn)動(dòng)速度的數(shù)據(jù)在時(shí)間域和數(shù)值范圍上并不均衡。為了滿足后續(xù)智能檢測(cè)算法的使用需求，對(duì)這2類數(shù)據(jù)進(jìn)行預(yù)處理，本文采用的主要方法就是均衡化處理，具體的處理策略如圖2所示。

圖1中，圓形代表柴油機(jī)狀態(tài)數(shù)據(jù)中的多數(shù)樣本，菱形代表柴油機(jī)狀態(tài)數(shù)據(jù)中的少量樣本，正方形代表均衡化處理時(shí)增添的結(jié)構(gòu)樣本。在空間范圍內(nèi)補(bǔ)充狀態(tài)數(shù)據(jù)，使其分布稀疏的空間區(qū)域密集起來(lái)，達(dá)到數(shù)據(jù)整體上的均衡化效果。

2.2 基于深度學(xué)習(xí)的智能檢測(cè)框架

柴油機(jī)處于異常狀態(tài)時(shí)，其排煙量或轉(zhuǎn)速會(huì)出現(xiàn)突變，或遠(yuǎn)大于臨近值，或遠(yuǎn)小于臨近值。為了提升異常數(shù)據(jù)的識(shí)別和檢測(cè)效率，更有效地完成海上壓裂設(shè)備的異常狀態(tài)檢測(cè)，本文采取基于深度學(xué)習(xí)的方法。為了加快智能檢測(cè)速度，本文對(duì)深度學(xué)習(xí)算法采取精簡(jiǎn)處理，精簡(jiǎn)后的框架如圖3所示。

與一般的深度學(xué)習(xí)方法相比，本文采用的深度學(xué)習(xí)方法只包括7個(gè)DBL單元和6個(gè)Pooling單元，這樣的學(xué)習(xí)結(jié)構(gòu)清晰、簡(jiǎn)潔，可以節(jié)省大量學(xué)習(xí)和訓(xùn)練時(shí)間。每個(gè)狀態(tài)數(shù)據(jù)是否為異常數(shù)據(jù)，通過(guò)其判定為正常的置信度來(lái)衡量，如公式（1）所示。

C=ρ·IoUTP （1）

式中：C為柴油機(jī)一個(gè)狀態(tài)數(shù)據(jù)可以認(rèn)定為正常的置信度；ρ為對(duì)應(yīng)于這種置信度的概率；IoUTP為置信判定和真值的對(duì)比。

2.3 損失函數(shù)設(shè)計(jì)

在深度學(xué)習(xí)方法的訓(xùn)練過(guò)程中，內(nèi)部框架何時(shí)被認(rèn)為達(dá)成穩(wěn)定，是通過(guò)損失函數(shù)的值來(lái)判定的。如果當(dāng)前學(xué)習(xí)比上一次學(xué)習(xí)的損失函數(shù)值減少較少，并且當(dāng)前損失函數(shù)值本身非常小，就可以認(rèn)為深度學(xué)習(xí)的訓(xùn)練效果較理想，此時(shí)的深度學(xué)習(xí)框架就可以用于進(jìn)一步的數(shù)據(jù)處理。

在有關(guān)損失函數(shù)的設(shè)計(jì)上，IoU函數(shù)和GIoU函數(shù)是被廣泛采用的2個(gè)損失函數(shù)。因此在海油壓裂設(shè)備柴油機(jī)異常狀態(tài)智能檢測(cè)的深度框架內(nèi)也采用這2個(gè)損失函數(shù)，形式上分別如公式（2）、公式（3）所示。

（2）

（3）

式中：A為海上壓裂設(shè)備柴油機(jī)異常狀態(tài)數(shù)據(jù)的真值；B為海上壓裂設(shè)備柴油機(jī)異常狀態(tài)數(shù)據(jù)的預(yù)測(cè)值；C為真值和預(yù)測(cè)值的連接區(qū)域。

3 發(fā)電側(cè)數(shù)據(jù)異常檢測(cè)試驗(yàn)結(jié)果與分析

上述對(duì)海上壓裂設(shè)備柴油機(jī)的關(guān)鍵參數(shù)進(jìn)行了分析，并選取排煙量和轉(zhuǎn)動(dòng)速度作為狀態(tài)異常檢測(cè)的關(guān)鍵變量，構(gòu)建了基于均衡化處理的數(shù)據(jù)預(yù)處理方法，并在精簡(jiǎn)深度學(xué)習(xí)框架下構(gòu)建了異常狀態(tài)數(shù)據(jù)的智能檢測(cè)方法。下面將通過(guò)試驗(yàn)驗(yàn)證所提方法對(duì)海上壓裂設(shè)備柴油機(jī)異常檢測(cè)的有效性。

3.1 柴油機(jī)排煙量數(shù)據(jù)的深度學(xué)習(xí)訓(xùn)練效果

在異常數(shù)據(jù)檢測(cè)的測(cè)試過(guò)程中，本文以渤海灣石油開采過(guò)程中壓裂設(shè)備柴油機(jī)狀態(tài)的實(shí)測(cè)數(shù)據(jù)為試驗(yàn)對(duì)象，其中有關(guān)排煙量的數(shù)據(jù)為8820個(gè)，經(jīng)過(guò)均衡化處理后補(bǔ)充到整10000個(gè)。測(cè)試過(guò)程中，將其中7000個(gè)排煙量數(shù)據(jù)作為柴油機(jī)狀態(tài)的樣本數(shù)據(jù)，對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，待深度學(xué)習(xí)網(wǎng)絡(luò)穩(wěn)定后，對(duì)剩余3000個(gè)排煙量數(shù)據(jù)進(jìn)行異常狀態(tài)檢測(cè)。

為了和本文提出的方法進(jìn)行比較，選擇沒有精簡(jiǎn)的常規(guī)深度學(xué)習(xí)方法作為參照方法。2種方法同時(shí)執(zhí)行柴油機(jī)排樣量數(shù)據(jù)的深度訓(xùn)練，損失函數(shù)的變化曲線如圖4所示。

根據(jù)圖4中2條曲線的變化和對(duì)比情況可以看出，2個(gè)方法間的變化趨勢(shì)和幅度范圍基本趨同。迭代訓(xùn)練75次左右時(shí)，2種方法的損失函數(shù)值都降至0.1的較低水平。當(dāng)?shù)螖?shù)為200次時(shí)，本文方法損失函數(shù)值基本為最低，其后雖有波動(dòng)，但不明顯。迭代300次以后，損失函數(shù)值的曲線穩(wěn)定，表明深度方法訓(xùn)練趨于穩(wěn)定。與本文方法相比，常規(guī)深度學(xué)習(xí)方法的波動(dòng)次數(shù)較多、波動(dòng)幅度較大，表明深度訓(xùn)練的過(guò)程沒有本文方法理想。實(shí)際上，本文方法是在常規(guī)深度學(xué)習(xí)方法上的精簡(jiǎn)結(jié)果，這是本文在深度學(xué)習(xí)前對(duì)數(shù)據(jù)進(jìn)行均衡化處理的結(jié)果。

3.2 柴油機(jī)轉(zhuǎn)動(dòng)速度數(shù)據(jù)的深度學(xué)習(xí)訓(xùn)練效果

進(jìn)一步測(cè)試轉(zhuǎn)動(dòng)速度這一狀態(tài)變量數(shù)據(jù)的深度學(xué)習(xí)訓(xùn)練效果，總數(shù)據(jù)量仍然是10000個(gè)，以其中70%作為訓(xùn)練數(shù)據(jù)，30%作為檢測(cè)數(shù)據(jù)。該狀態(tài)變量數(shù)據(jù)深度訓(xùn)練下的損失函數(shù)對(duì)比結(jié)果如圖5所示。

圖5中的設(shè)置與圖4相同，但圖中2條曲線的變化規(guī)律同圖4相比存在明顯差異。在轉(zhuǎn)動(dòng)速度數(shù)據(jù)的測(cè)試下，本文方法50次迭代時(shí)的損失函數(shù)值已經(jīng)降至較低水平，其后經(jīng)過(guò)幾次波動(dòng)，在180次迭代后基本穩(wěn)定在最小值位置上。而采用常規(guī)深度學(xué)習(xí)的方法的損失函數(shù)值一直明顯高于本文方法，并且迭代350次時(shí)還沒有完全穩(wěn)定下來(lái)。

3.3 與其他方法的檢測(cè)效果對(duì)比

為了進(jìn)一步形成和本文方法的橫向比較，選擇其他3種方法進(jìn)行柴油機(jī)狀態(tài)的異常檢測(cè)，分別是CNN方法、RNN方法和DNN方法。4種方法的比較效果見表1。

通過(guò)表1中的結(jié)果可以看出，因?yàn)?種方法都是深度學(xué)習(xí)方法，異常檢測(cè)的效果與數(shù)據(jù)訓(xùn)練量有密切關(guān)系，所以隨著參與檢測(cè)的數(shù)據(jù)量不斷增大，4種方法的異常檢測(cè)效果都越來(lái)越好。但是，本文方法對(duì)海上壓裂設(shè)備柴油機(jī)的異常檢測(cè)準(zhǔn)確率一直維持在90%以上的水平，明顯高于其他3種方法。由此可以看出，本文方法確實(shí)具有比較明顯的優(yōu)勢(shì)。

4 結(jié)論

海上石油開采已經(jīng)成為石油能源的重要獲取渠道，但其作業(yè)條件復(fù)雜、工作環(huán)境惡劣，需要更多的功能強(qiáng)大的配套設(shè)備。壓裂設(shè)備是海上石油開采的重要設(shè)備，一般以柴油機(jī)為主要?jiǎng)恿┙o裝置。柴油機(jī)能否正常工作直接決定了壓裂設(shè)備能否正常工作，也間接影響整個(gè)石油開采的效率。針對(duì)此問題，本文以排煙量和轉(zhuǎn)動(dòng)速度為柴油機(jī)的狀態(tài)表征變量，通過(guò)深度學(xué)習(xí)檢測(cè)框架構(gòu)建和試驗(yàn)，測(cè)試了該方法對(duì)柴油機(jī)異常狀態(tài)的檢測(cè)效果。測(cè)試結(jié)果顯示，本文方法可以取得更好的異常檢測(cè)效果，檢測(cè)準(zhǔn)確率維持在比較高的水平。

參考文獻(xiàn)

[1]謝猛，張樹立.GTI柴油機(jī)雙燃料系統(tǒng)在頁(yè)巖氣壓裂設(shè)備上的應(yīng)用[J].大眾標(biāo)準(zhǔn)化，2022（18）：104-106.

[2]薛強(qiáng)，徐維強(qiáng)，高秀娟，等.智能診斷系統(tǒng)在底特律柴油機(jī)上的應(yīng)用[J].中國(guó)設(shè)備工程，2019（4）：20-21.

[3]曾珺，劉有平，席建秋，等.壓裂機(jī)組柴油機(jī)燃料油集中連續(xù)供油裝置研制[J].石油礦場(chǎng)機(jī)械，2021（1）：94-98.