CN105572503A - 一种基于多尺度采样的抽油机电参数数据预处理方法 - Google Patents
一种基于多尺度采样的抽油机电参数数据预处理方法 Download PDFInfo
- Publication number
- CN105572503A CN105572503A CN201510972025.2A CN201510972025A CN105572503A CN 105572503 A CN105572503 A CN 105572503A CN 201510972025 A CN201510972025 A CN 201510972025A CN 105572503 A CN105572503 A CN 105572503A
- Authority
- CN
- China
- Prior art keywords
- signal
- sampling
- data
- yardstick
- scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Complex Calculations (AREA)
Abstract
一种基于多尺度采样的抽油机电参数数据预处理方法,其技术方案为根据***实时评价过程中不同层次模型对数据尺度的要求不同,分别采用三种不同的采样尺度,使得***在有限的硬件资源下完成更多的任务。针对电参数数据信号的特点,采用三种数据预处理及信号分析方法,其特征内容为:针对现场数据电磁脉冲干扰问题,采用预测均值滤波算法对信号的奇异值进行预处理;针对非完整周期间歇采样信号的处理问题,采用拟合先行的希尔伯特黄变换(HHT)信号分离方法;针对信号实时梯度计算问题,采用基于多尺度均值滤波的信号梯度计算方法。本发明的有益效果:使其在高速采样的过程中能够缓解电磁干扰,在有限的缓存配置下,实现一段连续采样数据对***某一缓变信号特征的完整周期记录,并进行信号特征分析,以评价抽油机***的工作状态。
Description
一、技术领域
本发明涉及抽油机电参数数据处理,尤其是一种基于多尺度采样的抽油机电参数数据预处理方法。
二、背景技术
目前,油田上所采油的抽油机采油***的电参数数据具有自身特性,是一组尺度不同数据,从电压、电流的高速变化数据到电功率的周期变化信号,再到周期功这种缓变信号,如果都采用同一种数据采样频率势必造成***设计难度加大和成本上升,因此不同尺度的数据应该采用不同尺度的采样速度。高速采样会极大增加硬件缓存的开销,在有限的缓存配置下,一段连续采样数据可能无法实现对***某一缓变信号特征的完整周期记录,给信号特征分析带来困难。同时原始采样数据会受到电磁干扰,如何有效地缓解干扰的影响是目前亟待解决的重要内容。
三、发明内容
本发明的目的是针对上述技术中存在的不足,设计一种基于多尺度采样的抽油机电参数数据预处理方法。使其在高速采样的过程中能够缓解电磁干扰,在有限的缓存配置下,实现一段连续采样数据对***某一缓变信号特征的完整周期记录,并进行信号特征分析,以评价抽油机***的工作状态。
本发明一种基于多尺度采样的抽油机电参数数据预处理方法,其特征在于:
根据***实时评价过程中不同层次模型对数据尺度的要求不同,分别采用三种不同的多尺度采样;针对信号的不同特点,采用三种数据预处理及信号分析方法。
所述的多尺度采样,采样尺度分为三个尺度:第一尺度:电流电压采样尺度,反应电动机的特性变化,微秒级,采样频率在10KHz;第二尺度:电功率采样尺度,反应抽油机的特性变化,毫秒级,采样频率在50Hz;第三尺度:周期功图(电工图)采样尺度,反应油井及油藏对象的变化,时级,采样频率0.001Hz。
所述第一尺度:结合电动机电源谐波分析频率的要求,即要求分析到13次谐波,电源工频频率50Hz,13次谐波频率为650Hz,乘以2即1300Hz,考虑到信号干扰等因素,因此工程中电压电流的批次采样频率不低于2KHz,同时还要附加同批次内电压电流六路信号的同步采样,作为数据采样的第一尺度要求。
所述第二尺度:输出转速和输入扭矩的计算速度要求每20ms出一组数据,即作为电动机转子的转速和扭矩数据采样频率应不低于50Hz,这是数据采样的第二尺度要求。
所述第三尺度:基于油藏的变化周期长、缓慢的特征,提出数据采集存储方案是每隔1个小时对油井的特征数据采集存储一次,可以在有限的存储空间里记录历史更久远、信息更全的数据,作为第三尺度要求。
所述的三种数据预处理及信号分析方法,针对现场数据电磁脉冲干扰问题,采用预测均值滤波算法对信号的奇异值进行预处理,针对非完整周期间歇采样信号的处理问题,采用拟合先行的希尔伯特黄变换(HHT)信号分离方法,针对信号实时梯度计算问题,采用基于多尺度均值滤波的信号梯度计算方法,其特征如下:
所述的预测均值滤波算法:计算当前一段时间内的均值(不包括当前值),计算当前点后一段的均值(也不包括当前点),比较当前点值同这两个数值之间的关系,如超出信号趋势范围,则修整,不超出则保留原值,根据不同的信号特征采用不同的修正方法。
所述的预测均值滤波算法多了一步预测功能,对于奇异值的判断更加准确,具有自适应性,由于有了预测信息,因此信号调整更加接近于真实值,由于采用了插值,使得信号特征趋于平滑,符合物理变化的规律;对于高斯噪音和脉冲噪音同时具有较好抑制作用,尤其对带有强电磁干扰的电信号的数据预处理来说,较之常规方法表现出了更佳的效果。
所述的拟合先行的希尔伯特黄变换(HHT)信号分离方法:选择拟合初值,采用信赖域方法进行曲线拟合,进行基频信号分离,计算剩余信号,对剩余信号作HHT分析。
所述的拟合先行的希尔伯特黄变换(HHT)信号分离方法:拟合先行的HHT信号分离方法对于非完整器间歇采样信号来说,既发挥了拟合算法在精度方面的优势,又发挥了HHT变化分析时频信号的有效性,解决了连续高速采样信号处理过程中存在的问题,为通过电信号分析抽油机的运行状态提供了一个切实有效的解题思路。
所述的多尺度均值滤波的信号梯度计算方法:滑动均值结果中包含信号梯度信息,通过多尺度均值滤波算法,可以得到信号梯度,并依此分理处低阶信号;对于具有优先阶连续导数的信号,在经历N阶连续求导之后信号分量变为零,经过多次迭代处理后余项是具有正弦或者余弦特征的信号;信号均值滤波的余差中包含着信号的梯度信息,通过再次对余差进行统一尺度的均值滤波处理,可得到原始信号梯度系列。
所述的多尺度均值滤波的信号梯度计算方法:分析了滑动均值滤波的特点,发现均值滤波残差中包含有信号的梯度信息,从而提出基于均值滤波的信号梯度计算方法,具有计算速度快、边界效果好等优点,梯度信息用来计算速度和角速度等。
本发明一种基于多尺度采样的抽油机电参数数据预处理方法与现有技术相比能够缓解电磁干扰,在有限的缓存配置下,实现一段连续采样数据对***某一缓变信号特征的完整周期记录,在有限的存储空间里记录历史更久远、信息更全的数据,并进行信号特征分析,此外还具有以下显著优点:
1、所述的预测均值滤波算法多了一步预测功能,对于奇异值的判断更加准确,具有自适应性,由于有了预测信息,因此信号调整更加接近于真实值,对于高斯噪音和脉冲噪音同时具有较好抑制作用,尤其对带有强电磁干扰的电信号的数据预处理来说,较之常规方法表现出了更佳的效果;
2、所述的拟合先行的希尔伯特黄变换(HHT)信号分离方法:拟合先行的HHT信号分离方法对于非完整器间歇采样信号来说,既发挥了拟合算法在精度方面的优势,又发挥了HHT变化分析时频信号的有效性,解决了连续高速采样信号处理过程中存在的问题,为通过电信号分析抽油机的运行状态提供了一个切实有效的解题思路。
3.、基于均值滤波的信号梯度计算方法,具有计算速度快、边界效果好等优点。
四、附图说明
无附图
五、具体实施方式
一种基于多尺度采样的抽油机电参数数据预处理方法,根据***实时评价过程中不同层次模型对数据尺度的要求不同,分别采用三种不同的多尺度采样,使得***在有限的硬件资源下完成更多的任务。
调整确定三个尺度,第一尺度:电流电压采样尺度,反应电动机的特性变化,微秒级,采样频率在10KHz;第二尺度:电功率采样尺度,反应抽油机的特性变化,毫秒级,采样频率在50Hz;第三尺度:(电工图)采样尺度,反应油井及油藏对象的变化,时级,采样频率0.001Hz。
电压、电流通过第一尺度,反映出电动机的特征变化,电动机输出轴功率及电机转子角速度,通过第二尺度,生成电工图,通过第三尺度,生成油藏模型,反映出油藏的状态。
针对信号的不同特点,采用三种数据预处理及信号分析方法,其操作方式为:
针对现场实际采集信号中受到的不规则电磁干扰问题,采用预测均值滤波算法对信号的奇异值进行预处理;
针对非完整周期间歇采样信号的处理问题,采用拟合先行的希尔伯特黄变换(HHT)信号分离方法;
针对信号实时梯度计算问题,采用基于多尺度均值滤波的信号梯度计算方法,用来计算速度和角速度等。
Claims (3)
1.一种基于多尺度采样的抽油机电参数数据预处理方法,其特征在于:根据***实时评价过程中不同层次模型对数据尺度的要求不同,分别采用三种不同的多尺度采样;针对信号的不同特点,采用三种数据预处理及信号分析方法。
2.根据权利要求1所述的多尺度采样,采样尺度分为三个尺度:第一尺度:电流电压采样尺度,反应电动机的特性变化,微秒级,采样频率在10KHz;第二尺度:电功率采样尺度,反应抽油机的特性变化,毫秒级,采样频率在50Hz;第三尺度:周期功图(电工图)采样尺度,反应油井及油藏对象的变化,时级,采样频率0.001Hz;其特征内容如下:
所述第一尺度:结合电动机电源谐波分析频率的要求,即要求至少分析到13次谐波,电源工频频率50Hz,13次谐波频率为650Hz,乘以2即1300Hz,工程中电压电流的批次采样频率不低于2KHz,同时还要附加同批次内电压电流六路信号的同步采样,作为数据采样的第一尺度要求;
所述第二尺度:输出转速和输入扭矩的计算速度要求每20ms出一组数据,即作为电动机转子的转速和扭矩数据采样频率应不低于50Hz,这是数据采样的第二尺度要求;
所述第三尺度:基于油藏的变化周期长、缓慢的特征,提出数据采集存储方案是每隔1个小时对油井的特征数据采集存储一次,可以在有限的存储空间里记录历史更久远、信息更全的数据,作为第三尺度要求。
3.根据权利要求1所述的三种数据预处理及信号分析方法,针对现场数据电磁脉冲干扰问题,采用预测均值滤波算法对信号的奇异值进行预处理,针对非完整周期间歇采样信号的处理问题,采用拟合先行的希尔伯特黄变换(HHT)信号分离方法,针对信号实时梯度计算问题,采用基于多尺度均值滤波的信号梯度计算方法;其特征内容如下:
所述的预测均值滤波算法:计算当前一段时间内的均值(不包括当前值),计算当前点后一段的均值(也不包括当前点),比较当前点值同这两个数值之间的关系,如超出信号趋势范围,则修整,不超出则保留原值,根据不同的信号特征采用不同的修正方法;
所述的预测均值滤波算法:多了一步预测功能,对于奇异值的判断更加准确,具有自适应性,由于有了预测信息,因此信号调整更加接近于真实值,由于采用了插值,使得信号特征趋于平滑;对于高斯噪音和脉冲噪音同时具有较好抑制作用,尤其对带有强电磁干扰的电信号的数据预处理来说,表现出了更佳的效果;
所述的拟合先行的希尔伯特黄变换(HHT)信号分离方法:选择拟合初值,采用信赖域方法进行曲线拟合,进行基频信号分离,计算剩余信号,对剩余信号作HHT分析。
所述的拟合先行的希尔伯特黄变换(HHT)信号分离方法:拟合先行的HHT信号分离方法对于非完整器间歇采样信号来说,既发挥了拟合算法在精度方面的优势,又发挥了HHT变化分析时频信号的有效性,解决了连续高速采样信号处理过程中存在的问题,为通过电信号分析抽油机的运行状态提供了一个切实有效的解题思路。
所述的多尺度均值滤波的信号梯度计算方法:滑动均值结果中包含信号梯度信息,通过多尺度均值滤波算法,可以得到信号梯度,并依此分理处低阶信号;对于具有有限阶连续导数的信号,在经历N阶连续求导之后信号分量变为零,经过多次迭代处理后余项是具有正弦或者余弦特征的信号;信号均值滤波的余差中包含着信号的梯度信息,通过再次对余差进行统一尺度的均值滤波处理,可得到原始信号梯度系列;
所述的多尺度均值滤波的信号梯度计算方法:分析了滑动均值滤波的特点,发现均值滤波残差中包含有信号的梯度信息,从而提出基于均值滤波的信号梯度计算方法,具有计算速度快、边界效果好等优点,梯度信息用来计算速度和角速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510972025.2A CN105572503A (zh) | 2015-12-21 | 2015-12-21 | 一种基于多尺度采样的抽油机电参数数据预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510972025.2A CN105572503A (zh) | 2015-12-21 | 2015-12-21 | 一种基于多尺度采样的抽油机电参数数据预处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105572503A true CN105572503A (zh) | 2016-05-11 |
Family
ID=55882863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510972025.2A Pending CN105572503A (zh) | 2015-12-21 | 2015-12-21 | 一种基于多尺度采样的抽油机电参数数据预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105572503A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108762113A (zh) * | 2018-06-21 | 2018-11-06 | 陕西法士特齿轮有限责任公司 | 一种缓速器扭矩特性计算模型的建立方法 |
CN110221544A (zh) * | 2019-06-14 | 2019-09-10 | 四川烟叶复烤有限责任公司 | 一种烟叶复烤入口水分数据滤波方法 |
CN114718514A (zh) * | 2021-01-06 | 2022-07-08 | 中国石油化工股份有限公司 | 基于功率加权预测的抽油机直流母线群控算法 |
CN116796114A (zh) * | 2023-06-25 | 2023-09-22 | 广州呗呗科技有限公司 | 一种foc算法的优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1808161A (zh) * | 2006-02-17 | 2006-07-26 | 中国石油大学(北京) | 游梁式抽油机异步电机故障诊断方法和诊断装置 |
CN1970991A (zh) * | 2006-12-06 | 2007-05-30 | 中国石油大学(北京) | 一种油井产液量计量、工况分析优化方法及其*** |
CN104714129A (zh) * | 2015-03-07 | 2015-06-17 | 中国石油大学(华东) | 一种基于dsp的新型电参数测试实验*** |
CN105119311A (zh) * | 2015-07-30 | 2015-12-02 | 中国石油大学(北京) | 抽油机的控制***及其控制方法 |
-
2015
- 2015-12-21 CN CN201510972025.2A patent/CN105572503A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1808161A (zh) * | 2006-02-17 | 2006-07-26 | 中国石油大学(北京) | 游梁式抽油机异步电机故障诊断方法和诊断装置 |
CN1970991A (zh) * | 2006-12-06 | 2007-05-30 | 中国石油大学(北京) | 一种油井产液量计量、工况分析优化方法及其*** |
CN104714129A (zh) * | 2015-03-07 | 2015-06-17 | 中国石油大学(华东) | 一种基于dsp的新型电参数测试实验*** |
CN105119311A (zh) * | 2015-07-30 | 2015-12-02 | 中国石油大学(北京) | 抽油机的控制***及其控制方法 |
Non-Patent Citations (1)
Title |
---|
孙振华: "游梁式抽油机采油***实时评价方法研究", 《中国博士学位论文全文数据库·工程科技Ⅰ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108762113A (zh) * | 2018-06-21 | 2018-11-06 | 陕西法士特齿轮有限责任公司 | 一种缓速器扭矩特性计算模型的建立方法 |
CN108762113B (zh) * | 2018-06-21 | 2021-07-27 | 陕西法士特齿轮有限责任公司 | 一种缓速器扭矩特性计算模型的建立方法 |
CN110221544A (zh) * | 2019-06-14 | 2019-09-10 | 四川烟叶复烤有限责任公司 | 一种烟叶复烤入口水分数据滤波方法 |
CN114718514A (zh) * | 2021-01-06 | 2022-07-08 | 中国石油化工股份有限公司 | 基于功率加权预测的抽油机直流母线群控算法 |
CN114718514B (zh) * | 2021-01-06 | 2024-05-17 | 中国石油化工股份有限公司 | 基于功率加权预测的抽油机直流母线群控算法 |
CN116796114A (zh) * | 2023-06-25 | 2023-09-22 | 广州呗呗科技有限公司 | 一种foc算法的优化方法 |
CN116796114B (zh) * | 2023-06-25 | 2024-03-29 | 广州呗呗科技有限公司 | 一种foc算法的优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ji et al. | EEMD-based online milling chatter detection by fractal dimension and power spectral entropy | |
Cao et al. | Chatter identification in end milling process based on EEMD and nonlinear dimensionless indicators | |
CN105572503A (zh) | 一种基于多尺度采样的抽油机电参数数据预处理方法 | |
CN106644467B (zh) | 一种齿轮箱非平稳信号故障特征提取方法 | |
CN103631201B (zh) | 一种数控机床子***可靠性影响度分析方法 | |
Chen et al. | Development of a novel online chatter monitoring system for flexible milling process | |
CN108490880A (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
Liu et al. | Feature extraction of milling chatter based on optimized variational mode decomposition and multi-scale permutation entropy | |
CN104390697A (zh) | 一种基于c0复杂度与相关系数的铣削颤振检测方法 | |
Chen et al. | Chatter detection in milling processes using frequency-domain Rényi entropy | |
Chorna et al. | Identification of changes in the parameters of induction motors during monitoring by measuring the induction of a magnetic field on the stator surface | |
CN114905336A (zh) | 基于切削力成分解耦的变工况刀具磨损监测方法及*** | |
CN102721462B (zh) | 旋转机械启停车过程波德图/奈奎斯特图的快速计算方法 | |
CN103203670B (zh) | 基于最大信息熵与方向散度的磨削颤振预测方法 | |
Mou et al. | A study of tool tipping monitoring for titanium milling based on cutting vibration | |
Yang et al. | Gear backlash detection and evaluation based on current characteristic extraction and selection | |
Wang et al. | Precise chatter monitoring of thin-walled component milling process based on parametric time-frequency transform method | |
Zhang et al. | A fault diagnosis method of train wheelset rolling bearing combined with improved LMD and FK | |
Li et al. | Servo axis incipient degradation assessment of CNC machine tools using the built-in encoder | |
Chen et al. | An improved local mean decomposition method and its application for fault diagnosis of reciprocating compressor | |
Long et al. | Applications of fractional lower order frequency spectrum technologies to bearing fault analysis | |
Li et al. | An improved multi-ridge extraction method based on differential synchro-squeezing wavelet transform | |
Zou et al. | In-processing monitoring of turning operations based on modulation signal bispectrum analysis of motor current signals | |
Wang et al. | Fault Characteristic Extraction by Fractional Lower‐Order Bispectrum Methods | |
Yan et al. | Fault Diagnosis Based on Multi-sensor Data Fusion for Numerical Control Machine. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160511 |
|
WD01 | Invention patent application deemed withdrawn after publication |