CN113445991B - 一种人工智能单机多井抽油机监测方法、***和存储介质 - Google Patents
一种人工智能单机多井抽油机监测方法、***和存储介质 Download PDFInfo
- Publication number
- CN113445991B CN113445991B CN202110702990.3A CN202110702990A CN113445991B CN 113445991 B CN113445991 B CN 113445991B CN 202110702990 A CN202110702990 A CN 202110702990A CN 113445991 B CN113445991 B CN 113445991B
- Authority
- CN
- China
- Prior art keywords
- well
- pumping unit
- data
- oil
- artificial intelligence
- 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.)
- Active
Links
- 238000005086 pumping Methods 0.000 title claims abstract description 148
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 7
- 239000003129 oil well Substances 0.000 claims description 35
- 238000010586 diagram Methods 0.000 claims description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 239000007788 liquid Substances 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 239000003638 chemical reducing agent Substances 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004134 energy conservation Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000011410 subtraction method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009864 tensile test Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/008—Monitoring of down-hole pump systems, e.g. for the detection of "pumped-off" conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/22—Fuzzy logic, artificial intelligence, neural networks or the like
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Environmental & Geological Engineering (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供了一种基于人工智能的单机多井抽油机监测方法、***和存储介质，涉及油田开发领域，包括：利用物联网装置采集***获取抽油机电参数数据和/或读取油田数据库数据获取抽油机电参数数据；根据所述抽油机电参数数据计算出抽油机的有功功率、无功功率或***效率数据；根据能量力学平衡原理结合所述有功功率、无功功率或***效率数据对所述抽油机进行受力分析；抽油机带动全部动力输出柔绳工作时，计算总体载荷数据，停用某一组动力输出柔绳后进入单井停机状态，计算单井停机载荷数据，总体载荷数据减去单井停机载荷数据可得到停机抽油井的单井载荷数据；根据所述受力分析结合抽油机的多组动力输出柔绳的分布结构，判断出工作异常的抽油井。
Description
技术领域
本发明涉及油田开发技术领域，具体而言，涉及一种人工智能单机多井抽油机监测方法、***和存储介质。
背景技术
近年来油价低迷，油田开采效益逐年变差，国内外油田现有抽油井200万口以上，国内40-50万口抽油井，多数都是抽油机抽油，由于抽油机发展近百年，没有重大技术突破，能耗大、体积大、重量大。抽油效率效益较低，不适合低油价环境下的高效开采。近年来人工智能技术发展迅速，油田田开发领域应用相对落后，油田大量举升工艺，特别游梁抽油机井配套物联网技术，开展了数字油田技术应用和实践，见到了提高油田时率，简化工作量强度。但油田智能化和智慧油田研究试验刚起步。单个抽油机同时驱动多个抽油井的配套技术尚不完善，油田开采工程节能降投资的问题亟待解决；此外，有关单机抽多井的智能化技术开发和应用，目前还未见报道。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一，公开了一种基于人工智能的单机多井抽油机监测方法、***和存储介质，通过物联网采集电参数，计算出***有关功率，智能诊断出多井中的任何一口井是否出问题。
本发明的第一方面公开了一种基于人工智能的单机多井抽油机监测方法，单机多井抽油机的减速机连接双曲柄动力输出机构，第一曲柄和第二曲柄对称设置在减速机的动力输出轴两端，第一曲柄上引出的柔绳与第二曲柄上引出的柔绳共同组成一组动力输出柔绳，每一组动力输出柔绳驱动一口抽油井，单机多井抽油机具有均相位分布的多组动力输出柔绳；该方法包括：利用物联网装置采集***获取抽油机电参数数据和/或读取油田数据库数据获取抽油机电参数数据；根据抽油机电参数数据计算出抽油机的有功功率、无功功率或***效率数据；根据能量力学平衡原理结合有功功率、无功功率或***效率数据对抽油机进行受力分析，计算出如下一项或多项分析数据：力矩数据、受力数据、力矩变化值和受力变化值；抽油机带动全部动力输出柔绳工作时，计算总体载荷数据，停用某一组动力输出柔绳后进入单井停机状态，计算单井停机载荷数据，总体载荷数据减去单井停机载荷数据可得到停机抽油井的单井载荷数据；根据受力分析结合抽油机的多组动力输出柔绳的分布结构，判断出工作异常的抽油井。
根据本发明公开的基于人工智能的单机多井抽油机监测方法，优选地，还包括：获取抽油机现场监控视频和/或获取移动终端与管理人员的联动数据，以便于对抽油机与油井实施全时段监控。
根据本发明公开的基于人工智能的单机多井抽油机监测方法，优选地，利用物联网装置采集***获取抽油机电参数数据的步骤，具体包括：利用物联网装置采集***获取抽油机电参数数据并将电参数数据上传至油田云平台。
根据本发明公开的基于人工智能的单机多井抽油机监测方法，优选地，还包括：根据单井载荷数据作出单井示功图和抽油泵示功图，定量计算油井的产液量数据和流压数据。
根据本发明公开的基于人工智能的单机多井抽油机监测方法，优选地，还包括：将单井示功图、抽油泵示功图、产液量数据和流压数据共享至油田云平台，以建立或连通井层、井组、区块及油田油水井之间的信息共享数据库。
根据本发明公开的基于人工智能的单机多井抽油机监测方法，优选地，还包括：基于人工智能和大数据，建立故障诊断数据库，故障诊断数据库中预设多种油井异常工况数据；根据示功图、电参数数据、有功功率、无功功率、***效率数据或分析数据与油井异常工况数据的匹配度，诊断抽油机的异常工况。
根据本发明公开的基于人工智能的单机多井抽油机监测方法，优选地，对单组动力输出柔绳进行拉力测试，利用并行压力计标定载荷计算准确度。
根据本发明公开的基于人工智能的单机多井抽油机监测方法，优选地，还包括：根据油水井层、井组、区块及油田动态变化，调整抽油井的冲程和冲次设定和/或调整抽油机和抽油泵的工作参数。
本发明的第二方面公开了一种基于人工智能的单机多井抽油机监测***，包括：存储器，用于存储程序指令；处理器，用于调用所述存储器中存储的所述程序指令以实现如上述任一项技术方案所述的基于人工智能的单机多井抽油机监测方法。
本发明的第三方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有程序代码，所述程序代码用于实现如上述任一项技术方案所述的基于人工智能的单机多井抽油机监测方法。
本发明的有益效果至少包括：仅通过对抽油机主机的监控就能够获知各个单井的载荷数据，并对各个井口的工作状态进行诊断。具体地：抽油机主机由单电机驱动减速装置单轴双输出，通过多根柔绳和万向定滑轮驱动相位均布的3～25口抽油井开展抽油作业。***通过物联网采集电参数，计算出***有关功率，智能诊断出多井中的任何一口井是否出问题。针对问题井采用递减法可准确计算单井受力变化数据及情况，作出单井示功图；首先可分析几十种机泵工况，同时也可计算单井液量流压。在此基础上结合和共享油田数据库，分析油水井层、井组、区块及油田动态变化，提出优化措施方案，指导***冲程冲次主机优化控制，调整机、泵工作参数。有助于油田开采工程实现节能提效，并降低投资。
附图说明
图1示出了根据本发明的一个实施例的基于人工智能的单机多井抽油机监测方法的示意流程图。
图2示出了根据本发明的一个实施例的基于人工智能的单机多井抽油机监测***的载荷变化曲线。
图3示出了根据本发明的一个实施例的基于人工智能的单机多井抽油机监测***的正常单井载荷与异常单井载荷对比图。
图4示出了根据本发明的一个实施例的基于人工智能的单机多井抽油机监测***的单井载荷曲线计算示意图。
图5示出了根据本发明的一个实施例的基于人工智能的单机多井抽油机监测***的单机多井抽油机结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开的具体实施例的限制。
实施例一
本发明的一个实施例公开了一种基于人工智能的单机多井抽油机监测方法，包括：利用物联网装置采集***获取抽油机电参数数据和/或读取油田数据库数据获取抽油机电参数数据；根据抽油机电参数数据计算出抽油机的有功功率、无功功率或***效率数据；根据能量力学平衡原理结合有功功率、无功功率或***效率数据对抽油机进行受力分析，计算出如下一项或多项分析数据：力矩数据、受力数据、力矩变化值和受力变化值；抽油机带动全部动力输出柔绳工作时，计算总体载荷数据，停用某一组动力输出柔绳后进入单井停机状态，计算单井停机载荷数据，总体载荷数据减去单井停机载荷数据可得到停机抽油井的单井载荷数据；根据受力分析结合抽油机的多组动力输出柔绳的分布结构，判断出工作异常的抽油井。
如图5所示，单机多井抽油机的减速机501连接双曲柄动力输出机构，第一曲柄502和第二曲柄503对称设置在减速机的动力输出轴两端，第一曲柄上引出的第一柔绳504与第二曲柄上引出的第二柔绳505共同组成一组动力输出柔绳，每一组动力输出柔绳驱动一口抽油井，单机多井抽油机的环形动力输出架506上均相位分布设置多组动力输出柔绳。减速机被配置为单轴双输出，即转轴两端固定两个曲柄，曲柄绕转轴做圆周运动；第一曲柄和第二曲柄各自带动多根柔绳进行动力输出，两根同步运动的柔绳共同驱动一口抽油井，柔绳被导向组件507(例如：万向定滑轮)约束动力输出方向，相位均布的导向组件将多组柔绳分别引导至不同的方向，使动力输出均相位分布，能够驱动3-25口井，甚至更多。
根据上述实施例，优选地，还包括：获取抽油机现场监控视频和/或获取移动终端与管理人员的联动数据，以便于对抽油机与油井实施全时段监控。
根据上述实施例，优选地，利用物联网装置采集***获取抽油机电参数数据的步骤，具体包括：利用物联网装置采集***获取抽油机电参数数据并将电参数数据上传至油田云平台。
根据上述实施例，优选地，还包括：根据单井载荷数据作出单井示功图和抽油泵示功图，定量计算油井的产液量数据和流压数据。
根据上述实施例，优选地，还包括：将单井示功图、抽油泵示功图、产液量数据和流压数据共享至油田云平台，以建立或连通井层、井组、区块及油田油水井之间的信息共享数据库。
根据上述实施例，优选地，还包括：基于人工智能和大数据，建立故障诊断数据库，故障诊断数据库中预设多种油井异常工况数据；根据示功图、电参数数据、有功功率、无功功率、***效率数据或分析数据与油井异常工况数据的匹配度，诊断抽油机的异常工况。
根据上述实施例，优选地，对单组动力输出柔绳进行拉力测试，利用并行压力计标定载荷计算准确度。
根据上述实施例，优选地，还包括：根据油水井层、井组、区块及油田动态变化，调整抽油井的冲程和冲次设定和/或调整抽油机和抽油泵的工作参数。
实施例二
如图1所示，在油田开采作业中，本发明提供的基于人工智能的单机多井抽油机监测方法对应的实际应用方案包括：
1.物联网采集电流电压电参数，并与油田数据库进行数据共享；
2.计算有功功率能耗、无功功率能耗、***效率等数据，并处理油田动态数据和静态数据；
3.根据能量力学平衡原理计算出多井***的扭矩和受力情况；
4.全时段监控油井并与移动端进行联动，实现对管理人员的监控；
5.根据功图定量计算产液量和井底流压，定性诊断抽油泵工况；
6.根据大数据人工智能波动方程转化井下抽油泵的示工图；
7.根据能量力学平衡原理和采油举升原理生成单井的示工图；
8.根据***载荷递减法在线测试并计算单井的周期载荷；
9.对油水井进行分析，得到动态参数；
10.油水井智能管理平台全面覆盖油田生产***以便于实施管理；
11.油藏采油地面工程技术深化多因素联动分析；
12.通过油田技术措施及方案规划实现整个***的总体优化。
在该实施例中，利用智能油田平台共享油田动态数据库和静态数据库以及物联网采集装置，在平衡多井抽油机上采集电流、电压等电参数上传智能油田平台，共享油田动静态数据库及经处理计算出有功功率后，经过能量力学平衡原理转换出多井机力矩、受力大小及变化值；依据多井机结构几何形状特点可判断出单井载荷变化较大的井作为重点分析目标井；对目标井利用载荷递减法可准确计算单井载荷。利用准确计算单井载荷可初步分析诊断油井问题，同时可作出油井抽油泵示工图定量计算油井产液量、流压。分析机泵特性或诊断井泵几十种问题；通过该诊断结果结合共享油田数据库可建立或连通井层、井组、区块及油田油水井。智能分析油田动态变化及变化影响因素，给出对应最优化技术措施及油田调整方案。
实施例三
如图2所示，多井机同时驱动8口抽油井工作，利用***的物理数值建模，结合采集装置测得的数据，绘制各个井口的载荷变化曲线能够得到一井、二井、三井、四井、五井、六井、七井、八井、正常总载荷和异常总载荷的载荷曲线，对正常总载荷的载荷曲线与异常总载荷的载荷曲线进行分析，可获知八井的载荷曲线出现异常，图3则示出了油井正常载荷曲线与异常油井载荷曲线的对比情况。
在该实施例中，利用***的物理数值建模，结合采集装置测得的数据，可以实现通过模型分析判断单井问题：通过电机有功功率可判断***中的载荷变化较大的有问题井，通过总体载荷的变化，可判断出现问题的井口(故障井的载荷大幅减少)。
实施例四
通过递减法计算单井载荷的过程包括如下步骤：
通过物联网数据采集装置采集抽油机电参数，计算出全部油井(如8口油井)共同工作的周期载荷，生成载荷曲线1；
停掉第八井之后，计算其余7口井共同工作时的周期载荷，生成载荷曲线2；
如图4所示，载荷曲线1减去载荷曲线2即可得到第八井的载荷曲线(载荷曲线3)；
以此类推：
计算出全部油井(如8口油井)共同工作的周期载荷，生成载荷曲线1；停掉第七井之后，计算其余7口井共同工作时的周期载荷，生成载荷曲线2；载荷曲线1减去载荷曲线2即可得到第七井的载荷曲线。
计算出全部油井(如8口油井)共同工作的周期载荷，生成载荷曲线1；停掉第六井之后，计算其余7口井共同工作时的周期载荷，生成载荷曲线2；载荷曲线1减去载荷曲线2即可得到第六井的载荷曲线。
直至计算出每一口单井的载荷曲线，绘制出如图2所示的各个井口的载荷变化曲线。
此外，还可以通过在每一口井的动力柔绳上设置拉力计的方式，测量每一口井的拉力变化数据，从而绘制井口载荷变化曲线，在进行单井拉力测试时，对单井实施单井载荷柔绳并行拉力测试法，矫正单井数据，以实现准确计算：利用并行压力计标定载荷计算准确度，确保***计算预测准确性。
实施例五
根据本发明的实施例之一，还公开了基于人工智能的单机多井抽油机监测***，包括：存储器，用于存储程序指令；处理器，用于调用所述存储器中存储的所述程序指令以实现如下监测方法：获取抽油机电参数数据和/或读取油田数据库数据获取抽油机电参数数据；根据抽油机电参数数据计算出抽油机的有功功率、无功功率或***效率数据；根据能量力学平衡原理结合有功功率、无功功率或***效率数据对抽油机进行受力分析，计算出如下一项或多项分析数据：力矩数据、受力数据、力矩变化值和受力变化值；抽油机带动全部动力输出柔绳工作时，计算总体载荷数据，停用某一组动力输出柔绳后进入单井停机状态，计算单井停机载荷数据，总体载荷数据减去单井停机载荷数据可得到停机抽油井的单井载荷数据；根据受力分析结合抽油机的多组动力输出柔绳的分布结构，判断出工作异常的抽油井。
根据上述实施例公开的基于人工智能的单机多井抽油机监测***，优选地，所述处理器调用所述存储器中存储的所述程序指令实现的监测方法还包括：获取抽油机现场监控视频和/或获取移动终端与管理人员的联动数据，以便于对抽油机与油井实施全时段监控。
优选地，获取抽油机电参数数据的步骤，具体包括：获取抽油机电参数数据并将电参数数据上传至油田云平台。
根据上述实施例公开的基于人工智能的单机多井抽油机监测***，优选地，所述处理器调用所述存储器中存储的所述程序指令实现的监测方法还包括：根据单井载荷数据作出单井示功图和抽油泵示功图，定量计算油井的产液量数据和流压数据。
根据上述实施例公开的基于人工智能的单机多井抽油机监测***，优选地，所述处理器调用所述存储器中存储的所述程序指令实现的监测方法还包括：将单井示功图、抽油泵示功图、产液量数据和流压数据共享至油田云平台，以建立或连通井层、井组、区块及油田油水井之间的信息共享数据库。
根据上述实施例公开的基于人工智能的单机多井抽油机监测***，优选地，所述处理器调用所述存储器中存储的所述程序指令实现的监测方法还包括：基于人工智能和大数据，建立故障诊断数据库，故障诊断数据库中预设多种油井异常工况数据；根据示功图、电参数数据、有功功率、无功功率、***效率数据或分析数据与油井异常工况数据的匹配度，诊断抽油机的异常工况。
根据上述实施例公开的基于人工智能的单机多井抽油机监测***，优选地，所述处理器调用所述存储器中存储的所述程序指令实现的监测方法还包括：对单组动力输出柔绳进行拉力测试，利用并行压力计标定载荷计算准确度。
根据上述实施例公开的基于人工智能的单机多井抽油机监测***，优选地，所述处理器调用所述存储器中存储的所述程序指令实现的监测方法还包括：根据油水井层、井组、区块及油田动态变化，调整抽油井的冲程和冲次设定和/或调整抽油机和抽油泵的工作参数。
实施例六
根据本发明的实施例之一，还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有程序代码，所述程序代码用于实现如上述实施例一公开的基于人工智能的单机多井抽油机监测方法。
根据本发明的上述实施例，仅通过对抽油机主机的监控就能够获知各个单井的载荷数据，并对各个井口的工作状态进行诊断。具体地：抽油机主机由单电机驱动减速装置单轴双输出，通过多根柔绳和万向定滑轮驱动相位均布的3-10口抽油井开展抽油作业。***通过物联网采集电参数，计算出***有关功率，智能诊断出多井中的任何一口井是否出问题。针对问题井采用递减法可准确计算单井受力变化数据及情况，作出单井示功图；首先可分析几十种机泵工况，同时也可计算单井液量流压。在此基础上结合和共享油田数据库，分析油水井层、井组、区块及油田动态变化，提出优化措施方案，指导***冲程冲次主机优化控制，调整机、泵工作参数。有助于油田开采工程实现节能提效，并降低投资。
上述实施例的各种方法中的全部或部分步骤是可以通过程序来控制相关的硬件来完成，该程序可以存储于可读存储介质中，存储介质包括只读存储器(Read—OnlyMemory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read—Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的可读的任何其他介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于人工智能的单机多井抽油机监测方法，其特征在于，所述单机多井抽油机的减速机连接双曲柄动力输出机构，第一曲柄和第二曲柄对称设置在所述减速机的动力输出轴两端，第一曲柄上引出的柔绳与第二曲柄上引出的柔绳共同组成一组动力输出柔绳，每一组动力输出柔绳驱动一口抽油井，所述单机多井抽油机具有均相位分布的多组动力输出柔绳；所述方法包括：
利用物联网装置采集***获取抽油机电参数数据和/或读取油田数据库数据获取抽油机电参数数据；
根据所述抽油机电参数数据计算出抽油机的有功功率、无功功率或***效率数据；
根据能量力学平衡原理结合所述有功功率、无功功率或***效率数据对所述抽油机进行受力分析，计算出如下一项或多项分析数据：力矩数据、受力数据、力矩变化值和受力变化值；
抽油机带动全部动力输出柔绳工作时，计算总体载荷数据，停用某一组动力输出柔绳后进入单井停机状态，计算单井停机载荷数据，总体载荷数据减去单井停机载荷数据可得到停机抽油井的单井载荷数据；
根据所述受力分析结合抽油机的多组动力输出柔绳的分布结构，判断出工作异常的抽油井。
2.根据权利要求1所述的基于人工智能的单机多井抽油机监测方法，其特征在于，还包括：
获取抽油机现场监控视频和/或获取移动终端与管理人员的联动数据，以便于对抽油机与油井实施全时段监控。
3.根据权利要求1所述的基于人工智能的单机多井抽油机监测方法，其特征在于，所述利用物联网装置采集***获取抽油机电参数数据的步骤，具体包括：
利用物联网装置采集***获取抽油机电参数数据并将所述电参数数据上传至油田云平台。
4.根据权利要求1所述的基于人工智能的单机多井抽油机监测方法，其特征在于，还包括：
根据单井载荷数据作出单井示功图和抽油泵示功图，定量计算油井的产液量数据和流压数据。
5.根据权利要求4所述的基于人工智能的单机多井抽油机监测方法，其特征在于，还包括：
将所述单井示功图、所述抽油泵示功图、所述产液量数据和所述流压数据共享至油田云平台，以建立或连通井层、井组、区块及油田油水井之间的信息共享数据库。
6.根据权利要求1至5中任一项所述的基于人工智能的单机多井抽油机监测方法，其特征在于，还包括：
基于人工智能和大数据，建立故障诊断数据库，所述故障诊断数据库中预设多种油井异常工况数据；
根据示功图、所述电参数数据、所述有功功率、所述无功功率、所述***效率数据或所述分析数据与所述油井异常工况数据的匹配度，诊断抽油机的异常工况。
7.根据权利要求1至5中任一项所述的基于人工智能的单机多井抽油机监测方法，其特征在于，对单组动力输出柔绳进行拉力测试，利用并行压力计标定载荷计算准确度。
8.根据权利要求1至5中任一项所述的基于人工智能的单机多井抽油机监测方法，其特征在于，还包括：
根据油水井层、井组、区块及油田动态变化，调整抽油机和抽油泵的工作参数。
9.一种基于人工智能的单机多井抽油机监测***，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的所述程序指令以实现如权利要求1至8中任一项所述的基于人工智能的单机多井抽油机监测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序代码，所述程序代码用于实现如权利要求1至8中任一项所述的基于人工智能的单机多井抽油机监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110702990.3A CN113445991B (zh) | 2021-06-24 | 2021-06-24 | 一种人工智能单机多井抽油机监测方法、***和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110702990.3A CN113445991B (zh) | 2021-06-24 | 2021-06-24 | 一种人工智能单机多井抽油机监测方法、***和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113445991A CN113445991A (zh) | 2021-09-28 |
| CN113445991B true CN113445991B (zh) | 2022-09-16 |
Family
ID=77812565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110702990.3A Active CN113445991B (zh) | 2021-06-24 | 2021-06-24 | 一种人工智能单机多井抽油机监测方法、***和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113445991B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113153227B (zh) * | 2021-04-01 | 2022-07-15 | 中油智采(天津)科技有限公司 | 一种多相位调控多井抽油机 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4413676A (en) * | 1981-09-04 | 1983-11-08 | Well Research, Inc. | Oil well monitoring device |
| US20080066901A1 (en) * | 2006-09-19 | 2008-03-20 | Weatherford/Lamb, Inc. | Box end sucker rod shear coupling |
| US8073665B2 (en) * | 2008-03-07 | 2011-12-06 | Schlumberger Technology Corporation | Analyzing an oilfield network for oilfield production |
| CN101545364B (zh) * | 2009-04-24 | 2012-06-20 | 唐建宇 | 单机多井卧式柔性节能抽油机 |
| CN201818288U (zh) * | 2010-10-28 | 2011-05-04 | 张启金 | 一种组合式多井抽油机 |
| CN202520288U (zh) * | 2012-04-18 | 2012-11-07 | 王洪亮 | 抽油机工况参数远程监控预诊装置 |
| CN103422851B (zh) * | 2012-05-21 | 2016-08-03 | 王双全 | 抽油泵动态充满度试井确定间歇泵抽制度法 |
| CN204060636U (zh) * | 2014-09-14 | 2014-12-31 | 哈尔滨理工大学 | 井下潜油多段举升式抽油*** |
| US10540594B2 (en) * | 2015-09-18 | 2020-01-21 | International Business Machines Corporation | Identifying abnormal pumpjack conditions |
| CN107288617B (zh) * | 2016-07-21 | 2020-10-02 | 中国石油大学(北京) | 一种提高抽油机井示功图量油精度的方法及*** |
| US10844854B2 (en) * | 2017-01-23 | 2020-11-24 | Caterpillar Inc. | Pump failure differentiation system |
| CN109255134B (zh) * | 2017-07-12 | 2021-08-31 | 中国石油天然气股份有限公司 | 一种抽油机井故障情况的获取方法 |
| CN109098691B (zh) * | 2018-08-01 | 2024-07-09 | 张洪源 | 一种液压抽油***及其使用方法 |
| US11408271B2 (en) * | 2019-06-11 | 2022-08-09 | Noven, Inc. | Well pump diagnostics using multi-physics sensor data |
| CN112031748B (zh) * | 2020-09-14 | 2023-09-01 | 南京富岛信息工程有限公司 | 一种基于示功图特征的抽油机井异常工况诊断方法 |
| CN112502669A (zh) * | 2020-10-01 | 2021-03-16 | 潍坊晨昊机械有限公司 | 双卷筒无游梁式抽油机及控制方法 |
| CN112861912A (zh) * | 2021-01-08 | 2021-05-28 | 中国石油大学(北京) | 一种基于深度学习的抽油机井复杂工况示功图识别方法及*** |
-
2021
- 2021-06-24 CN CN202110702990.3A patent/CN113445991B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113445991A (zh) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105952439A (zh) | 采用电参数测量示功图的装置及方法 | |
| RU2381384C1 (ru) | Способ и система управления перемещением штока в системе откачки флюида из скважины | |
| CN111105063A (zh) | 故障预测、模型构建方法、装置、处理器及可读存储介质 | |
| CN111896244B (zh) | 一种综采设备phm*** | |
| CN113445991B (zh) | 一种人工智能单机多井抽油机监测方法、***和存储介质 | |
| CN102268989A (zh) | 获取抽油机井动液面在线实时数据的方法以及*** | |
| CN104405365A (zh) | 抽油机功图法产液量计量技术 | |
| CN104265247A (zh) | 游梁式抽油机平衡自动调整装置及自动控制方法 | |
| CN111896254A (zh) | 一种变速变载大型滚动轴承故障预测***及方法 | |
| CN112257224B (zh) | 汽轮发电机状态检修方法、***以及终端 | |
| CN104373113A (zh) | 一种用电参数测量抽油机井环空动液面及工况诊断方法 | |
| CN204140029U (zh) | 游梁式抽油机平衡自动调整装置 | |
| CN116028849B (zh) | 基于深度自编码网络的乳化液泵故障诊断方法 | |
| CN115371924A (zh) | 一种基于机械联动“跷跷板”结构的风电叶片疲劳激振方法及装置 | |
| CN116680607A (zh) | 一种基于lstm神经网络的钻井泵电机状态在线监测方法 | |
| CN114483561B (zh) | 一种通过角度域显示参数信号的方法及装置 | |
| Zyuzev et al. | SRPU balance monitoring by wattmeter card | |
| CN115750304B (zh) | 绿能抽油机智慧管控*** | |
| CN116104478A (zh) | 基于实测电功率的示功仪故障诊断方法 | |
| CN114412447A (zh) | 一种螺杆泵井的故障检测方法及装置 | |
| CN110439537B (zh) | 抽油机电功图反演地面功图的方法 | |
| CN102359368A (zh) | 基于支持向量机的潜油往复式抽油机的动液面预测方法 | |
| CN106066845B (zh) | 一种抽油机示功图的学习估计方法 | |
| CN116362078A (zh) | 一种门座起重机结构真实状态的获取方法及*** | |
| Tecle et al. | Analysis of Motor Power Curve for Detecting Fault Conditions in Sucker Rod Pump |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |