基于特征识别的电潜泵井工况智能诊断新方法

张瑞超,尹玉琼,徐林颖，陈德春,肖良飞,杨康敏

(1.中国石油大学胜利学院 油气工程学院,山东 东营 257000; 2.东营职业学院 石油装备与机电工程学院,山东 东营 257091; 3.东营职业学院 会计学院，山东 东营 257091;4.中国石油大学(华东) 石油工程学院,山东 青岛 266580; 5.中国石化河南油田分公司 石油工程研究院,河南 郑州 473000)

目前,我国大部分油田已进入开发中后期[1-2],采出液的含水率不断升高[3-5],而电潜泵因其排量大、功率高、能量传递方式简单及管理方便等优点[6-7],已成为保持油井高产的必然选择。但电潜泵一般为深井作业,井下工作环境复杂,运行工况难以掌握,而且电泵成本较高[8-10],如果不能及时地把握电泵的工作状况,对故障进行及时的处理,就可能造成很大的损失。因此,通过工况诊断分析来及时发现故障,减少电泵在不正常工况下的工作时间,是电潜泵井高效稳定生产的重要保障。油田现场一般是人工通过电流卡片来进行电潜泵井的工况诊断分析[11-13],但人工诊断方法工作技术性强,依赖技术人员的经验和方法,效率较低且工作量大,严重影响着工况诊断分析的及时性与准确性。因此,以电潜泵的工作原理为基础,结合电流卡片和油井生产数据,分析电潜泵井常见的工况类型和每种工况类型下电流曲线的形态特征,提取不同工况类型下的电流曲线特征量,形成基于特征识别的电潜泵井工况智能诊断新方法,以判断油井工况故障,并提出解决措施。

1 基于特征识别的电潜泵井工况诊断方法

1.1 不同典型工况下电流卡片样本库

以油田现场采集的电流卡片为数据来源,进行整理和归纳,形成了10种不同典型工况下的电流卡片样本库,并分析了每种典型工况下电流曲线的形态特征及其形成原因,为后面电潜泵井的工况诊断及故障处理提供依据,不同典型工况下的电流卡片样本库如图1所示。

(1)正常运转时的电流卡片如图1(a)所示,电流是恒定的,电流曲线比较理想,是平滑对称的曲线,可能会产生细小的波动,但不可能较大。

(2)含气状态下运行的电流卡片如图1(b)所示,电流曲线呈现为有规律的长期波动,工作电流波动的周期、幅度几乎相同,波动时间长,但没有形成过载或欠载。

(3)泵气锁时的电流卡片如图1(c)所示,电潜泵由于气锁而产生停泵现象,电流曲线表现为A段由于液面高,工作电流高于正常值;B段为电潜泵正常运转电流;C段由于液面下降、低于额定排量而工作电流下降,气体在泵附近脱气,电流开始出现波动;D段由于液面低、间歇出气和不规则液流引起工作电流既低又不稳定,最后泵因欠载而停机。

图1 不同典型工况类型下的电流卡片样本库

(4)泵抽空时的电流卡片如图1(d)所示,电潜泵由于抽空而欠载停泵,电流曲线表现为A、B、C三段曲线的分析与气锁情况相同,但由于该井内无游离气体逸出,也无脉动,所以电流平稳。在D段中,由于液面低,电流急剧下降并欠载停机,在机组再起动过程中,电流迅速下降,短时间内欠载停机。

(5)频繁的短期循环的电流卡片如图1(e)所示,电流和电潜泵机组的启停表现为周期性的波动。

(6)欠电流停泵的电流卡片如图1(f)所示,当泵启动后,马上因为欠电流而停机,在再启动过程中,这一过程不断循环。

(7)欠载保护失灵的电流卡片如图1(g)所示,表现为电潜泵机组正常启动后,运行一段时间电流逐渐下降,一直降到接近电机的空载电流为止,几乎在空载条件下运行一段比较长的时间突然过载停机。

(8)过载停机的电流卡片如图1(h)所示,设备由于过载而停泵,A段表示电机在低于额定电流的情况下启动,启动后电流逐渐趋于额定值;B段表示电泵正常运行;C段表示电流逐渐升高,最后达到过载电流整定值,导致电潜泵机组过载停机。

(9)井液中含有杂质的电流卡片如图1(i)所示,电流曲线运行到某一时间突然发生波动,过一段时间又自动恢复正常。

(10)突发情况下引起停机的电流卡片如图1(j)所示,前期工作电流正常,到某一时刻,工作载荷突然降为零,工作电流急剧下降,并马上停机。

1.2 基于特征识别的工况诊断数学模型

1.2.1 标准化处理

获得实时电流数据之后,首先需进行标准化处理。由于样本库中经过处理后的正常工作电流对应的值为0.7,停机后的电流对应的值为0.4。所以可对待诊断的电流数据I测做如下处理,以便进行后续的特征分析:

(1)

式中,I标准为标准化处理之后的电流,A;I测为测得的电流,A;I正常为电泵设定的正常工作电流,A。

此外样本库中的时间量是弧度θ(0～2 π)对应着24 h,所以还须将时间进行标准化处理:

(2)

式中,θ为标准化处理之后的时间,弧度;T为测定电流值对应的时间,min。

完成标准化处理之后,通过计算各点斜率,可获得一组反映电流变化规律的标准斜率数据。

1.2.2 特征参数及其阈值的确定

特征量提取之前,定义以下5个特征参数及其阈值:

①α+为 较大的正值(α+>5);

②α-为 较大的负值(α-<-5);

③β+为 较小的正值(0.2≤β+≤2);

④β-为 较小的负值(-2≤β-≤-0.2);

⑤0为βmax-< 0 <βmin+。

上述5个特征参数的阈值是在综合分析典型电流卡片下电流斜率变化规律的基础之上,再经过数据的统计分析确定的。例如,将样本库里所有电流卡片中提取出正常工作情况下的98组标准斜率数据汇入统计图,其标准斜率数据均处于-0.2～0.2,如图2所示,样本库中其他的电流卡片电流正常时的斜率也完全符合此阈值。图3显示的是电流波动时的标准斜率变化范围,从图3中可以看出其所有标准斜率数值的绝对值均小于2。同理可得到停机和重启情况下标准斜率数据的变化范围,其标准斜率数据的绝对值均大于5,即电流卡片中电流变化的标准斜率值小于-5时,都会确定地出现停机情况;电流卡片中电流变化的标准斜率值大于5时,都会确定地出现重启动情况。上述确定的阈值都是具有统计学意义的,在新增或编辑样本库之前无须对其进行修改。

图2 稳定情况下的标准斜率

图3 波动情况下的标准斜率

1.2.3 特征量提取与分析

在样本库中定义3类特征。

(1)稳定电流特征:斜率都为0。

(2)非稳定电流特征:

① 电流缓慢减小。斜率维持为β-较长一段时间。

② 电流快速减小。斜率很短时间内出现β-。

③ 电流增加。斜率维持为β+一段时间。

④ 电流波动。斜率为β+和β-交替出现。

(3)电流突变特征:

① 停机。斜率数据中检测到α-。

② 再启动。斜率数据中检测到α+。

在进行电流卡片分析时,要在标准斜率数据中检测以上特征,进而用以对不同电流卡片进行区分。进行检测时规定每5%个连续的标准斜率数据为一个数据单元,例如100个标准斜率数据依次为:A,B,C,D,E,F,G,H,…,将{A,B,C,D,E}{B,C,D,E,F,}和{D,E,F,G,H}都视为不同的数据单元。该数据单元主要用于电流渐变特征的检测,所以包含α-或α+的数据单元没有意义,分析时不将其视为一个数据单元。

在进行稳定电流特征检测时,如果一个数据单元中0出现的频数大于数据单元中数据总数的60%(不包含60%)时,也就是说对于上述提到的时间单元{A,B,C,D,E}中的5个数据中必须检测到4或5次0,才开始启动电流稳定特征的检测,将其称作稳定电流特征检测的启动条件。

在进行非稳定电流特征检测时,如果数据单元中β+和β-出现的总频数大于数据单元中数据总数的40%(包含40%)时,开启非稳定电流特征的检测,将其称作非稳定电流特征检测的启动条件。

对于存在电流突变特征的电流卡片,先检测停机特征即[α-],然后再从停机数据点按时间自后向前搜索。如果非稳定电流特征的检测开启,继续一次取一个时间单元往前检测,直至出现稳定电流特征或电流突变特征时,检测终止,并把自非稳定电流特征开启时的第一个数据单元至其终止时的最后一个数据单元(不包含该单元的数据)之间的所有数据构成一个非稳定数据组,该非稳定数据组的形式可能是以下4种:

① [β+、0、β-]表示电流波动;

② [β-、0、β-]表示电流缓慢减小;

③ [β-、β-]表示电流迅速减小;

④ [β+、β+]表示电流增加。

完成非稳定数据组的提取之后,便可以在数据组中进一步检测,能很容易将以上4种数据组形式区分开来,从而可以确定其所属的不同特征类型。

如果从停机数据点按时间自后向前搜索时,稳定电流特征的检测开启。然后,同样一次取一个时间单元往前检测,假如出现非稳定电流特征,且继续向前检测能提取到[β-、0、β-]的非稳定数据组,则可判断其属于欠载保护失灵的电流卡片特征。否则,假如没有出现非稳定特征,则可判断其属于突发情况下引起停机的电流卡片特征。

如果从停机数据点按时间自后向前搜索时,第一个数据点便检测到再启动特征即[α+],则可判断其属于欠电流停泵的电流卡片特征。

基于上述的特征参数及诊断规则,对样本库中10种不同典型工况下的电流卡片进行了特征量分析,并提取其特征值,形成了基于特征识别的电潜泵井工况诊断新方法,从而实现了电潜泵井工况的智能诊断。典型工况下电流卡片的特征量分析及其特征值提取见表1。

表1 典型工况下电流卡片的特征量分析及其特征值提取

2 实例计算与分析

为进一步验证所建立模型的计算精度,需运用油田现场实际的电流卡片数据对工况诊断模型进行检验。对现场6口油井的电流卡片进行工况诊断,计算结果如表2所示。

由表2可知,工况诊断符合率为100%,证明所建立的模型具有很好的精度,可以满足油田现场工程对诊断精度的要求,能够为油田现场的生产提供理论支持和指导。

表2 验证检验结果

3 结 论

(1)以油田现场采集的电流卡片为数据来源,进行整理和归纳,形成了10种不同典型工况下的电流卡片样本库,并分析了每种典型工况下电流曲线的形态特征及其形成原因,为电潜泵井的工况诊断及故障处理提供依据。

(2)统一规范和确定了5个特征参数和7个电流特征以及它们的阈值,这7个电流特征的不同组合可以将10种典型工况下的电流卡片完全区分开,并对每种典型工况下的电流卡片进行了特征提取,从而形成了基于特征识别的电潜泵井工况智能诊断新方法。

(3)对油田现场6口油井的电流卡片进行工况诊断,工况诊断符合率为100%,所建立的诊断模型能够非常准确地探寻样本库中已定义的各种电流卡片特征或特征组合,具有良好的精度,可以满足油田现场工程对诊断精度的要求,能够为油田现场的生产提供理论支持和指导。