神經(jīng)網(wǎng)絡(luò)法識(shí)別抽油機(jī)井示功圖的研究及應(yīng)用

1、神經(jīng)網(wǎng)絡(luò)法識(shí)別抽油機(jī)井示功圖的研究及應(yīng)用高永亮1檀朝東2趙海濤3(1.中國(guó)石油長(zhǎng)慶油田采油六廠，陜西定邊，718600;2.中國(guó)石油大學(xué)(北京),北京昌平102200;3.北京雅丹石油技術(shù)開(kāi)發(fā)有限公司，北京昌平102200摘要示功圖是判斷油井生產(chǎn)狀況的重要依據(jù)。神經(jīng)網(wǎng)絡(luò)能夠反映任意非線性的映射關(guān)系，從而可以應(yīng)用于圖形識(shí)別。本文主要依據(jù)BP神經(jīng)網(wǎng)絡(luò)判定示功圖類型的實(shí)現(xiàn)過(guò)程，闡述了BP神經(jīng)網(wǎng)絡(luò)的基本原理，建立了模式識(shí)別系統(tǒng)，并給出了部分應(yīng)用實(shí)例。關(guān)鍵詞示功圖神經(jīng)網(wǎng)絡(luò)故障診斷1引言抽油機(jī)井故障診斷技術(shù)一直是國(guó)內(nèi)外采油工程技術(shù)人員的一個(gè)重要研究課題，經(jīng)過(guò)幾十年研究實(shí)踐，抽油機(jī)井故障的分析與診斷技術(shù)有了

2、相當(dāng)大的發(fā)展。其中，地面示功圖分析法是抽油系統(tǒng)故障診斷的一種有效方法1-20示功圖是抽油機(jī)懸點(diǎn)位移、載荷隨時(shí)間變化構(gòu)成的曲線，是分析抽油機(jī)生產(chǎn)狀況的重要資料。迄今為止，示功圖的類型識(shí)別主要依靠經(jīng)驗(yàn)，還沒(méi)有成熟完善的體系作為指導(dǎo)3o由于人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork)能夠反映任意非線性的映射關(guān)系，可應(yīng)用于圖形識(shí)別，而且具有自組織、自學(xué)習(xí)及容錯(cuò)特性，在漢字識(shí)別方面已取得了顯著成效。因此，神經(jīng)網(wǎng)絡(luò)的應(yīng)用有望促進(jìn)示功圖識(shí)別技術(shù)的發(fā)展。2人工神經(jīng)網(wǎng)絡(luò)的基本原理目前應(yīng)用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)一前饋式多層神經(jīng)網(wǎng)絡(luò)模型和誤差反向傳播BP網(wǎng)絡(luò)算法，它的基本結(jié)構(gòu)如圖1所示。誤差反向傳

3、播網(wǎng)絡(luò)模型的核心是誤差反向傳播(簡(jiǎn)稱BP學(xué)習(xí)算法，有時(shí)也稱BP模型。BP學(xué)習(xí)算法的主要思路是，如果求出誤差E對(duì)各個(gè)神經(jīng)之輸出的偏導(dǎo)數(shù)，就可以算出誤差E對(duì)所有連接權(quán)值的偏導(dǎo)數(shù)，從而可以利用梯度下降法(梯度下降法的迭代方向是由迭代點(diǎn)的負(fù)梯度構(gòu)成的.由于負(fù)梯度方向是函數(shù)值下降的最快的方向，故此法也稱最速下降法)來(lái)修改各個(gè)連接權(quán)值。BP網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)是一種監(jiān)督的學(xué)習(xí)，要求每一個(gè)輸入模式矢量與表示所期望的輸出模式矢量必須配對(duì)。一般來(lái)說(shuō)，網(wǎng)絡(luò)輸出值pkO與期望的輸出值pkt是不相等的。對(duì)于每一個(gè)輸入的模式樣本，其均方誤差為pE為E-=kpkpkpOtE(21(1)而對(duì)所有的學(xué)習(xí)樣本，網(wǎng)絡(luò)的均方誤差E為EE

4、E-=pkpkpkppOtpEpE2(211(2)這里p為輸入模式樣本總數(shù)出矢蠟人矢圖1神經(jīng)網(wǎng)絡(luò)系統(tǒng)示意圖對(duì)于圖1所示的網(wǎng)絡(luò)，其訓(xùn)練學(xué)習(xí)的過(guò)程由兩部分組成：一部分是網(wǎng)絡(luò)內(nèi)部的前向計(jì)算，另一部分是誤差的反向傳播計(jì)算。其主要目的就是通過(guò)逐步調(diào)整網(wǎng)絡(luò)的內(nèi)部連接權(quán)，使網(wǎng)絡(luò)按均方誤差減小的方向進(jìn)行，以達(dá)到要求。網(wǎng)絡(luò)內(nèi)部連接權(quán)值調(diào)整，都是采用推廣的6規(guī)則來(lái)完成的403示功圖模式識(shí)別系統(tǒng)的建立模式識(shí)別系統(tǒng)由模式轉(zhuǎn)換(預(yù)處理器、信息選擇器(特征提取、識(shí)別處理(分類器組成。3.1數(shù)據(jù)預(yù)處理塊首先對(duì)示功圖原始數(shù)據(jù)點(diǎn)進(jìn)行歸一化處理。(Xminmaxminxxxx-=(3)(Yminmaxminyyyy-=(4)由于

5、示功圖點(diǎn)數(shù)不一，所以需要對(duì)數(shù)據(jù)點(diǎn)進(jìn)行規(guī)整化，使原始數(shù)據(jù)點(diǎn)相同。具體做法是計(jì)算示功圖的周長(zhǎng)，然后平均分成144份，求取每個(gè)端點(diǎn)的坐標(biāo)，共有144個(gè)點(diǎn)。這樣就把點(diǎn)數(shù)不一的示功圖，變成都具有144個(gè)點(diǎn)的數(shù)據(jù)集了。3.2示功圖的特征提取取預(yù)處理后的數(shù)據(jù)組成向量0na,其中就包含288個(gè)數(shù)，即:。1441442211,yxyxyxanL=3.3構(gòu)造神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)流程圖如下：出矢，圖2神經(jīng)網(wǎng)絡(luò)系統(tǒng)流程示意圖根據(jù)常見(jiàn)故障類型，可以隨意設(shè)置結(jié)點(diǎn)，見(jiàn)下表：表1示功圖類型和期望輸出對(duì)應(yīng)表示功圖類型期望輸出正常1xxxxxxxx下碰x1xxxxxxx固定凡爾漏失xx1xxxxxx氣影響xxx1xxxxx雙漏xxxx1

6、xxxx供液不足xxxxx1xxx游動(dòng)凡爾漏失xxxxxx1xx柱塞脫出工作筒xxxxxxx1x稠油xxxxxxxx1構(gòu)建好BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)以后，通過(guò)選擇準(zhǔn)確的功圖，正確的分類，以及足夠的樣本，對(duì)編寫(xiě)程序進(jìn)行訓(xùn)練，從而達(dá)到識(shí)別功圖的要求。4應(yīng)用實(shí)例北京雅丹石油技術(shù)開(kāi)發(fā)有限公司應(yīng)用神經(jīng)網(wǎng)絡(luò)方法編寫(xiě)程序，經(jīng)過(guò)了對(duì)不同工況的功圖訓(xùn)練之后，應(yīng)用于抽油機(jī)井示功圖的智能識(shí)別與工況診斷，對(duì)抽油機(jī)井工況的識(shí)別與診斷及時(shí)準(zhǔn)確，達(dá)到了工程實(shí)際的要求，顯示了很好的效果。由圖3為XX油田港199井2007年7月2日19點(diǎn)的地面示功圖，通過(guò)圖形可以看出示功圖的右下方缺失，而且卸載過(guò)程比較緩慢，分析可知下沖程由于泵筒內(nèi)氣

7、體壓縮，泵筒內(nèi)壓力緩慢上升，游動(dòng)凡爾打開(kāi)時(shí)間也就滯后，光桿卸載變緩，卸載線成一圓弧狀，其曲率半徑越大，泵效越低，通過(guò)程序識(shí)別該井為氣體影響，通過(guò)表2對(duì)對(duì)港199井地面示功圖輸出結(jié)果進(jìn)行分析可以看出該井氣體影響與供液不足情況的數(shù)據(jù)最為接近1,即該井不但氣體影響，而且供液不足現(xiàn)象也很明顯。24圖3港199井地面示功圖表2對(duì)港199井地面示功圖分析結(jié)果輸出節(jié)點(diǎn)結(jié)論123 456789氣體影響1.2811.0881.0401.0131.3250.9641.2641.1701.149根據(jù)圖4XX油田西46-4-2井2007年7月2日18點(diǎn)19分的地面示功圖，可以看出該井功圖反映凡爾有漏失現(xiàn)象，其中固定凡

8、爾漏失尤為嚴(yán)重，通過(guò)程序識(shí)別該井為固定凡爾漏失，通過(guò)表3對(duì)西46-4-2井地面示功圖輸出結(jié)果進(jìn)行分析可以看出，該井有雙漏嫌疑，該井的游動(dòng)凡爾漏失的數(shù)據(jù)也很接近1。At一F11上匚“T*西467T井地面示功圖我面kN)2007-7-218:19:00402400,81.62,43,24沖程：3口8m沖次：705/min位移W)最大載荷：2T.50RM最小載荷：15.50kH圖4西46-4-2井地面示功圖表3對(duì)西46-4-2井地面示功圖分析結(jié)果輸出節(jié)點(diǎn)結(jié)論13456789固定凡爾漏失1.3501.0931.0001.1261.0141.4031.3451.1691.1225總結(jié)與展望通過(guò)算例測(cè)試證

9、明：BP神經(jīng)網(wǎng)絡(luò)可成功應(yīng)用于示功圖類型識(shí)別。神經(jīng)網(wǎng)絡(luò)以其較強(qiáng)的模式識(shí)別能力及獨(dú)特優(yōu)勢(shì)，在故障診斷中得到了愈來(lái)愈廣泛地應(yīng)用。由于現(xiàn)場(chǎng)難以系統(tǒng)地收集到各種故障類型的不同形狀的示功圖，因而給示功圖地識(shí)別帶來(lái)較大困難。本文采用BP算法完成故障診斷系統(tǒng)軟件設(shè)計(jì)，很好地實(shí)現(xiàn)了示功圖神經(jīng)網(wǎng)絡(luò)識(shí)別訓(xùn)練集(各種類型及同種類型中各種形狀的示功圖，就診斷結(jié)果來(lái)看，識(shí)別結(jié)果與實(shí)際測(cè)試結(jié)果相吻合，該方法有很強(qiáng)的工程應(yīng)用價(jià)值。參考文獻(xiàn)1陳剛等.超稠油標(biāo)準(zhǔn)示功圖識(shí)別與分析.特種油氣藏.2002,9(6):60-65.2張海云.塔河油田典型示功圖分析.油氣井測(cè)試.2003,12(2):40-43.3DRumelhart&JMcCelland.Paralleldistributedprocessingexplorationsinthemicrostructureofcognition.Cambridge:Bra