基于BP神經(jīng)網(wǎng)絡(luò)的電潛螺桿泵抽油工況診斷研究

鄭春峰，吳霄，許賀永，楊若谷，余丹，檀朝東*

?

基于BP神經(jīng)網(wǎng)絡(luò)的電潛螺桿泵抽油工況診斷研究

鄭春峰1，吳霄2，許賀永3，楊若谷4，余丹2，檀朝東4*

（1.中海油能源發(fā)展股份有限公司工程技術(shù)公司，天津，300452；2.中國(guó)石油大學(xué)（北京），北京，102249；3.中國(guó)石油大港油田公司，天津大港，300280；4.北京雅丹石油技術(shù)開發(fā)有限公司，北京，102200）

電潛螺桿解決了地面驅(qū)動(dòng)螺桿泵桿斷脫、管桿偏磨的問題，具有能耗低、維護(hù)簡(jiǎn)單等優(yōu)點(diǎn)，由于缺乏工況實(shí)時(shí)分析診斷的方法，難以及時(shí)發(fā)現(xiàn)井下機(jī)組工作狀態(tài)和故障原因。本文根據(jù)地面驅(qū)動(dòng)螺桿泵系統(tǒng)典型故障，結(jié)合電潛螺桿泵系統(tǒng)的結(jié)構(gòu)和特性，構(gòu)建了工況診斷訓(xùn)練和測(cè)試集樣本，建立了故障工況征兆矢量與工況類型之間的映射關(guān)系，形成了基于神經(jīng)網(wǎng)絡(luò)的電潛螺桿泵抽油工況診斷方法及系統(tǒng)，并在實(shí)際生產(chǎn)得到了驗(yàn)證。

電潛螺桿泵；生產(chǎn)工況；BP神經(jīng)網(wǎng)絡(luò)；在線診斷

引言

電潛螺桿泵ESPCP是人工舉升的方法之一，由于其特殊的結(jié)構(gòu)設(shè)計(jì)，與目前各油田廣泛使用的柱塞式抽油機(jī)、地面驅(qū)動(dòng)螺桿泵、電潛離心泵相比較起來具有如下特征：適宜于高粘度、高含砂量以及聚合物成份比例較大的原油開采作業(yè)；不發(fā)生氣鎖并有破乳作用；抽吸連續(xù)平穩(wěn)，不對(duì)油層產(chǎn)生壓力激動(dòng)作用[1]；泵的排量穩(wěn)定，油液流動(dòng)無擾動(dòng)，便于計(jì)量。另一方面，電潛螺桿泵系統(tǒng)屬于無桿采油設(shè)備，不存在抽油桿的扭曲變形和伸縮變形過程中的能量損耗，不存在抽油桿與井液攪動(dòng)問題，采油能耗低，消除了因桿磨損或斷脫帶來的損失，延長(zhǎng)了泵檢周期，不僅適宜于斜井、定向井及水平井的開采作業(yè)，而且機(jī)組井上部分體積小、重量輕、易于管理的特點(diǎn)使其更適宜于海上平臺(tái)和沼澤地區(qū)采油作業(yè)[2]，同時(shí)，泵下機(jī)組的發(fā)熱可以起到加熱原油的作用。

電潛螺桿泵處在環(huán)境復(fù)雜的油井中工作時(shí)，往往無法及時(shí)掌握其井下機(jī)組的工況，如果井下工況不合理或機(jī)組發(fā)生了故障而沒有得到及時(shí)有效的處理，就會(huì)導(dǎo)致機(jī)組帶病生產(chǎn)，嚴(yán)重影響到機(jī)組的壽命以及油井產(chǎn)量。而對(duì)井下工況判斷不準(zhǔn)確，造成不合理的操作甚至不必要的修井作業(yè)，同樣也會(huì)嚴(yán)重影響油井產(chǎn)量和增加生產(chǎn)成本。當(dāng)前，現(xiàn)有的大部分油井故障診斷系統(tǒng)僅僅停留在對(duì)油井生產(chǎn)數(shù)據(jù)的采集、傳輸、存儲(chǔ)和顯示上，需要依靠人員的經(jīng)驗(yàn)進(jìn)行下一步的工況診斷工作。電潛螺桿泵采油技術(shù)擬在油田得到規(guī)模成功應(yīng)用，有必要在現(xiàn)有的油氣水井統(tǒng)一平臺(tái)基礎(chǔ)上，升級(jí)形成一套潛油螺桿泵井生產(chǎn)監(jiān)控、工況診斷等功能的智能應(yīng)用系統(tǒng)。該系統(tǒng)可對(duì)潛油螺桿泵井全生命周期動(dòng)靜態(tài)資料進(jìn)行管理，通過單井監(jiān)控、診斷，有問題及時(shí)發(fā)現(xiàn)及時(shí)處理，提前實(shí)施預(yù)防措施，有效提升生產(chǎn)時(shí)率，降低油氣生產(chǎn)成本。

1 電潛螺桿泵系統(tǒng)工作原理

電潛螺桿泵是單螺桿式水力機(jī)械的一種，是擺線內(nèi)嚙合螺旋齒輪副的一種應(yīng)用。螺桿泵的轉(zhuǎn)子、定子副利用擺線的多等效動(dòng)點(diǎn)效應(yīng)，在空間形成封閉腔室，當(dāng)轉(zhuǎn)子和定子作相對(duì)轉(zhuǎn)動(dòng)時(shí)，封閉腔室能做軸向移動(dòng)，使其中的液體從一端移向另一端，實(shí)現(xiàn)機(jī)械能和液壓能的相互轉(zhuǎn)化，從而實(shí)現(xiàn)舉升液體的作用。

電潛螺桿泵系統(tǒng)由動(dòng)力系統(tǒng)、傳動(dòng)系統(tǒng)、執(zhí)行系統(tǒng)、控制系統(tǒng)、配套工具及井下管柱六部分組成[3]。其中動(dòng)力系統(tǒng)包括電機(jī)、動(dòng)力電纜和變壓器等，動(dòng)力電纜將三相電傳遞給井下電機(jī)；傳動(dòng)系統(tǒng)包括齒輪減速器、保護(hù)器、聯(lián)軸體，內(nèi)含軸承、密封、壓緊彈簧等關(guān)鍵零部件，減速器主要起減速和提高扭矩的作用，聯(lián)軸體除了傳遞扭矩外，還承受轉(zhuǎn)子反作用過來的軸向壓力，同時(shí)將輸入軸的定軸轉(zhuǎn)動(dòng)轉(zhuǎn)換為輸出軸的偏轉(zhuǎn)運(yùn)動(dòng)；執(zhí)行系統(tǒng)即螺桿泵，由金屬轉(zhuǎn)子和橡膠定子組成；控制系統(tǒng)包括上位機(jī)、下位機(jī)、變頻器、井下溫度與壓力傳感器等；其他的配套工具包括泄油閥、單流閥、封隔器等。電潛螺桿泵系統(tǒng)的機(jī)組結(jié)構(gòu)如圖1所示[4]。

圖1 電潛螺桿泵采油系統(tǒng)結(jié)構(gòu)圖

電動(dòng)潛油螺桿泵采油系統(tǒng)的工作流程為：動(dòng)力電纜將電力傳至井下潛油電機(jī)，潛油電機(jī)通過保護(hù)器、減速器、柔性軸驅(qū)動(dòng)螺桿泵轉(zhuǎn)子低速轉(zhuǎn)動(dòng)，轉(zhuǎn)子在定子中旋轉(zhuǎn)，形成動(dòng)態(tài)密封腔室，將原油增壓，從泵的吸入端推進(jìn)到輸出端并舉升至地面[5]。

2 電潛螺桿泵系統(tǒng)在線診斷方法研究

潛油螺桿泵處在環(huán)境復(fù)雜的油井中工作，潛油螺桿泵井下機(jī)組的工況往往無法被及時(shí)掌握，如果故障發(fā)生時(shí)沒有被及時(shí)發(fā)現(xiàn)，那么故障可能從井下機(jī)組的一個(gè)部件傳遞至整個(gè)采油系統(tǒng)，導(dǎo)致整個(gè)采油系統(tǒng)失效，對(duì)于螺桿泵的診斷技術(shù)，雖然已研究出一些診斷算法，但往往只是在故障發(fā)生后，對(duì)已有的抽油井?dāng)?shù)據(jù)進(jìn)行分析處理，得出故障產(chǎn)生的原因，沒有將實(shí)時(shí)生產(chǎn)數(shù)據(jù)與故障診斷系統(tǒng)結(jié)合起來，無法滿足數(shù)字化油田“降本增效”的管理需求。隨著計(jì)算機(jī)、通信以及網(wǎng)絡(luò)技術(shù)的不斷進(jìn)步，油井監(jiān)控系統(tǒng)得到了迅速發(fā)展。對(duì)于地面驅(qū)動(dòng)螺桿泵采油系統(tǒng)故障診斷，目前采用的技術(shù)主要有電流法[6]、憋壓法[7]、產(chǎn)液量法、扭矩法[8,9]、綜合診斷法等，而對(duì)于潛油螺桿泵采油系統(tǒng)的故障診斷技術(shù)還處于起步階段，本文從分析和研究地面驅(qū)動(dòng)螺桿泵采油系統(tǒng)的故障診斷技術(shù)出發(fā)，研究出一種適合于潛油螺桿泵的在線故障診斷方法。

螺桿泵井除了正常工況外，還有其它多種異常工況存在，這些異常工況均視為故障工況，雖然螺桿泵井的故障種類繁多，但是總體上可以將故障分為地面故障和井下故障兩類。對(duì)于地面驅(qū)動(dòng)螺桿泵采油系統(tǒng)，地面故障主要發(fā)生在電動(dòng)機(jī)和減速器上，井下故障主要有抽油桿斷脫、桿管偏磨、油管斷脫、泵漏失、油管漏失、泵卡阻、蠟堵等故障。而對(duì)于潛油螺桿泵采油系統(tǒng)，由于潛油電機(jī)和減速器均放置于井下，因此其故障主要集中在井下，同時(shí)潛油電機(jī)通過電機(jī)保護(hù)器、減速器、柔性軸與螺桿泵轉(zhuǎn)子相連，因而不存在抽油桿斷脫和桿管偏磨故障。潛油螺桿泵比較典型的異常工況主要有柔性軸斷脫、蠟堵、泵卡阻、泵漏失、泵空抽、泵工作壓差不合理、油管漏失、減速器故障、潛油電機(jī)故障等多種類型。

電潛螺桿泵的各種故障與現(xiàn)場(chǎng)生產(chǎn)數(shù)據(jù)存在復(fù)雜的非線性關(guān)系，而BP神經(jīng)網(wǎng)絡(luò)模型[10]是一種非線性的、有一定容錯(cuò)能力的，具有很強(qiáng)的信息綜合能力和極強(qiáng)的自適應(yīng)、自學(xué)習(xí)的模型，其應(yīng)用廣泛發(fā)，十分適用于依據(jù)油井現(xiàn)場(chǎng)生產(chǎn)數(shù)據(jù)來進(jìn)行故障診斷。

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如下圖2所示分為三層：輸入層、隱含層、輸出層。本文采用的標(biāo)準(zhǔn)三層BP神經(jīng)網(wǎng)絡(luò)，建立故障工況征兆矢量與工況類型之間的映射關(guān)系。

圖2 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

其中，每個(gè)輸入層神經(jīng)元對(duì)應(yīng)一種故障征兆矢量輸入，為了更好的反應(yīng)現(xiàn)場(chǎng)的工況，選取現(xiàn)場(chǎng)油井一段時(shí)間內(nèi)的工況參數(shù)—電流、有功功率、扭矩和產(chǎn)液量，分別取其平均值、最大變化率、最小變化率共12個(gè)值，進(jìn)行歸一化后得到12個(gè)特征向量作為輸入。隱含層中的神經(jīng)元個(gè)數(shù)參照經(jīng)驗(yàn)公式確定為18個(gè)。每個(gè)輸出層神經(jīng)元對(duì)應(yīng)一種工況類型，即九種異常工況和一種正常工況，選取0和1作為網(wǎng)絡(luò)的輸出，越接近0則表示該節(jié)點(diǎn)不出現(xiàn)該種類型工況，越接近1則表示該節(jié)點(diǎn)出現(xiàn)該種工況，網(wǎng)絡(luò)輸出層矢量編碼如表1所示。

表1 網(wǎng)絡(luò)輸出層矢量編碼

選取某油田的20多口油井的實(shí)時(shí)生產(chǎn)參數(shù)進(jìn)行樣本集的建立，共收集100組數(shù)據(jù)樣本，其中每種工況對(duì)應(yīng)有7組訓(xùn)練樣本和3組測(cè)試樣本。通過70個(gè)訓(xùn)練樣本的訓(xùn)練，建立起針對(duì)電潛螺桿泵工況診斷的BP神經(jīng)網(wǎng)絡(luò)，用代表10種工況下共30組測(cè)試樣本進(jìn)行訓(xùn)練學(xué)習(xí)，BP網(wǎng)絡(luò)算法的學(xué)習(xí)過程由正向傳播過程和反向傳播過程兩個(gè)階段組成。在正向傳播過程中，將學(xué)習(xí)樣本輸入BP網(wǎng)絡(luò)，經(jīng)隱層加權(quán)處理和激活函數(shù)運(yùn)算后，計(jì)算出各神經(jīng)元在隱層和輸出層的輸出，并計(jì)算實(shí)際輸出和學(xué)習(xí)樣本中期望輸出的誤差。在反向傳播過程中，當(dāng)實(shí)際輸出值與期望的輸出值的誤差沒達(dá)到精度要求時(shí)，將誤差逐層回傳反向傳播，按照梯度下降原則調(diào)整各相鄰層之間的連接權(quán)重系數(shù)和隱層與輸出層的閾值，逐漸減小誤差直至收斂。最后，神經(jīng)網(wǎng)絡(luò)的輸出和診斷結(jié)果如表2所示。

表2 樣本訓(xùn)練結(jié)果

測(cè)試結(jié)果表明，所建立的BP神經(jīng)網(wǎng)絡(luò)能夠?qū)y(cè)試集樣本做出正確的分類，輸出的工況類型與期望一致。根據(jù)測(cè)試結(jié)果，做出規(guī)定：當(dāng)輸出節(jié)點(diǎn)的輸出值在0.75到1.05之間，則認(rèn)為是對(duì)應(yīng)輸出節(jié)點(diǎn)的工況類型。

3 電潛螺桿泵井工況診斷實(shí)例

現(xiàn)場(chǎng)某口電潛螺桿泵的生產(chǎn)參數(shù)如圖3所示，曲線表明產(chǎn)液量由正常迅速降至極低水平，電流接近空載電流，有功功率偏低，扭矩降低，現(xiàn)場(chǎng)判斷為柔性桿斷脫。用所建立的BP神經(jīng)網(wǎng)絡(luò)對(duì)該井工況進(jìn)行診斷，將生產(chǎn)參數(shù)經(jīng)過特征值提取后，得到輸入矢量為(0.89 0.11 -0.42 0.51 0.15 -0.71 0.52 0.05 -0.64 0.11 0.08 -0.91)T，將其輸入至BP神經(jīng)網(wǎng)絡(luò)輸入層，得到的輸出如表3所示，結(jié)果表明與現(xiàn)場(chǎng)判斷一致。

圖3 現(xiàn)場(chǎng)某井生產(chǎn)曲線圖

表3 BP模型輸出結(jié)果及診斷結(jié)果

通過其他現(xiàn)場(chǎng)不同工況結(jié)果對(duì)比分析可知，網(wǎng)絡(luò)的實(shí)際輸出值與目標(biāo)輸出值非常接近，診斷結(jié)果正確率達(dá)到了94%以上，表明建立的BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)了工況診斷的功能，同時(shí)也表明了將BP神經(jīng)網(wǎng)絡(luò)方法應(yīng)用在電潛螺桿泵抽油工況在線診斷具有可行性。

4 結(jié)束語

本文結(jié)合地面螺桿泵的典型工況和診斷方法，針對(duì)電潛螺桿泵自身結(jié)構(gòu)和工作特性，提出了以電潛螺桿泵實(shí)時(shí)生產(chǎn)參數(shù)為研究對(duì)象，基于BP神經(jīng)網(wǎng)絡(luò)的診斷模型，通過特征值提取，搭建了電潛螺桿泵工況樣本集，確定了網(wǎng)絡(luò)的訓(xùn)練參數(shù)，完成網(wǎng)絡(luò)的訓(xùn)練和測(cè)試。經(jīng)測(cè)試和初步驗(yàn)證，能夠?qū)﹄姖撀輻U泵常見的工況進(jìn)行在線診斷，結(jié)果可靠，值得進(jìn)一步研究更加復(fù)雜工況的診斷。

[1] 鮑鋒, 趙政超, 王智博,等. 電潛螺桿泵采油系統(tǒng)的開發(fā)與現(xiàn)場(chǎng)應(yīng)用[J]. 石油鉆采工藝, 2000, 22(1):67-68.

[2] 劉紅蘭, 王富, 梁華. 電動(dòng)潛油螺桿泵在埕島油田的應(yīng)用研究[J]. 石油鉆探技術(shù), 2004, 32(5): 48-50.

[3] 王世杰, 李勤. 潛油螺桿泵采油技術(shù)及系統(tǒng)設(shè)計(jì)[M]. 冶金工業(yè)出版社, 2006.

[4] 孔倩倩. 電動(dòng)潛油螺桿泵工況診斷方法研究[D]. 中國(guó)石油大學(xué)(華東), 2009.

[5] 楊獻(xiàn)平. 電動(dòng)潛油螺桿泵采油系統(tǒng)特點(diǎn)及應(yīng)用[J]. 石油礦場(chǎng)機(jī)械, 2004, 33(3): 82-84.

[6] Ramos M A, Brown J C, Rojas M D C, et al. Producing Extra Heavy Oil using Bottom Drive Progressive Cavity Pump from Orinoco Belt Cerro Negro Area Venezuela[M]. 2005.

[7] 宮偉. 電動(dòng)潛油螺桿泵采油系統(tǒng)應(yīng)用研究[J]. 勝利油田職工大學(xué)學(xué)報(bào), 2005, 19(5): 53-54.

[8] 李增亮, 張來斌. 電潛螺桿泵機(jī)組故障診斷系統(tǒng)設(shè)計(jì)方法研究[J]. 流體機(jī)械, 2003, 31(1): 32-34.

[9] 梁鐵坤. 電動(dòng)潛油螺桿泵采油系統(tǒng)控制技術(shù)的研究[D]. 哈爾濱: 哈爾濱理工大學(xué), 2005.

[10] 韓立群. 人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用[M]. 北京: 化學(xué)工業(yè)出版社, 2007: 24-32.

Study on Production Condition Diagnosis of Electric Submersible Progressing Cavity Pump(ESPCP) Based on Back Propagation Neural Network

ZHENG Chunfeng1, WU Xiao2, XU Heyong3, YANG Ruogu4, YU Dan2, TAN Chaodong4*

(1. CNOOC Energy Technology & Services- Engineering Technology Co, Tianjin Tanggu, 300450, China; 2.China University of Petroleum (Beijing), Beijing Changping, 102249, China; 3. China National Petroleum Corporation Dagang Oilfield Company, Tianjing Dagang, 300280, China; 4. Beijing Yandan Petroleum Technology Development Co, Ltd, Beijing Changping 102200, China)

Electric submersible progressing cavity pump(ESPCP) solves the problem that rod of progressing cavity pump(PCP) is broken off and partial wear, which has the advantages of low energy consumption and simple maintenance. Due to the lack of online diagnosis of working conditions, It is difficult to find the working state and cause of the downhole assembling unit in time. Based on the typical failure of PCP system and the structure and characteristics of the ESPCP system, a sample of working condition diagnosis training and test set is constructed.The mapping relation between the sign vector of the fault condition and the type of working condition is established.The diagnosis method and system of the pumping condition of ESPCP based on the neural network are formed,and has been verified in actual production.

ESPCP; Production condition;Back propagation neural network;Online diagnosis

10.19551/j.cnki.issn1672-9129.2018.01.022

TP183

A

1672-9129(2018)01-0056-03

鄭春峰, 吳霄, 許賀永, 等. 基于BP神經(jīng)網(wǎng)絡(luò)的電潛螺桿泵抽油工況診斷研究[J]. 數(shù)碼設(shè)計(jì), 2018, 7(1): 56-58.

ZHENG Chunfeng, WU Xiao, XU Heyong, et al. Study on Production Condition Diagnosis of Electric Submersible Progressing Cavity Pump(ESPCP) Based on Back Propagation Neural Network[J]. Peak Data Science, 2018, 7(1): 56-58.

2017-10-20；

2017-12-17。

檀朝東(1968-)，男，安徽，副研究員，博士，采油工程，智能油田。E-mail:704877300@qq.com