基于物聯網技術的抽油機參數分析和故障診斷

摘要：石油對于人類社會具有重要作用。當前石油開采方式眾多，而桿采油是最常見的一種。但采油系統工作環境非常復雜，所以經常出現故障，對于石油開采工作造成了影響，研究抽油機參數來進行故障診斷非常重要。基于物聯網來分析抽油機故障診斷方法，將井下泵功圖作為基本分析資料，通過載荷位移傳感器對抽油井地面示功圖進行探測。仿真結果表明：采用井下泵功圖對抽油機工況診斷結果更加準確，這意味著構建的系統故障診斷準確率高、識別速度快，實用性顯著。

關鍵詞：物聯網；抽油機；故障診斷；參數分析

一、前言

隨著石油開采的發展，抽油機井的高粘度、高含砂量、嚴重的蠟沉積和嚴重的腐蝕等情況，對于石油開采造成了一定的困難，抽油機井工作環境惡劣。同時油井深度較深，從上千米到幾千米不等，一方面嚴重影響油田的生產效率，另一方面抽油機井也有風險因素。抽油井可能發生故障或油氣泄漏[1]。這些不穩定因素既導致石油生產效率下降，而且增加了安全風險。本文主要針對物聯網采油設備抽油機開展研究，研究基于物聯網的抽油機故障診斷方法。

二、示功圖

測功機是解釋抽油機性能的工具。通過對故障特征的描述，能夠對抽油機的故障進行診斷和分析。分析抽油機的實際工作過程，事實上，這是一個自上而下的重復運動，一個運動周期就是一個沖程，可以利用示功圖來描述。懸掛點位移定義為橫軸，懸點載荷定義為縱軸，它們之間的關系可用矢量圖表示。示功圖顯示懸掛點位移與載荷之間的關系，可以通過計算示功圖面積來實現。從實際應用的角度來看，抽油機會產生大量的工作載荷，可分為靜載荷和動載荷。

動載荷和靜載荷是獨立的矢量，可以單獨分析。忽略動載荷的影響，得到了理想條件下的示功圖。也就是說，在理想工況下，抽油機懸點示功圖是外輪廓平行四邊形的結構。抽油機進行上升沖程后，靜荷載被傳遞到抽油機的地面懸點。此時，載荷值不變，然后到達跳躍頂部，開始進行下一階段的卸載跳躍[2]。靜載荷均勻下降，但是速度急劇。卸載跳轉之后，保持靜載荷不變，直到沖程最底端。

在石油開采過程中，因為油井深所以需要較多次數的沖程。基于此，動載荷將會對懸點造成較大的影響，需要考慮動載荷情況。動載荷分為振動載荷與慣性載荷。當抽油桿周期性進行加速時，加速方向為向上。而懸點的慣性負載方向為下。懸點總載荷計算途徑為：累加懸掛點上的靜載荷和慣性載荷，當抽油桿進行向上減速運動時，加速方向向下，懸點慣性負載向上[3]。而懸掛點總載荷的計算方法是從懸掛點將慣性載荷、靜載荷去除。在抽油桿運動過程中，下部重量突然增加或減少時，抽油桿的結構會發生一定程度的振動。當抽油桿柱處于上升沖程循環時，由于油氣混合物的增加，抽油桿柱軸承的重量將急劇增加，從而導致振動。當抽油桿鏈處于下沖程循環時，大量油氣混合物會自動排出并再次振動。抽油桿每周期至少振動兩次。當抽油機懸掛運動頻率和抽油桿振動頻率滿足共振條件時，將會出現滿足大幅度共振，從而對于設備運行產生一定影響。基于此，需要對于抽油機的沖程數進行充分的選擇，同時分析慣性載荷、振動載荷在抽油機測功機上的作用過程。

三、抽油機故障診斷組網

（一）故障診斷網絡總體設計

抽油機組故障診斷系統利用無線通訊技術、計算機技術為支撐。網絡故障診斷系統的設計主要包括兩部分：數據采集和數據傳輸。根據中石油物聯網建設規范，抽油機故障診斷數據傳輸主要有兩種數據通信方式，分別是單井和多井集聯通通信模式。在單井通信模式下，FN是整個通信網絡中的無線儀器（通常是無線傳感器）和前端設備，負責收集被測對象的載荷溫度、電氣參數、位移、壓力、液位等信息。Fn平時為休眠狀態，由遠程監測終端（RTU）喚醒，利用ZIgBee無線通信技術將被測物體信息傳送給RTU。RTU只需對采集的監控數據進行簡單處理，然后通過通信設備將其傳輸至監控室的上位中央計算機即可[4]。上位機通過遠程監控終端（RTU）控制該區域。

數據傳輸多井集聯通信模式的第一種模式是井頭控制單元的直接傳輸模式，工作流程為：FN將有關測試對象的信息收集起來，利用ZigBee無線通信技術將信息傳輸到井控器。井控單元只需處理收集的監測信息，并將監測數據發送到遠程監測終端（RTU）。基于此模式下，遠程監控終端更像是多井中繼器，而不是井控單元。遠程監控終端還將泵組采集的監控數據發送至中控室的上位機。中央控制中心通過多井集聯中繼器、井口控制器控制現場。如果井口控制器、多井集聯中繼器之間具有通信障礙，則通過其他井口控制器路由將數據上傳至監控控制器。在多井集聯通信綜合通信模式的第二種模式中，FN無線儀表被喚醒后，通過ZigBee無線通信技術將采集測量對象的信息發送至井口路由，然后，通過ZigBee無線通信技術將收集到的抽油機監測數據從泵單元發送到遠程監測終端。可以認為遠程監控終端是一個集成的多軸控制器（非路由單元），它是整個ZigBee網絡的協調器，它可以向已建立的ZigBee網絡中添加無線儀器和井口路由。最后，遠程監控終端（RTU）將泵組監測數據上傳至中央監控室上位機，通過遠程監控終端（多井綜合控制）控制施工現場。當無線儀器靠近遠程監控端口時（RTU）時，它可以直接與遠程監控端口（RTU）通信，而無需經過井口路由。在同一個ZigBee網絡中，井口路由可以相互通信。將井口控制單元的直接傳輸方式改為綜合數據傳輸的多人通信方式，直觀方便，可以滿足本研究需求，所以采用第一種通信方式進行單井通信。

（二）故障診斷網絡硬件設計

抽油機網絡故障診斷系統的硬件組成按單井通訊方式設計。本文選用的傳感器包括：無線壓力傳感器、無線溫度傳感器、無線液位傳感器、無線負載位移傳感器以及電氣參數傳感器。傳感器可以通過ZigBee無線通信技術連接到數據傳輸。傳感器負責收集泵送單元的溫度、壓力、排量、負載、液位和電氣參數，并通過ZigBee無線通信技術將其傳輸到控制器（RTU）。井口控制器通過GPRS無線通信技術將井口信息傳輸至上位監控中心計算機。主機根據采集到的信息對采集到的信息進行診斷和處理，實時監測和診斷抽油機的故障。

（三）故障診斷網絡軟件設計

1.RTU 與傳感器組網軟件設計

為滿足物聯網的需求，將ZigBee無線通信技術應用于遠程測控終端和無線傳感器。ZigBee具有網絡化、低能耗、低成本和高安全性的特點。ZigBee協議棧的結構比較簡單，主要包括網絡安全層，應用層，介質訪問控制層和物理層。基于ZigBee的泵機組故障診斷網絡的創建主要包括兩個階段：協調器網絡的初始化和新網絡的創建；然后，網絡終端調用相關函數加入網絡。在故障診斷中，RTU網絡（井口控制器）可以實現調節器的功能[5]。它屬于所有硬件（FFD），不連接到任何其他網絡，滿足創建ZigBee網絡的要求。本文采用井口控制器（RTU）作為網絡協調器，啟動并初始化ZigBee協議棧。初始化診斷抽油機的網絡故障，必須設置適當的網絡參數并調用適當的功能。為了避免干擾，網絡層在特定信道上執行掃描功率檢測，并將檢測結果返回到下一個操作以選擇可靠信道。當指定信道時，網絡層執行掃描功率檢測。協調器選擇與新網絡上的其他網絡不沖突的唯一Pan ID網絡標識符，并指定協調器的短地址。

2.RTU 與上位機組網軟件設計

基于GSM技術的GPRS（General Packet Radio Service，通用分組無線業務）技術是GSM Phase2 1規范實施和GSM延續的內容。因為GPRS采用了新的編碼方式，所以信道傳輸速率已經達到了21.4kbps。最佳情況下，GPRS無線通信技術的數據傳輸速率可以達到171.2 kbps，比GSM無線通信技術的9.6 kbps數據傳輸速率高得多。GPRS無線通信技術采用分組交換技術，實現了無線資源的充分利用，更快地建立通信。相較于ZigBee無線傳輸技術來說，GPRS技術不會被通信距離局限，通過移動網絡能夠覆蓋大多數區域。抽油機故障診斷網絡的前端是井口控制器和傳感器之間的網絡。因為油井現場十分復雜，所以本文采用ZigBee無線通信技術。抽油機故障診斷網絡的后端，即井口控制器與監控中心上位機之間的網絡，傳輸距離長，數據量大，采用GPRS無線通信技術。

GPRS無線通信技術的參數完全滿足抽油機故障診斷系統的要求。首先初始化RTU系統，其次通過PWRKEY實現GPRS模塊，處理查詢，同時檢查網絡環境。當網絡環境良好時，將系統連接到網絡，之后進行時間校準，實現RTU與主機的數據通信。在數據傳輸過程中，RTU將無線傳感器采集到的溫度、壓力、液位、電氣參數、位移、負載等數據打包，并發送給上位機完成數據傳輸過程。

3.RTU 與無線傳感器通信模式

抽油機故障診斷系統將響應命令發送給RTU，同時檢查無線傳感器的工作狀態。響應命令含有相關控制命令的信息，并且命令將會主動喚醒無線傳感器，控制傳感器。故障診斷系統中的傳感器需要定期休眠，在喚醒后會向遠程監控終端（RTU）發送例行數據[6]。一般來說，喚醒時間通常為1到30分鐘，并且可以設置喚醒時間。執行RTU命令時，無線傳感器生成響應數據，進入睡眠狀態。當從無線傳感器接收到響應數據之后，遠程監控終端（RTU）就不需要響應，通信結束。

四、抽油機故障診斷系統故障計算及仿真

如圖1所示為桿拋光表面上的指針轉換為井下泵功圖的過程。從圖中可以看出，在轉換的第一階段，需要測量動載荷函數以及位移與實踐的函數D（T）和U（T）的時間（兩者都可以通過實際測量獲得），對函數進行離散化處理，計算粘滯阻尼系數；第二步：計算傅里葉系數；第三步：計算系數αn、βn、kn、μn以及特殊函數O'n、On（x）、Pn（x）、P'n（x）；第四步：判斷抽油桿柱技術并進行分析，如果是抽油桿柱的最后一級，可以對于末端載荷函數和衛衣函數直接進行計算，獲得井下泵功圖。如果不是最后階段，可以對于第三步與第四步重復進行[7]。

五、故障診斷系統測試

如果只能診斷示功圖的形狀或數據，則需要同時開展。通過對比示功圖與數據，得到診斷結果。并且需要標準示功圖，因為不同油井存在著不同的診斷，而不同油井的標準示功圖也不同。標準油井測功機不能作為測量精度的標準，但應作為相關油井的標準測功機。對于所有油井，很難從常規測功機和標準測功機獲取數據。因此，本研究使用專家系統模擬測試，將測試模式與傳統的故障診斷模式進行對比，討論故障診斷的準確性。

結果表明，該專家系統的診斷精度比傳統模型高。值得注意的是，該系統具有較高的故障診斷精度和較強的實用性。其次，比較了系統辨識和故障診斷的速度。在抽油系統故障診斷中，專家系統的診斷時間小于100ms，而傳統模型的識別速度大于100ms，與傳統模型相比，系統的識別速度更快。

六、結語

綜上所述，石油在當前社會發展中具有關鍵作用，是當前社會不可或缺的一種重要資源。石油開采方式多種多樣，但因為工作環境復雜，所以抽油機故障問題遲遲得不到解決。本文對于示功圖來開展抽油機的特征描述，然后進行故障診斷； 將井下泵功圖作為分析資料，通過載荷位移傳感器來探測抽油井地面示功圖。最后開展仿真實驗，仿真結果表明：（1）采用井下泵功圖對于抽油機的工況診斷具有良好的診斷精確性；（2） 本文構建的系統故障診斷識別速度快、準確率高。

參考文獻

[1]張仙偉，尚俊倩，張鑫，等.基于物聯網的抽油機參數分析與故障診斷[J].西安石油大學學報（自然科學版），2020，35（5）：47-53.

[2]李思良.淺談抽油機電參數遠程智能故障診斷[J].中國化工貿易，2018，10（36）：184.

[3]徐通，何鵬飛，劉娜娜，等.基于優化RBF網絡的抽油機故障診斷方法研究[J].廣東化工，2019，46（9）：3-5.

[4]劉斌，吳偉，衛涵典，等.基于改進PSO-RBF神經網絡的抽油機故障診斷[J].機電工程技術，2021，50（1）：166-169.

[5]汪波，夏欽鋒，錢龍，等.全相關核偏最小二乘故障診斷方法及在抽油機上應用[J].控制理論與應用，2020，37（9）：2039-2046.

[6]魏鯤鵬，朱斌，馬廣杰，等.卷積神經網絡在游梁抽油機故障診斷中的研究與應用[J].百科論壇電子雜志，2020（14）：1957.

[7]杜娟，劉志剛，宋考平，等.基于卷積神經網絡的抽油機故障診斷[J].電子科技大學學報，2020，49（5）：751-757.

（作者單位：中國石油新疆油田公司風城油田作業區）