机器学习方法在抽油机井故障诊断中的研究  

作　　者：任伟 李亚利 蒋俏仪 郑天力 杜红勇[2] 

机构地区：[1]西南油气田重庆气矿开州采输气作业区,重庆405400 [2]中国石化大连石油化工研究院,辽宁大连116045

出　　处：《中国石油和化工标准与质量》2021年第22期108-109,112,共3页China Petroleum and Chemical Standard and Quality

摘　　要：数字化油田建设使抽油机井实时生产数据呈现爆发式增长,为油井运行工况的实时诊断和故障分析提供了重要数据支持。利用大数据和智能算法对油井工况进行快速诊断分析,是油丼生产决策和智慧油田建设的重要内容。通过示功图判断工况是油井故障诊断的主要方法,示功图识别准确率影响着油丼故障判断的结果。本项目提出了一种基于卷积神经网络的示功图识别模型,通过参数优化和测试,形成了具有7层网络结构的CNN模型,实现了五种油井工况的准确分类。经训练和测试,该CNN模型收敛性好,模型训练准确率达到了99%,测试准确率达到了97%以上,达到了预期效果,对油井故障智能诊断具有重要的研究和应用价值。

关 键 词：抽油机井 示功图 机器学习 故障诊断 

分 类 号：TE933[石油与天然气工程—石油机械设备]