专利名称：基于示功图的有杆抽油系统故障预测方法
技术领域：
本发明涉及一种基于示功图的有杆抽油系统故障预测方法，属于有杆抽油系统故 障预测方法的技术领域。
背景技术：
系统的视情维护逐渐受到人们的重视，故障预测技术作为视情维护的核心技术， 对于提高生产安全、降低生产成本以及延长设备使用寿命，都具有重大意义。目前，在抽油 杆机器设备的维修体系中，各个油田还是以故障后维护、定期维护为主，但现在这两者的主 要缺陷是欠维护和过维护并存，其结果将导致设备带病工作，或设备无病诊治，显然这不能 满足企业精益化生产方式的要求。目前，国内外对有杆抽油系统故障预测的研究还很少。
在对其进行智能诊断与预测维修的系统中，为了使设备的监控和维修取得最佳经 济技术效果，掌握机械设备的故障规律，并对其运行状态的趋势进行预测就显得非常重要。 各种机械设备在使用过程中，其性能或状态随着使用时间的推移而逐步下降，很多故障发 生前会有一些预兆，这就是所谓潜在故障，它表明一种功能性故障即将发生，功能性故障则 表明系统或设备丧失了规定的性能标准。从潜在故障转变为功能性故障的时间间隔，可由 几秒到几年，突变故障的间隔就很短。
有杆抽油系统故障有突变故障和渐变故障两种，突变故障包括柱塞脱出工作筒、 抽油杆断脱、泵卡死、活塞遇卡、凡尔失灵等。渐变故障都有一个从量变到质变的过程，经历 故障的初始萌芽状态、隐性故障状态和故障状态。在故障的发展演化过程中，有杆抽油系统 的运行状态产生着相应的变化。
有杆抽油系统是一个复杂的非线性系统，它具有多层次，各层子系统之间不仅在 结构和功能上存在差异，而且子系统之间存在着非常复杂的耦合关系。有杆抽油系统的强 非线性特性，使得系统故障的产生往往是由许多因素造成的。系统在工作过程上，其零部 件由于磨损、疲劳、老化等因素会引起设备的劣化或失效，即引起固有特性的改变，从而使 系统不能产生正常的输出；子系统或零部件之间也会由于参数变化、安装不当、相互位置改 变等因素引起劣化或失效，从而导致系统偏离正常的状态；系统的异常输入也会使系统的 状态发生变化，这些变化如果超出一定的范围，将产生异常输出。与此同时，这些输出又会 引起其他设备状态发生变化，这些影响逐级传播，使整个系统的状态发生变化，产生异常输 出。因此，有杆抽油系统的故障常常表现出层次性、时间性、相关性、模糊性、随机性、未确 知性和相对性。有杆抽油系统作为一个复杂的机械系统，表现出强烈的非线性特点。因此， 从理论上讲有杆抽油系统运行时间序列是可以进行长期或短期预测的。
反映抽油系统悬点载荷随其位移变化规律的图形称为地面示功图或光杆示功图， 简称示功图，它是示功仪在抽油机一个抽吸周期内测取的封闭曲线。地面示功图是抽油井 采油现场采集的第一手资料，相应的设备状态随着故障发展过程发生着的变化，在示功图 上均能得以一定的体现。基于地面示功图来实现有杆抽油系统的故障预测对解除油井故 障、保证油井正常生产或提高油井产量等就显得非常重要而且具有现实意义。发明内容
技术问题本发明目的是针对有杆抽油系统故障预测目前研究与应用均极少的现 状，以正常(或平稳状态)样本地面示功图作为切入点，提供一种基于示功图的有杆抽油系 统故障预测方法，在故障预兆分析的基础上，采用ARMA时间序列模型对预测样本的特征量 进行预测，最后采用“基于示功图的有杆抽油系统故障递阶诊断方法”进行故障分辨和故障 识别。它具有“基于示功图的有杆抽油系统故障递阶诊断方法”同样的优点不需要建立 和求解有杆抽油系统力学模型，也不存在训练集问题。同时，故障预兆分析节省了大量的时 间，提高故障预测的效率，并与ARMA时间序列模型一起有效提高了预测精度。
本发明为实现上述目的，采用如下技术方案
本发明基于示功图的有杆抽油系统故障预测方法包括如下步骤
1)计算15个特征量的安全区域与危险区域根据特征量统计规律，计算得到各个 特征量的安全区域[d，c]与危险区域(-⑴，d) U (c，+⑴)，危险区域分为左危险区(-⑴， d)和右危险区(c，+⑴)；对于载荷平均变化量，有意义的危险区域为右危险区(c，+⑴)；
2)故障预兆分析先判断要预测的样本(设样本号为N+1)是否存在故障预兆，若 无预兆，则不需要进行预测，直接判定该预测样本为正常样本，结束；若有预兆，则计算预测 第N+1个样本的数据源，跳转步骤2)；
3)预测样本的特征量预测根据数据源，预测第N+1个样本的15个特征量和是否 存在打结点；
4)对预测结果，采用“基于示功图的有杆抽油系统故障递阶诊断方法”进行故障分 辨，判断第N+1个样本是否正常，若为故障样本，进一步进行故障类型的识别。
优选地，步骤1)所述特征量安全区域与危险区域计算方法如下
11)对各特征量选取统一的概率值α α工为样本落入安全区域区间[c^cj的概 率，α i = 99%，并且样本落入危险区域区间(-①，d0)和危险区域区间(C(l，+ -)的概率 相同，则
权利要求
1.一种基于示功图的有杆抽油系统故障预测方法，其特征在于包括如下步骤1)计算15个特征量的安全区域与危险区域根据特征量统计规律，计算得到各个特征 量的安全区域[d，c]与危险区域(-⑴，d) U (c，+⑴)，危险区域分为左危险区(-⑴，d) 和右危险区(c，+⑴)；对于载荷平均变化量，有意义的危险区域为右危险区(c，+⑴)；2)故障预兆分析先判断要预测的样本(设样本号为N+1)是否存在故障预兆，若无 预兆，则不需要进行预测，直接判定该预测样本为正常样本，结束；若有预兆，则计算预测第 N+1个样本的数据源，跳转步骤2)；3)预测样本的特征量预测根据数据源，预测第N+1个样本的15个特征量和是否存在 打结点；4)对预测结果，采用“基于示功图的有杆抽油系统故障递阶诊断方法”进行故障分辨， 判断第N+1个样本是否正常，若为故障样本，进一步进行故障类型的识别。
2.根据权力要求1所述的基于示功图的有杆抽油系统故障预测方法，其特征在于步骤1)所述特征量安全区域与危险区域计算方法如下11)对各特征量选取统一的概率值α” α工为样本落入安全区域区间[屯，C0]的概率， αι = 99%，并且样本落入危险区域区间(-C ，dQ)和危险区域区间(cQ，+⑴)的概率相同， 则P{- X < d0} +P{d0 彡 X 彡 c0} +P{c0 < X < + ⑴} = 1(1)P {-① < X < d。} = P {c。< X < + ①}(2)P{-oo<X<d0} = P{c0<X<+oo}J~P{d°^X-Co}=h3.(3)所以户{-0)<；^<￡；。} = 1- 1+1^ = ^^ (4)12)根据式(3)、(4)及该特征量的分布类型与参数，计算出C(l、Cltl，即可得到安全区域 区间[dQ，cQ]与危险区域区间(-⑴，dQ) U (c0,+ -)；对于载荷平均变化量，有意义的危险 区域为(cQ，+ )；13)如果某特征量的分布规律检验结果是符合多个分布，则分别按多个分布规律计算 安全区域区间，并取它们的并集为该特征量安全区域区间；14)如果对某特征量的假设检验不能确定它的分布规律，则取安全区域区间为[μ-3σ, μ+3。]，其中=为样本均值，σ= [^>;-//)2]/0-1)为样本均方1=1V '=1差；15)令屯=d2-A(c2-d2), C1 = C2+λ (c2_d2)，λ 为设定的阈值，λ = 0. 1，其中 d2,C2 ^ 别为训练样本的最小值与最大值。区间W1, C1]与步骤11)至14)计算得到的安全区域区 间的并集为该特征量最终的安全区域区间[d，c]，则该特征量最终的危险区域区间(-⑴， d) U (c，+ ①)。
3.根据权力要求1所述的基于示功图的有杆抽油系统故障预测方法，其特征在于步骤2)所述的故障预兆的条件为(a)第N个样本的某特征量进入左或右危险区，且样本N-4，N-3, N-2, N-I, N的该特征量连续减小或增加；(b)N-9，N-8,L，N样本的某特征量连续增加或连续减小；(c)第N-4，N-3，N-2，N-I，N个样本均进入危险区域；(d)第N-4,N-3, N-2, N-I，N个样本均存在打结点；若满足以上四个条件之一，则判定要预测的第N+1样本存在故障预兆。
4.根据权力要求1所述的基于示功图的有杆抽油系统故障预测方法，其特征在于步骤2)所述的预测第N+1个样本的数据源是指若符合故障预兆的条件，继续向回寻找连续符 合相同规律的所有样本的特征量和打结点是否存在的信息，即为预测第N+1个样本的数据 源。
5.根据权力要求1所述的基于示功图的有杆抽油系统故障预测方法，其特征在于步骤3)所述的预测样本的特征量预测采用ARMA时间序列模型，其建模及预测流程如下21)求出该序列的样本自相关系数和样本偏自相关系数的值；22)根据样本自相关系数和样本偏自相关系数的截尾性或拖尾性来初步判定模型参数 P和q，进行模型拟合；23)估计模型中的未知参数；24)模型优化，建立多个模型，选取拟合较优的模型，并进行预测。
全文摘要
本发明公布了一种基于示功图的有杆抽油系统故障预测方法，以正常(或平稳状态)样本地面示功图作为切入点，在故障预兆分析的基础上，采用ARMA时间序列模型对预测样本的特征量进行预测，最后采用“基于示功图的有杆抽油系统故障递阶诊断方法”进行故障分辨和故障识别。它不需要建立和求解有杆抽油系统力学模型，也不存在训练集问题；同时，故障预兆分析节省了大量的时间，提高了故障预测的效率，并与ARMA时间序列模型一起有效提高了预测精度。
文档编号G06F19/00GK102043900SQ20101055771
公开日2011年5月4日 申请日期2010年11月24日 优先权日2010年11月24日
发明者唐敢, 李训铭, 梁华 申请人:南京航空航天大学, 河海大学