科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对复杂抽油环境中的有杆抽油系统(rod pumping system, RPS)故障问题，提出一种基于深度学习算法的故障诊断方法。通过边缘计算设备，采集中国西北部油田12种油井工况的11 961个抽油杆悬点载荷数据，构建油井使用年限范围内的常见工况数据集。利用卷积长短期记忆神经网络(convolutional long short-term memory neural networks, ConvLSTM)模型，建立抽油杆载荷数据与工作状态之间的特征关联，将算法模型部署在边缘计算装置中，从而实现RPS故障的边缘诊断。为了验证该方法的有效性，采集了5 126例生产数据进行测试。结果表明，该故障诊断方法具有更高的准确率及更好的泛化能力，可对RPS进行接近实时的故障诊断。
- 单位
