机器学习方法在抽油机井故障诊断中的应用

作者：任伟; 李亚利; 蒋俏仪; 郑天力; 杜红勇

来源：化学工程与装备, 2021, (12): 119-120.

DOI：10.19566/j.cnki.cn35-1285/tq.2021.12.052

• 抽油机井
• 示功图
• 机器学习
• 故障诊断

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,是油井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井故障判断的结果。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。