基于长短时记忆网络的腐蚀工况下抽油杆剩余使用寿命预测

作者：赵岩龙; 方正魁; 邱子瑶; 冯智; 祝宏平; 米翔

来源：科学技术与工程, 2021, 21(36): 15429-15433.

• 长短时记忆网络(LSTM)
• 剩余使用寿命(RUL)
• 腐蚀
• 抽油杆

抽油杆工作环境复杂,失效形式多样,其工作寿命受诸多因素影响,如何提高抽油杆在腐蚀工况下的剩余使用寿命(remaining useful life, RUL)显得尤为关键。使用深度学习方法中的长短时记忆网络(long short-term memory, LSTM),根据已有的油田生产数据,选取了15项与抽油杆腐蚀密切相关的变量,通过参数优化、网络训练,构建了基于LSTM的抽油杆剩余寿命预测模型,对20口生产井数据的测试显示,模型预测结果的平均误差为36%,同时与双向LSTM和深度LSTM模型进行对比表明,LSTM预测模型具有更好的预测能力,结果表明:LSTM模型在抽油杆寿命预测领域具有良好的应用前景。

• 单位
  中国石油大学（北京）; 中国石油天然气股份有限公司