基于FBH-SC算法的游梁式抽油機井故障診斷方法研究.pdf

1、在當前原油生產(chǎn)中，有桿泵抽油方式占據(jù)很大比重。游梁式抽油機井是有桿泵抽油的一種方式。抽油機等采油設備大多是野外作業(yè)，地理位置分散，自然環(huán)境惡劣，而且抽油機的井下工況復雜，導致抽油機的故障診斷和處理不及時，嚴重影響油田的產(chǎn)量和效益。因此，及時分析抽油機工況，對提高原油開采效率和提升油田經(jīng)濟效益具有重要意義。在油田生產(chǎn)中，通常以示功圖作為分析游梁式抽油機井工況的主要依據(jù)。本文的解決方案首先對示功圖進行特征提取，然后利用無監(jiān)督學習算法對提取得

2、到的示功圖特征向量數(shù)據(jù)集進行學習，從而實現(xiàn)故障診斷。
　　首先將地面示功圖轉(zhuǎn)化為井下泵示功圖，然后對井下泵示功圖進行尺寸歸一化，最后利用課題組前期成果，采用兩個特征提取方法，構造了兩個示功圖特征向量數(shù)據(jù)集。
　　結合SC算法適用于任意數(shù)據(jù)分布和黑洞(Black Hole，BH)算法對于初始中心不敏感的優(yōu)點，本文提出了黑洞譜聚類(Black Hole Spectral Clustering，BH-SC)算法，避免SC算法對于初

3、始中心敏感和數(shù)據(jù)分布對BH算法的影響。針對原始BH算法存在重復計算的問題，本文提出快速黑洞(Fast Black Hole，F(xiàn)BH)算法，并將其應用于SC算法，因此提出了快速黑洞譜聚類（Fast Black Hole Spectral Clustering，F(xiàn)BH-SC）算法，與BH-SC算法比較，在保持聚類效果基本不變的情況下，計算時間顯著減少。本文將BH-SC算法和FBH-SC算法應用到兩個示功圖特征向量數(shù)據(jù)集中，聚類平均正確率均在

4、80％以上，滿足現(xiàn)場要求。
　　由于BH-SC算法和FBH-SC算法需要預先指定聚類數(shù)目和尺度參數(shù)，因此本文引入一個指標函數(shù)，對這個指標函數(shù)尋優(yōu)，也即完成聚類過程。當這個指標函數(shù)最優(yōu)時，得到最佳的聚類效果、聚類數(shù)目和最合適的尺度參數(shù)。其中，本算法利用第四章提出的FBH算法對指標函數(shù)尋優(yōu)。本文將此自動確定聚類數(shù)目算法應用到兩個示功圖特征向量數(shù)據(jù)集中，最佳聚類數(shù)目均為實際故障類數(shù)，聚類平均正確率在80％以上，滿足實際需求。將待診斷樣本