某油田抽油機工況實時診斷和預測案例
案例背景

抽油機井投入生產後,要根據生產動態資料進行生產狀況的分析,及時發現問題,迅速做出診斷結論,果斷地採取處理措施。示功圖是瞭解抽油設備工作狀況和油井動態的關鍵。某油田希望藉助大數據、人工智能等先進技術,以示功圖的分析爲突破口實現抽油機井工況實時診斷和預測。

寄雲科技爲其構建抽油機井工況實時診斷和預測系統,實現了示功圖的自動標註,以及基於示功圖分析的抽油機井工況診斷,能夠及時定位故障井,並給出處理建議。

項目挑戰
  1. 某油田採用巡檢結合示功圖分析等方式對抽油機井工況進行監測和診斷,一方面無法保證信息的實時性,另一方面囿於傳統技術能力,示功圖的分析準確性欠佳;

  2. 抽油機井工況的判別需要結合油層深度、油層厚度等靜態資料,油壓、套壓等動態資料,還需要諸如出油出氣歷史情況等資料的輔助,才能儘可能的對設備的運轉情況進行診斷,傳統的系統和人員無法同時對所有因素進行綜合分析。

  3. 油氣生產設備的故障千變萬化,傳統系統一般只能對一些常見故障進行有限辨識,且不具備新故障識別、新算法的優化與擴展能力,導致系統很難適應日益變化的油田環境。

  4. 油田示功圖採集頻率快,示功圖的數據總量十分巨大,同時某油田示功圖數據庫存在大量未標記的樣本,而示功圖工況診斷的關鍵就在於圖形輪廓的判別。

解決方案

完善遠程監控與數據採集

完善單井數字化建設,通過壓變、溫變、載荷傳感器等實現單井生產數據的實時採集,構建智能視頻監控系統,藉助寄雲工業物聯網網關將實時數據傳輸到上級場站。
構建統一的數據平臺,接入井身數據、油層溫度、歷史施工情況,以及歷史砂、蠟影響和井下結蠟等靜態資料庫,以及某油田海量示功圖數據庫等,並融合井場現場實時數據。

示功圖分析系統

首先基於機器學習構建示功圖過濾組件,對示功圖中的超限、重複加載、數據有誤等異常數據進行過濾。開發示功圖自動化標註組件,實現對歷史示功圖及最新採集示功圖的自動化無人標註。

抽油機井工況診斷與預測系統

選取液麪、砂面、產量、出油規律等數據結合示功圖進行分析建模,實現自動化的、更加精準的抽油機井工況診斷與預測。

構建故障應對知識庫

構建包含故障模式、故障原因、故障類型及常規處理建議的故障應對知識庫,打通實時診斷與預測組件,實現發現故障,自動調用、推薦相關的應對措施。

故障預警

基於自動化的抽油機井工況診斷與預測,實現實時的故障預警機制,並通過預警分級、故障量化實現精準的設備安全管理,防患於未然。
客戶收益
  1. 實現示功圖的自動化標註,無人蔘與也可運行,爲用戶大幅提高生產作業的效率。

  2. 更加精準的抽油機井工況診斷,及時定位故障井,並給出處理建議;實時健康監控,及時作出預警,優化生產工藝。

  3. 模型可迭代,通過人工審覈功能,對診斷的工況類型進行專家標註,可新增類別或增加已有類的新樣本重新訓練,提高模型的準確性,模型部署時間越長,適用性越強,工況診斷效果越好。