Спросить
Войти
А.Г. Шумихин, И.В. Александров, В.Г. Плехов
Пермский национальный исследовательский политехнический университет
АВТОМАТИЗАЦИЯ ДИАГНОСТИКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ШТАНГОВЫХ ГЛУБИННЫХ НАСОСОВ ПО ДИНАМОГРАММАМ НА ОСНОВЕ МЕТОДОВ ПРЕЦЕДЕНТОВ
Рассмотрены алгоритмы применения метода прецедентов производственных ситуаций в задаче диагностики технического состояния штанговых глубинных насосов (ШГН). Приведено описание автоматизированной системы (АС) диагностики технического состояния ШГН, реализующей метод прецедентов. Представлены результаты тестирования различных показателей сравнения динамограмм ШГН, представленных в базе знаний АС в качестве прецедентов с динамограммами, выступающими при тестировании в качестве диагностируемых.
На большом количестве добывающих нефтяных скважинах устанавливаются штанговые глубинные насосы (ШГН). Это объясняется экономичностью и широкими возможностями применения данной системы. К основным преимуществам ШГН можно отнести независимость от наземных систем, технически несложный монтаж, разнообразие видов ШГН, возможность адаптации к изменяющимся условиям добычи и т.д. К основным недостаткам относятся высокий износ насосных штанг и насосно-компрессорных труб, трудоемкость операций по замене глубинных насосов. Во многих случаях заблаговременное распознавание неисправностей и профилактический ремонт позволяют избежать крупных дефектов и связанных с ними больших затрат.
Постоянная диагностика состояния ШГН позволяет уменьшить затраты на обслуживание, сократить число производственных неполадок и расходов на добычу. Основную информацию о работе ШГН можно получить с помощью динамограммы - графика зависимости нагрузки на полированном штоке ШГН от его положения. Такая зависимость является результатом сложного взаимодействия многих факторов и при
одних и тех же внешних условиях работы насоса, графики динамограмм могут иметь различный вид, который зависит от режима работы и от наличия какой-либо неисправности в работе ШГН. Сопоставление снятой динамограммы с динамограммой, отражающей нормальную работу насоса, позволяет выявить отклонения в работе установки в целом и дефекты в работе самого ШГН [1].
Существуют различные методики диагностики состояния ШГН по динамограмме. В статье представлено применение с этой целью одного из развивающихся методов искусственного интеллекта - метода вывода по прецедентам или случаям (далее CBR - Case-based resoning).
В большинстве энциклопедических источников [2-4] прецедент определяется как случай, имевший место ранее и служащий примером или оправданием для последующих случаев подобного рода, а рассуждение на основе прецедентов CBR является подходом, позволяющим решить новую, неизвестную задачу, используя или адаптируя решение уже известной задачи.
CBR-методы базируются на простом тезисе, что подобные задачи (проблемы) решаются подобным образом. В настоящее время CBR-методы стали активно применяться в таких областях, как медицинская диагностика, юриспруденция, мониторинг и диагностика технических систем, поиск решения в проблемных ситуациях и т.д. Цикл распознавания методов прецедентов представлен на рис. 1 [4].
Рис. 1. Цикл рассуждений на основе прецедентов
Основными этапами CBR-цикла АС диагностики ШГН являются:
♦ извлечение прецедентов от каждого класса из базы знаний (БЗ) и выбор по вычисляемому параметру наиболее близкого прецедента для новой динамограммы;
♦ повторное использование: присвоение новому прецеденту решения, которое соответствует наиболее близкому прецеденту из БЗ, если для новой динамограммы нет подходящего прецедента в БЗ (параметр превышает пороговое значение), то этот новый прецедент отправляется для анализа инженеру-технологу средствами SCADA системы, корпоративной электронной почты предприятия и т.п.;
♦ анализ, адаптация и присвоение заключения для новой динамограммы инженером-технологом;
♦ сохранение нового прецедента и соответствующего ему заключения и создание нового класса динамограмм в БЗ на основе этого прецедента или отнесение динамограммы к одному из уже существующих классов или отнесение динамограммы к группе недостоверных динамограмм.
Применение метода прецедентов производственных ситуаций связано с получением, хранением и обработкой значительных массивов информации, образующиеся в задачах, в частности, диагностики технического состояния технологического оборудования. Поэтому эффективная реализация метода возможна лишь в составе задач, решаемых в АС контроля и управления, как подсистемы.
Реализация в АС алгоритма применения метода прецедентов производственных ситуаций. Объектом для разработки и реализации алгоритма применения метода прецедентов в АС диагностики технического состояния ШГН выбрана скважина № 292 одного из действующих кустов крупного нефтедобывающего предприятия. Динамограммы с этой скважины поступают раз в 4 ч в систему управления базами данных (СУБД) MS SQL Server и хранятся на сервере в виде таблицы. На момент реализации алгоритма в базе данных (БД) хранилось 1047 динамограмм.
Для внедрения метода прецедентов в существующее программное обеспечение решены следующие задачи:
♦ выделение из БД динамограмм, которые будут служить прецедентами (эталонами) в АС;
♦ выбор методики, параметров, по которым следует производить сравнение прецедентов (динамограмм);
♦ реализация и тестирование алгоритма средствами MS SQL Server.
Графическим способом выделены 8 классов динамограмм и выбраны 8 прецедентов, наиболее характерных для каждого из выделенных классов (рис. 2). Количество точек в динамограммах варьируется от 301 до 364. Для удобства дальнейшей обработки в каждой динамограмме по оси абсцисс (ход штока) выбирается 200 точек, и находятся соответствующие им значения по оси ординат (нагрузка на шток) методом интерполяции.
Ход штока
Рис. 2. Прецеденты 8 выделенных классов из накопленной БД (состояние ШГН № 1, 2 (а), № 3, 4 (б), № 5, 6 (в), № 7, 8 (г))
Существует два класса методик диагностики состояния ШГН по динамограмме: распознавание образов практических динамограмм, основанное на сравнении с эталоном; и определение неисправности исходя из физических законов получения динамограммы ненормальной работы насоса. Первый класс методик, в свою очередь, подразделяется на четыре вида в соответствии с методами выделения признаков неисправности:
В работе [5] рассмотрены методы первого класса и показано,
что лучшие результаты показывает метод, основанный на отклонении динамограммы от эталонной. Для этого метода подобраны 4 показателя (среднеарифметическая, среднеквадратичная, среднеарифметическая относительная и среднеквадратичная относительная ошибка нагрузки на шток), по значению которых можно судить об отклонении новой динамограммы от выделенных прецедентов (эталонов) и по минимальному значению которых выбирается прецедент Бр по правилу:
♦ для минимума среднеарифметической ошибки нагрузки на шток
♦ для минимума среднеквадратичной ошибки нагрузки на шток
♦ для минимума среднеарифметической относительной ошибки нагрузки на шток
♦ для минимума среднеквадратичной относительной ошибки нагрузки на шток
В выражениях (1)-(4) обозначено: Бр - выбранный прецедент;
^ * ■ ч Л ^
уі и уі - значение нагрузки на шток прецедента из ЬЗ и новой динамограммы; і - номер точки динамограммы, і = 1, п ; к - номер класса, которому принадлежит сравниваемый прецедент, к = 1,1.
^ ; к =11.
В таблице представлены результаты тестирования алгоритма метода прецедентов. Тестирование проводилось на 1039 динамограммах из накопленной БД. Процент правильного распознавания считался как отношение правильных ответов к общему числу динамограмм, принадлежащих к этому классу состояния ШГН.
Результаты тестирования алгоритма метода прецедентов
Класс из БЗ прецедентов (состояния ШГН) Количество правильных ответов, %
Среднеарифметическая ошибка, % Среднеквадратичная ошибка, % Среднеарифметическая относительная ошибка, % Среднеквадратичная относительная ошибка, %
№ 1 100,00 100,00 100,00 100,00
№ 2 100,00 100,00 100,00 100,00
№ 3 100,00 100,00 100,00 100,00
№ 4 88,75 75,00 94,33 92,50
№ 5 92,20 88,98 97,50 97,77
№ 6 74,32 87,84 92,57 87,16
№ 7 87,88 84,85 95,46 96,97
№ 8 83,33 83,33 83,33 83,33
Всего 89,22 87,68 96,34 95,77
Для распознавания динамограмм можно использовать как один из показателей, так и их комбинации.
Результаты тестирования свидетельствуют об удовлетворительной работоспособности метода прецедентов и возможности его применения в реальных производственных условиях.
Рассмотренный подход на основе метода прецедентов производственных ситуаций в составе АС диагностики технического состояния ШГН реализуется следующим образом.
Динамограмма снимается несколько раз в сутки и передается в автоматизированную систему диагностики состояния ШГН, затем она сравнивается с динамограммами (прецедентами) из базы знаний. При совпадении новой динамограммы и прецедента, ей присваивается аналогичный вывод, сделанный ранее при анализе прецедента инженером-технологом, не привлекая его снова.
Для работы АС база данных с динамограммами классифицируется и для каждого класса выделяется динамограмма, наиболее характерная для этого класса, которая будет служить прецедентом (эталоном) в АС диагностики состояния ШГН. Выделенные прецеденты анализируются инженером-технологом, и каждому классу присваивается заключение (нормальный режим работы, пропуски в нагнетательной части, отложения парафина и т.п.). В каждом классе устанавливается пороговое значение параметра, признака, задаваемое инженером-техноло-гом, превышение которого означает недостаточное сходство новой динамограммы с эталоном.
Новая динамограмма сравнивается с прецедентом из каждого класса БЗ и выбирается наиболее близкий прецедент с помощью вычисляемого параметра. Если этот параметр не превышает заданное пороговое значение выбранного прецедента, то новой динамограмме присваивается заключение соответствующее выбранному классу. А если в АС приходит новая динамограмма, для которой нет соответствующего прецедента в БЗ (параметр самого близкого прецедента выше порогового значения) или накопленной БЗ нет вообще (ввод в эксплуатацию нового оборудования), то АС работает по схеме, представленной на рис. 1. Такая схема позволяет АС диагностики ШГН обучаться и адаптироваться к меняющимся условиям работы добывающего оборудования.
Предложенная АС диагностики технического состояния ШГН предназначена для оперативного контроля и своевременной выдачи информации оператору и инженеру-технологу о конкретной технической неисправности в работе ШГН и установки в целом, что позволит избежать критических, аварийных ситуаций и дорогостоящих устранений их последствий. АС диагностики технического состояния ШГН позволяет освободить дополнительное время для оперативного персонала и освободить инженера-технолога от рутинной ежемесячной работы по анализу накопившихся динамограмм по всем скважинам цеха.
Список литературы
ММТТ-2002: сб. тр. междунар. науч. конф. / Тамб. гос. техн. ун-т. -Тамбов, 2002. - Т. 5.
Получено 20.06.2012
