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