电潜螺杆泵过程控制故障模型与智能诊断方法*
时间：2023-06-21 17:45:04 来源：雅意学习网 本文已影响 人 
谢建勇 程辉 褚艳杰 鲁霖懋 张剑文 郝忠献 刘新福
(1.中国石油新疆油田分公司吉庆油田作业区 2.青岛理工大学机械与汽车工程学院 3.中国石油勘探开发研究院)
电潜螺杆泵举升系统适用于高黏度、高含蜡、高含砂和高含气原油工况的斜井、水平井和海上平台作业，同时电潜直驱螺杆泵具有泵效高、同比采油量能耗低、泵检周期长、维护费用低等优势，使其应用规模不断扩大[1-2]。但由于偏心转动引起振动、井下机组结构复杂、工作环境恶劣等因素，电潜直驱螺杆泵系统容易发生故障，且在故障状态下长时间运行，原本只需简单修井作业的油井反而会产生更严重的故障，造成经济损失；
同时，电潜螺杆泵机组长期带故障运行，效率会降低，影响经济效益。此外，对电潜螺杆泵机组故障类型判别不当，也会引起经济和人力损失。因此，对电潜螺杆泵机组故障的及时发现以及准确判别具有重要的工程实际意义[3-4]。
现有螺杆泵举升系统故障诊断主要采用BP神经网络方法[7-8]，需要用到较多组故障数据进行神经网络的训练，而现场区块缺乏数据或发生概率较低的故障类型，使BP神经网络方法缺乏训练的数据，导致该方法运用效果不佳。统计过程控制(SPC，Statistical Process Control)[5-6]借助数理统计方法进行过程控制，对运行工况进行分析评价，根据反馈信息及时发现系统性故障的征兆，并采取措施消除其影响，使过程维持在受随机性因素影响的受控状态，达到控制质量的目的。而且，运用SPC过程控制与专家判别相结合的方式，在实现故障判别功能的同时，不必采集较多的故障运行数据。
笔者将SPC过程控制判异准则与电潜螺杆泵机组故障诊断有机结合[9-10]，构建电潜直驱螺杆泵机组现场故障诊断模型，并提出了一种多参数过程控制与数据反馈分析评价的故障诊断方法，达到及时诊断和准确判定故障的目的。
1.1 统计过程控制拓展判异准则
电潜螺杆泵正常运行时，其运行参数呈现正态分布特征，参数值落在3σ线以外的概率只有0.27%，此概率内即可认为泵举升系统处于故障或失控状态[8]。异常趋势判断图利用均值μ及标准差σ绘制，如图1所示。异常趋势判断图中心线为CL，上下限分别为UCL和LCL，即μ±3σ。
图1 电潜螺杆泵机组异常趋势判断简图Fig.1 Schematic diagram for judging abnormal trend of electric submersible screw pump unit
使用异常趋势判断螺杆泵是否发生异常工况的标准为“SPC过程控制判异准则”，该准则将参数的异常上升或下降统一规定为同一类异常工况。但在电潜螺杆泵举升系统中，不同类型故障对应的特征参数趋势存在差异，为此采用多参数过程控制判异准则进行拓展判别，见表1。
表1 统计过程控制拓展判异准则Table 1 Statistical process control extended criterion
通过判断参数展示的不同特征，将特征参数随时间变化趋势划分为：突增、突降、上升、下降和波动。突增和突降代表短时间内特征参数发生较大变化，上升和下降代表长时间内发生变化，波动代表在运行时间内处于正常范围。
拓展准则7、12和13表现为波动，判断为正常现象，所以专家系统实现过程中可不参与编写，其他准则不合适时的判断结果即为波动。SPC拓展准则优先级依次为：准则1和2>准则5和6>准则3和4>准则8和9>准则10和11。用于解决实际判断时，由于参数同时常满足多种准则，而产生难以判断的问题。
1.2 多参数过程控制规则图版
根据新疆油田现场调研与统计结果，电潜螺杆泵举升系统的运行工况和故障类型可归纳为12种[11-12]：油管蜡堵、油管漏失、油管断脱、泵漏失(定子磨损)、定子溶胀、定子脱胶、砂卡、柔性轴断脱、工作参数偏高、工作参数偏低、绝缘失效和正常工况。依据大量故障参数测试和判断经验，12种工况中挑选了7个特征参数[13-14]，包括：电流、排液量、电机温度、井口温度、螺杆泵出口压力、井口套压、沉没度。所选参数涵盖了生产参数、电参数和井底井口参数，能够表征电潜螺杆泵举升系统的运行状态。电潜螺杆泵机组故障工况多参数诊断准则见表2。表2中数字代表参数趋势，即“0”为波动、“-2”为突降、“-1”为下降、“1”为上升和“2”为突升。
表2 电潜螺杆泵机组故障工况多参数诊断准则Table 2 Multi-parameter diagnosis criterion of failure conditions of electric submersible screw pump unit
由表2可知，绝缘失效和轴断脱的故障特征参数表现形式相同，通过增加规则“结束电流是否等于0”加以区分。绝缘失效故障时，保护器会自动切断电源；
而轴断脱故障时，电机空转，电流为空载电流。工作参数偏高指转子的转速过高，导致油井的供排不平衡，系统效率降低，井筒动液面下降；
工作参数偏低则相反，此时井筒动液面持续上升[15-16]。电流和排液量稳定时，通常认为电潜螺杆泵机组工作状态稳定，即诊断为正常工况。电潜螺杆泵机组发生故障时，会影响到动液面的位置，为此只在正常工况时判断工作参数偏高或偏低。
电潜螺杆泵举升系统现场发生故障时，部分特征参数的趋势特征不一定符合设定的判断规则，由此引入概率判断法，如表3所示。分别计算每种电潜螺杆泵故障发生的概率大小，并将输出概率最大的现场故障类型作为诊断结果。电潜螺杆泵现场故障发生概率的计算式为：
表3 机组故障发生时各特征参数的权重因子Table 3 Weight factor of each characteristic parameter when failure occurs
(1)
式中：i为现场采集参数；
j为现场故障参数；
ai为利用SPC准则判断采集参数的趋势；
rij为电潜螺杆泵现场故障对应参数的趋势；
wij为采集参数发生现场故障的权重；
Pj为现场故障发生概率。
1.3 故障权重因子和现场数据归一
权重因子wij控制诊断结果的正确率，首先将总权重“1”分为不同故障类型的6份(沉没度只参与诊断工作参数问题，不参与概率计算)，而后依据现场诊断与测试结果并结合故障诊断经验，确定各故障特征参数的权重因子图版，如表3所示。
不同油田使用的数据采集系统不统一，使得数据采集频率不一致，为此引入数据归一长度N，将同一特征参数的N个数据平均值作为一个数据进行多参数过程控制趋势判断，即：
(2)
式中：T为判断窗口长度，h；
25为多参数过程控制趋势判断所需的数据量；
f为数据采集频率，h-1。
为提高故障诊断过程的便捷性，开发电潜螺杆泵机组多过程控制故障智能诊断专家系统，其故障工况诊断流程如图2所示。该专家系统创新性的引入诊断窗口长度和采集频率，与下位机传输的数据交互后可在线实时故障诊断。
图2 电潜螺杆泵机组多过程控制故障智能诊断专家系统诊断流程图Fig.2 Flow chart of failure diagnosis of electric submersible screw pump unit
电潜螺杆泵机组多过程控制故障智能诊断专家系统诊断流程分为3步：第①步，获取7种电潜螺杆泵机组故障特征参数并进行数据处理，在线选取每种特征参数的25个数据点，而后计算前10个数据点的均值标准差以及异常趋势，判断图1的UCL和LCL；
第②步，其余15个数据点使用多参数过程控制拓展准则计算趋势；
第③步，判断电流、排液量是否平稳，诊断工况是否正常。工况正常时，通过动液面的趋势判断运行参数是否合适；
工况不正常时，则使用采油系统工况判断准则，计算每种故障发生的概率，最后输出判断结果。
选取新疆油田吉39井对电潜螺杆泵多参数过程控制智能故障诊断系统进行验证，下位机采集的特征参数如图3所示。由图3可知，图中展示了75 h内的特征参数趋势。排液量随泵运行时间逐渐下降，电流变化则较小。
图3 电潜螺杆泵机组故障特征参数采集频率Fig.3 Acquisition frequency of failure characteristic parameters of electric submersible screw pump unit
吉39井的数据采集频率为2次/h，设定3个异常趋势诊断窗口：25 h、50 h和75 h，过程控制诊断特征参数异常趋势结果见表4。3个诊断窗口判断的特征参数趋势大致相同，排液量和沉没度下降(-1)，电机温度和套压上升(1)，电流和其他特征参数波动(0)。
表4 多参数过程控制诊断异常趋势结果Table 4 Multi-parameter process control diagnosis abnormal trend results
通过式(1)计算电潜螺杆泵机组故障概率，输出结果如表5所示。
表5 吉39井电潜螺杆泵机组故障概率与诊断结果Table 5 Failure probability and diagnosis result of electric submersible screw pump unit in Well Ji 39
由表5可以看出，其最大平均概率故障为泵漏失概率，值为0.67。结合电潜螺杆泵的现场拆解报告，吉39井的故障可以诊断为泵漏失。3个诊断窗口判断出的最大概率故障均为泵漏失，这与实际故障相符。诊断结果表明，各诊断窗口的异常趋势结果和各故障概率存在差异时，故障诊断专家系统依据多参数过程控制依然能够准确地诊断出故障类型。
表6为新疆油田不同故障井采用故障诊断专家系统后的诊断结果，其中-2、-1、0、1和2分别表示突降、下降、波动、上升和突升，6口井专家系统诊断结果均与现场实际故障相符。
表6 新疆油田电潜螺杆泵机组故障诊断结果Table 6 Failure diagnosis results of electric submersible screw pump unit in Xinjiang Oilfield
结果表明，多参数过程控制故障智能诊断专家系统具备较强分析功能和直观表现性，能够准确识别不同井的电潜螺杆泵机组故障，证明过程控制故障模型和诊断方法可靠。
(1)基于统计过程控制拓展判异准则和经验判断、多参数规则图版、故障权重因子和现场采集数据归一，提出了一种多参数过程控制与数据反馈分析评价的故障诊断方法，无需大量历史数据进行训练，即可直接接入现场下位机读取数据，进行电潜螺杆泵机组智能故障诊断。
(2)结合过程控制拓展判异准则判断趋势和数据反馈，分析输出最大概率的故障，多参数智能故障诊断结果与现场测试结果相一致且符合率较高，而且数据采集频率和诊断窗口时间跨度随采集数据性质动态变动，保证输入SPC趋势诊断子程序的数据量不变，满足大数据处理需求。
(3)多参数过程控制智能故障诊断系统进行线上远程判断，并随电潜螺杆泵机组不同工况及其运行数据更迭实时诊断故障，具有时效性，为及时诊断和准确判定电潜螺杆泵机组现场运行工况及其故障提供了理论依据和技术支持。
猜你喜欢螺杆泵特征参数准则K采油区螺杆泵井合理沉没度探讨油气·石油与天然气科学(2021年6期)2021-09-10螺杆泵机采井系统效率分析与提升探讨设备管理与维修(2021年12期)2021-07-28冕洞特征参数与地磁暴强度及发生时间统计空间科学学报(2020年1期)2021-01-14具非线性中立项的二阶延迟微分方程的Philos型准则数学物理学报(2020年1期)2020-04-21基于交通特征参数预测的高速公路新型车检器布设方案研究中国交通信息化(2019年12期)2019-08-13基于PSO-VMD的齿轮特征参数提取方法研究制造技术与机床(2017年11期)2017-12-18潜油螺杆泵市场应用及发展前景中国设备工程(2017年16期)2017-08-30基于视频的车辆特征参数算法研究中国交通信息化(2017年8期)2017-06-06基于Canny振荡抑制准则的改进匹配滤波器系统工程与电子技术(2016年7期)2016-08-21学学准则共产党员(辽宁)(2015年24期)2015-10-18
