当前位置:首页 >> 电力/水利 >>

基于神经网络的游梁式抽油机示功图软测量研究_孙金根

第 30 卷, 总第 172 期 2012 年 3 月, 第2 期

《 节 能 技 术 》 ENERGY CONSERVATION TECHNOLOGY

Sum. No. 172 Vol. 30 , Mar. 2012 , No. 2

基于神经网络的游梁式抽油机示功图软测量研究
洋 ( 沈阳理工大学 信息科学与工程学院 , 辽宁 摘 孙金根, 王继刚, 于 沈阳 110159 )

要: 游梁式抽油机示功图是悬点载荷和悬点位移的关系图 , 示功图可以诊断油井的工作状 主要原因是载荷传感器容易老化及使用寿命短。 针 况。至今没有一种有效方法实时测量示功图 , 对游梁式抽油机的示功图实时测量难问题 , 总结了现有的示功图间接测量方法后 , 提出了基于神经 网络的示功图软测量方法。该方法的核心是实时测量游梁式抽油机的相关物理量 , 如电机功率、 游 梁摆动角度, 利用神经网络的非线性逼近功能 , 预测抽油机悬点载荷。 通过数据通信手段, 把相关 , , 的现场数据传到数据中心 数据中心的示功图测量单元由神经网络预测抽油机悬点载荷 加上悬点 位移, 得到抽油机示功图。实验仿真表明基于神经网络的示功图软测量方法是可行的 , 有推广应用 价值。 关键词: 神经网络; 游梁式抽油机; 示功图; 软测量 中图分类号: TP273 文献标识码: A 文章编号: 1002 - 6339 ( 2012 ) 02 - 0099 - 04

Research on Dynamometer Cards Soft - sensing of Walk - beam Oil - pumping Based on Neural Network
SUN Jin - gen,WANG Ji - gang,YU Yang ( School of Information Science and Engineering,Shenyang Li - gong University,Shenyang 110159 ,China) Abstract: Dynamometer card of walk - beam oil - pumping units is relation between rod force and displacement. It can diagnose status of oil - pumping units. There was not an effective method of real time measurement of dynamometer card at present,cause load sensor breaks easily. To solve the problem of real time measurement of dynamometer card,after describing present indirect measurement,it is proposed that the method of soft - sensing can measure dynamometer card of walk - beam oil - pumping units based on neural network. The core of method measures relevant physical data,for example,motor power and walk - beam angle. Rod load is forecasted by other physical data based on neural network. By means of communication,physical data is sent to control center,device of measurement computes data of dynamometer card of walk - beam oil - pumping units based on neural network and displays relation between rod force and displacement. Experimental data shows that the method of soft - sensing based on neural network is feasible. Further application is expected. Key words: neural network; walk - beam oil - pumping units; dynamometer card; soft - sensing

收稿日期 2011 - 11 - 24

修订稿日期 2012 - 01 - 05

基金项目:辽宁省自然科学基金 ( 20072049 ) PLC 应用等方面的教学与科研工作。 作者简介:孙金根( 1962 ) , 男, 硕士, 副教授, 主要从事智能控制、 电力电子技术、 节能控制、

· 99·

0

引言

游梁式抽油机示功图是判断油井工作状态重要 尤其可以判断井下的状况。 但现有测量示功 手段, 图方法都是定期测量, 而且必须使用载荷传感器。 由于需要载荷传感器, 所以每次测量需要重复停机 起机, 即停机后在光杆悬点处安装载荷传感器 , 安装 载荷传感器后启动抽油机, 同时手持终端开始测量 , , 示功图 测量几个冲次后 停机卸下载荷传感器, 再 对工作人员 起动抽油机。这样不仅测量过程麻烦, 不安全, 同时对抽油机有冲击, 影响抽油机寿命。因 为示功图是定期测量, 所以不能及时知道抽油机的 运行状况、 油井下面的液面状况、 光杆载荷变化等现 象, 所以抽油机得不到及时维护, 影响产油量, 浪费 [1 - 3 ] 。 能源 实时测量抽油机示功图也是进一步研究 抽油机节能运行的基础。

比较大。所以能量守恒法在抽油机上死点和下死点 位置的载荷测量误差会较大。 ( 2 ) 功率转换法: 功率转换法就是实际测量电 机输入功率, 依据悬点载荷和减速箱的输出轴的扭 矩存在一定的关系 ( 2 ) , 并利用抽油机的扭矩系数 计算悬点载荷。 T n = T( F - B ) - ( QR - qr) sinθ 式 Tn — — —曲柄静扭矩 / kg · m; T— — —扭矩系数 / m; F— — —悬点载荷 / kg; B— — —结构不平衡重 / kg; Q— — —平衡配重 / kg; R— — —为平衡配重的重心距离 / m; q— — —曲柄重 / kg; r— — —曲柄重心距离 / m; — — ?] 。 θ —曲柄转角 /[ 该方法的局限性在于电机输入功率和悬点载荷 不存在一一对应关系, 电机输入功率向光杆功率的 转换过程中, 需要考虑许多因数, 如曲柄转角变化时 抽油机的结构不平衡、 各运动部件的惯性、 轴承之间 的摩擦力等, 而这些因数不能够很好的量化, 所以影 。 响了功率转换法在实际工程技术中的应用 ( 3 ) 功率损耗转换法: 此方法的思路就是采用 已知的一组示功图和功率曲线图计算功率损耗来推 测其他时间的示功图。功率损耗转换法条件比较苛 假设抽油机在抽油的过程中功率损耗不变 。 实 刻, 际上油井泵的工况不断的变化, 所以功率损耗也是 。 不断变化的 为此功率损耗转换法得到的示功图, 很难达到工程技术要求。 比较了上述抽油机示功图的间接测量方法, 针 对抽油机的复杂性, 本文提出基于神经网络的游梁 式抽油机示功图软测量方法。神经网络具有坚实的 理论基础, 不需要具体数学模型, 几乎可以进行任意 。 的非线性逼近 示功图软测量方法的思路是选择比 通过训练 较容易测量的电机功率和游梁摆动角度, 好的神经网络预测抽油机的悬点载荷 。 ( 2)

1

抽油机示功图间接测量方法简述

从表面上看抽油机的动作似乎很简单, 实际它 涉及电量和非电量多种数量关系, 并且它们的变化 [4 - 8 ] , 全是非线性的 所以要想直接实时测量示功图 或间接实时测量示功图都不是容易的 。实时测量示 功图的困难在于游梁式抽油机的悬点载荷的实时测 量, 因为载荷传感器容易老化、 使用寿命短以及人为 破坏等因数。悬点的位移测量相对简单些。为了寻 找游梁式抽油机示功图实时测量方法, 替代传统的 定期测量抽油机示功图手段, 许多学者提出了不同 [9 - 14 ] 。这 的游梁式抽油机的示功图间接测量方法 些示功图间接测量方法中, 无论是那种方法都存在 [15 ] 局限性 。下面就游梁式抽油机的示功图间接测 量方法进行简述。 ( 1 ) 能量守恒法: 该方法基本原理是悬点功率 等于抽油机的电功率和机械功率合成功率 。即抽油 机在运行过程中, 悬点在不同的位置满足下列关系 。 式中 F ( s) = ( P D ( s) + P Q ( s) ) / V( s) ( 1) F— — —悬点载荷 / kg; PD — — —电机功率 / kW( 可直接测量) ; PQ — — —曲柄功率 / kW ( 依据抽油机的几何数 据计算) ; V— — —悬点速度 / m·s - 1 ( 依据抽油机的结构

2

神经网络软测量抽油机示功图原理

数据计算) ; s— — —悬点位移 / m。 从式( 1 ) 知 道, 计 算 载 荷 时, 需要除以悬点速 度, 而抽油机上死点和下死点的速度均为零 , 速度为 零位置不在上死点或下死点的一点, 而是有一段区 域。实际情况是抽油机上死点和下死点的载荷变化 · 100·

基于神经网络的游梁式抽油机示功图软测量方 法, 其工作原理说明如下: 由角度传感器测量游梁摆动角度 ( θ ) , 用功率 变送器测量电机功率 ( P ) 。 抽油机是周期性工作 的, 抽油机的专业术语称周期为冲次。 对于游梁式 抽油机, 不同的油井其周期不一定相同, 但是对抽油 机的曲柄而言, 一个周期内, 都旋转了 360? , 这样从 曲柄旋转的角度以确定一个周期内测量点数比较直

观。测量点数越多, 则神经网络的计算量就越大, 一 般可采纳 5? 或 10? 作为测量间距。 神经网络采用三 层前馈型( BP) 网络, 见图 1 。 神经网络的输入变量 … θi , 这样测量得到: 角度传感器测量测得 θ1 、 θ2 、 根 … θ i 数据换算为悬点位 由 θ1 、 θ2 、 据游梁前臂长度, s2 、 … s i ; 功率变送器测量得 P1 、 P2 、 … Pi 、 P1 、 移 s1 、 P2 、 … P i 和 s1 、 s2 、 … s i 作为神经网络输入变量, 即构 X 、 X 、 … X , m = 2 ? i 。 成 1 2 神经网络 m 输入向量 这里 F2 、 … Fi , F 是悬点载荷。 神经网络 输出变量为 F1 、 的隐含层神经元数目是 N 个, 一般 N 的取值 N≥m, m 就是输入的变量数目。 BP 神经网络的具体学习 过程这里不再叙述。

图。其具体实施过程分以下步骤: 第一步: 角度传感器固定在抽油机的游梁上 ; 功 率测量单元、 控制器及数据接口安装在控制箱内 。 第二步: 控制器采集游梁角度数据 θ ( k ) 和电机 k 应包含抽油机一个冲程的数据采 功率 P ( k ) , 集点。 第三步: 根据游梁机械参数, 由数据 θ ( k ) 换算 s ( k ) 。 得到悬点位移 第四步: 通过数据接口把悬点位移数据 s ( k ) 和 电机功率 P ( k) 送到监控中心的示功图软测量单元 。 第五步: 由示功图样本数据对选定的神经网络 ( BP) 进行训练, 直到满足指标要求。 : 第六步 由数据 s ( k ) 和数据 P ( k ) 通过训练好 的神经网络映射得到抽油机的悬点载荷 F ( k ) 。 把 k 把数据 F ( k ) 作为纵坐标, 数据 s( k) 作为横坐标, 应包含抽油机一个冲程的数据采集点, 这样就得到 了 F ( k) 和 s( k) 的曲线图, 即是抽油机示功图。

图1

BP 神经网络模型 图2 抽油机示功图软测量实现框图

一般来说, 油田数据中心保存每台抽油机的相 它包括示功图数据、 电机功率、 抽油机参数 关数据, 。 那么这些 等数据 如果该抽油机运行了很长时间, 示功图数据基本包含抽油机各种情况的示功图 , 这 些示功图数据恰好作为神经网络的学习样本数据 。 用比较完整的样本, 训练神经网络, 则由训练好神经 网络测量的示功图会和实际示功图更相符 。

4

实验结果及分析

3

抽油机示功图软测量实现

基于神经网络的游梁式抽油机的示功图软测量 方法由现场数据采集装置和监控中心的神经网络示 功图测量部分组成, 见图 2 。 其中现场数据采集装 功率测量单元、 控制器、 数 置包括角度传感器装置、 。 , 据接口 角度传感器用于测量游梁摆动角度 角度 传感 器 装 置 可 采 用 专 利 产 品 ( 专 利: ZL 2007 2 0015325. 2 ) ; 功率测量单元用于测量电机功率 ; 控制 器完成数据采集及计算; 数据接口用于设备之间交 换数据。监控中心的神经网络示功图测量部分包括 示功图样本数据及示功图软测量单元 。 数据接口、 示功图样本数据用于神经网络学习; 数据接口用于 设备之间交换数据; 示功图软测量单元作用是训练 神经网络和通过训练好的神经网络预测抽油机示功

按照前面说明的神经网络预测游梁式抽油机的 示功图的原理和实现过程, 对某一游梁式抽油机进 行相应的试验。抽油机的技术数据如下: JING29 - 55 油井号: CYJY12 —12 —5 —73HB 抽油机型号: 45 kW 电机功率: 4. 82 m 冲程: : 2. 82 次 / min 冲次 在实验过程中, 采集了该抽油机的大量的实际 数据, 这些数据包括抽油机的电机功率 、 抽油机的悬 点位移和实测的悬点载荷。 有了实际数据后, 同时 结合该抽油机的历史数据, 利用 MATLAB 的神经网 , 。 络工具箱 进行了仿真实验 根据 MATLAB 的神经 网络的工具箱数据格式要求, 把实际的电机功率、 位 移和载荷转化为 0. 0 1. 0 之间的数据。 对于数据 处理、 神经网络的训练及神经网络应用, 按照 MATLAB 的语法编写 M 文件。本实验取几十组样本, 对 。 神经网络进行训练 另外取了几组电机功率和游梁 · 101·

摆动角度数据, 用于测试示功图软测量效果。 在神 调整相关的训练参数, 如训练步长修 经网络训练时, 、 、 改 迭代次数改变 性能指标精度调整等, 以达到较 好的效果。其仿真实验结果见图 3 和图 4 。

判断抽油机和油井工作状况的重要手段, 但是目前 测量示功图方法还停留在定期测量水平 。人们一直 在研究如何实时测量或间接测量示功图 。 ( 2 ) 本文提出的基于神经网络的抽油机的示功 图软测量方法为游梁式抽油机的示功图测量提供了 新思路。该方法思路是通过测量电机功率和游梁摆 利用神经网络预测悬点载荷, 从而得到抽油 动角度, 。 机示功图 试验数据表明该方法测量的示功图要比 更符合实际工程技术 现有的间接测量方法更精确, 要求。 ( 3 ) 由于应用了神经网络理论, 神经网络需要 样本数据, 通过样本数据训练好的神经网络才能应 。 则神经网络软测量抽油 用 所以样本数据越全面, 机示功图的效果越好。 ( 4 ) 为了实现神经网络软测量示功图, 需要相 应的硬件设备, 如抽油机专用的角度传感器、 控制 器、 功率变送器、 数据接口等等。 参考文献
[ 1] 赵玉明. 提高机采井系统效率配套节能技术研究 [ J] . 节能技术, 2009 , 27 ( 5 ) : 474 - 475. [ 2] 王慧, 董康兴, 等. 基于智能控制法对抽油机井优化 J] . 节能技术, 2010 , 28 ( 3 ) : 222 - 224. 运行的研究[ [ 3] 王凤平, 丁宝. 游梁式抽油机异步电动机矢量空间 J] . 节能技术, 2004 , 22 ( 1 ) : 42 - 44. 节能研究[ [ 4] 杜宇恒. 双驴头游梁式抽油机悬点载荷及扭矩研究 [ J] . 节能技术, 2009 , 27 ( 3 ) : 236 - 237.

图3

训练样本数据测试结果

图4

实际数据测试结果

[ 5] . 张建军, 李向齐, 等. 游梁式抽油机设计计算[M] 2005. 北京: 石油工业出版社, [ 6] J] .石 齐俊林, 郭方元, 等. 游梁式抽油机分析方法[ 2006 , 27 ( 6 ) : 116 - 119. 油学报, [ 7] 冯国强, 谢雄, 等. 抽油机井系统动态实时分析模型 [ J] . 中国石油大学学报: 自然科学版, 2010 , 34 ( 4 ) : 84 - 88. [ 8] .油 葛苏鞍, 何静. 抽油机电动机运行状态分析[J] 2006 , 11 ( 1 ) : 35 - 36. 田节能, [ 9] 张世荣, 李昌禧. 游梁式抽油机示功图的间接测量 [ J] . 华中科技大学学报: 自然科学版, 2004 , 32 ( 11 ) : 35 - 37. [ 10] 李虎君, 张继芬, 支连友. 利用抽油机井实测功率 . 大庆石油地质与开发, 1991 , 10 ( 4 ) : 曲线预测示功图[J] 63 - 67. [ 11] 于云华, 张家珍, 等. 便携式油井示功图测试仪的 J] . 科学技术与工程, 2009 , 9 ( 15 ) : 4451 - 4453. 研制[ [ 12] J] . 沈阳航空 潘琢金, 刘泽显. 智能抽油井示功仪[ 2000 , 17 ( 2 ) : 52 - 54. 工业学院学报, [ 13] J] . 现代制 王贺艳, 王宗和. 智能化控制器的研制[ 2005 ( 9 ) : 97 - 99. 造工程, [ 14] 牟海维, 王永涛, 成国库. 油井抽油机示功仪的研 J] . 电测与仪表, 2000 ( 5 ) : 35 - 37. 制[ [ 15] 檀朝东, 罗小明, 等. 抽油机井示功图间接测量方 J] . 中国石油和化工, 2008 ( 14 ) : 50 - 51. 法评价研究[

从上述的实验得到示功图中可以看到, 图3 是 图中 和 代表同 训练样本数据测试的结果, 一条示功图曲线, 即采用的是同一组示功图实际数 据。不过 是实际测量的示功图; 表示神经 实际示功图 网络预测的示功图。 从该图可以看出, 和神经网络预测的示功图拟合得比较好 。图 4 是实 该图中 和 也代表同一 际数据测试的结果, 条示功图曲线, 同样 是实际测量的示功图; 表示神经网络预测的示功图。 从该图结果可以看 出, 实际预测的示功图比样本数据预测的稍差些 。 但示功图曲线拟合程度比较满意, 基本可以替代实 用它可以分析抽油机的运行状况。 通过 际示功图, 实际的游梁式抽油机的示功图数据实验和仿真后 , 测试数据和曲线表明基于神经网络的抽油机的示功 图软测量方法是可行的, 该方法解决了游梁式抽油 机的示功图实时测量的问题。也为进一步研究抽油 机的节能运行提供了有效的途径 。

5

结语
( 1 ) 对于游梁式抽油机而言, 示功图示是分析

· 102·


相关文章:
基于神经网络的游梁式抽油机示功图软测量研究_孙金根.pdf
基于神经网络的游梁式抽油机示功图软测量研究_孙金根 - 第 30 卷, 总第 1
基于神经网络的游梁式抽油机示功图软测量研究.pdf
基于神经网络的游梁式抽油机示功图软测量研究 - 第 30 卷, 总第 172 期
更多相关标签: