基于kNN分類算法的有桿泵抽油井井下工況故障診斷方法

馮中申（遼河油田興隆臺采油廠，遼寧 盤錦 124010）

基于kNN分類算法的有桿泵抽油井井下工況故障診斷方法

馮中申（遼河油田興隆臺采油廠，遼寧 盤錦 124010）

油田生產中，采用人工分析示功圖判斷井下故障存在效率低的問題。對此，本文展開基于計算機診斷方法的研究。首先，采用8方向鏈碼提取示功圖的7個特征向量；然后，根據kNN分類算法進行故障的分類。由國內某作業區一口抽油井的實際示功圖驗證了本文所提出方法的有效性。

kNN分類算法；有桿泵抽油井；工況故障；診斷方法

有桿泵抽油井是國內外油田生產中的主要生產方式，由井上和井下兩部分組成，其中，井上部分主要包括：電控柜、抽油機、齒輪箱、皮帶輪、四連桿機構等，井下部分主要包括：抽油桿、抽油泵等。由于抽油井井下部分工作在數千米的地下，環境惡劣，極易發生各種故障。如果不能及時有效的發現井下工況的異常，會影響抽油井的正常生產，嚴重時會造成停井、關井的后果。

示功圖是油田生產中判斷井下工作狀況的主要方法，由安裝在井口懸點處的相關設備進行采集。示功圖是由若干位移-載荷數據所構成的二維閉合曲線，可以準確反映抽油井抽油的連續物理過程。目前，油田生產中主要依靠人工分析示功圖來判斷井下的工作狀況，首先由現場施工人員采集每口油井的示功圖，然后將數據報送到技術管理部門，由技術人員對示功圖進行人工分析，再根據結果調整生產措施。……