海上電潛泵井工況故障診斷與治理策略

劉彬

摘要：隨著近年來海上油田電潛泵使用故障率較高的狀況，在調(diào)查研究的基礎(chǔ)上以現(xiàn)場采集的電流卡片為數(shù)據(jù)來源，進行整理和歸納，形成不同典型工況下的電流卡片樣本庫，并分析了每種典型工況下電流曲線的形態(tài)特征及其形成原因，為電潛泵井的工況診斷及故障處理提供依據(jù)。對現(xiàn)場油井的電流卡片進行工況診斷，工況診斷符合率為100%，表明所建立的診斷模型具有很好的精度，可以滿足油田現(xiàn)場工程對診斷精度要求，能夠為油田現(xiàn)場的生產(chǎn)提供理論支持和指導(dǎo)。

關(guān)鍵詞：電潛泵井；工況診斷；工況故障；形態(tài)特征；特征參數(shù)；優(yōu)化措施

針對目前油田現(xiàn)場電潛泵井工況診斷方式一般為人工診斷，存在工作技術(shù)性強，依賴技術(shù)人員的經(jīng)驗和方法，診斷效率和精度較低，且工作量大等缺陷的問題，以油田現(xiàn)場采集的電流卡片為數(shù)據(jù)來源，形成了10種不同典型工況下的電流卡片樣本庫，分析每種典型工況下電流曲線的形態(tài)特征及其形成原因，統(tǒng)一規(guī)范并確定了5個特征參數(shù)和7個電流特征以及它們的閾值，并對每種典型工況下的電流曲線進行特征提取，從而形成了基于特征識別的電潛泵井工況智能診斷新方法，以判斷油井工況故障，并提出解決措施。

1基于特征識別的電潛泵井工況診斷方法

1.1不同典型工況下電流卡片樣本庫

以油田現(xiàn)場采集的電流卡片為數(shù)據(jù)來源，進行整理和歸納，形成了10種不同典型工況下的電流卡片樣本庫，并分析了每種典型工況下電流曲線的形態(tài)特征及其形成原因，為后面電潛泵井的工況診斷及故障處理提供依據(jù)。

1.2基于特征識別的工況診斷數(shù)學(xué)模型

1.2.1標(biāo)準(zhǔn)化處理

獲得實時電流數(shù)據(jù)之后，首先需進行標(biāo)準(zhǔn)化處理。由于樣本庫中經(jīng)過處理后的正常工作電流對應(yīng)的值為0.7，停機后的電流對應(yīng)的值為0.4。所以可對待診斷的電流數(shù)據(jù)I測做如下處理，以便進行后續(xù)的特征分析：

式中，I標(biāo)準(zhǔn)為標(biāo)準(zhǔn)化處理之后的電流，A；I測為測得的電流，A；I正常為電泵設(shè)定的正常工作電流，A。此外樣本庫中的時間量是弧度θ（0～2π）對應(yīng)著24h，所以還須將時間進行標(biāo)準(zhǔn)化處理：

式中，θ為標(biāo)準(zhǔn)化處理之后的時間，弧度；T為測定電流值對應(yīng)的時間，min。完成標(biāo)準(zhǔn)化處理之后，通過計算各點斜率，可獲得一組反映電流變化規(guī)律的標(biāo)準(zhǔn)斜率數(shù)據(jù)。

1.2.2特征參數(shù)及其閾值的確定

特征量提取之前，定義以下5個特征參數(shù)及其閾值：

①α+為較大的正值（α+>5）；②α-為較大的負(fù)值（α-<-5）；③β+為較小的正值（0.2≤β+≤2）；④β-為較小的負(fù)值（-2≤β-≤-0.2）；⑤0為βmax-<0<βmin+。

上述5個特征參數(shù)的閾值是在綜合分析典型電流卡片下電流斜率變化規(guī)律的基礎(chǔ)之上，再經(jīng)過數(shù)據(jù)的統(tǒng)計分析確定的。

1.2.3特征量提取與分析

在樣本庫中定義3類特征。

（1）穩(wěn)定電流特征：斜率都為0。

（2）非穩(wěn)定電流特征：

①電流緩慢減小。斜率維持為β-較長一段時間。②電流快速減小。斜率很短時間內(nèi)出現(xiàn)β-。③電流增加。斜率維持為β+一段時間。④電流波動。斜率為β+和β-交替出現(xiàn)。

（3）電流突變特征：①停機。斜率數(shù)據(jù)中檢測到α-。②再啟動。斜率數(shù)據(jù)中檢測到α+。

在進行電流卡片分析時，要在標(biāo)準(zhǔn)斜率數(shù)據(jù)中檢測以上特征，進而用以對不同電流卡片進行區(qū)分。進行檢測時規(guī)定每5%個連續(xù)的標(biāo)準(zhǔn)斜率數(shù)據(jù)為一個數(shù)據(jù)單元，例如100個標(biāo)準(zhǔn)斜率數(shù)據(jù)依次為：A，B，C，D，E，F(xiàn)，G，H，…，將{A，B，C，D，E}{B，C，D，E，F(xiàn)，}和{D，E，F(xiàn)，G，H}都視為不同的數(shù)據(jù)單元。該數(shù)據(jù)單元主要用于電流漸變特征的檢測，所以包含α-或α+的數(shù)據(jù)單元沒有意義，分析時不將其視為一個數(shù)據(jù)單元。在進行穩(wěn)定電流特征檢測時，如果一個數(shù)據(jù)單元中0出現(xiàn)的頻數(shù)大于數(shù)據(jù)單元中數(shù)據(jù)總數(shù)的60%（不包含60%）時，也就是說對于上述提到的時間單元{A，B，C，D，E}中的5個數(shù)據(jù)中必須檢測到4或5次0，才開始啟動電流穩(wěn)定特征的檢測，將其稱作穩(wěn)定電流特征檢測的啟動條件。在進行非穩(wěn)定電流特征檢測時，如果數(shù)據(jù)單元中β+和β-出現(xiàn)的總頻數(shù)大于數(shù)據(jù)單元中數(shù)據(jù)總數(shù)的40%（包含40%）時，開啟非穩(wěn)定電流特征的檢測，將其稱作非穩(wěn)定電流特征檢測的啟動條件。對于存在電流突變特征的電流卡片，先檢測停機特征即[α-]，然后再從停機數(shù)據(jù)點按時間自后向前搜索。如果非穩(wěn)定電流特征的檢測開啟，繼續(xù)一次取一個時間單元往前檢測，直至出現(xiàn)穩(wěn)定電流特征或電流突變特征時，檢測終止。

完成非穩(wěn)定數(shù)據(jù)組的提取之后，便可以在數(shù)據(jù)組中進一步檢測，能很容易將以上4種數(shù)據(jù)組形式區(qū)分開來，從而可以確定其所屬的不同特征類型。如果從停機數(shù)據(jù)點按時間自后向前搜索時，穩(wěn)定電流特征的檢測開啟。然后，同樣一次取一個時間單元往前檢測，假如出現(xiàn)非穩(wěn)定電流特征，且繼續(xù)向前檢測能提取到[β-、0、β-]的非穩(wěn)定數(shù)據(jù)組，則可判斷其屬于欠載保護失靈的電流卡片特征。否則，假如沒有出現(xiàn)非穩(wěn)定特征，則可判斷其屬于突發(fā)情況下引起停機的電流卡片特征。如果從停機數(shù)據(jù)點按時間自后向前搜索時，第一個數(shù)據(jù)點便檢測到再啟動特征即[α+]，則可判斷其屬于欠電流停泵的電流卡片特征。基于上述的特征參數(shù)及診斷規(guī)則，對樣本庫中10種不同典型工況下的電流卡片進行了特征量分析，并提取其特征值，形成了基于特征識別的電潛泵井工況診斷新方法，從而實現(xiàn)了電潛泵井工況的智能診斷。

2實例計算與分析

為進一步驗證所建立模型的計算精度，需運用油田現(xiàn)場實際的電流卡片數(shù)據(jù)對工況診斷模型進行檢驗。對現(xiàn)場油井的電流卡片進行工況診斷，計算結(jié)果如表1所示。

由表1可知，工況診斷符合率為100%，證明所建立的模型具有很好的精度，可以滿足油田現(xiàn)場工程對診斷精度的要求，能夠為油田現(xiàn)場的生產(chǎn)提供理論支持和指導(dǎo)。

3結(jié)論

（1）統(tǒng)一規(guī)范和確定了5個特征參數(shù)和7個電流特征以及它們的閾值，這7個電流特征的不同組合可以將10種典型工況下的電流卡片完全區(qū)分開，并對每種典型工況下的電流卡片進行了特征提取，從而形成了基于特征識別的電潛泵井工況智能診斷新方法。

（2）對油田現(xiàn)場6口油井的電流卡片進行工況診斷，工況診斷符合率為100%，所建立的診斷模型能夠非常準(zhǔn)確地探尋樣本庫中已定義的各種電流卡片特征或特征組合，具有良好的精度，可以滿足油田現(xiàn)場工程對診斷精度的要求，能夠為現(xiàn)場的生產(chǎn)提供理論支持和指導(dǎo)。

參考文獻

[1]鮑敬偉，李麗，葉繼根，等.高含水復(fù)雜斷塊油田加密井井位智能優(yōu)選方法及其應(yīng)用[J].石油學(xué)報，2017，38（4）：444-452，484.

（作者單位：海洋采油廠海四采油管理區(qū)）