基于長短時記憶網絡的腐蝕工況下抽油桿剩余使用壽命預測

趙巖龍，方正魁，邱子瑤，馮 智，祝宏平，米 翔

(1.中國石油大學(北京)克拉瑪依校區石油學院，克拉瑪依 834000；2.中國石油天然氣股份有限公司新疆油田分公司，石西油田作業區，克拉瑪依 834000；3.中國石油天然氣股份有限公司新疆油田分公司，采油一廠，克拉瑪依 834000)

抽油桿是有桿泵采油系統中的重要組成部分，起到連接抽油機與抽油泵、傳遞載荷的作用[1]。油井管桿失效問題普遍存在，并一直困擾著油田生產實踐[2]。隨著油井開發年限的延長，進入高含水期開采階段的油井數量不斷增加[3]，油井下泵深度逐漸加大，抽油桿在長期交變載荷作用、井身結構、失穩彎曲、產出液的腐蝕破壞[4-5]等多種因素共同影響下容易發生故障，從而導致油井檢泵周期縮短、修井作業頻繁。準確預測抽油桿在井下腐蝕條件下的剩余使用壽命(remaining useful life，RUL)，對保證油田正常生產具有重要意義。

抽油桿剩余壽命預測方法主要有：基于理論分析的桿柱壽命的預測方法，主要包括：基于斷裂力學的疲勞裂紋擴展模型、疲勞累積損傷理論模型、磨損理論模型等[6]；基于實驗或監測數據的經驗預測模型，該類方法將實驗或監測數據作為樣本，通過神經網絡、回歸理論和灰色理論等方法建立經驗管桿壽命預測模型[7]。近年來，深度學習理論在人工智能領域中逐漸興起，深度神經網絡在處理復雜非線性問題上表現出很好的模擬及預測能力[8]。其中，長短時記憶網絡(long short-term memory，LSTM)適用于解決序列化問題[9]，已廣泛應用于設備故障的預警、診斷[10]及評估[11]、剩余壽命[12]及工作參數[13]的預測。……