基于工業樹莓派的潛油電泵高速電流數據采集系統研究

周建龍

（中海油能源發展股份有限公司工程技術分公司，天津 300452）

0 引言

海上油田是全球能源供應的重要來源之一，而潛油電泵作為海上油井生產的核心設備，其穩定運行對于海上油田的產量和效益至關重要。然而，由于海上環境的復雜性和惡劣條件，海上潛油電泵的故障率較高，可能存在各種故障，如泵軸承損壞、電纜短路等，給生產和維護帶來了挑戰。因此，開發一種高效可靠的海上潛油電泵監測系統具有重要意義。

傳統的海上潛油電泵監測方法通常依賴于人工巡檢或周期性維護，既耗時又昂貴，并且存在一定的安全風險。而本文提出的系統通過自動化采集和分析，能夠有效降低運維成本，并提高生產安全性。潛油電泵的電流信號包含了大量有價值的運行狀態信息，通過對采集的電流數據進行處理和分析，可以判斷潛油電泵是否存在故障，并提供相應的故障診斷結果。這有助于提前預警和排除潛在故障，減少停產時間和維修成本[1]。

1 系統架構設計

基于工業樹莓派平臺設計并搭建了一個高速電流數據采集系統。首先，通過連接變頻器和潛油電泵獲取電流信號數據；然后，將工業樹莓派與MCC118板連接，實現對電流數據的高速采集；最后，使用Pyqtgraph庫進行數據可視化，將實時采集到的電流信號動態顯示在樹莓派屏幕上。

系統流程圖如圖1所示。

圖1 高速電流數據采集系統流程圖

1.1 工業樹莓派

CM4 Industrial是一款基于Raspberry Pi Compute Module 4設計的工業嵌入式計算機[2]。它提供多種工業通信接口和功能，如多路RS232、RS485，多路高精度ADC，隔離IO輸入，繼電器控制，電池備份的實時時鐘，告警蜂鳴器；同時，它也提供了強大的通信能力和穩定性，所以選擇CM4為高速電流數據采集的嵌入式平臺。

1.2 MCC118

MCC118是一款由Measurement Computing公司生產的高精度16位8通道模擬輸入數據采集卡。MCC118具有高達100 kS/s的采樣率，并支持多種測量范圍（從±10 mV到±10 V不等），應用領域十分廣泛，例如工業自動化、實驗室測試以及生命科學研究。因此，在本研究中使用MCC118作為數據采集的媒介。

1.3 InfluxDB

InfluxDB[3]是一個開源的分布式時序數據庫，專門用于存儲和查詢時間序列數據。它支持高效的寫入和查詢操作，并且可以擴展到多個節點以提高可用性和性能。

InfluxDB作為最常采用的時序數據庫，具有以下優點：1）內置HTTP API，使用方便；2）使用類SQL語法，數據查詢便捷；3）自帶管理界面，管理很簡單，并且讀寫效率高。

2 系統實現與實驗驗證

高速電流數據采集系統由硬件和軟件兩部分組成，硬件部分主要包括變頻器、潛油電泵、樹莓派、MCC118模塊和霍爾傳感器等，軟件部分包括數據采集、數據存儲和可視化展示等。

2.1 硬件連接

進行潛油電泵高速電流數據采集系統實驗驗證前，需要進行硬件連接。在負載實驗室中進行硬件連接，使用負載電機代替潛油電泵使用，以保證系統的正常實現；確保樹莓派、MCC118模塊、變頻器和電機都得到適當的電源供應，以避免損壞硬件設備。首先，將MCC118模塊插入樹莓派上的GPIO引腳，確保插入方向正確并連接穩固；其次，在變頻器上電前，需要連接變頻器輸出電纜和負載電機，確保連接正確無誤，以保證變頻器的正常運行；最后，在變頻器負載處添加霍爾電流傳感器，用于獲取井下機組三相電流數據。

圖2為霍爾電流傳感器安裝圖。

圖2 霍爾電流傳感器安裝圖

霍爾電流傳感器主要用于實時監測電機的電流信號，并將其轉換成相應的電信號輸出，通過這些信號可以實現電機的保護和控制。將霍爾電流傳感器的輸出端口與MCC118模塊的輸入端口相連，并根據電流傳感器和MCC118模塊的要求確認連接方式。

2.2 軟件系統實現

在Python編程語言的基礎上，建立多線程方式，分別為讀和寫兩個進程。結合樹莓派和MCC118采集高速電流數據，并實時存儲到InfluxDB數據庫中，供后續使用。

2.2.1 MCC118數據采集

三相電流數據通過MCC118電路板實現采集，首先，需對工業樹莓派和MCC118進行相關依賴庫的安裝與初始化，建立與模塊的通信連接；其次，通過設置采樣率、采樣通道、數據精度等參數，滿足潛油電泵電流信號采集的需求；最后，在一個循環中，以合適的時間間隔讀取MCC118模塊采集到的數據，并存儲到內存中。

MCC118數據采集程序實現如下：

board=mcc118(0)

board.a_in_scan_start(0x07,1,2500.0,OptionFlags.CONTINUOUS)

其中， “0x07” 為通道0、1、2三通道編碼。

2.2.2 高速電流數據存儲

通過MCC118電路板采集電流數據之后，使用Python的數據處理庫對采集到的數據進行處理，并實時存儲到InfluxDB時序數據庫中，需要根據數據量和采樣率等因素，調整數據庫的配置以支持1 000次/s的存儲速率[4]。

InfluxDB數據庫數據存儲程序如下：

client = InfluxDBClient('localhost',8086,'admin','admin')

client.switch_database(InfluxDB_dbname)

client.write_points(json_body)

其中， “InfluxDB_dbname” 為數據庫名， “json_body” 為采集到的高速電流數據。

圖3為InfluxDB數據庫數據存儲過程圖，存儲數據均為毫秒級數據。

圖3 InfluxDB數據庫數據存儲

將采集到的數據實時存儲到InfluxDB數據庫中，經測試，數據存儲量如表1所示。

表1 三相高速電流數據存儲量

由表1可以得出，三相高速電流數據采集速率為1 250次/s，完全達到1 000次/s的預期。

2.3 可視化展示

使用Pyqt5和Pyqtgraph庫[5]創建一個界面窗口，用于實時顯示電流信號的曲線圖。建立與數據采集模塊的數據傳輸接口，將采集到的實時數據傳遞給Pyqtgraph庫，以便繪制曲線圖。使用信號和槽機制實現數據的傳輸。在數據傳輸接口建立完成后，可以使用Pyqtgraph庫內置的plot方法繪圖工具，實現對電流信號曲線圖的實時更新。

三相高速電流數據采集如圖4所示。

圖4 三相高速電流數據展示圖

由于三相電流高速采集數據為瞬時值，為供后續狀態監控和故障診斷使用，需轉為有效值使用，所以最終圖4為有效值顯示。從圖4可以看出，U、V、W三相上下幅度相差低于1 A，視為三相平衡。

電流瞬時值轉為有效值，使用Python中的numpy進行轉換，首先對三相電流樣本組進行平方值計算，然后計算平均值，最后開根號轉換為有效值。程序如下：

squared_values = np.square(current_samples)# 計算平方值

average_power = np.mean(squared_values)# 計算平均功率

rms_value=np.sqrt(average_power)#計算有效值

3 結束語

本研究基于CM4工業樹莓派搭建的潛油電泵高速電流數據采集系統具有較好的實時性和穩定性，為電泵狀態監測和故障診斷提供了有效手段。該系統可廣泛應用于油田開采行業，提高電泵系統的安全性和可靠性，降低維護成本。未來的研究可進一步優化數據采集系統的性能，提高采集速度和數據準確性，并結合機器學習算法進行電泵狀態智能診斷與預測。另外，還可將系統與云平臺相結合，實現遠程監測和故障預警分析，進一步提高電泵系統的監測與維護效率。