電潛螺桿泵過程控制故障模型與智能診斷方法*

謝建勇 程輝 褚艷杰 魯霖懋 張劍文 郝忠獻(xiàn) 劉新福

(1.中國石油新疆油田分公司吉慶油田作業(yè)區(qū) 2.青島理工大學(xué)機(jī)械與汽車工程學(xué)院 3.中國石油勘探開發(fā)研究院)

0 引 言

電潛螺桿泵舉升系統(tǒng)適用于高黏度、高含蠟、高含砂和高含氣原油工況的斜井、水平井和海上平臺(tái)作業(yè)，同時(shí)電潛直驅(qū)螺桿泵具有泵效高、同比采油量能耗低、泵檢周期長、維護(hù)費(fèi)用低等優(yōu)勢，使其應(yīng)用規(guī)模不斷擴(kuò)大[1-2]。但由于偏心轉(zhuǎn)動(dòng)引起振動(dòng)、井下機(jī)組結(jié)構(gòu)復(fù)雜、工作環(huán)境惡劣等因素，電潛直驅(qū)螺桿泵系統(tǒng)容易發(fā)生故障，且在故障狀態(tài)下長時(shí)間運(yùn)行，原本只需簡單修井作業(yè)的油井反而會(huì)產(chǎn)生更嚴(yán)重的故障，造成經(jīng)濟(jì)損失；同時(shí)，電潛螺桿泵機(jī)組長期帶故障運(yùn)行，效率會(huì)降低，影響經(jīng)濟(jì)效益。此外，對電潛螺桿泵機(jī)組故障類型判別不當(dāng)，也會(huì)引起經(jīng)濟(jì)和人力損失。因此，對電潛螺桿泵機(jī)組故障的及時(shí)發(fā)現(xiàn)以及準(zhǔn)確判別具有重要的工程實(shí)際意義[3-4]。

現(xiàn)有螺桿泵舉升系統(tǒng)故障診斷主要采用BP神經(jīng)網(wǎng)絡(luò)方法[7-8]，需要用到較多組故障數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，而現(xiàn)場區(qū)塊缺乏數(shù)據(jù)或發(fā)生概率較低的故障類型，使BP神經(jīng)網(wǎng)絡(luò)方法缺乏訓(xùn)練的數(shù)據(jù)，導(dǎo)致該方法運(yùn)用效果不佳。統(tǒng)計(jì)過程控制(SPC，Statistical Process Control)[5-6]借助數(shù)理統(tǒng)計(jì)方法進(jìn)行過程控制，對運(yùn)行工況進(jìn)行分析評(píng)價(jià)，根據(jù)反饋信息及時(shí)發(fā)現(xiàn)系統(tǒng)性故障的征兆，并采取措施消除其影響，使過程維持在受隨機(jī)性因素影響的受控狀態(tài)，達(dá)到控制質(zhì)量的目的。而且，運(yùn)用SPC過程控制與專家判別相結(jié)合的方式，在實(shí)現(xiàn)故障判別功能的同時(shí)，不必采集較多的故障運(yùn)行數(shù)據(jù)。

筆者將SPC過程控制判異準(zhǔn)則與電潛螺桿泵機(jī)組故障診斷有機(jī)結(jié)合[9-10]，構(gòu)建電潛直驅(qū)螺桿泵機(jī)組現(xiàn)場故障診斷模型，并提出了一種多參數(shù)過程控制與數(shù)據(jù)反饋分析評(píng)價(jià)的故障診斷方法，達(dá)到及時(shí)診斷和準(zhǔn)確判定故障的目的。

1 多參數(shù)過程控制故障診斷模型

1.1 統(tǒng)計(jì)過程控制拓展判異準(zhǔn)則

電潛螺桿泵正常運(yùn)行時(shí)，其運(yùn)行參數(shù)呈現(xiàn)正態(tài)分布特征，參數(shù)值落在3σ線以外的概率只有0.27%，此概率內(nèi)即可認(rèn)為泵舉升系統(tǒng)處于故障或失控狀態(tài)[8]。異常趨勢判斷圖利用均值μ及標(biāo)準(zhǔn)差σ繪制，如圖1所示。異常趨勢判斷圖中心線為CL，上下限分別為UCL和LCL，即μ±3σ。

圖1 電潛螺桿泵機(jī)組異常趨勢判斷簡圖Fig.1 Schematic diagram for judging abnormal trend of electric submersible screw pump unit

使用異常趨勢判斷螺桿泵是否發(fā)生異常工況的標(biāo)準(zhǔn)為“SPC過程控制判異準(zhǔn)則”，該準(zhǔn)則將參數(shù)的異常上升或下降統(tǒng)一規(guī)定為同一類異常工況。但在電潛螺桿泵舉升系統(tǒng)中，不同類型故障對應(yīng)的特征參數(shù)趨勢存在差異，為此采用多參數(shù)過程控制判異準(zhǔn)則進(jìn)行拓展判別，見表1。

表1 統(tǒng)計(jì)過程控制拓展判異準(zhǔn)則Table 1 Statistical process control extended criterion

通過判斷參數(shù)展示的不同特征，將特征參數(shù)隨時(shí)間變化趨勢劃分為：突增、突降、上升、下降和波動(dòng)。突增和突降代表短時(shí)間內(nèi)特征參數(shù)發(fā)生較大變化，上升和下降代表長時(shí)間內(nèi)發(fā)生變化，波動(dòng)代表在運(yùn)行時(shí)間內(nèi)處于正常范圍。

拓展準(zhǔn)則7、12和13表現(xiàn)為波動(dòng)，判斷為正?，F(xiàn)象，所以專家系統(tǒng)實(shí)現(xiàn)過程中可不參與編寫，其他準(zhǔn)則不合適時(shí)的判斷結(jié)果即為波動(dòng)。SPC拓展準(zhǔn)則優(yōu)先級(jí)依次為：準(zhǔn)則1和2>準(zhǔn)則5和6>準(zhǔn)則3和4>準(zhǔn)則8和9>準(zhǔn)則10和11。用于解決實(shí)際判斷時(shí)，由于參數(shù)同時(shí)常滿足多種準(zhǔn)則，而產(chǎn)生難以判斷的問題。

1.2 多參數(shù)過程控制規(guī)則圖版

根據(jù)新疆油田現(xiàn)場調(diào)研與統(tǒng)計(jì)結(jié)果，電潛螺桿泵舉升系統(tǒng)的運(yùn)行工況和故障類型可歸納為12種[11-12]：油管蠟堵、油管漏失、油管斷脫、泵漏失(定子磨損)、定子溶脹、定子脫膠、砂卡、柔性軸斷脫、工作參數(shù)偏高、工作參數(shù)偏低、絕緣失效和正常工況。依據(jù)大量故障參數(shù)測試和判斷經(jīng)驗(yàn)，12種工況中挑選了7個(gè)特征參數(shù)[13-14]，包括：電流、排液量、電機(jī)溫度、井口溫度、螺桿泵出口壓力、井口套壓、沉沒度。所選參數(shù)涵蓋了生產(chǎn)參數(shù)、電參數(shù)和井底井口參數(shù)，能夠表征電潛螺桿泵舉升系統(tǒng)的運(yùn)行狀態(tài)。電潛螺桿泵機(jī)組故障工況多參數(shù)診斷準(zhǔn)則見表2。表2中數(shù)字代表參數(shù)趨勢，即“0”為波動(dòng)、“-2”為突降、“-1”為下降、“1”為上升和“2”為突升。

表2 電潛螺桿泵機(jī)組故障工況多參數(shù)診斷準(zhǔn)則Table 2 Multi-parameter diagnosis criterion of failure conditions of electric submersible screw pump unit

由表2可知，絕緣失效和軸斷脫的故障特征參數(shù)表現(xiàn)形式相同，通過增加規(guī)則“結(jié)束電流是否等于0”加以區(qū)分。絕緣失效故障時(shí)，保護(hù)器會(huì)自動(dòng)切斷電源；而軸斷脫故障時(shí)，電機(jī)空轉(zhuǎn)，電流為空載電流。工作參數(shù)偏高指轉(zhuǎn)子的轉(zhuǎn)速過高，導(dǎo)致油井的供排不平衡，系統(tǒng)效率降低，井筒動(dòng)液面下降；工作參數(shù)偏低則相反，此時(shí)井筒動(dòng)液面持續(xù)上升[15-16]。電流和排液量穩(wěn)定時(shí)，通常認(rèn)為電潛螺桿泵機(jī)組工作狀態(tài)穩(wěn)定，即診斷為正常工況。電潛螺桿泵機(jī)組發(fā)生故障時(shí)，會(huì)影響到動(dòng)液面的位置，為此只在正常工況時(shí)判斷工作參數(shù)偏高或偏低。

電潛螺桿泵舉升系統(tǒng)現(xiàn)場發(fā)生故障時(shí)，部分特征參數(shù)的趨勢特征不一定符合設(shè)定的判斷規(guī)則，由此引入概率判斷法，如表3所示。分別計(jì)算每種電潛螺桿泵故障發(fā)生的概率大小，并將輸出概率最大的現(xiàn)場故障類型作為診斷結(jié)果。電潛螺桿泵現(xiàn)場故障發(fā)生概率的計(jì)算式為：

表3 機(jī)組故障發(fā)生時(shí)各特征參數(shù)的權(quán)重因子Table 3 Weight factor of each characteristic parameter when failure occurs

(1)

式中：i為現(xiàn)場采集參數(shù)；j為現(xiàn)場故障參數(shù)；ai為利用SPC準(zhǔn)則判斷采集參數(shù)的趨勢；rij為電潛螺桿泵現(xiàn)場故障對應(yīng)參數(shù)的趨勢；wij為采集參數(shù)發(fā)生現(xiàn)場故障的權(quán)重；Pj為現(xiàn)場故障發(fā)生概率。

1.3 故障權(quán)重因子和現(xiàn)場數(shù)據(jù)歸一

權(quán)重因子wij控制診斷結(jié)果的正確率，首先將總權(quán)重“1”分為不同故障類型的6份(沉沒度只參與診斷工作參數(shù)問題，不參與概率計(jì)算)，而后依據(jù)現(xiàn)場診斷與測試結(jié)果并結(jié)合故障診斷經(jīng)驗(yàn)，確定各故障特征參數(shù)的權(quán)重因子圖版，如表3所示。

不同油田使用的數(shù)據(jù)采集系統(tǒng)不統(tǒng)一，使得數(shù)據(jù)采集頻率不一致，為此引入數(shù)據(jù)歸一長度N，將同一特征參數(shù)的N個(gè)數(shù)據(jù)平均值作為一個(gè)數(shù)據(jù)進(jìn)行多參數(shù)過程控制趨勢判斷，即：

(2)

式中：T為判斷窗口長度，h；25為多參數(shù)過程控制趨勢判斷所需的數(shù)據(jù)量；f為數(shù)據(jù)采集頻率，h-1。

2 多過程控制故障診斷專家系統(tǒng)

為提高故障診斷過程的便捷性，開發(fā)電潛螺桿泵機(jī)組多過程控制故障智能診斷專家系統(tǒng)，其故障工況診斷流程如圖2所示。該專家系統(tǒng)創(chuàng)新性的引入診斷窗口長度和采集頻率，與下位機(jī)傳輸?shù)臄?shù)據(jù)交互后可在線實(shí)時(shí)故障診斷。

圖2 電潛螺桿泵機(jī)組多過程控制故障智能診斷專家系統(tǒng)診斷流程圖Fig.2 Flow chart of failure diagnosis of electric submersible screw pump unit

電潛螺桿泵機(jī)組多過程控制故障智能診斷專家系統(tǒng)診斷流程分為3步：第①步，獲取7種電潛螺桿泵機(jī)組故障特征參數(shù)并進(jìn)行數(shù)據(jù)處理，在線選取每種特征參數(shù)的25個(gè)數(shù)據(jù)點(diǎn)，而后計(jì)算前10個(gè)數(shù)據(jù)點(diǎn)的均值標(biāo)準(zhǔn)差以及異常趨勢，判斷圖1的UCL和LCL；第②步，其余15個(gè)數(shù)據(jù)點(diǎn)使用多參數(shù)過程控制拓展準(zhǔn)則計(jì)算趨勢；第③步，判斷電流、排液量是否平穩(wěn)，診斷工況是否正常。工況正常時(shí)，通過動(dòng)液面的趨勢判斷運(yùn)行參數(shù)是否合適；工況不正常時(shí)，則使用采油系統(tǒng)工況判斷準(zhǔn)則，計(jì)算每種故障發(fā)生的概率，最后輸出判斷結(jié)果。

3 故障診斷實(shí)例計(jì)算與分析

選取新疆油田吉39井對電潛螺桿泵多參數(shù)過程控制智能故障診斷系統(tǒng)進(jìn)行驗(yàn)證，下位機(jī)采集的特征參數(shù)如圖3所示。由圖3可知，圖中展示了75 h內(nèi)的特征參數(shù)趨勢。排液量隨泵運(yùn)行時(shí)間逐漸下降，電流變化則較小。

圖3 電潛螺桿泵機(jī)組故障特征參數(shù)采集頻率Fig.3 Acquisition frequency of failure characteristic parameters of electric submersible screw pump unit

吉39井的數(shù)據(jù)采集頻率為2次/h，設(shè)定3個(gè)異常趨勢診斷窗口：25 h、50 h和75 h，過程控制診斷特征參數(shù)異常趨勢結(jié)果見表4。3個(gè)診斷窗口判斷的特征參數(shù)趨勢大致相同，排液量和沉沒度下降(-1)，電機(jī)溫度和套壓上升(1)，電流和其他特征參數(shù)波動(dòng)(0)。

表4 多參數(shù)過程控制診斷異常趨勢結(jié)果Table 4 Multi-parameter process control diagnosis abnormal trend results

通過式(1)計(jì)算電潛螺桿泵機(jī)組故障概率，輸出結(jié)果如表5所示。

表5 吉39井電潛螺桿泵機(jī)組故障概率與診斷結(jié)果Table 5 Failure probability and diagnosis result of electric submersible screw pump unit in Well Ji 39

由表5可以看出，其最大平均概率故障為泵漏失概率，值為0.67。結(jié)合電潛螺桿泵的現(xiàn)場拆解報(bào)告，吉39井的故障可以診斷為泵漏失。3個(gè)診斷窗口判斷出的最大概率故障均為泵漏失，這與實(shí)際故障相符。診斷結(jié)果表明，各診斷窗口的異常趨勢結(jié)果和各故障概率存在差異時(shí)，故障診斷專家系統(tǒng)依據(jù)多參數(shù)過程控制依然能夠準(zhǔn)確地診斷出故障類型。

表6為新疆油田不同故障井采用故障診斷專家系統(tǒng)后的診斷結(jié)果，其中-2、-1、0、1和2分別表示突降、下降、波動(dòng)、上升和突升，6口井專家系統(tǒng)診斷結(jié)果均與現(xiàn)場實(shí)際故障相符。

表6 新疆油田電潛螺桿泵機(jī)組故障診斷結(jié)果Table 6 Failure diagnosis results of electric submersible screw pump unit in Xinjiang Oilfield

結(jié)果表明，多參數(shù)過程控制故障智能診斷專家系統(tǒng)具備較強(qiáng)分析功能和直觀表現(xiàn)性，能夠準(zhǔn)確識(shí)別不同井的電潛螺桿泵機(jī)組故障，證明過程控制故障模型和診斷方法可靠。

4 結(jié) 論

(1)基于統(tǒng)計(jì)過程控制拓展判異準(zhǔn)則和經(jīng)驗(yàn)判斷、多參數(shù)規(guī)則圖版、故障權(quán)重因子和現(xiàn)場采集數(shù)據(jù)歸一，提出了一種多參數(shù)過程控制與數(shù)據(jù)反饋分析評(píng)價(jià)的故障診斷方法，無需大量歷史數(shù)據(jù)進(jìn)行訓(xùn)練，即可直接接入現(xiàn)場下位機(jī)讀取數(shù)據(jù)，進(jìn)行電潛螺桿泵機(jī)組智能故障診斷。

(2)結(jié)合過程控制拓展判異準(zhǔn)則判斷趨勢和數(shù)據(jù)反饋，分析輸出最大概率的故障，多參數(shù)智能故障診斷結(jié)果與現(xiàn)場測試結(jié)果相一致且符合率較高，而且數(shù)據(jù)采集頻率和診斷窗口時(shí)間跨度隨采集數(shù)據(jù)性質(zhì)動(dòng)態(tài)變動(dòng)，保證輸入SPC趨勢診斷子程序的數(shù)據(jù)量不變，滿足大數(shù)據(jù)處理需求。

(3)多參數(shù)過程控制智能故障診斷系統(tǒng)進(jìn)行線上遠(yuǎn)程判斷，并隨電潛螺桿泵機(jī)組不同工況及其運(yùn)行數(shù)據(jù)更迭實(shí)時(shí)診斷故障，具有時(shí)效性，為及時(shí)診斷和準(zhǔn)確判定電潛螺桿泵機(jī)組現(xiàn)場運(yùn)行工況及其故障提供了理論依據(jù)和技術(shù)支持。