设计应用

基于深度学习的抽油机井工况诊断方法

作者:肖 翔
发布日期:2021-07-20
来源:信息技术与网络安全

0 引言

基于游梁式抽油机井的人工举升法[1]是目前主流的采油法。人工举升法以其结构简单、成本低廉、适应性强等优点著称。据不完全统计[2],全球超过90%的油田以及国内超过85%的油田都是采用这种方式进行原油开采。在油田开采的过程中,地下深井作业的环境较为复杂,容易引起井下抽油泵从正常的状态转变为故障的状态。若抽油泵长期处于故障状态,抽油泵设备会加速磨损使其生命周期骤缩,进一步影响油田的开采效率。由实时监测的数据快速、准确地诊断识别出抽油机井的工作状态,会给实际的开采提供有价值的信息,实现高效开采的同时将损耗降至最小。


本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003682




作者信息:

肖  翔

(中国科学技术大学 信息科学技术学院,安徽 合肥230026)


此内容为AET网站原创,未经授权禁止转载。
示功图 井下工况 自动诊断 卷积神经网络