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

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2