Содержание к диссертации
Введение
Глава 1. Анализ текущего состояния автоматизации контроля технологического процесса добычи нефти 15
1.1 Актуальность темы исследований 15
1.2 Анализ состояния автоматизации нефтяных промыслов 20
1.3 Анализ показателей эксплуатации нефтяной скважины 23
1.4 Анализ способов диагностики состояния скважинной штанговой насосной установки 26
1.5 Расширение функциональных возможностей метода динамометрирования скважинной штанговой насосной установки 45
1.6 Цель и задачи исследований 53
Выводы по первой главе 54
Глава 2. Разработка системы диагностики скважинной штанговой насосной установки 55
2.1 Обобщенный алгоритм диагностики скважинной штанговой насосной установки 55
2.2 Динамическая модель системы скважина - штанговая насосная установка 69
2.3 Система управления скважинной штанговой насосной установкой. 77
Выводы по второй главе 81
Глава 3. Разработка алгоритма идентификации состояния насосного оборудования скважины 83
3.1 Математическая обработка диагностической информации 85
3.2 Определение технического состояния насосного оборудования с применением нейронных сетей 96
3.3 Расчет показателей работы скважинной штанговой насосной установки с использованием математической модели 107
Выводы по третьей главе ИЗ
Глава 4. Оценка эффективности идентификации состояния насосного оборудования скважины 115
4.1 Разработка программного комплекса идентификации состояния скважинной штанговой насосной установки 115
4.2 Оценка достоверности определения технического состояния установки СШН 120
4.3 Проверка адекватности динамической модели установки СШН 127
Выводы по четвертой главе 134
Основные выводы и результаты 136
Список литературы 138
Приложение А 147
- Актуальность темы исследований
- Обобщенный алгоритм диагностики скважинной штанговой насосной установки
- Определение технического состояния насосного оборудования с применением нейронных сетей
- Разработка программного комплекса идентификации состояния скважинной штанговой насосной установки
Введение к работе
Актуальность темы исследований
Современное состояние нефтедобывающей отрасли топливно-энергетического комплекса России характеризуется тем, что большинство нефтедобывающих производств относятся к промыслам в поздней стадии эксплуатации, отличающейся увеличенной обводненностью продукции, снижением среднего дебита добывающих скважин и ростом затрат на каждую добытую тонну нефти [2].
На современном этапе добыча нефти характеризуется неустойчивыми и слабыми (около 2% в год) темпами роста. Это связано с тем, что, во-первых, степень вовлеченности в разработку и выработанность месторождений очень высоки. Во-вторых, уменьшился прирост запасов нефти за счет вновь открытых месторождений. В-третьих, велика обводненность добываемой нефти: свыше трети разрабатываемых нефтяными компаниями запасов имеют обводненность более 70%, то есть при тех же издержках и объемах добычи пластовой жидкости самой нефти добывается все меньше [22,51].
Продолжает ухудшаться структура запасов. Доля трудноизвлекаемых запасов, характеризующихся изначально более низкими дебитами скважин и сравнительно невысокими темпами отбора нефти, уже достигла 55-60% и продолжает расти. Более половины фонда добывающих скважин нефтяных компаний находятся в диапазоне низких дебитов на грани рентабельности.
Это означает, что для выработки остаточных запасов нефти на разрабатываемых месторождениях и вводимых в эксплуатацию новых залежах необходимы другие технологии, нежели при использовании традиционных систем разработки. При этом современная технология добычи должна соответствовать следующим основным принципам: обеспечение
управляемости основных технологических установок; обеспечение экономичности всех процессов и оборудования [46].
Ухудшилось использование фонда скважин. Значительно вырос фонд бездействующих скважин, превысив четверть эксплуатационного фонда. Большая часть бездействующих скважин не имеет перспектив быть восстановленными, поскольку это представляется нерентабельным. Более того, сохранение такого большого количества простаивающих скважин приводит (согласно технологическим нормам) к безвозвратным потерям части извлекаемых запасов, что снижает конечную нефтедобычу на 5-7%.
Резко ухудшилось за последние годы техническое состояние используемого оборудования. Коэффициент обновлений фондов в нефтедобывающей промышленности за 1990-1997 снизился с 9 до 1.5% [91].
Поэтому одним из направлений развития нефтедобывающей отрасли российского топливно-энергетического комплекса является вовлечение в эксплуатацию бездействующего фонда скважин и доведение его до норматива, а также интенсификация добычи нефти из низкопродуктивных пластов, пополнение и наращивание извлекаемых объемов сырья с месторождений со сложным геологическим строением, использование возможностей продуктивного освоения трудно извлекаемых запасов нефти.
Среди факторов повышения эффективности добычи нефти выделяют: совершенствование технологии буровых работ, применение рациональных систем разработки месторождения, широкое внедрение современных методов увеличения нефтеотдачи пластов, применение прогрессивных технологических процессов извлечения нефти, а также увеличение межремонтного периода работы скважин.
Процесс разработки нефтяного месторождения в поздней стадии эксплуатации характеризуется интенсивным снижением темпа разработки на
фоне прогрессирующего обводнения продукции скважин. Оставшиеся запасы нефти извлекают в условиях низкого темпа разработки и высокой обводненности продукции. На данном этапе рост объемов добычи нефти сопровождается (и обеспечивается) значительным увеличением фонда скважин, при этом большинство скважин эксплуатируется механизированным способом.
В условиях роста количества скважин, снижения средних дебитов и роста обводненности продукции современная технология и техника добычи развивается в сторону интенсификации отборов нефти из залежей и наиболее полного ее извлечения. То есть требуется решить задачу достижения максимума добычи нефти из каждой эксплуатационной скважины.
Эксплуатационные скважины являются средствами активного воздействия на продуктивный пласт, основными и самыми массовыми объектами технологического комплекса добычи нефти, а также основными потребителями капитальных вложений и эксплуатационных затрат. Поэтому для повышения эффективности систем разработки требуется решить задачу снижения эксплуатационных и энергетических затрат на обслуживание и ремонт действующих скважин, сокращения непроизводительных простоев и предотвращения аварий подземного оборудования.
Характеристики и режим работы скважины подвержены воздействию различных возмущающих факторов, имеющих случайный характер. На эффективность рабочих скважин значительное влияние оказывают конструктивные особенности и состояние глубинно-насосного оборудования.
Решение указанных задач во многом определяется организацией правильного режима эксплуатации скважин - постоянным контролем технического состояния насосного оборудования и соответствием скорости отбора жидкости насосом притоку ее к забою и, в случае необходимости, изменением производительности насосного оборудования [4].
При анализе текущего состояния фонда скважин и оборудования, с помощью которого они эксплуатируются, можно отметить, что не менее 80% всего действующего фонда скважин эксплуатируется скважинными штанговыми насосными установками, причем имеется тенденция к увеличению абсолютного и относительного их числа. Объясняется это тем обстоятельством, что скважинный штанговый насос в силу присущих ему особенностей позволяет с достаточной рентабельностью эксплуатировать очень малодебитные скважины, а фонд малодебитных скважин очень велик [1].
Надежная и безаварийная работа установки во многом обеспечивает выполнение планов по добыче нефти. Одним из путей повышения эффективности добычи нефти является применение оперативного технического диагностирования насосной установки, которое позволит своевременно определять неисправности в различных частях установки и прогнозировать ее дальнейшее состояние. А оптимальное планирование ремонтов и обслуживании установки позволит не только повысить надежность работы, но и снизить технологические затраты.
Кроме того, в связи с ростом механизированного фонда скважин возрастает значение автоматизации управления насосными установками и в целом процесса эксплуатации месторождений.
Условия эксплуатации глубиннонасосной установки,
характеризующиеся постепенным изменением производительности скважины, требуют применения регулируемого привода для плавного изменения частоты качаний с целью установления оптимального режима отбора жидкости [59].
На основе регулируемых по производительности насосных установок возможно построение автоматизированной системы идентификации состояния и управления добычей нефти отдельной скважины. Это позволит
значительно повысить эффективность добычи нефти: с одной стороны, снизить заявленную мощность и износ оборудования, уменьшить количество простоев, а с другой - увеличить межремонтный период работы насосного оборудования [3,21,76].
Анализ научной литературы показал, что динамометрирование, как способ контроля работы и диагностирования ШСН, в нашей стране получило распространение начиная с 40-х годов. В последующем Адониным А.Н., а также Беловым В.А. было опубликовано несколько работ, посвященных вопросам обработки и расшифровки динамограмм. На основе этих работ были составлены методики обработки динамограмм, применяющиеся на большинстве промыслов до настоящего времени.
Далее в работе Иванкова П.А. рассматривалась автоматизация глубиннонасосных установок с помощью динамограмм; при этом Мининзон Г.М. предложил регулирующее устройство, изменяющее число качаний станка - качалки при изменении формы динамограммы. Наиболее полную теорию регулирования числа качаний дал Вирновский А.С., разработав метод определения усилий, действующих на плунжер по данным одних лишь наземных измерений. Но дальнейшего развития эти предложения не получили.
В МИНГ им. И.М. Губкина для исследования колебательных процессов в колонне штанг применен метод Л. Бержерона, и на его основе разработан графоаналитический способ определения глубинных величин, основанный на решении системы дифференциальных уравнений, описывающей движение колонны штанг. В последствии Алиевым Т.М., Тер-Хачатуровым А.А. проводились работы с целью разработки метода и аппаратуры для автоматизации обработки динамограмм [2,4,5,6,18].
Таким образом, тема исследований является актуальной для автоматизации нефтедобывающей промышленности с целью повышения ее
эффективности и уменьшения затрат. В результате анализа работ авторов, занимающихся сходной проблематикой, установлено, что идея создания автоматической системы диагностики скважинной штанговой насосной установки уже рассматривалась, но не была доведена до комплексной реализации.
Цель работы
Разработать автоматическую систему идентификации состояния и режима работы скважинной штанговой насосной установки с применением динамометрирования и неиросетевых технологий для целей управления технологическим процессом добычи нефти. Оценить эффективность предложенной системы методом математического моделирования.
Задачи исследования
Для достижения поставленной цели требуется решить следующие задачи:
Разработать алгоритм автоматической диагностики состояния скважинной штанговой насосной установки на основе данных динамометрирования и неиросетевых технологий.
Разработать динамическую математическую модель системы скважина-штанговая насосная установка.
Разработать способ оценки текущего дебита нефтяной скважины с использованием математической модели системы скважина-штанговая насосная установка.
Разработать структуру и алгоритм работы системы управления скважинной штанговой насосной установкой на основе диагностической информации с учетом текущего дебита скважины.
Провести оценку практической ценности предложенной автоматической системы диагностики состояния и контроля режима работы
скважиннои штанговой насосной установки методом математического моделирования.
Методы решения
При решении поставленных в работе задач использовались методы системного анализа, теории управления и технической диагностики, нейросетевые технологии, а также теория имитационного моделирования. Применялись следующие программные продукты: Matlab версия 6.5, Simulink версия 5.0, Микон-К «Эхолот-динамограф» версия 2.2, Borland C++ Builder версия 5.0.
На защиту выносятся
Алгоритм работы системы диагностики скважиннои штанговой насосной установки с предварительным вейвлет-преобразованием первичных динамограмм и распознаванием неисправностей с применением нейронных сетей.
Математическая модель системы скважина-штанговая насосная установка, учитывающая динамику движения штанг, труб и жидкости.
Способ оценки текущего дебита скважины, основанный на использовании математической модели системы скважина-штанговая насосная установка.
Структура и алгоритм функционирования автоматической системы управления скважиннои штанговой насосной установкой с учетом текущей производительности и технического состояния установки, а также текущего дебита скважины.
Результаты экспериментальных исследований предложенных алгоритмов и математической модели, проведенных с применением разработанных программных модулей.
Научная новизна результатов
Новизна алгоритма работы системы диагностики заключается в расширении функциональных возможностей метода динамометрирования за счет использования современных методов обработки нестационарных сигналов, применения нейросетевых технологий для распознавания состояния скважинной штанговой насосной установки, что позволяет повысить достоверность и увеличить количество распознаваемых классов состояний.
Новизна разработанной математической модели системы скважина-штанговая насосная установка заключается в том, что она позволяет оценивать технологические параметры работы установки, не поддающиеся прямому измерению, а также учитывать текущее техническое состояние установки для управления режимом ее работы.
Новизна разработанного способа количественной оценки текущего дебита скважины заключается в использовании математической модели, предварительно адаптированной к характеристикам конкретной скважинной штанговой насосной установки, что позволяет повысить точность оценки дебита скважины.
Новизна предложенной структуры и алгоритма работы автоматической системы управления скважинной штанговой насосной установкой заключается в возможности непрерывного согласования скорости откачки со скоростью притока жидкости к забою скважины за счет автоматической оценки значения текущего дебита скважины.
Новизна использования предложенных алгоритмов и математической модели системы скважина-штанговая насосная установка заключается в реализации соответствующих программных модулей в составе системы управления скважинной штанговой насосной установкой, что
позволило обеспечить выполнение всех требуемых для управления функций сбора, обработки и использования текущей промысловой информации.
Практическая ценность полученных результатов
Практическая ценность разработанного алгоритма диагностики скважиннои штанговой насосной установки заключается в том, что определение технического состояния установки возможно в автоматическом режиме, что позволит использовать результат диагностирования при непрерывном управлении режимом работы установки.
Использование динамической математической модели системы скважина-штанговая насосная установка в составе системы автоматического управления позволяет в реальном масштабе времени определять текущее значение производительности установки, соответствующей дебиту скважины как основному параметру управления.
Разработаны программные модули моделирования режимов работы скважиннои штанговой насосной установки, автоматической обработки динамограмм и диагностики технического состояния (программа для ЭВМ №2006611849 «Классификация динамограмм СШНУ», № 2007613994 «Диагностирование СШНУ по динамограмме»).
Практическая ценность разработанной автоматической системы управления скважиннои штанговой насосной установкой заключается в возможности проведения оперативного контроля и регулирования процесса извлечения нефти путем управления в реальном масштабе времени режимом работы установки, а также ускорении процесса изменения режима работы установки, не оснащенной автоматическими регуляторами, что позволит значительно повысить технико-экономическую эффективность добычи нефти.
5. Результаты экспериментального исследования работы скважинной штанговой насосной установки на базе промысловых данных НГДУ «Лениногорскнефть» ОАО «Татнефть» подтвердили адекватность разработанной математической модели, а также эффективность предложенного алгоритма диагностики и управления установкой.
Структура работы
Диссертационная работа изложена на 147 страницах машинописного текста и включает в себя введение, четыре главы основного материала, заключение; рисунки на 26 страницах; библиографический список из 101 наименования на 9 страницах и приложение на 12 страницах.
Актуальность темы исследований
Современное состояние нефтедобывающей отрасли топливно-энергетического комплекса России характеризуется тем, что большинство нефтедобывающих производств относятся к промыслам в поздней стадии эксплуатации, отличающейся увеличенной обводненностью продукции, снижением среднего дебита добывающих скважин и ростом затрат на каждую добытую тонну нефти [2].
На современном этапе добыча нефти характеризуется неустойчивыми и слабыми (около 2% в год) темпами роста. Это связано с тем, что, во-первых, степень вовлеченности в разработку и выработанность месторождений очень высоки. Во-вторых, уменьшился прирост запасов нефти за счет вновь открытых месторождений. В-третьих, велика обводненность добываемой нефти: свыше трети разрабатываемых нефтяными компаниями запасов имеют обводненность более 70%, то есть при тех же издержках и объемах добычи пластовой жидкости самой нефти добывается все меньше [22,51].
Продолжает ухудшаться структура запасов. Доля трудноизвлекаемых запасов, характеризующихся изначально более низкими дебитами скважин и сравнительно невысокими темпами отбора нефти, уже достигла 55-60% и продолжает расти. Более половины фонда добывающих скважин нефтяных компаний находятся в диапазоне низких дебитов на грани рентабельности.
Это означает, что для выработки остаточных запасов нефти на разрабатываемых месторождениях и вводимых в эксплуатацию новых залежах необходимы другие технологии, нежели при использовании традиционных систем разработки. При этом современная технология добычи должна соответствовать следующим основным принципам: обеспечение управляемости основных технологических установок; обеспечение экономичности всех процессов и оборудования [46].
Ухудшилось использование фонда скважин. Значительно вырос фонд бездействующих скважин, превысив четверть эксплуатационного фонда. Большая часть бездействующих скважин не имеет перспектив быть восстановленными, поскольку это представляется нерентабельным. Более того, сохранение такого большого количества простаивающих скважин приводит (согласно технологическим нормам) к безвозвратным потерям части извлекаемых запасов, что снижает конечную нефтедобычу на 5-7%.
Резко ухудшилось за последние годы техническое состояние используемого оборудования. Коэффициент обновлений фондов в нефтедобывающей промышленности за 1990-1997 снизился с 9 до 1.5% [91].
Поэтому одним из направлений развития нефтедобывающей отрасли российского топливно-энергетического комплекса является вовлечение в эксплуатацию бездействующего фонда скважин и доведение его до норматива, а также интенсификация добычи нефти из низкопродуктивных пластов, пополнение и наращивание извлекаемых объемов сырья с месторождений со сложным геологическим строением, использование возможностей продуктивного освоения трудно извлекаемых запасов нефти.
Среди факторов повышения эффективности добычи нефти выделяют: совершенствование технологии буровых работ, применение рациональных систем разработки месторождения, широкое внедрение современных методов увеличения нефтеотдачи пластов, применение прогрессивных технологических процессов извлечения нефти, а также увеличение межремонтного периода работы скважин .
Процесс разработки нефтяного месторождения в поздней стадии эксплуатации характеризуется интенсивным снижением темпа разработки на фоне прогрессирующего обводнения продукции скважин. Оставшиеся запасы нефти извлекают в условиях низкого темпа разработки и высокой обводненности продукции. На данном этапе рост объемов добычи нефти сопровождается (и обеспечивается) значительным увеличением фонда скважин, при этом большинство скважин эксплуатируется механизированным способом.
В условиях роста количества скважин, снижения средних дебитов и роста обводненности продукции современная технология и техника добычи развивается в сторону интенсификации отборов нефти из залежей и наиболее полного ее извлечения. То есть требуется решить задачу достижения максимума добычи нефти из каждой эксплуатационной скважины.
Эксплуатационные скважины являются средствами активного воздействия на продуктивный пласт, основными и самыми массовыми объектами технологического комплекса добычи нефти, а также основными потребителями капитальных вложений и эксплуатационных затрат. Поэтому для повышения эффективности систем разработки требуется решить задачу снижения эксплуатационных и энергетических затрат на обслуживание и ремонт действующих скважин, сокращения непроизводительных простоев и предотвращения аварий подземного оборудования .
Характеристики и режим работы скважины подвержены воздействию различных возмущающих факторов, имеющих случайный характер. На эффективность рабочих скважин значительное влияние оказывают конструктивные особенности и состояние глубинно-насосного оборудования.
Решение указанных задач во многом определяется организацией правильного режима эксплуатации скважин - постоянным контролем технического состояния насосного оборудования и соответствием скорости отбора жидкости насосом притоку ее к забою и, в случае необходимости, изменением производительности насосного оборудования [4].
Обобщенный алгоритм диагностики скважинной штанговой насосной установки
Основной задачей диагностики является определение текущего технического состояния установки СШН в автоматическом режиме по динамограмме, так как динамограмма позволяет наиболее полно судить о рабочем процессе скважинного штангового насоса.
Поскольку каждому состоянию СШНУ соответствует определенная форма динамограммы, то задача диагностирования насосного оборудования сводится к задаче классификации, когда каждому классу поставлено в соответствие отдельное состояние установки.
Решение задачи классификации в общем случае состоит из нескольких этапов (рисунок 2.1): получение исходной информации, математическая обработка (предварительная обработка экспериментальных данных с целью извлечения полезной для классификации информации) и классификация состояния (включает набор правил, в соответствии с которыми объект может быть отнесен к тому или иному классу).
Применительно к установке СШН исходными данными являются периодические сигналы усилия в точке подвеса штанг F(t) и положения s(t) этой точки, полученные с использованием динамографа.
Процесс математической обработки можно представить в виде некоторой совокупности действий над сигналом. Очевидно, что желательно выбрать или синтезировать такую последовательность действий (алгоритм), которая привела бы к желаемому результату с минимальным количеством вычислительных процедур [10].
Заключительный этап классификации - это отнесение динамограммы к тому или иному классу, то есть ее распознавание. В настоящее время разработан целый ряд различных методов распознавания образов. Необходимо выбрать такой метод, который обеспечит достоверное распознавание динамограммы по выделенным признакам.
В общем случае обработкой сигнала называется процесс преобразования и оценивания его информативных характеристик. Если известна достаточно хорошо модель сигнала, то он тогда характеризуется вектором (набором) параметров этой модели (например, положение на оси времени, амплитуда, ширина, эксцесс и т.п.). Любой параметр сигнала может нести полезную информацию об исследуемом явлении. Таким образом, задачей обработки является выбор этих параметров и оценивание их величин, из которых затем извлекается информация об исследуемом процессе [65,77].
Существуют следующие алгоритмы предварительной обработки динамограмм и выявления их классификационных признаков: алгоритм характерных точек перегиба, алгоритм разностных кривых, алгоритм отношения периодов начальных деформаций и спектральный алгоритм [49].
Алгоритм характерных точек перегиба основан на определении взаимного расположения характерных точек перегиба сигнала усилия F(t) и хода s(t). При этом классификационными признаками являются: количество N точек перегиба сигнала F(t) и логический признак Z - совпадение точек перегиба сигнала F(t) с точками перегиба сигнала s(t), соответствующими началу хода точки подвеса штанг вверх и вниз.
Алгоритм разностных кривых основан на сравнении форм сигнала F за первый и второй полупериоды качания станка. Начало очередного полупериода определяется по перегибам сигнала s, соответствующим началу хода штанг вверх и вниз соответственно. После чего вычисляется разность между двумя полупериодами - строится разностная кривая. При нормальной работе формы сигналов обоих полупериодов идентичны.
Оперативное диагностирование может осуществляться путем сравнения полученной разностной кривой с эталонной, соответствующей определенному классу состояния СШН.
Алгоритм отношения периодов начальных деформаций основан на сравнении участков восприятия и снятия нагрузки, определяемых по динамограмме и характеризующихся соответствующими периодами времени t] и t2. Моменты начала и окончания периодов деформаций определяются по изменению значений приращения сигнала усилия при переходе к участкам, соответствующим неизменной нагрузке на теоретической динамограмме.
В качестве классификационного признака рассматривается отношение X = tx /t2. Сравнение найденного значения X с граничными значениями этого признака для каждого класса состояния СШН позволяет провести диагностирование некоторых режимов его работы.
Спектральный алгоритм основан на анализе дискретного спектра периодического сигнала усилия F(t).
Определение технического состояния насосного оборудования с применением нейронных сетей
Определение технического состояния установки СШН заключается в распознавании типовых форм (образов) динамограмм. Другими словами распознаваемую динамограмму следует отнести к тому или иному известному классу.
Традиционные методы распознавания обладают рядом недостатков: частые ошибки в идентификации образов, ограниченное число возможных распознаваемых образов, длительность вычислений.
Аппарат нейронных сетей, в отличие от традиционных методов, обладает следующими преимуществами: быстросчетность, обучаемость, способность к обобщению, количество распознаваемых образов ограничивается лишь размерами сети [].
Поскольку различные виды неисправностей насосного оборудования вносят локальные искажения на фазовой плоскости, то задача классификации может быть решена линейным разделением фазовой плоскости на части, вид каждой из которых определяется наличием или отсутствием определенной неисправности.
Для решения задач линейного разделения наибольшее распространение получили многослойные сети прямого распространения (многослойные персептроны), в которых нейроны одного слоя не связаны между собой, а выходной сигнал одного слоя поступает на вход только следующего слоя.
Трехслойная сеть является более общей. Ее классифицирующие возможности ограничены лишь числом искусственных нейронов и весов. Ограничения на выпуклость отсутствуют. Нейрон третьего слоя принимает в качестве входа набор выпуклых многоугольников, и их логическая комбинация может быть невыпуклой.
Доказано, что трехслойная сеть может выполнить любое преобразование, которое способна осуществить нейронная сеть с большим количеством скрытых слоев [95,100]. Поэтому для классификации динамограмм будем использовать персептрон с тремя слоями.
Итак, многослойный персептрон может формировать сколь угодно сложные границы принятия решений, при этом его классифицирующие возможности ограничены лишь числом искусственных нейронов и весов, поэтому использование многослойного персептрона для идентификации неисправностей насосного оборудования представляется наиболее целесообразным.
В процессе функционирования нейронная сеть формирует выходной сигнал Y в соответствии с входным сигналом X, реализуя некоторую функцию Y = g(x). Если архитектура сети задана, то вид функции g
определяется значениями синаптических весов и смещений сети.
Процедуру подстройки весов обычно называют "обучением" и говорят, что сеть "обучается". Персептрон обучают, подавая множество образов по одному на его вход и подстраивая веса до тех пор, пока для всех образов не будет достигнут требуемый выход.
Хотя многослойные сети прямого распространения широко применяются для классификации и аппроксимации функций, многие параметры еще должны быть определены путем проб и ошибок. Например, сколько слоев необходимы для данной задачи, сколько следует выбрать элементов в каждом слое, как сеть будет реагировать на данные, не включенные в обучающую выборку (какова способность сети к обобщению), и какой размер обучающей выборки необходим для достижения "хорошей" способности сети к обобщению. Существующие теоретические результаты дают лишь слабые ориентиры для выбора этих параметров в практических приложениях [42].
Таким образом, для получения достоверных результатов проектирования нейронной сети, проведем далее сравнительный анализ многослойных персептронов с различным количеством скрытых слоев и нейронов в скрытом слое и обученных с использованием разных обучающих выборок.
За основу принята сеть с 16 входами в нулевом слое и 8 нейронами в выходном слое. Для нейронов выбрана сигмоидная активационная функция. Каждому выходу нейронной сети поставлена в соответствие определенная неисправность насосного оборудования (таблица 3.1).
Разработка программного комплекса идентификации состояния скважинной штанговой насосной установки
Для проведения диагностирования скважинной штанговой насосной установки по динамограмме разработан программный модуль «Dinamo».
Программный модуль «Dinamo» предназначен для определения состояния исследуемой установки по ее динамограмме с помощью предварительно обученной нейронной сети и системы дифференциальных уравнений, описывающих работу установки.
Программный модуль обеспечивает выполнение следующих функций: ? классификация динамограмм с помощью предварительно обученной нейронной сети; ? моделирование работы установки по предварительно заданным конструктивным параметрам и условиям работы; ? расчет производительности установки по заданной динамограмме; ? сохранение полученных результатов и повторное их использование в дальнейшем. Работу с программным модулем «Dinamo» можно разбить на 5 этапов: чтение и установка образов динамограмм с диска; ? выбор образца для проведения исследований; ? диагностирование состояния установки по выбранному образцу динамограммы; ? задание данных для проведения расчетов динамической модели установки; ? получение и печать результатов в файл.
Диагностирование скважинной штанговой насосной установки по динамограмме с помощью программного модуля «Dinamo» состоит из 8 последовательных шагов.
На первом шаге осуществляется выбор базы данных образцов динамограмм и ее загрузки для последующего использования (рисунке 4.1).
Выбор данных осуществляется с жесткого диска при нажатии кнопки «Выбрать БД», загрузка образцов начинается после нажатия кнопки «Выполнить».
На втором шаге осуществляется визуализация и выбор образца для последующего анализа (рисунке 4.2).
В левой части окна отображается список всех образцов базы динамограмм. При указании образца из данного списка осуществляется его визуализация. При этом можно выбрать форму представления образца: в виде замкнутой динамограммы, графиков усилия и хода, скорости и ускорения движения полированного штока.
На третьем шаге осуществляется визуализация результатов предварительной подготовки динамограммы к последующей классификации (рисунке 4.3). В окне программы отображается динамограмма после нормализации и дискретизации с заданным уровнем и результат ее вейвлет-преобразования.
На четвертом и пятом шагах осуществляется выбор и загрузка предварительно обученных нейронных сетей и отображение результатов автоматической классификации (рисунок 4.4).
Загрузка нейронных сетей осуществляется с жесткого диска. При этом предусмотрена возможность одновременного выбора нескольких нейронных сетей.
Вывод заключения о состоянии установки СШН осуществляется по выбранному набору нейронных сетей.
На шестом шаге осуществляется задание параметров оборудования для проведения моделирования работы установки (рисунок 4.5).
На данном шаге указываются все конструктивные параметры насосного оборудования (диаметр штанг, диаметр насосных труб, диаметр плунжера, глубина подвеса насоса, тип станка-качалки), параметры откачиваемой жидкости (плотность, вязкость) и условия работы (уровень жидкости, давление в затрубном пространстве, скорости качания).
Определение технического состояния установки СШН осуществляется по динамограмме ее работы и заключается в предварительном выделении спектральных характеристик динамограммы и их распознавании, то есть отнесении к одному из классов, характеризующих состояние глубиннонасосной установки.
Для проверки достоверности определения технического состояния насосного оборудования было выбрано 483 установки СШН, состояние которых контролировалось с помощью динамометрирования. Скорость качания отобранных установок находилась в диапазоне от 3 до 6 об./мин., глубина спуска насоса - в диапазоне от 1000 до 1500 метров.
Общее количество обработанных динамограмм составило 1273 шт., по каждой из которых было дано заключение технолога о состоянии соответствующей установки СШН. В таблице 4.1 приведено общее количество динамограмм для каждого из рассматриваемых классов.
