QHD32-6油田电泵机组故障预测方法及其现场应用

为加强QHD32-6油田电泵井管理和有效预测电泵机组发生故障的概率,应用模糊综合评判方法,建立了引发电泵机组故障的因素集、权重集和判断集,给出了影响因素风险系数计算方法和单井风险评价等级标准,建立了电泵井机组故障预测模型。该方法能够预测运转电泵机组故障概率高的井。实际应用表明,2013年上半年应用该方法预测机组故障概率,其准确率达77.78%,累计挽回产量损失7 075 m3。该方法预测准确率能满足工程技术分析需要,为电泵井优化管理提供了技术支持。

一种风电机组的故障预测算法

提出一种基于最小二乘支持向量机(LS-SVM,least squares support vectormachine)理论的故障预测算法,利用该理论方法的回归预测算法进行分析,选用径向基核函数(RBF)作为预测模型核函数,通过MATLAB建模仿真,验证了对风力发电机组故障的较准确的实时预测。针对某风电场某台风机高速端轴承的振动数据进行特征参数预测研究,有效降低了模型的复杂度,且运算简单、精度高、收敛速度快。仿真结果表明,文中所提模型在预测精度和运算速度上都在很大程度上优于其他模型。