基于ConvLSTM神经网络的有杆抽油系统故障诊断研究

针对复杂抽油环境中的有杆抽油系统(rod pumping system,RPS)故障问题,提出一种基于深度学习算法的故障诊断方法。通过边缘计算设备,采集中国西北部油田12种油井工况的11961个抽油杆悬点载荷数据,构建油井使用年限范围内的常见工况数据集。利用卷积长短期记忆神经网络(convolutional long short-term memory neural networks,ConvLSTM)模型,建立抽油杆载荷数据与工作状态之间的特征关联,将算法模型部署在边缘计算装置中,从而实现RPS故障的边缘诊断。为了验证该方法的有效性,采集了5126例生产数据进行测试。结果表明,该故障诊断方法具有更高的准确率及更好的泛化能力,可对RPS进行接近实时的故障诊断。