Методы и средства оперативной диагностики состояния электроцентробежных насосов нефтедобывающих скважин на основе нейронных сетей

• Автор: Коровин, Яков Сергеевич
• Шифр специальности: 05.02.05
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Таганрог
• Количество страниц: 164 с. : ил.

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ

СПИСОК ОСНОВНЫХ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. СОВРЕМЕННЫЕ МЕТОДЫ И СРЕДСТВА ОПЕРАТИВНОЙ ДИАГНОСТИКИ СОСТОЯНИЯ УСТАНОВОК

ЭЛЕКТРОЦЕНТРОБЕЖНЫХ НАСОСОВ

1Л. Мехатрсшные системы и мехатронные объекты нефтегазодобычи

1.2. Общие сведения о добыче нефти

1.2.1. Фонтанный способ добычи нефти

1.2.2. Газлифтный способ добычи нефти

1.2.3. Добыча нефти с применением скважинных штанговых насосных установок

1.2.4. Добыча нефти установками электроприводных диафрагменных насосов
1.2.5. Добыча нефти установками электровинтовых насосов
1.2.6. Добыча нефти установками электроприводного центробежного
насоса
1.3. Состав установки электроцентробежных насосов (УЭЦН)
1.3.1. Параметры, характеризующие режимы функционирования УЭЦН
1.3.2. Неисправности, возникающие в режимах функционирования УЭЦН
1.4. Методы оперативной диагностики УЭЦН, применяющиеся на предприятиях нефтедобывающего комплекса в РФ
1.5. Системы поддержки принятия решений
1.5.1. Общие сведения, определение понятия
1.5.2. Требования к инструменту обработки информации в разрабатываемой СППР
1.5.3. Современные методы интеллектуального анализа данных
1.6. Выводы

ГЛАВА 2. РАЗРАБОТКА НЕЙРОСЕТЕВЫХ МЕТОДОВ ОБРАБОТКИ ОПЕРАТИВНЫХ ДАННЫХ О СОСТОЯНИИ УЭЦН
2.1. Искусственные нейронные сети
2.1.1. Особенности нейронных сетей. Основные нейропарадигмы
2.1.2. Схема функциональной структуры нейронной сети
2.1.3. Алгоритм функционирования нейронной сети
2.1.4. Недостатки классических нейросетевых методов и подходов в условиях решения задачи оперативной диагностики состояния УЭЦН
2.2. Теорема о разбиении множества состояний мехатронного объекта на пересекающиеся подмножества признаков состояния
2.3. Метод нейросетевой интерпретации жестких правил
2.4. Метод обработки данных в нсйросетевом модуле с применением параллельных нейропроектов
2.5. Метод извлечения правил из нейронной сети
2.6. Метод одновременного применения обучаемых и необучаемых нейронных сетей
2.7. Выводы
ГЛАВА 3. НЕЙРОСЕТЕВАЯ МЕТОДИКА ОПЕРАТИВНОЙ ДИАГНОСТИКИ СОСТОЯНИЯ СЛОЖНОГО МЕХАТРОННОГО ОБЪЕКТА НЕФТЕГАЗОДОБЫЧИ
3.1. Обобщенная схема последовательности выполняемых процедур
3.1.1. Постановка задачи, анализ входных данных
3.1.2. Алгоритм процедуры извлечения новых правил о мехатронном
объекте нефтегазодобычи
3.1.3. Конфигурирование входных и выходных параметров
3.1.3.1. Алгоритм реорганизации распознаваемых классов
3.1.4. Предварительная обработка данных
3.1.4.1. Алгоритм кластеризации к-шеапэ
3.1.4.2. Алгоритм РОЕШЬ
3.1.4.3. Алгоритм Б01ШЬ
3.1.5. Формирование выборок обучающих примеров
3.1.6. Обучение нейронной сети
3.1.6.1. Алгоритм обучения нейронной сети
3.1.6.2. Алгоритм автоматизированной процедуры самообучения
нейросетевого модуля
3.1.7. Мониторинг в режиме реального времени
3.2. Выводы
ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ НЕЙРОННОЙ СЕТИ ДЛЯ ОПЕРАТИВНОЙ ДИАГНОСТИКИ СОСТОЯНИЯ УЭЦН
4.1. Архитектура СППР УЭЦН-НС
4.2. Параметры, использованные для обучения нейронных сетей, и классифицируемые неисправности УЭЦН
4.3. Взаимосвязи между данными внутри информационной базы
4.4. Пример реализации метода нейросетевой интерпретации жестких алгоритмов
4.5. Основные экранные формы СППР "УЭЦН-НС"
4.6. Форматы протоколов и отчетов программы
4.7. Общий алгоритм работы программы
4.8. Практические результаты на данном этапе. Перспективы развития
ПК СППР "УЭЦН-НС"
4.9. Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ А Параметры, характеризующие функционирование
УЭЦН
ПРИЛОЖЕНИЕ Б Структура отказов УЭЦН
ПРИЛОЖЕНИЕ В. Пример продукционной системы определения типа неисправности УЭЦН

Резюмируя вышесказанное, очевидным является обстоятельство, что среди компонентов, входящих в организационную структуру
функционирования УЭЦН (рисунок 1.4), непосредственно влияющих на эффективность процесса добычи продукции, наиболее уязвимым является оператор. Данный факт объясняется тем, что в промышленной эксплуатации оператору УЭЦН приходится принимать управляющее решение в условиях "информационного вала" в жестких временных рамках (показания меняются с периодичностью от 15 секунд до 15 минут), опираясь на свой собственный опыт в трудно формализуемых условиях функционирования УЭЦН. В этой связи предлагается внедрить в приведенную ниже структуру
автоматизированную СППР операторов УЭЦН.
На рисунке 1.4 представлена обобщенная структура функционирования УЭЦН на предприятии нефтегазодобывающей отрасли РФ.
Рисунок 1.4- Обобщенная схема проведения процедуры диагностики УЭЦН
Целесообразной и оправданной выступает идея применить подход системы поддержки принятия решений (СППР) операторов УЭЦН для