'
Скобелкин А.С., Ямалиев В.У.
ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ УСТАНОВКИ ЭЛЕКТРОЦЕНТРОБЕЖНОГО НАСОСА *
Аннотация:
В работе на основании представленного анализа работы УЭЦН (установки электроцентробежного насоса) выявлены основные причины отказов. Также определены критерии технического диагностирования по оценке технического состояния УЭЦН. Создана диагностическая модель алгоритма для определения технического состояния УЭЦН. Результаты исследований будут полезны при прогнозировании технического состояния УЭЦН
Ключевые слова:
установка электрического центробежного насоса, АВС-анализ, техническая диагностика, нейронная сеть, остаточный ресурс
Ввиду широкого распространения УЭЦН при добыче нефти важно обеспечить эффективный контроль за действующим фондом скважин. Качество и оперативность принимаемого решения о техническом состоянии УЭЦН в процессе эксплуатации в значительной степени зависит от квалификации специалистов, занятых в производственном процессе обеспечения нефтедобычи – операторов цехов, инженерно–технических работников. Большие объёмы анализируемой информации о режимах эксплуатации УЭЦН инженерно-техническими работниками повышают вероятность ошибки определения его технического состояния, и, как следствие, принятия некорректного решения о необходимости воздействия на режим эксплуатации. Таким образом, задача разработки системы определения технического состояния УЭЦН для добычи нефти и газа является актуальной [1]. За анализируемый период с 2016-2017 гг. зафиксировано 1738 отказов. Из них доля отказов по причине снижения (отсутствие) подачи 42 %, по причине заклинивания вала (перегруз ПЭД (погружной электродвигатель)) 23 %, не герметичность лифта (недогруз ПЭД) 27 %, снижение изоляции и прочие причины 8 %. По данным была построена диаграмма Парето и кумулятивную кривую. Как видно из рисунка 1, наибольший вклад в число отказов УЭЦН входит: негерметичность НКТ (насосно-компрессорные трубы) (22,27%), отказ ЭЦН (электроцентробежного насоса) (18,47%), засорение проточной части (17,95%) и отказ ПЭД (16,00%) [2,3]. Принимая во внимание результаты АВС-анализа, можно отметить, что существующие критерии диагностирования технического состояния не позволяют в полной мере оценить фактическое состояния погружного электрооборудования. УЭЦН присущ ряд неисправностей, зачастую сопровождающих эксплуатацию [4, 5, 6, 7]: снижение сопротивления изоляции; заклинивание рабочих органов; недостаточная скорость отвода тепла от корпуса ПЭД; засорение отложениями или высвобождение растворенного газа. В связи с вышесказанным, возникла необходимость разработки обобщённого алгоритма (его аппаратной и программной реализации) по определению технического состояния УЭЦН. Отличительной особенностью данного алгоритма является способность учитывать различный характер условий эксплуатаций УЭЦН. Для реализации подобного подхода необходима разработка новых критериев технического диагностирования состояния УЭЦН, основанная на применении нелинейных методов анализа временных рядов и теории детерминированного хаоса. Реализация процесса оценки технического состояния УЭЦН основана на анализе электротехнических характеристик наиболее информативной функциональной единицы УЭЦН – погружного электродвигателя, который осуществляется на основе математического аппарата искусственной нейронной сети (МАИНС) [8]. Для прогнозирования результатов предлагается использовать алгоритм машинного обучения на основе многослойного персептрона с обратным распространением ошибки [9]. Для обновления весов предлагается использовать метод градиентного спуска (алгоритм обратного распространения ошибки). В качестве языка программирования предлагается использовать Python. Для хранения данных предлагается использовать библиотеку NumPy. Оценку работы нейронной сети предлагается проводить по тестовому набору данных методом перекрестной проверки. Основной задачей МАИНС является анализ параметров УЭЦН во временном ряду с целью прогнозирования динамики изменений рабочих параметров, что позволит прогнозировать изменения в работе, основываясь на текущих данных.
Номер журнала Вестник науки №6 (15) том 2
Ссылка для цитирования:
Скобелкин А.С., Ямалиев В.У. ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ УСТАНОВКИ ЭЛЕКТРОЦЕНТРОБЕЖНОГО НАСОСА // Вестник науки №6 (15) том 2. С. 411 - 414. 2019 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/1650 (дата обращения: 27.04.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2019. 16+
*