抽油泵系统故障分类模型及其可视化终端的搭建

摘要：

在石油开采行业中,及时掌握抽油泵系统的运行状态可以有效提高系统的运行效率和设备安全性.但是由于油井区域分布广泛且道路不便,所以油井的管理、维护成本高企.示功图作为抽油泵系统运行状态的直观表达,利用示功图图像作为样本构建的抽油泵系统故障分类模型是当前的主要研究方向.利用Pytorch搭建卷积神经网络模型实现示功图图像的分类,最终模型对抽油泵系统主要故障的分类准确率达97.92％.此外,处于不同区域的油井的当前运行状态通过4G模块将信息传输到由第三方开源库Kivy搭建的可视化终端进行显示.同时将该数据保存到MySQL数据库中,为后期抽油泵系统的管理和维修提供数据支撑.提出的抽油泵系统故障分类模型和可视化终端的设计方案可以有效地实现油井的实时监控、远程管理和高效维护,对后续构建智慧化油田有一定的借鉴和指导意义.

关键词：抽油泵系统、示功图、卷积神经网络、4G、Kivy

所属期刊栏目：52

分类号：TE933(石油机械设备与自动化)

资助基金：国家自然科学基金;陕西省科技厅科技攻关项目

在线出版日期：2023-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33