论文摘要
我国的石油资源比较丰富,但是我国各大油田开采后期井况的日趋恶劣,深度采油带来的高温、高压等问题严重威胁着潜油电机机组的高效安全运行。由于潜油电机机组一般工作在地下2km或更深的油井中,运行环境极其恶劣,为保障其高效、安全稳定运行,必须实时监测潜油电机井下温度、转速、电机绝缘强度等相关参数,以便掌握潜油电机的运行状态,预防或避免潜油电机意外工作事故的发生。本文针对目前石油工业设备的实际问题,提出了一种基于软测量技术的潜油电机温度与转速测量方案,从电机定子温度软测量方法的理论改进,仿真实验与实际应用,及转速无传感器测量的神经网络辨识方法和实际应用研究等几个方面进行了深入研究。传统软测量方法无法解决油井中工作环境复杂的潜油电机温度。本文在改进直流注入法温度软测量技术的基础上,分析了与电机温度有关的转矩和能量等系列参数,计算出定子电阻,根据电阻和温度在大范围内成线性关系,估算出潜油电机的温度。最后通过仿真实验证明了此算法估算温度的精度很高,保障了实际硬件平台下实验的有效实施。根据潜油电机的实际特点,本文在改进直流注入法仿真实验验证的基础上,设计了严密的温度软测量硬件系统实验平台,通过每一部分电路的搭建,及整个硬件平台的测试,实现了改进直流注入法的实验验证,证明了此法温度估算精度的优越性。现有的异步电机转速软测量方法在实际应用中均存在不同程度的不足,本文以异步电机动态运行分析为依据,以神经网络系统辨识理论为基础,提出了一种基于反馈多层神经网络(RMNN)的异步电机转速辨识方法,推导了与其相应的动态梯度学习算法,实现了神经网络对转速的动态辨识。同时对电机定子温度也进行了基于神经网络的软测量尝试,通过与改进直流注入法比较,找出了其算法的不足之处,进一步验证了改进直流注入法的优越性。最后,本文阐述了一种基于转子槽谐波(RSH)的异步电机转速辨识方法。其辨识结果可作为基于神经网络的转速辨识的“目标转速”。比较了基于神经网络的转速辨识和基于RSH的转速辨识的运算量,从辨识精度和速度层面肯定了本文所采用神经网络辨识方案的优势。
论文目录
相关论文文献
标签：软测量技术论文; 改进直流注入法论文; 反馈多层神经网络论文; 转子槽谐波论文;