有杆抽油系统精益维修技术研究

论文摘要

有杆泵抽油是油田生产中应用最广泛的采油方式,保证有杆抽油系统的安全和高效运行,从而降低采油设备维护成本,提高石油开采效益,是油田生产努力追求的目标。当前国内外开展了众多针对有杆抽油系统进行运行状态监测分析和诊断的研究,然而仅在技术层面上,单纯依赖各种故障监测诊断技术仍不足以实现有杆抽油系统的高效运行。按照系统论的观点,有杆抽油系统的高效可靠运行,实际上是抽油机和抽油泵、油井、工作环境以及操作人员之间连续不断作用的结果。因此,在故障机理分析和故障识别诊断技术的基础上,借鉴国外先进的设备维护和管理理论,从系统高度对有杆抽油系统的维护管理进行研究,进而实施优化的故障控制决策,从事后维修走向预知维修,是降低有杆抽油系统维护成本、提高其可靠性和产出效益的最佳途径。论文以有杆抽油系统的维护管理为中心,引进近年来欧美等国提出的精益维修的思想,研究了精益维修技术体系架构及其在有杆抽油系统中的应用,研究了有杆抽油系统故障识别、故障诊断和故障控制的若干理论和技术,并开发了有杆抽油系统精益维修管理信息系统。论文主要的研究工作及成果体现在以下几个方面:(1)提出了一种精益维修技术体系架构。该体系架构以价值流分析技术为基础,将精益维修技术分为设备维护决策、现场管理和计算机信息技术三个层面,是对现有理论框架的裁剪和扩充,其成果适用于大多数设备的维护管理。(2)构建了有杆抽油系统的精益维修技术体系。该体系以有杆抽油系统的精益维修管理为核心,以有杆抽油系统常见的故障监测技术、故障诊断技术和故障控制策略及信息技术为基础,是较为全面的有杆抽油系统维护管理方案。(3)研究了有杆抽油系统的故障识别技术。针对有杆抽油设备示功图的特点,分别研究了基于傅里叶描述子、基于面积趋势特征分析和基于波动方程求解的示功图故障特征提取技术,并将这些技术应用于有杆抽油设备示功图的识别,积累了大量的实验数据。(4)研究了有杆抽油系统的故障诊断模型。根据有杆抽油系统故障发展的不同趋势和特征,把基于神经网络技术的示功图定量诊断模型和基于趋势分析技术的定性故障诊断模型结合起来,并和抽油机生产动态控制图相互验证,提高了有杆抽油系统故障诊断的准确性。(5)研究了有杆抽油系统的故障控制技术。运用精益维修理论中的价值流分析技术、故障源分析技术,对有杆抽油系统常见故障的控制策略进行了深入研究,提出了针对空抽、结蜡、油管断裂等故障的具体的控制策略,避免了一些常见故障的重复发生,有效地降低了抽油设备的维护成本。在上述研究的基础上,还开发了有杆抽油系统精益维修信息管理系统,为有杆抽油系统精益维修理论及技术的应用提供了信息平台。论文的研究成果,不仅丰富了油田设备维护管理理论,而且为实现有杆抽油系统的高效可靠运行提供了相应的理论支持和技术工具。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景和研究意义
• 1.2 有杆抽油系统故障诊断技术发展综述
• 1.2.1 基于示功图的故障诊断技术
• 1.2.2 基于波动方程的故障诊断技术
• 1.2.3 基于人工智能的故障诊断技术
• 1.3 复杂设备维修工程发展综述
• 1.3.1 设备维修工程理论
• 1.3.2 设备维修方式
• 1.3.3 以可靠性为中心的维修理论
• 1.3.4 全员生产维护理论
• 1.4 论文的主要研究思路和研究内容
• 1.4.1 抽油机故障监测存在问题分析
• 1.4.2 论文的主要研究内容和思路
• 1.4.3 论文的结构安排
• 第2章 有杆抽油系统精益维修技术体系设计
• 2.1 精益维修理论概述
• 2.1.1 早期的精益维修思想
• 2.1.2 集成的精益维修体系
• 2.2 精益维修技术体系的提出
• 2.3 有杆抽油系统的工作原理
• 2.4 有杆抽油系统的常见故障
• 2.4.1 地面部分的常见故障
• 2.4.2 连接杆管的常见故障
• 2.4.3 抽油泵的常见故障
• 2.4.4 油井异常状态的分析
• 2.5 有杆抽油系统的精益维修技术体系构建
• 2.5.1 基于TPM的抽油机现场管理理论
• 2.5.2 抽油机运行状态监测技术
• 2.5.3 抽油机故障识别与诊断技术
• 2.5.4 抽油机故障控制决策技术
• 2.5.5 抽油机精益维修管理信息系统
• 2.6 本章小结
• 第3章 示功图预处理技术研究
• 3.1 示功图基础
• 3.1.1 理论示功图
• 3.1.2 各种漏失故障的示功图
• 3.1.3 井下状况对示功图的影响
• 3.1.4 示功图和泵功图
• 3.1.5 示功图的诊断分类
• 3.2 基于傅里叶描述子的示功图形状特征提取技术
• 3.2.1 傅里叶描述子概述
• 3.2.2 示功图曲线特征点提取
• 3.2.3 示功图的快速傅里叶变换
• 3.2.4 傅里叶描述子的归一化
• 3.2.5 示功图傅里叶描述子变换实例
• 3.3 示功图面积特征提取技术
• 3.3.1 缓慢型故障和突发型故障
• 3.3.2 数字化示功图的面积计算方法
• 3.3.3 示功图面积的变化趋势
• 3.4 基于波动方程的泵功图求解技术研究
• 3.4.1 抽油杆微元体受力分析
• 3.4.2 波动方程的建立
• 3.4.3 约束条件
• 3.4.4 波动方程的有限差分解
• 3.4.5 解的稳定性和收敛条件
• 3.5 故障诊断输入的其他参数
• 3.6 本章小结
• 第4章 基于神经网络的抽油机故障诊断模型设计
• 4.1 神经网络概述
• 4.1.1 人工神经元模型
• 4.1.2 神经网络的拓扑结构
• 4.1.3 神经网络的学习规则
• 4.2 BP神经网络
• 4.2.1 BP网络的拓扑结构
• 4.2.2 BP算法
• 4.2.3 训练样本对网络识别精度的影响
• 4.3 基于神经网络的示功图诊断模型
• 4.3.1 模型输入参数的确定
• 4.3.2 模型输出参数的确定
• 4.3.3 模型节点数的确定
• 4.3.4 激活函数的选择
• 4.4 神经网络模型的训练过程
• 4.4.1 样本的选择
• 4.4.2 基于MATLAB的神经网络训练过程
• 4.4.3 权值矩阵的训练结果
• 4.4.4 神经网络识别结果验证
• 4.5 本章小结
• 第5章 基于定性趋势分析的抽油机故障识别技术
• 5.1 定性趋势分析技术概述
• 5.1.1 趋势的概念
• 5.1.2 定性趋势分析的基本步骤
• 5.2 基于定性趋势分析的抽油机故障诊断模型
• 5.2.1 抽油机故障的趋势基元构造
• 5.2.2 抽油机故障趋势知识库的构造
• 5.2.3 抽油机运行监测数据的趋势提取
• 5.3 抽油机故障趋势的识别
• 5.3.1 特征值数据片断的划分
• 5.3.2 故障趋势识别流程
• 5.3.3 累积和阈值的设定
• 5.3.4 定向趋势分析故障诊断实例
• 5.3.5 常见故障的生产动态控制图区域划分
• 5.4 本章小结
• 第6章 基于精益理论的抽油机故障控制策略研究
• 6.1 故障控制策略的理论基础
• 6.1.1 RCM和价值分析
• 6.1.2 抽油机的故障分类
• 6.2 空抽故障的控制策略分析
• 6.2.1 空抽故障影响分析
• 6.2.2 间歇采油时油井经济效益分析
• 6.2.3 能量消耗分析
• 6.2.4 间歇采油的控制策略
• 6.3 常见故障的现场控制策略
• 6.3.1 常见故障的现场控制措施
• 6.3.2 结蜡的温度控制措施
• 6.4 故障历史数据的根本原因分析技术
• 6.4.1 RCA的基本概念
• 6.4.2 RCA的实施过程
• 6.5 油管断裂的RCA过程
• 6.5.1 油管断裂故障数据
• 6.5.2 油管断裂故障原因分析
• 6.5.3 油管断裂的矫正措施和后续行动
• 6.5.4 RCA改进效果分析
• 6.6 本章小结
• 第7章 抽油机精益维修管理系统设计与实现
• 7.1 抽油机精益维修管理系统需求分析
• 7.2 抽油机精益维修管理系统总体设计
• 7.2.1 总体设计的指导思想
• 7.2.2 系统的功能层次设计
• 7.2.3 系统的硬件方案设计
• 7.2.4 系统的通信方案
• 7.3 抽油机精益维修管理系统数据存储结构设计
• 7.4 精益维修管理系统各功能模块的实现
• 7.4.1 JAVA与MATLAB之间的通信框架
• 7.4.2 JAVA与VC的通信方法
• 7.5 系统的运行界面
• 7.5.1 抽油机实时运行状态监测界面
• 7.5.2 计算模型的初始设置界面
• 7.6 本章小结
• 第8章 总结与展望
• 参考文献
• 作者在攻读博士学位期间公开发表的学术论文
• 致谢