基于数据流的石油电力电子系统自动化控制软件的设计

2014-04-06陈黎李朝明

油气田地面工程 2014年12期

关键词：数据流趋势石油

陈黎李朝明

1重庆财经职业学院2重庆新泰机械有限责任公司

基于数据流的石油电力电子系统自动化控制软件的设计

陈黎1李朝明2

1重庆财经职业学院2重庆新泰机械有限责任公司

多数油田中的油水井趋势分析具有工作量复杂、工作周期较长、工作效率低的缺点。针对这些问题，采用数据流单个参数预测再整合所有参数进行趋势分析预报，完成对油水井的工作状态更准确、全面、高效、系统性的预测，提供日常维护、故障分析、故障诊断和故障预警功能，还能为生产者提供更为精准的趋势分析信息，为管理者提供更为直观、客观的决策支持。

数据流；自动化控制；系统设计；结果验证

石油电力电子自动化系统主要是借助软件通过实时采集、传输、分析和发布并处理油水井的有关参数进行工作的，这些参数包括油井的压力、环境温度、供电电压、工作电流、载荷量等数据信息。石油电力电子系统自动化控制软件主要完成对石油系统的油水井状态的趋势分析，整个系统设计中涉及多领域、多层次的知识模块，相关数据具有连续性强、传输速度快、规模庞大等特点，为了实时进行监测和数理分析，就必须不断开发出新的软件系统，以期满足生产者和管理者的使用要求。

近几十年信息科学技术发展迅速，使得对于抽油机井工作状态的分析及诊断方面的技术有了质的飞跃，尤其是在计算机技术应用到工作状况的分析及诊断中后，抽油机工况的技术诊断又上升了一个台阶。多数油田中的油水井趋势分析具有工作量复杂、工作周期较长、工作效率低的缺点。针对这些问题，采用数据流单个参数预测再整合所有参数进行趋势分析预报，完成对油水井的工作状态更准确、全面、高效、系统性的预测，提供日常维护、故障分析、故障诊断和故障预警功能，还能为生产者提供更为精准的趋势分析信息，为管理者提供更为直观、客观的决策支持。

1 数据流算法

1.1 最小二乘多元回归趋势分析算法

石油电力电子系统自动化控制系统是以分割点为基础的最小二乘多元回归分析算法进行石油相关参数的数据流趋势分析的。进行分析是为了以应用之前收到的数据流作为主要研究对象进行原模型的建立，然后应用每一个新来的数据流元素将原模型填充完整，并对模型中参数重新计量实现模型修正的作用。之后修正模型进行两项拟合操作：用统计检验法对拟合模型进行比较统计，检测是否和原模型类似或为原模型中某个特例。结果类似，则仍旧应用拟合模型线性回归，使原模型修正成新模型；反之，证明新数据的统计特性不相同了，使得拟合模型变成新模型，这时以新到达数据为新模型的开头重新线性回归，并以新到达数据为统计分割点进行趋势特征值的提取，最终实现趋势的分析。

1.2 模式异常算法

在石油行业的载荷数据流趋势分析结果的基础上进行的模式异常检测，在数据流模型中进行载荷数据流模式异常监测，是通过欧氏距离算法完成数据流模式异常定义的。首先，应用数据流挖掘训练标准数据流和真实监测数据流与标准数据间的相似标准距Rb。加入数据流在Si数据流片段内异常，肯定使得标准数据M1和预测数据M间相似距超过标准相似距阈值Rb，表现为模式异常；然后，对模式异常实施运算：定义数据流片段Si，正常工况的监测和标准数据流相似距为rt，以当前窗所有数据片段均值为标准相似距为rb，再计算同数据流片段的预测和标准数据流相似距为rf，如果rf大于rb说明模式异常。

2 软件整体设计模型

2.1 软件系统整体设计

石油电力电子系统自动化控制系统基于集中数据流挖掘体系，应用数据流的挖掘算法，达到石油采集工况的趋势预测目标，首先设计出总体框图，如图1所示。该系统总体设计目标是：时空复杂度降低、增量维护性能良好、自适应性提高等。该系统应用多种较为先进的数据流算法，提供实时精确、操作性强的趋势分析预测自动化系统，包括数据流源层、数据流待挖掘层、数据流挖掘层、知识库与展示层四层。

图1 软件系统整体设计

2.2 数据流源层

由微处理器将采集到的生产参数数据流打包，并一直检测电压、电流和数据信息，实现当抽油机井停抽时能及时通知检测和修理中心进行处理。将收集到的信息通过无线通讯系统输送到监测中心，并对石油生产设备的状态和生产信息实时监测，以及对采集到的参数数据信息实时统计分析，向管理者提供决策支持信息。这些参数数据流是整个系统工作的数据源，是趋势分析的决定性成分，经过算法转换成载荷及位移参数，供后续操作所用。

2.3 存储结构层

在对所有的数据流信息进行处理的时候，先设计数据流存储概要数据结构，目的是实现在有限系统存储空间内进行有关参数数据流有效信息的单次扫描，并对一直到达的数据流信息实时概要存储。在该层应用数据流查询算法和数据流挖掘算法，随时按照概要数据结构实施近似性而且准确性高的保证概率的计算，并得出结果。同时还要对复杂度进行挖掘和运算，在整个系统运行中能够使数据流的挖掘速度得到提升。在该层中应用直方图技术、抽样技术、窗口技术、哈希方法技术和小波技术等先进技术。

2.4 数据流待挖掘层

在数据流待挖掘层中通过数据预处理及模式预处理原始数据流源，因为数据流本身特点和产生环境都能影响软件系统的数据流挖掘速度及效率。所以在该层进行传输数据流的压缩及降噪处理，使数据处理总量降低。

2.5 数据流挖掘层

在基于数据流的石油电力电子系统自动化控制软件中，数据流挖掘层是整个系统的核心。在其中应用最小二乘方式进行合理的趋势分析等多种数据流挖掘算法进行采油井的趋势分析及预测，在趋势分析预测中能够发现工作状况的形式异常。但实际操作中数据流影响因素和产生环境较为复杂，形式表现出的异常不一定造成停井等灾害性事故的产生，所以对形式异常要进行细化分析，并进行更深入的数据挖掘，最终实现趋势分析及预测。

2.6 知识与知识展示层

知识层利用先验知识提升了数据流挖掘计算算法的精准度。在整个数据流趋势分析中用自适应较高的挖掘算法适应数据及环境导致的变化引起的变动，应用性增强。知识展示层是应用规则、图像、表格、树等方式记录软件系统单次的运行效果，终以报警的形式报告给使用者，完成数据流信息的预测和分析。