A real-time diagnosis method of reservoir-wellbore-surface conditions in sucker-rod pump wells based on multidata combination analysis

Zhang, Ruichao; Yin, Yuqiong; Xiao, Liangfei; Chen, Dechun

doi:10.1016/j.petrol.2020.108254

Cited by 15 publications

(4 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Therefore, based on mechanism analysis in a sucker-rod pumping system, Zheng et al [ 28 ] drew out seven key parameters, such as the moisture content, gas-liquid ratio, sucker-rod specifications, stroke, speed, pump diameter, and working condition, and identified the working condition using a hidden Markov model. Zhang et al [ 7 ] selected feature data, such as dynamometer cards, power, liquid-producing capacity, dynamic fluid level. Liu et al [ 8 ] extracted the key parameters, such as dynamometer cards, liquid-producing capacity, work day time.…”

Section: Research Background Of the Proposed Methodsmentioning

confidence: 99%

“…However, employing one information source easily triggers a complex electron machinery liquid integrating system, producing false alarms. Second, the existing methods' model robustness and recognition performance using multi-source information must be further improved [ 7 , 8 ]. This is because traditional multi-feature connection methods are technically limited from being further improved.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Multisource working condition recognition via nonlinear kernel learning and p-Laplacian manifold learning

Zhou,

Niu,

Yang

et al. 2024

Heliyon

View full text Add to dashboard Cite

Section: Research Background Of the Proposed Methodsmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Multisource working condition recognition via nonlinear kernel learning and p-Laplacian manifold learning

Zhou,

Niu,

Yang

et al. 2024

Heliyon

View full text Add to dashboard Cite

“…Если коэффициент неуравновешенности находится в пределах от минус 0,05 до +0,05, то насосная установка считается уравновешенной. И дополнительные потери мощности в этом случае можно не учитывать [26][27][28].…”

Section: рис 4 зависимость перерасхода мощности от коэффициента неуравновешенности установки скважинногоunclassified

Уравновешенность Установок Скважинных Штанговых Насосов На Основе Анализа Ваттметрограмм

Яшин¹,

Хакимьянов²

2021

IZVESTIYA

View full text Add to dashboard Cite

Актуальность. Значительная часть фонда нефтедобывающих скважин нашей страны эксплуатируется установками скважинных штанговых насосов. В качестве приводов установок скважинных штанговых насосов используются низкоскоростные асинхронные электродвигатели с повышенным пусковым моментом. Электродвигатели таких установок работают в недогруженном по мощности режиме с циклически изменяющейся нагрузкой. Такие режимы отрицательно влияют как на работу самих электродвигателей, так и на электрическую сеть. Ухудшаются энергетические характеристики двигателей, такие как коэффициент полезного действия и коэффициент мощности. Балансировка установок скважинных штанговых насосов путем регулирования грузов противовесов позволяет сделать нагрузку более равномерной, улучшив режимы работы приводов и снизив расход электроэнергии. Однако оценить сбалансированность работающих установок достаточно сложно, так как скважины обычно не оборудованы датчиками для измерения ваттметрограмм и оценки сбалансированности. На месторождениях часто балансировку проводят при помощи обычных мультиметров с токовыми клещами. Поэтому важно оценить влияние сбалансированности насосных установок скважин действующего фонда на потери электроэнергии. Цель: исследовать скважинные насосные установки действующего фонда с точки зрения сбалансированности; определить, какая часть фонда скважинных насосных установок является сбалансированной, какой коэффициент неуравновешенности имеют другие скважины; оценить влияние сбалансированности установок скважинных штанговых насосов на потребление электроэнергии; сделать выводы о перерасходе потребления электроэнергии в результате недостаточной сбалансированности. Объекты: нефтедобывающие скважины, скважинные штанговые насосные установки, асинхронные электроприводы. Методы: статистический анализ ваттметрограмм; математические методы анализа ваттметрограмм с определением среднего значения потребляемой мощности, коэффициента неуравновешенности, потенциала энергосбережения. Результаты. Установлено, что сбалансированными можно считать только 2 % скважинных насосных установок. При этом 35 % скважинных насосных установок имеют коэффициент неуравновешенности хуже 0,5. Показано отрицательное влияние недостаточной балансировки установок скважинных штанговых насосов на потребление электроэнергии. В результате доуравновешивания энергопотребление приводов скважинных насосов может быть снижено более чем в 2 раза при сохранении объемов добычи.

show abstract

“…Therefore, the timely diagnosis and analysis of the production system is important to ensure the safe operation of oil wells and the maximization of the economic benefits of oilfield development [11][12]. Dynamometer card analysis is an important means and effective measure to diagnose the working conditions of sucker-rod pumps [13][14][15]. However, with the informatization construction of oilfields, dynamometer cards have realized online realtime acquisition [16].…”

Section: Introductionmentioning

confidence: 99%

An Intelligent Diagnosis Method of the Working Conditions in Sucker-Rod Pump Wells Based on Convolutional Neural Networks and Transfer Learning

Zhang¹,

Wang²,

Chen³

2021

Energy Engineering

Self Cite

View full text Add to dashboard Cite

In recent years, deep learning models represented by convolutional neural networks have shown incomparable advantages in image recognition and have been widely used in various fields. In the diagnosis of sucker-rod pump working conditions, due to the lack of a large-scale dynamometer card data set, the advantages of a deep convolutional neural network are not well reflected, and its application is limited. Therefore, this paper proposes an intelligent diagnosis method of the working conditions in sucker-rod pump wells based on transfer learning, which is used to solve the problem of too few samples in a dynamometer card data set. Based on the dynamometer cards measured in oilfields, image classification and preprocessing are conducted, and a dynamometer card data set including 10 typical working conditions is created. On this basis, using a trained deep convolutional neural network learning model, model training and parameter optimization are conducted, and the learned deep dynamometer card features are transferred and applied so as to realize the intelligent diagnosis of dynamometer cards. The experimental results show that transfer learning is feasible, and the performance of the deep convolutional neural network is better than that of the shallow convolutional neural network and general fully connected neural network. The deep convolutional neural network can effectively and accurately diagnose the working conditions of sucker-rod pump wells and provide an effective method to solve the problem of few samples in dynamometer card data sets.

show abstract

A real-time diagnosis method of reservoir-wellbore-surface conditions in sucker-rod pump wells based on multidata combination analysis

Cited by 15 publications

References 15 publications

Multisource working condition recognition via nonlinear kernel learning and p-Laplacian manifold learning

Multisource working condition recognition via nonlinear kernel learning and p-Laplacian manifold learning

Уравновешенность Установок Скважинных Штанговых Насосов На Основе Анализа Ваттметрограмм

An Intelligent Diagnosis Method of the Working Conditions in Sucker-Rod Pump Wells Based on Convolutional Neural Networks and Transfer Learning

Contact Info

Product

Resources

About