大港油田公司第三采油厂
摘要：在我国，潜油螺杆泵采油系统成功应用于大庆油田、胜利油田、河南油田等多个油田。但相对于地面驱动螺杆泵，潜油螺杆泵在油田开采的应用数量仍然较少，主要是因为电动潜油螺杆泵采油系统的各项配套工艺技术尚不成熟，远程监控能力差，管理自动化水平低，发生故障时难以判定具体故障类别，缺少成熟的故障诊断方法。
关键词：潜油螺杆泵；故障诊断；数据挖掘
引言
针对潜油螺杆泵采油系统故障识别困难问题，本课题对电动潜油螺杆泵故障诊断方法进行研究，提出两种潜油螺杆泵的故障诊断方法——基于神经网络的故障诊断方法和基于数据挖掘的故障诊断方法，有利于提高电动潜油螺杆泵井的自动化水平，以便指导生产，提高经济效益。
1 潜油螺杆泵故障特征分析
1.1 泵空抽
泵空抽故障发生于定转子之间，转子螺杆与定子橡胶之间的腔体没有被井液填满，即定义为泵空抽，发生泵空抽时，缺少液体冷却润滑，导致定子与转子之间干摩擦，产生大量的热量，从而使橡胶高温失效，失去承载能力，因此又称为烧泵。造成泵空抽这种故障的原因可以总结为以下几点：
（1）沉没度过低。潜油螺杆泵的下泵位置过高，没有足够的井液供泵抽汲；
（2）油井渗透率较小，导致油井产能低，供液不足，最终导致泵空抽；
（3）螺杆泵吸入口堵塞，导致螺杆泵抽汲不到井液，最终使泵干烧；
（4）螺杆泵转速设置过高，导致井液来不及补充，抽汲速度大于供液速度。
泵空抽故障发生时，电机电流会比较乱。不完全空抽时，由于举升液体变少，电流会稍有下降；而完全空抽时，因为螺杆与橡胶之间缺少井液润滑，发生干摩擦，阻力较大，电流会上升；动液面降低；产量下降，严重时没有产量。
1.2 泵漏失
泵漏失故障发生于定转子之间，螺杆泵定子橡胶工作在井下，高温高压的环境下，容易受热老化。此外，在高含砂井中，砂砾会磨损定子橡胶。因此，螺杆泵在经过一段时间的工作后，定子橡胶会有一定的磨损老化，导致螺杆泵定子与转子之间腔体的承压能力降低，密封性能变差。
当举升井液压力过高时，定子橡胶被压缩，与转子之间形成间隙，相邻的腔体会由原来的密封状态变为相互连通的状态，使油液从上面的腔体漏失到下面的腔体。当油液漏失量达到腔体可以承受的极限压力范围内时，定子橡胶复原，与转子螺杆之间的缝隙闭合，此时，漏失现象消失，如此循环往复。
泵漏失发生时，有功功率上升下降往复，总体均值在正常线之下；电流减小；油压不稳，上升下降反复；动液面升高。
1.3 油管漏失
造成油管漏失故障的主要原因有以下几点：
（1）作业时油管扣没有上紧，或是作业时油管扣已经损坏但是仍然继续使用，导致井液从油管接箍处渗漏；
（2）正常抽油时，螺杆泵转子在定子内旋转，定子承受反扭矩作用，如果泵下部没有安装防转锚或者安装的防转锚失效，定子所受的反扭矩作用足以导致上部油管倒扣松动；
（3）停机时，上部油管因惯性作用也会导致倒扣松动；
（4）当油管受井液腐蚀穿孔时，也会导致漏失现象发生。
油管漏失时，主要表现为动液面升高；电机工作电流低于正常运行电流；憋压时，油压缓慢上升，油套相连通；由于转子扭矩降低，有功功率也随着降低，功率曲线无次峰值。油管漏失会导致油井产量降低，严重时会造成井口不出液而被迫停机。
2 电动潜油螺杆泵系统故障诊断
2.1 基于神经网络的潜油螺杆泵故障诊断
潜油螺杆泵故障诊断系统由上位机和下位机两大部分组成，可以实现数据的实时采集、转换、传输、处理等。下位机包括数据采集系统、数据转换系统、数据发送系统，而上位机包括数据接收系统、数据分析处理系统。
下位机部分，首先通过数据采集终端中的传感器测量出油井工作时的电压、电流、油压和动液面等参数，然后将采集到的模拟量信号转换成数字信号并由GPRS无线数据发送模块发送至上位机。
上位机部分，首先经过GPRS数据接收模块接收来自油田现场的实时生产数据，然后对接收的数据进行分类和计算等预处理，再通过小波包分解以及神经网络模型对潜油螺杆泵采油系统的故障做出判别。
2.2 基于数据挖掘的潜油螺杆泵故障诊断
基于数据挖掘的潜油螺杆泵故障诊断方法，需分析潜油螺杆泵工作参数数据，挖掘其中隐含的故障信息，具体包括以下几个步骤：
（1）定义问题，对潜油螺杆泵工作参数数据进行数据挖掘的主要目的是预测潜油螺杆泵的工作状态。
（2）建立数据挖掘库，收集潜油螺杆泵工作参数以及采油系统相关数据，并对数据进行描述、选择、数据质量评估、清洗整合，最终建立数据挖掘库。
（3）分析数据，找到对预测潜油螺杆泵工况类别影响较大的数据属性，根据不同属性数据对预测结果影响程度对数据属性进行排序。
（4）准备数据，对潜油螺杆泵各项工作参数数据进行数据转换，主要过程为：选择变量、选择记录、创建新变量、转换变量，即将数据转换成适合于挖掘的形式。
（5）建立模型，以历史数据训练模型，并根据现有运行数据对潜油螺杆泵进行工况判别属于分类问题，因此选择算法建立数据分类模型。将潜油螺杆泵采油系统产生的历史数据分成训练集与测试集两部分，前者用于训练数据挖掘模型，使其对特定的数据可以产生特定的输出结果，后者用于测试模型的准确率。
（6）辅助决策，将潜油螺杆泵的各项数据输入建立好的故障诊断模型，得到预测的工况类别。
3 结束语
本文提出的两种潜油螺杆泵故障诊断方法相比于现有的BP神经网络故障诊断方法在准确率上都有较高的提升。目前油田监控潜油螺杆泵各项相关数据较少，并不全面，可应用基于概率神经网络的故障诊断方法对潜油螺杆泵采油系统进行故障识别。
参考文献：
[1]赵殿勇.螺杆泵井转速对泵效的影响研究与应用[J].中外能源,2012,17(04):64-67.
[2]董小桠.单螺杆泵流场数值模拟及结构参数优化研究[D].西南石油大学,2016.