电潜泵故障识别

背景

在油井生产过程中，当地层的天然能量不足以使油气到达井口或不能产出有经济效益的产量时，就需要采取某种人工举升技术。电潜泵是一种适用范围广、可靠性高、效率高的人工举升设备，由于其具有占地面积小、排量大、无需杆柱、适应性好等特点，因此广泛应用于海上油田、高产井、高含水井、深井以及定向井中。 电潜泵一般为深井作业，井下工作环境复杂，运行工况难以掌握，而且电潜泵成本较高。如果不能及时地把握电潜泵的工作状况，对故障进行及时的处理，就可能造成很大的损失。因此，通过工况诊断分析来及时发现故障，避免非计划外停机，降低维护成本；及时发现设备性能问题，提高电潜泵的系统效率，增加产量，降低能耗。

解决方案

电潜泵故障诊断是对原始数据（数据包含日期、时间以及采油过程中电泵的电压、电流等）进行一定的处理过后，利用聚类算法估计数据的标签，并结合人工或业务经验来进行标注。通过决策树对标注后的数据进行训练与故障诊断，以实现电潜泵故障诊断的过程，最终结果用混淆矩阵的方式将预测结果和实际结果进行对比。

预期效果

以电潜泵从正常状态到异常状态转变的数据，包含日期、时间以及才有过程中的电压、电流、压力等数据，基于上述解决方案，结合业务对数据进行电潜泵状态标注，然后通过决策树算法进行模型训练，应用训练好的模型，通过输入特征预测电潜泵的工作状态以识别电潜泵故障（normal：正常；fault:故障；shut_down:失效），将模型预测的结果与实际结果进行比较，结果如下图所示：

从上面混淆矩阵可以看到模型的预测结果与实际结果的情况，预测效果较为理想。混淆矩阵的对角线上数值越大说明模型预测效果越好，非对角线的数值越大说明预测效果越差。因此，通过预测电潜泵的工况可以帮助及时发现故障，避免非计划外停机，提高电潜泵的系统效率，增加产量，降低能耗。