楊豐銘（遼河油田興隆臺采油廠，遼寧 盤錦 124010）

基于自適應(yīng)PCA的油田生產(chǎn)故障診斷方法

楊豐銘（遼河油田興隆臺采油廠，遼寧 盤錦 124010）

油田生產(chǎn)過程中的故障診斷分析，不僅能夠有效的保護生產(chǎn)設(shè)備，而且能有效降低生產(chǎn)維護成本，增加生產(chǎn)運行的穩(wěn)定性。針對由于生產(chǎn)工況發(fā)生變化，生產(chǎn)數(shù)據(jù)特征變化而造成的模型失效問題，本文提出一種自適應(yīng)的多模型PCA故障診斷方法，實現(xiàn)故障的實時準(zhǔn)確診斷。

故障診斷；主元分析（PCA）；多模型；自適應(yīng)

在實際油田開采過程中，由于其復(fù)雜的生產(chǎn)環(huán)境影響，容易造成故障發(fā)生點不能精確定位和故障發(fā)現(xiàn)、處理不及時的缺點，發(fā)生重大經(jīng)濟損失，使得生產(chǎn)運行受到極大的影響。對于智能化的故障診斷方法[1]研究變得非常熱門。本文針對由于生產(chǎn)數(shù)據(jù)和工況條件發(fā)生變化而造成模型固化的問題，提出了一種能夠自適應(yīng)生產(chǎn)變化的多模型PCA故障診斷方法。

1 PCA故障診斷原理

PCA是對數(shù)據(jù)做空間映射進行特征提取和降維處理的一種方法，提取原數(shù)據(jù)中的有效信息數(shù)據(jù)作為新變量替換原來的變量，通過計算一些統(tǒng)計量的性能指標(biāo)來進行故障的診斷分析。首先，采用PCA方法[2]對歷史數(shù)據(jù)進行處理建立系統(tǒng)正常運行狀態(tài)下的PCA模型；然后對實際生產(chǎn)過程中的數(shù)據(jù)向量進行正交元子空間和殘差子空間上的投影，計算數(shù)據(jù)向量在相應(yīng)空間上的主元平方T2統(tǒng)計量和平方預(yù)測誤差統(tǒng)計量SPE性能指標(biāo)；對數(shù)據(jù)向量采用故障重構(gòu)的方法在每一個故障方向上進行投影，對比重構(gòu)后數(shù)據(jù)的統(tǒng)計量值和正常統(tǒng)計量值的區(qū)別，分析辨別和確定故障的來源。T2統(tǒng)計量代表的是采樣數(shù)據(jù)在主元空間內(nèi)對模型的偏離程度；而SPE統(tǒng)計量則代表的是采樣數(shù)據(jù)在殘差空間內(nèi)對模型的偏離程度，具體計算如下：

式（2）中，Pp由載荷矩陣的前p個向量組成。

2 多模型的PCA算法

在實際生產(chǎn)過程中，當(dāng)生產(chǎn)工況發(fā)生變化時，原先采用歷史數(shù)據(jù)建成的PCA模型容易會出現(xiàn)固化問題，不能準(zhǔn)確診斷故障信息，出現(xiàn)故障誤判和故障漏判的缺陷，對實際正常生產(chǎn)造成重大的影響。對此，本文根據(jù)不同工況條件下的采樣數(shù)據(jù)特點，對歷史數(shù)據(jù)進行分類建立不同工況條件下的PCA故障診斷模型，以提高模型的故障識別診斷效率。首先根據(jù)歷史樣本數(shù)據(jù)均值作為初始數(shù)據(jù)聚類中心，對歷史樣本數(shù)據(jù)進行聚類，利用分類后的樣本數(shù)據(jù)建立不同工況條件下的PCA模型，計算相應(yīng)的統(tǒng)計量控制限；對于新采集的生產(chǎn)數(shù)據(jù)，進行最短歐氏距離的方法進行歸類，找到相應(yīng)的主元模型，計算對應(yīng)的統(tǒng)計量指標(biāo)并與統(tǒng)計量指標(biāo)控制限值作對比，分析故障點的來源。本文采用的歐氏距離如下：

式（3）中，n是變量的個數(shù)；cj為數(shù)據(jù)聚類中心。

3 模型的更新

隨著油田的生產(chǎn)運行，由于生產(chǎn)數(shù)據(jù)的動態(tài)特性，導(dǎo)致傳統(tǒng)PCA模型會面臨一個逐漸失效的問題，不再能準(zhǔn)確進行系統(tǒng)的故障診斷分析。這時，如何更新模型適應(yīng)數(shù)據(jù)的動態(tài)特性變化顯得尤為重要。本文利用遞推數(shù)據(jù)矩陣的方法，通過剔除模型中的舊數(shù)據(jù)和引入新數(shù)據(jù)的思想，完成PCA模型的更新過程。通過更新計算模型的統(tǒng)計量控制限，使模型能夠自適應(yīng)生產(chǎn)數(shù)據(jù)變化的動態(tài)特性。

4 實驗驗證

采用遼河油田生產(chǎn)現(xiàn)場采集到的水箱液位、示功圖和泵路溫度的歷史數(shù)據(jù)作為實驗數(shù)據(jù)。根據(jù)壓裂和蒸汽吞吐等不同工況條件對8000組歷史樣本數(shù)據(jù)進行分類，根據(jù)不同的工況條件建立相應(yīng)的PCA模型1、PAC模型2，計算不同模型對應(yīng)的統(tǒng)計量控制限值SPE。利用新的4000組采樣數(shù)據(jù)進行故障實驗驗證分析，采用自適應(yīng)的多模型PCA方法與傳統(tǒng)的PCA模型進行比較。在故障試驗中，對采集到的3000-3300組數(shù)據(jù)增加偏差為30%的故障，仿真實驗結(jié)果如下所示：

圖1 故障數(shù)據(jù)SPE統(tǒng)計量圖

根據(jù)實驗仿真圖可知，該方法在樣本數(shù)據(jù)為3000-3300組的統(tǒng)計量指標(biāo)SPE均明顯超過了控制限值，而傳統(tǒng)PCA模型在故障數(shù)據(jù)段的SPE統(tǒng)計量指標(biāo)沒有超過控制限，不能有效檢測到故障，所以自適應(yīng)多模型PCA具有更好的診斷靈敏度和精度，實驗結(jié)果與實驗的前提假設(shè)一致。實驗證明本方法，確實能夠提高原PCA模型的故障診斷靈敏度和精度，更好的應(yīng)用于生產(chǎn)實際。

5 結(jié)語

本文針對傳統(tǒng)PCA模型在故障診斷過程中存在的辨識率不高、不能適應(yīng)生產(chǎn)工況變化的缺點，提出了一種能適應(yīng)生產(chǎn)工況變化的多模型PCA故障診斷方法。根據(jù)歷史數(shù)據(jù)特性建立不同工況下的PCA模型，對于新的采樣數(shù)據(jù)通過數(shù)據(jù)歸類，找到對應(yīng)的模型進行主元分析，計算相應(yīng)的統(tǒng)計量與控制限值進行比較，完成故障診斷分析。經(jīng)過實驗驗證可得，本方法能夠改善傳統(tǒng)PCA診斷存在的誤判斷和漏判斷等不足，具有較高的故障診斷靈敏度，能及時發(fā)現(xiàn)和診斷故障來源。

[1]廖銳全等.基于神經(jīng)網(wǎng)絡(luò)的抽油機井井下故障診斷專家系統(tǒng).[J]武漢理工大學(xué)學(xué)報，2002，26(4)：457～459.

[2]張承彪，羅運柏，文習(xí)山.主成分分析在變壓器故障診斷中的應(yīng)用研究[J].高電壓技術(shù)，2005，31(8)：9-11.