Um Método de Aviso de Condições de Trabalho para Poços de Hastes de Sucção Baseado em Previsão de Sequência Temporal

O aviso sobre possíveis falhas que possam ocorrer no futuro em um poço de hastes de sucção pode ajudar os técnicos a ajustar as estratégias de produção a tempo. É de grande importância para a segurança durante a produção do poço. Neste artigo, os principais parâmetros característicos dos gráficos de dinamômetro foram previstos por uma rede neural temporal para implementar o aviso de diferentes condições de trabalho que possam resultar em falhas. Primeiro, uma equação de onda amortecida unidimensional foi usada para eliminar o efeito das cargas dinâmicas dos gráficos de dinamômetro de superfície, convertendo-os em gráficos de dinamômetro de fundo de poço. Com base nos gráficos de dinamômetro de fundo de poço, os parâmetros característicos foram extraídos, incluindo a variação da carga, a posição do ponto de abertura e fechamento da válvula, a área do gráfico de dinamômetro, entre outros. A relação de mapeamento entre os parâmetros característicos e as condições de trabalho (modelo de classificação) foi obtida pelo algoritmo Xgboost. Enquanto isso, o ruído nesses parâmetros foi reduzido pela transformação wavelet, e a racionalidade dos resultados foi verificada. Em seguida, as estruturas de Encoder-Decoder e multi-head attention foram usadas para montar o modelo de previsão de séries temporais. Então, os parâmetros característicos foram previstos de forma sequencial usando parâmetros históricos, data e parâmetros de bombeamento como entrada. Por fim, ao inserir os resultados previstos no modelo de classificação, foi criado um método de aviso de condições de trabalho. Os resultados mostraram que a redução de ruído melhorou significativamente a precisão da previsão. O erro relativo de previsão da maioria dos parâmetros característicos foi inferior a 15% após a redução de ruído. Em muitas condições de trabalho, seus valores F1 foram superiores a 85%. A maioria dos valores de Recall pôde ser restaurada para mais de 90% dos calculados por parâmetros reais, indicando poucos casos de falso negativo. De modo geral, o método de aviso proposto neste artigo pode prever condições de trabalho defeituosas que possam ocorrer no futuro de forma oportuna.