| 【中文题名】 | 基于示功图自动诊断的单井远程无线网络监控系统的设计与实现 |
| 【英文题名】 | Design and Realization of the Oil Pump Remote Monitoring and Management System Based on the Automatic Diagnosis of the Dynagraph |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-7 |
| 【中关键词】 | 数字油田,示功图,模式识别,图像诊断,形态学运算, |
| 【英关键词】 | Digital Oil Field,Dynagraph,Pattern Classification,Image Diagnosis,Mathematical Morphology, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>监视、报警、故障诊断系统> |
| 【论文摘要】 |
能源问题是关系到社会稳定，国民经济持续健康发展的重大问题，而原油又在能源结构中占有举足轻重的地位，应用计算机技术建设数字油田是实现油田管理自动化，保障安全生产、提高生产效率的有效方法与重要手段。
本文是在针对抽油设备长期处于野外工作环境作业，其运行情况难以获得、维护困难这一采油行业实际情况而设计研发的系统基础上形成的。本系统在组成上分三级管理平台，既控制中心管理平台、分控中心管理平台，终端控制管理平台，各级管理平台既是独立的管理系统又是有机的组合体。它通过对抽油机自动化监测、联合站自动化监测，解决了设备运行问题、安全问题以及维护问题，极大地提高了生产效率。
本系统还通过对抽油机各种数据的采集和检测，为用户提供丰富的辅助决策信息，并对示功图、电功图等数据进行深层次分析，从而有效确定抽油机运行状态、故障类别、泵效、产业量等数据，为下一步制定生产决策，提高生产效率与原油产量，提供可靠的参考依据。
单井远程无线网络监控系统高效的整合了采油行业的业务流程，通过抽油井以及联合站的数据采集、分析、整合与监控，极大的提高了油田自动化水平。满足了采油数字化的需求。 |
| 【论文题纲】 |
|
内容提要 |
4-7 |
|
第一章 绪论 |
7-10 |
|
1.1 石油能源可持续发展的战略意义 |
7-8 |
|
1.2 单井远程无线网络监控系统的意义 |
8-9 |
|
1.3 本文所做的工作 |
9-10 |
|
第二章 油田业务知识介绍 |
10-16 |
|
2.1 采油方法介绍 |
10-11 |
|
2.2 联合站 |
11 |
|
2.3 示功图 |
11-16 |
|
2.3.1 示功图的引出和定义 |
11-12 |
|
2.3.2 理论示功图与实测示功图 |
12-14 |
|
2.3.3 典型故障示功图 |
14-16 |
|
第三章 单井远程无线网络监控系统的设计 |
16-25 |
|
3.1 系统的总体架构 |
16-18 |
|
3.1.1 油田生产监控管理系统的物理结构 |
16-17 |
|
3.1.2 油田生产监控管理系统的逻辑结构 |
17-18 |
|
3.2 单井远程无线网络监控管理系统的设计方案 |
18-25 |
|
3.2.1 示功图模块 |
19-22 |
|
3.2.1.1 历史示功图幻灯片浏览 |
20 |
|
3.2.1.2 日常管理 |
20-21 |
|
3.2.1.3 故障图浏览 |
21 |
|
3.2.1.4 数据读取 |
21 |
|
3.2.1.5 多屏示功图读取和浏览 |
21 |
|
3.2.1.6 典型示功图库 |
21-22 |
|
3.2.1.7 示功图显示方案设定 |
22 |
|
3.2.2 曲线报表模块 |
22-23 |
|
3.2.3 报警模块 |
23 |
|
3.2.4 数据处理模块 |
23-24 |
|
3.2.5 分站设置模块与系统管理模块 |
24 |
|
3.2.6 电子地图模块 |
24-25 |
|
第四章 系统开发中的模式 |
25-31 |
|
4.1 报警方式的设计 |
25-27 |
|
4.2 特征值提取方案的设计 |
27-28 |
|
4.3 装袋技术的设计 |
28-29 |
|
4.4 用户命令的设计 |
29-30 |
|
4.5 其他模式与最佳实践 |
30-31 |
|
第五章 示功图识别的设计方案 |
31-55 |
|
5.1 示功图识别介绍 |
31 |
|
5.2 示功图预处理 |
31-38 |
|
5.2.1 二值化操作 |
32 |
|
5.2.2 数学形态学基础 |
32-34 |
|
5.2.3 腐蚀运算算法 |
34-35 |
|
5.2.4 膨胀运算算法 |
35-36 |
|
5.2.5 细化运算算法 |
36-38 |
|
5.3 示功图特征提取 |
38-45 |
|
5.3.1 几何形状重心的求解算法 |
39-41 |
|
5.3.2 形心圆距 |
41-42 |
|
5.3.3 形心方距 |
42 |
|
5.3.4 标准距 |
42-43 |
|
5.3.5 差分距 |
43 |
|
5.3.6 特征向量的规格化 |
43-45 |
|
5.4 应用神经网络识别示功图 |
45-48 |
|
5.4.1 神经网络简介 |
45-46 |
|
5.4.2 应用BP算法识别示功图 |
46-48 |
|
5.5 使用BP网络识别示功图时遇到的问题 |
48-49 |
|
5.6 使用模拟退火算法优化示功图神经网络训练 |
49-52 |
|
5.6.1 引入模拟退火算法优化神经网络训练的动机 |
49-50 |
|
5.6.2 模拟退火算法简介 |
50 |
|
5.6.3 模拟退火算法的模型 |
50-51 |
|
5.6.4 模拟退火算法与神经网路算法的结合点 |
51-52 |
|
5.7 示功图识别方案 |
52-53 |
|
5.8 装袋技术在示功图识别中的应用 |
53-55 |
|
第六章 系统实验数据与实现结果 |
55-62 |
|
6.1 示功图预处理实验结果 |
55 |
|
6.2 模拟退火算法优化神经网络训练试验数据 |
55-57 |
|
6.3 示功图识别试验数据 |
57-58 |
|
6.4 单井远程无线网络监控系统的实现 |
58-62 |
|
第七章 总结与展望 |
62-63 |
|
参考文献 |
63-65 |
|
摘要 |
65-67 |
|
Abstract |
67-70 |
|
致谢 |
70-71 |
|
导师与作者简介 |
71 |
|
| 【DOI】 | LunWen.ID:2.2008.384256 |
