油气生产与加工系统风险传播多尺度监测预警方法及装置

    公开(公告)号:CN107272626B

    公开(公告)日:2019-08-02

    申请号:CN201710567896.5

    申请日:2017-07-13

    CPC classification number: Y02P90/02

    Abstract: 本申请实施例提供了一种油气生产与加工系统风险传播多尺度监测预警方法及装置,该方法包括:确定针对油气生产与加工系统划分出的多个空间尺度;在每个空间尺度下,确定所述油气生产与加工系统中,每两个相邻的过程变量间的关联系数及传播方向,并据此建立该空间尺度下的风险因素尺度推绎模型;在所述油气生产与加工系统中任意一个过程变量出现扰动时,根据预设的风险传播搜索方法,预测所述扰动在每个空间尺度对应的风险因素尺度推绎模型中的传播路径;根据所述传播路径进行相应预警。本申请实施例可提高预测油气生产与加工系统中风险传播的准确度。

    一种基于红外热像的压裂设备微弱故障诊断方法及装置

    公开(公告)号:CN109899281A

    公开(公告)日:2019-06-18

    申请号:CN201910266549.8

    申请日:2019-04-03

    Abstract: 本说明书实施例提供一种基于红外热像的压裂设备微弱故障诊断方法及装置。所述方法包括:获取第一红外热像图;根据所述第一红外热像图确定设备故障与温度变化的对应表征关系;根据设备故障与温度变化的对应表征关系建立卷积神经网络模型;根据所述卷积神经网络模型对设备故障类型进行诊断。本说明书实施例提出了一套基于红外热像的设备故障诊断技术体系,引入了卷积神经网络(CNN)这类特殊深层神经网络并进行模型选取及参数优化,利用其强大的图像处理及学习能力提取压裂装备红外热像图中的微弱故障特征并分类,从而实现页岩气压裂设备的故障诊断功能。

    一种液化天然气罐区及附属设施事故情景推演方法和装置

    公开(公告)号:CN109830137A

    公开(公告)日:2019-05-31

    申请号:CN201910261417.6

    申请日:2019-04-02

    Abstract: 本说明书实施例提供一种液化天然气罐区及附属设施事故情景推演方法和装置。所述方法包括:建立液化天然气储备库事故情景正演模型;根据所述情景正演模型,识别不安全控制行为;根据所述不安全控制行为,推演事故原因。本说明书实施例将系统理论及事故模型与液化天然气库区特定事故演化过程相结合,建立事故情景正演模型,明确系统正常运行所需的控制要求,识别控制反馈过程中潜在的危险因素,从而减少液化天然气库区特定事故的发生。

    压裂施工过程井下故障诊断方法及装置

    公开(公告)号:CN106647581B

    公开(公告)日:2018-12-25

    申请号:CN201710012378.7

    申请日:2017-01-09

    Abstract: 本申请提供了一种压裂施工过程井下故障诊断方法及装置,所述方法包括:获取压裂施工过程中发生故障时的多个监控参数;根据多个所述监控参数,生成对应的多个压裂施工曲线;将每一个所述压裂施工曲线划分为多个单峰片段;采用二次多项式拟合多个所述单峰片段,得到对应的多个二次多项式;根据多个所述二次多项式,建立包括多个基元序列的故障规则库;其中,每一个所述基元序列包括多种基元,多个所述基元序列中的一个或几个的组合对应一种标准故障趋势;将待诊断故障趋势在所述故障规则库中进行匹配,确定所述待诊断故障趋势的类型。本申请能有效提高压裂施工过程中井下故障诊断的准确率和鲁棒性。

    一种炼化过程自适应数据驱动的早期故障监测方法及装置

    公开(公告)号:CN105700517B

    公开(公告)日:2018-10-12

    申请号:CN201610131396.2

    申请日:2016-03-09

    Abstract: 本发明提供了一种炼化过程自适应数据驱动的早期故障监测方法及装置,涉及石油炼化故障监测技术领域。方法包括:获取炼化过程生产装置的监测参数的历史数据;根据滑动窗口长度和步长确定监测参数的历史训练数据,并在每隔一个步长时更新一次历史训练数据;对历史训练数据进行列向标准化处理;根据主成分分析方法将标准化历史训练数据进行分解;确定主成分分析统计量SPE指标控制限;确定待测试样本数据的SPE指标;根据待测试样本数据的SPE指标与SPE指标控制限进行比较;若待测试样本数据的SPE指标大于等于SPE指标控制限,确定炼化过程生产装置处于异常工况状态。本发明可以解决静态的多元统计模型应用于实际生产过程中容易出现大范围的误报警的问题。

    页岩气压裂过程井下异常工况实时预测预警方法及装置

    公开(公告)号:CN107194068A

    公开(公告)日:2017-09-22

    申请号:CN201710364005.6

    申请日:2017-05-22

    Abstract: 本发明实施例公开了一种页岩气压裂过程井下异常工况实时预测预警方法及装置。所述方法包括:基于离线数据构建训练数据集,利用支持向量回归机训练监测参数预测模型;通过计算多个离散化的斜率值,提取特征参数离线数据的趋势特征,基于支持向量分类机建立相应工序阶段下的井下异常工况监测器;利用建立的所述监测参数预测模型和所述井下异常工况监测器,基于在线监测数据进一步开展井下异常工况的实时预测及预警。本发明实施例提供的页岩气压裂过程井下异常工况实时预测预警方法及装置提高了井下异常工况的预测精度。

    主风机组故障根源深度诊断方法和装置

    公开(公告)号:CN104571084B

    公开(公告)日:2017-07-14

    申请号:CN201410771549.0

    申请日:2014-12-12

    Abstract: 本发明提供了一种主风机组故障根源深度诊断方法和装置,其中,该方法包括:根据主风机组系统各故障库所之间的相互关系,建立模糊故障Petri网图;根据专家经验数据和现场实际统计数据,确定各故障库所的初始可信度集合、各故障库所的故障事件权值集合、各保护层库所的失效率集合、各变迁规则的阈值集合及变迁规则的可信度集合;根据以上信息从所述模糊故障Petri网图中查找出各层可信度最大的故障库所的传播路径;将确定出的传播路径的起点故障库所作为主风机组设备发生故障的根原因。本发明解决了现有技术中无法准确有效地检测出主风机组设备发生故障的根原因的技术问题,达到了有效提高检测准确度和检测效率的技术效果。

    油气生产系统报警信号根原因精确溯源方法及装置

    公开(公告)号:CN106843111A

    公开(公告)日:2017-06-13

    申请号:CN201710140920.7

    申请日:2017-03-10

    CPC classification number: G05B19/048

    Abstract: 本申请提供一种油气生产系统报警信号根原因精确溯源方法及装置,所述方法包括:在接收到报警信号后,根据预先建立的监控变量因果关系,获取至少两个预选扰动传播路径;其中,每个所述预选扰动传播路径至少包括引发所述报警信号的目标监控变量以及指向所述目标监控变量的起始监控变量;获取所述预选扰动传播路径中相邻所述监控变量间的关联系数,以及每个所述监控变量的扰动变化率;基于所述关联系数和所述扰动变化率,获取对应地所述预选扰动传播路径的权重系数;根据所述权重系数,确定目标扰动传播路径;将所述目标扰动传播路径中的起始监控变量作为所述报警信号的根原因。本申请能够较为准确地找到油气生产过程中引发报警信号的根原因。

    一种储气库注采压缩机组自适应故障诊断方法及设备

    公开(公告)号:CN103603794B

    公开(公告)日:2016-03-02

    申请号:CN201310585600.4

    申请日:2013-11-19

    Abstract: 本发明提供一种储气库注采压缩机组自适应故障诊断的方法及设备,所述方法包括:采集压缩机的振动信号以及振动信号对应的时域特征指标;利用小波包分解能量特征提取方法提取振动信号的能量特征值;根据能量特征值以及振动信号对应的时域特征指标组成待诊断特征向量;对初步分类自组织竞争网络模型、精确分类概率神经网络模型进行训练;将待诊断特征向量带入训练后的初步分类自组织竞争网络模型,得到初步模式;根据初步模式获取对应的训练后的精确分类概率神经网络模型;根据训练后的精确分类概率神经网络模型对初步分类后的待诊断特征向量进行精确识别,得到所述振动信号的故障类型。有效的提高储气库注采压缩机组变工况条件下的故障诊断精度。

    一种储气库注采压缩机组自适应故障诊断方法及设备

    公开(公告)号:CN103603794A

    公开(公告)日:2014-02-26

    申请号:CN201310585600.4

    申请日:2013-11-19

    Abstract: 本发明提供一种储气库注采压缩机组自适应故障诊断的方法及设备,所述方法包括:采集压缩机的振动信号以及振动信号对应的时域特征指标;利用小波包分解能量特征提取方法提取振动信号的能量特征值;根据能量特征值以及振动信号对应的时域特征指标组成待诊断特征向量;对初步分类自组织竞争网络模型、精确分类概率神经网络模型进行训练;将待诊断特征向量带入训练后的初步分类自组织竞争网络模型,得到初步模式;根据初步模式获取对应的训练后的精确分类概率神经网络模型;根据训练后的精确分类概率神经网络模型对初步分类后的待诊断特征向量进行精确识别,得到所述振动信号的故障类型。有效的提高储气库注采压缩机组变工况条件下的故障诊断精度。

Patent Agency Ranking