基于可解释性USL的抽油井电功率异常检测

摘要

抽油井长期运行可能使有杆泵抽油系统出现异常工况，这种异常的产生与设备的持续退化有关，但其具体原因仍难以通过数据驱动的深度学习方法来分析和解释。为了能够及时准确地检测到异常工况并推断故障级别和故障类型，提出一种基于可解释性无监督Shapelet学习(unsupervised Shapelet learning, USL)算法的抽油井电功率异常检测方法。首先利用提取到的先验知识改进USL;然后将改进的USL与单分类器结合，构成基于可解释性USL的异常检测算法(AD-IUSL),AD-IUSL可同时学习Shapelet特征和异常阈值。利用具有不同异常工况的抽油井电功率数据进行验证，结果表明，本文提出算法的F1分数达到了0.969,根据学习到的Shapelet特征合理解释了两种异常发生的潜在原因。

关键词

抽油井 / 异常检测 / 可解释性 / Shapelet学习算法