杆泵机理协同GAN的抽油井故障样本扩充方法研究

摘要

针对有杆泵抽油井故障示功图数据不充足，不同故障下示功图样本数量分布不均衡，导致状态诊断可靠性低的问题，提出一种将机理模型与生成对抗网络(GAN)协同配合的样本扩充方法，该方法首先对抽油机重要结构进行动态分析，建立支持生成可靠示功图的机理模型，同时改进对抗生成网络；其次利用机理模型对故障数据进行扩充，使扩充样本具有真实性、多样性。采用油田实际数据开展实验，结果表明该方法使平均故障准确率提升至98.37%,对比GAN、WGAN-UP、ACGAN的平均故障诊断准确率分别提升了16.54、11.63、9.58个百分点。

关键词

有杆泵 / 示功图 / 机理模型 / 生成对抗网络 / 样本扩充

基金资助

国家自然科学基金项目(62173073); 辽宁省教育厅高等学校基本科研项目(JYTMS20230215); 辽宁省教育科学规划课题(JG22DB602)