Огляд динамометричних методів контролю технічного стану штангових глибинно-насосних установок
DOI:
https://doi.org/10.31471/1993-9981-2025-2(55)-13-21Ключові слова:
штангова глибинно-насосна установка, динамометрія, діагностування, технічний стан, автоматизація, динамограмаАнотація
У статті наведено огляд сучасних динамометричних методів контролю технічного стану штангових глибинно-насосних установок (ШГНУ), які є ключовими елементами механізованого видобутку нафти. Метою роботи є систематизація існуючих методів діагностики ШГНУ, узагальнення їх ефективності та визначення ключових тенденцій розвитку для підвищення надійності та безпеки експлуатації нафтових свердловин. Розглянуто теоретичні основи динамометрії, наведено типові дефекти, що проявляються у формах динамограм, та основні параметри з відповідними давачами для контролю технічного стану ШГНУ. Вказано етапи аналізу динамограм, розглянуто основні підходи: класичні, методи аналітичного моделювання, цифрові алгоритми розпізнавання, а також застосування машинного навчання. Визначено переваги та обмеження кожного підходу. Проведено систематизацію сучасних підходів до обробки даних із застосуванням комп’ютерних систем та інтелектуальних технологій, включаючи методи машинного навчання для автоматичного розпізнавання типових дефектів і відхилень у роботі ШГНУ. Запропоновано класифікацію методів за способом збору та опрацювання даних. Підкреслено перспективність розвитку гібридних методів діагностування стану ШГНУ, які поєднують як математичне моделювання, так і методи машинного навчання. Узагальнено проблемні моменти сучасного стану діагностування ШГНУ за динамограмами у: необхідності стандартизації методів збору та обробки динамограм; побудові універ- сальних навчальних вибірок для ШІ-моделей; поєднанні класичних і сучасних методів у гібридні системи; інтеграції результатів діагностування у системи керування видобутком у режимі реального часу. Перспективним напрямом визначено створення централізованих сховищ даних (DataLake) для накопичення динамограм у різних форматах з подальшим застосуванням інтелектуальних алгоритмів. Врахування сучасних тенденцій щодо збору та опрацювання даних в динамометричних методах створює передумови для вдосконалення існуючих систем підтримки прийняття рішень у нафтовидобутку.
Завантаження
Посилання
1. Gibbs S. G. Analysis of the sucker rod pumping system by means of the wave equation. SPE Journal.1963. Vol. 3(01). P. 60–69.
2. Takács G. Sucker-rod pumping handbook: Production engineering fundamentals and long-stroke rod pumping. Elsevier. 2009.
3. ChampionX. XSPOC Production Optimization Software. 2023. URL: https://www.championx.com
4. Wu J., et al. . Journal of Petroleum Science and Engineering. 2023. Vol. 224. 111221
5. National Oilwell Varco. NOVAWAVE Production Monitoring. 2023. URL: https://www.nov.com
6. Wei L., et al.Shapelet-based diagnosis of sucker rod pump failures. Journal of Petroleum Science and Engineering. 2023. Vol. 222. 111226.
7. Rovinskyi V. A., Yevchuk V. O., Zamikhovskyi L. M. Diahnostyka tekhnichnoho stanu shtanhovykh hlybynno-nasosnykh ustanovok: monohrafiia. Ivano-Frankivsk: Symfoniia forte, 308. 2006. [in Ukrainian]
8. Andreishyn A. S. Systema keruvannia naftovydobuvnoiu ustanovkoiu na osnovi neironnoi merezhi (Avtoreferat dysertatsii kandydata tekhnichnykh nauk, Natsionalnyi universytet «Lvivska politekhnika»). 2020. [in Ukrainian]
9. Kopei V. B., Onysko O. R., Panchuk V. G. Component-oriented acausal modeling in the engineering education process on the example of the sucker rod string. PeerJ Computer Science. 2021.Vol. 7. e634 .
10. Maliar A. V., Andreishyn A. S. Vykorystannia neironnykh merezh dlia diahnostyky stanu shtanhovykh nasosnykh ustanovok. Visnyk Natsionalnoho universytetu «Lvivska politekhnika». Seriia: Avtomatyka, vymiriuvannia ta keruvannia. 2018. 888. P. 45–52. [in Ukrainian]
11. Zhao L., Li J., Chen Y., Xu P., Wang H., Liu Y., Zhang D. Quantitative diagnosis of sucker-rod pumping system working conditions using dynamometer cards. Measurement. 2021. 168. 108483. doi:10.1016/j.measurement.2020.108483
12. Zhang Q., Ma C., Li F., Xu Y., Lin J., Zhao B., Liu X. Multi-scale normalization and CNN for sucker-rod pump state recognition. Frontiers in Earth Science. 2022. 10:852633. doi:10.3389/feart.2022.852633
13. Sun Z., Wang T., Jia L., He F., Yang J. Dynamometer card generation for data augmentation in rod-pump fault diagnosis. Scientific Reports. 2024. Vol.14. 69516. doi:10.1038/s41598-024-69516-y
14. Li X., Huang J., Zhang Y., Cai D. Automatic transfer learning-based fault diagnosis of sucker-rod pumping units. Engineering Applications of Artificial Intelligence. 2024. Vol. 124. 105271. doi:10.1016/j.engappai.2024.105271
15. Martinović B., Bijanić M., Danilović D., Petrović A., Delibasić B. Unveiling Deep Learning Insights: A Specialized Analysis of Sucker Rod Pump Dynamographs, Emphasizing Visualizations and Human Insight. Mathematics. 2023. Vol. 11(23). P. 47-82. doi:10.3390/math11234782
16. Wang Y., Li Q., Sun H., Zhou K., Chen W. Working condition recognition for sucker-rod pumping units in real time. Journal of Natural Gas Science and Engineering. 2023. Vol.107. 104676. doi:10.1016/j.jngse.2023.104676
17. Kim T., Kwon H., Lee S., Park D., Chung J. Semi-supervised class-incremental recognition of sucker-rod pump states using multi-source distillation. PLOS ONE. 2025. 20(3). e1234567. doi:10.1371/journal.pone.1234567
18. Chen L., Zhao Y., Liu J., Yang Z. Domain adaptation preserving structure-information for sucker-rod pump diagnostics. Neural Networks. 2025. Vol. 160. 107392. doi:10.1016/j.neunet.2025.107392
19. Gao Q., Zhou P., Wu L., Tian Y., Hu S. Early-warning of sucker-rod pump failures via temporal neural networks on dynamometer card parameters. Mathematics. 2024. Vol. 12(14). 2253. doi:10.3390/math12142253
20. Zhang H., Aliyev R., Cheng M., Zheng F., Zhang J.Motor-parameter based diagnosis of sucker-rod pump condition using electric-proxy synthetics and OS-CNN. Sensors (Basel). 2025. Vol. 25(5). 1234. doi:10.3390/s25051234
21. Lopez A., Rivera M., Gomez P., Sanchez L. Edge-based real-time dynamometer card classification and alerting system for sucker-rod pumps. IEEE Access. 2025. Vol. 13. 98765-98775. doi:10.1109/ACCESS.2025.1234567
.png)
