一种基于大数据的采油设备维护管理系统及方法技术方案

本发明专利技术公开了一种基于大数据的采油设备维护管理系统及方法，属于设备维护管理技术领域。本发明专利技术系统包括数据采集模块、数据处理模块、数据分析模块以及维护管理模块；所述数据采集模块的输出端与所述数据处理模块的输入端相连接；所述数据处理模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述维护管理模块的输入端相连接；本发明专利技术还通过历史数据获得采油设备异常特征和采油设备故障特征，经过采油设备异常预测模型和采油设备故障预测模型，可以预测采油设备的异常和故障，及时处理异常和故障的情况，维护和修理采油设备，确保采油设备稳定运行，提高采油效率和成本效益。高采油效率和成本效益。高采油效率和成本效益。

【技术实现步骤摘要】
一种基于大数据的采油设备维护管理系统及方法


[0001]本专利技术涉及设备维护管理
，具体为一种基于大数据的采油设备维护管理系统及方法。

技术介绍

[0002]石油工业是国民经济的重要支柱产业，采油设备作为石油生产的核心设备，对采油生产的效率和质量起着至关重要的作用。在采油设备的运行过程中，由于设备的磨损、老化、异常等原因，经常出现设备故障和停机现象，严重影响了采油生产的稳定性和效率。因此，采油设备的维护管理对于提高采油生产效益和设备可靠性至关重要。
[0003]传统的采油设备维护管理方法多采用基于经验的管理模式，主要应用于设备的整体检修和预防性维护，对于设备的实时监测、故障预警、精准维护等方面则存在较大的局限性，具体表现为：
[0004]传统的维护管理模式主要采用经验的方式进行维护管理，无法实时监测设备运行状态，难以及时发现异常情况和预测设备故障，从而无法采取及时的维护措施。
[0005]传统的维护管理模式主要采用定期检修的方式进行设备维护，无法针对设备的实际情况和运行状态进行差异化的维护，因此维护计划不够精准。
[0006]由于传统的维护管理模式无法实现故障预警和精准维护，当设备出现问题时，需要进行大量的维修和更换部件，导致维修成本较高。
[0007]传统的维护管理模式主要依赖于人工经验，无法实现数字化和信息化管理，因此管理效率较低。

技术实现思路

[0008]本专利技术的目的在于提供一种基于大数据的采油设备维护管理系统及方法，以解决上述
技术介绍
中提出的问题。
[0009]为了解决上述技术问题，本专利技术提供如下技术方案：
[0010]一种基于大数据的采油设备维护管理系统，该系统包括数据采集模块、数据处理模块、数据分析模块以及维护管理模块；
[0011]数据采集模块用于获取采油设备的历史数据；数据处理模块用于对采油设备数据进行筛分；数据分析模块用于建立精准的预测模型，进行采油设备的维护管理；维护管理模块用于制定维护计划和管理维护过程；
[0012]数据采集模块的输出端与所述数据处理模块的输入端相连接；数据处理模块的输出端与所述数据分析模块的输入端相连接；数据分析模块的输出端与所述维护管理模块的输入端相连接。
[0013]进一步的，数据采集模块包括设备远程监控功能，能够实现对采油设备进行远程监控，及时发现异常情况，保障设备的安全运行。
[0014]进一步的，数据处理模块对采油设备的历史数据进行筛分处理。
[0015]进一步的，数据分析模块包括采油设备异常分析子模块、采油设备故障分析子模块；
[0016]所述采油设备异常分析子模块用于对采油设备运行状态进行判断是否为设备异常；所述采油设备故障分析子模块用于对采油设备运行状态进行判断是否为设备故障；
[0017]进一步的，维护管理模块将数据采集、处理、分析和维护管理进行有机集成，实现设备维护数字化、信息化和自动化控制。
[0018]一种基于大数据的采油设备维护管理方法，该方法包括以下步骤：
[0019]S1.获取采油设备的历史数据，并将其上传至数据处理模块进行处理，实时监测采油设备的运行状态；
[0020]S2.利用数据处理模块，判断采油设备是否存在异常和故障，完成数据的筛分；
[0021]S3.启动数据分析模块，对采油设备的历史数据进行分析和建模，形成精准的预测模型；
[0022]S4.根据数据分析模块的预测模型，对采油设备的实时数据进行预测，根据预测结果制定维护计划和方案，集成维护管理模块，进行维护管理。
[0023]进一步的，在步骤S1中，采油设备的历史数据包括采油设备的传感器数据、运行参数以及工作状态；
[0024]其中传感器数据包括设备的温度、压力、流量、振动、电流、电压数据；运行参数包括设备的输出功率、负载、转速；工作状态包括设备的开关状态、工作时间、停机时间。
[0025]进一步的，在步骤S2中，数据的筛分根据历史数据判断采油设备是否存在异常和故障，筛选出异常数据与故障数据；
[0026]根据历史数据，筛选异常数据与故障数据的步骤如下：
[0027]S801.获取采油设备的历史数据；
[0028]S802.根据历史数据观察时间序列，找到设备异常数据，制定相应的异常数据的阈值区间；
[0029]其中，制定相应的异常数据的阈值区间步骤如下：
[0030]i.将历史数据以一天为一个周期划分为n个统计区间,n≥2；
[0031]ii.对于每个统计区间，计算平均值和标准差，并根据公式计算出其对应的离散系数值C；
[0032]iii.对所有离散系数的值按照从大到小进行排序，选择前m％的统计区间作为数据异常区间,其中m＝1,2,...,m；
[0033]iv.将上述数据异常区间的数据进行汇总，计算平均值与标准差，将平均值减去n个标准差作为下限，均值加上n个标准差作为上限，即可确定异常数据的阈值区间,其中n＝1,2,...,n；
[0034]S803.观察历史数据，找到设备故障数据，制定相应的故障数据的阈值；
[0035]其中，制定相应的故障数据的阈值区间步骤如下：
[0036]i.将历史数据以一天为一个周期划分为n个统计区间,n≥2；
[0037]ii.对于每个统计区间，计算平均值、中位数、标准差、方差；
[0038]iii.通过对每个统计区间数据的计算，对数据绘制直方图；
[0039]iv.根据数据的分布情况，找到标准差最大的统计区间，就将这个统计区间作为数据错误区间；
[0040]v.将上述数据错误区间的数据进行汇总，计算平均值与标准差，将平均值减去n个标准差作为下限，均值加上n个标准差作为上限，即可确定故障数据的阈值区间,其中n＝1,2,...,n；
[0041]S804.在历史数据中，筛选出属于异常数据的阈值区间的数据，作为采油设备异常数据；筛选出属于故障数据的阈值区间的数据，作为采油设备故障数据。
[0042]进一步的，在步骤S3中，构建预测模型分为采油设备异常预测模型和采油设备故障预测模型；
[0043]其中，采油设备异常是指设备运行过程中出现的非正常状态，通常是短暂、临时性的问题，不影响设备的正常工作，也不需要立即进行维修处理，因此采油设备异常特征可以由历史数据直观反映；构建采油设备异常预测模型步骤如下：
[0044]SA01.根据筛选得到的异常数据，提取采油设备异常特征；
[0045]SA02.根据已提取的采油设备异常特征，构造异常分类器，实现对多种异常的分类；分类器构造方法采用支持向量机SVM方法；
[0046]其中，支持向量机的分类器构造方法具体实现步骤如下：
[0047]i.根据采油设备的异常特征构建多种异常特征集，设定特征集标签，将其中一类异常的特征设定标签为1，作为分类的第一种异常类型；剩余异常类型的特征设定标签为...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的采油设备维护管理系统，其特征在于：该系统包括数据采集模块、数据处理模块、数据分析模块以及维护管理模块；所述数据采集模块用于获取采油设备的历史数据；所述数据处理模块用于对采油设备数据进行筛分；所述数据分析模块用于建立精准的预测模型，进行采油设备的维护管理；所述维护管理模块用于制定维护计划和管理维护过程；所述数据采集模块的输出端与所述数据处理模块的输入端相连接；所述数据处理模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述维护管理模块的输入端相连接。2.根据权利要求1所述的一种基于大数据的采油设备维护管理系统，其特征在于：所述数据采集模块包括设备远程监控功能，能够实现对采油设备进行远程监控，及时发现异常情况，保障设备的安全运行。3.根据权利要求1所述的一种基于大数据的采油设备维护管理系统，其特征在于：所述数据处理模块对采油设备的历史数据进行筛分处理。4.根据权利要求1所述的一种基于大数据的采油设备维护管理系统，其特征在于：所述数据分析模块包括采油设备异常分析子模块、采油设备故障分析子模块；所述采油设备异常分析子模块用于对采油设备运行状态进行判断是否为设备异常；所述采油设备故障分析子模块用于对采油设备运行状态进行判断是否为设备故障。5.根据权利要求1所述的一种基于大数据的采油设备维护管理系统，其特征在于：所述维护管理模块将数据采集、处理、分析和维护管理进行有机集成，实现设备维护数字化、信息化和自动化控制。6.一种基于大数据的采油设备维护管理方法，其特征在于：该方法包括以下步骤：S1.获取采油设备的历史数据，并将其上传至数据处理模块进行处理，实时监测采油设备的运行状态；S2.利用数据处理模块，判断采油设备是否存在异常和故障，完成数据的筛分；S3.启动数据分析模块，对采油设备的历史数据进行分析和建模，形成预测模型；S4.根据数据分析模块的预测模型，对采油设备的实时数据进行预测，根据预测结果,进行维护管理。7.一种基于大数据的采油设备维护管理方法，其特征在于：在步骤S1中，采油设备的历史数据包括采油设备的传感器数据、运行参数以及工作状态；其中传感器数据包括设备的温度、压力、流量、振动、电流、电压数据；运行参数包括设备的输出功率、负载、转速；工作状态包括设备的开关状态、工作时间、停机时间。8.根据权利要求6所述的种基于大数据的采油设备维护管理方法，其特征在于：在步骤S2中，数据的筛分根据历史数据判断采油设备是否存在异常和故障，筛选出异常数据与故障数据；根据历史数据，筛选异常数据与故障数据的步骤如下：S801.获取采油设备的历史数据；S802.根据历史数据观察时间序列，找到设备异常数据，制定相应的异常数据的阈值区间；其中，制定相应的异常数据的阈值区间步骤如下：
i.将历史数据以一天为一个周期划分为n个统计区间,n≥2；ii.对于每个统计区间，计算平均值和标准差，并根据公式计算出其对应的离散系数值C；iii.对所有离散系数的值按照从大到小进行排序，选择前m％的统计区间作为数据异常区间,其中m＝1,2,...,m；iv.将上述数据异常区间的数据进行汇总，计算平均值与标准差，将平均值减去n个标准差作为下限，均值加上n个标准差作为上限，即可确定异常数据的阈值区间,其中n＝1,2,...,n；S803.观察历史数据，找到设备故障数据，制定相应的故障数据的阈值；其中，制定相应的故障数据的阈值区间步骤如下：i.将历史数据以一天为一个周期划分为n个统计区间,n≥2；ii.对于每个统计区间，计算平均值、中位数、标准差、方差；iii.通过对每个统计区间数据的计算，对数据绘制直方图；iv.根据数据的分布情况，找到标准差最大的统计区间，就将这个统计区间作为数据错误区间；v.将上述...

【专利技术属性】
技术研发人员：王冲，张正辉，张艳丽，李海亮，许志燕，屈星，谭文，
申请(专利权)人：唐山冀东石油机械有限责任公司，
类型：发明
国别省市：