申请/专利权人:燕山大学
申请日:2022-12-29
公开(公告)日:2023-05-16
公开(公告)号:CN116128220A
主分类号:G06Q10/0631
分类号:G06Q10/0631;G06Q50/06;G06F18/241;G06N3/084;G06N3/0442;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.06.02#实质审查的生效;2023.05.16#公开
摘要:本发明涉及一种基于电功图的游梁式抽油系统频率与电压柔性智能协调优化方法,该方法依托深度学习,针对抽油系统电功图周期性波动负载,以周期内时变频率与时变电压为优化变量,使抽油系统能够实时预测并确定最优频率和最优电压。通过收集上万种游梁式抽油系统波动负载、电功图的图像特征,经过对图像特征的深度学习,建立基于电功图的频率与电压柔性智能协调优化模型。当输入任意波动负载特征时,此优化模型根据其特征,能够实时预测并确定最优频率和最优电压,实现抽油系统“高负载低频高压,低负载高频低压”,对负载扭矩“削峰填谷”,降低负载波动,达到节能降耗的目的。
主权项:1.一种基于电功图的游梁式抽油系统频率与电压柔性智能协调优化方法,其特征在于,包括以下步骤:建立柔性变频调压游梁式抽油系统机电耦合动力学模型,并基于所述系统机电耦合动力学仿真模型得到恒频恒压条件下的电功图;基于所述系统机电耦合动力学模型,分析系统动态特性、节能机理及柔性变频与柔性调压耦合关系,设计频率与电压柔性同步协调优化模型,并基于所述频率与电压柔性同步协调优化模型,确定最优柔性频率和最优柔性电压;将所述电功图作为抽油系统特征参数,并根据游梁式抽油机井平衡状态,确定数据分类标准;基于所述数据分类标准,采用BP神经网络对输入的电功图进行智能分类;以所述电功图为源域数据集,以所述最优柔性频率和最优柔性电压为目标域数据集,采用神经网络建立并训练基于电功图的频率与电压柔性智能协调优化模型;所述基于电功图的频率与电压柔性智能协调优化模型以能够充分反映电功图曲线变化形态的电动机输入功率、电动机输入功率一阶导数及电动机输入功率二阶导数为输入,以优化柔性电压和优化柔性频率为输出;当输入任意波动负载及电功图特征时,基于电功图的频率与电压柔性智能协调优化模型,实时预测并确定游梁式抽油系统最优频率和最优电压。
全文数据:
权利要求:
百度查询: 燕山大学 一种游梁式抽油系统频率与电压柔性智能协调优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。