典型文献
基于机器学习的电潜泵工况诊断
文献摘要：
为了减少电潜泵井电流卡片工况识别分析时的人为误差,建立了使用实时电流数据的基于机器学习的工况诊断模型.首先使用特征工程的方法,对电潜泵运行过程中的电流数据提取特征值;其次使用主成分分析法对特征值进行无监督降维聚类,并将聚类后的结果与实际工况进行对比证明聚类的有效性;然后使用降维后的带标签数据,建立逻辑回归模型;最后将未经训练的数据代入模型并进行误差分析.对A油田56 口电潜泵井高密度实时电流数据进行了基于机器学习完整流程的工况诊断,结果表明,该模型在降低计算复杂度的同时,成功实现了正常工况、泵抽空、过载停泵、频繁短周期运行等4种常见工况的分类识别,诊断准确度、精确度、召回率均在80％以上,F1分数85％,达到了期望的分类效果,证明了应用机器学习方法,使用实时电流数据对电潜泵工况诊断的可行性和可靠性.
文献关键词：
电潜泵;实时电流;特征工程;主成分分析;逻辑回归模型;工况诊断
中图分类号：
作者姓名：
王彪;韩国庆;路鑫;谭帅;朱志勇;梁星原
作者机构：
中国石油大学(北京)石油工程教育部重点实验室
文献出处：
引用格式：
[1]王彪;韩国庆;路鑫;谭帅;朱志勇;梁星原-.基于机器学习的电潜泵工况诊断)[J].石油钻采工艺,2022(02):261-268
A类：
B类：
基于机器学习,泵工况,工况诊断,电潜泵井,卡片,工况识别,识别分析,实时电流,流数据,诊断模型,使用特征,特征工程,数据提取,提取特征,无监督,降维聚类,实际工况,标签数据,逻辑回归模型,经训,代入,误差分析,油田,整流,低计算复杂度,泵抽,抽空,过载,停泵,短周期,分类识别,诊断准确度,召回率,分类效果,机器学习方法
AB值：
0.354302
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
