游梁式抽油机驱动电机状态分析与控制

《游梁式抽油机驱动电机状态分析与控制》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、游梁式抽油机驱动电机状态分析与控制第一节理论推导一、谐波治理电网G电机单元M储放元件C电网功率函数PGt,电机功率函数PMt,储放元件功率PCt;则PGt+PMt+PCt=01.10TPGtdt=-0TPMtdt1.20TPCtdt=01.3在无储放元件时的情形，电网简化为交变电源SV，电机简化为可变电感Lt:交变电源SV可变电感Lt则USV=-LtdI（t）dt1.4若电机转子角速度ωt→励磁电流It→绕阻电动势Et;Et可经傅立叶分解，得出各次谐波。3.谐波向量空间引：容感代数容感动力分析5电容电感人工神经网络一、抽油机力学分析1、四杆链动机构驴头极坐标方程RLω1.5弧线积分0

2、ωRLωdω1.6由变速箱、驴头，抽油杆可导出等效力臂TE，电机的力矩为转速的函数TMωM，抽油杆和油液等效质量ME，其加速度可由驴头角速度得出ωL→aP；转矩方程：TMωM=TE*（aPωL*ME+ME*G）1.7三、渗流方程为了简化起见，先不考虑含水量；油层渗压Po，油层油泵间隙油量Qd，油泵油量Qp；油层渗速Vo→d∝μ1Po，1Qd，t1.8间隙油量Qd∝tt+∆tμ1Po，1Qd，tdt1.9间隙油泵渗速Vd→p∝μ2Qd，1Qp，t1.10油泵油量Qp∝tt+∆tμ2Qd，1Qp，tdt1.11油泵向油管渗速Vp→t∝μ3Qp，t1.12油泵油管渗量Qt∝tt+∆tμ3Q

3、p，tdt1.13四、可变积分域动态规划在Ω空间中存在一组函数fi，相应的积分域为Ωi，通过调整Ωi使i=0∞fidΩi1.14最大化。约束为一组包含fi，及其偏微分和随机变量R的方程组。5Ffn，fn+1，⋯，fn+L→fn+L+11.15ΩΩn,Ωn+1,⋯,Ωn+L→Ωn+L+11.16五、抽油机工作循环时间区间划分t0：抽油杆开始下降；t1：上活舌打开，油泵向油管进油；t2：井筒活舌关闭，油层向层泵间隙渗油；t3：t4：抽油杆到达下止点，油层继续向层泵间隙渗油；t5：抽油杆上提，井筒舌头打开，层泵间隙向油泵渗油，直至回到上止点。t6：回到上止点。将时间变量代入积分式：油泵油管

4、渗量Qt∝t1t4μ3Qp，tdt1.17油泵油量Qp∝t5t6μ2Qd，1Qp，tdt1.18间隙油量Qd∝t2t6μ1Po，1Qd，tdt1.19将1.19，1.18代入1.17油泵油管渗量Qt∝t1t4μ3t5t6μ2t2t6μ1Po，1Qd，tdt，1Qp，tdt，tdt1.20有一能效函数：Et，当t趋向无穷大时，通过调整积分区间使其最大。经过推导tn，tn+1→ωMtn，tn+11.21利用数值模拟可以得出最优电机转子角速度函数ωMOt。六、抽油机工作循环关键点校准经过一段时间后，实际工作状态会与理论数值发生错位，所以应利用人工神经网5对抽油机进行工况分析，专门设立一个委

5、员会机进行关键点校准。校准委员会机电参数校准信号七、利用人工神经网对最优角速度进行学习将ωMOt离散化ωMOti，并反推电机Ui，Ii，变成对电参量序列的学习，取U0，⋯，UL;I0，⋯，IL加入神经网，调整权值使神经网输出UL+1；IL+1.八、神经网对环境变量的学习神经网还要对油井参数，环境变量，电网状态进行学习，需要有多个委员会机：5电机控制电路最优电机角速估计校准信号地方油井参数电压电流序列九、（引伸）抽油机传动皮带的拓扑动力学旨在解决皮带老化和环境温度变化，引起的动力学特性改变。十、工作循环闭链最小有限群方案（略）十一、面向算法的电路设计（引伸）二零一一年一月十五日5