科研動(dòng)態(tài)
基于時(shí)間注意力網(wǎng)絡(luò)與自適應(yīng)閾值調(diào)整的潛油電泵異常檢測(cè)
中文題目：基于時(shí)間注意力網(wǎng)絡(luò)與自適應(yīng)閾值調(diào)整的潛油電泵異常檢測(cè)
論文題目：Anomaly Detection Based on Temporal Attention Network With Adaptive Threshold Adjustment for Electrical Submersible Pump
錄用期刊/會(huì)議：IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT (中科院大類(lèi)2區(qū))
原文DOI：https://doi.org/10.1109/TIM.2024.3436113
原文鏈接：https://ieeexplore.ieee.org/abstract/document/10616148
錄用/見(jiàn)刊時(shí)間：2024年7月31日
作者列表：
1）李 強(qiáng) 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程專(zhuān)業(yè) 博22
2）李 康 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 教師
3）高小永 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 教師
4）付 軍 中海油能源發(fā)展股份有限公司 天津
5）張來(lái)斌 中國(guó)石油大學(xué)（北京）安全與海洋工程學(xué)院 安全工程系教師
摘要:
本文提出了一種具有自適應(yīng)閾值調(diào)整的時(shí)間注意網(wǎng)絡(luò)（TAN-ATA）用于解決潛油電泵的異常檢測(cè)問(wèn)題。通過(guò)時(shí)間注意力模塊（TAN）對(duì)多變量非線(xiàn)性動(dòng)態(tài)過(guò)程進(jìn)行建模，并利用自適應(yīng)閾值調(diào)整模塊（ATA）平衡因狀態(tài)波動(dòng)引起的頻繁誤報(bào)問(wèn)題。實(shí)驗(yàn)結(jié)果表明，TAN-ATA異常檢測(cè)模型在實(shí)際工業(yè)應(yīng)用中展現(xiàn)出有效性和優(yōu)越性。
背景與動(dòng)機(jī):
隨著近年來(lái)易采油藏?cái)?shù)量的減少和油井條件的惡化，人工舉升逐漸成為采油的主要方式。潛油電泵（ESP）作為利用人工舉升原理采油的重要設(shè)備，實(shí)現(xiàn)其在線(xiàn)異常監(jiān)測(cè)變得至關(guān)重要。目前，潛油電泵的異常檢測(cè)方法主要有電流卡片分析與憋壓檢測(cè)為代表的單變量技術(shù)，以及各種多變量下的統(tǒng)計(jì)分析或機(jī)器學(xué)習(xí)。單變量分析簡(jiǎn)單但檢測(cè)精度低，統(tǒng)計(jì)分析忽略了變量的時(shí)間特性，而現(xiàn)有的機(jī)器學(xué)習(xí)方法大都基于不切實(shí)際的前提假設(shè)，即能獲得充足且準(zhǔn)確的標(biāo)簽信息。此外，基于固定閾值的異常檢測(cè)方法難以在檢測(cè)及時(shí)性以及低誤報(bào)間取得平衡，而現(xiàn)有的自適應(yīng)閾值方法需要輸出信號(hào)符合正太分布假設(shè)或需要考慮核函數(shù)選擇或經(jīng)驗(yàn)常數(shù)設(shè)計(jì)。鑒于現(xiàn)有方法的局限性，開(kāi)發(fā)一種高效、經(jīng)濟(jì)且可靠的異常檢測(cè)技術(shù)用于在線(xiàn)精準(zhǔn)預(yù)測(cè)潛油電泵的健康狀態(tài)具有重要的實(shí)際應(yīng)用價(jià)值和理論研究意義。
設(shè)計(jì)與實(shí)現(xiàn):
潛油電泵（ESP）作為人工舉升的關(guān)鍵設(shè)備，包括電機(jī)、電機(jī)保護(hù)器、油氣分離器、電纜及生產(chǎn)監(jiān)測(cè)單元等設(shè)備，如圖1所示。目前，井下生產(chǎn)監(jiān)控系統(tǒng)可以實(shí)時(shí)獲取過(guò)程數(shù)據(jù)，包括壓力、溫度、振動(dòng)、泵進(jìn)出口壓差等，有利于監(jiān)測(cè)ESP系統(tǒng)的運(yùn)行狀態(tài)。然而，流體粘度、密度和氣液比的變化可能導(dǎo)致泵性能的非線(xiàn)性響應(yīng)，并且系統(tǒng)對(duì)操作環(huán)境、外部因素、儲(chǔ)層壓力、溫度和流體成分變化的反應(yīng)也會(huì)出現(xiàn)動(dòng)態(tài)行為。這些復(fù)雜的特征自然會(huì)反映在多變量監(jiān)測(cè)數(shù)據(jù)中，這給ESP異常檢測(cè)帶來(lái)了很大的挑戰(zhàn)。
圖1 潛油電泵系統(tǒng)原理圖
TAN-ATA方法的總體框架如圖2所示，該方法包括三個(gè)階段:數(shù)據(jù)預(yù)處理，TAN-ATA學(xué)習(xí)，以及基于ATA的異常檢測(cè)。特別的，TA機(jī)制集成到時(shí)序模型體系結(jié)構(gòu)中以創(chuàng)建TAN。此外，提出了一種自適應(yīng)閾值策略ATA，用于ESP異常檢測(cè)。在線(xiàn)測(cè)量階段，將新樣本輸入TAN-ATA，實(shí)時(shí)獲取當(dāng)前異常情況。
圖2 TAN-ATA異常檢測(cè)流程
具體來(lái)說(shuō)，首先將片段輸入LSTM單元，而后來(lái)自編碼器層的隱藏狀態(tài)
將通過(guò)時(shí)間注意力層加強(qiáng)時(shí)間相關(guān)性建模，并生成權(quán)值系數(shù)
,及生成最終的時(shí)間加權(quán)隱藏狀態(tài)
，與編碼過(guò)程類(lèi)似，
，
以及
作為解碼器LSTM單元的輸入以實(shí)現(xiàn)對(duì)隱藏狀態(tài)
的生成。緊接著，線(xiàn)性映射被用于生成重構(gòu)信號(hào)
。并且上述過(guò)程將在時(shí)間維度上重復(fù)展開(kāi)，直至輸出完整的重構(gòu)信號(hào)。最后，利用原始信號(hào)
與重構(gòu)信號(hào)
的MSE損失更新時(shí)間注意力網(wǎng)絡(luò)的模型參數(shù)。
雖然TAN模塊可以用于復(fù)雜的潛油電泵過(guò)程建模，但在整個(gè)建模過(guò)程中不可避免地會(huì)受到噪聲的影響。在這種情況下，采用固定閾值的報(bào)警方式來(lái)識(shí)別異常，則由于閾值無(wú)法調(diào)整，可能會(huì)出現(xiàn)大量誤報(bào)。此外，如果閾值設(shè)置得太高，則很容易忽略異常，這可能非常危險(xiǎn)。由于不確定的噪聲會(huì)導(dǎo)致潛油電泵重構(gòu)數(shù)據(jù)的殘差分布發(fā)生偏斜，因此我們將重點(diǎn)放在基于樹(shù)的回歸方法上。因?yàn)楫?dāng)與采樣技術(shù)配對(duì)時(shí)，它能表現(xiàn)出很強(qiáng)的抗偏性。進(jìn)一步的由于XGBoost回歸模型在計(jì)算復(fù)雜性和綜合性能之間具有較好的平衡，我們最終選擇其以生成自適應(yīng)閾值。此外，為了減少有限采樣導(dǎo)致的自適應(yīng)動(dòng)態(tài)閾值波動(dòng)不均勻?qū)Ξ惓z測(cè)性能的影響，我們進(jìn)一步引入3σ原理對(duì)自適應(yīng)動(dòng)態(tài)閾值進(jìn)行微調(diào)。主要流程如下：
計(jì)算所有時(shí)間切片樣本的均值作為回歸模型的輸入：
計(jì)算驗(yàn)證集樣本的殘差
作為回歸模型的輸出：
利用
以及
對(duì)XGBoost回歸模型
中的模型參數(shù)
進(jìn)行訓(xùn)練：
使用統(tǒng)計(jì)調(diào)整策略(3σ原理)對(duì)預(yù)測(cè)殘差進(jìn)行微調(diào):
在線(xiàn)異常檢測(cè)時(shí)，對(duì)于新的時(shí)間序列片段，首先利用時(shí)間注意力網(wǎng)絡(luò)生成殘差。而后利用自適應(yīng)閾值模塊生成與之對(duì)應(yīng)的自適應(yīng)閾值
。
傳統(tǒng)模型與本文方法的各項(xiàng)回歸評(píng)價(jià)指標(biāo)比較如表1所示，其中每個(gè)測(cè)量結(jié)果為10次重復(fù)的平均值。一般F(%)越小，T(hours)越大，A(%)越大，說(shuō)明預(yù)測(cè)越準(zhǔn)確。很明顯，所提出的TAN-ATA在F(%)，T(hours)，A(%)優(yōu)于其他對(duì)比方法，證明了其優(yōu)越性。
表1 各類(lèi)方法的性能比較
此外，TAN-ATA在不同測(cè)試數(shù)據(jù)集上的異常檢測(cè)結(jié)果如圖3所示。自適應(yīng)動(dòng)態(tài)閾值可以很好地處理ESP正常運(yùn)行過(guò)程中噪聲引起的誤報(bào)且不會(huì)引起報(bào)警的滯后。
圖3 TAN-ATA在不同測(cè)試樣本的檢測(cè)效果
結(jié)論:
本文提出了一種新的用于潛油電泵異常檢測(cè)的時(shí)間注意力與自適應(yīng)閾值方法。為了實(shí)現(xiàn)具有無(wú)標(biāo)簽、多變量、非線(xiàn)性和動(dòng)態(tài)特性的潛油電泵數(shù)據(jù)的重構(gòu)建模，提出的方法利用基于時(shí)序自編碼的體系結(jié)構(gòu)。在此基礎(chǔ)上，引入時(shí)間注意機(jī)制來(lái)提高潛油電泵建模的性能，并提出了一種新的自適應(yīng)閾值調(diào)整策略來(lái)降低噪聲引起的狀態(tài)波動(dòng)引起的誤報(bào)高的問(wèn)題。實(shí)驗(yàn)結(jié)果證明了所提出的TAN-ATA的有效性和優(yōu)越性。
通訊作者簡(jiǎn)介:
李康，師資博士后，博士，中國(guó)石油大學(xué)（北京）人工智能學(xué)院自動(dòng)化系教師，主要研究方向?yàn)楣收显\斷與容錯(cuò)控制。