基于卷积神经网络的气井油管液位下方气体泄漏声波检测
Acoustic detection of gas leakage under tubing liquid level based on convolutional neural network in gas wells作者机构：中国石油大学(北京)安全与海洋工程学院北京102249 应急管理部油气生产安全与应急技术重点实验室北京102249 中国石油集团安全环保技术研究院有限公司北京102206 中国石油大学(北京)人工智能学院北京102249
出 版 物：《应用声学》 (Journal of Applied Acoustics)
年 卷 期：2024年第43卷第4期
页 面：765-774页
学科分类：08[工学] 0837[工学-安全科学与工程]
主 题：气井 油管液位下方泄漏 卷积神经网络 泄漏识别 声波
摘 要：气井油管泄漏问题一直普遍存在于油气生产中。针对油管液位下方泄漏声波特性不明、识别困难的问题,建立了基于声波和卷积神经网络的气井油管液位下方泄漏检测方法。首先搭建了可视化的油管泄漏模拟试验装置,进行了典型工况下的泄漏声波检测试验,然后在时频域内分析了液位下方泄漏的声波信号,最后利用自主搭建的卷积神经网络模型用于油管泄漏检测,将声波信号经过短时傅里叶变换获取的时频图作为模型的输入进行模型参数训练。结果表明,液位下方泄漏声波均方根值和绝对均值随着泄漏流量、液位深度的增加而增大,液位下方泄漏声波时频谱明显区别于其他工况,所提模型泄漏识别准确率可达99.33%,与基于极限学习机,支持向量机的识别模型相比较,所提模型识别准确率更高,验证了所提方法的有效性。
维普期刊数据库
同方期刊数据库