ARTIFICIAL INTELLIGENCE-DRIVEN CLASSIFICATION WORKFLOW FOR DIAGNOSIS OF SUCKER ROD PUMP OPERATING CONDITIONS

Methods and systems are provided for monitoring the operation of a sucker rod pump (SRP), which involves a workflow that processes surface operational data and downhole operational data related to the operation of the SRP. The surface operational data is derived from real-time measurements performed...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: GUPTA, Supriya, UMATE, Piyush, SHARMA, Abhishek, AMBADE, Amey
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Methods and systems are provided for monitoring the operation of a sucker rod pump (SRP), which involves a workflow that processes surface operational data and downhole operational data related to the operation of the SRP. The surface operational data is derived from real-time measurements performed by surface-located sensors, while the downhole operational data is derived from real-time measurements performed by downhole sensors. The surface operational data is processed to generate input data for supply to a first machine learning model (e.g., Surface Data Classifier) and the downhole operational data is processed to generate input data for supply to a second machine learning model (e.g., Downhole Data Classifier). The output of at least one of the first and second machine learning models is used to characterize an operational condition or status of the SRP. L'invention concerne des procédés et des systèmes de surveillance du fonctionnement d'une pompe à tige de pompage (SRP), qui implique un flux de travail qui traite des données opérationnelles de surface et des données opérationnelles de fond de trou associées au fonctionnement de la SRP. Les données opérationnelles de surface sont dérivées de mesures en temps réel réalisées par des capteurs situés en surface, tandis que les données opérationnelles de fond de trou sont dérivées de mesures en temps réel réalisées par des capteurs de fond de trou. Les données opérationnelles de surface sont traitées pour générer des données d'entrée à fournir à un premier modèle d'apprentissage automatique (par exemple un classificateur de données de surface) et les données opérationnelles de fond de trou sont traitées pour générer des données d'entrée à fournir à un deuxième modèle d'apprentissage automatique (par exemple un classificateur de données de fond de trou). La sortie d'au moins l'un des premier et deuxième modèles d'apprentissage automatique est utilisée pour caractériser une condition ou un état opérationnel de la SRP.