Методика прогнозирования отказа установок электроцентробежных насосов при отказе датчика термоманометрической системы

UDK: 622.276.53.054.23:621.67-83

DOI: 10.24887/0028-2448-2025-8-64-68

Ключевые слова: установка электроцентробежного насоса (УЭЦН), прогнозирование отказов, работа в условиях сниженного сопротивления изоляции, модель Кокса

Авт.: И.А. Лакман, к.т.н. (Уфимский университет науки и технологий); А.А. Агапитов (ООО «ИНТАС-Компани»); Л.Ф. Садикова (ООО «ИНТАС-Компани»); С.М. Гумеров (ООО «ИНТАС-Компани»); В.Г. Прытков (АО «Зарубежнефть»); А.Л. Тистол (АО «Зарубежнефть»); Д.А. Чернов (ООО «ЗАРУБЕЖНЕФТЬ-добыча Харьяга»); С.В. Благородов (ООО «ЗАРУБЕЖНЕФТЬ-добыча Харьяга»)

Одной из проблем получения достоверных прогнозов отказов погружного насосного оборудования является отсутствие необходимых данных о причинах отказа датчика погружной телеметрической системы (ТМС). Целью исследования было построение достоверной модели прогнозирования отказов установок электроцентробежных насосов (УЭЦН) из-за снижения сопротивления изоляции при отказе датчика погружной ТМС. Исходной информацией служили данные, полученные на месторождении по 76 скважинам в 2018–2024 гг. Статистический анализ показал, что вероятность отказа УЭЦН после отказа датчика ТМС в первые 30 сут самая высокая, затем она снижается и спустя полгода снова начинает увеличиваться. В качестве факторов влияния на отказ в модели использовались как хронологические отклонения за 30 сут рабочего тока двигателя и мгновенной активной мощности, так и их разности с соответствующими текущими среднесуточными значениями. В качестве модели прогнозирования использовали регрессию пропорциональных рисков Кокса с учетом фактора времени, прошедшего после отказа датчика ТМС. В результате тестирования модель предсказала четыре из шести отказов УЭЦН, работающих со сниженным сопротивлением изоляции. Опытно-промышленная эксплуатация программного модуля системы «АРМ технолога», разработанного на основе полученной модели, показала приемлемую точность в предсказании (три отказа из пяти) за 5 мес на месторождении ООО «ЗАРУБЕЖНЕФТЬ-добыча Харьяга».

Список литературы

1. Прогнозирование наработки на отказ, выбор исполнения и оптимизация закупок установок электроцентробежных насосов для осложненного фонда скважин / А.А. Сабиров, А.В. Деговцов, И.В. Кузнецов [и др.] // Территория Нефтегаз. – 2019. – № 7–8. – С. 44–48. – EDN: IMAHPU

2. Данилко А.И., Стукач О.В. Программный модуль для оценки вероятности отказов скважинных электроцентробежных насосов // Сборник научных трудов Новосибирского государственного технического университета. – 2020. – № 1–2 (97). – С. 55–66. – https://doi.org/10.17212/2307-6879-2020-1-2-55-66. – EDN: OKUUKX

3. Шпортко А.А., Кулаев Э.Г. Комплексный анализ эксплуатации и отказов УЭЦН // Оборудование и технологии для нефтегазового комплекса. – 2013. – № 6. – С. 25–29. – EDN: RQALCD

4. Дышин О.А., Абасова С.М. Оценка эксплуатационной надежности погружных электронасосов с использованием цензурированных выборок // Научные труды НИПИ Нефтегаз ГНКАР. – 2013. – № 4. – С. 61–68. – https://doi.org/10.5510/OGP20130400179. – EDN: RSZZMH

5. Соловьев И.Г., Говорков Д.А., Константинов И.В. Факторная модель динамики освоения эксплуатационного ресурса ЭЦН и правила ее сопровождения // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2022. – Т. 333. – № 9. – С. 158–167. – https://doi.org/10.18799/24131830/2022/9/3541. – EDN: AAPBNL

6. Шабонас А.Р. Оптимизация работы электроцентробежного насоса для повышения наработки на отказ // Нефтепромысловое дело. – 2021. – № 8 (632). – С. 30–36. – https://doi.org/10.33285/0207-2351-2021-8(632)-30-36. – EDN: QXQQPC

7. Повышение эффективности эксплуатации осложненных нефтяных скважин с помощью интеллектуальных алгоритмов / Р.М. Еникеев, А.В. Пензин, Б.М. Латыпов [и др.] // Строительство нефтяных и газовых скважин на суше и на море. – 2023. – № 8(368). – С. 50–58. – https://doi.org/10.33285/0130-3872-2023-8(368)-50-58. – EDN: RQTTHA

8. Diagnosis of Operating Conditions of the Electrical Submersible Pump via Machine Learning / J. Brasil, С. Maitelli, J. Nascimento [et al.] // Sensors. – 2023. – V. 23. – P. 279. – https://doi.org/10.3390/s23010279. – EDN: FOSZEO

9. Experimental data-driven model development for ESP failure diagnosis based on the principal component analysis / Y. Song, S. Jun, T.C. Nguyen [et al.] // Journal of Petroleum Exploration and Production Technology. – 2024. – V. 14. – P. 1521–1537. – https://doi.org/10.1007/s13202-024-01777-9. – EDN: NINUCP

10. Анализ возможности применения методов машинного обучения в предиктивной аналитике для определения вероятности остановок и отказов УЭЦН / И.А. Лакман, А.А. Агапитов, Л.Ф. Садикова [и др.] // Нефтяное хозяйство. – 2024. – № 8. – С. 132–136. – https://doi.org/10.24887/0028-2448-2024-9-

132-136. – EDN: NESHYM