演化工况下油井生产系统的开放世界异常检测

《Petroleum Science》:Open-world anomaly detection for oil-well production systems under evolving operating conditions

【字体: 大 中 小 】 时间:2026年08月29日 来源:Petroleum Science 6.4

编辑推荐:

  可靠识别异常生产事件对于油井安全高效运行至关重要。未被检测到或误分类的异常可能导致干预延迟、产量损失和运行风险增加。在实际生产系统中,井况可能因流量变化、传感器噪声和复杂生产扰动而随时间变化。这些变化使得异常事件识别具有挑战性,尤其是当新兴异常偏离先前观察到的

  
可靠识别异常生产事件对于油井安全高效运行至关重要。未被检测到或误分类的异常可能导致干预延迟、产量损失和运行风险增加。在实际生产系统中,井况可能因流量变化、传感器噪声和复杂生产扰动而随时间变化。这些变化使得异常事件识别具有挑战性,尤其是当新兴异常偏离先前观察到的生产模式时。为应对这些挑战,本研究提出一种自适应开放世界异常检测框架,用于智能油井监测。采用MiniROCKET从多变量生产数据中提取时间特征。基于这些特征,开发了一种自适应异常识别策略,融合预测不确定性、特征空间相似性和时间变化。该策略使模型能够将偏离已知异常模式的生产行为标记为未知事件。为支持演化生产环境中的模型更新,进一步引入增量学习机制,结合重放、知识蒸馏和参数正则化,以融入新观察到的异常类别,同时减少对先前学习类别的灾难性遗忘。在油井监测数据上的实验表明,所提出方法在演化运行条件下改善了异常分类和未知事件检测性能。该框架为油井生产系统中的智能生产监测和自适应异常事件管理提供了有效解决方案。
演化工况下油井生产系统的开放世界异常检测研究解读

油井生产系统在复杂且不断演化的条件下运行,多相流行为、压力波动、水合物生成和操作扰动等因素可显著影响生产安全。严重段塞流、生产不稳定、水合物堵塞和阀门异常等事件可能导致生产中断、设备损坏和环境风险。传统异常检测方法,如支持向量机(SVM)和随机森林(RF),依赖人工设计特征,鲁棒性有限;深度学习方法虽能捕捉时序依赖,但大多基于封闭集学习假设,即训练时已预设全部异常类别。实际生产中,由于地质变化和操作条件调整,新型故障模式会随时间出现,封闭集分类器会将其误判为已知类并给出高置信度预测,从而延误干预。同时,顺序学习新类别还会引发灾难性遗忘。为解决上述问题,研究人员提出了统一的自适应几何增强开放世界学习(SAGE-OWL)框架,论文发表在《Petroleum Science》。该框架将多变量时间序列(multivariate time series, MTS)特征表示、新颖性检测和持续学习整合于同一流程,以实现演化工况下可靠、自适应的异常事件管理。

在主要技术方法方面,研究人员使用公开的3W数据集,该数据集包含来自真实、模拟和手工油井场景的1,984个生产监测实例,涵盖正常状态及9类异常,采样频率为1 Hz,变量包括压力、温度和流量等。原始信号经滑动窗口(长度256、步长256)切分为固定长度片段,并按原始序列划分训练、验证和测试集,避免数据泄漏。然后采用MiniROCKET提取时间特征,使用5,000个固定卷积核,以正比例值(PPV)统计生成鲁棒的时序表示,输入多层感知机(MLP)进行分类并得到嵌入。自适应几何与分布感知拒绝方法(AGDR)融合不确定性分数、几何分数、时间一致性分数和能量因子,通过分阶段自适应融合与类自适应阈值判定未知样本。持续学习方面,采用不确定性引导的重放记忆,结合知识蒸馏、原型对齐和弹性权重巩固(EWC)等多级约束,缓解灾难性遗忘。

研究结果如下。

3.1 实验设置
研究人员对3W数据集按7:1:2划分为训练、验证和测试集,每个原始序列生成的窗口不跨划分,保证评估可靠性。MiniROCKET核数为5,000,持续学习阶段的学习率为5×10-4,批大小为64,每类重放样本数为600。

3.2 评估指标
已知异常识别使用Accuracy、Macro-F1和Weighted-F1评估;未知异常检测使用AUROC、AUPR和FPR95评估,分别衡量不同阈值下的判别能力与高召回条件下的误报率。

3.3 与SOTA异常检测方法比较
对比传统机器学习、CNN、Transformer及近期时间序列模型后,SAGE-OWL在三个指标上均取得最优,准确率为0.9430,Macro-F1为0.9405,Weighted-F1为0.9428。与MLP基线相比,精度从0.8938提升到0.9430,说明性能提升主要来自MiniROCKET时间特征而非分类器复杂度。混淆矩阵分析显示,类2(DHSV误关闭)和类8(管线水合物)因压力
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号