Определение режимов работы газовой скважины

Цель

На основании данных температуры и давления, снятых на протяжении всего ствола шахты определить режимы работы скважины.

Наше решение

Мы разработали автоэнкодер на основе нейронной сети на движке PyTorch, который способен автоматически восстанавливать входные сигналы на выходе, сравнивая восстановленный результат с исходным. Таким образом, мы получаем информацию об отклонениях в работе оборудования.

В рамках данного кейса в качестве исходных данных были использованы данные об изменении температуры в шахте в течении определенного временного промежутка.

На визуальном представлении данных можно увидеть, что в разный момент времени колебания температур имеют разный характер.

Мы обучили автоэнкодер, используя данные на коротком участке графика. Автоматическая кластеризация показала, что значения температуры в разные моменты времени могут быть объединены по определенному признаку.

На основании полученных кластеров был построен график отклонения состояния скважины от заранее выбранного нами “нормального” состояния (участок графика выбранный для обучения нейронной сети)

Автоматическая кластеризация выделяет основные группы векторов отклонений, которые соответствуют режимам работы шахты.

Этот же график, только на протяжении всего выбранного для изучения участка.

В ходе работы обнаружено три основных режима работы шахты, соответствующие работе скважины в режиме откачки воды, в режиме с отсутствием воды и в режиме с наполнением скважины водой.

Позвольте нам помочь вашему бизнесу

Позвоните нам ai@jet.team

Напишите нам

Спасибо! Ваше сообщение успешно доставлено!
Что-то пошло не так при отправке сообщения.

© Все права защищены. JetTeam Политика конфиденциальности