一种确定抽油机停机时间的方法及装置

技术领域

本发明涉及油气开发技术领域，尤其涉及一种确定抽油机停机时间的方法及装置。

背景技术

油气开发是指对已探明的油气田实施产能建设和油气生产的经济活动，其中产能建设是指完成开发井网钻井和相应的地面设施的工程，而抽油机即为地面设施中使用极为广泛的采油机器，其具有结构简单、制造容易等特点，特别是可以长期在油田全天候运转，使用可靠。

然而，在油气开发过程中，抽油机有时候会因为一些因素而停止工作，而对于这种情况，现有技术中往往通过人力对其停机情况进行记录并整理，但由于抽油机的停机因素的复杂性以及停机时间的不确定性，单凭人力很难找到规律，因此，现有技术存在无法快速、准确的对抽油机未来可能停机的时间进行预测的问题，使得业务人员后续不能及时对抽油机进行排查和维护，进而耽误工作进度。

发明内容

鉴于上述问题，本发明提供一种确定抽油机停机时间的方法及装置，主要目的是为了快速、准确的对抽油机未来可能停机的时间进行预测，以便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。

为解决上述技术问题，本发明提出以下方案：

第一方面，本发明提供了一种确定抽油机停机时间的方法，所述方法包括：

根据预设的配置内容获取抽油机的目标数据；

按照预置规则对所述目标数据进行处理，以获得待应用数据，所述待应用数据为表示所述抽油机停机时间的数据；

基于预设周期对所述待应用数据进行划分，并计算所述抽油机在不同预设周期下的停机时间，其中，每个停机时间对应至少一个停机因素；

利用所述多个历史周期的停机时间以及停机因素训练停机预测模型，所述停机预测模型用于预测所述抽油机相邻周期的停机结果；

将当前周期的停机时间和停机因素输入所述停机预测模型，得到所述抽油机在下一周期的停机结果。

第二方面，本发明提供了一种确定抽油机停机时间的装置，所述装置包括：

获取单元，用于根据预设的配置内容获取抽油机的目标数据；

处理单元，用于按照预置规则对所述获取单元得到的目标数据进行处理，以获得待应用数据，所述待应用数据为表示所述抽油机停机时间的数据；

计算单元，用于基于预设周期对所述处理单元得到的待应用数据进行划分，并计算所述抽油机在不同预设周期下的停机时间，其中，每个停机时间对应至少一个停机因素；

训练单元，用于利用所述计算单元得到的多个历史周期的停机时间以及停机因素训练停机预测模型，所述停机预测模型用于预测所述抽油机相邻周期的停机结果；

确定单元，用于将当前周期的停机时间和停机因素输入所述训练单元得到的停机预测模型，得到所述抽油机在下一周期的停机结果。

为了实现上述目的，根据本发明的第三方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述第一方面所述的确定抽油机停机时间的方法。

为了实现上述目的，根据本发明的第四方面，提供了一种电子设备，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述第一方面所述的确定抽油机停机时间的方法。

借由上述技术方案，本发明提供的一种确定抽油机停机时间的方法及装置，是在需要对抽油机未来停机时间进行确定时，先根据预设的配置内容获取抽油机的目标数据，再按照预置规则对目标数据进行处理，以获得待应用数据，待应用数据为表示抽油机停机时间的数据，然后基于预设周期对待应用数据进行划分，并计算抽油机在不同预设周期下的停机时间，其中，每个停机时间对应至少一个停机因素，接着利用多个历史周期的停机时间以及停机因素训练停机预测模型，停机预测模型用于预测抽油机相邻周期的停机结果，最后将当前周期的停机时间和停机因素输入停机预测模型，得到抽油机在下一周期的停机结果。通过本发明提供的确定抽油机停机时间的方案，可以摆脱通过人力对抽油机停机情况进行记录并整理以对其停机规律进行预测的弊端，能够快速、准确的对抽油机未来可能停机的时间进行预测，从而便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种确定抽油机停机时间的方法流程图；

图2示出了本发明实施例提供的另一种确定抽油机停机时间的方法流程图；

图3示出了本发明实施例提供的一种确定抽油机停机时间的装置的组成框图；

图4示出了本发明实施例提供的另一种确定抽油机停机时间的装置的组成框图；

图5示出了本发明实施例提供的创建停机预测模型的神经网络示意图；

图6示出了本申请实施例提供的一种设备的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

油气开发是指对已探明的油气田实施产能建设和油气生产的经济活动，其中产能建设是指完成开发井网钻井和相应的地面设施的工程，而抽油机即为地面设施中使用极为广泛的采油机器，其具有结构简单、制造容易等特点，特别是可以长期在油田全天候运转，使用可靠，然而，在油气开发过程中，抽油机有时候会因为一些因素而停止工作，而对于这种情况，现有技术中往往通过人力对其停机情况进行记录并整理，但由于抽油机的停机因素的复杂性以及停机时间的不确定性，单凭人力很难找到规律，因此，现有技术存在无法快速、准确的对抽油机未来可能停机的时间进行预测的问题，使得业务人员后续不能及时对抽油机进行排查和维护，进而耽误工作进度。本发明实施例提供了一种确定抽油机停机时间方法，通过该方法能够快速、准确的对抽油机未来可能停机的时间进行预测，以便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。其具体执行步骤如图1所示，包括：

101、根据预设的配置内容获取抽油机的目标数据。

在本步骤中，需要说明的是，预设的配置内容为获取抽油机的目标数据所预先设置的具体配置参数信息，包括但不限于频率参数、范围参数和粒度参数等，其中，频率参数指对目标数据抽取的频率(比如：10分钟执行一次抽取任务)，范围参数指每次抽取的目标数据的范围(比如：抽取过去30分钟的数据)，粒度参数指目标数据抽取的粒度(比如：每5分钟抽取一条数据)，而目标数据中则包括但不限于抽油机的状态信息、历史工作时间、历史停机时间、停机因素、抽油机对应的油井信息等。

102、按照预置规则对目标数据进行处理，以获得待应用数据。

其中，待应用数据为表示抽油机停机时间的数据。在本步骤中，预置规则是用于将目标数据中的每个数据对应于抽油机状态信息的停机时间点拼接为停机时间段的处理规则，由于在步骤101中可知，对于目标数据是按照具体配置参数进行抽取的，即抽取的目标数据是表示抽取时间点所对应的抽油机状态信息，也就是某一时间点对应的抽油机的状态信息，而由于抽油机在工作或停机状态时，其对应的均是时间段，因此，就需要将多个时间点对应的抽油机的状态信息进行拼接，以获得抽油机对应的停机时间段，以便执行后续步骤103。

103、基于预设周期对待应用数据进行划分，并计算抽油机在不同预设周期下的停机时间。

其中，每个停机时间对应至少一个停机因素。在本步骤中，停机因素可以包括设备故障、采购信息、管理人员、天气、地理位置等几个方面的因素，而需要说明的是，不同周期在同一时间点的停机因素可以是不同的，而预设周期可以按照天、周、月等表示周期的单位进行设置，对此，本实施例不做具体限定，由于待应用数据为表示抽油机停机时间的数据，且其指代的是抽油机从开始投入使用至抽取目标数据时所对应的一段时间内的数据，因此，如果需要确定抽油机在未来一个周期内的停机时间，可以基于未来一个周期的周期形式对待应用数据进行划分，再分别计算不同预设周期下的停机时间，具体的，可以先获取每个预设周期下待应用数据中的停机时间，对比目标预设周期与指定预设周期的停机时间，确定抽油机在不同预设周期下的共同停机时间，将共同停机时间确定为目标预设周期的停机时间，其中，可将当前周期的上一周期作为目标预设周期，将目标预设周期的上一周期作为指定预设周期，通过两个历史周期之间的对比，即可确定上一周期相对于当前周期的公共停机时间，因此，在确定了抽油机在不同预设周期下的停机时间后，以及依照得出的停机时间可以同时获得该停机时间对应的停机因素，而基于停机时间和停机因素即可执行步骤104。

104、利用多个历史周期的停机时间以及停机因素训练停机预测模型。

其中，停机预测模型用于预测所述抽油机相邻周期的停机结果。在本步骤中，由于步骤103中已经获知了多个历史周期的停机时间和停机时间对应的停机因素，可以基于二者训练出用于预测所述抽油机相邻周期的停机结果的停机预测模型，其中，停机结果可以包括停机时间，还可以包括停机因素等，对此，本实施例不做具体限定。具体的，可以建立BP神经网络模型作为停机预测模型，而在训练停机预测模型之前，可以预先建立停机因素分类表，以便建立更为完整、准确的模型。具体可以分为以下几种：

表1

上述表1可以作为初始状态下的数据库，根据后续的使用，可以动态增加停机原因及因素，同时动态更改权重。而在建立模型初期可以只用一级分类作为参数输入，等到数据库有了一定数据量(即数据相对完善)，可以增加二级参数作为输入参数，并且根据情况不同，可以选择是否需要隐含层，因为停机时间及其对应的停机因素的变化是一个非线性回归方程，所以需要隐含层，隐含层的数量和隐含层参数的个数，对BP神经网络的学习效率起着至关重要的作用，具有一个隐含层的网络，可以向任何有理数逼近，而且能够以任意精度逼近函数，本算法采用构建只有一个隐含层的三层BP神经网络模型，防止网络复杂化和出现“过拟合”现象，对于隐含层参数，目前没有明确的公式可以计算出隐含层中参数个数，只有计算参数个数范围的公式，公式如下：

其中m为输入层参数、n为输出层参数、h为隐含层参数，a为常数，介于[1,10]之间。由上述讨论已知，m＝5,n＝1,所以隐含层参数的范围是[4,13]。根据以往经验对比，算法选用的隐含层参数为5，不过针对具体情况可以适当更改参数，具体情况可参照图5进行获知。

105、将当前周期的停机时间和停机因素输入停机预测模型，得到抽油机在下一周期的停机结果。

在本步骤中，由于上述步骤104中已经将停机预测模型训练完毕，因此，只需将抽油机当前周期的停机时间和对应的停机因素作为输入层参数m输入图5，即可直接输出抽油机下一周期的停机结果(即输出n),从而实现对抽油机未来可能停机的时间快速、准确的预测，以便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。

基于上述图1的实现方式可以看出，本发明实施例所提出的一种确定抽油机停机时间的方法，是在需要对抽油机未来停机时间进行确定时，先根据预设的配置内容获取抽油机的目标数据，再按照预置规则对目标数据进行处理，以获得待应用数据，待应用数据为表示抽油机停机时间的数据，然后基于预设周期对待应用数据进行划分，并计算抽油机在不同预设周期下的停机时间，其中，每个停机时间对应至少一个停机因素，接着利用多个历史周期的停机时间以及停机因素训练停机预测模型，停机预测模型用于预测抽油机相邻周期的停机结果，最后将当前周期的停机时间和停机因素输入停机预测模型，得到抽油机在下一周期的停机结果。通过本发明提供的确定抽油机停机时间的方案，可以摆脱通过人力对抽油机停机情况进行记录并整理以对其停机规律进行预测的弊端，能够快速、准确的对抽油机未来可能停机的时间进行预测，从而便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。

进一步的，本发明优选实施例是在上述图1的基础上，针对确定抽油机停机时间的过程进行的详细说明，其具体步骤如图2所示，包括：

201、根据配置内容中的参数信息获取预设时间段内的目标数据，预设时间段大于目标数据的采集频率对应的时间间隔。

在本步骤中，参数信息包括但不限于频率参数、范围参数和粒度参数等，其中，频率参数指对目标数据抽取的频率(比如：10分钟执行一次抽取任务)，范围参数指每次抽取的目标数据的范围(比如：抽取过去30分钟的数据)，粒度参数指目标数据抽取的粒度(比如：每5分钟抽取一条数据)，预设时间段可以为过去30分钟的目标数据，而目标数据的采集频率对应的时间间隔可以为10分钟，这样设置的目的在于能够保证本次抽取的目标数据与上一次抽取的目标数据存在重合时间段，由于采油厂施工现场一般在偏远地区，信号较差，工作时施工单位现场的硬件设备会定时发消息到信息中心(信息中心距离现场一般较远)，网络传输会有延迟，并且现有的采油公司，现场施工所产生的数据并不仅仅为某个部门使用，可能会有多个部门使用，所以各地的数据向信息中心传输，传输的数据量就非常大，而数据库的承载能力有限，所以如果某些时间数据量过大，数据入库就会排队，所以会造成延迟，因此，本次与上次抽取的目标数据存在重合时间段就可对两次抽取的数据进行对比验证，以便执行步骤202。

202、根据重合时间段验证所采集的目标数据与已采集的目标数据是否一致。

在本步骤中，若预设时间段可以为过去30分钟的目标数据，而目标数据的采集频率对应的时间间隔可以为10分钟，可知重合时间段为20分钟，示例性的，假设本次抽取目标数据的时间为3：00，抽取的是2：30-3：00的数据，而上次抽取目标数据的时间为2：50，抽取的是2：20-2：50的数据，也就是说，重合时间段为2：40-3:00，因此，基于该重合时间段的数据抽取了两次，也就可以通过验证两次抽取的同一时间段的数据是否一致，以降低网络延迟对于数据抽取所造成漏抽取的误差，从而保证数据抽取的完整性，进而提升后续对抽油机未来停机时间确定的准确性，若不一致，则执行后续步骤203。

203、基于所采集的目标数据对已采集的目标数据进行更新。

在本步骤中，一般而言，当上次抽取目标数据是存在网络延迟时，其所抽取的目标数据(即已采集的目标数据)是不完整的，因此，可以基于本次抽取或下次抽取的目标数据(直至网络不在延迟)对其进行覆盖更新，从而保证数据的完整性，而针对因网络延时而导致的数据不完整，其存在一下几种情况，示例性的，假设本次抽取数据的时间为3:30，停机时间段为03:05-03:20，抽取粒度为5分钟：

1、若03:05、03:20这两个停机时间对应的目标数据没有入库(进入数据库),那么03:30读取目标数据时，就读取不到上述两个目标数据或只能读取到一个目标数据，即得到的停机时间点可能为“03:10、03:15”“03:05、03:10、03:15、03：20”“03:10、03:15、03：20”，而在03:40再次对目标数据进行采集时，就读取到了03:05、03:20两个目标数据，但是上述两个目标数据没有存储在数据库中，所以就将这条数据作为新的数据,插入到数据库中，即“03:05、03:10、03:15、03:20”(如果03:40还没有读取到03:20的目标数据,说明数据还在延迟，后面的抽取时间03:50/4：00/4:10等，总有一个时间会读取03:20的目标数据，等到读取到时再更新)。

2、若03:05、03:20都入库了,那么03:30读取目标数据时，就能够读取到完整的目标数据，即“03:05、03:10、03:15、03:20”，正常来讲这个数据已经完整了，可以不用处理，但是由于施工现场的特殊性，为了防止现场重新推送数据(现场可能会发现某些数据传错了，会再更新数据)，也可以将重合时间段的数据进行更新操作，从而防止现场重新推送数据。

进一步的，由于步骤201中是根据配置内容中的参数信息获取预设时间段内的目标数据，而本次抽取目标数据相对于上次抽取的目标数据时，抽油机对应的油井是会变化的，例如某井已经停产、某井有间断性停产、不再关注的井、特殊关注的井等等，为了保证对数据抽取的精确性，现场工作人员会实时对油井设置标识，具体的，可以先检测抽油机对应油井标识的标识类型是否改变，若改变，则根据改变后的标识类型调整配置内容中的参数信息，再根据参数信息采集所述抽油机的目标数据，例如，针对停产的井和不再关注的井可以不在数据同步，对于间断性停产的井可以间断性停止数据抽取，对于特殊的井(即井的数据不稳定)，可以采用调整参数信息的方式进行抽取，从而提升目标数据在采集时的精确性，进而保证后续训练模型的精准性。

204、获取目标数据中的每个数据对应于抽油机状态信息的停机时间点。

在本步骤中，由于目标数据是按照配置内容中的参数信息获取的，因此，抽油机状态信息(即抽油机工作或停机)的时间与抽取目标数据的时间点是一致的，可以将其整理为停机时间表，如表2所示：

表2

205、基于停机时间点的顺序依次判断相邻两个停机时间点之间的时间间隔是否小于阈值。

在本步骤中，而由于抽油机在停机后，其对应的停机时间为一个时间段，因此就需要将不同的停机时间点进行拼接，以确实抽油机对应的停机时间段，其中，阈值的设置可以根据具体停机情况人为自定义设置，而通过阈值的不同，可以拼接出多组不同的停机时间段数据，基于上述多组不同停机时间段数据作为输入数据训练后续停机预测模型，可提升训练数据的多样性，从而保证停机预测模型的精确性和适用性。

206、将两个停机时间点拼接为一个时间段。

示例性的，若阈值对应的时间间隔为40分钟，则拼接后的时间段如表3所示：

表3

207、将拼接后的目标数据确定为待应用数据。

本步骤结合上述方法中步骤102中对于待应用数据的描述，故在此相同的内容不赘述。

208、基于预设周期对待应用数据进行划分，并计算抽油机在不同预设周期下的停机时间。

本步骤结合上述方法中步骤103中的描述，故在此相同的内容不赘述。需要说明的是，在对比目标预设周期与指定预设周期的停机时间，确定抽油机在不同预设周期下的共同停机时间时，其对比规则可以为当前周期相对于上一历史周期的共同停机时间，并以此类推，也可以为当前周期相对于每一历史周期的共同停机时间，对此，本实施例不做具体限定，当得到共同停机时间后，可将共同停机时间确定为目标预设周期的停机时间，基于不同的对比规则，能够得到多组不同的共同停机时间数据，从而进一步完善数据的多样性，并且由于输入的是共同停机时间，可进一步减少数据量，从而减小整体的计算负担，提升处理速度。

209、利用多个历史周期的停机时间以及停机因素训练停机预测模型。

其中，所述停机预测模型用于预测所述抽油机相邻周期的停机结果。本步骤结合上述方法中步骤104中的描述，故在此相同的内容不赘述，需要说明的是，在步骤208中可知，一个停机时间对应多个停机因素，且停机时间的停机类型不同，其可能对应的是停机时间段，也可能是停机时间点。因此，需要基于不同的停机类型确定停机因素，从而配合停机时间训练停机预测模型，具体的，可先获取多个历史周期的停机时间，再判断停机时间对应的停机类型，若停机类型为停机时间点，则根据停机时间点具有的停机因素对应的等级标识确定其对应的一个停机因素，若停机类型为停机时间段，则统计在停机时间段内各个停机因素的出现次数，通过出现次数以及停机因素对应的等级标识共同确定停机时间段对应的一个停机因素，最后利用多个历史周期的停机时间以及停机时间对应的一个停机因素训练停机预测模型，其中，等级标识是在输入停机时间对应的停机因素时共同设置的，其具体可参照表1，按照预设权重进行排序，即为设备故障为一级标识、采购信息为二级标识、管理人员为三级标识、天气为四级标识，地理位置为五级标识，由于在停机类型为停机时间点时，停机因素是基于该停机时间点的，因此，只需要通过等级标识进行确定即可，即将等级标识大的一个停机因素确定为该停机时间对应的停机因素。而停机类型为停机时间段时，其包含多个的停机时间点，而每个停机时间点都对应多个不同等级标识的停机因素，因此，可通过统计在停机时间段内各个停机因素的出现次数，通过出现次数以及停机因素对应的等级标识共同确定停机时间段对应的一个停机因素，即将出现次数多的且等级标识大的一个停机因素确定为该停机时间对应的停机因素。

210、将当前周期的停机时间和停机因素输入所述停机预测模型，得到抽油机在下一周期的停机结果。

本步骤结合上述方法中步骤105中的描述，故在此相同的内容不赘述。

进一步的，由于得到抽油机在下一周期的停机结果后，还需要将其通知到现场的工作人员，因此，在得到抽油机在下一周期的停机结果之后，方法还包括：获取停机结果中各个停机时间对应的停机因素；识别停机因素中各个停机因素的等级标识；通过等级标识在停机结果中的占比情况确定停机结果对应的停机预警信息；基于停机预警信息生成停机预警报告。其中，抽油机在下一周期的停机结果并非指代为一个停机时间，其有可能包括多个停机时间，因此，可计算多个停机时间对应的停机因素的等级标识的占比情况确定停机结果对应的停机预警信息，而停机预警信息中包括但不限于每个停机时间是否需要进行预警、以何种通知工作人员等信息，再基于停机预警信息生成停机预警报告，从而通知现场的工作人员，便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。

基于上述图2的实现方式可以看出，本发明实施例所提出的一种确定抽油机停机时间的方法，是在需要对抽油机未来停机时间进行确定时，根据配置丙容中的参数信息获取预设时间段内的目标数据，预设时间段大于目标数据的采集频率对应的时问间隔，使得相邻两次抽取的目标数据存在重合时间段，根据重合时间段验证所采集的目标数据与已采集的目标数据是否一致，从而判断出是否因网络延迟而造成目标数据漏获取的情况，而在不一致时，则基于所采集的目标数据对已采集的目标数据进行更新，从而补全因网络延迟导致遗漏的目标数据，从而保证目标数据获取的完整性，然后通过获取目标数据中的每个数据对应于抽油机状态信息的停机时间点，并基于停机时间点的顺序依次判断相邻两个停机时间点之间的时间间隔是否小于阈值，能够将时间间隔满足阈值的相邻数据进行拼接，即将相邻的将两个停机时间点拼接为一个时间段，从而确定出抽油机的停机时间段，还可以通过阈值的改变获得多组数据，以保证后续模型训练的多样性，使得后续模型更为准确，接着将拼接后的日标数据确定为待应用数据，再基于预设周期对待应用数据进行划分，并计算抽油机在不同预设周期下的停机时间，利用多个历史周期的停机时间以及停机因素训练停机预测模型，而其中停机时间为不同预设周期的共同停机时间，因此基于不同的对比规则，能够得到多组不同的共同停机时间数据，从而进一步完善数据的多样性，并且由于输入的是共同停机时间，可进一步减少数据量，从而减小整体的计算负担，提升处理速度，最后，通过将当前周期的停机时间和停机因素输入停机预测模型，得到抽油机在下一周期的停机结果，从而快速、准确的对抽油机未来可能停机的时间进行预测，便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。

进一步的，作为对上述图1-2所示方法实施例的实现，本发明实施例提供了一种确定抽油机停机时间的装置，该装置用于快速、准确的对抽油机未来可能停机的时间进行预测，以便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。该装置的实施例与前述方法实施例对应，为便于阅读，本实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。具体如图3所示，该装置包括：

获取单元301，用于根据预设的配置内容获取抽油机的目标数据；

处理单元302，用于按照预置规则对所述获取单元301得到的目标数据进行处理，以获得待应用数据，所述待应用数据为表示所述抽油机停机时间的数据；

计算单元303，用于基于预设周期对所述处理单元302得到的待应用数据进行划分，并计算所述抽油机在不同预设周期下的停机时间，其中，每个停机时间对应至少一个停机因素；

训练单元304，用于利用所述计算单元303得到的多个历史周期的停机时间以及停机因素训练停机预测模型，所述停机预测模型用于预测所述抽油机相邻周期的停机结果；

确定单元305，用于将当前周期的停机时间和停机因素输入所述训练单元304得到的停机预测模型，得到所述抽油机在下一周期的停机结果。

进一步的，如图4所示，所述装置还包括：

检测单元306，用于检测所述抽油机对应油井标识的标识类型是否改变；

调整单元307，用于若所述检测单元306检测到抽油机对应油井标识的标识类型改变，则根据改变后的标识类型调整所述配置内容中的参数信息；

采集单元308，用于根据所述调整单元307得到的参数信息采集所述抽油机的目标数据。

进一步的，如图4所示，所述获取单元301包括：

第一获取模块3011，用于根据所述配置内容中的参数信息获取预设时间段内的目标数据，所述预设时间段大于目标数据的采集频率对应的时间间隔；

验证模块3012，用于根据重合时间段验证所述第一获取模块3011所采集的目标数据与已采集的目标数据是否一致；

更新模块3013，用于若所述验证模块3012验证所采集的目标数据与已采集的目标数据不一致，则基于所述所采集的目标数据对所述已采集的目标数据进行更新。

进一步的，如图4所示，所述处理单元302包括：

第二获取模块3021，用于获取所述目标数据中的每个数据对应于抽油机状态信息的停机时间点；

第一判断模块3022，用于基于所述第二获取模块3021得到的停机时间点的顺序依次判断相邻两个停机时间点之间的时间间隔是否小于阈值；

拼接模块3023，用于若所述第一判断模块3022判断相邻两个停机时间点之间的时间间隔小于阈值，则将两个停机时间点拼接为一个时间段；

第一确定模块3024，用于将所述拼接模块3023拼接后的目标数据确定为待应用数据。

进一步的，如图4所示，所述计算单元303包括：

第三获取模块3031，用于获取每个预设周期下所述待应用数据中的所述停机时间，所述停机时间包括停机时间点与停机时间段；

对比模块3032，用于对比所述第三获取模块3031得到的目标预设周期与指定预设周期的停机时间，确定所述抽油机在不同预设周期下的共同停机时间；

第二确定模块3033，用于将所述对比模块3032得到的共同停机时间确定为所述目标预设周期的停机时间。

进一步的，如图4所示，所述训练单元304包括：

第四获取模块3041，用于获取所述多个历史周期的停机时间；

第二判断模块3042，用于判断所述第四获取模块3041得到的停机时间对应的停机类型；

第三确定模块3043，用于若所述第二判断模块3042得到的停机类型为停机时间点，则根据所述停机时间点具有的停机因素对应的等级标识确定其对应的一个停机因素；

所述第三确定模块3043，还用于若所述第二判断模块3042得到的停机类型为所述停机时间段，则统计在停机时间段内各个停机因素的出现次数，通过所述出现次数以及停机因素对应的等级标识共同确定所述停机时间段对应的一个停机因素；

训练模块3044，用于利用所述多个历史周期的所述停机时间以及所述停机时间对应的所述第三确定模块3043得到的一个停机因素训练停机预测模型。

进一步的，如图4所示，在得到所述抽油机在下一周期的停机结果之后，所述装置还包括：

所述获取单元301，还用于获取所述停机结果中各个停机时间对应的停机因素；

识别单元309，用于识别所述获取单元301得到的停机因素中各个停机因素的等级标识；

所述确定单元305，还用于通过所述识别单元309得到的等级标识在所述停机结果中的占比情况确定所述停机结果对应的停机预警信息；

生成单元310，用于基于所述确定单元305得到的停机预警信息生成停机预警报告。

本发明提供的一种确定抽油机停机时间的方法及装置，是在需要对抽油机未来停机时间进行确定时，先根据预设的配置内容获取抽油机的目标数据，再按照预置规则对目标数据进行处理，以获得待应用数据，待应用数据为表示抽油机停机时间的数据，然后基于预设周期对待应用数据进行划分，并计算抽油机在不同预设周期下的停机时间，其中，每个停机时间对应至少一个停机因素，接着利用多个历史周期的停机时间以及停机因素训练停机预测模型，停机预测模型用于预测抽油机相邻周期的停机结果，最后将当前周期的停机时间和停机因素输入停机预测模型，得到抽油机在下一周期的停机结果。通过本发明提供的确定抽油机停机时间的方案，可以摆脱通过人力对抽油机停机情况进行记录并整理以对其停机规律进行预测的弊端，能够快速、准确的对抽油机未来可能停机的时间进行预测，从而便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。

所述确定抽油机停机时间的装置包括处理器和存储器，上述获取单元、处理单元、计算单元、训练单元和确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来快速、准确的对抽油机未来可能停机的时间进行预测，以便于业务人员后续及时对抽油机进行排查和维护，进而保证工作进度。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述确定抽油机停机时间的方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述确定抽油机停机时间的方法。

本发明实施例提供了一种设备60，如图6所示，设备60包括至少一个处理器601、以及与处理器601连接的至少一个存储器602、总线603；其中，处理器601、存储器602通过总线603完成相互间的通信；处理器601用于调用存储器602中的程序指令，以执行上述的确定抽油机停机时间的方法。本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：

根据预设的配置内容获取抽油机的目标数据；

按照预置规则对所述目标数据进行处理，以获得待应用数据，所述待应用数据为表示所述抽油机停机时间的数据；

基于预设周期对所述待应用数据进行划分，并计算所述抽油机在不同预设周期下的停机时间，其中，每个停机时间对应至少一个停机因素；

利用所述多个历史周期的停机时间以及停机因素训练停机预测模型，所述停机预测模型用于预测所述抽油机相邻周期的停机结果；

将当前周期的停机时间和停机因素输入所述停机预测模型，得到所述抽油机在下一周期的停机结果。

进一步的，所述方法还包括：

检测所述抽油机对应油井标识的标识类型是否改变；

若改变，则根据改变后的标识类型调整所述配置内容中的参数信息；

根据所述参数信息采集所述抽油机的目标数据。

进一步的，根据预设的配置内容获取抽油机的目标数据，包括：

根据所述配置内容中的参数信息获取预设时间段内的目标数据，所述预设时间段大于目标数据的采集频率对应的时间间隔；

根据重合时间段验证所采集的目标数据与已采集的目标数据是否一致；

若不一致，则基于所述所采集的目标数据对所述已采集的目标数据进行更新。

进一步的，按照预置规则对所述目标数据进行处理，以获得待应用数据，包括：

获取所述目标数据中的每个数据对应于抽油机状态信息的停机时间点；

基于所述停机时间点的顺序依次判断相邻两个停机时间点之间的时间间隔是否小于阈值；

若小于，则将两个停机时间点拼接为一个时间段；

将拼接后的目标数据确定为待应用数据。

进一步的，计算所述抽油机在不同预设周期下的停机时间，包括：

获取每个预设周期下所述待应用数据中的所述停机时间，所述停机时间包括停机时间点与停机时间段；

对比目标预设周期与指定预设周期的停机时间，确定所述抽油机在不同预设周期下的共同停机时间；

将所述共同停机时间确定为所述目标预设周期的停机时间。

进一步的，利用所述多个历史周期的停机时间以及停机因素训练停机预测模型，包括：

获取所述多个历史周期的停机时间；

判断所述停机时间对应的停机类型；

若所述停机类型为停机时间点，则根据所述停机时间点具有的停机因素对应的等级标识确定其对应的一个停机因素；

若所述停机类型为所述停机时间段，则统计在停机时间段内各个停机因素的出现次数，通过所述出现次数以及停机因素对应的等级标识共同确定所述停机时间段对应的一个停机因素；

利用所述多个历史周期的所述停机时间以及所述停机时间对应的所述一个停机因素训练停机预测模型。

进一步的，在得到所述抽油机在下一周期的停机结果之后，所述方法还包括：

获取所述停机结果中各个停机时间对应的停机因素；

识别所述停机因素中各个停机因素的等级标识；

通过所述等级标识在所述停机结果中的占比情况确定所述停机结果对应的停机预警信息；

基于所述停机预警信息生成停机预警报告。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。