潜油螺杆泵采油系统因其井口装置简单、输送介质范围广、效率高等特点,在各大油田应用数量逐年增加。然而,由于潜油螺杆泵重要部件主要集中在井下,发生故障时难以直接判断其故障形式,严重影响机组寿命和油井正常生产,同时阻碍了潜油螺杆泵的推广应用。为解决潜油螺杆泵故障形式难以判别的问题,本文拟开展潜油螺杆泵故障诊断研究。通过对潜油螺杆泵进行工作特性分析,分析潜油螺杆泵各工作特性变化对其工作状态的影响,提出两种应用于不同情况的潜油螺杆泵故障诊断方法,主要内容如下:(1)以潜油螺杆泵采油系统为研究对象,分析其常见故障类型以及螺杆泵的运动特性、力学特性、水力特性和效率特性,并找出潜油螺杆泵工作特性变化对其工作状态影响的相互关系;(2)提出一种基于概率神经网络的潜油螺杆泵采油系统故障诊断方法。将小波包时频分析与概率神经网络相结合,以有功功率以及产量、油压、套压和动液面深度共同作为潜油螺杆泵工作状态的表征参数,建立潜油螺杆泵故障诊断模型,并以Matlab GUI为平台,开发潜油螺杆泵故障诊断软件;(3)利用统计学的方法,结合Hadoop大数据处理平台,基于集成学习法和CART算法,建立随机森林模型,利用潜油螺杆泵采油系统的六个连续变量、四个分类变量以及螺杆泵故障类别共同进行决策树的训练,由多棵决策树共同构成随机森林模型。将待测潜油螺杆泵井的参数数据输入随机森林模型,由所有决策树投票得出潜油螺杆泵故障类型,形成基于数据挖掘的潜油螺杆泵采油系统故障诊断方法。本论文针对不同数据类型,形成了基于概率神经网络和基于数据挖掘技术的两种潜油螺杆泵采油系统故障诊断方法,其准确率分别达到90.5%和92.8%。所形成的两种方法能够高效、准确的进行潜油螺杆泵故障分析诊断,从而减少油井生产损失,促进潜油螺杆泵在油田的进一步推广应用。