随着我国工业化水平的不断提高以及进程的加快,经济社会发展对能源的需求量越来越大。在可持续发展大背景的要求下,环保清洁的能源越来越受到国家的重视。煤层气作为一种新型环保能源,在我国的能源结构中占有极其重要的地位。随着煤层气开采规模的日益扩大,煤层气井的安全生产显得尤其重要。我们希望在系统发生故障时能够做出快速、准确的诊断,将故障遏制在萌芽状态,降低故障发生的可能性,减少故障造成的设备等方面的损失,更希望在故障发生之前对系统的运行状态进行实时监测,对系统的运行状态做出预判,帮助现场工作人员动态调整生产过程。煤层气单井是煤层气传输系统的基本单元,对煤层气生产至关重要,因此本文主要涉及对煤层气单井的研究。传统的轮询排查费时费力,效率低,因此研究一种有效的故障诊断算法尤其重要。根据现场实际勘查发现当煤层气单井排采过程中发生故障时系统参数会有一定的趋势变化,这也是我们做故障诊断的主要依据。各排采参数之间存在一定的相关性即各参数不是相互独立的,它们之间是相互影响,相互制约的关系。因此传统的基于原始数据的分类算法诸如支持向量机,神经网络分类算法等,就无法有效应用于煤层气井的故障诊断。各煤层气井的分布区域广泛且各井所处的地域条件也有所不同,即单井排采系统的排采过程会受到多种因素的影响。这些因素中既有己知的,也有未知的,这就使得各排采系统有一定的灰色性,即单井排采过程处于一个灰色过程,各排采参数的变化也是一个灰色的过程。基于煤层气排采系统生产过程中出现的问题,本文提出一种基于灰色系统理论与时间序列理论的参数预测与故障诊断方法。首先利用灰色系统理论的GM(1,1)模型对各排采参数的时间序列建立灰色系统模型,进而提取各参数序列的趋势项。为了提高模型的预测精度,本文提出利用AR时间序列模型来对各参数序列的残差序列建立时间序列模型。将GM(1,1)趋势项模型与残差序列的AR模型相结合作为各参数序列的组合模型,来实现参数预测与故障诊断。本文的创新之处在于提出利用多参数时间序列趋势分析相结合的方法对系统的运行状态进行监测,利用模型特征量的典型特征参数进行故障诊断。仿真结果表明,该方法具有较好的实用性,可以有效应用于煤层气排采过程的故障诊断,具有良好的预测和诊断效果。