1.一种基于示功图的游梁式抽油系统频率与电压柔性智能协调优化方法，其特征在于，包括：获取同一周期下的历史示功图和电功图，结合光杆等效负载扭矩和电机驱动扭矩的关系，建立P‑T示功图与电功图的映射模型；

利用示功仪实时自动采集游梁式抽油系统示功图数据；

基于P‑T示功图映射特征点为抽油系统特征参数，建立基于示功图的频率与电压柔性智能协调优化模型；

以任意波动负载及实时示功图映射特征为输入，基于示功图的频率与电压柔性智能协调优化模型，实时预测并确定游梁式抽油系统最优频率和最优电压；

利用P‑T示功图与电功图的映射模型得到游梁式抽油系统最优频率和最优电压对应的示功图最优负载；

建立基于示功图的频率与电压柔性智能协调优化模型，包括：

建立柔性变频调压游梁式抽油系统机电耦合动力学模型，分析系统动态特性、节能机理及柔性变频与柔性调压耦合关系，设计频率与电压柔性同步协调优化模型；

选用P‑T示功图映射特征点为抽油系统特征参数，并根据游梁式抽油机井平衡状态，确定数据分类标准；

以柔性同步协调优化模型输出的示功图负载对应的频率电压为源域数据集和目标域数据集，基于数据分类标准，采用BP神经网络对输入的示功图进行智能分类；

对分类数据进行初步正则化处理，采用能够处理时间序列数据的神经网络建立P‑T示功图与最优频率及最优电压映射关系，选用电动机输入功率、电动机输入功率一阶导数及电动机输入功率二阶导数为网络输入参数，建立基于示功图的频率与电压柔性智能协调优化模型；

建立P‑T示功图与电功图的映射模型，包括：

收集同一周期下的历史示功图和电功图；

将示功图转化为纵坐标为负载、横坐标为时间的P‑T示功图；

同一周期下对比P‑T示功图与电功图，得到P‑T示功图与电功图的映射关系；

基于P‑T示功图与电功图的映射关系，确定电功图负载的波峰、波谷和负载为0的点对应在P‑T示功图上的映射特征点，并根据光杆负载与电机负载的数学关系，得到示功图负载和频率电压的对应关系，将其作为训练数据对，建立P‑T示功图与电功图的映射模型。

2.根据权利要求1所述的基于示功图的游梁式抽油系统频率与电压柔性智能协调优化方法，其特征在于，获得光杆等效负载扭矩和电机驱动扭矩的关系，包括：假设地面系统各传动构件为刚性构件且忽略各传动副间隙；以感应电动机输出轴为等效构件，将从电动机输出轴到光杆的地面系统各传动构件的质量与转动惯量等效到电动机输出轴，建立单自由度的地面传动系统运动规律力学模型： ；

其中， 为地面系统等效驱动扭矩，单位是N·m， 为地面系统等效负载扭矩，单位是N·m，为电动机输出轴到光杆所有运动构件的质量与转动惯量转化到电动机输出轴处2

的等效转动惯量，单位是kg·m， 为电动机转子转角，单位是rad；

对游梁支座与游梁连接点D处列力矩平衡方程，得到连杆轴向力 ；

对连杆列力平衡方程，得到连杆作用在曲柄运动方向上的切向力 ；

对曲柄旋转中心列力矩平衡方程，然后将 和 代入，得到曲柄轴等效负载扭矩如下：；

其中， 为曲柄平衡重质心到曲柄旋转中心的距离，单位是m； 为曲柄的长度，单位是m； 为曲柄质心到曲柄旋转中心的距离，单位是m； 为曲柄自重，单位是N； 为曲柄平衡重自重，单位是N；为曲柄平衡滞后角，单位是rad；为曲柄相对竖直方向的夹角，单位是rad； 为曲柄与基杆的夹角，单位是rad；为连杆与基杆的夹角，单位是rad； 为游梁与基杆的夹角，单位是rad； 为游梁后臂的长度，单位是m； 为光杆载荷，单位是N； 为游梁前臂的长度，单位是m； 为游梁自重，单位是N； 为游梁质心到游梁旋转中心的距离，单位是m；α为基杆相对竖直方向的夹角，单位是rad； 为游梁平衡重质心到游梁旋转中心的长度，单位是m； 为游梁平衡重自重，单位是N； 为游梁平衡重滞后角，单位是rad； 为轴承C的机械传动效率； 为轴承D的机械传动效率； 为连杆自重，单位是N； 为能量流向系数； 为轴承B的机械传动效率；k3为能量流向系数。

3.根据权利要求1所述的基于示功图的游梁式抽油系统频率与电压柔性智能协调优化方法，其特征在于，建立柔性变频调压游梁式抽油系统机电耦合动力学模型，包括：基于感应电动机瞬态等效电路，考虑时变频率、时变电压及时变电磁参数对电动机机械特性影响，建立柔性变频调压感应电动机动态仿真模型；

考虑各传动副时变摩擦对地面传动系统各构件扭转振动影响，建立地面系统多体动力学仿真模型；

综合考虑柔性变频调压驱动时电动机转动、地面系统传动、井下杆柱纵向振动、抽油泵往复运动及油液流动的相互耦合作用，建立柔性变频调压游梁式抽油系统机电耦合动力学仿真模型。

4.根据权利要求1所述的基于示功图的游梁式抽油系统频率与电压柔性智能协调优化方法，其特征在于，所述BP神经网络包括：输入层、隐藏层和输出层；

采用BP神经网络对输入的示功图进行智能分类，包括：

把示功图特征参数从输入层进行输入，信号经过各个隐藏层的处理后，最后从输出层传出过平衡、平衡、欠平衡三种分类。

5.根据权利要求1所述的基于示功图的游梁式抽油系统频率与电压柔性智能协调优化方法，其特征在于，所述基于示功图的频率与电压柔性智能协调优化模型的训练包括：将最优柔性频率和最优柔性电压与所述示功图组成训练数据对；

基于所述训练数据对对所述基于示功图的频率与电压柔性智能协调优化模型进行多次循环优化，得到最优神经元权重系数；

所述优化包括：

计算所述基于示功图的频率与电压柔性智能协调优化模型输出的优化柔性频率、优化柔性电压与所述最优柔性频率、最优柔性电压之间的误差；

把误差信号从最后一层逐层反传，从而获得各个层的误差学习信号，然后再根据误差学习信号来修正各层神经元的权值。

6.根据权利要求1所述的基于示功图的游梁式抽油系统频率与电压柔性智能协调优化方法，其特征在于，还包括：仿真测试频率与电压，基于预测效果修正基于示功图的频率与电压柔性智能协调优化模型。

7.一种计算机可读存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时，执行所述权利要求1至6中任一项权利要求所述的基于示功图的游梁式抽油系统频率与电压柔性智能协调优化方法。

8.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序运行执行所述权利要求1至

6中任一项权利要求所述的基于示功图的游梁式抽油系统频率与电压柔性智能协调优化方法。