随着采油环境的日益复杂和科学技术的迅猛发展,采油作业对油井远程在线监测系统的要求越来越高。针对目前油井远程在线监测系统存在的不足,本文提出了基于TD-LTE通信的油井远程在线监测与故障诊断解决方案。根据油井设备工况复杂及易出故障的特点,本文在监测软件中加入一种基于PSO粒子群优化BP神经网络的油井故障诊断方法。该方法利用故障样本数据训练BP神经网络,提取特征参数之间的非线性关系,实现油井典型故障的分类识别;利用PSO算法优化BP神经网络的权值和阈值,提高网络训练的收敛速度和故障识别的正确率。通过LabVIEW监测软件调用MATLAB节点程序,实现实时故障诊断。本研究系统主要包括硬件、软件和故障诊断算法三部分,硬件部分包括远程终端单元和TD-LTE无线通信模块的设计;软件部分包括LabVIEW在线监测软件、TD-LTE无线通信模块的配置程序等;故障诊断算法是在采集的数据样本基础上,利用PSO优化BP神经网络算法,对数据进行分析研判,找出故障数据,给出故障原因。经过测试表明,该监测系统能够完成数据的在线实时传输,LabVIEW软件参数显示准确,人机交互界面友好,故障诊断准确率高,可以油井运行的可靠性和工作效率。