聚合物注入井高壓稀釋水流量調節技術

胡博文 大慶油田采油三廠

聚合物注入井高壓稀釋水流量調節技術

胡博文 大慶油田采油三廠

聚合物注入井高壓稀釋水流量調節控制是注入站自控系統主要任務之一。聚合物注入井高壓稀釋水流量調節系統主要由流量儀表、閥門、PLC控制器、上位機構成。系統采用最小二乘法擬合閥門開度與清水流量的關系，以掌握閥門特性。采用PLC控制可利用現場原有的控制系統，只需在PLC中增加幾個模擬量輸入、輸出模塊即可，成本較低，現場閥位數據可通過PLC上傳至上位機，操作人員只需在電腦旁就可觀測現場所有設備運行情況，既可在現場手動調節閥門也可通過電腦操作調節閥門，降低投資成本的同時增加了系統的集成度。

稀釋水流量調節；執行機構；流量預測；模糊控制；監控中心

1 系統構成及功能

聚合物注入井高壓稀釋水流量調節系統主要由流量儀表、閥門、PLC控制器、上位機構成。流量儀表將檢測到的清水流量與母液流量信號傳送至PLC，PLC利用采集到的流量信號，通過控制程序實時計算閥門控制量，最后PLC將控制信號送入調節閥進行流量調節。PLC將所有信號通過PROFIBUS—DP通信方式上傳至上位機中進行實時在線顯示、處理分析，并建立相關數據庫，以供操作人員實時監控與歷史查詢。操作人員也可通過電腦對控制閥門進行人工手動調節，提供人機界面，完成人機交互功能。新系統與原系統相比，在降低項目投資的同時解決了原系統只能進行就地自動調節，無法實現閥位信號遠傳及遠程控制的問題。

（1）水量控制執行機構。本系統采用最小二乘法擬合閥門開度與清水流量的關系，以掌握閥門特性。最小二乘法通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知數據，并使得這些求得的數據與實際數據之間誤差的平方和為最小。擬合后的閥門開度與流量關系曲線如圖1所示。

圖1 閥門開度與流量關系曲線

（2）流量預測模型。清水流量的大小、特性，對于配比后聚合物濃度合格與否及節能等極為重要。對系統未來清水流量的大小和特性進行快速精確的預測是整套控制系統控制效果好與壞的關鍵之一。神經網絡具有良好的非線性映射能力、自學習、自適應能力和并行信息處理能力，非常適用于多變量、高度非線性的流量預測。流量預測神經網絡的建立關鍵在于輸入輸出變量的選取、隱含層層數的確定、隱含層單元數的確定、連接方式的選擇、預測時間步長的確定、初始參數的選擇等。

（3）控制算法。使用傳統的PID控制器難以獲得良好的控制效果，而模糊控制是基于智能控制理論，對具有大慣性、大滯后、隨機分布參量的復雜系統具有較好的控制效果，能夠很好地控制稀釋液的流量。模糊控制的優點是它不要求掌握受控對象的數學模型，而根據人工控制規則組織控制決策表，然后采用模糊推理的方法實現閥門的在線控制。

（4）監控中心的系統組態。系統操作平臺采用Windows 2000操作系統，具有很強的穩定性和兼容性。監控軟件采用Wincc組態軟件，實踐證明該軟件具有貼近實際、擴展功能強、界面友好、易操作等特點。其可為用戶提供基本的圖形編輯功能，同時利用Active X技術和OLE技術實現圖形界面靜態和動態畫面的組態，實現了數據采集、診斷報警、歷史查詢和配比控制功能。

2 實現的技術指標

稀釋水流量控制誤差≤5%。通過對清水流量的數據進行合理分析和處理，建立流量預測模型和控制算法的研究等，使高壓稀釋水控制達到良好效果。試驗選在薩北17—2注入站，利用PLC控制系統對高壓稀釋水流量進行控制，并對其進行跟蹤，繪制曲線見圖2。混配后注入指標符合油田開發要求。

圖2 清水流量誤差曲線

3 結論

（1）系統集成度高，成本低。原系統對流量控制采用一對一控制，即一路流量采用一臺控制器對其進行單獨控制，增加了企業的成本。采用PLC控制可利用現場原有的PLC控制系統，只需在PLC中增加幾個模擬量輸入、輸出模塊即可。現場閥位數據可通過PLC上傳至上位機，操作人員只需在電腦旁就可觀測現場所有設備運行情況，既可在現場手動調節閥門也可通過電腦操作調節閥門，降低投資成本的同時增加了系統的集成度。

（2）采用軟件對信號進行濾波。軟件濾波是通過軟件算法將數據進行適當處理，從而屏蔽掉噪聲和干擾產生的雜波信號，獲得可用的真實數據的一種數據處理方法，也可以說是通過程序處理的方式完成數據采集信號的處理。軟件濾波具有以下優點：數字濾波用軟件實現，不需要增加硬件設備，因而可靠性高、穩定性好；模擬濾波通常是各通道專用，而數字濾波則可多通道共享，從而降低了成本；數字濾波可以對頻率很低(如0.01 Hz)的信號進行濾波，而模擬濾波由于受電容容量的限制，頻率不可能太低；數字濾波可以根據信號的不同，采用不同的濾波方法或濾波參數，其具有靈活、方便及功能強等特點。

（3）利用神經網絡算法預測流量。針對時延問題控制界學者提出過一些解決方案，都假定延遲時間為已知且恒定，一旦延遲時間發生變化可能引起控制效果的惡化，甚至使系統變得不穩定。時延一般是有跡象可循的，根據系統時延的特點將神經網絡應用于流量時延的預測中，將神經網絡辨識與基于模型補償的延遲系統控制策略相結合，可以解決延遲模型誤差問題。通過在線辨識和參數調節，在時延變化時進行動態補償可收到很好的控制效果。

（欄目主持楊軍）

10.3969/j.issn.1006-6896.2015.5.010