原油含水率自校準(zhǔn)方法研究

賈惠芹,馮旭東,高國(guó)旺

(西安石油大學(xué)光電油氣測(cè)井教育部重點(diǎn)試驗(yàn)室，陜西 西安 710065)

原油含水率自校準(zhǔn)方法研究

賈惠芹,馮旭東,高國(guó)旺

(西安石油大學(xué)光電油氣測(cè)井教育部重點(diǎn)試驗(yàn)室，陜西 西安 710065)

原油含水率是評(píng)價(jià)油井產(chǎn)能的一項(xiàng)重要指標(biāo)，但其易受礦化度、溫度、流體狀態(tài)、流體速度等參數(shù)的影響。針對(duì)基于電導(dǎo)法的原油含水率檢測(cè)模型，通過(guò)室內(nèi)外試驗(yàn)，得出了原油含水率的主要影響因素，建立了基于最小二乘法支持向量機(jī)的自校準(zhǔn)模型。利用Matlab編寫了自校準(zhǔn)程序，運(yùn)用10倍交叉驗(yàn)證的方法確定了最小二乘法支持向量機(jī)的優(yōu)化參數(shù)，然后把達(dá)到預(yù)期擬合效果的自校準(zhǔn)程序下載到DSP處理器中運(yùn)行，實(shí)現(xiàn)了在一次儀表中對(duì)原油含水率測(cè)量結(jié)果的自校準(zhǔn)。試驗(yàn)結(jié)果表明，原油含水率的影響因素與原油含水率之間呈非線性關(guān)系，自校準(zhǔn)算法消除了主要干擾量對(duì)原油含水率的影響，實(shí)現(xiàn)了測(cè)量結(jié)果的自標(biāo)定。和目前油田計(jì)量部門使用的蒸餾法相比，基于最小二乘法支持向量機(jī)的原油含水率檢測(cè)模型不僅可以實(shí)現(xiàn)實(shí)時(shí)測(cè)量與校準(zhǔn)，且原油含水率的相對(duì)誤差比采用最小二乘法時(shí)有所減小。

最小二乘支持向量機(jī)； 嵌入式儀器； 數(shù)據(jù)信號(hào)處理器; 原油含水率； 自校準(zhǔn)； 測(cè)量精度

0 引言

原油含水率的精確測(cè)量是原油開采、銷售等過(guò)程中被普遍關(guān)注的問(wèn)題。目前，測(cè)量原油含水率的方法較多，但都具有局限性[1-3]。即使采用組合測(cè)量法，也難免受礦化度、溫度等因素的影響，且這些因素之間存在復(fù)雜的非線性關(guān)系，因此必須借助后期的數(shù)據(jù)處理技術(shù)來(lái)提高測(cè)量精度。最小二乘法在嵌入式儀器設(shè)計(jì)方面使用較多，但存在數(shù)據(jù)“飽和”現(xiàn)象[4-6]；其他如遺傳算法、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等[7-8]方法相對(duì)復(fù)雜，對(duì)于樣本數(shù)量較多的情況，運(yùn)算速度會(huì)明顯降低，且不適合在一次儀表中使用[9]。最小二乘支持向量機(jī)(least squares support vector machines,LS-SVM)算法可將非線性問(wèn)題簡(jiǎn)化為線性問(wèn)題來(lái)處理，降低了算法的實(shí)現(xiàn)難度。本文重點(diǎn)研究LS-SVM在原油含水率自校準(zhǔn)過(guò)程中的應(yīng)用。

1 原油含水率測(cè)量?jī)x的檢測(cè)模型

原油含水率測(cè)量?jī)x系統(tǒng)組成如圖1所示。該儀器主要由激勵(lì)源、電極系、基于LS-SVM的含水率校準(zhǔn)模塊和數(shù)據(jù)信號(hào)處理器(digital signal processor,DSP)組成。電極1與電極8為激勵(lì)電極對(duì)。電極2與電極7為測(cè)量電極對(duì)。通過(guò)給含水率測(cè)量管段的激勵(lì)電極對(duì)施加激勵(lì)源信號(hào)，在激勵(lì)電極對(duì)內(nèi)部形成規(guī)則電場(chǎng)。被測(cè)的油、水混合流體在管道內(nèi)流動(dòng)，含水率測(cè)量電極對(duì)用于檢測(cè)管道內(nèi)的流動(dòng)信號(hào)；檢測(cè)到的信號(hào)經(jīng)過(guò)基于LS-SVM的含水率校準(zhǔn)模塊后，最后由DSP顯示含水率的測(cè)量結(jié)果。

圖1 原油含水率測(cè)量?jī)x系統(tǒng)組成圖

假設(shè)給激勵(lì)電極對(duì)施加的是大小為I的恒流激勵(lì)，測(cè)量電極對(duì)之間的電壓為U，則測(cè)量電極對(duì)之間被測(cè)流體的等效電導(dǎo)率σm可以表示為：

(1)

式中：c為與電導(dǎo)式傳感器的結(jié)構(gòu)、材料及邊緣效應(yīng)有關(guān)的常數(shù)，可以借助試驗(yàn)來(lái)獲取并對(duì)其進(jìn)行校正。

由式(1)可以看出，測(cè)量電極間電壓與被測(cè)流體的電導(dǎo)率成反比。

建立Maxwell理論模型，對(duì)多相流的流動(dòng)情況進(jìn)行分析：假定多相流中所有顆粒都近似于圓球形，顆粒濃度較低，而且任意兩個(gè)顆粒之間都不會(huì)有干擾。

設(shè)ηw為原油含水率，σw和σm分別為全水時(shí)的混合液電導(dǎo)率和被測(cè)三相流體的電導(dǎo)率，則有：

(2)

設(shè)Gw為全水時(shí)的電導(dǎo)；Gm為被測(cè)混合流體的電導(dǎo)；Fw為測(cè)量電極在全水狀態(tài)下的輸出電壓幅值，且可在測(cè)量之前通過(guò)標(biāo)定得到[10]；Fm為原油流過(guò)測(cè)量管段時(shí)的輸出幅值，則有：

(3)

根據(jù)式(1)～式(3)，可推算出多相流的原油含水率ηw為：

(4)

從式(4)可以看出，原油含水率ηw與測(cè)量電極在全水狀態(tài)下的輸出電壓幅值Fw以及原油流過(guò)測(cè)量管段時(shí)輸出幅值Fm有關(guān)，但不是線性關(guān)系。Fm究竟與哪些因素有關(guān)系，需要通過(guò)試驗(yàn)分析。

2 原油含水率輸出值的影響因素分析

在某油田現(xiàn)場(chǎng)進(jìn)行了原油含水率影響因素的分析，主要包括原油礦化度、溫度、濃度、流速和儀器接地狀態(tài)對(duì)測(cè)量結(jié)果的影響。含水率測(cè)量?jī)x的現(xiàn)場(chǎng)連接示意圖如圖2所示。

圖2 含水率測(cè)量?jī)x的現(xiàn)場(chǎng)連接示意圖

從圖2可以看出，從油井中輸出的流體經(jīng)過(guò)氣液分離器分離出大部分氣體。完成分離后的液體分成了兩路：一路進(jìn)入試油罐，另一路流向各個(gè)方罐。含水率測(cè)量?jī)x則與流向方罐的管道相連。

2.1 礦化度對(duì)含水率測(cè)量精度的影響

選用電導(dǎo)率測(cè)量?jī)x測(cè)量溶液的電導(dǎo)值，根據(jù)電導(dǎo)率與礦化度的關(guān)系，可推算出礦化度。不同礦化度下的輸出電壓值如表1所示。

表1 不同礦化度下的輸出電壓值

由表1可知，在相同含水率情況下，含水率測(cè)量?jī)x的輸出電壓值隨所測(cè)溶液電導(dǎo)值的增大而減小；在同一電導(dǎo)率下，含水率增大，含水率測(cè)量?jī)x的輸出電壓值減小。同時(shí)，因?yàn)殡妼?dǎo)率和礦化度成正比，所以含水率測(cè)量?jī)x的輸出電壓值隨著礦化度的增大而減小。

2.2 原油溫度對(duì)含水率測(cè)量精度的影響

當(dāng)含水率保持在45%時(shí)，原油溫度與含水率測(cè)量?jī)x的輸出電平關(guān)系如圖3所示。

圖3 溫度與含水率測(cè)量?jī)x輸出電平關(guān)系圖

從圖3可知，當(dāng)原油溫度升高時(shí)，原油含水率測(cè)量?jī)x的輸出電平值有減小的趨勢(shì)，但趨勢(shì)不明顯。

2.3 其他因素對(duì)含水率測(cè)量精度的影響

①原油濃度。

在主電機(jī)運(yùn)轉(zhuǎn)頻率固定的情況下，通過(guò)改變副電機(jī)的攪拌頻率，測(cè)量含水率值。從測(cè)量結(jié)果得出如下結(jié)論：在一定的攪拌頻率范圍內(nèi)，隨著攪拌頻率的提高，其對(duì)應(yīng)的含水率測(cè)量值降低。但其變化不是線性的，其后漸趨平穩(wěn)。由此可知，當(dāng)原油溶液的成分混合均勻時(shí)，其測(cè)試結(jié)果變化不大，含水率值也趨于平穩(wěn)。

②原油流速。

通過(guò)調(diào)節(jié)電機(jī)的轉(zhuǎn)速來(lái)改變?cè)偷牧魉佟臏y(cè)量結(jié)果得出如下結(jié)論：隨著電機(jī)轉(zhuǎn)速的增加，含水率測(cè)量?jī)x的輸出電平值也逐漸增加，但是變化不是很大，且不是線性變化的。

③儀器與輸油管道的共地狀態(tài)。

分析儀器與輸油管道的共地狀態(tài)對(duì)含水率測(cè)量結(jié)果的影響。從測(cè)量結(jié)果得出如下結(jié)論：在原油流速和濃度一定的情況下，測(cè)量?jī)x器與試驗(yàn)管道間的接地狀態(tài)對(duì)測(cè)量結(jié)果的影響不大;但隨著主電機(jī)運(yùn)行頻率的提高，原油含水率的輸出值逐漸增加，但不是線性變化的。

3 基于LS-SVM的含水率自校準(zhǔn)模型

從上述分析可以看出，原油含水率測(cè)量?jī)x的輸出值受多個(gè)因素的影響，且影響結(jié)果是非線性的，不能用一個(gè)簡(jiǎn)單的線性擬合公式對(duì)其進(jìn)行校準(zhǔn)。

3.1 LS-SVM算法分析

基于正則化理論的LS-SVM算法是標(biāo)準(zhǔn)SVM的改進(jìn)，它將二次規(guī)劃問(wèn)題轉(zhuǎn)換成線性方程組，使得SVM的求解過(guò)程更簡(jiǎn)單。對(duì)于給定的學(xué)習(xí)樣本集，S={(xi,yi)|xi∈Rn,yi∈R,i=1,2,...,N},LS-SVM利用非線性映射φ(·)將樣本集S映射到更高維的特征空間中，尋找如y(x)=wTφ(x)+b形式的逼近函數(shù)[11]。通過(guò)選取逼近誤差二次項(xiàng)的和來(lái)控制模型的經(jīng)驗(yàn)風(fēng)險(xiǎn)。

初始優(yōu)化公式為：

(5)

γi=wTφ(xi)+b+eii=1,2,...,N

(6)

式中：γ為正則化參數(shù)。

式中：ai為拉格朗日乘子,i=1,2,...,N。

令w、b、e、a的偏導(dǎo)數(shù)為0，再消去w和e，可得到如式(7)所示的線性方程組：

(7)

式中：I=[1,...,1];a=[a1,...,aN];y=[y1,...,yN];ki,j=φ(xi)Tφ(xj)=k(xi,xj),i,j=1,...,N。

求解該線性工程組，可得參數(shù)a和b分別為:

a=(KN+γ-1I)-1(y-bI)

(8)

(9)

最后可求得LS-SVM回歸算法的解析解為：

(10)

式(10)表明，LS-SVM算法的求解過(guò)程復(fù)雜度低于普通SVM算法。

3.2 仿真訓(xùn)練與驗(yàn)證

通過(guò)調(diào)用Matlab工具箱的LS-SVM函數(shù)庫(kù)，可實(shí)現(xiàn)LS-SVM算法。在LS-SVM算法中，有3個(gè)重要的參數(shù)：多項(xiàng)式核、高斯徑向基核函數(shù)和多層感知機(jī)函數(shù)。因?yàn)楦咚箯较蚧撕瘮?shù)所對(duì)應(yīng)的特征空間是無(wú)窮維的，有限的樣本在該特征空間中必定是線性可分的，所以選用高斯徑向基核函數(shù)[12]；正則化系數(shù)(γ)用于控制超出誤差的樣本的懲罰程度；核參數(shù)(σ2)用于控制徑向基函數(shù)的徑向作用范圍。

LS-SVM實(shí)現(xiàn)流程如圖4所示。本文運(yùn)用10倍交叉驗(yàn)證的方法來(lái)確定優(yōu)化參數(shù)，算法原理如下。把采集的原油含水率測(cè)量數(shù)據(jù)樣本分成10個(gè)子測(cè)量樣本。其中，1個(gè)單獨(dú)的測(cè)量子樣本被保留作為驗(yàn)證模型的數(shù)據(jù)，其他9個(gè)測(cè)量樣本作為訓(xùn)練數(shù)據(jù)。交叉驗(yàn)證重復(fù)9次，每個(gè)測(cè)量子樣本驗(yàn)證1次，然后取9次的平均值作為最終的含水率測(cè)量結(jié)果[13]。這個(gè)方法的優(yōu)點(diǎn)在于，可同時(shí)重復(fù)運(yùn)用隨機(jī)產(chǎn)生的子測(cè)量樣本進(jìn)行訓(xùn)練和驗(yàn)證，每次的測(cè)量結(jié)果只需驗(yàn)證1次。

圖4 LS-SVM的實(shí)現(xiàn)流程圖

4 試驗(yàn)結(jié)果分析

油田計(jì)量部門目前仍使用GB/T 8929-2006中的蒸餾法進(jìn)行原油含水率的測(cè)量。測(cè)量結(jié)果對(duì)比如表2所示。

表2 測(cè)量結(jié)果對(duì)比

表2中:U為含水率測(cè)量?jī)x的輸出電壓值;LS-SVM為采用LS-SVM算法得出的含水率測(cè)量值;LS為采用最小二乘法得出的含水率測(cè)量值;OIL為油田計(jì)量部門對(duì)含水率的測(cè)量值。

從表2可以看出，如果采用最小二乘法進(jìn)行擬合，以油田的測(cè)試結(jié)果為標(biāo)準(zhǔn)值，得出的最大相對(duì)誤差為9%；如果采用LS-SVM算法，得出的最大相對(duì)誤差為5%。從含水率測(cè)量?jī)x的結(jié)果來(lái)看，利用LS-SVM進(jìn)行非線性補(bǔ)償后，相對(duì)誤差減小。

5 結(jié)束語(yǔ)

本文通過(guò)多次室內(nèi)外試驗(yàn)，得出了影響原油含水率測(cè)量精度的主要因素，提出了基于LS-SVM的含水率自校準(zhǔn)方法。利用該方法對(duì)研制的含水率測(cè)量?jī)x進(jìn)行校準(zhǔn)后，儀器的非線性度和測(cè)量精度都有所提高。該算法利用Matlab軟件，可直接在DSP軟件環(huán)境下運(yùn)行，實(shí)現(xiàn)了在一次儀表中對(duì)原油含水率的自校準(zhǔn)。該儀器目前已經(jīng)在多個(gè)油田進(jìn)行了現(xiàn)場(chǎng)測(cè)試試驗(yàn)，其測(cè)量精度達(dá)到了油田的使用要求。

[1] 張冬至,胡國(guó)清.油水混合物含水率在線檢測(cè)技術(shù)最新研究進(jìn)展[J].傳感器與微系統(tǒng)，2009，29(10)：5-6.

[2] 王偉， 王田苗， 魏洪興.LS-SVM與多層前向網(wǎng)絡(luò)的非線性回歸性能比較[J].系統(tǒng)仿真學(xué)報(bào)，2008，20(1)，256-258.

[3] 王海燕.基于核偏最小二乘回歸分析的線損率預(yù)測(cè)[J].計(jì)算機(jī)仿真，2012，29(11)：324-325.

[4] 趙維恭，龔爭(zhēng)輝，張愛興.質(zhì)量流量計(jì)在線計(jì)量礦產(chǎn)原油含水率的含氣影響及解決方法[J].石油天然氣學(xué)報(bào)，2014，36(12)：268-269.

[5] 吳良海.基于粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)原油含水率預(yù)測(cè)[J].計(jì)算機(jī)仿真，2012，27(5)：261-262.

[6] 修德斌，孫風(fēng)光，崔體波.基于曲面擬合理論CO2傳感器數(shù)據(jù)融合研究[J].傳感器與微系統(tǒng)，2007，26(8)：10-11.

[7] 張艷鋒，嚴(yán)家明.基于最小二乘法的壓力傳感器溫度補(bǔ)償算法[J].傳感器與微系統(tǒng)，2007,15(12)：1871-1873.

[8] 王艷菊，康岳屹，王懷玉.基于數(shù)據(jù)融合的原油含水率在線測(cè)量方法研究[J].壓電與聲光，2013，35(5)：743-746.

[9] 李利品，黨瑞榮，黃燕群,等.油水兩相流中2種含水率計(jì)算模型比較[J].儀器儀表學(xué)報(bào)，2012，33(4)：120-140.

[10]趙東升.含水率及流量測(cè)量技術(shù)研究[D].西安:西安石油大學(xué)，2012.

[11]靖永志，何飛，肖建.基于組合模型的懸浮間隙傳感器齒槽效應(yīng)補(bǔ)償[J].儀器儀表學(xué)報(bào)，2015，36(5)：1005-1006.

[12]趙國(guó)慶,彭華,王彬，等.一種新的通信輻射源個(gè)體識(shí)別方法[J].計(jì)算機(jī)應(yīng)用，2012,35(5):1460-1461.

[13]王昕.基于支持向量機(jī)的斜拉橋拉索損傷識(shí)別技術(shù)研究[D].石家莊:石家莊鐵道大學(xué)，2014.

Study on the Self Calibration Method of Moisture Content in Crude Oil

JIA Huiqin,FENG Xudong,GAO Guowang

(Key Laboratory of Education Ministry for Photoelectric Logging and Detecting of Oil and Gas,Xi’an Shiyou University,Xi’an 710065,China)

Moisture content in crude oil is an important index to evaluate the productivity of oil well,but it is easily affected by salinity,temperature,fluid status,fluid velocity and other environmental parameters.In accordance with the moisture content in crude oil detection model based on conductivity method,through indoor and outdoor experiments,the main factors influencing on this index are obtained;and the self calibration model is established based on least square support vector machine.The self calibration program is written by using Matlab,the optimization parameters of least squares support vector machine are determined by 10-fold cross validation,then the self calibration program that reaches predictive fitting effect is downloaded into DSP processor for running;thus the calibration for measurement result of moisture content in crude oil is implemented in primary instrument.The test results indicate that the relationship between moisture content and the influencing factor is nonlinear,the self calibration algorithm eliminates the influence of main disturbance,the self calibration of the measurement result is implemented. Comparing with the distillation method currently used by the metering department of oil field,the detection model based on least squares support vector machine can not only realize real-time measurement and calibration,the relative error of moisture content in crude oil is also improved.

Least squares support vector machines； Embedded instrument; Digital signal processor(DSP); Moisture content in crude oil； Self-calibration； Measurement accuracy

陜西省工業(yè)科技攻關(guān)基金資助項(xiàng)目(2016GY-177)

賈惠芹(1972—)，女，博士，教授，主要從事油田自動(dòng)化技術(shù)的研究。E-mail： jiahq@xsyu.edu.cn。

TH3;TP216

A

10.16086/j.cnki.issn1000-0380.201703020

修改稿收到日期：2016-11-08