KCl和溫度對微波法含水儀檢測誤差影響的研究

董鵬敏，郭鉛鉛，王天琦，趙海空，羅仕沖，曾祥虎，王 鵬

(西安石油大學機械工程學院，陜西 西安 710065)

0 引言

原油含水率檢測是原油采集、預估產量、石油化工及運輸等過程的重要參數。目前，原油含水率檢測主要分為人工檢測和在線測量兩種。在線檢測是當今數字化油田不可或缺的檢測方式。原油含水率在線檢測的常用方法有紅外光譜吸收法、電阻抗法、射線衰減法及微波法等[1]。

微波檢測法具有檢測精度高、應用范圍廣以及檢測過程不易受油水形態影響等優點，因此受到越來越多的應用和重視。但在檢測過程中，原油的礦化度、伴生氣和環境溫度的變化會影響微波法含水儀檢測精度，使檢測結果產生偏差。高含水原油中大量存在無機化合物——氯化鉀。因此，研究氯化鉀及溫度對微波法含水儀檢測原油含水率檢測精度的影響機理和規律具有重要意義。

1 微波法含水儀檢測原理

微波法含水儀的檢測原理是基于微波在具有不同介電常數的介質中其相移各不相同，通過微波在油水混合物中相移的大小測得混合物中水的含量[2]。

在常溫、常壓下，原油的相對介電常數為2～3，水的相對介電常數為80，兩者的相對介電常數差距明顯。因此，不同比例的油水混合物通過油水介電常數的運算，可得出不同的復合介電常數。

其運算公式為[3]：

(1)

式中：εαr為某含水率下含水原油的介電常數；α為原油含水率；εrw為水的介電常數；εrv為油的介電常數；k為僅與含水率有關的并聯系數。

基于這一原理，通過測得微波在不同含水率原油中信號衰減及相移變化量，即可得到原油含水數據。

2 礦化度及溫度對原油含水率檢測影響機理

礦化度是水中溶解的鹽類組分。開采出的油水混合物中的礦化度主要來源有兩個：一是來自于地層水總礦化度，二是來自于油田回注水時人工引入的礦化度。對于水中礦化度的測量，油田開采現場一般采用重量法、原子吸收法、比色法和色譜法等進行分析。因不同地區的地質狀況各不相同，會導致各地區的礦化度種類和成分差異較大，在含水率檢測時隱藏著不確定性[4]。通過對油田水中各組分礦化度的測量，即可得到該油田的礦化度成分及其含量，從而為校正礦化度對微波法檢測原油含水率的誤差提供有效數據支撐。

微波相移法測量原油含水率的依據是油和水在常態下的介電常數有較大差異。礦化度的變化會改變流體的密度、導電性等物理性質，導致檢測原油含水率時產生一定的誤差。科學研究表明，油水混合液的相對介電常數與油水混合液體濃度存在如下關系：

εeff=εrw-c×(α×μ-β×v)

(2)

式中：εeff為油水混合液的相對介電常數；εrw為水的介電常數；c為油水混合物的密度；α為陽離子的化合價；μ為油水混合物中陽離子對水的相對介電常數的影響系數；β為陰離子的化合價；v為油水混合液體中陰離子對水的相對介電常數的影響系數。

根據式(2)可知，油水混合物中含有的礦化物會引起液體內陽離子和陰離子的化合價發生改變，導致油水混合液體相對介電常數εeff發生改變，從而影響含水率檢測精度[5]。

溫度是影響原油含水率檢測精度的另一個重要因素。在高含水(水含率在 60% 以上)條件下，當溫度升高時，水的介電常數會減少，導致油水混合物的介電常數變小。由于油的介電常數較小、水的介電常數較大，當油水混合物介電常數衰減時，就會產生“油多水少”的假象，造成原油含水率的測量值低于真實值的現象；而且隨著溫度的升高，會導致原油含水率的測量值低于其實際值[6-7]。本文主要研究了含水原油中常見的氯化鉀在不同溫度下對微波法含水儀檢測精度。

3 試驗分析與研究

3.1 試驗方案

在原油含水率的標定值60%～100%之間選取10個標定點，分別為50%、55%、60%、65%、70%、75%、80%、85%、90%、95%。配置不同標定含水率的油水混合液和不同比例的氯化鉀混合試劑，將氯化鉀混合試劑分別加入油水混合液中。分別在20 ℃、40 ℃、60 ℃、80 ℃條件下逐漸增大其濃度，利用微波法含水儀檢測油水混合液的含水率，觀察并記錄微波法含水儀的檢測結果。

3.2 試驗結果

微波法含水儀檢測試驗數據如表1所示。

表1 微波法含水儀檢測試驗數據

3.3 試驗數據的分析研究

通過試驗得出不同含量氯化鉀在不同溫度對微波法含水儀檢測誤差的影響規律。不同溫度下的擬合曲線(部分)如圖1所示。

圖1 擬合曲線圖(部分)

由圖1可知：在相同溫度下，隨著氯化鉀含量增加，微波法含水儀的含水率也隨之逐漸提高。

在不同溫度下，含水率y與礦化度x的二次擬合函數導數如表2所示。

表2 含水率與礦化度二次擬合函數導數表

由表2可知，雖部分擬合函數導數斜率小于0，但擬合公式導函數的函數值大于0。因此，在某一固定溫度環境下，微波法含水儀的檢測數值會隨著油水混合液中氯化鉀含量的增加而增大。與此同時，使用微波法檢測油水混合液中的含水率，其檢測結果不僅受到油水混合液中礦化物濃度的影響，而且受到油水混合液溫度的影響。氯化鉀和溫度對于檢測結果的影響規律呈現出復雜的非線性關系，因此需要對微波法含水儀檢測數據進行誤差校正。

4 基于徑向莖神經網絡的原油含水率檢測誤差校正

在多因素(礦化度、溫度)情況下，采用微波法含水儀檢測油水混合液的含水率。檢測到的結果存在誤差，并且礦化度和溫度對其檢測結果的影響規律呈非線性，無法運用線性的方法處理數據。徑向基函數(radial basis function，RBF)神經網絡是基于人腦的神經元細胞對外界反應的局部性而提出的，是一種采用函數逼近理論作為依據而構造的神經網絡。其具有最佳逼近性能和全局最優的特性，可實現以高精度逼近連續函數[7]。綜合考慮，采用RBF校正微波法含水儀檢測誤差，可提高其對原油含水率檢測精度。

4.1 RBF網絡模型

將配置油水混合液中的礦化度濃度、混合液溫度以及微波法含水儀測量值作為RBF網絡的輸入量Xi(Xi=[ni,ti,ci]T,i=1,2,...,N)，油水混合液含水標定值作為RBF的期望輸出值Yi(Yi=[δi]T)。那么{Xi,Yi}便構成RBF誤差校正模型的樣本[8]。

RBF神經網絡中，對于隱層節點的徑向基函數選擇Gaussinan函數。其公式為：

(3)

式中：X為輸入向量;Ci為隱層第i個神經元中心;σ為基函數寬度。

對應第i個神經元輸出為：

(4)

式中：ωij為對應鏈接權值[9-10]。

4.2 建立樣本數據庫和RBF神經網絡模型

在建立的RBF神經網絡誤差校正模型中，把混合液的礦化度濃度n、混合液溫度t以及微波法含水儀測量值c作為輸入，試驗混合液含水標定值δ作為RBF的期望輸出。故輸入神經元和輸出神經元數分別為3和1。按照RBF神經網絡對預處理數據的要求，把數據分為學習樣本(600組)和檢測樣本(142組)，并對試驗數據進行羅列分類。

表3和表4分別為微波法含水儀對油水混合物檢測得到的RBF神經網絡學習樣本數據(部分)和檢測樣本數據(部分)。

表3 RBF神經網絡學習樣本(部分)

表4 RBF神經網絡檢測樣本(部分)

輸入數據具有不同量綱，直接輸入可能會影響數據分析的結果。為了消除指標間的量綱影響、提高建模效果，對原始數據進行歸一化處理，使各個指標位于同一數量級。歸一公式為[11]:

(5)

運用函數newrb建立RBF神經網絡，采用迭代方式確立基函數中心ci和隱層神經元數，依據訓練樣本數據距離和范圍確定隱含層閾值b1，確定好的隱層神經元參數通過最小二乘法求出隱層帶輸出層的權值。

4.3 誤差校正評價

為了便于清楚地分析在運用RBF網絡后的微波法含水儀檢測效果，采用最大誤差和均方誤差作為評價指標。采用訓練好的RBF神經網絡模型對檢測樣本數據進行處理。RBF網絡輸出曲線和RBF網絡預測誤差曲線分別如圖2和圖3所示。

圖2 RBF網絡輸出曲線

圖3 RBF網絡預測誤差曲線

在RBF網絡校正前，微波法含水儀測量誤差最大可達±25.2%。通過圖3可知：經過RBF神經網絡校正后，將含水率檢測誤差減小到了±4.98%以內。

5 結論

本文研究了溫度和礦化度對微波法含水儀檢測誤差的影響機理，通過雙因素(氯化鉀和溫度)試驗法得出試驗數據，使用RBF神經網絡建立誤差校正模型。通過前后誤差對比，可得出：當微波法含水儀經RBF神經網絡模型后，可對其結果進行誤差校正，且校正效果明顯。

通過該方法可以有效地減少氯化鉀溫度對微波法含水儀含水率檢測誤差的干擾，并提高其檢測精度。同時，該誤差校正模型為校正多因素情況下微波法含水儀含水率檢測誤差提供了有效參考。