基于微型叉指電極的原油沉降罐高精度界面檢測方法

摘 要 為解決油水界面定位不準的問題，采用微型叉指電極結合伺服電機在模擬儲罐全高度范圍內垂直掃描，通過高靈敏叉指電極檢測掃描過程中的阻抗幅值并配合Kmeans算法定位油水、油氣界面。實驗結果表明：系統檢測精度高、誤差小，相比于傳統電容式界面儀，系統尺寸小、靈敏度高、不易附著原油且維護方便，可廣泛應用于原油集輸過程的油水、油氣界面檢測。

關鍵詞 油水界面檢測 油氣界面檢測 原油集輸 叉指電極+伺服電機 阻抗幅值 Kmeans算法

中圖分類號 TH816；TE81" "文獻標志碼 A" "文章編號 10003932（2025）02021206

在油田聯合站原油儲罐中，由于油、水之間存在密度差，油層會處于水層之上，油層和水層間的接觸面稱為油水界面，油和空氣的接觸面稱為油氣界面。傳統的電容式界面儀（即油水界面測量儀）通過在儲罐中插入一根探桿，該探桿與儲罐壁板形成電容器的兩個極板，極板間物質具有相應的介電常數，上層介質介電常數較小（如油或空氣），下層介質介電常數較大（如水），由于介電常數小的介質產生的電容較小，因此上層介質所產生的電容占整體電容的比例就非常小，通過檢測電容值換算出水的深度即近似油水界面值。嚴格講，測量得到的儲罐的總電容由水、油和空氣層所產生的電容并聯所得，因此在儲罐內的水層足夠厚時，理論上由總電容換算出的油水界面會稍高于真實油水界面，但是如果水層不夠厚或甚至較薄時，這種方法確定的油水界面誤差就會比較大［1，2］。因此，目前多數油水界面測量裝置采用矩陣式垂直分布的電容傳感器結構［3，4］，由于水、不同含水率的原油、油和空氣具有不同的介電常數，通過電容傳感器檢測儲罐內不同深度的電容值，就可以獲得一個深度-電容序列數據。通過拐點法［3］或Kmeans聚類算法［5］不僅可以定位油水界面還可以定位油氣界面。通過定位油水、油氣界面，可得水層厚度和油層厚度，進而可得儲罐內的水體積和油體積。

矩陣式電容傳感器直立在原油沉降罐中，由于制作工藝和安裝的限制，檢測點并非連續設置。以標準沉降罐為例，罐體高度為3.2 m，通常每隔20 cm安裝一個檢測點，共計16個檢測點。這種方法存在的問題是，由于檢測點稀疏，定位精度大體為傳感器間隔的一半，即10 cm［3］。為了提高界面定位精度，就不能采用固定型的大尺寸電容傳感器做稀疏抽樣檢測與定位。叉指電極作為一種高靈敏、可靠的微型電極已經在醫學［6］、環

境［7，8］、食品［9］等領域得到了一定的應用，并且取得了較好的效果。因此，擬采用叉指電極配合伺服電機在儲罐內做垂直運動并等間隔地檢測不同深度處的電參數信息，以獲得一個更為密集的深度-電參數序列數據。由于儲罐內液面波動、電極運動等原因造成檢測數據存在波動，拐點法容易將曲線的局部凹凸波動誤認為曲線的拐點而導致錯誤的定位，因此魯棒性較差［3］。而聚類法對數據的局部波動不敏感，因此采用Kmeans聚類算法對檢測得到的序列數據進行聚類，最終實現儲罐內多界面的定位。

1 叉指電極油水、油氣界面定位方法

采用叉指電極進行油水、油氣界面定位包括兩個部分：第1部分是對叉指電極檢測油、水和空氣的電參數進行理論分析，確定區分油、水和空氣最敏感的電參數為阻抗幅值，并以阻抗幅值作為區分依據；第2部分則是應用阻抗幅值序列數據的Kmeans聚類算法定位油水、油氣界面的具體過程。

1.1 叉指電極區分油、水、空氣理論分析

基于微型叉指電極的界面儀的系統結構如圖1所示。具體實施中，將叉指電極（圖2）用支架固定于燒杯，通過伺服電機控制平臺的升降，模擬叉指電極在燒杯內的上行、下行。在叉指電極移動到燒杯內的不同位置處，LCR數字電橋TH2830會測量阻抗幅值和相位值，這樣就可以形成一個位置-阻抗幅值/相位值數據序列。這個位置-阻抗幅值/相位值數據序列被送往Kmeans聚類算法。Kmeans算法的主要任務是完成數據聚類，通過統計各聚類中的數據個數來確定水、油、氣各層厚度，進而確定油水、油氣界面的位置。

8.77 MΩ和-90.04°。假定水體為鹽水，其電導率為4 S/m、介電常數為73，叉指電極在鹽水中測量的阻抗幅值和相位理論值分別為12.19 Ω和-0.01°；假定水體為鹽水，其電導率為10 S/m、介電常數為69，叉指電極在鹽水中測量的阻抗幅值和相位理論值分別為4.88 Ω和-0.00°。叉指電極在原油儲罐不同介質中檢測到的電參數理論計算值見表1，可見，如果單純區分油、水，采用Z、θ、R、C電參數均可有效區分。但油和氣電導率、介電常數差別不大，如果采用θ、R、C則很難區分油、氣，因此，擬采用阻抗幅值來定位油水和油氣界面。

1.2 叉指電極檢測阻抗幅值數據聚類方法

傳統界面定位法基于人工選取的典型值進行油水、油氣界面定位。首先，從油、水、氣各層介質對應的數據中選取3個典型值，計算各層的分類閾值；然后統計各閾值范圍內的數據個數，并根據這些數據個數計算各層介質的厚度、體積等，進而獲得界面位置。但傳統方法由人工選取典型值，典型值選取的正確與否直接影響界面定位的準確性；另傳統方法也無法實現自動定位。因此，將無監督聚類方法Kmeans［14，15］用于油水、油氣界面定位。Kmeans通過迭代過程使數據點到質心的距離平方和最小，可自動完成數據分類［16，17］。

2 實驗方案

實驗選取4組不同濃度的鹽水和自來水作為儲罐中的水層，以模擬儲油罐中地下水的多樣性。鹽水的電導率分別為5 000、40 000、80 000、120 000 μS/cm。采用工業10#白油模擬油層。工業10#白油為無色無味液體，相對密度0.831 g/cm3，運動黏度（40 ℃）為9～11 mm2/S，電導率小于1×10-8 μS/cm［19］。

以水層最下沿為縱坐標零點，叉指電極最下沿對齊零點，自下而上依次設置30 mm的水層和30 mm的油層。叉指電極分別從裝有5 000 μS/cm鹽水及10#白油、40 000 μS/cm鹽水及10#白油、80 000 μS/cm鹽水及10#白油、120 000 μS/cm鹽水及10#白油、自來水及10#白油的燒杯中執行上行、下行操作各3次。上行操作依次經過30 mm水層、30 mm油層再在空氣中上升10 mm；下行操作與上行相反，從空氣、油、水3個介質層依次經過，直至叉指電極下沿觸及燒杯底。在叉指電極上行、下行過程中，數字電橋TH2830每隔1 mm在不同位置測量一次阻抗幅值。

3 實驗結果及分析

3.1 實驗結果

依據實驗方案采集數據，在MATLAB中用Kmeans算法計算油水/油氣界面位置。圖3a為叉指電極上行采集到的一組阻抗幅值序列，圖3b為Kmeans算法定位油水、油氣界面的結果。算法將阻抗幅值數據自動分為3類，分別為水層、油層、氣層，進而計算出油水界面位置為31.62 mm、油氣界面位置為61.12 mm。油水界面、油氣界面真實位置為30、60 mm。說明本方案在水層電導率為120 000 μS/cm時，油水、油氣界面定位誤差分別為1.62、1.12 mm。

依據實驗方案，對5組實驗條件、每組實驗條件進行3次上行、下行阻抗幅值檢測，共獲得15組上行、下行阻抗幅值數據。將15組上行、下行阻抗幅值數據分別代入Kmeans算法，油水、油氣界面的定位結果分別如圖4、5所示。

由圖4可以看出，叉指電極上行定位油水界面在5種水體的定位誤差平均值為2.76 mm、標準差為4.07 mm，叉指電極下行確定的油水界面在5種水體的定位誤差平均值為10.42 mm、標準差為2.62 mm。

由圖5可以看出，叉指電極上行定位油氣界面在5種水體的定位誤差平均值為18.09 mm、標準差為7.80 mm，叉指電極下行確定的油氣界面在5種水體的定位誤差平均值為7.51 mm、標準差為4.57 mm。

3.2 實驗結果分析

根據圖4、5的實驗結果可知，應用叉指電極并采用阻抗幅值定位油水界面宜采用上行過程，定位油氣界面宜采用下行過程，其原因應該與油的黏性明顯大于水有關。

對油水界面定位而言，下行時覆蓋油膜的叉指電極會進入水中行進一段距離后油膜才會脫離電極，這樣就會造成定位的油水界面比實際油水界面稍低；反之，上行時叉指電極會在水層中行進兩個水層的距離才會進入油層，由于水的黏性小，不易附著在叉指電極上，因此叉指電極一旦進入油水界面區域阻抗幅值就會明顯增大。因此，油水界面定位采用上行過程的阻抗幅值數據可獲得更好效果。

對于油氣界面定位，上行時覆蓋油膜的叉指電極會進入空氣層中行進一段距離油膜才會脫離電極，這樣就會造成定位的油氣界面比實際油氣界面稍高；反之，下行時叉指電極會在空氣層中行進兩個空氣層的距離才會進入油層，這樣叉指電極在進入油層時其表面附著的油膜通常大概率均已脫離（揮發），叉指電極在空氣層行進的距離越長油膜脫離的程度越高，下行時叉指電極定位油氣界面會比上行時效果要好。

4 結束語

采用微型叉指電極配合伺服電機在模擬原油儲罐中垂直運動等間隔測量不同位置處的阻抗幅值，利用Kmeans算法進行數據聚類，采用上行定位油水界面，誤差平均值不超過3 mm；采用下行定位油氣界面，誤差平均值不超過8 mm。典型的分段電容傳感器方法定位油水界面誤差為10 cm，叉指電極無論是用于油水界面定位還是難度更大的油氣界面定位，其定位精度均相比于分段電容傳感器方法提升了一個數量級。本系統克服了傳統電容式界面儀電極尺寸過大、結構復雜、易掛料、定位精度不高等問題，可用于原油沉降罐、油氣儲罐等場景的油水、油氣界面的精確定位。

參 考 文 獻

［1］ 李云.基于多段式電容油水界面液位測量技術在儲罐中的應用［J］.石油化工自動化，2019，55（2）：14-16；67.

［2］ 宋蓓，史秋華，賈玉明.多參數油水界面儀在油水界面測量中的應用［J］.儀器儀表用戶，2019，26（4）：50-52.

［3］ 劉遠紅，習玉陽，吳華遠，等.kmeans聚類算法在油水界面檢測中的應用［J］.化工自動化及儀表，2014，41（1）：19-21；31.

［4］ SONG D Y，LV D C，LIU Z Q.Design of oilwater interface meter based on segmental capacitance sensors［J］.

Applied Mechanics amp; Materials，2013，475476：132-135.

［5］ 任喜偉，何立風，姚斌，等.用于油水界面測量的中值預處理聚類算法［J］.電子測量與儀器學報，2018，32（10）：161-168.

［6］ 蔡旭東，李歡，丁田耘，等.基于微納工藝的細胞活性傳感器的研究與分析［J］.傳感器與微系統，2023，42（6）：13-16.

［7］ 孟慶一，徐志遠，肖雨詩，等.微電極法測定飲用水中錳離子含量［J］.食品安全質量檢測學報，2020，11（6）：1985-1991.

［8］ 姜浩延，劉欣，徐鈺豪，等.基于鈀金修飾超微叉指電極的土壤硝酸鹽檢測系統［J］.分析化學，2021，49（8）：1342-1349.

［9］ 王春皓，崔傳金，谷學靜，等.檢測金黃色葡萄球菌的微叉指電極阻抗生物傳感器研究［J］.食品研究與開發，2020，41（10）：184-192.

［10］ 趙元黎，趙新壁，周建濤.便攜式煎炸油極性組分快速檢測儀的設計［J］.食品工業科技，2012，33（2）：355-357.

［11］ THIRSTRUP C， DELEEBEECK L. Review on electrolytic conductivity sensors［J］.IEEE Transactions on Instrumentation and Measurement，2021，70：1-22.

［12］ 楊玉冰.基于嵌入式的陣列電導成像測井儀設計與研究［D］.成都：西南石油大學，2016.

［13］ 張亞萍，閆向宏.水礦化度及有機物含量對原油含水率的影響［J］.油氣儲運，2002（2）：32-34；60.

［14］ 任喜偉，何立風，姚斌，等.油水界面測量過程中自適應閾值聚類優化算法［J］.化工進展，2019，38（2）：779-789.

［15］ 宋安玲，任喜偉，姚斌，等.改進KMeans算法在油水界面測量中的應用［J］.儀表技術與傳感器，2019（6）：91-95；105.

［16］ TZORTZIS G，LIKAS A.The minmax kmeans clustering algorithm［J］.Pattern Recognition，2014，47（7）：2505-2516.

［17］" "CAO H J，SHENG B，WU W，et al.Automatic quantitative detection algorithm of abdominal fat based on improved Kmeans algorithm［J］.Journal of ComputerAided Design amp; Computer Graphics，2017，29（4）：576-583.

［18］ 周志華.機器學習［M］.北京：清華大學出版社，2016：202-204.

［19］ 陳朝輝.含蠟油電場改性機理之帶電膠粒作用研究［D］.北京：中國石油大學（北京），2020.

（收稿日期：2024-09-01，修回日期：2025-03-03）