一种集输－立管系统内气液两相流流型的在线识别方法技术方案

本发明专利技术公开了一种集输－立管系统内气液两相流流型在线识别方法，对待识别集输－立管系统的立管顶部压力信号进行预处理；通过统计参数计算和主成分分析，提取出一个包含三个主成分分量的特征参数向量，随后将这个特征参数向量输入预先训练好的最小二乘支持向量机多类分类器中，从而识别出立管顶部信号在第一类严重段塞流、第二类严重段塞流、向严重段塞流过渡的流型、振荡型严重段塞流和稳定流动的混合类流型这四个基本类别中的归属；当属于振荡型严重段塞流和稳定流动的混合类流型时，将待处理信号的两个频域内特征参数输入训练好的两类分类器来决定最终归属。本发明专利技术识别率高，可移植性强，现场适用性良好，能够有效满足在线识别要求。

【技术实现步骤摘要】
一种集输－立管系统内气液两相流流型的在线识别方法
本专利技术属于石油工程多相流检测
，为一种气液两相流流型的识别方法。
技术介绍
在海洋石油工业，油气两相流动的流型对油田的安全运行非常重要。工业中经常采用集输－立管系统的管线形式将油气资源从油井传输至处理平台。在传输过程中，集输－立管系统内的油气多相混合物经常呈现出多种流型，一些流型可以导致设备的损坏或产量的减少。因此，必须严格控制油气输运管道中的流型来保证生产的安全。分析和判别集输－立管系统内气液两相流流型是进行有效控制的第一步，通常的方法是构建流型图，然而，基于稳态流量参数构建这些流型图费时费力，而且一些重要参数如分离器背压参数、各相的密度粘度、通道几何形状等对流型的影响均不能包含进流型图内。事实上，这些参数变化剧烈时，流型往往也区别很大。另外，不同的观察者缺乏对不同流型的定量和客观的描述，导致获得的流型图区别很大，特别是对流型过渡区域的认识，根据不同的观察者，所描述的现象均有不同。还有的流型判别方法是基于简化的一种或若干种典型流型下的流体动力学模型的计算结果，模型大多依赖系统进口或出口的流量等参数。而在实际油田中，想获得实时变化的流量等参数则是一件比较困难的事，油田通常能提供的都是油气的日产量，利用日产量作为机理模型的初始条件，会导致机理模型的准确度降低。因此，利用流型图以及理论模型等流型辨别方法时，前人关于流型的研究结果并不能得到很好的统一。那么另外一种基于现场仪器实时监控信号，如含气率和压力压差等信号的流型判别的方法得到了越来越广泛的应用，而如今传感器和计算机价格的降低使得对两相流系统进行基于仪器的流型判别具有较强的吸引力。但是，基于空隙率测量技术和压力压差信号测量技术的较为成熟的流型识别理论目前仍只局限在普通单管中的两相流动中。至于针对集输－立管系统内的两相流动，研究成果较少。Blaney和Yeung的研究结果也证实了在集输－立管系统内由于系统结构的不同导致即使是竖直立管中的流型也与普通竖直上升管中的流型有所不同。而且集输－立管系统中的多相流型转变关联式并没有如水平管或者竖直管中两相流的流型预测关联式普遍适用，在工业现场应用时也并不是完全适用。在工业现场使用时，空隙率测量技术由于其仍处于实验室验证阶段，对于压力压差信号测量技术而言缺乏竞争力。压力压差测量技术由于安装简便，工业化较好，在流型识别方法中具有无可替代的优势，但是由于管路上可能安装有大量的压力压差传感器从而存在压力压差信号选择问题，即选择与流型紧密相关还是选择安装方便的矛盾。信号的处理技术是基于仪器的流型识别技术的重要问题之一。常用的数据处理方法包括参数化和非参数化方法以及非线性特性参数提取法，但是针对复杂管路系统内流型识别的在线性，对信号的处理的实时性要求较高，需要利用简单快速的处理方法得到最准确和信息冗余度最小的参数。另外，由于不同系统的压力压差信号存在较大的差异，也需要针对不同系统建立信号处理的规范，使得识别技术更具适用性和推广性。流型与特征参数的映射即流型规则的建立是流型识别技术的关键。通常可行的技术途径是采用人工神经网络(ANN)模式识别理论。人工神经网络具有较强的非线性拟合能力、鲁棒性和记忆能力，但是由于流型识别技术在推广过程中，样本数往往较少，且参数维数较高，支持向量机(SVM)能够较好的解决上述问题，也得到了较为广泛的应用。
技术实现思路
本专利技术的目的在于提供一种集输－立管系统内气液两相流流型的在线识别方法，以克服上述现有技术的不足；该方法基于立管顶部压力信号特性，准确性高，现场适用性好，移植性强且能够有效满足在线识别要求。为了实现上述目的，所采用的技术方案是：一种集输－立管系统内气液两相流流型的在线识别方法，包括以下步骤：对待识别的集输－立管系统的立管顶部压力信号P19进行预处理，包括10阶Haar小波去噪和均值－方差标准化，得到待处理的标准化信号P19*；通过统计参数计算和主成分分析，提取出P19*标准信号中一个包含前三个主成分分量的特征参数向量，随后将这个特征参数向量输入预先训练好的一个多类分类器中，从而识别出待识别的集输－立管系统的的立管顶部信号在第一类严重段塞流、第二类严重段塞流、向严重段塞流的过渡流型、振荡型严重段塞流和稳定流动的混合类流型这四个大类中的归属；当立管顶部压力信号P19属于振荡型严重段塞流和稳定流动的混合类流型时，将P19*标准信号中频域下的两个特征参数{F5，F6}输入一个两类分类器中来决定最终的流型归属。本专利技术主要解决识别信号采集和选择，信号处理和特征提取以及特征和流型映射三个方面的技术问题，其包括以下步骤：1)集输－立管系统立管顶部压力信号的采集和压力波－流型关联数据库的建立利用西安交通大学油气水多相流大型实验环路进行大量的气液两相流实验，设定较广的流量范围，选择不同的工质类型，配置不同的立管结构，在实验环路上测取不同位置处的压力信号。通过分析、归纳和总结前人文献中的实验结论以及本实验中的观察结果，将流型分为五类，选择立管顶部压力信号作为待分析的信号，将压力信号与流型强烈关联起来，建立一套完备的压力波－流型相关联的数据库。2)立管顶部压力信号规范化预处理和特征参数向量的提取采用小波分解和重构的去噪方法将原始的立管顶部压力信号进行滤波，并利用均值－方差归一化方法对不同工质和立管结构下的立管顶部压力信号进行标准化预处理，使不同条件下采集到的立管顶部压力信号均能进行定量的比较。对预处理后的立管顶部压力信号进行概率密度函数分布和功率谱密度分析，依据分析结果计算得到统计参数向量。利用主成分分析法对统计参数向量进行多变量分析，去除冗余参量，融合特征信息，提取表征立管顶部压力信号变化规律的特征参数向量。3)建立流型识别规则，利用最小二乘支持向量机对流型样本进行训练并识别。根据特征参数向量的聚类分析，在高维空间内，流型类别满足同类内聚，不同类离散的原则，具有较好的分离特性。对应着不同流型，将实验中获得的所有立管顶部压力信号特征参数参量构建为流型样本，从中选择出学习样本作为标准样本以确定区分不同流型类别的最小二乘支持向量机分类器的结构，利用组成该分类器的高维超平面分离函数对实验中以及现场的不同流型样本进行识别和测试。优选的，技术方案步骤1)中所述的气液两相流压力信号为立管顶部压力信号，其采样频率为200Hz，采样时间为20min。优选的，技术方案步骤2)中采集的立管顶部压力信号进行小波去噪和均值－方差标准化，所述小波为Haar小波，小波分解的层数为10层。优选的，技术方案步骤2)中统计参数计算方法具体为：先计算标准化后压力信号的概率密度函数分布和功率谱密度，再计算出的统计参数为压力信号的绝对值的平均值、绝对值的方差、偏度系数、峭度系数、功率谱发展到25％、50％、70％、90％、95％总功率时的频率与功率谱发展到99％总功率时的频率的比值、功率谱的0阶、1阶、2阶矩共12个参数。优选的，技术方案步骤2)中统计参数的融合采用的是主成分分析法，利用主成分分量对统计参数的累积贡献率阈值(ACR)来确定表征流型的特征参数向量；所述的累积贡献率阈值为85％，所述的特征参数向量为一个三元素的向量，分别为统计参数主成分分析后第一、第二和第三主本文档来自技高网...

【技术保护点】
一种集输－立管系统内气液两相流流型的在线识别方法，其特征在于，包括以下步骤：对待识别的集输－立管系统的立管顶部压力信号P19进行预处理，包括10阶Haar小波去噪和均值－方差标准化，得到待处理的标准化信号P19*；通过统计参数计算和主成分分析，提取出P19*标准信号中一个包含前三个主成分分量的特征参数向量，随后将这个特征参数向量输入预先训练好的一个多类分类器中，从而识别出待识别的集输－立管系统的的立管顶部信号在第一类严重段塞流、第二类严重段塞流、向严重段塞流的过渡流型、振荡型严重段塞流和稳定流动的混合类流型这四个大类中的归属；当立管顶部压力信号P19属于振荡型严重段塞流和稳定流动的混合类流型时，将P19*标准信号中频域下的两个特征参数{F5，F6}输入一个两类分类器中来决定最终的流型归属。

【技术特征摘要】
1.一种集输－立管系统内气液两相流流型的在线识别方法，其特征在于，包括以下步骤：对待识别的集输－立管系统的立管顶部压力信号P19进行预处理，包括10阶Haar小波去噪和均值－方差标准化，得到待处理的标准化信号P19*；通过统计参数计算和主成分分析，提取出P19*标准信号中一个包含前三个主成分分量的特征参数向量，随后将这个特征参数向量输入预先训练好的一个多类分类器中，从而识别出待识别的集输－立管系统的的立管顶部信号在第一类严重段塞流、第二类严重段塞流、向严重段塞流的过渡流型、振荡型严重段塞流和稳定流动的混合类流型这四个大类中的归属；当立管顶部压力信号P19属于振荡型严重段塞流和稳定流动的混合类流型时，将P19*标准信号中频域下的两个特征参数{F5，F6}输入一个两类分类器中来决定最终的流型归属；所述的一个两类分类器的构造函数为：即等价于，在最小二乘支持向量机求解过程中，待求变量ωT，b的方法在于求解下述最优化问题，利用拉格朗日求极值的方法，求解ωT，b，并得到下述分类器的最终表达形式，式中，上述各公式中，xk∈Rn表示k维输入向量，yk∈{-1,1}表示k维类别输出向量，sgn(·)表示符号函数，J(·)表示待优化的目标函数，ψ(·)为径向基核函数，表示将输入空间映射入高维空间的函数，αk为拉格朗日算子，ek为附加松弛变量，γ为惩罚因子，N为流型样本数。2.根据权利要求1所述的一种集输－立管系统内气液两相流流型的在线识别方法，其特征在于，所述的一个多类分类器的构造采用“一对一”的方法，即若存在m个类别，则构造出m(m-1)/2个权利要求1中所述的两类分类器，每次判别时选一个类的样本做正类样本，而负类样本也只选一个类，让对应的两类分类器对未知样本进行判别，即“投票”过程，以此类推，直到每个分类器对类别都做出“投票”后，统计出“得票”最多的类别，则待判别的特征为此类别。3.根据权利要求2所述的一种集输－立管系统内气液两相流流型的在线识别方法，其特征在于，分类器通过以下步骤获得：1)气液两相流压力信号的选择和采集；2)基于概率密度函数分布和功率谱密度的压力信号统计参数的选择和分析；3)基于主成分分析法的多参数的提取和融合以形成新的指示流型的特征参数向量；4)利用最小二乘支持向量机对由3)中提取和融合后的特征参数向量形成的流型样本进行训练，利用权利要求2和权利要求3中的计算方法确定不同流型类别的最小二乘支持向量机高维超...

【专利技术属性】
技术研发人员：郭烈锦，叶晶，周宏亮，李文升，谢晨，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61