基于BP神经网络的多相流计量方法的研究

　　0　引言

　　原油开采过程中,在油井井口处油、气、水多相流的含量、成分、流速等各种因素之间通常是一种非线性、不确定的复杂关系;而神经网络能实现输入空间到输出空间的非线性映射,并且具有自组织、自适应和自学习能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题,近年来已经在工程中得到了广泛应用[1~3]。

　　以油、气、水多相流的在线计量为主要研究方向,设计一款简单实用、维护方便、高精度的油井井口多相流量计将成为多相流计量的主要发展方向之一[4~5]。

　　1　BP神经网络模型

　　BP网络是一种多层前馈型神经网络,由输入层、一层或多层隐含层、输出层3部分构成,其中每一层又由多个神经元组成。BP网络用于函数逼近时,通常隐含层节点采用Sigmoid函数,输出层节点采用线性函数。

　　BP神经网络算法也称误差反向传播算法,单个神经元计算需要用到以下公式:

　　2　BP神经网络实现多相流计量原理

　　基于BP神经网络的多相流计量方法,包含2个部分:一是相分率的测量。结合密度计,采用密度测量的方法,确定油、气、水的相分率。此多相流测量系统中含有气相,由于气体具有可压缩性,气相相分率的计算结果存在一定误差。因此通过构建一个BP神经网络,用来逼近气相相分率计算结果的误差值,对其进行修正,得到高精度的相分率测量值;二是总流速的测量。由于流体的流速与节流装置的压差开方及各相的相分率等因素具有非线性的映射关系,因此再构建一个BP神经网络,实现总流速的测量。

　　2. 1　特征指标的提取及归一化处理

　　测量系统原理框图如图1所示。其实现过程为:将三相流通过气液分离器,使其分离为气相和液相,气相经T型三通管后向上分离,液相水平流入水分分析仪;水分分析仪测得液相含水率;密度测量采用的是科里奥利质量流量计。密度计2用来测量液相的混合密度,通过密度计1测得三相的混合密度;孔板流量计采用的是槽式孔板,与标准孔板相比,槽式孔板更适合于多相流的测量。压力表测量值为该系统的工作压力值。

　　根据长期的历史经验数据分析,可提取f1、f2、水分分析值、压力、压差开方作为BP神经网络的特征指标,其中:f1、f2分别为密度计1和密度计2测得的频率值;水分分析值为水分分析仪测得值;压力为压力传感器采集值;压差开方为孔板处压差传感器采集信号的开方值。

　　把各传感器采集到的信号,即f1、f2、水分分析值、压力、压差开方,利用下式:

　　处理到[-1, 1]区间,使神经网络的输入量避开S型函数饱和区,使其落在S型函数变化大的区间,这样神经网络的训练更快、收敛更稳定。