原油含水率自校準方法研究

賈惠芹,馮旭東,高國旺

(西安石油大學光電油氣測井教育部重點試驗室，陜西 西安 710065)

原油含水率自校準方法研究

賈惠芹,馮旭東,高國旺

(西安石油大學光電油氣測井教育部重點試驗室，陜西 西安 710065)

原油含水率是評價油井產能的一項重要指標，但其易受礦化度、溫度、流體狀態、流體速度等參數的影響。針對基于電導法的原油含水率檢測模型，通過室內外試驗，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的自校準模型。利用Matlab編寫了自校準程序，運用10倍交叉驗證的方法確定了最小二乘法支持向量機的優化參數，然后把達到預期擬合效果的自校準程序下載到DSP處理器中運行，實現了在一次儀表中對原油含水率測量結果的自校準。試驗結果表明，原油含水率的影響因素與原油含水率之間呈非線性關系，自校準算法消除了主要干擾量對原油含水率的影響，實現了測量結果的自標定。和目前油田計量部門使用的蒸餾法相比，基于最小二乘法支持向量機的原油含水率檢測模型不僅可以實現實時測量與校準，且原油含水率的相對誤差比采用最小二乘法時有所減小。

最小二乘支持向量機； 嵌入式儀器； 數據信號處理器; 原油含水率； 自校準； 測量精度

0 引言

原油含水率的精確測量是原油開采、銷售等過程中被普遍關注的問題。目前，測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雜的非線性關系，因此必須借助后期的數據處理技術來提高測量精度。最小二乘法在嵌入式儀器設計方面使用較多，但存在數據“飽和”現象[4-6]；其他如遺傳算法、支持向量機、神經網絡等[7-8]方法相對復雜，對于樣本數量較多的情況，運算速度會明顯降低，且不適合在一次儀表中使用[9]。最小二乘支持向量機(least squares support vector machines,LS-SVM)算法可將非線性問題簡化為線性問題來處理，降低了算法的實現難度。本文重點研究LS-SVM在原油含水率自校準過程中的應用。

1 原油含水率測量儀的檢測模型

原油含水率測量儀系統組成如圖1所示。該儀器主要由激勵源、電極系、基于LS-SVM的含水率校準模塊和數據信號處理器(digital signal processor,DSP)組成。電極1與電極8為激勵電極對。電極2與電極7為測量電極對。通過給含水率測量管段的激勵電極對施加激勵源信號，在激勵電極對內部形成規則電場。被測的油、水混合流體在管道內流動，含水率測量電極對用于檢測管道內的流動信號；檢測到的信號經過基于LS-SVM的含水率校準模塊后，最后由DSP顯示含水率的測量結果。

圖1 原油含水率測量儀系統組成圖

假設給激勵電極對施加的是大小為I的恒流激勵，測量電極對之間的電壓為U，則測量電極對之間被測流體的等效電導率σm可以表示為：

(1)

式中：c為與電導式傳感器的結構、材料及邊緣效應有關的常數，可以借助試驗來獲取并對其進行校正。

由式(1)可以看出，測量電極間電壓與被測流體的電導率成反比。

建立Maxwell理論模型，對多相流的流動情況進行分析：假定多相流中所有顆粒都近似于圓球形，顆粒濃度較低，而且任意兩個顆粒之間都不會有干擾。

設ηw為原油含水率，σw和σm分別為全水時的混合液電導率和被測三相流體的電導率，則有：

(2)

設Gw為全水時的電導；Gm為被測混合流體的電導；Fw為測量電極在全水狀態下的輸出電壓幅值，且可在測量之前通過標定得到[10]；Fm為原油流過測量管段時的輸出幅值，則有：

(3)

根據式(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與測量電極在全水狀態下的輸出電壓幅值Fw以及原油流過測量管段時輸出幅值Fm有關，但不是線性關系。Fm究竟與哪些因素有關系，需要通過試驗分析。

2 原油含水率輸出值的影響因素分析

在某油田現場進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對測量結果的影響。含水率測量儀的現場連接示意圖如圖2所示。

圖2 含水率測量儀的現場連接示意圖

從圖2可以看出，從油井中輸出的流體經過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：一路進入試油罐，另一路流向各個方罐。含水率測量儀則與流向方罐的管道相連。

2.1 礦化度對含水率測量精度的影響

選用電導率測量儀測量溶液的電導值，根據電導率與礦化度的關系，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，含水率測量儀的輸出電壓值隨所測溶液電導值的增大而減小；在同一電導率下，含水率增大，含水率測量儀的輸出電壓值減小。同時，因為電導率和礦化度成正比，所以含水率測量儀的輸出電壓值隨著礦化度的增大而減小。

2.2 原油溫度對含水率測量精度的影響

當含水率保持在45%時，原油溫度與含水率測量儀的輸出電平關系如圖3所示。

圖3 溫度與含水率測量儀輸出電平關系圖

從圖3可知，當原油溫度升高時，原油含水率測量儀的輸出電平值有減小的趨勢，但趨勢不明顯。

2.3 其他因素對含水率測量精度的影響

①原油濃度。

在主電機運轉頻率固定的情況下，通過改變副電機的攪拌頻率，測量含水率值。從測量結果得出如下結論：在一定的攪拌頻率范圍內，隨著攪拌頻率的提高，其對應的含水率測量值降低。但其變化不是線性的，其后漸趨平穩。由此可知，當原油溶液的成分混合均勻時，其測試結果變化不大，含水率值也趨于平穩。

②原油流速。

通過調節電機的轉速來改變原油的流速。從測量結果得出如下結論：隨著電機轉速的增加，含水率測量儀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。

分析儀器與輸油管道的共地狀態對含水率測量結果的影響。從測量結果得出如下結論：在原油流速和濃度一定的情況下，測量儀器與試驗管道間的接地狀態對測量結果的影響不大;但隨著主電機運行頻率的提高，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的含水率自校準模型

從上述分析可以看出，原油含水率測量儀的輸出值受多個因素的影響，且影響結果是非線性的，不能用一個簡單的線性擬合公式對其進行校準。

3.1 LS-SVM算法分析

基于正則化理論的LS-SVM算法是標準SVM的改進，它將二次規劃問題轉換成線性方程組，使得SVM的求解過程更簡單。對于給定的學習樣本集，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[11]。通過選取逼近誤差二次項的和來控制模型的經驗風險。

初始優化公式為：

(5)

γi=wTφ(xi)+b+eii=1,2,...,N

(6)

式中：γ為正則化參數。

式中：ai為拉格朗日乘子,i=1,2,...,N。

令w、b、e、a的偏導數為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算法的求解過程復雜度低于普通SVM算法。

3.2 仿真訓練與驗證

通過調用Matlab工具箱的LS-SVM函數庫，可實現LS-SVM算法。在LS-SVM算法中，有3個重要的參數：多項式核、高斯徑向基核函數和多層感知機函數。因為高斯徑向基核函數所對應的特征空間是無窮維的，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[12]；正則化系數(γ)用于控制超出誤差的樣本的懲罰程度；核參數(σ2)用于控制徑向基函數的徑向作用范圍。

LS-SVM實現流程如圖4所示。本文運用10倍交叉驗證的方法來確定優化參數，算法原理如下。把采集的原油含水率測量數據樣本分成10個子測量樣本。其中，1個單獨的測量子樣本被保留作為驗證模型的數據，其他9個測量樣本作為訓練數據。交叉驗證重復9次，每個測量子樣本驗證1次，然后取9次的平均值作為最終的含水率測量結果[13]。這個方法的優點在于，可同時重復運用隨機產生的子測量樣本進行訓練和驗證，每次的測量結果只需驗證1次。

圖4 LS-SVM的實現流程圖

4 試驗結果分析

油田計量部門目前仍使用GB/T 8929-2006中的蒸餾法進行原油含水率的測量。測量結果對比如表2所示。

表2 測量結果對比

表2中:U為含水率測量儀的輸出電壓值;LS-SVM為采用LS-SVM算法得出的含水率測量值;LS為采用最小二乘法得出的含水率測量值;OIL為油田計量部門對含水率的測量值。

從表2可以看出，如果采用最小二乘法進行擬合，以油田的測試結果為標準值，得出的最大相對誤差為9%；如果采用LS-SVM算法，得出的最大相對誤差為5%。從含水率測量儀的結果來看，利用LS-SVM進行非線性補償后，相對誤差減小。

5 結束語

本文通過多次室內外試驗，得出了影響原油含水率測量精度的主要因素，提出了基于LS-SVM的含水率自校準方法。利用該方法對研制的含水率測量儀進行校準后，儀器的非線性度和測量精度都有所提高。該算法利用Matlab軟件，可直接在DSP軟件環境下運行，實現了在一次儀表中對原油含水率的自校準。該儀器目前已經在多個油田進行了現場測試試驗，其測量精度達到了油田的使用要求。

[1] 張冬至,胡國清.油水混合物含水率在線檢測技術最新研究進展[J].傳感器與微系統，2009，29(10)：5-6.

[2] 王偉， 王田苗， 魏洪興.LS-SVM與多層前向網絡的非線性回歸性能比較[J].系統仿真學報，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測[J].計算機仿真，2012，29(11)：324-325.

[4] 趙維恭，龔爭輝，張愛興.質量流量計在線計量礦產原油含水率的含氣影響及解決方法[J].石油天然氣學報，2014，36(12)：268-269.

[5] 吳良海.基于粒子群優化RBF神經網絡原油含水率預測[J].計算機仿真，2012，27(5)：261-262.

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

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

[8] 王艷菊，康岳屹，王懷玉.基于數據融合的原油含水率在線測量方法研究[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種含水率計算模型比較[J].儀器儀表學報，2012，33(4)：120-140.

[10]趙東升.含水率及流量測量技術研究[D].西安:西安石油大學，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補償[J].儀器儀表學報，2015，36(5)：1005-1006.

[12]趙國慶,彭華,王彬，等.一種新的通信輻射源個體識別方法[J].計算機應用，2012,35(5):1460-1461.

[13]王昕.基于支持向量機的斜拉橋拉索損傷識別技術研究[D].石家莊:石家莊鐵道大學，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

陜西省工業科技攻關基金資助項目(2016GY-177)

賈惠芹(1972—)，女，博士，教授，主要從事油田自動化技術的研究。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