原油含水率自校准方法研究

贾惠芹,冯旭东,高国旺

(西安石油大学光电油气测井教育部重点试验室，陕西 西安 710065)

原油含水率自校准方法研究

贾惠芹,冯旭东,高国旺

(西安石油大学光电油气测井教育部重点试验室，陕西 西安 710065)

原油含水率是评价油井产能的一项重要指标，但其易受矿化度、温度、流体状态、流体速度等参数的影响。针对基于电导法的原油含水率检测模型，通过室内外试验，得出了原油含水率的主要影响因素，建立了基于最小二乘法支持向量机的自校准模型。利用Matlab编写了自校准程序，运用10倍交叉验证的方法确定了最小二乘法支持向量机的优化参数，然后把达到预期拟合效果的自校准程序下载到DSP处理器中运行，实现了在一次仪表中对原油含水率测量结果的自校准。试验结果表明，原油含水率的影响因素与原油含水率之间呈非线性关系，自校准算法消除了主要干扰量对原油含水率的影响，实现了测量结果的自标定。和目前油田计量部门使用的蒸馏法相比，基于最小二乘法支持向量机的原油含水率检测模型不仅可以实现实时测量与校准，且原油含水率的相对误差比采用最小二乘法时有所减小。

最小二乘支持向量机； 嵌入式仪器； 数据信号处理器; 原油含水率； 自校准； 测量精度

0 引言

原油含水率的精确测量是原油开采、销售等过程中被普遍关注的问题。目前，测量原油含水率的方法较多，但都具有局限性[1-3]。即使采用组合测量法，也难免受矿化度、温度等因素的影响，且这些因素之间存在复杂的非线性关系，因此必须借助后期的数据处理技术来提高测量精度。最小二乘法在嵌入式仪器设计方面使用较多，但存在数据“饱和”现象[4-6]；其他如遗传算法、支持向量机、神经网络等[7-8]方法相对复杂，对于样本数量较多的情况，运算速度会明显降低，且不适合在一次仪表中使用[9]。最小二乘支持向量机(least squares support vector machines,LS-SVM)算法可将非线性问题简化为线性问题来处理，降低了算法的实现难度。本文重点研究LS-SVM在原油含水率自校准过程中的应用。

1 原油含水率测量仪的检测模型

原油含水率测量仪系统组成如图1所示。该仪器主要由激励源、电极系、基于LS-SVM的含水率校准模块和数据信号处理器(digital signal processor,DSP)组成。电极1与电极8为激励电极对。电极2与电极7为测量电极对。通过给含水率测量管段的激励电极对施加激励源信号，在激励电极对内部形成规则电场。被测的油、水混合流体在管道内流动，含水率测量电极对用于检测管道内的流动信号；检测到的信号经过基于LS-SVM的含水率校准模块后，最后由DSP显示含水率的测量结果。

图1 原油含水率测量仪系统组成图

假设给激励电极对施加的是大小为I的恒流激励，测量电极对之间的电压为U，则测量电极对之间被测流体的等效电导率σm可以表示为：

(1)

式中：c为与电导式传感器的结构、材料及边缘效应有关的常数，可以借助试验来获取并对其进行校正。

由式(1)可以看出，测量电极间电压与被测流体的电导率成反比。

建立Maxwell理论模型，对多相流的流动情况进行分析：假定多相流中所有颗粒都近似于圆球形，颗粒浓度较低，而且任意两个颗粒之间都不会有干扰。

设ηw为原油含水率，σw和σm分别为全水时的混合液电导率和被测三相流体的电导率，则有：

(2)

设Gw为全水时的电导；Gm为被测混合流体的电导；Fw为测量电极在全水状态下的输出电压幅值，且可在测量之前通过标定得到[10]；Fm为原油流过测量管段时的输出幅值，则有：

(3)

根据式(1)～式(3)，可推算出多相流的原油含水率ηw为：

(4)

从式(4)可以看出，原油含水率ηw与测量电极在全水状态下的输出电压幅值Fw以及原油流过测量管段时输出幅值Fm有关，但不是线性关系。Fm究竟与哪些因素有关系，需要通过试验分析。

2 原油含水率输出值的影响因素分析

在某油田现场进行了原油含水率影响因素的分析，主要包括原油矿化度、温度、浓度、流速和仪器接地状态对测量结果的影响。含水率测量仪的现场连接示意图如图2所示。

图2 含水率测量仪的现场连接示意图

从图2可以看出，从油井中输出的流体经过气液分离器分离出大部分气体。完成分离后的液体分成了两路：一路进入试油罐，另一路流向各个方罐。含水率测量仪则与流向方罐的管道相连。

2.1 矿化度对含水率测量精度的影响

选用电导率测量仪测量溶液的电导值，根据电导率与矿化度的关系，可推算出矿化度。不同矿化度下的输出电压值如表1所示。

表1 不同矿化度下的输出电压值

由表1可知，在相同含水率情况下，含水率测量仪的输出电压值随所测溶液电导值的增大而减小；在同一电导率下，含水率增大，含水率测量仪的输出电压值减小。同时，因为电导率和矿化度成正比，所以含水率测量仪的输出电压值随着矿化度的增大而减小。

2.2 原油温度对含水率测量精度的影响

当含水率保持在45%时，原油温度与含水率测量仪的输出电平关系如图3所示。

图3 温度与含水率测量仪输出电平关系图

从图3可知，当原油温度升高时，原油含水率测量仪的输出电平值有减小的趋势，但趋势不明显。

2.3 其他因素对含水率测量精度的影响

①原油浓度。

在主电机运转频率固定的情况下，通过改变副电机的搅拌频率，测量含水率值。从测量结果得出如下结论：在一定的搅拌频率范围内，随着搅拌频率的提高，其对应的含水率测量值降低。但其变化不是线性的，其后渐趋平稳。由此可知，当原油溶液的成分混合均匀时，其测试结果变化不大，含水率值也趋于平稳。

②原油流速。

通过调节电机的转速来改变原油的流速。从测量结果得出如下结论：随着电机转速的增加，含水率测量仪的输出电平值也逐渐增加，但是变化不是很大，且不是线性变化的。

③仪器与输油管道的共地状态。

分析仪器与输油管道的共地状态对含水率测量结果的影响。从测量结果得出如下结论：在原油流速和浓度一定的情况下，测量仪器与试验管道间的接地状态对测量结果的影响不大;但随着主电机运行频率的提高，原油含水率的输出值逐渐增加，但不是线性变化的。

3 基于LS-SVM的含水率自校准模型

从上述分析可以看出，原油含水率测量仪的输出值受多个因素的影响，且影响结果是非线性的，不能用一个简单的线性拟合公式对其进行校准。

3.1 LS-SVM算法分析

基于正则化理论的LS-SVM算法是标准SVM的改进，它将二次规划问题转换成线性方程组，使得SVM的求解过程更简单。对于给定的学习样本集，S={(xi,yi)|xi∈Rn,yi∈R,i=1,2,...,N},LS-SVM利用非线性映射φ(·)将样本集S映射到更高维的特征空间中，寻找如y(x)=wTφ(x)+b形式的逼近函数[11]。通过选取逼近误差二次项的和来控制模型的经验风险。

初始优化公式为：

(5)

γi=wTφ(xi)+b+eii=1,2,...,N

(6)

式中：γ为正则化参数。

式中：ai为拉格朗日乘子,i=1,2,...,N。

令w、b、e、a的偏导数为0，再消去w和e，可得到如式(7)所示的线性方程组：

(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。

求解该线性工程组，可得参数a和b分别为:

a=(KN+γ-1I)-1(y-bI)

(8)

(9)

最后可求得LS-SVM回归算法的解析解为：

(10)

式(10)表明，LS-SVM算法的求解过程复杂度低于普通SVM算法。

3.2 仿真训练与验证

通过调用Matlab工具箱的LS-SVM函数库，可实现LS-SVM算法。在LS-SVM算法中，有3个重要的参数：多项式核、高斯径向基核函数和多层感知机函数。因为高斯径向基核函数所对应的特征空间是无穷维的，有限的样本在该特征空间中必定是线性可分的，所以选用高斯径向基核函数[12]；正则化系数(γ)用于控制超出误差的样本的惩罚程度；核参数(σ2)用于控制径向基函数的径向作用范围。

LS-SVM实现流程如图4所示。本文运用10倍交叉验证的方法来确定优化参数，算法原理如下。把采集的原油含水率测量数据样本分成10个子测量样本。其中，1个单独的测量子样本被保留作为验证模型的数据，其他9个测量样本作为训练数据。交叉验证重复9次，每个测量子样本验证1次，然后取9次的平均值作为最终的含水率测量结果[13]。这个方法的优点在于，可同时重复运用随机产生的子测量样本进行训练和验证，每次的测量结果只需验证1次。

图4 LS-SVM的实现流程图

4 试验结果分析

油田计量部门目前仍使用GB/T 8929-2006中的蒸馏法进行原油含水率的测量。测量结果对比如表2所示。

表2 测量结果对比

表2中:U为含水率测量仪的输出电压值;LS-SVM为采用LS-SVM算法得出的含水率测量值;LS为采用最小二乘法得出的含水率测量值;OIL为油田计量部门对含水率的测量值。

从表2可以看出，如果采用最小二乘法进行拟合，以油田的测试结果为标准值，得出的最大相对误差为9%；如果采用LS-SVM算法，得出的最大相对误差为5%。从含水率测量仪的结果来看，利用LS-SVM进行非线性补偿后，相对误差减小。

5 结束语

本文通过多次室内外试验，得出了影响原油含水率测量精度的主要因素，提出了基于LS-SVM的含水率自校准方法。利用该方法对研制的含水率测量仪进行校准后，仪器的非线性度和测量精度都有所提高。该算法利用Matlab软件，可直接在DSP软件环境下运行，实现了在一次仪表中对原油含水率的自校准。该仪器目前已经在多个油田进行了现场测试试验，其测量精度达到了油田的使用要求。

[1] 张冬至,胡国清.油水混合物含水率在线检测技术最新研究进展[J].传感器与微系统，2009，29(10)：5-6.

[2] 王伟， 王田苗， 魏洪兴.LS-SVM与多层前向网络的非线性回归性能比较[J].系统仿真学报，2008，20(1)，256-258.

[3] 王海燕.基于核偏最小二乘回归分析的线损率预测[J].计算机仿真，2012，29(11)：324-325.

[4] 赵维恭，龚争辉，张爱兴.质量流量计在线计量矿产原油含水率的含气影响及解决方法[J].石油天然气学报，2014，36(12)：268-269.

[5] 吴良海.基于粒子群优化RBF神经网络原油含水率预测[J].计算机仿真，2012，27(5)：261-262.

[6] 修德斌，孙风光，崔体波.基于曲面拟合理论CO2传感器数据融合研究[J].传感器与微系统，2007，26(8)：10-11.

[7] 张艳锋，严家明.基于最小二乘法的压力传感器温度补偿算法[J].传感器与微系统，2007,15(12)：1871-1873.

[8] 王艳菊，康岳屹，王怀玉.基于数据融合的原油含水率在线测量方法研究[J].压电与声光，2013，35(5)：743-746.

[9] 李利品，党瑞荣，黄燕群,等.油水两相流中2种含水率计算模型比较[J].仪器仪表学报，2012，33(4)：120-140.

[10]赵东升.含水率及流量测量技术研究[D].西安:西安石油大学，2012.

[11]靖永志，何飞，肖建.基于组合模型的悬浮间隙传感器齿槽效应补偿[J].仪器仪表学报，2015，36(5)：1005-1006.

[12]赵国庆,彭华,王彬，等.一种新的通信辐射源个体识别方法[J].计算机应用，2012,35(5):1460-1461.

[13]王昕.基于支持向量机的斜拉桥拉索损伤识别技术研究[D].石家庄:石家庄铁道大学，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

陕西省工业科技攻关基金资助项目(2016GY-177)

贾惠芹(1972—)，女，博士，教授，主要从事油田自动化技术的研究。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