基于槽式孔板的凝析天然气计量技术研究

论文摘要

凝析天然气的在线计量属于多相计量的一个分支,是石油天然气工业迫切需要解决的问题之一。本文将其简化为低含液率气液两相流计量问题,基于课题组自行开发的凝析天然气流量计样机和大量的实验数据。本文为流量计开发一种基于软测量模型的快速、高效的数据处理方法,扩大流量计的测量范围、提高测量精度和实时性,为流量计计量算法的完善奠定基础。研究工作分为两部分,第一部分对单个槽式孔板测量数据进行处理,先后完成了基于差压平均值的孔板压降倍率特性研究和基于差压波动部分的特征量提取;第二部分为基于双槽式孔板组合的两相流参数检测技术研究,分别为基于相关技术的相含率测量和基于神经网络的流型辨识和流量测量。基于差压信号的平均值,详细分析了不同孔径比的槽式孔板ΦG随X、Frg和γ变化的规律,并将X、Frg和γ作为变量对Murdock相关式进行修正,提出了一种新的适用于不同孔径比槽式孔板的压降相关式;与前人基于标准孔板的相关式相比,由于修正了γ对ΦG的影响,在文中实验条件下其流量计算精度最高。基于差压信号具有强烈的非线性、非平稳性和非高斯性,应用Hilbert-Huang变换和高阶统计分析方法对差压信号波动部分进行处理,提取了一组新的特征量:IMF分频段能量及能量分数、IMF熵、HHT熵和双谱熵;分析表明:上述特征量对气液两相流动参数的变化非常敏感,为建立气液两相流参数检测的软测量模型提供了依据。基于流量计的双槽式孔板结构,应用小波变换和经验模式分解对上下游差压信号进行处理,分别将分解结果作为相关量计算相关速度,研究了相关速度与X及液相含率之间的关系;结果表明:原始差压信号得到的相关速度不能很好地反映两相流动参数的变化,而由分解后的某些分量获得的相关速度与相含率之间具有稳定的关系。提出了一种新的信号特征选择方法——mRMR+BP,分别以mRMR+BP方法和主成分分析法对差压信号特征量进行预处理;以流型和气液分相流量作为BP网络输出,以从上下游差压信号中提取的两组特征量及其组合作为网络输入,建立了三个独立的子网络;通过对子网络的输出进行集成建立了基于集成BP神经网络的软测量模型;在文中实验条件下,软测量模型的流型辨识准确度高于93%,气液分相流量测量的平均相对误差分别低于5%和15%。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 气液两相流概述
• 1.2.1 气液两相流定义
• 1.2.2 管内气液两相流基本参数
• 1.2.3 水平管内气液两相流流型
• 1.3 凝析天然气计量技术
• 1.3.1 气液两相流参数检测技术
• 1.3.2 凝析天然气流量计发展现状
• 1.4 本文的研究工作
• 1.5 本章小结
• 第2章 实验原理与数据采集
• 2.1 实验装置
• 2.1.1 槽式孔板
• 2.1.2 流量计样机
• 2.1.3 实验环道
• 2.2 实验参数范围
• 2.3 数据采集及预处理
• 2.3.1 数据采集
• 2.3.2 数据预处理
• 2.4 本章小结
• 第3章 槽式孔板压降倍率相关式
• 3.1 引言
• 3.2 标准节流元件的压降倍率相关式
• 3.2.1 两相压降倍率和Lockhart-Martinelli 参数
• 3.2.2 气液分相流量计算
• 3.2.3 标准节流元件压降相关式
• 3.3 槽式孔板压降倍率相关式
• 3.3.1 单相流测量特性
• 3.3.2 两相压降倍率特性
• 3.4 典型相关式流量计算结果比较
• 3.5 本章小结
• 第4章 差压信号特征提取
• 4.1 引言
• 4.2 信号处理方法简介
• 4.2.1 短时傅立叶变换
• 4.2.2 小波变换
• 4.2.3 Wigner-Ville 分布
• 4.2.4 Hilbert-Huang 变换
• 4.2.5 高阶统计分析
• 4.3 差压信号的时域统计特征
• 4.4 基于Hilbert-Huang 变换的差压信号特征
• 4.4.1 IMF 能量
• 4.4.2 IMF 熵
• 4.4.3 Hilbert 谱
• 4.5 基于高阶统计分析的差压信号特征
• 4.5.1 双谱
• 4.5.2 双谱熵
• 4.6 本章小结
• 第5章 基于相关测试技术的相含率测量
• 5.1 引言
• 5.2 相关测试技术基本原理
• 5.2.1 相关流量测量的数学模型
• 5.2.2 渡越时间的求取
• 5.2.3 相关测速的物理解释
• 5.2.4 相关测速存在的问题
• 5.3 基于槽式孔板差压信号的相关速度
• 5.3.1 信号预处理
• 5.3.2 基于原始信号的相关速度
• 5.3.3 基于小波分量的相关速度
• 5.3.4 基于经验模式函数分量的相关速度
• 5.4 相关速度与流动参数的关联
• 5.4.1 相关速度与相含率
• 5.4.2 流型的影响
• 5.5 本章小结
• 第6章 基于神经网络集成的流型辨识和分相流量软测量
• 6.1 引言
• 6.2 软测量模型的建立
• 6.2.1 神经网络结构设计
• 6.2.2 特征选择方法设计
• 6.2.3 集成网络模型设计
• 6.3 流型辨识模型
• 6.3.1 流型辨识模型一
• 6.3.2 流型辨识模型二
• 6.3.3 模型一和模型二的比较
• 6.4 气液分相流量测量模型
• 6.4.1 流量测量模型一
• 6.4.2 流量测量模型二
• 6.4.3 模型一和模型二的比较
• 6.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢