一种基于神经网络的原油切水方法及系统技术方案

本发明专利技术公开了一种基于神经网络的原油切水方法，属于原油脱水技术领域，解决了油水界面高度的检测准确度较差及切水效果较差问题。一种基于神经网络的原油切水方法，包括以下步骤：采集油罐原油的密度、粘度、进油量、静置时间以及油水界面高度的历史数据；建立油水界面高度与原油的密度、粘度、进油量、静置时间对应的神经网络数学模型，形成油水界面神经网络模型；计算不同静置时间下的油水界面高度，根据所述油水界面高度，确定原油切水量，并获取出油含水率，根据不同静置时间下的原出油含水率，确定原油的最优静置时间；在油水分层后根据最优静置时间对应的切水量进行切水。实现了更准确的确定油水界面高度，并使得切水效果更好。

A cut water method and system of crude oil based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的原油切水方法及系统
本专利技术涉及原油脱水
，尤其是涉及一种基于神经网络的原油切水方法及系统。
技术介绍
原油在生产过程中，无法避免会将水和油一起收集，原油会含有大量的水，严重影响油品的质量，为了提高油品的性质，需要对原油进行脱水处理，原油中的水分在重力的作用下会降落到油罐的底部，经过一段静置时间后，把油罐底部的水放出来，就完成了原油切水的整个过程，但工作人员在一般通过工作经验来判断油水界面来进行切水还是出油，这种方式容易将油和水一起放出来，造成油品的浪费和环境污染，随着科学技术的发现，急切需要将新的科学技术用到原油切水的方法研发中。目前使用的原油切水技术，都是通过安装自动切水器通过在线监测油水界面，以便实现自动切水，避免在脱水过程需要人为进行判断，并安全环保的完成一次切水过程；由于原油和水混合物混合物成分的复杂性，现有的油水界面检测仪的检测油水界面高度的准确度较差、稳定性也不太好，导致切水效果较差；有的企业并没有安装自动切水器装置，因为安装装置对于小的企业会带来一定的经济负担，且需要定期给检测仪进行清洗和维护，本文档来自技高网...

【技术保护点】
1.一种基于神经网络的原油切水方法，其特征在于，包括以下步骤：/n采集油罐原油的密度、粘度、进油量、静置时间以及油水界面高度的历史数据；/n确定传递函数、训练函数以及网络结构，建立油水界面高度与原油的密度、粘度、进油量、静置时间对应的神经网络数学模型，并对所述神经网络数学模型进行训练，形成油水界面神经网络模型；/n通过所述油水界面神经网络模型，计算不同静置时间下的油水界面高度，根据所述油水界面高度，确定原油切水量，并获取出油含水率，根据不同静置时间下的原出油含水率，确定原油的最优静置时间；/n利用最优静置时间对原油进行静置，在油水分层后根据最优静置时间对应的切水量进行切水。/n

【技术特征摘要】
1.一种基于神经网络的原油切水方法，其特征在于，包括以下步骤：
采集油罐原油的密度、粘度、进油量、静置时间以及油水界面高度的历史数据；
确定传递函数、训练函数以及网络结构，建立油水界面高度与原油的密度、粘度、进油量、静置时间对应的神经网络数学模型，并对所述神经网络数学模型进行训练，形成油水界面神经网络模型；
通过所述油水界面神经网络模型，计算不同静置时间下的油水界面高度，根据所述油水界面高度，确定原油切水量，并获取出油含水率，根据不同静置时间下的原出油含水率，确定原油的最优静置时间；
利用最优静置时间对原油进行静置，在油水分层后根据最优静置时间对应的切水量进行切水。


2.根据权利要求1所述的基于神经网络的原油切水方法，其特征在于，所述确定传递函数、训练函数以及网络结构，具体包括，确定所述传递函数为logsig或tansig函数、所述训练函数为traingd、traingda或trainlm函数，所述网络结构包括神经网络的输入层、隐含层和输出层。


3.根据权利要求2所述的基于神经网络的原油切水方法，其特征在于，所述隐含层的输出为



所述输出层的输出为



其中，n为输入层单元个数，o为隐含层的单元个数，h为输出层的个数，βij和βkj为连接权值，θj和θk为神经元阀值，xi为输入的历史数据，bj为隐含层输出值，yj为油水界面的高度，f(x)为传递函数。


4.根据权利要求1所述的基于神经网络的原油切水方法，其特征在于，根据所述油水界面高度，确定原油切水量，具体包括，
利用公式v＝πr2H，计...

【专利技术属性】
技术研发人员：鄢烈祥，周力，陈国辉，韦金银，
申请(专利权)人：汉谷云智武汉科技有限公司，
类型：发明
国别省市：湖北;42