一种基于人工智能的原油凝结识别方法及设备技术

本发明专利技术公开了一种基于人工智能的原油凝结识别方法及设备，属于石油工业技术领域，解决了无法实时获取输油管道中含蜡原油的凝结情况的问题。方法包括：绘制输油管道各个节点处的传播声速变化曲线以及衰减系数变化曲线；对各变化曲线分别进行特征提取，得到各变化曲线的第一曲线特征向量；在得到新的传播声速与衰减系数后，更新到对应的变化曲线中，并对更新后的变化曲线进行特征提取，得到第二曲线特征向量；基于第一曲线特征向量与第二曲线特征向量，得到特征变化值；基于特征变化值，确定变化曲线是否发生突变；若未发生突变，则基于最后确定的传播声速与衰减系数，确定超声波发射装置所在节点处的原油的凝结度。装置所在节点处的原油的凝结度。装置所在节点处的原油的凝结度。

【技术实现步骤摘要】
一种基于人工智能的原油凝结识别方法及设备


[0001]本申请涉及石油工业
，尤其涉及一种基于人工智能的原油凝结识别方法及设备。

技术介绍

[0002]管道输送高凝高粘原油是一个复杂的工艺过程。而高凝高粘原油中的含蜡原油作为一种多组分的烃类、非烃类复杂混合物，在其采输过程中，随着温度的降低，原油中的蜡晶会不断地析出，并相互交联形成具有一定强度的网络结构体，进而呈现所谓的胶凝现象。因此目前对于含蜡原油，主要还是采用加热管道的方式进行输送，以保证含蜡原油在管道中的流动性。
[0003]而实际的油田产出的原油组成和流态复杂，在通过输油管道输送过程中，存在结蜡、腐蚀冲刷、管道失效等风险，输送流程环节较多且具有复杂性，极大地影响输油管道安全平稳运行。但是目前并没有一个有效监测输油管道中原油状态以及输油管道运行状态的方法，无法知道输油管道中原油的凝结情况，也就无法对出现的异常情况针对性地作出应对，从而增大了原油管道运输的风险。

技术实现思路

[0004]本申请实施例提供了一种基于人工智能的原油凝结识别方法及设备，用于解决如下技术问题：在含蜡原油输送过程中，无法实时获取输油管道中含蜡原油的凝结情况。
[0005]本申请实施例采用下述技术方案：一方面，本申请实施例提供了一种基于人工智能的原油凝结识别方法，方法包括：基于预设时间间隔，获取输油管道各个节点处的超声波传播声速以及超声波衰减系数；绘制所述输油管道各个节点处的传播声速变化曲线，以及衰减系数变化曲线；对所述输油管道各个节点处的各变化曲线分别进行特征提取，得到所述各变化曲线的第一曲线特征向量；在得到新的传播声速与衰减系数后，将所述新的传播声速与衰减系数更新到对应的变化曲线中，并对更新后的所述变化曲线进行特征提取，得到所述变化曲线的第二曲线特征向量；基于所述第一曲线特征向量与第二曲线特征向量，得到所述变化曲线的特征变化值；基于所述特征变化值，确定所述变化曲线是否发生突变；若未发生突变，则基于最后确定的传播声速与衰减系数，确定所述超声波发射装置所在节点处的原油的凝结度。
[0006]在一种可行的实施方式中，所述基于预设时间间隔，获取输油管道各个节点处的超声波传播声速以及超声波衰减系数，具体包括：基于预设时间间隔，控制安装在所述输油管道各个节点处的超声波发射装置发射预设频率的超声波；其中，所述预设频率包括一组不同的频率；根据所述超声波接收装置接收到所述超声波的时间，确定所述超声波在所述输油管道中的传播时间；其中，所述超声波发射装置与对应的所述超声波接收装置相对设置在输油管道的两侧；获取所述所述超声波发送装置安装节点处，输油管道的直径；根据所述输油管道的直径以及所述超声波的传播时间，分别计算不同频率的超声波在所述输油管
道中传播的传播声速；确定所述超声波接收装置接收到的所述预设频率的超声波的振幅；根据所述振幅以及所述输油管道的直径，计算所述预设频率的超声波在所述输油管道中的衰减系数。
[0007]本申请实施例通过安装在输油管道两侧的超声波发射装置和超声波接收装置，测量超声波在输油管道中的传播声速和衰减系数，并根据时间绘制传播声速变化曲线和衰减系数变化曲线，分析各变化曲线以确定变化曲线是否发生突变，可以在输油管道中原油凝结度出现异常时及时告警，引起工作人员的注意。最后再根据传播声速与衰减系数确定输油管道中的原油凝结度，可以使工作人员实时监控输油管道各节点的原油凝结情况，从而实时通过合理的措施保证原油在输油管道中的流动性。
[0008]在一种可行的实施方式中，对所述输油管道各个节点处的变化曲线分别进行特征提取，得到各变化曲线的第一曲线特征向量，具体包括：对得到的每条变化曲线进行分割，并分别计算分割后的各段曲线的相对高度；对所述分割后的各段曲线继续进行分割，直至各段曲线的相对高度均小于相对高度阈值；并将分割过程中得到的每个相对高度，按照分割曲线的层次存储在二叉树相应的节点中；基于所述二叉树，得到对应的变化曲线的所述第一曲线特征向量。
[0009]在一种可行的实施方式中，对所述每条变化曲线进行分割，并分别计算分割后的各段曲线的相对高度；对所述分割后的各段曲线继续进行分割，直至各段曲线的相对高度均小于相对高度阈值；并将分割过程中得到的每个相对高度，按照分割曲线的层次存储在二叉树相应的节点中，具体包括：确定某一条变化曲线两个端点之间的距离；确定所述变化曲线上的点到两个端点连线的最远距离；将所述最远距离与所述两个端点之间的距离的比值作为所述变化曲线的相对高度，并将所述相对高度存放在所述二叉树的根节点；通过所述最远距离对应的点，将所述变化曲线分为两段；分别确定两段曲线的相对高度，并存放在所述根节点的子节点中；继续分割每段曲线并求分割后的每段曲线的相对高度，并存放在所述子节点的子节点中；若某段曲线的相对高度小于相对高度阈值，则停止分割该段曲线。
[0010]在一种可行的实施方式中，所述基于所述二叉树，得到对应的变化曲线的所述第一曲线特征向量，具体包括：在所述变化曲线的每段曲线都停止分割后，将所述二叉树中的空白节点用0填补，形成完全二叉树；按照从上到下、从左到右的次序遍历所述完全二叉树的节点，得到所述变化曲线的所述第一曲线特征向量。
[0011]在一种可行的实施方式中，基于所述第一曲线特征向量与第二曲线特征向量，得到所述变化曲线的特征变化值，具体包括：根据所述第一曲线特征向量与第二曲线特征向量中的特征数据对曲线识别的影响程度，为所述特征数据设置不同的权重；其中，任一所述特征数据在第一曲线特征向量与第二曲线特征向量中对应的权重相同；基于所述权重，计算所述第一曲线特征向量与所述第二曲线特征向量的欧拉距离；将所述欧拉距离作为所述第二曲线特征向量的变化值。
[0012]在一种可行的实施方式中，基于所述特征变化值，确定所述变化曲线是否发生突变，具体包括：在所述变化曲线中的数据点少于预设数量的情况下，确定所述变化曲线未发生突变；以及，在所述变化曲线中的数据点不少于预设数量的情况下，若所述变化值大于第一预设阈值，则确定所述变化曲线发生突变；在所述变化曲线发生突变的情况下，确定同一时刻发生突变的变化曲线数量；若所述发生突变的变化曲线数量小于第二预设阈值，则确
定所述输油管道中原油的凝结度属于正常情况；若所述发生突变的变化曲线数量不小于第二预设阈值，则确定所述输油管道中原油的凝结度属于异常情况，并向工作人员的终端发出告警。
[0013]本申请实施例通过对比更新前和更新后的变化曲线的特征，确定两者的变化值，从而判断传播声速与衰减系数是否发生了突变，若发生了突变则意味着管道中的原油可能出现了突然的凝结现象，且这种现象会比较严重，因此要向工作人员发出告警，让工作人员排查故障，以保证原油的正常运输。
[0014]在一种可行的实施方式中，所述基于最后确定的传播声速与衰减系数，确定所述超声波发射装置所在节点处的原油的凝结度，具体包括：基于所述原油的凝结度与传播声速的关系，以及原油的凝结度与原油温度的关系，制作第一关系表；基于所述原油的凝结度与衰减本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的原油凝结识别方法，其特征在于，所述方法包括：基于预设时间间隔，获取输油管道各个节点处的超声波传播声速以及超声波衰减系数；绘制所述输油管道各个节点处的传播声速变化曲线，以及衰减系数变化曲线；对所述输油管道各个节点处的各变化曲线分别进行特征提取，得到所述各变化曲线的第一曲线特征向量；在得到新的传播声速与衰减系数后，将所述新的传播声速与衰减系数更新到对应的变化曲线中，并对更新后的所述变化曲线进行特征提取，得到所述变化曲线的第二曲线特征向量；基于所述第一曲线特征向量与第二曲线特征向量，得到所述变化曲线的特征变化值；基于所述特征变化值，确定所述变化曲线是否发生突变；若未发生突变，则基于最后确定的传播声速与衰减系数，确定所述超声波发射装置所在节点处的原油的凝结度。2.根据权利要求1所述的一种基于人工智能的原油凝结识别方法，其特征在于，所述基于预设时间间隔，获取输油管道各个节点处的超声波传播声速以及超声波衰减系数，具体包括：基于预设时间间隔，控制安装在所述输油管道各个节点处的超声波发射装置发射预设频率的超声波；其中，所述预设频率包括一组不同的频率；根据所述超声波接收装置接收到所述超声波的时间，确定所述超声波在所述输油管道中的传播时间；其中，所述超声波发射装置与对应的所述超声波接收装置相对设置在输油管道的两侧；获取所述超声波发送装置安装节点处，输油管道的直径；根据所述输油管道的直径以及所述超声波的传播时间，分别计算不同频率的超声波在所述输油管道中传播的传播声速；确定所述超声波接收装置接收到的所述预设频率的超声波的振幅；根据所述振幅以及所述输油管道的直径，计算所述预设频率的超声波在所述输油管道中的衰减系数。3.根据权利要求1所述的一种基于人工智能的原油凝结识别方法，其特征在于，对所述输油管道各个节点处的变化曲线分别进行特征提取，得到各变化曲线的第一曲线特征向量，具体包括：对得到的每条变化曲线进行分割，并分别计算分割后的各段曲线的相对高度；对所述分割后的各段曲线继续进行分割，直至各段曲线的相对高度均小于相对高度阈值；并将分割过程中得到的每个所述相对高度，按照分割曲线的层次存储在二叉树相应的节点中；基于所述二叉树，得到对应的变化曲线的所述第一曲线特征向量。4.根据权利要求3所述的一种基于人工智能的原油凝结识别方法，其特征在于，对每条变化曲线进行分割，并分别计算分割后的各段曲线的相对高度；对所述分割后的各段曲线继续进行分割，直至各段曲线的相对高度均小于相对高度阈值；并将分割过程中得到的每个相对高度，按照分割曲线的层次存储在二叉树相应的节点中，具体包括：
确定任一条变化曲线两个端点之间的距离；确定所述变化曲线上的点到两个端点连线的最远距离；将所述最远距离与所述两个端点之间的距离的比值作为所述变化曲线的相对高度，并将所述相对高度存放在所述二叉树的根节点；通过所述最远距离对应的点，将所述变化曲线分为两段；分别确定两段曲线的相对高度，并存放在所述根节点的子节点中；继续分割每段曲线并求分割后的每段曲线的相对高度，并存放在所述子节点的子节点中；若某段曲线的相对高度小于相对高度阈值，则停止分割该段曲线。5.根据权利要求4所述的一种基于人工智能的原油凝结识别方法，其特征在于，所述基于所述二叉树，得到对应的变化曲线的所述第一曲线特征向量，具体包括：在所述...

【专利技术属性】
技术研发人员：崔仕章，宋新旺，王黎明，侯云福，张凤莲，高瑞美，郭鑫，刘小芳，
申请(专利权)人：山东德仕化工有限公司山东德仕石油装备有限公司，
类型：发明
国别省市：