一种混合原油凝点预测模型训练方法、装置及应用方法制造方法及图纸

本文涉及油气运输领域，尤其涉及一种混合原油凝点预测模型训练方法、装置及应用方法。该方法包括获取训练样本数据集，所述训练样本数据集包括历史样本组分油的物性监测数据、所述历史样本组分油所在管道的运行参数、所述历史样本组分油混合后形成的历史样本混合原油的物性监测数据及所述历史样本混合原油所在管道的运行参数；利用所述训练样本数据集训练XGBoost初始模型，确定混合原油凝点预测模型。本方案首次建立了基于物性监测数据、管道的运行参数的混合原油凝点预测模型；且可以基于传感器传回的实时数据，便可进行多组分原油凝点实时在线预测，凝点预测精度较高，降低预测复杂度、提高了原油运输效率。提高了原油运输效率。提高了原油运输效率。

【技术实现步骤摘要】
一种混合原油凝点预测模型训练方法、装置及应用方法


[0001]本文涉及油气运输领域，尤其是一种混合原油凝点预测模型训练方法、装置及应用方法。

技术介绍

[0002]管道混合运输是进口石油天然气的主要运输方式，当混合原油的凝点高于管线沿线输送的最低温度，以及管输原油油源、输量等的变化，管道运输原油的风险会大大提升，如何保障混输原油管道可靠运行已成为关乎经济发展、社会稳定的重要课题。
[0003]现有技术通过人工取样、实验室测定混合原油的凝点进行管道原油运输，该方法无法实现全线、全时段的风险管控，且无法满足输油管道工况变化的情况。现在技术也有通过引入两个非线性修正系数建立凝点预测的经验模型，其中一个修正系数的确定需要通过复杂的试验操作获知两组分等配比混合原油的凝点，具有一定的局限性。现有技术中还包括利用BP神经网络建立由组分油凝点及配比预测混合原油凝点的模型，该种方法仍然停留在相同物性之间的预测(即，使用组分油的凝点预测混合油的凝点)阶段，且需要通过实验测定获得组分油的物性参数，所需实验室测定数据量庞大、实验室测得凝点无法实时反应管道流动参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混合原油凝点预测模型训练方法，其特征在于，所述混合原油由至少一种组分油输入至管道中混合形成，所述方法包括：获取训练样本数据集，所述训练样本数据集包括历史样本组分油的物性监测数据、所述历史样本组分油所在管道的运行参数、所述历史样本组分油混合后形成的历史样本混合原油的物性监测数据及所述历史样本混合原油所在管道的运行参数；利用所述训练样本数据集训练XGBoost初始模型，确定混合原油凝点预测模型。2.根据权利要求1所述的混合原油凝点预测模型训练方法，其特征在于，所述历史样本组分油物性监测数据包括：历史样本组分油的凝点、黏度及密度；所述管道的运行参数包括管道压力、管道温度及管道内的流量；所述历史样本混合原油的物性监测数据包括历史样本混合原油的密度、黏度。3.根据权利要求1所述的混合原油凝点预测模型训练方法，其特征在于，利用所述训练样本数据集训练XGBoost初始模型，得到混合原油凝点预测模型包括：根据XGBoost初始模型中的所有决策树对训练样本数据集的预测值之和，建立所述XGBoost初始模型的目标函数，所述目标函数如下：其中，L(φ)为模型的目标函数，为所述XGBoost初始模型的损失函数，i为决策树的序号，y
i
表示第i个决策树的真实值，表示第i个决策树的预测值，k表示决策树的数量，∑
k
Ω(f
k
)为初始模型中的第k个决策树对应的正则惩罚项之和，Ω(f
k
)为第k个决策树对应的正则惩罚项；将所述目标函数中的所有决策树进行分割，将所述目标函数转化为关于决策树的叶子节点的迭代公式，确定混合原油凝点预测模型。4.根据权利要求3所述的混合原油凝点预测模型训练方法，其特征在于，将所述目标函数中的所有决策树进行分割之前，对所述目标函数执行如下处理：利用如下公式对所述目标函数进行变形：其中，其中，为所述损失函数的一阶导；为所述损失函数的二阶导，为所述损失函数，t表示决策树的序号，f
t
(x
i
)为第t个决策树。5.根据权利要求3所述的混合原油凝点预测模型训练方法，其特征在于，将所述目标函数中的所有决策树进行分割，将所述目标函数转化为关于决策树的叶子节点的迭代公式包括：利用如下公式表示所述目标函数中的正则惩罚项：其中，Ω(f
t
)为正则惩罚项，f
t
为进行了t次迭代的决策树，T为所述叶子节点的个数，γ为所述决策树的个数，λ为所述叶子节点的得分，w
j
为所述叶子节点j的分数；通过对所述正则惩罚项中的w
j
求偏导，最小化所述目标函数：标函数：其中，G
j
为所述决策树划分后某一个叶子区域g
i
之和，H...

【专利技术属性】
技术研发人员：何宇轩，苏怀，张劲军，张成，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：