【技术实现步骤摘要】
本专利技术涉及油田开发过程中油井动态监测领域中油水两相流流型辨识和含水率智能测量方法。
技术介绍
1、油水两相流广泛存在于油田勘探、开发和生产中。准确测量油水两相流的组成，特别是含水，对提高采收率至关重要。近年来，已经涌现出许多含水测量的方法，具有代表性的方法有电导法和电容法，电导传感器基于电导率的差异，适用于水连续相的检测，但是测量结果受水矿化度影响较大；电容传感器基于介电常数的变化，通常适用于非导电连续相检测。微波检测由于其非接触、对水分子敏感，测量范围宽，可靠性好等优势，广泛的应用于油水两相流相含及流动参数测量等领域。
2、低流速油水两相流受滑脱效应的影响，油水介质的流速呈现非线性特性且流动形态复杂多变，导致油水介质中的含水率测量难度较大。为了优化实际油井石油开采生产过程、提高产量、降低成本，并有效的管理油田资源，进一步探究油井油水两相流含水率测量和流型辨识方法意义重大。
3、随着软测量方法引入，极大地助力了两相流测量领域的发展，尤其是深度学习方法的不断更新拓宽了多相流软测量模型的应用范围。针对低流速高含水的油水两相流的含水率测量，其本质上是一个复杂的非线性求解问题，而流型也与含水率息息相关，因此有必要引入基于智能神经网络算法来求解。通过软测量手段可对传感器测量到的多源数据进行融合，采用智能及深度学习方法可精确、高效的提取多相流的特征信息。
技术实现思路
1、本专利技术的目的在于提供一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法。为实现该方法
2、该测量系统由微波信号源、一个四功率分配器、两个鉴相器、一个数据采集模块和7条同轴线路组成；当油水介质由油井管道进入测量管段时，由安装在peek管上的阵列螺旋微波传感器进行油水两相流幅值信号和相位信号的测量；阵列螺旋微波传感器的特征在于由安装在不导电管道外壁上的4个360°螺旋式金属铜片测量电极构成，测量电极包括四个结构相同的螺旋极板组成的发射电极和接收电极，其中两个发射电极位于同侧，两个接收电极位于另一侧，激励与接收的电极张角均为45°，形成两个测量电极对，另外四个电极作为保护电极，电极张角为30°，对测量电极起到轴向保护的作用。
3、高频微波信号源通过一分四功分器，其中两路输出相位差和幅值相同的参考信号，接入相位检测模块，另外两路接入阵列螺旋微波传感器的激励电极后，经过接收电极接入相位检测模块进行检波，将相位差信号和幅度衰减的分贝数据转换成幅值电信号和相位电信号；每组测量电极对分别采用独立的鉴相器进行相位和幅值信号的输出，传感器两对测量电极共可获得两路相位和幅值电信号。
4、首先利用阵列螺旋微波传感器进行垂直向上油水两相流测量，获取流体介质的相位和幅值信号，同时，高速摄像机记录流型；然后，将两相流含水率的测量和流型的分类结合起来，设计了一个基于协同注意力的多通道交叉特征融合网络来同时处理这两个密切相关的任务；采用两个并行嵌入分支提取任务特征，每个分支包括三个由时域和空间卷积块组成的特征提取器，用于捕获时间和空间的深度表示；为了学习这些特定任务特征的最佳组合并生成共享表示，设计了cacn，通过特征提取和融合，构建特定任务的全连接网络，得到相应的流型类别概率分布和油水介质含水率预测值。
5、给定传感器电信号定义为其中n为样本个数，表示具有c个输入通道和t个采样点的传感器电信号，yi和pi是对应的标签，分别表示含水率真实值和流型类别。
6、在每个提取器中，对传感器电信号先后进行时域卷积和传感器级空间卷积；在沿着特征映射维度进行批归一化后，应用了整流线性单元relu，这些特征映射被输入到下一个特征提取器中，然后通过平均池化层来压缩局部特征；除了两个分支的最后一个空间卷积层外，所有卷积层都使用填充零的模式；因此，在最后的特征提取器中融合了传感器通道的连通信息。
7、cacn融合了不同的学习任务，分别以pin和fin作为输入，以pout和fout作为输出；两个任务的不相关部分之间的交互有助于避免局部最小值，而相关部分则有利于底层共享层学习公共特征表示，可以实现不同任务之间的特征融合，从而实现任务性能的相互提升。
8、在通过两个并行嵌入分支提取信号特征后，使用具有不同参数的全连接层作为最终输出层，进一步学习共享的和特定的任务表示；其中一个分支采用三层全连接网络进行含水率预测任务，另一分支采用两层全连接网络进行流型的分类任务。为避免过拟合，每个全连接层的dropout概率设为0.2；除最后一层外，均选择relu为激活函数，最后，利用sigmoid激活函数激活的1个节点的线性层进行含水率预测，而具有n个节点的softmax层在模型的另一个分支上作为分类器。
9、通过cacn对注意力模块的输出进行整合，得到更多具有代表性的特征，实现两个任务之间的相互引导；对于给定的来自预测任务中特征提取器的输入特征映射和来自分类任务中特征提取器的输入特征映射沿通道轴线将其平展至其中m＝h×w为传感器所有通道的采样点数，和分别是pin和fin重新组合的结果。
10、然后在和的转置之间进行矩阵乘法运算，得到并联矩阵x。
11、
12、
13、表示矩阵乘积运算，是的最大值，xij表示pin的第i通道和fin的第j通道之间的相似度；然后，采用softmax作为归一化函数，得到协同注意力矩阵e：e＝softmax(x)∈[0，1]c×c
14、其中eij表示预测任务第i个通道与分类任务第j个通道之间的注意力权重；
15、进一步地，将协同注意力矩阵应用于相应的输入，可转换成结合残差连接，将结果分别乘以训练尺度参数α1和α2，则特征映射pin和fin可以通过加权求和进行更新：
16、
17、
18、其中表示元素求和运算，α1和α2初始化为0，逐渐学习赋予更多的权重；输出将特定任务的原始特征与相似度特征融合在一起，从而对两个任务的特征映射之间的依赖关系进行建模，有助于提高特征的独特性。
19、在训练阶段，通过对预测任务和分类任务的监督学习实现基于协同注意力的多通道交叉特征融合网络模型的优化；在含水率预测任务中，使用l1损失函数lp，其表达形式如下：
20、
21、式中，n为样本个数，yi和分别为样本i的目标值和预测值；
22、对于流型类别的分类任务，采用交叉熵损失函数lc，其表达式为：
23、
24、其中m是类别的个数，pic为真实标签，为观测样本i属于c类的分类概率；
25、总损失ltotal为：ltotal(y，yp)＝λlp+μl本文档来自技高网...
【技术保护点】
1.一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于如下步骤：
2.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于，步骤(1)包括：
3.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于，步骤(2)包括：
4.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于，步骤(2)包括：
5.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于，步骤(2)包括：
6.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于，步骤(2)包括：
7.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于，步骤(2)包括：
【技术特征摘要】
1.一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于如下步骤：
2.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于，步骤(1)包括：
3.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数软测量方法，其特征在于，步骤(2)包括：
4.根据权利要求1所述的一种基于阵列螺旋微波传感器的油井油水两相流参数...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。