【技术实现步骤摘要】
本专利技术涉及多相流泵设计阶段重要参数建模和预测方法的，具体涉及一种适合油气混输时变工况，融合过程知识和时序图卷积网络的往复式多相流泵流量特性建模方法。
技术介绍
1、油气混输工艺能有效提高石油开采效率，降低开采成本。由于油井产出物是油、气、水等变比例混合介质，实际混输过程中，产生的非均相相间作用，会迫使往复式多相流泵的进出口阀产生不规则运动，导致阀滞后开启和关闭，形成图1所示的往复式多相流泵流量特性。鉴于气体的可压缩特性，排出阀在曲柄转角θ＝180°的设计开启点，未能立即开启，从而形成一段流量q近似为零的开启滞后阶段。随着泵腔内压力的逐渐升高，排出阀开启；开启瞬间，泵压缩过程产生的高压气体会携带输送介质迅速涌出，并达到流量最大值。随着混输介质从泵腔排出，泵腔压力快速下降，流量也随之快速振动并逐渐减小形成突变阶段。最后，泵腔压力趋近泵出口压力，气体不再被压缩，多相流泵的流量接近往复泵输送纯液相时的理论值，即流量特性呈现正弦阶段。上述往复式多相流泵在排出过程中产生的这些流量脉动会伴随压力波动，导致包括多相流泵在内的输送装备产生噪声和振动，降低输送效率，引发设备故障，需要根据实际混输工况参数，优化泵的结构参数，以扩大泵的适用范围，减小流量脉动的影响。由于流量是多相流泵工程设计的关键参数，因此建立多相流泵流量特性与复杂的油气混输工况参数间的数学模型，对优化多相流泵工程设计，确保其在设计工况下稳定运行具有重要意义。
2、机理模型和计算流体动力学(cfd)仿真模型是当今研究多相流泵流量特性的两种主要方法。由于缺乏对诸如多相流流
3、鉴于机理模型描述多相流现象的复杂和局限性，cfd以其处理复杂流动计算的优势，也被广泛用以解决多相流工程问题，建立了双螺杆式、涡旋式、往复式等多相流泵流量特性的cfd模型。然而，上述cfd模型大多选择了单一的多相流和湍流模型，不合适用来描述受诸多复杂因素耦合影响，整体呈现多种流型流动特征的多相流动全过程。因此，cfd多相流的研究结果很少直接应用于工程实践。
4、近几年，一些基于数据驱动的经验模型，因不需要实质性的了解多相流动复杂的内部机理，也逐渐被用于解决多相流动的部分问题。然而，鉴于油井含气率、井底压力等时变操作工况，以及多相流动测试技术的局限，方便、快捷、准确地获取泵内多相流动参数仍是石化等工业界的难题，也无法为后续常规数据驱动建模方法提供大量可靠的建模数据。
5、考虑上述问题，融合过程知识和时序图卷积网络(简称pktgcn)的往复式多相流泵流量特性建模方法被提出。时序图卷积网络(简称tgcn)可以有效地学习变量间的拓扑结构和过程时序信息，捕捉输入变量之间、输入和输出变量之间的相互耦合关系。同时，多相流动的过程知识可辅助tgcn建模，减少tgcn建模方法对大量建模数据的依赖，提高模型的泛化能力。经文献检索发现，未见融合过程知识和时序图卷积网络的多相流泵流量特性建模方法的报告。
技术实现思路
1、本专利技术要克服现有技术的上述缺点，提供一种融合过程知识和图卷积网络的往复式多相流泵流量特性建模方法。该方法可基于有限的样本，学习输入过程变量间的拓扑结构和时序信息，捕捉多相流泵流量特性与复杂的油气混输工况间的关系，辅助工程人员更好地理解多相流动的内部机理，以优化多相流泵的工程设计。
2、融合过程知识和图卷积网络的多相流泵流量特性建模方法，包括以下步骤：
3、1)收集不同混输工况下的输入和输出训练样本，建立往复式多相流泵流量特性的全局tgcn(简称gtgcn)模型；
4、首先，分析影响往复式多相流泵流量特性的因素，确定输入矩阵x的变量，即gtgcn模型的节点；
5、其次，收集不同混输工况下，泵曲柄转角θ＝180°～360°区间的输入输出训练样本其中xm为第m个输入样本，ym为第m个输出样本，m是样本总数。以包含2个隐藏层的gtgcn模型为例，可得gtgcn的预测输出f(x,a)为
6、
7、式中，σ(·)是激活函数，relu是线性整流函数。中，a是邻接矩阵，i是单位矩阵，为a的度矩阵，an,m，in,m分别表示a和i的第n行第m列元素，n为节点个数。w0代表输入层和隐藏层之间的权重矩阵，w1代表隐藏层和输出层之间的权重矩阵。在gtgcn训练过程中，a、w0和w1通常先任意初始化，然后采用公式(2)所示的均方根误差，对a、w0和w1进行优化。
8、
9、其中，是ym的预测值。当loss达到最小值时，a、w0和w1的值被确认，公式(1)所示gtgcn模型完成训练过程。
10、2)基于往复式多相流泵的过程知识和gtgcn的预测结果，识别新工况下多相流泵流量特性的三个阶段；
11、首先，利用步骤(1)中训练好的gtgcn模型，对新工况的输入样本序列的流量特性进行预测，l是输入样本的个数。
12、其次，基于多相流泵的过程知识，将gtgcn模型预测的流量特性划分为开启滞后、突变、正弦三个阶段。由于tgcn模型具有强大的捕捉过程变量间拓扑结构和时序信息的能力，因而排出阀开启瞬间流量从零迅速增加到峰值的特征能被识别，即gtgcn模型能识别开启滞后和突变阶段的连接点xq，q∈l。进一步，基于往复泵输送纯液相时的理论公式，对xq后面的样本对应的流量进行计算
13、
14、式中，d是泵缸的内直径，ω为泵的角速度，r为曲柄半径，λ是r和连杆长度的比值，θl是xl对应的曲柄转角。
15、进一步，将跟gtgcn的预测值进行比较，即
16、
17、其中，η是一个正的系数。通常，对于同一台多相流泵，由于其正弦阶段的流量特性能近似用理论公式来描述，所以gtgcn模型对所有输入样本正弦阶段的流量特性具有好的预测性能。因而，当δl满足方程(3)时，xl就属于突变阶段的输入样本，否则就是正弦阶段的输入样本。同时，η值越大，就有越少的输入样本归入突变阶段。当识别出正弦阶段的第一点xi，i∈l时，可得到新工况下多相流泵流量特性的开启滞后阶段的输入样本为{x1,…,xq-1}，突变阶段的输入样本为{xq,…,xi-1}，正弦阶段的输入样本为{xi,…,xl}。
18、3)截取所有突变阶段的训练数据，建立突变阶段的局部tgcn(简称ltgcn)模型，对步骤(2)突变阶段的预测结果进行优化；
19、鉴于突变阶段快速的非线性特性，有限的建模样本很难正确描述该阶段特性，因而重新建立一个局部tgcn模型，对步骤(2)突变阶段的预测结果进行优化。
20、首先，从中截取所有突变阶段的训练数据。
21、其次，鉴于图1所示突变阶段的特本文档来自技高网...
【技术保护点】
1.融合过程知识和图卷积网络的多相流泵流量特性建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的融合过程知识和图卷积网络的多相流泵流量特性建模方法，其特征在于，所述步骤1)具体过程如下：
3.根据权利要求1所述的融合过程知识和图卷积网络的多相流泵流量特性建模方法，其特征在于，所述步骤2)具体过程如下：
4.根据权利要求1所述的融合过程知识和图卷积网络的多相流泵流量特性建模方法，其特征在于，所述步骤3)具体过程如下：
5.根据权利要求1所述的融合过程知识和图卷积网络的多相流泵流量特性建模方法，其特征在于，所述步骤4)具体过程如下：
【技术特征摘要】
1.融合过程知识和图卷积网络的多相流泵流量特性建模方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的融合过程知识和图卷积网络的多相流泵流量特性建模方法，其特征在于，所述步骤1)具体过程如下：
3.根据权利要求1所述的融合过程知识和图卷积网络的多相流泵流量特性建模方法...
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。