用于虚拟流量计的校准装置、灵敏度确定模块及相应方法与流程

本公开涉及虚拟流量计量领域，尤其涉及用于虚拟流量计的校准装置、灵敏度确定模块及相应方法。

背景技术：

对于涉及单相和多相流率的生产系统，通常需要对其流率进行计量。对于涉及地下和水下作业的生产系统，典型的如地下的油田采油系统，实体流量计非常昂贵，其安装与维护成本也是巨大的，因此通常使用虚拟流量计来对流量进行计量。

生产系统包括可用于传送流体的组件，虚拟流量计使用传感器所测量的各组件的测量值(例如，压力、温度)来估计多相流率(例如，油、气、水)。表示流率和传感器测量值之间相关性的模型的准确度是重要的。在该油田采油系统的应用中，表示流率和传感器测量值之间相关性的典型模型是各个组件的压降模型，相应的模型参数包括流体密度和粘度、组件表面粗糙度、一些具有放电功能的组件的放电功能系数等等。灵敏度分析是校准该模型并确保其准确度的重要且非常有效的方法。灵敏度分析即评估特定模型参数的扰动对于模型输出的影响。例如，灵敏度分析可以表示例如在流体密度存在扰动时、管道压降如何偏离其参考值。生产系统也可以是其他需要使用虚拟流量计的系统，例如海底气田采集系统等等。

理想情况下，在虚拟流量计校准中，想要计算所估计的流率相对于每一个模型参数的灵敏度。然而，直接计算所估计的多相流率相对于各个模型参数的灵敏度是非常复杂且困难的。

而且，常用的灵敏度计算方法是有限差分法(fdm)。然而，由于虚拟流量计的输出是所估计的多相流率，在虚拟流量计的应用中，模型输出相对于模型参数变化的函数可能存在尖峰和不连续性，因此，有限差分法在应用于虚拟流量计时缺乏稳健性。

因此，有必要提供一种改进的用于虚拟流量计的校准装置和方法以及灵敏度确定装置和方法来解决上述问题。

技术实现要素：

本发明的目的涉及提供一种用于虚拟流量计的校准装置、灵敏度确定模块及相应方法。

在一个方面，本发明的实施例涉及一种对用于生产系统的虚拟流量计进行校准的校准装置，其特征在于，所述生产系统包括用于传送流体的组件，所述虚拟流量计用于基于所设定的所述组件的属性值以及所获得的所述组件的可变参数的值来估计所述流体的流率，所述校准装置包括：灵敏度确定模块，用于计算第一灵敏度，该第一灵敏度用于指示所述可变参数的值相对于所述属性值的扰动而变化的程度；以及校准模块，用于根据所述第一灵敏度校准所述虚拟流量计。

本公开的另一个方面在于提供一种用于适用于生产系统的虚拟流量计的灵敏度确定模块，其特征在于，所述生产系统包括用于传送流体的组件，所述虚拟流量计用于基于所设定的所述组件的属性值以及所获得的所述组件的可变参数的值来估计所述流体的流率，所述灵敏度确定模块包括：值确定单元，用于根据扰动尺度对所述属性值施加扰动，获得多个扰动值，并基于所述虚拟流量计确定与所述多个扰动值对应的所述可变参数的多个值；线性回归单元，用于应用线性回归逼近所述可变参数的多个值，获得逼近结果；以及灵敏度获得单元，用于根据所述逼近结果获得第一灵敏度，该第一灵敏度用于指示所述可变参数的值相对于所述属性值的扰动而变化的程度。

本公开的又一个方面在于提供一种对用于生产系统的虚拟流量计进行校准的校准方法，其特征在于，所述生产系统包括用于传送流体的组件，所述虚拟流量计用于基于所设定的所述组件的属性值以及所获得的所述组件的可变参数的值来估计所述流体的流率，所述校准方法包括：灵敏度确定步骤，用于计算第一灵敏度，该第一灵敏度用于指示所述可变参数的值相对于所述属性值的扰动而变化的程度；以及校准步骤，用于根据所述第一灵敏度校准所述虚拟流量计。

本公开的再一个方面在于提供一种用于适用于生产系统的虚拟流量计的灵敏 度确定方法，其特征在于，所述生产系统包括用于传送流体的组件，所述虚拟流量计用于基于所设定的所述组件的属性值以及所获得的所述组件的可变参数的值来估计所述流体的流率，所述灵敏度确定方法包括：值确定步骤，用于根据扰动尺度对所述属性值施加扰动，获得多个扰动值，并基于所述虚拟流量计确定与所述多个扰动值对应的所述可变参数的多个值；线性回归步骤，用于应用线性回归逼近所述可变参数的多个值，获得逼近结果；以及灵敏度获得步骤，用于根据所述逼近结果获得第一灵敏度，该第一灵敏度用于指示所述可变参数的值相对于所述属性值的扰动而变化的程度。

附图说明

通过结合附图对于本公开的实施方式进行描述，可以更好地理解本公开，在附图中：

图1为根据本公开一实施例的校准装置、虚拟流量计和生产系统的示意图；

图2为根据本公开一实施例的灵敏度确定模块的模块示意图；

图3为根据本公开另一实施例的灵敏度确定模块的模块示意图；

图4为根据本公开又一实施例的灵敏度确定模块的模块示意图；

图5为根据本公开再一实施例的灵敏度确定模块的模块示意图；

图6为根据本公开一实施例的用于虚拟流量计的校准方法的概略流程图；

图7为图6的校准方法中的灵敏度确定步骤的一实施例的示意性流程图；

图8为图6的校准方法中的灵敏度确定步骤的另一实施例的示意性流程图；

图9为图6的校准方法中的灵敏度确定步骤的又一实施例的示意性流程图；

图10为图6的校准方法中的灵敏度确定步骤的再一实施例的示意性流程图；

图11为例1中得到的线性回归的逼近结果和相应的线性回归误差的示意图；

图12为例2中扰动尺度为2％时的线性回归的逼近结果和相应的线性回归误差的示意图；

图13为例2中扰动尺度加大为8％时的线性回归的逼近结果和相应的线性回归误差的示意图；

图14为例3中扰动尺度为2％时的线性回归的逼近结果和相应的线性回归误 差的示意图；

图15为例3中扰动尺度加大为8％时的线性回归的逼近结果和相应的线性回归误差的示意图；

图16为例3中扰动尺度为8％且移除异常值后的线性回归的逼近结果和相应的线性回归误差的示意图。

具体实施方式

本申请中使用的“包括”、“包含”、或“具有”以及类似的词语是指除了列于其后的项目及其等同物外，其他的项目也可在范围以内。本申请中的近似用语用来修饰数量，表示本发明并不限定于所述具体数量，还包括与所述数量接近的、可接受的、不会导致相关基本功能的改变的修正的部分。

在说明书和权利要求中，除非清楚地另外指出，所有项目的单复数不加以限制。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”、以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的材料或实施例等。

除非上下文另外清楚地说明，术语“或”、“或者”并不意味着排他，而是指存在提及项目(例如成分)中的至少一个，并且包括提及项目的组合可以存在的情况。

本申请说明书中提及“一些实施例”等等，表示所述与本发明相关的一种特定要素(例如特征、结构和/或特点)被包含在本说明书所述的至少一个实施例中，可能或不可能出现于其他实施例中。另外，需要理解的是，所述发明要素可以任何适合的方式结合。

以下根据附图说明本发明的实施方式，下文中可能不会详细描述众所周知的功能和结构，以避免因不必要的细节而使本发明变得令人费解。

图1为根据本公开一具体实施例的使用校准装置140对用于生产系统120的虚拟流量计130进行校准的示意图。

在一些实施例中，生产系统120包括但不限于地下油田采油系统等。生产系统120如图1所示，生产系统120可包括用于传送流体的多个组件110-1、110-2、…110-n，n为自然数。在一些实施例中，组件110-1、110-2、…110-n包 括但不限于管道、阀、泵、阻流管或它们的任意组合。

组件110-1、110-2、…110-n具有固定或在较长一段时间(如数十天、数月甚至数年等)内固定的属性；在一些实施例中，组件110-1、110-2、…110-n的属性包括但不限于：诸如长度、宽度、直径等用于指示尺寸的属性、诸如粗糙度等用于指示表面结构的属性。在一些实施例中，采用θ1,θ2,...,θn表示生产系统120中的组建的各个属性，采用σ1,σ2,...,σn表示与各个属性θ1,θ2,...,θn分别对应的属性值。

组件110-1、110-2、…110-n还对应有可变参数，该可变参数的值因流体的流动而产生变化；在一些实施例中，组件110-1、110-2、…110-n可变参数包括但不限于：组件110-1、110-2、…110-n的温度、压降等。在一些实施例中，可在生产系统120上设置传感器(未图示)，以测量并获得组件110-1、110-2、…110-n的可变参数的值。在一些实施例中，采用p1,p2,…,pn表示生产系统120中的多处位置的压降，采用p1,p2,…,pn表示与p1,p2,…,pn分别对应的值；并采用t1,t2,…,tn表示生产系统120中的多处位置的温度，采用t1,t2,…,tn表示与t1,t2,…,tn分别对应的值。

虚拟流量计130中设置有组件110-1、110-2、…110-n的属性的属性值，并且，虚拟流量计130可获得组件110-1、110-2、…110-n的可变参数的值；在一些实施例中，虚拟流量计130获得的可变参数的值来自生产系统120中的传感器。由于流体的流动会对可变参数的值产生影响，因此，结合组件110-1、110-2、…110-n的可变参数的值以及属性值，虚拟流量计130可以估计流体的流率。在一些实施例中，虚拟流量计130包括前向模型(未图示)，利用前向模型，可以结合流体的流率以及组件110-1、110-2、…110-n的属性值，获得组件110-1、110-2、…110-n的可变参数的值；在一些实施例中，虚拟流量计130利用对前向模型的反推，来结合组件110-1、110-2、…110-n的可变参数的值以及属性值，得到流体的流率。

校准装置140可用于校虚拟流量计130。在一些实施例中，如图1所示，虚拟流量计130包括校准装置140；在一些实施例中，校准装置140也可以与虚拟流量计130独立地设置和实现(未图示)。

校准装置140包括用于计算第一灵敏度的灵敏度确定模块150、用于根据第一灵敏度校准虚拟流量计130的校准模块170。

灵敏度确定模块150所确定的第一灵敏度能够指示可变参数的值相对于属性值的扰动而变化的程度。以计算第一灵敏度为例，用于指示组件110-1的压降p1的值相对于组件110-1的属性θ1的属性值σ1的扰动而变化的程度。灵敏度确定模块150在固定流率的情况下，对虚拟流量计130或与虚拟流量计103相似的模型中设定的一个组件的一个属性θ1的属性值σ1施加多次扰动，获得该属性值σ1的多个扰动值σ11,σ12,...,σ1n及该组件的一个可变参数(如压降p1)的与所述多个扰动值σ11,σ12,...,σ1n对应的多个值p11,p12,...,p1n。由此，灵敏度确定模块150可得到第一灵敏度类似的，灵敏度确定模块150还可确定其他第一灵敏度，如在可变参数为组件110-1的温度t1的情况下，还可获得第一灵敏度其中，n为自然数。

校准模块170根据第一灵敏度校准虚拟流量计130。在一些实施例中，校准模块170利用第一灵敏度校准虚拟流量计130中设定的属性值σ1。在一些实施例中，校准模块170可从灵敏度确定模块150确定的多个第一灵敏度和中选择至少一个第一灵敏度，如最大的第一灵敏度或超过一阈值的第一灵敏度等，并利用所选择的第一灵敏度校准虚拟流量计130。

在一些实施例中，校准装置140包括用于计算第二灵敏度的灵敏度计算模块160，该第二灵敏度指示流率相对于可变参数的值的扰动而变化的程度。在一些实施例中，与计算第一灵敏度相类似的，灵敏度计算模块160在固定属性值的情况下，对虚拟流量计130或与虚拟流量计130相似的模型接收到的可变参数的值施加扰动，从而计算第二灵敏度，如或指示流率f相对于压降p1,p2,…,pn的值的扰动而变化的程度，指示流率f相对于温度t1,t2,…,tn的值的扰动而变化的程度,。

在一些实施例中，校准模块170根据第一灵敏度和第二灵敏度获得第三灵敏度，并根据该第三灵敏度校准虚拟流量计130，该第三灵敏度用于指示流率相对于 属性值的扰动而变化的程度，如

在一些实施例中，校准模块170根据第一灵敏度和第二灵敏度的乘积，获得第三灵敏度。在一些实施例中，校准模块170根据第三灵敏度，校准虚拟流量计130中设定的属性值。例如，校准模块170根据第一灵敏度和第二灵敏度的乘积得到第三灵敏度并根据校准虚拟流量计130中设定的属性值σ1。

在虚拟流量计量中，流率估计的准确度高度取决于虚拟流量计130的模型的准确度。为了校准虚拟流量计130，通常利用流率和组件的属性之间的灵敏度关系进行校准。然而，由于诸如虚拟流量计130的复杂性以及其他多种原因，直接计算流率和组件的属性之间的灵敏度关系(如直接计算)是十分复杂的，难以实现。上述实施例提供了利用可变参数与属性之间的灵敏度关系校准虚拟流量计130方式，极大地简化了校准所需的计算复杂度；此外，上述实施例还提供了基于可变参数与属性之间的灵敏度关系确定流率和属性之间的灵敏度关系的方式，解决了现有技术中难以计算流率和组件的属性之间的灵敏度关系的问题。

以下参照图2至图5，对灵敏度确定模块150计算第一灵敏度的多种实施例予以详述。灵敏度确定模块150计算其他第一灵敏度的方式及灵敏度计算模块160计算第二灵敏度的方式，与计算的方式相似，在此不再赘述。

图2为根据本公开一具体实施例的灵敏度确定模块150的模块示意图。如图2所示，灵敏度确定模块150包括：用于根据扰动尺度对属性值施加扰动，获得多个扰动值，并确定与所述多个扰动值对应的所述可变参数的多个值的值确定单元210；用于应用线性回归逼近所述可变参数的多个值，获得逼近结果的线性回归单元230；以及用于根据所述逼近结果获得所述第一灵敏度的灵敏度获得单元270。

值确定单元210根据预设的扰动尺度δ1，对组件110-1的属性值σ1施加扰动，获得多个扰动值σ11,σ12,...,σ1n。在一些实施例中，值确定单元210根据扰动尺度δ1以及属性值σ1，确定扰动范围为-δ1·σ1到+δ1·σ1，并从该扰动范围中选择多个扰动值σ11,σ12,...,σ1n。在一些实施例中，σ1被归一化为额定值，如1，则扰动范围为-δ1 到+δ1，且δ1大于零0且小于1。

并且，值确定单元210根据所述多个扰动值σ11,σ12,...,σ1n，确定压降p1的与σ11,σ12,...,σ1n对应的多个值p11,p12,...,p1n。在一些实施例中，值确定单元210根据虚拟流量计130或与虚拟流量计130的至少部分相似的模型来得到p11,p12,...,p1n；例如，虚拟流量计130包括前向模型，值确定单元210采用一流率f作为前向模型的输入，并分多次将前向模型中属性θ1的属性值设定为σ11,σ12,...,σ1n，得到前向模型输出的p11,p12,...,p1n。

线性回归用单元230应用线性回归逼近p11,p12,...,p1n，以得到线性回归的逼近结果。在一些实施例中，该逼近结果可表示为p1＝k0+k1·θ1。

灵敏度获得单元270根据线性回归的逼近结果来确定第一灵敏度在一些实施例中，第一灵敏度在一些实施例中，灵敏度获得单元270对k1进行处理，如进行归一化等，获得第一灵敏度

图3为根据本公开一具体实施例的灵敏度确定模块150的模块示意图。图3所述的实施例为图2所述实施例的变化例，其不同之处在于灵敏度确定模块150还包括用于计算可变参数的多个值与线性回归的逼近结果之间的拟合匹配度，并在所述拟合匹配度属于预设范围时，将所述逼近结果输出至灵敏度获得单元270的拟合匹配度计算单元250；以及用于在所述拟合匹配度不属于预设范围时，调整扰动尺度，并输出调整后的扰动尺度至值确定单元210的扰动尺度调整单元252。

值确定单元210根据预设的扰动尺度δ1，对组件110-1的属性值σ1施加扰动，获得多个扰动值σ11,σ12,...,σ1n，并确定压降p1的与σ11,σ12,...,σ1n对应的多个值p11,p12,...,p1n。线性回归用单元230应用线性回归逼近p11,p12,...,p1n，以得到线性回归的逼近结果。

拟合匹配度计算单元250计算压降p1的多个值p11,p12,...,p1n与线性回归单元230获得的逼近结果之间的拟合匹配度。在一些实施例中，可计算拟合优度作为拟合匹配度。在一些实施例中，可计算平均绝对误差或均方误差作为拟合匹配度。

在拟合匹配度属于预设范围时，如拟合匹配度大于一预设阈值时，拟合匹配批度计算单元250将所述逼近结果输出至灵敏度获得单元270，以使灵敏度获得单 元270根据线性回归的逼近结果确定第一灵敏度

在拟合匹配度计算单元250所计算的拟合匹配度不属于预设范围，如小于等于一预设阈值时，扰动尺度改变单元252调整δ1，如将扰动尺度δ1加大为δ2，并且将δ2输出至值确定单元210。

值确定单元210和线性回归用单元230重新操作，获得新的线性回归的逼近结果。由于该新的线性回归的逼近结果与p11,p12,...,p1n的拟合匹配度通常属于预设范围，故线性回归单元230可直接将新的线性回归的逼近结果输出至灵敏度获得单元270。或者，线性回归单元230将新的线性回归的逼近结果输出至拟合匹配度计算单元250，拟合匹配度计算单元250计算压降p1的多个值p11,p12,...,p1n与新的逼近结果之间的拟合匹配度，如此重复，直至拟合匹配度属于预设范围，拟合匹配度计算单元250将与p11,p12,...,p1n之间的拟合匹配度属于预设范围的逼近结果输出至灵敏度获得单元270，以获得第一灵敏度

扰动尺度过大容易导致巨大的计算量，而扰动尺度过小容易导致灵敏度计算结果不准确。通过引入拟合匹配度，可确定适当的扰动尺度；如首先选择较小的扰动尺度，然后根据线性回归的拟合匹配度决定是否要加大扰动尺度，避免了在直接一次性选取大扰动尺度时面临的计算量巨大的问题，同时也使灵敏度计算的准确性得以提高，很好地平衡了灵敏度计算的复杂度和准确度。

图4为根据本公开一具体实施例的灵敏度确定模块150的模块示意图。图4所述的实施例为图2所述实施例的变化例，其不同之处在于灵敏度确定模块150包括用于当根据所述逼近结果确定可变参数的多个值中存在异常值时，移除异常值，并将移除异常值后的可变参数的值输出至线性回归单元230，且用于当根据所述逼近结果确定可变参数的多个值中不存在异常值时，将线性回归的逼近结果输出至灵敏度获得单元270的移除单元232。

值确定单元210根据预设的扰动尺度δ1，对组件110-1的属性值σ1施加扰动，获得多个扰动值σ11,σ12,...,σ1n，并确定压降p1的与σ11,σ12,...,σ1n对应的多个值p11,p12,...,p1n。线性回归用单元230应用线性回归逼近p11,p12,...,p1n，以得到线性回归的逼近结果。

当根据线性回归的逼近结果确定p11,p12,...,p1n中不存在异常值时，移除单元232将线性回归的逼近结果输出至灵敏度获得单元270。

当根据线性回归的逼近结果确定压降p1的多个值p11,p12,...,p1n中存在异常值时，移除单元232移除异常值，并将移除异常值后的p1的多个值p,11,p,12,...,p,1m输出至线性回归单元(230)，以使线性回归单元230根据p’11,p’12,...,p’1m获得新的逼近结果。新的逼近结果可由线性回归单元230输出至灵敏度获得单元270，或经移除单元232判断不存在异常值后，输出至灵敏度获得单元270，以使灵敏度获得单元270获得第一灵敏度其中，m为自然数且m小于n，被移除的异常值的数量为n-m。

异常值包括与线性回归的逼近结果偏离过大的值。在一些实施例中，当压降p1的一个值(如p11)的线性回归误差与压降p1的所有值(如p11,p12,...,p1n)的线性回归误差的统计结果(如所有值的线性回归误差的标准差)之比在一个常数范围外时(如p11的线性回归误差为p11,p12,...,p1n的线性回归误差的标准差的a倍以上时)可将该值识别为异常值。

通过移除异常值并且再次进行线性回归，更进一步消除了线性回归结果中的尖峰值，改进了灵敏度计算的准确度和稳健性。

图5为根据本公开一具体实施例的灵敏度确定模块150的模块示意图。图5所述的实施例为图3和图4所述实施例的变化例。本实施例中，灵敏度确定模块150包括值确定单元210、线性回归单元230、移除单元232、拟合匹配度计算单元250、扰动尺度调整单元252和灵敏度获得单元270。

值确定单元210根据预设的扰动尺度δ1，对组件110-1的属性值σ1施加扰动，获得多个扰动值σ11,σ12,...,σ1n，并确定压降p1的与σ11,σ12,...,σ1n对应的多个值p11,p12,...,p1n。

线性回归用单元230应用线性回归逼近p11,p12,...,p1n，以得到线性回归的逼近结果。

拟合匹配度计算单元250计算压降p1的多个值p11,p12,...,p1n与线性回归单元230获得的逼近结果之间的拟合匹配度，并在该拟合匹配度属于预设范围时，将逼 近结果输出至灵敏度获得单元270，以获得第一灵敏度

在拟合匹配度不属于预设范围时，扰动尺度调整单元252调整扰动尺度，如将扰动尺度δ1加大为δ2，并输出调整后的扰动尺度δ2至值确定单元210。

值确定单元210根据加大后的扰动尺度δ2，对组件110-1的属性值σ1施加扰动，获得多个扰动值σ’11,σ’12,...,σ’1n，并确定压降p1的与σ’11,σ’12,...,σ’1n对应的多个值p’11,p’12,...,p’1n。

线性回归用单元230应用线性回归逼近p’11,p’12,...,p’1n，以得到新的线性回归的逼近结果。

当根据新的线性回归的逼近结果确定压降p1的多个值p’11,p’12,...,p’1n中存在异常值时，移除单元232移除异常值，并将移除异常值后的p1的多个值输出至线性回归单元(230)，以使线性回归单元230根据移除异常值后的p1的多个值获得再一个新的逼近结果。该再一个新的逼近结果可由线性回归单元230输出至灵敏度获得单元270，以使灵敏度获得单元270获得第一灵敏度

通过结合拟合匹配度以及移除异常值，更进一步改进了灵敏度计算的准确度和稳健性。

图6为根据本公开一具体实施例的用于虚拟流量计130的校准方法600的概略流程图。结合图1和图6，校准方法600包括：用于计算第一灵敏度的灵敏度确定步骤610；以及用于根据第一灵敏度校准虚拟流量计130的校准步骤650。该第一灵敏度用于指示所述可变参数的值相对于所述属性值的扰动而变化的程度。在一些实施例中，校准方法600还包括：用于计算第二灵敏度的灵敏度计算步骤630，并且，校准步骤650用于根据第一灵敏度和第二灵敏度得到第三灵敏度，并根据第三灵敏度校准虚拟流量计。

图7为图6的校准方法600中的灵敏度确定步骤610的一具体实施例的示意性流程图。该第一灵敏度计算步骤610包括：用于根据扰动尺度对属性值施加扰动，获得多个扰动值，并确定与所述多个扰动值对应的所述可变参数的多个值的值确定步骤710；用于应用线性回归逼近所述可变参数的多个值，获得逼近结果的线性回归步骤730；以及，用于根据所述逼近结果获得所述第一灵敏度的灵敏度获得步骤 770。

图8为图6的校准方法600中的灵敏度确定步骤610的一具体实施例的示意性流程图。图8所述的实施例为图7所述实施例的变化例，其不同之处在于灵敏度确定步骤610还包括：用于计算可变参数的多个值与逼近结果之间的拟合匹配度，并在拟合匹配度属于预设范围时，前进至灵敏度获得步骤770的拟合匹配度计算步骤750；以及，在所述拟合匹配度不属于预设范围时，调整所述扰动尺度，以前进至值确定步骤710的扰动尺度调整步骤762。

图9为图6的校准方法600中的灵敏度确定步骤610的一具体实施例的示意性流程图。图9所述的实施例为图7所述实施例的变化例，其不同之处在于灵敏度确定步骤610还包括：用于当根据线性回归的逼近结果确定可变参数的多个值中存在异常值时，移除异常值并前进至线性回归步骤730，且用于当根据所述逼近结果确定可变参数的多个值中不存在异常值时，前进至灵敏度获得步骤770的移除步骤732。

图10为图6的校准方法600中的灵敏度确定步骤610的一具体实施例的示意性流程图。图10所述的实施例为图8和图9所述实施例的变化例。图10所述的实施例的灵敏度确定步骤610包括：用于根据扰动尺度对属性值施加扰动，获得多个扰动值，并确定与所述多个扰动值对应的所述可变参数的多个值的值确定步骤710；用于应用线性回归逼近所述可变参数的多个值，获得逼近结果的线性回归步骤730；用于计算可变参数的多个值与逼近结果之间的拟合匹配度，并在拟合匹配度属于预设范围时，前进至灵敏度获得步骤770的拟合匹配度计算步骤750；在所述拟合匹配度不属于预设范围时，调整所述扰动尺度，以前进至值确定步骤763的扰动尺度调整步骤762；用于根据调整后的扰动尺度对属性值施加扰动，获得多个新的扰动值，并确定与多个新的扰动值对应的可变参数的多个新的值的值确定步骤763；用于应用线性回归逼近可变参数的多个新的值，获得新的逼近结果的线性回归步骤763；用于当根据所述新的逼近结果确定可变参数的多个值中存在异常值时，移除异常值并前进至线性回归步骤765，且用于当根据所述新的逼近结果确定可变参数的多个新的值中不存在异常值时，前进至灵敏度获得步骤770的移除步骤767；用于根据逼近结果获得第一灵敏度的灵敏度获得步骤770。

仿真示例

以下提供灵敏度确定的一些仿真示例。下述仿真示例可以为本领域中具有一般技能的人实施本发明提供参考。这些例子并不限制权利要求的范围。

例1

采用如图3所示的灵敏度确定模块150执行图8所示的灵敏度确定步骤。本例中，属性θ1的属性值σ1被归一化为1，扰动尺度为2％，可变参数为压降p1，预设范围为大于85％。

执行值确定步骤710和线性回归步骤730后，获得的线性回归的逼近结果如图11中上方的坐标图所示，该上方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为压降(单位为帕斯卡，以下将“帕斯卡”简称为“pa”)。图11下方的坐标图示出了压降p1与各个扰动值分别对应的多个值的线性回归误差，该下方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为线性回归误差(单位pa)；压降p1的各个值的线性回归误差的标准差为1.4e+01(pa)。

执行拟合匹配度计算步骤750后，获得拟合优度为99.6％。由于99.6％大于85％，因此，执行灵敏度获得步骤770，得到第一灵敏度为：属性值每增加1％，压降下降13pa。

例2

采用如图3所示的灵敏度确定模块150执行图8所示的灵敏度确定步骤。本例中，属性θ2的属性值σ2被归一化为1，扰动尺度为2％，可变参数为压降p2，预设范围为大于85％。

执行值确定步骤710和线性回归步骤730后，获得的线性回归的逼近结果如图12中上方的坐标图所示，该上方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为压降(单位pa)。图12下方的坐标图示出了压降p2与各个扰动值分别对应的多个值的线性回归误差，该下方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为线性回归误差(单位pa)；压降p2的各个值的线性 回归误差的标准差为2.9e+05(pa)。

执行拟合匹配度计算步骤750后，获得拟合优度为71.3％。由于71.3％小于85％，因此，执行尺度调整步骤762，将扰动尺度加大为8％。

基于扰动尺度8％，重新执行值确定步骤710和线性回归步骤730后，获得的线性回归的逼近结果如图13中上方的坐标图所示，该上方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为压降(单位pa)。图13下方的坐标图示出了压降p2的各个新的值的线性回归误差，该下方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为线性回归误差(单位pa)；压降p2的各个新的值的线性回归误差的标准差为2.1e+05(pa)。

再次执行拟合匹配度计算步骤750后，获得拟合优度为96.9％。由于96.9％大于85％，因此，执行灵敏度获得步骤770，得到第一灵敏度为：属性值每增加1％，压降增加2.35e+4pa。

例3

采用如图5所示的灵敏度确定模块150执行图10所示的灵敏度确定步骤。本例中，属性θ3的属性值σ3被归一化为1，扰动尺度为2％，可变参数为压降p3，预设范围为大于85％，异常值的识别方式为：压降p3的一个值的线性回归误差与压降p3的所有值的线性回归误差的标准差之比大于2。

执行值确定步骤710和线性回归步骤730后，获得的线性回归的逼近结果如图14中上方的坐标图所示，该上方的坐标图的横轴坐标为属性，纵轴坐标为压降(单位pa)。图13下方的坐标图示出了压降p3的各个值的线性回归误差，该下方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为线性回归误差(单位pa)；各个扰动值的线性回归误差的标准差为2.4e+05(pa)。

执行拟合匹配度计算步骤750后，获得拟合优度为31.6％。由于31.6％小于85％，因此，执行尺度调整步骤762，将扰动尺度加大为8％。

基于扰动尺度8％，执行值确定步骤763和线性回归步骤765后，获得的线性回归的逼近结果如图15中上方的坐标图所示，其横轴坐标为属性(已归一化，无单位)，纵轴坐标为压降(单位pa)。图15下方的坐标图示出了压降p3的各个 新的值的线性回归误差，该下方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为线性回归误差(单位pa)；压降p3的各个新的值的线性回归误差的标准差为1.9e+05(pa)。

接着，执行移除步骤767，将线性回归误差大于2*1.9e+05的异常值移除。异常值移除后的线性回归的逼近结果请见图16中上方的坐标图，该上方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为压降(单位pa)。图16中上方的坐标图中的空心圆圈表示被移除的异常值，其中的直线表示基于实心圆圈对应的值(即已移除异常值的多个值)得到的线性回归的逼近结果。图16中下方的坐标图示出了压降p3在扰动尺度8％下的所有值(包括异常值以及除异常值以外的其他值)相对图16上方坐标图中所示的线性回归结果的线性回归误差，该下方的坐标图的横轴坐标为属性(已归一化，无单位)，纵轴坐标为线性回归误差(单位pa)。

接着，执行灵敏度获得步骤770，得到第一灵敏度为：属性值每增加1％，压降增加87pa；此外，压降p3移除异常值后获得的线性回归误差的标准差为5.1e+02(pa)，拟合优度为98.6％。

虽然结合特定的实施方式对本公开进行了说明，但本领域的技术人员可以理解，对本公开可以作出许多修改和变型。因此，要认识到，权利要求书的意图在于涵盖在本公开真正构思和范围内的所有这些修改和变型。