一种油气运输管道水合物监测技术的制作方法

本发明属于天然气、石油运输安全领域，涉及一种油气运输管道水合物监测技术。

技术背景

随着社会及其经济的发展，各产业对工业化与机械化的需求日益提升。因此，在世界范围内，对能源的需求量也逐年递增。天然气、石油，作为主要能源，其需求量逐步扩大，国际能源署在其年度研究报告“世界能源展望”中预计，受新兴国家如中国和印度石化工业和交通运输业的带动，至2035年全球原油消费量预计将达到每天1.01亿桶，25年额外增加每天1400万桶，比去年预计的每天9970万桶又增加130万桶。因此，石油的生产、运输安全问题一直是世界范围内的热点问题。

近年来，石油与天然气开采地与生产地之间的运输管道通常铺设在深水区域。刚开采出的原油是混合物，其中包含大量瓦斯、天然气、水、石蜡等其他物质。同时，深水区域具有低温、高压等特点，这样的特性使运输管道中的物质易于凝结成晶核，晶核的形成会使水合物快速凝聚，最终堵塞运输管道，并使运输管道破裂，对世界经济、环境、人身安全等产生了巨大威胁，经统计水合物堵塞每年能造成数以亿万美元计的损失。因此，保持运输管道的通畅成为了石油、天然气生产、运输发展的关键。

现有技术通常采用抑制易形成水合物的条件的方法和定量注入抑制剂的方法降低水合物生成的风险。(1)抑制易形成水合物的条件的方法如，通过对管道加热的方法抑制深水区域的低温；混入干燥剂，如乙二醇等降低运输管道中水的含量；增大管道横截面积，以期达到降低压强的目的。(2)注入抑制剂的方法，由于晶核的形成与溶液的电离程度等多种因素相关，因此，可以通过加入醇类试剂能够抑制溶液电离程度和加入盐可以增加溶液电离程度的方法以达到抑制晶核形成的目的。上述方法存在许多缺陷，如：(1)通过物理方法抑制形成水合物的条件其成本巨大，不利于产业化的实现；(2)由于开采地空间的限制，物理抑制方法难以实施；(3)化学试剂的抑制通常与试剂用量以及运输管道的具体情况有关，定量抑制剂的注射难以满足实时变化的管道情况，过多的化学试剂的注入污染环境，同时增加了后期分离的成本，而过少的化学试剂难以起到抑制水合物形成的作用；(4)传统技术仅能从理论上对水合物的形成进行抑制，难以判断运输管道的情况以及注入化学试剂后管道的真实情况。

因此，提出一种能给出化学试剂合理用量，便于实施，成本低，可信度高的运输管道水合物监测方法对能源产业的发展具有重要意义。

技术实现要素：

本发明的目的是为了实现石油、天然气的安全管道运输，克服现有技术由于开采情况限制而造成的成本高，难以实施的缺陷；克服已提出方法由于定量注射化学试剂所造成的抑制水合物形成效果不稳定的不足而提出的一种能给出合理化学试剂的用量，便于实施，成本低，可信度高的运输管道水合物监测方法。

本发明提出一种利用已训练好的深度学习模型结合管道的物理信息给出进一步抑制剂建议用量的运输管道水合物监测方法，该方法具有便于实施，成本低，可信度高的特点。

本发明是这样实现的：

深度学习训练数据的获得与预处理；

训练深度学习模型；

利用测量信息进行预测。

可选的，深度学习训练数据的获得与预处理包括：测量运输管道内物理参数和测量已知抑制剂浓度与合理抑制剂浓度的采集样本的物理参数。

上述测量运输管道内物理参数包括：分别利用压强，温度传感器采集运输管道内的压强、温度信息。

上述测量已知抑制剂浓度与合理抑制剂浓度的采集样本的物理参数包括：将采集到的样本放入样本仓，样本仓内设有温度传感器，电导率传感器，声波的发射、接收装置。通过声波的发射、接收装置，可以测得声波通过样本的速度，通过温度传感器、电导率传感器分别测量、采集样本的温度信息以及电导率信息。

可选的，上述训练深度学习模型包括：以运输管道内物理参数和已知抑制剂浓度与合理抑制剂浓度的采集样本的物理参数作为输入，以实际抑制剂浓度与合理抑制剂浓度的偏差程度作为输入训练深度学习模型。

上述深度学习模型，是基于改进的神经网络模型结构，采用长短时记忆网络(lstm)结构，能自动对输入进行特征提取，输出层采用one-hot形式根据输入信息对抑制剂建议用量进行预测。

附图说明

图1为本发明一种运输管道水合物监测方法的建立、工作流程图；

图2为本发明一种运输管道水合物监测方法测量已知抑制剂浓度与合理抑制剂浓度的采集样本的物理参数装置原理图；

图3为本发明一种运输管道水合物监测方法参数测量装置连接图；

图4为本发明一种运输管道水合物监测方法深度学习模型结构图；

图5为本发明一种运输管道水合物监测方法one-hot原理图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。在不脱离本发明的原理情况下，对本发明实施例做出变化、修改、替换和变形都属于本发明保护的范围。

本发明实施例提供了一种运输管道水合物监控方法，如图1所示，所述方法包括：

s1、深度学习训练数据的获得与预处理。

具体的，分为测量运输管道内物理参数和已知抑制剂浓度与合理抑制剂浓度的采集样本的物理参数。

(1)测量已知状况的运输管道内物理参数。

具体的，上述测量运输管道内物理参数包括：利用压强、温度传感器采集运输管道内的压强、温度信息。可选的，本发明实施例分别利用铂热电阻温度传感器和石油管道压力传感器分别采集管道内部的温度和压力信息。

(2)测量已知抑制剂浓度与合理抑制剂浓度的采集样本的物理参数。

具体的，上述测量已知抑制剂浓度与合理抑制剂浓度的采集样本的物理参数其测量装置结构如图2所示，主要测量已知抑制剂浓度情况的样本的电导率、温度、声波通过样本的速度。图中1为声波发生装置，2为声波接受装置，3为样本仓，4为电导率测量装置，5为温度检测模块。其连接构造如图3所示，图中声波收发装置为声波发生装置与声波接收装置总称。上位机或芯片控制单片机依次驱动温度检测模块、电导率测量装置和声波收发装置，各个装置将收集到的相关相信传输给上位机或芯片，进行存储、分析。由于溶液的电离程度与水合物的形成高度相关，且抑制剂以控制溶液电离程度的方法抑制水合物的形成，因此可以通过测量溶液电导率的形式量化溶液的电离程度以预测、建议抑制剂浓度。由于溶液离子积受温度影响较大，因此本发明将温度也作为主要特征值之一进行测量。

上述测量声波通过样本的速度主要通过声波收发装置进行。由于超声波具有穿透性强，方向性较好，能透过不透明物质的特性，因此本发明的声波收发装置采用超声波收发装置，本发明超声波频率采用1mhz。上位机或芯片记录超声波收发装置发出和收到超声波的时间差。由于样本仓的宽度固定且已知，因此可以利用上述时间差和样本仓的宽度计算超声波通过样本的速度。计算方法如式(1)所示。

式中：v为超声波通过样本的速度，l为样本仓宽度，δt为超声波收发装置发出和收到超声波的时间差。

经上述方法，得到了相应信息：运输管道内物理参数的压强、温度信息；已知抑制剂浓度与合理抑制剂浓度的采集样本的电导率、温度、声波通过样本的速度。

s2、训练深度学习模型。

具体的，本发明采用改进的神经网络模型，采用lstm神经网络结构，其结构如图4所示。

其中i1～in为输入的特征向量，其具体为运输管道内的压强、温度信息，已知抑制剂浓度与合理抑制剂浓度的采集样本的电导率、温度、声波通过样本的速度；o1～on是训练标签，为目标输出，其具体为one-hot标签形式的进一步抑制剂的建议用量，one-hot形式原理图如图5所示。即每个情况均有一个对应神经元，当该情况发生时其对应神经元被激活输出为1，其他均为0。one-hot形式标签提升了深度学习模型的鲁棒性。该模型的每一层均采用全连接的方式，每层之间的计算方式如式(2)所示。

y＝σ(wx+b)(2)

式中：y为输出，σ为激活函数，w为参数向量，x为输入向量，b为偏置向量。

可选的，本发明上述激活函数采用relu函数，其计算方法如式(3)所示。

σ(z)＝max(0，z)(3)

式中，z为输入，即wx+b。

可选的，本发明上述参数向量的更新采用梯度下降方法更新参数。

具体的，one-hot形式的训练标签，为进一步对抑制剂用量的建议，可以人为根据现有抑制剂浓度与最优抑制剂浓度的偏差标定标签，如当前建议增加抑制剂1级、建议减少抑制剂1级，当前抑制剂适量等。根据偏差程度的具体分级可根据需求设定。

本发明深度学习模型采用反向传播技术。根据输出层代价函数的梯度进行全局参数的优化，最终使代价函数达到最小，即使输出向量与目标向量偏差最小。

s3、检验深度学习模型。

深度学习模型的预测程度需进行量化，输出向量与目标向量偏差应最小，因此需要代价函数进行衡量。代价函数应具有当输出向量与目标向量越接近，代价函数越小和全局梯度较大的特点。因此，可选的，本发明采用交叉熵代价函数。交叉熵代价函数如式(5)所示。

式中：n为输出向量数目；y为目标输出向量；x为实际输出向量。

交叉熵描述了两个向量之间的相似程度，其全局梯度较优，可以较高速度进行训练。因此，利用交叉熵为代价函数为一较优实施例，也可利用其他正则化后的代价函数进行优化。s4、利用测量信息进行预测。

具体的，利用已达要求的深度学习模型进行预测。

具体的，采集未知情况的运输管道内物理参数和已知抑制剂浓度与合理抑制剂浓度的采集样本的物理参数。采集方法与步骤s1中采集方法相同。将收集到的信息输入深度学习模型后，深度学习模型即可输出进一步抑制剂的建议用量。

本发明提出了一种利用深度学习模型对给出抑制水合物形成的抑制剂的进一步建议用量。与现有方法相比，本发明进一步降低了运输管道的安全隐患，降低了实施成本，提升了工作效率，增加了测量结果的信度，为石油、天然气生产、运输发展奠定了一定的基础。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理和最优实施例之一，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入保护范围内。