旋流气液分离器入口流型识别方法、装置及处理器

1.本技术涉及计算机技术领域，具体涉及一种旋流气液分离器入口流型识别方法、装置、存储介质及处理器。


背景技术：

2.旋流气液分离器(glcc)是石油、化工领域的重要分离装备，其工作原理为气液混合物由切向入口进入分离器内部，气液两相由于离心力的不同而实现分离，继而从不同方向排出。作为油气集输模块中与管道相连的元件，其流型的识别对站场整体的流动安全保障具有重要意义。
3.现有技术中流型识别主要基于直接观测法，由于分离器与管道均不能用透明材料制造，因此直接观测法无法用于现场识别旋流气液分离器(glcc)的入口流型，且无法通过旋流气液分离器(glcc)的相关实际测得数据来进行流型识别。


技术实现要素：

4.本技术实施例的目的是提供一种旋流气液分离器入口流型识别方法、装置、存储介质及处理器。
5.为了实现上述目的，本技术第一方面提供一种旋流气液分离器入口流型识别方法，旋流气液分离器的入口和溢流口分别安装有第一压力传感器和第二压力传感器，方法包括：
6.获取通过第一压力传感器和第二压力传感器采集到的第一压力值和第二压力值；
7.根据第一压力值和第二压力值确定入口和溢流口之间的压力差值；
8.将压力差值输入至流型识别模型，以通过流型识别模型输出旋流气液分离器的入口流型，流型识别模型内搭建的机器学习算法为gbdt或xgboost。
9.在本技术的实施例中，获取通过第一压力传感器和第二压力传感器采集到的多个第一历史压力值和第二历史压力值，根据多个第一历史压力值和第二历史压力值确定入口和溢流口之间的多个历史压力差值，以及与每个历史压力差值对应的历史入口流型，根据历史入口流型对每个历史压力差值添加流型标识，依次将包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别在本技术的实施例中，模型进行训练。
10.在本技术的实施例中，按照预设比例将多个历史压力差值和与每个历史压力差值对应的历史入口流型划分为训练集和验证集；随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练；在通过训练集中的数据对流型识别模型进行训练后，随机从验证集中选出m个包含有流型标识的历史压力差值输入至流型识别模型，以检测流型识别模型的预测准确率，其中，n和m均为大于零的自然数；在流型识别模型的预测准确率大于预设阈值的情况下，确定流型识别模型训练完毕；在流型识别模型的预测准确率小于或等于预设阈值的情况下，再次执行随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练的步
骤，直到流型识别模型的预测准确率大于预设阈值。
11.在本技术的实施例中，在确定的气相表观流速与液相表观流速的情况下，获取通过第一压力传感器和第二压力传感器采集到的多个第一历史压力值和第二历史压力值，以使第一历史压力值和第二历史压力值之间的历史压力差值呈周期性变化。
12.本发明第二方面提供一种处理器，被配置成执行上述的旋流气液分离器入口流型识别方法。
13.本技术第三方面提供一种旋流气液分离器入口流型识别装置，包括：
14.数据采集模块，用于通过第一压力传感器和第二压力传感器采集到的第一压力值和第二压力值；
15.数据处理模块，用于根据第一压力值和第二压力值确定入口和溢流口之间的压力差值；
16.流型识别模块，用于将压力差值输入至流型识别模型，以通过流型识别模型输出旋流气液分离器的入口流型。
17.在本技术的实施例中，装置还包括模型训练模块，被配置成：获取通过第一压力传感器和第二压力传感器采集到的多个第一历史压力值和第二历史压力值；根据多个第一历史压力值和第二历史压力值确定入口和溢流口之间的多个历史压力差值，以及与每个历史压力差值对应的历史入口流型，根据历史入口流型对每个历史压力差值添加流型标识；依次将包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练。
18.在本技术的实施例中，模型训练模块还被配置成：按照预设比例将多个历史压力差值和与每个历史压力差值对应的历史入口流型划分为训练集和验证集；随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练；在通过训练集中的数据对流型识别模型进行训练后，随机从验证集中选出m个包含有流型标识的历史压力差值输入至流型识别模型，以检测流型识别模型的预测准确率，其中，n和m均为大于零的自然数；在流型识别模型的预测准确率大于预设阈值的情况下，确定流型识别模型训练完毕；在流型识别模型的预测准确率小于或等于预设阈值的情况下，再次执行随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练的步骤，直到流型识别模型的预测准确率大于预设阈值。
19.本技术第四方面提供一种旋流气液分离器压差采集装置，包括：第一压力传感器，安装于旋流气液分离器的入口，第二压力传感器，安装于旋流气液分离器的溢流口，以及根据旋流气液分离器入口流型识别装置。
20.本技术第五方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行所述的旋流气液分离器入口流型识别方法。
21.通过上述旋流气液分离器入口流型识别方法，在旋流气液分离器的入口和溢流口分别安装有第一压力传感器和第二压力传感器，获取通过第一压力传感器和第二压力传感器采集到的第一压力值和第二压力值，根据第一压力值和第二压力值确定入口和溢流口之间的压力差值，将压力差值输入至流型识别模型，以通过流型识别模型输出旋流气液分离器的入口流型。通过该方法，使旋流气液分离器入口流型能快速、准确的识别，且可以快速获取到旋流气液分离器的使用数据。
22.本技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
23.附图是用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本技术实施例，但并不构成对本技术实施例的限制。在附图中：
24.图1示意性示出了根据本技术实施例的旋流气液分离器入口流型识别方法的流程示意图；
25.图2示意性示出了根据本技术实施例的旋流气液分离器入口流型识别方法的装置图；
26.图3示意性示出了根据本技术实施例的计算机设备的内部结构图。
具体实施方式
27.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本技术实施例，并不用于限制本技术实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
28.图1示意性示出了根据本技术实施例的旋流气液分离器入口流型识别方法的流程示意图。如图1所示，在本技术一实施例中，提供了一种旋流气液分离器入口流型识别方法，旋流气液分离器的入口和溢流口分别安装有第一压力传感器和第二压力传感器，包括以下步骤：
29.步骤101，获取通过第一压力传感器和第二压力传感器采集到的第一压力值和第二压力值。
30.步骤102，根据第一压力值和第二压力值确定入口和溢流口之间的压力差值。
31.步骤103，将压力差值输入至流型识别模型，以通过流型识别模型输出旋流气液分离器的入口流型，流型识别模型内搭建的机器学习算法为gbdt或xgboost。
32.在旋流气液分离器的入口和溢流口分别安装有第一压力传感器和第二压力传感器，通过第一压力传感器获取旋流气液分离器的入口压力为p1，通过第二压力传感器获取旋流气液分离器的溢流口压力为p2。根据第一压力传感器获取旋流气液分离器的入口压力和第二压力传感器获取旋流气液分离器的溢流口压力计算出压力差值为
△
p＝p1-p2，将计算得到的压力差值输入至流型识别模型，以通过流型识别模型输出旋流气液分离器的入口流型。
33.其中，流型识别模型是通过第一压力传感器和第二压力传感器采集到的多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值，根据多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值确定入口和溢流口之间的多个历史压力差值，以及与每个历史压力差值对应的历史入口流型，具体地，入口流型可归纳为波浪流、环状流以及段塞流，入口流型可以通过获取训练集数据的实验阶段通过观察法、探针法等入口流型识别方法获取，根据历史入口流型对每个历史
压力差值添加流型标识。依次将包含有流型标识的历史压力差值输入至流型识别模型，直到流型识别模型的预测准确率大于预设阈值。
34.在一个实施例中，流型识别模型内搭建的机器学习算法为gbdt或xgboost。
35.流型识别模型内搭建的机器学习算法为gbdt或xgboost，通过机器学习算法可以使流型识别模型降低偏差，并不断学习优化流型识别模型，增加流型识别模型的流型识别准确率。
36.在一个实施例中，获取通过第一压力传感器和第二压力传感器采集到的多个第一历史压力值和第二历史压力值，根据多个第一历史压力值和第二历史压力值确定入口和溢流口之间的多个历史压力差值，以及与每个历史压力差值对应的历史入口流型，根据历史入口流型对每个历史压力差值添加流型标识，依次将包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别在本技术的实施例中，模型进行训练。
37.流型识别模型是通过获取通过第一压力传感器和第二压力传感器采集到的多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值，根据多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值确定入口和溢流口之间的多个历史压力差值，以及与每个历史压力差值对应的历史入口流型，具体地，入口流型可归纳为波浪流、环状流以及段塞流，入口流型可以通过入口流型识别装置获取，根据历史入口流型对每个历史压力差值添加流型标识。依次将包含有流型标识的历史压力差值输入至流型识别模型，直到流型识别模型的预测准确率大于预设阈值。
38.在一个实施例中，按照预设比例将多个历史压力差值和与每个历史压力差值对应的历史入口流型划分为训练集和验证集，随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练，在通过训练集中的数据对流型识别模型进行训练后，随机从验证集中选出m个包含有流型标识的历史压力差值输入至流型识别模型，以检测流型识别模型的预测准确率，其中，n和m均为大于零的自然数，在流型识别模型的预测准确率大于预设阈值的情况下，确定流型识别模型训练完毕，在流型识别模型的预测准确率小于或等于预设阈值的情况下，再次执行随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练的步骤，直到流型识别模型的预测准确率大于预设阈值。
39.流型识别模型是通过获取第一压力传感器和第二压力传感器采集到的多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值，根据多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值确定入口和溢流口之间的多个历史压力差值，以及与每个历史压力差值对应的历史入口流型。按照预设比例将多个历史压力差值和与每个历史压力差值对应的历史入口流型划分为训练集和验证集，随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练，在通过训练集中的数据对流型识别模型进行训练后，随机从验证集中选出m个包含有流型标识的历史压力差值输入至流型识别模型，以检测流型识别模型的预测准确率，其中，n和m均为大于零的自然数，在流型识别模型的预测准确率大于预设阈值的情况下，确定流型识别模型训练完毕，在流型识别模型的预测准确率小于或等于预设阈值的情况下，再次执行随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练的步骤，直到流型识别模型的预测准
确率大于预设阈值。
40.在一个实施例中，在确定的气相表观流速与液相表观流速的情况下，获取通过第一压力传感器和第二压力传感器采集到的多个第一历史压力值和第二历史压力值，以使第一历史压力值和第二历史压力值之间的历史压力差值呈周期性变化。
41.确定进入旋流气液分离器混合物的气相表观流速与液相表观流速以及入口流型，在确定的气相表观流速与液相表观流速的情况下，在旋流气液分离器的入口和溢流口分别安装有第一压力传感器和第二压力传感器，通过第一压力传感器和第二压力传感器采集到的多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值，第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值的差值呈周期性变化。
42.本发明实施例提供了一种处理器，被配置成执行上述的旋流气液分离器入口流型识别方法。
43.本本发明实施例提供了一种旋流气液分离器入口流型识别装置，如图2所示，包括：
44.数据采集模块201，用于通过第一压力传感器和第二压力传感器采集到的第一压力值和第二压力值。
45.数据处理模块202，用于根据第一压力值和第二压力值确定入口和溢流口之间的压力差值。
46.流型识别模块203，用于将压力差值输入至流型识别模型，以通过流型识别模型输出旋流气液分离器的入口流型。
47.在一个实施例中，装置还包括模型训练模块，被配置成：获取通过第一压力传感器和第二压力传感器采集到的多个第一历史压力值和第二历史压力值；根据多个第一历史压力值和第二历史压力值确定入口和溢流口之间的多个历史压力差值，以及与每个历史压力差值对应的历史入口流型，根据历史入口流型对每个历史压力差值添加流型标识；依次将包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练。
48.在一个实施例中，模型训练模块还被配置成：按照预设比例将多个历史压力差值和与每个历史压力差值对应的历史入口流型划分为训练集和验证集；随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练；在通过训练集中的数据对流型识别模型进行训练后，随机从验证集中选出m个包含有流型标识的历史压力差值输入至流型识别模型，以检测流型识别模型的预测准确率，其中，n和m均为大于零的自然数；在流型识别模型的预测准确率大于预设阈值的情况下，确定流型识别模型训练完毕；在流型识别模型的预测准确率小于或等于预设阈值的情况下，再次执行随机从训练集中选出n个包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练的步骤，直到流型识别模型的预测准确率大于预设阈值。
49.通过数据采集模块获取第一压力传感器和第二压力传感器采集到的多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值，通过数据处理模块根据多个第一历史旋流气液分离器的入口压力值和第二旋流气液分离器的溢流口历史压力值确定入口和溢流口之间的多个历史压力差值，以及与每个历史压力差值对应的历史入口流型，根据历史入口流型对每个历史压力差值添加流型标识，模型训练模块，用于
依次将包含有流型标识的历史压力差值输入至流型识别模型，以对流型识别模型进行训练，直到流型识别模型的预测准确率大于预设阈值。
50.本发明实施例提供了一种旋流气液分离器压差采集装置，包括：第一压力传感器，安装于旋流气液分离器的入口，第二压力传感器，安装于旋流气液分离器的溢流口，以及根据旋流气液分离器入口流型识别装置。
51.本发明实施例提供了一种存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行所述的旋流气液分离器入口流型识别方法。
52.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器a01、网络接口a02、显示屏a04、输入装置a05和存储器(图中未示出)。其中，该计算机设备的处理器a01用于提供计算和控制能力。该计算机设备的存储器包括内存储器a03和非易失性存储介质a06。该非易失性存储介质a06存储有操作系统b01和计算机程序b02。该内存储器a03为非易失性存储介质a06中的操作系统b01和计算机程序b02的运行提供环境。该计算机设备的网络接口a02用于与外部的终端通过网络连接通信。该计算机程序被处理器a01执行时以实现一种旋流气液分离器入口流型识别方法。该计算机设备的显示屏a04可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置a05可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
53.本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
54.本技术实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现上述的旋流气液分离器入口流型识别方法的步骤。
55.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
56.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
57.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
58.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
59.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
60.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
61.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
62.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
63.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。