一种油井油水两相流含水率测量装置及软测量方法

本发明涉及油田开发过程中油井动态监测领域中油水两相流含水率的测量装置及相应方法。

背景技术：

1、近年来，深度学习技术在众多领域取得了令人瞩目的成就，为处理传统复杂问题提供了新的视角。在两相流参数测量方面，数据驱动型的参数软测量方法崭露头角，可以利用深度学习技术从检测信号的信息处理角度理解两相流动行为。结合深度学习技术的数据驱动型参数软测量方法不仅能够提供对两相流现象更深入的理解，还能改进流动参数测量的准确性和可靠性，对两相流的研究具有潜在的科研价值和工程应用前景。这一领域的不断创新和发展有助于提高油气能源生产效益，促进数字化转型，加速油气产业与现代信息技术的深度融合，在国家能源战略发展和环境可持续方面发挥促进作用。

2、油井油水两相流参数测量一直是油田勘探、开发和生产领域的关键环节，准确测量油水两相流参数，特别是含水，对提高采收率至关重要。电导传感器与电容传感器在两相流参数测量中取得了较大的进展，但是其应用范围受限，相比于电导传感器与电容传感器，微波传感器在测量油水两相流的含水率方面优势明显。微波信号在透过极性水分子时产生明显的相位和幅度衰减，根据这一特性可得到混合流体的含水率。如何设计高灵敏度的微波传感器以及开发高精度微波测量系统是关键。本发明基于该背景设计了双螺旋微波测量装置结构，并设计了其与现场油井管道的连接结构，完成了相应的软硬件开发。

技术实现思路

1、本发明涉及了一种油井油水两相流含水率测量装置及软测量方法。基于管径为50mm的现场油井管道搭建了双螺旋微波传感器测量系统，由电源模块、频率合成器、功率分配器、双螺旋微波传感器、微波鉴相器、ad转换器、主控单元、显示屏以及数据远传模块组成。设计了双螺旋微波传感器与油井现场管道的连接结构，构建了基于尺度缩减策略的端到端多尺度时间序列transformer网络模型，建立了油井油水两相流信号与含水率之间的端到端映射关系，所述方法能有效地解决难以通过用数学描述模型准确解析的两相流参数测量问题。

2、为实现上述目的，本发明采用的技术方案如下：

3、双螺旋微波传感器由激励电极、接收电极、保护电极、屏蔽层以及测量管段组成，其中螺旋对壁保护电极对和螺旋对壁测量电极对均沿测量管段径向方向旋转180°，固定在垂直peek材料的测量管段固定凹槽内，测量电极在管道截面上的张角θ等于130°；保护电极在管道截面上的张角等于30°；管道内径为50mm，外径为75mm，屏蔽层外径为120mm。

4、双螺旋微波传感器测量系统的总体结构包括电源模块、频率合成器、功率分配器、双螺旋微波传感器、微波鉴相器、ad转换器、主控单元、显示屏以及数据远传模块；系统接通12v电源，经降压模块后提供给各模块正常运转所需的电压，频率合成器产生1.2ghz正弦激励信号经功率分配器分成两路，分别接入微波鉴相器参考信号接收端和传感器激励电极；微波鉴相器测量信号接收端与传感器接收电极连接获取经过测量管段内混合流体后发生衰减的微波信号，与参考信号接收端输入信号混频得到衰减差异，并转换为相应的电压值输出；主控单元通过spi通信方式接收经ad转换器处理后得到数字量，计算得到最终含水率标量显示在设备屏幕上，并通过modbus-rtu远传至油井监控平台进行实时监测。

5、针对现有的油井监控平台覆盖井数庞大，监控参数多，项目实施成本大等问题，引入适用于分布式参数监测系统的modbus-rtu通信协议解决数据远端传输问题；将油井监控平台的rtu设置为modbus主站，分布于各个油井上的测量系统设备设置为modbus从站，因此rtu与安装在各个油井上的设备之间可以通过此协议方便地完成数据通信；在双螺旋微波传感器测量系统中使用rs485总线，并选择max485芯片完成ttl电平到rs485电平的功能转换；双螺旋微波传感器测量系统作为油井监控平台rtu进行实时查询和操作的从设备，其数据类型为modbus-rtu通信协议中的保持寄存器类型，涉及主要操作功能码为03，即主机读取从机保持寄存器的操作。

6、所述的传感器测量系统，涉及数据采集功能的下位机软件实现和上位机数据采集界面开发，其中下位机软件在stm32f103c8t6的嵌入式平台中实现，上位机界面运行在pc端；下位机程序基于stm32的标准外设库平台，并通过c语言进行编写，主要包括stm32f103c8t6主控单元主程序、ads131a0x初始化程序以及modbus协议初始化程序。

7、首先设置stm32f103c8t6主控单元的gpio引脚以配置spi通信接口，包括sck、miso、mosi以及cs，其中miso是主入从出，用于从ads131a0x芯片读取数据，mosi是主出从入，用于向ads131a0x芯片发送配置和控制命令，cs是片选引脚，选择ads131a0x芯片；通过spi串行接口向ads131a0x模数转换器发送初始化命令和配置参数，完成相应的波特率、增益、采样率等参数设置，使其按照性能要求采集来自微波鉴相器输出的两通道模拟量；stm32f103c8t6发送启动命令开始数据采样过程，接收来自ads131a0x回传的数据，经modbus-rtu通信协议发送至上位机，并通过串口输出在显示屏上，其主程序负责系统初始化和数据流的采集控制。

8、通过标准外设库初始化串口和时钟树，保证stm32f103c8t6芯片正常运转，接着初始化与ads131a0x芯片之间连接的spi接口，使stm32f103c8t6主控单元能够通过spi接口初始化ads131a0x芯片内部寄存器状态，建立稳定的数据传输通路。中断函数保证主控单元能够识别ads131a0x转换完成的数据，并将正确的数据经初始化好的modbus协议发送给数据终端；在所有初始化完成后，主控芯片自动读取ads131a0x的控制寄存器指令确保其初始化成功后，接收来自ads131a0x的数据进入数据发送准备状态，等待来自modbus-rtu主机的查询命令；上位机界面能够向设备使用者实时清晰反馈设备的当前运行状态，完成对安装井状态的实时监测。

9、传感器测量管道采用机械性能优异的peek管，长度500mm；peek管两端攻外螺纹；屏蔽外壳两端焊接两个法兰盖，用于连接定制的法兰盘，定制法兰盘左右两端的管道分别攻有内外螺纹，一端用于连接屏蔽外壳，另一端连接过渡接头后与油井管道相连；传感器测量管段上方与油井水平管连接，下方通过软管连接回油管，形成输油回路。

10、基于尺度缩减策略的端到端多尺度时间序列transformer网络模型包括时间滤波模块，简称为tfm、尺度缩减时间编码模块，简称为srtm、参数识别模块，简称为pim。

11、首先定义为流体数据集中的第i个时间序列样本，其中c和t分别表示信号维度和采样时间长度；含水率的标签表示为wi；因此样本可表示为其中n为流体数据集中的样本总数目；将一个流体序列样本视为高度为1，宽度为其时间步长t，通道数为c的图像类型数据，可以用(c，1，t)表示；

12、为了实现流体序列的多尺度划分，提取短时鉴别性信息，采用基于卷积层的滑动窗口完成输入嵌入，实现局部时间特征聚合，同时建立两种不同物理意义下的信号维度之间的联系；使用tfm对输入序列执行预处理，满足序列降采样要求的同时能够从高频采样率下的序列中提取局部时间域特征；流体序列预处理tfm中的卷积核大小和步长均为(1，10)，滤波器数量为d，滤波完成后对特征图进行batchnorm操作固定分布。

13、接着执行relu激活经过时间滤波的特征图，使模型获得非线性表达能力；因此，预处理得到的特征映射可记为其中l＝t//10，//是向下取整运算符。

14、与预处理步骤相似的，每个srtm首先使用卷积核大小和步长均为(1，kj)，滤波器数量为dj的时间卷积层对给定输入特征映射进行尺度压缩，接着将特征进行重塑后应用layernorm得到多头自注意力机制的输入嵌入其中j表示尺度缩减阶段，m表示该阶段时间编码模块的堆叠深度。

15、为了捕捉不同参数下油水两相流信号的丰富细粒度信息，使模型能够灵活地学习多尺度和高分辨率特征，实现参数变化的精准识别，基于尺度缩减策略改进transformer编码器设计了srtm。

16、借助多头自注意力机制对不同时间区域之间的非线性关系进行建模；所述的尺度缩减多头自注意力机制采用九个独立自注意力层并行计算，与直接对k和v进行分割的操作不同，这里使用与tfm思想相同的窗口卷积操作取k和v的缩减映射。

17、具体地，尺度缩减多头自注意力机制中的转换过程为：

18、q＝fjwq

19、

20、

21、

22、

23、v1＝v1+lconv(v1)

24、v2＝v2+lconv(v2)

25、其中，i∈{0，1，2，...，h-1}，和分别代表尺度缩减多头自注意力层中查询(q)、键(k)和值(v)的可学习映射矩阵，dq，dk和dv分别代表q、k和v的维度

26、dd＝d//h，dk＝dv＝d//2h，

27、特别地，tconv表示对fj分别采用卷积核大小和步长均为(1，rj)和(1，rj/2)的卷积层实现两种尺度下的缩减，并应用layernorm和高斯误差线性单元(gelu)激活后投影为两种尺度下的k和v，使其在自注意力层计算中具有表征不同细粒度下特征信息的能力。

28、接着，lconv针对v执行卷积操作提取局部时间增强分量，与原值通过残差连接之后参与尺度缩减多头注意力计算得到输出

29、

30、最后，经过一个线性变换层得到尺度缩减多头自注意力模块的输出其中其中，ffn由两个线性变换层构成，选择gelu作为其间的激活函数，z作为ffn的输入得到该时间编码模块的最终输出：

31、

32、其中，和是可学习参数。

33、为了实现对流体信号的细粒度特征进行充分提取，每个尺度衰减阶段按顺序堆叠mj个时间编码模块，并将m1和m2均设置为3；特别地，在每个srtm和ffn前应用layernorm，并且在其后添加残差连接，所有线性变换后执行概率为0.5的dropout操作；

34、pim接受来自最后一个阶段的srtm输出的特征，记为并执行多参数标签预测，其预测层为两个独立的全连接层，输出分别送至softmax函数得到多参数标签预测的概率向量，pim的输出为：

35、pw＝softmax(fow3)

36、表示获得的流体序列xi关于含水率的预测向量，为网络的可训练参数，n1为流体数据集中含水率标签的数量；

37、在模型训练阶段，通过多参数标签分类任务之间的联合监督学习优化所提出的srmtt，使用交叉熵损失含水率识别任务的损失函数：

38、

39、其中，n表示模型的训练样本数量，wi分别表示流体序列xi的含水率标签。

40、所述的srmtt具体训练流程如下表，

41、

42、针对采集到的流体信号，首先对其进行标准化，使用滑动窗口执行无重叠样本切分操作，为样本添加相应的标签，再将80％的样本作为训练集，剩余20％的样本作为测试集，同样在模型训练前对流体数据集中的样本进行了多次随机打乱，以获得多组不同样本分布的训练数据集和测试数据集进行重复实验，帮助模型将参数搜索空间扩展至更大范围增强泛化性能；同时，引入准确率acc作为主要评价指标，其计算公式如下：

43、

44、其中，tpi是类别i中预测为正样本且实际也为正样本的样本个数，c表示样本的总类别数，n表示测试样本总数量。

45、本发明由于采取以上技术方案，具有以下优点：

46、本发明提出一种油井油水两相流含水率测量装置及软测量方法。所涉及的双螺旋微波传感器测量系统，主要由数据采集模块和数据终端两部分组成。数据采集模块能够以1-2000hz采样率实现两通道信号的同步采样。数据终端基于适用于分布式参数检测系统的modbus-rtu通信协议解决远程数据传输问题，满足实际生产现场的应用需求。在此基础上，设计实现数据采集功能的下位机软件，并配合设计完成具有统计数据监控功能的上位机软件界面。双螺旋微波传感器测量系统具备足够优秀的性能和运行稳定性，能够提供足够的数据支持。

47、本发明涉及的双螺旋微波传感器与现场油井管道的连接结构，采用最常用的螺纹连接和焊接形式，结构简单，易于实现，并且可拆卸，给后期安装和调试创造了极大的空间。

48、本发明涉及的端到端多尺度时间序列transformer网络模型(srmtt)，其引入图像数据处理的思想完成多种物理意义通道信息的有效聚合。在此基础上，设计尺度缩减多头自注意力机制构建srtm对不同时间域之间以及多分辨率划分时间域下的非线性关系从全局信息角度进行建模，使模型具备灵活学习多尺度和高分辨率特征的能力以充分挖掘油水两相流流动信号信息。