Выпуск:
2023. Том 9. № 4 (36)Об авторах:
Пурицкис Янис Валдисович, специалист, Тюменский нефтяной научный центр, Тюмень, Россия; студент магистратуры, Физико-технический институт, Тюменский государственный университет, Тюмень, Россия yvpuritskis@tnnc.rosneft.ruАннотация:
В целом ряде отраслей промышленности — нефтегазовой, химической и атомной — возникает задача контроля режимов многофазных течений. В атомной и химической промышленности режим течения напрямую влияет на характер технологических процессов и их безопасность. В нефтегазовой промышленности добываемая из скважин продукция изначально представляет собой смесь нефти, воды и газа, и задача контроля режима течения связана с соблюдением допустимых параметров работы насосного и контрольно-регулирующего оборудования. При использовании многофазных расходомеров проточного типа алгоритмы расчета расходов фаз в многофазном потоке весьма чувствительны к нарушению однородности и гомогенности измеряемого потока. Избыточное зашумление сигнала датчиков давления, объемного содержания и расхода, вызванное снарядным, пробковым или расслоенным режимом, способно отрицательно сказаться на точности измерений. Как правило, при определении текущего режима используются карты режимов течения. Этот подход основан на расчете ряда безразмерных параметров потока (числа Фруда, параметра Локкарта — Мартинелли и т. д.). В случае динамически изменяющегося потока этот подход может оказаться непригодным. Для более точного и надежного определения режимов течения предлагается использовать прямой метод анализа пространственного распределения фаз в потоке и распознавание типа потока с помощью искусственных нейронных сетей сверточного типа. Такой подход позволяет избавиться от ошибок классификации и получить более точную информацию о потоке. Целью исследования является разработка методики нейросетевого анализа изображений многофазного потока с последующим определением его типа. В ходе выполнения работы рассмотрены подходы к формированию обучающей выборки, осуществлен поиск оптимальной структуры нейронной сети и дана оценка точности при классификации многофазных режимов течения нейронной сетью сверточного типа. Исследование проведено на двух типах данных: 1) синтетических изображениях, полученных с помощью численного моделирования многофазных течений, и 2) экспериментально полученных изображениях потока на стенде многофазных потоков.Ключевые слова:
Список литературы:
Бирюков Б. В., Данилов М. А., Кивилис С. С. 1987. Испытания расходомеров. М.: Изд-во стандартов. 240 с.
Галушкин А. И., Цыпкин Я. З. 2015. Нейронные сети: история развития теории. М.: Альянс. 840 с.
Ганопольский Р. М., Гильманов А. Я., Малыгин Г. А. 2020. Гидродинамическое моделирование потоков сложной формы. Тюмень: Изд-во Тюмен. гос. ун-та. 71 c.
Гриценко А. И., Клапчук О. В., Харченко Ю. А. 1994. Гидродинамика газожидкостных смесей в скважинах и трубопроводах. М.: Недра. 238 с.
Звонарев С. В. 2019. Основы математического моделирования: учеб. пос. Екатеринбург: Изд-во Урал. ун-та. 112 с.
Мамаев В. А., Одишария Г. Э., Клапчук О. В., Точигин А. А., Семенов Н. И. 1978. Движение газожидкостных смесей в трубах. М.: Недра. 270 с.
Плотникова И. Н. 2012. Элементный состав нефти и рассеянного органического вещества и методы его изучения: учеб.-метод. пос. Казань: Казан. ун-т. 25 с.
Рид Р., Праусниц Дж., Шервуд Т. 1982. Свойства газов и жидкостей: пер. с англ. / под ред. Б. И. Соколова. 3-е изд., перераб. и доп. Л.: Химия, Ленингр. отд. 592 с.
Уоллис Г. 1972. Одномерные двухфазные течения. М.: Мир. 440 с.
Хайкин С. 2019. Нейронные сети. М.; СПб.: Диалектика. 1103 с.
Цейтлин В. Г. 1977. Расходоизмерительная техника. М.: Изд-во стандартов. 240 с.
Чисхолм Д. 1986. Двухфазные течения в трубопроводах и теплообменниках: пер. с англ. М.: Недра. 204 с.
Ширяев В. И. 2016. Финансовые рынки. Нейронные сети, хаос и нелинейная динамика. М.: Либроком. 232 c.
Boundary Conditions — OpenFOAM-4.1. 2017. NEXT foam. 132 p.
Brill J. P., Mukherjee H. 1999. Multiphase Flow in Wells. Society of Petroleum Engineers. 164 p.
Darwich T. D., Toral H., Archer J. S. 1991. A software technique for flow-rate measurement in horizontal two-phase flow // SPE Production Engineering. Vol. 6. No. 3. Pp. 265–270. https://doi.org/10.2118/19510-PA
Pan S. J., Yang Q. 2010. A survey on transfer learning // IEEE Transactions on Knowledge and Data Engineering. Vol. 22. No. 10. Pp. 1345–1359. https://doi.org/10.1109/TKDE.2009.191
State of the Art Multiphase Flow Metering. API Publication 2566. 2004. American Petroleum Institute. 80 p.
Taitel Ye., Dukler A. E. 1976. A model for predicting flow regime transitions in horizontal and near horizontal gas-liquid flow // AIChE Journal. Vol. 22. No. 1. Pp. 47–55. https://doi.org/10.1002/aic.690220105
