CN113822952B - 一种基于图像处理的多相流流型判别方法 - Google Patents
一种基于图像处理的多相流流型判别方法 Download PDFInfo
- Publication number
- CN113822952B CN113822952B CN202111107353.8A CN202111107353A CN113822952B CN 113822952 B CN113822952 B CN 113822952B CN 202111107353 A CN202111107353 A CN 202111107353A CN 113822952 B CN113822952 B CN 113822952B
- Authority
- CN
- China
- Prior art keywords
- flow pattern
- flow
- color
- multiphase
- boundary line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 title claims abstract description 21
- 238000010586 diagram Methods 0.000 claims abstract description 50
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 239000003086 colorant Substances 0.000 claims abstract description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 10
- 239000007789 gas Substances 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 239000003345 natural gas Substances 0.000 claims description 5
- 239000003209 petroleum derivative Substances 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 abstract 1
- 239000007788 liquid Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 3
- 230000005514 two-phase flow Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于图像处理的多相流流型判别方法，利用图像处理技术首先对流型图中流型边界线进行识别，并将曲线填充为不同的颜色；其次，将流型边界线包络的各流型区域填充为不同的颜色；其中颜色填充均采用RGB颜色数值填充的方法；最后，根据流型图横纵坐标值确定坐标点在流型图的位置，读取坐标点处的颜色数值，将其与流型边界线和流型区域的颜色数值进行一一对比，若数值相等则为该颜色对应的流型。本发明将通过流型图判别流型的复杂计算、对比流程，简化为坐标点颜色数值的对比，使得计算机自主判别流型难度大幅降低，提高了流型判别的精度和效率。
Description
技术领域
本发明涉及一种基于图像处理的多相流流型判别方法，属于油气水管输多相流流型判别技术领域。
背景技术
油气水管输多相流广泛的存在于陆上石油矿场集输和海上平台集油、集气管道，包括：气液两相流、液液两相流、气固两相流、液固两相流、气液水三相流、水平管多相流、垂直管多相流、倾斜管多相流等不同种类。针对纷繁复杂的多相流种类，学者建立了不同条件、不同适用范围、不同多相流机理的管输多相流流动工艺计算模型。
流型判别与划分是管输多相流流动工艺计算的前提，是选择多相流计算模型的依据。流型分为气泡流、塞状流、分层流、波状流、弹状流、环状流等类型。目前主要有两种方法，一种是通过高速摄像机拍摄管道内的流体的图像，进而通过人工观察或机器学习技术判别流型；另一种是根据管内的多相流流动参数结合流型图进行判别。由于人为判别的方法存在一定的主观性，导致不同人在对接近流型转变边界处的流型做出不同的划分。经过大量的实验，学者将不同的流型的特征流动参数进行总结，形成了不同的流型图和对应的流型判别方法，例如：贝克流型图、斯科特流型图、希吉特流型图、戈维流型图、曼德汉流型图等，且随着研究的不断深入流型图的种类在不断增加。
针对基于流型图的流型判别方法，在使用过程中不仅需要计算大量判断准则数，还需严格遵守判别流程顺序进行一一的比对和排除。该过程的复杂性给管输多相流动工艺计算模型的程序化带来了不小的困难，计算机自主识别流型存在一定的技术难度，目前采用将流型边界曲线进行方程化，该方法无法描述流型过渡区域，且对比计算参数多、流程复杂，严重影响了流型判别的精度和效率。
发明内容
本发明提供一种基于图像处理的多相流流型判别方法，用于解决目前使用流型图判别流型存在的无法识别流型过度区域、需要计算大量判断准则数、判别流程复杂，判别效率、精度低的问题。
本发明为解决上述问题，提供一种基于图像处理的多相流流型判别方法，该方法的核心思想是以流型图中的流型曲线为边界，将图形分割为不同的流型区域，分别对不同的流型区域填充不同的颜色，进而通过图像识别多相流参数所处区域的颜色，实现管输多相流流型的判别。
即，利用图像处理技术首先对流型图中流型边界线进行识别，并将曲线填充为不同的颜色；其次，将流型边界线包络的各流型区域填充为不同的颜色；最后，根据流型图横纵坐标值确定坐标点在流型图的位置，读取坐标点处的颜色数值，将其与流型边界线和流型区域的颜色数值进行一一对比，若数值相等则为该颜色对应的流型。
具体的，包括以下步骤：
S1、现有的流型图虽然各不相同，但均由：多相流动参数构成的横轴、纵轴，以及流型边界曲线三部分构成，其中流型的划分均以流型边界曲线为依据。首先采用图像处理技术，将不同的流型曲线线条填充为不同的颜色类型，采用不同的RGB颜色值；
S2、采用图像处理技术，对各流型包络的区域进行填色处理，且所填颜色RGB值不得与流型边界曲线相同；
流型图中横纵坐标数值和流型，满足函数：
c＝f(x,y,s)；
式中c表示颜色数值；x表示流型图中横轴的数值；y表示流型图中纵轴的数值；s表示流型图中的流型；f表示函数关系；
S3、根据管输多相流的流动条件，计算流型图横坐标和纵坐标的指标参数数值，并以此参数数值为坐标，在流型图中画出坐标点；
S4、采用图像识别技术，读取流型图中S3步骤所画坐标点处的颜色；
S5、根据S4步骤得到的RGB颜色数值，与S1、S2中所填充不同流型曲线和流型区域的RGB颜色数值进行对比，若与某流型区域相同，则该颜色对应的流型，从而实现流型判别。
确定流型的函数：
s＝f-1(x,y,c)；
式中f-1表示反函数关系。
所述多相流，为石油与天然气行业的多相流，包括油气水管输多相流、井筒多相流。
所述流型图，为石油与天然气行业多相流流型图，该图由横纵坐标的参数值和流型边界线、流型区域构成，用于管输多相流流动工艺计算中，判别输送工况条件下管道内的流动类型，是选择管输多相流计算模型的依据。包括但不限于贝克流型图、斯科特流型图、希吉特流型图、戈维流型图、曼德汉流型图；
所述流型边界线，为流型图中的数据曲线，用于将不同流动特征数据划分为不同的类型，可为直线或曲线；
所述流型边界线包络区域，为流型图中由流型边界线与坐标轴、流型边界线与流型边界线之间包络形成的封闭区域；
所述坐标点，为根据管输条件计算得到的流型图中的横坐标数值和纵坐标数值，以此在流型图中确定的坐标位置；
本发明所述S1、S2、S3、S4、S5以上过程均由计算机完成，不同于人眼观察的流型图流型判别。
本发明提供的一种基于图像处理的多相流流型判别方法，具有以下有益效果：
通过本发明提供的方法，采用图像处理的方法对流型图中的流型边界曲线和流型包络区域进行颜色填充，从而通过RGB颜色数值的方式实现了管输多相流流型的判别。这一方法，不仅使计算机程序自主识别流型图的流型难度降低，而且流型判别流程简单、可靠，首先避免了计算大量的判断、对比准则数，其次避免了复杂的流型判别过程，提高了流型判别的效率和精度。
附图说明
图1为本发明实施例的贝格斯-布里尔流型图；
图2为本发明实施例的经过流型边界线和流型区域颜色填充处理的贝格斯-布里尔流型图；
图3为本发明实施例的通过本发明确定的管输多相流流型为Intermittent-flow(间歇流)效果图；
图4为本发明一种基于图像处理的多相流流型判别方法流程图。
具体实施方式
下面结合附图和实施方式对本发明作更进一步说明。
一种基于图像处理的多相流流型判别方法，包括以下步骤：
S1、对图1中的流型边界线进行处理。图1中存在3条流型边界线，分别为Segregated flow(分层流)与Intermittent flow(间歇流)、Segregated flow(分层流)与Distributed flow(分散流)、Intermittent flow(间歇流)与Distributed flow(分散流)三条流型边界线，各条分界线的填充颜色值如下：
Segregated flow(分层流)与Intermittent flow(间歇流)：RGB颜色数值为(255，128，64)；
Segregated flow(分层流)与Distributed flow(分散流)：RGB颜色数值为(128，255，255)；
Intermittent flow(间歇流)与Distributed flow(分散流)：RGB颜色数值为(128，64，0)；
S2、对图1中的流型包络区域进行处理。图1中存在3个流型区域，分别为Segregated flow(分层流)、Intermittent flow(间歇流)、Distributed flow(分散流)，各流型区域填充的颜色值如下：
Segregated flow(分层流)：RGB颜色数值为(255，0，0)；
Intermittent flow(间歇流)：RGB颜色数值为(255，255，0)；
Distributed flow(分散流)：RGB颜色数值为(0，128，0)；
S3、使用贝格斯-布里尔流型做多相流分析计算，输入的参数为：气体流量10000m3/d、液体流量119.048m3/d、管道内径81mm、长度1km、入口压力0.6MPa、温度50℃、气体密度0.92kg/m3、液体密度840kg/m3、液体粘度10cP。计算得到图1流型的横坐标和纵坐标的数值为(0.0695,18.5987)，采用图像处理技术在图1流型图中对坐标进行定位，效果如图3；
S4、采用图像识别技术得到坐标定位处的RGB颜色数值为(255，255，0)；
S5、将S4步骤得到的坐标点处的RGB颜色数值与S1、S2中的流型边界线和流型包络区域进行对比，得到该坐标点处RGB颜色数值与Intermittent flow(间歇流)区域颜色相同，故确定S3中的管输多相流条件下，管道中的流型为flow(间歇流)。
图1是原始管输多相流贝格斯-布里尔流型图。图2是采用图像处理技术，分别对流型边界线和流型包络区域填充不同颜色得到的效果图。图3是根据S3中的管输多相流输送工况条件，计算得到横纵坐标定位后取得的效果图，最后通过坐标点的RGB颜色值与流型边界线和流型包络区域的对比，判别出该输送条件下的管输流型为Intermittent flow(间歇流)，为贝格斯-布里尔多相流工艺计算中模型的参数选取提供了依据。
本发明方法降低了计算机判别流型图中流型的难度，用不同颜色的对比技术，巧妙的解决了计算机判别流型图中流型的问题，且该方法适用于所有管输、井筒多相流流型图的流型判别，不局限于本发明所用实施例。本发明方法提供了一种新方法、新思路，用于计算机判别流型图中的流型，提高了流型判别的效率、精度。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (1)
1.一种基于图像处理的多相流流型判别方法，其特征在于，所述多相流，为石油与天然气行业的多相流，包括油气水管输多相流、井筒多相流；
所述的方法，包括以下步骤：利用图像处理技术首先对流型图中流型边界线进行识别，并将曲线填充为不同的颜色；其次，将流型边界线包络的各流型区域填充为不同的颜色；最后，根据流型图横纵坐标值确定坐标点在流型图的位置，读取坐标点处的颜色数值，将其与流型边界线和流型区域的颜色数值进行一一对比，若数值相等则为该颜色对应的流型；
包括以下步骤：
S1、采用图像处理技术，将不同的流型曲线线条填充为不同的颜色类型，采用不同的RGB颜色值；
S2、采用图像处理技术，对各流型包络的区域进行填色处理，且所填颜色RGB值不得与流型边界曲线相同；
流型图中横纵坐标数值和流型，满足函数：
；
式中c表示颜色数值；x表示流型图中横轴的数值；y表示流型图中纵轴的数值；s表示流型图中的流型；f表示函数关系；
S3、根据多相流的流动条件，计算流型图横坐标和纵坐标的指标参数函数数值，并以此数值为坐标，在流型图中画出坐标点；
S4、采用图像识别技术，读取流型图中S3步骤所画坐标点处的颜色；
S5、根据S4步骤得到的RGB颜色数值，与S1、S2中所填充不同流型曲线和流型区域的RGB颜色数值进行对比，若与某流型区域相同，则为该颜色对应的流型，从而实现流型判别；
确定流型的函数：
；
式中f -1表示反函数关系；
所述多相流，为石油与天然气行业的多相流，包括油气水管输多相流、井筒多相流；
所述流型图，为石油与天然气行业多相流流型图，该图由横纵坐标的参数值和流型边界线、流型区域构成，用于管输多相流流动工艺计算中，判别输送工况条件下管道内的流动类型，是选择管输多相流计算模型的依据，包括但不限于贝克流型图、斯科特流型图、希吉特流型图、戈维流型图、曼德汉流型图；
所述流型边界线，为流型图中的数据曲线，用于将不同流动特征数据划分为不同的类型，可为直线或曲线；
所述流型边界线包络区域，为流型图中由流型边界线与坐标轴、流型边界线与流型边界线之间包络形成的封闭区域；
所述坐标点，为根据管输条件计算得到的流型图中的横坐标数值和纵坐标数值，以此在流型图中确定的坐标位置；
所述S1、S2、S3、S4、S5以上过程均由计算机完成，不同于人眼观察的流型图流型判别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111107353.8A CN113822952B (zh) | 2021-09-22 | 2021-09-22 | 一种基于图像处理的多相流流型判别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111107353.8A CN113822952B (zh) | 2021-09-22 | 2021-09-22 | 一种基于图像处理的多相流流型判别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113822952A CN113822952A (zh) | 2021-12-21 |
| CN113822952B true CN113822952B (zh) | 2024-06-25 |
Family
ID=78915102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111107353.8A Active CN113822952B (zh) | 2021-09-22 | 2021-09-22 | 一种基于图像处理的多相流流型判别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113822952B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327956A (zh) * | 2016-08-19 | 2017-01-11 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其涂色卡片识别方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1635369A (zh) * | 2004-12-30 | 2005-07-06 | 山东大学 | 一种气液两相流流型快速在线识别方法 |
| AU2010272254B2 (en) * | 2009-07-13 | 2015-12-10 | Schlumberger Technology B.V. | Methods for characterization of petroleum fluid and application thereof |
| US9068873B2 (en) * | 2012-02-14 | 2015-06-30 | King Fahd University Of Petroleum And Minerals | Multiphase flow measurement system and method |
| CN103226641B (zh) * | 2013-05-10 | 2015-02-18 | 中国石油大学(华东) | 深水气液两相流循环温度压力耦合计算方法 |
| CN105910996A (zh) * | 2016-04-07 | 2016-08-31 | 昆明理工大学 | 一种利用rgb颜色模型确定多相流混合时间的方法 |
| CN106951845B (zh) * | 2017-03-10 | 2023-06-27 | 中国石油大学(华东) | 集输立管系统气液两相流流型判别方法及系统 |
| CN107402116B (zh) * | 2017-08-24 | 2019-03-19 | 中南大学 | 一种气液两相流流型识别方法及检测装置 |
| CN109162697A (zh) * | 2018-10-13 | 2019-01-08 | 中石化石油工程技术服务有限公司 | 一种天然气井油套环空流动动态描述方法 |
| KR102136291B1 (ko) * | 2019-07-05 | 2020-07-21 | 경상대학교 산학협력단 | 이상유동의 유동형태 분류방법 |
| CN110415257B (zh) * | 2019-07-23 | 2023-08-22 | 东南大学 | 一种气液两相流重叠气泡图像分割方法 |
| US20210201178A1 (en) * | 2019-12-26 | 2021-07-01 | Baker Hughes Oilfield Operations Llc | Multi-phase characterization using data fusion from multivariate sensors |
| CN111521633B (zh) * | 2020-04-21 | 2024-07-02 | 北京科技大学 | 基于热扩散原理的气液多相流流型识别装置及方法 |
| CN112242000B (zh) * | 2020-10-22 | 2022-07-26 | 上海交通大学 | 基于丝网探针的气液两相流场特征重构方法、系统及介质 |
| CN112507638B (zh) * | 2020-12-18 | 2021-08-06 | 北京科技大学 | 深层凝析气藏多相多流态判别方法及装置 |
-
2021
- 2021-09-22 CN CN202111107353.8A patent/CN113822952B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327956A (zh) * | 2016-08-19 | 2017-01-11 | 上海葡萄纬度科技有限公司 | 一种教育玩具套件及其涂色卡片识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 气液两相段塞流模型研究及流型识别软件编制;王晗路;中国优秀硕士学位论文全文数据库;第72-75页以及图5.3、5.4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113822952A (zh) | 2021-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112949196B (zh) | 一种基于残差神经网络的抽油机井故障诊断方法及系统 | |
| US10055684B2 (en) | System and method for using an artificial neural network to simulate pipe hydraulics in a reservoir simulator | |
| CN112258496A (zh) | 一种基于全卷积神经网络的地下排水管道病害分割方法 | |
| CN106547973A (zh) | 一种稠油油藏注蒸汽过程汽窜通道的定量描述方法 | |
| CN109871609A (zh) | 基于bp-fem对海洋浮式平台系泊系统响应的预测方法 | |
| CN107387051B (zh) | 低渗透非均质油藏多段压裂水平井重复压裂选井的方法 | |
| CN108021938A (zh) | 一种冷轧带钢表面缺陷在线检测方法以及检测系统 | |
| CN102706534A (zh) | 一种气液两相流流型识别方法 | |
| CN108805863B (zh) | 深度卷积神经网络结合形态学检测图像变化的方法 | |
| CN112861912A (zh) | 一种基于深度学习的抽油机井复杂工况示功图识别方法及系统 | |
| CN114898126B (zh) | 一种提升采油机复合工况故障诊断精度方法 | |
| CN104234695A (zh) | 一种基于神经网络的油井故障诊断方法 | |
| CN106503798A (zh) | 基于粗糙集与bp神经网络的泵的故障诊断方法 | |
| CN106869914A (zh) | 一种油层中渗流与井筒内流动相耦合的产能预测方法 | |
| CN113822952B (zh) | 一种基于图像处理的多相流流型判别方法 | |
| CN111173507A (zh) | 高含水油田剩余油预测方法 | |
| CN112539054B (zh) | 地面管网与地下油藏复杂系统生产优化方法 | |
| CN113153267B (zh) | 一种抽油机井示功图多尺度归一化方法及系统 | |
| CN106501146B (zh) | 一种致密油藏物性上限确定方法及装置 | |
| CN113077091A (zh) | 一种基于机器学习的漏速概率分布预测方法和系统 | |
| CN110863825B (zh) | 区分特征区域的方法和装置 | |
| CN105956658A (zh) | 数据处理方法、数据处理装置及芯片 | |
| CN108979624A (zh) | 一种基于示功图矩特征的有杆抽油系统摩擦因数辨识方法 | |
| CN204347020U (zh) | 一种新型油井钨合金镀层防蜡效果检测装置 | |
| Reges et al. | Identification of valve opening and closing points in downhole dynamometer cards from sucker rod pumping systems based on polygonal approximation and chain code |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |