CN115628783B - 一种基于多传感器的气-液两相流计量系统 - Google Patents

Abstract

本发明涉及一种基于多传感器的气‑液两相流计量系统，属于页岩气井开采行业中的气、液两相流量计量领域，用于实现了对页岩气井试修开采阶段中气、液两相流量精确、稳定和实时在线的检测。所述系统对传感器进行了冗余设计，利用传感器之间的融合互补来降低误差、提高测量可靠性，在流体流经长喉颈文丘里管时，通过在长喉颈文丘里管上部署多种传感器，获取多种相互独立的测量信号，基于测量信号组合获取多个关于气‑液各相流量的测量值及其对应的测量不确定度，并将最小测量不确定度所对应的测量值作为最终测量结果。所述系统采用的设备具有体积较小、价格低廉、不会对环境和人体造成危害等优点。

Description

一种基于多传感器的气-液两相流计量系统

技术领域

本公开涉及油气井开采，特别是针对页岩气井开采行业中的气-液两相流量计量领域，尤其涉及一种基于多传感器的气-液两相流计量系统。

背景技术

页岩气是一种清洁、高效的低碳优质能源，且页岩气的开发具有开采寿命长、生产周期长等优点，因此，其在现今能源消费中占有愈发重要的地位。

目前在页岩气井试修开采作业中，一种常用的气-液两相的计量技术是采用分离器设备，利用多相流体中各相的密度差异，通过物理方法对气-液进行分离，分离干净后的两相流体分别通过单相仪器仪表和计量罐进行计量。但是，分离器设备的质量和体积普遍都较大，并且设备的安装周期较长，给工艺流程设计和施工都增加了很大难度，使得分离计量工作量大，时间长，难以实时获得计量结果，同时，分离器设备的成本也较为昂贵。另一种常用的多相流计量技术是一种采用文丘里管+伽马密度计的组合形式的多相流量计。伽马密度计利用伽马射线在不同密度介质中衰减速率不同这一特点来估算流体的混合密度，该技术方案的缺点是：放射源对环境和人体均有一定的危害性，且其生产、使用多需经过监管部门的批准，导致后期成本较高。

发明内容

针对上述技术问题，本发明的主要目的在于提供一种基于多传感器的气-液两相流计量系统，以实现对页岩气井试修开采阶段中气-液两相流量较快速、稳定地实时检测，且不对环境和人体造成危害，检测结果可靠。

为实现上述目的，本发明提出的技术方案如下：一种基于多传感器的气-液两相流计量系统，在流体流经长喉颈文丘里管时，所述系统通过在长喉颈文丘里管上部署多种传感器，获取多种相互独立的测量信号，基于测量信号组合获取多个关于气-液各相流量的测量值及其对应的测量不确定度，并将最小测量不确定度所对应的测量值作为最终测量结果。

在上述技术方案中，本发明的流量计需要同时输出气、液各自的流量，至少两组相互独立的测量信号作为输入。由于单一传感器的适用范围有限，为了进一步提高测量的精度和可靠性，对传感器进行冗余设计，以保证在任意测量工况下，都能有相应气-液两相流量的测量值及其对应的测量不确定度，并利用不同测量信号之间的融合互补来降低误差、提高可靠性。

作为上述技术方案的改进，所述系统通过模块化设计，以方便针对不同计量需求对各模块进行调整，从而使系统具有结构简单、信号提取稳定、响应频率高等优点。所述包括差压式流量计模块、电磁层析成像模块、微波传感器模块、数据采集处理模块；所述差压式流量计模块，被配置用于采集长喉颈文丘里管内流体的前压差信号、后压差信号、压力信号、温度信号；所述电磁层析成像模块，被配置用于采集电容层析成像(ECT)电容信号；微波传感器模块，被配置用于采集在流体中的微波幅值、相位信号；所述数据采集处理模块被配置基于前压差信号、后压差信号、压力信号、温度信号、电容信号、敏感场矩阵、微波幅值、相位信号，采用不同的方法进行气-液两相流量值及其对应的测量不确定度计算，并将最小测量不确定度所对应的测量值作为最终测量结果。所述系统能够实现快速实时在线检测。相比分离设备，所述系统设计简单容易实施，而相比文丘里+伽马密度计的组合形式，所述系统测量具有无放射性，不会对环境和人体造成危害，且审批程序简单的优点；相比现有的侵入式流量检测系统，所述系统不会影响油田的稳定运行。

在上述技术方案中，所述数据采集处理模块进一步包括第一流量算法单元、第二流量算法单元、多传感融合算法单元；所述第一流量算法单元，被配置为适用于LVF大于5％的气-液两相流工况的流量计算方法；所述第二流量算法单元，被配置为适用于LVF小于等于5％的气-液两相流工况的流量计算方法；所述多传感融合算法单元，被配置用于通过比较第一流量算法单元、第二流量算法单元的气-液各相流量测量不确定度的大小，并将最小测量不确定度对应的测量结果作为最终结果，从而保证了在任何测量工况下该检测系统均具有较低的测量不确定度和较高的可靠性。

通过将数据采集处理模块按不同的计算原理进一步划分为第一算法单元和第二算法单元。其中，第一流量算法单元中的计算方法适用于高含液工况下的计算，第二流量算法单元中的计算方法适用于计算低含液工况下的计算。如果根据模型输出的气、液流量判断此时含液率LVF的高低，可通过调整两类算法权重来保证所述系统采用相应的流量算法进行流量计算。在一种实施方式中，所述多传感融合算法单元对第一流量算法单元、第二流量算法单元的气-液各相流量测量不确定度进行权值调整，并将调整后最小测量不确定度对应的测量结果作为最终结果。

在一种实施方式中，所述第一流量算法单元多用于高含液工况，包括第一子单元和第二子单元；所述第一子单元，被配置利用电容层析成像(ECT)电容信号、微波幅值/相位信号，计算体积含液率及其不确定度；所述第二子单元，被配置利用长喉颈文丘里管前差压信号及其不确定度，计算气-液两相流量及其对应的不确定度。

在一种实施方式中，所述第二流量算法单元多用于低含液工况，利用简化的计算方法计算气、液流量所对应的测量不确定。具体地，通过拟合测量变量前差压dp₁、后差压dp₂与待求变量真实气相流量Q_g、真实液相流量Q_l之间的函数关系，得到下述函数关系式：

dp₁＝f₁(c₁，Q_g，Q_l)

dp₂＝f₂(c₂，Q_g，Q_l)

式中，c₁和c₂为通过多元非线性拟合得到的参数；

并在拟合过程中得到参数c₁和c₂所对应的协方差矩阵和/>以及dp₁和dp₂所对应的测量不确定度u(dp₁)和u(dp₂)；

通过忽略参数c₁和c₂所对应的协方差矩阵和/>利用dp₁、dp₂及其所对应的测量不确定度u(dp₁)、u(dp₂)，采用下述公式计算气-液流量所对应的测量不确定度u(Q_g)和u(Q_l)：

作为上述技术方案的进一步改进，所述第二流量算法单元在计算气-液流量所对应的测量不确定度时，则可以利用形如下式的简化方法来快速估算气-液流量的不确定度：

式中：∈表示差压的相对标准不确定度，∈＝u(dp_i)/dp_i。

作为上述技术方案的进一步改进，所述系统还包括预设的辅助决策单元；所述预设的辅助决策单元，被配置利用卷积神经网络模型，将在流体流经长喉颈文丘里管时获取的前差压信号、后差压信号、压力信号、温度信号、电容信号、敏感场矩阵、微波幅值、相位信号作为输入，以流体的流型作为输出。辅助决策单元采用深度学习直接从原始数据中自主学习数据特征并寻找与目标之间深层次的关联规则，基于实验室和现场各油田不同井况的各类传感器数据训练生成，主要负责流型和井况判断，以提供决策参考。

作为上述技术方案的进一步改进，根据电磁层析成像模块、微波传感器模块、差压式流量模块对流体的测量影响，将各个模块进行部署。电磁层析成像模块是一种非侵入式的测量技术，其对管道内的流动没有影响，微波传感器模块是一种侵入式的测量技术，其对管道内的流动有扰动作用，而且其在扰动剧烈的工况下测量更为准确，而差压式流量模块对上游的直管段长度有要求，即要求来流尽量无扰动，但其本身对下游流动有扰动作用，因此在一种实施方式中，所述电磁层析成像模块位于所述差压式流量计模块上游，所述微波传感器模块位于所述差压式流量计模块下游。

在上述技术方案的一种实施方式中，所述数据采集处理模块与所述差压式流量计模块、所述电磁层析成像模块和所述微波传感器模块电连接，用于采集并处理各功能模块的数据，以实现对一般气井工况下多相流的流型流态进行识别，同时计算并输出气-液各相的流量，以及含水率、含气率等关键信息。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为一实施例中油气水三相流实时在线检测系统的结构示意图；

图2为一实施例中差压式流量计模块的结构示意图；

图3为一实施例中虚高系数的拟合效果示意图；

图4为一实施例中归一化差压比的拟合效果示意图；

图5为一实施例中电磁层析成像模块的结构示意图；

图6为一实施例中微波传感器模块的结构示意图；

图7为一实施例中微波传感器模块的工作原理示意图；

图8为一实施例中第一类流量算法的不确定度分布示意图；

图9为一实施例中系数协方差矩阵随样本数量的变化示意图；

图10为一实施例中第二类流量算法的不确定度分布示意图；

图11为一实施例中不确定度简化算法的计算原理示意图；

图12为一实施例中多传感融合算法的计算原理示意图；

图13为一实施例中液相流量测量不确定度最小化效果示意图；

图14为一实施例中气相流量测量不确定度最小化效果示意图；

图中，1-电磁层析成像模块，2-差压式流量计模块，3-微波传感器模块，4-长喉颈文丘里管的收缩段部分，设置有前差压传感器，5-长喉颈文丘里管的直管段部分，设置有后差压传感器，6-上游管路，设置有压力传感器，7-下游管路，设置有温度传感器，8-支撑管，9-电极片，10-屏蔽层，11-控制电路，12-微波传输线，13-信号发生器，14-功分器，15-移相电路，16-鉴幅鉴相器，17-处理器。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请的描述中，需要理解的是，术语“上游”、“下游”、“中间”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

由于不同传感器的精度等级不同，其固有的测量不确定度也各不相同。这些测量不确定度在复杂的、充满经验参数和迭代模型的计算路径中进行传播、放大，从而对计算结果的测量不确定度造成非常复杂的影响。而现有的研究手段仅围绕输出结果的测量误差(测量值与参考值的差值)展开，其揭示的分布规律多为误差的随机性所干扰，难以追溯误差的来源，也难以深入、细致地比较不同计算路径的优劣。

多相流量计量需要同时输出气、液各自的流量，因此需要至少两组相互独立的测量信号作为输入。但由于单一传感器的适用范围有限，为了进一步提高测量的精度和可靠性，需要对传感器进行冗余设计，从而保证在任意测量工况下都存在多种不同的计算路径，并利用传感器之间的融合互补来降低误差、提高可靠性。

本发明提出的关于气-液两相流计量系统，实现了对页岩气井试修开采阶段中气、液两相流量精确、稳定和实时在线的检测。其原理为：当流体流经长喉颈文丘里管时，所述系统通过在长喉颈文丘里管上部署多种传感器，获取多种相互独立的测量信号，基于测量信号组合获取多个关于气-液各相流量的测量值及其对应的测量不确定度，并将最小测量不确定度所对应的测量值作为最终测量结果。

上述原理通过采用多传感器融合，对传感器进行冗余设计，从而保证在任意测量工况下都存在多种不同的计算方法，进而利用传感器之间的融合互补来降低误差、提高可靠性，以实现对一般页岩气井试修工况下多相流的流型流态进行识别，同时计算并输出气-液两相流量。

在一种实施方式中，所述系统对传感器进行了模块化设计，包括差压式流量计模块、电磁层析成像模块、微波传感器模块、数据采集处理模块，方便针对不同计量需求对传感器进行调整，具有结构简单，信号提取稳定，响应频率高等优点。

一种模块部署方式，如图1所示。图中：所述电磁层析成像模块(1)是一种非侵入式的测量技术，其对管道内的流动没有影响，使其位于所述差压式流量计模块(2)上游。微波传感器模块(3)是一种侵入式的测量技术，其对管道内的流动有扰动作用，而且其在扰动剧烈的工况下测量更为准确，使其位于所述差压式流量计模块(2)下游。而差压式流量模块对上游的直管段长度有要求，即要求来流尽量无扰动，但其本身对下游流动有扰动作用，使其位于中间。前述各模块与数据采集处理模块电连接，将采集的信息交由数据采集处理模块进行分析处理。从图可以看出，本发明系统采用的设备具有体积较小的特点，而从各模块构成，该设备价格低廉、不会对环境和人体造成危害等优点。

1、差压式流量计模块

差压式流量计模块包括长喉颈文丘里管及设置在长喉颈文丘里管上的各个传感器。在一种实施方式中，如图2所示，图中管道为长喉颈文丘里管，包括上游管路(6)、收缩段、直管段、扩张段和下游管路(7)。直管段的直径为d，其长度L＞10d，收缩段和扩张后的管道直径为D，D＞d，形成双差压传感器，以获得流经文丘里结构的流体特征。

在长喉颈文丘里管上的收缩段部分(4)，即：收缩段入口处和直管段入口处之间设置有前差压传感器。在长喉颈文丘里管上的直管段部分(5)，即：在直管段入口处和出口处之间设置有后差压传感器。在上游管路(6)设置有压力传感器，在下游管路(7)设置有温度传感器。根据温度、压力传感器进行实时修正，实现对气-液流量的初步计量，实现宽流量范围、多种井况下的高精度气液两相流量总流量的计量。该测量技术能够对微小的井况波动和流型变化及时做出反馈，具有宽流量范围适用性、高精度计量、高实时性采集等特点。

当单相流体(例如纯气)流经差压式流量计模块2时，差压式流量计(例如长喉颈文丘里管)所产生的前差压dpg与体积流量Q_g之间成正比，两者之间的对应关系如下式所示：

式中，A为文丘里喉部的流通面积，β＝d/D为文丘里喉部直径与入口处直径的比值，C_d为流出系数，ε为膨胀系数，C_d和ε均可通过查表得出。dp_g为纯气流经文丘里管所产生的差压，ρ_g为气相的密度，可以根据天然气的组分按照国家标准根据测得的压力p、温度T进行计算。

当气-液两相流或油气水三相流流经差压式流量计模块2时，差压式流量计(例如长喉颈文丘里管)所产生的前差压dp₁按照公式(1)计算得到的流量Q_tp被称为气相虚高流量，其与真实气相流量Q_g的比值φ_g被称为气相虚高系数，即：

φ_g＝Q_tp/Q_g

气相虚高系数φ_g和Lockhart-Martinelli参数X之间存在下述对应关系：

式中，S＝u_g/u_l为气-液相间的滑速比，其既可通过经验关联式计算得到，也可通过实验数据拟合得到。X为Lockhart-Martinelli参数，即无量纲化的液、气流量比值：

式中：Q_l为真实液相流量，ρ_l为化验得到的液相密度。Lockhart-Martinelli参数X和归一化后的差压比之间存在下述对应关系：

式中，Fr_gas为气相弗劳德数，即无量纲化的气相流量，属常见物理量。H为有关液体种类的修正系数，这个参数可通过实验确定。为归一化后的差压比，dp₁和dp₂分别代表收收缩段的前差压和直管段的后差压，H取决于液体介质的种类，对于碳水化合物取1.0，对于常温水取1.35，对于湿蒸汽流中的液态水取0.79。H的大小可能与液体的表面张力有关，若该参数不能通过现有文献查得，则必须通过实验确定。Fr_g是气相弗劳德数，/> 公式(3)中的经验参数a、b、c可以通过实验拟合得到。

气液两相流中虚高系数φ_g与L-M参数X之间的对应关系可以参考图3，归一化后的差压比与L-M参数X之间的对应关系可以参考图4。

从公式(2)、(3)中不难看出，数据拟合的本质就是建立直接测量变量dp₁、dp₂与待求变量Q_g、Q_l之间的函数对应关系：

dp₁＝f₁(c₁，Q_g，Q_l) (4)

dp₂＝f₂(c₂，Q_g，Q_l) (5)

式中，c₁和c₂为通过多元非线性拟合得到的参数。在多元非线性拟合过程中，还可以同时获得参数c₁和c₂所对应的协方差矩阵和/>以及dp₁和dp₂所对应的测量不确定度u(dp₁)和u(dp₂)。以上参数将被用于计算气-液两相流量所对应的测量不确定度u(Q_g)和u(Q_l)。

2、电磁层析成像模块

电磁层析成像模块用于提供定性的流动信息，其结构参考图5，电磁层析成像模块由支撑管、电极与屏蔽层一体化结构和控制电路组成。支撑管(8)用于支撑测试管路的压力，并对电磁测量部件和被测介质之间进行物理隔离。电极和屏蔽层一体化结构用于屏蔽电极和外界的电磁干扰、精确固定电极片的位置，并在控制电路的控制下施加电激励并检测其边界值的变化。电极与屏蔽层一体化结构由5层介质依次层叠而成，由内到外依次为：内覆盖膜、电极片(9)、绝缘层、屏蔽层(10)和外覆盖膜。电极片的数量为多个，多个电极片在内覆盖膜上圆周均布。控制电路(11)用来以固定的方式向所述电极片施加电激励，并检测其边界测量值的变化。控制电路包括DDS信号发生模块、C/V转换模块、ADC模块和FPGA板卡。采集得到的电容信号输入数据处理模块进行计算处理。

通过对管道以非侵入的方式施加电激励，并检测其边界值的变化，可以利用电磁模型逆推管道内部的电特性参数分布，从而实现内部流型流态的定性判断。进一步地，可将信号进行处理后，进行实时成像、直观显示管道内气液分布。所述定性判断的一种实施方式可以是结合介电常数分布人工判断。在正向问题中，被测电极对之间电容和电极对之间的介电常数分布的关系可以用公式(6)表示：

其中，Q和V分别表示电极之间的总电荷和电势差，ε(x，y)是空间上不同位置介电常数的大小，φ(x，y)是电势分布，是梯度算子，r是电极表面。公式(6)可以线性化为公式(7)，测量电容值的变化量ΔC与介电常数分布的变化量Δε之间的线性关系可以视为离散形式的正问题：

ΔC＝JΔε (7)

J是雅可比矩阵，也称为敏感场矩阵；定义为电容层析成像(ECT)传感器内部某一个像素位置的介电常数ε(x，y)变化引起的所有电容值变化，敏感场矩阵中元素的值越大，则表明该元素所在位置的介质变化对电容的影响就越大。

在ECT技术的应用中，通过ECT的逆问题求解是通过测量装置可以获得ΔC来得到介电常数分布。由于计算出的介电常数分布通常以图像方式呈现，逆问题的解决过程也通常认为是图像重建的过程。

解决ECT逆问题的算法包括非迭代和迭代算法。非迭代算法包括线性反投影算法(linear back-projection)，direct method based on singular value decomposition，吉洪诺夫正则化(Tikhonov regularization)等。迭代算法包括牛顿-拉弗森方法(Newton-Raphson method)，Landweber iteration，代数重建技术(algebraic reconstructiontechnique)等。

在计算体积含液率LVF方面，ECT多用于油连续相下的气液两相流，以避免传感器的失效。在计算流程上，应首先通过数据拟合建立直接测量量(即电容值)与体积含液率LVF之间的对应关系，即：

C＝g₁(a₁，LVF) (8)

式中，a₁为通过拟合得到的参数。

在拟合过程中，还可以同时获得参数a₁所对应的协方差矩阵以及C所对应的测量不确定度u(C)。C的测量值和u(C)将被用于计算LVF和其对应的测量不确定度u(LVF)。

需要注意的是：从电容原始信号到含液率LVF的计算过程，可以在电磁层析成像模块内部完成，比如在电磁层析成像模块内部内置计算单元，也可以集中在数据采集处理模块内部完成。在本实施方式中，是在数据采集处理模块完成。

3、微波传感器模块

微波传感器模块基于高频微波设计，通过检测微波在流体中的功率衰减和相位角的偏移，结合含水率计算模型获得液体的含水率。该技术不同于传统的基于射频导纳技术的传感器，测量更为精准，且受含盐率影响更小，同时借助于特殊设计的天线结构(参照图6)，能够对流体进行分层检测，提供部分流型信息。

参照图7，微波传感器模块包括信号发生器、功分器、移相电路、鉴幅鉴相器、处理器、微波传输线(12)、密封圈和绝缘介质等组件。其中，微波传输线设置于密封圈内，密封圈设置于绝缘介质内，绝缘介质设置于管体内。信号发生器(13)发出的微波信号经功分器(14)分为两路，一路经微波传输线(13)，另一路经移相电路(15)进入鉴幅鉴相器(16)进行处理，最后处理器(17)通过比较两路信号的幅值和相位，计算得到测量介质的含水率。

由于微波信号的工作频率f恒定，且水的介电常数远大于油、气，因此通过传输线的微波波长λ会减小：

式中，ε为介质的介电常数，λ为微波波长，f为工作频率，c为光速。而通过移相电路的微波波长不会发生改变，因此鉴幅鉴相器通过比较两路微波信号幅值、相位之间的差异，得到介电常数和含水率信息。具体计算思路如下：

在计算体积含液率LVF方面，微波传输线既可用于油连续相又可用于水连续相的气液两相流。在计算流程上，应首先通过数据拟合建立直接测量量(即微波的幅值或相位信号)与体积含液率LVF之间的对应关系，即：

MW＝g₂(a₂，LVF) (10)

式中，a₂为通过拟合得到的参数。在拟合过程中，还可以同时获得参数a₂所对应的协方差矩阵以及MW所对应的测量不确定度u(MW)。MW的测量值和u(MW)将被用于计算LVF和其对应的测量不确定度u(LVF)。

需要注意的是：从微波原始信号到含液率LVF的计算过程，可以在微波传感器模块内部完成，比如在微波传感器模块内部内置计算单元，也可以集中在数据采集处理模块内部完成。在本实施方式中，是在数据采集处理模块完成。

4、数据采集处理模块

数据采集处理模块基于前压差信号、后压差信号、压力信号、温度信号、电容信号、敏感场矩阵、微波幅值、相位信号，采用不同的方法进行气-液两相流量值及其对应的测量不确定度计算，并将最小测量不确定度所对应的测量值作为最终测量结果。具体地：

(i)利用压力先后、温度信号，用于修正通过现场化验得到的气相和液相的密度。

(ii)根据前差压、后差压信号，并结合虚高理论模型，建立直接测量信号(前、后差压)与待求变量(气、液流量)之间的函数对应关系，获得测量信号与拟合参数的不确定度信息，并据此求出气-液两相流量及其对应的测量不确定度。

(iii)利用电磁层析成像模块采集得到的电容信号，并结合电磁层析成像模块的敏感场矩阵，计算得到管内介质的介电常数分布，进而得到管内流体的流型流态信息。

(iv)建立直接测量信号——ECT电容与含液率LVF之间的函数对应关系，获得测量信号与拟合参数的不确定度信息，并据此求出含液率LVF及其对应的测量不确定度。

(v)建立直接测量信号——微波相位、幅值与含液率LVF之间的函数对应关系，同时获得测量信号与拟合参数的不确定度信息，并据此求出含液率LVF及其对应的测量不确定度。

数据采集处理模块内集成了多种流量方法，以覆盖不同工况。根据计算原理的不同，将流量算法分为第一类流量算法和第二类流量算法两种。

1)第一类流量算法单元

第一类流量算法单元即利用文丘里前差压计算总流量，同时利用电磁/微波计算相含率的算法，该算法多用于高含液(LVF＞5％)工况下气-液流量的计算。

通过公式(8)或公式(10)计算得到LVF和其对应的测量不确定度u(LVF)之后，通过下式计算LVF对应的L-M数X和u(X)：

随后，对前差压的拟合公式(4)进行适当变形，有：

dp₁＝f₁(c₁，Q_g，Q_l)＝Q_gf₁(c₁，X) (12)

式中，f₁(c₁，X)的不确定度可以根据c₁的协方差矩阵和u(X)计算得到，再结合前差压的不确定度u(dp₁)，即可求出气相流量所对应的不确定度u(Q_g)。液相流量不确定度u(Q_l)的计算方法与之类似。利用MCM法计算得到的气、液不确定度分布如图8所示，图中黑虚线代表利用概率密度等高线得到的气、液不确定度范围，从图中可以看出第一类流量算法的气、液流量输出结果的间的相关性较小。

2)第二类流量算法单元

第二类流量算法单元利用文丘里前、后差压之间的差异来计算气、液流量的，即通过联立公式(4)、(5)来进行求解，该算法多用于低含液(LVF＜5％)工况下的计算。在通过公式(4)和公式(5)计算得到前、后差压所对应的测量不确定度u(dp₁)和u(dp₂)之后，可以利用以下简化的计算方法计算气、液流量所对应的测量不确定度u(Q_g)和u(Q_l)：

上式对公式(4)、(5)中c₁和c₂所对应的协方差矩阵和/>进行了简化处理，即认为/>和/>带来影响可以忽略不计，u(Q_g)和u(Q_l)主要由u(dp₁)和u(dp₂)贡献。这是因为随着训练集样本数量的增加，/>和/>逐渐趋于零，如图9所示。此时，利用MCM法计算得到的气、液不确定度分布如图10所示，图中黑虚线代表利用概率密度等高线得到的气、液不确定度范围，从图中可以看出气、液流量输出结果之间存在较大的相关性，即气相流量偏大必然导致液相流量偏小，反之亦然。

若进一步假设u(dp_i)＝∈dp_i，∈为差压的相对标准不确定度，∈＝u(dp_i)/dp_i，则可以利用形如下式的简化方法来快速估算气、液流量的不确定度：

该方法的计算原理如图11所示，该方法利用虚线间的交点(即图中四个星号处)来估算气、液流量不确定度的范围。与图10中MCM法的不确定度计算结果相比，该简化计算方法得到的不确定度略大，因此较传统的GUM法和MCM法的略为保守。

3)多传感融合算法单元

应当注意的是，上述无论是第一类流量算法和第二类流量算法都可能会有若干种，所涉及的硬件设备和传感器种类也会做相应的改变。上文所提及的设备布置、传感器种类和算法仅作为具体实施例的一种。

多传感融合算法单元通过计算、比较各计算路径的测量不确定度(计算方法可以分为GUM法和MCM法，分别依照JCGM 100：2008和JCGM 101：2008)，仅将不确定度最低的那组结果作为最终结果输出，从而实现全流量范围内的测量不确定度最小化，从而保证在任何测量工况下该检测系统均具有较低的测量不确定度和较高的可靠性，进而达到降低测量误差的目的。同时由于该算法模型框架的基本思想来源于统计学，并不依赖于具体的物理模型，因此可以将任意数量的常规流量算法的输出结果有机地结合起来，具有广泛的适用性。

根据输出的气、液流量，可获知此时含液率LVF的高低，多传感融合算法单元可通过调整相应算法的权重来保证相应算法的结果输出。

数据采集处理模块中多传感融合算法的计算流程可以参考图12，通过在长喉颈文丘里管上部署多种传感器，获取多种相互独立的测量信号，采用对应的流量算法，获取多个关于气-液各相流量的测量值及其对应的测量不确定度，并将最小测量不确定度所对应的测量值作为最终测量结果。

多传感融合算法中液相流量不确定度的最小化效果可以参考图13，多传感融合算法中气相流量不确定度的最小化效果可以参考图14。在计算过程中，不同传感器采集的信号，采用对应的算法得到的不确定度并不稳定可靠，而采用本实施方式的计量系统，利用传感器之间的融合互补，能够保证系统获得的测量结果的不确定度最小。将本实施方式的计量系统用于页岩气井试修开采中，不影响作业进行，且能够实现对气-液两相流量较快速、稳定地实时检测，而不对环境和人体造成危害，还能保证检测结果可靠。

4)辅助决策模块

辅助决策子模块采用AI深度学习算法中的卷积神经网络(CNN)，直接从原始数据中自主学习数据特征并寻找与目标之间深层次的关联规则，基于实验室和现场各油田不同井况的各类传感器数据训练生成，主要负责流型和井况判断，以供决策参考。

在辅助决策模块的一种实施方式中，输入数据为每分钟前差压传感器、后差压传感器、压力传感器和温度传感器采集的前差压信号、后差压信号、压力信号和温度信号以及ECT传感器28个通道采集得到的电容信号，数据维度为600×32。输出为对当前时段内的流型判别结果。

至此，介绍了本发明系统的一种实施方式中所采用的设备，从上所述可以看出该设备具有一体式、小型化、高精度的特点，适用于油气生产过程中井口多相流原油产出物的各相流量在线计量，适用于页岩气田、常规气田的开发及试修阶段。传统计量方式可应用场景限制严格，计量精度受多种因素制，但本发明设计可保证在各项恶劣环境下仍具有可靠稳定的产品性能。

在一可行的实施方式中，本发明系统还可以具有显示模块，用于存储、实施成像、直观显示数据采集处理模块输出的原始数据和计算结果。

在一个实施方式中，采用了和本发明系统相同原理的方法，该方法包括下述步骤：

在长喉颈文丘里管的上游设置电磁层析成像模块。在长喉颈文丘里管内设置前差压传感器、后差压传感器、压力传感器和温度传感器。在长喉颈文丘里管下游设置微波传感器模块。

当流体通过长喉颈文丘里管时，采集长喉颈文丘里管上游的电容信号，长喉颈文丘里管内的前压差信号、后压差信号、压力信号、温度信号，长喉颈文丘里管下游的微波幅值、相位信号。

利用压力信号、温度信号，对现场化验得到的气相和液相的密度进行修正，获取气相密度ρ_g、液相密度ρ_l，进而真实气相流量Q_g、真实液相流量Q_l。

根据前差压、后差压信号，并结合虚高理论模型，建立前差压、后差压信号与气液流量Q_g、Q_l的函数对应关系，获得前差压、后差压信号与拟合参数的不确定度信息，并据此求出气-液两相流量及其对应的测量不确定度。

利用电磁层析成像模块采集得到的电容信号，并结合电磁层析成像模块的敏感场矩阵，计算得到管内介质的介电常数分布，进而得到管内流体的含液率LVF。

根据电容信号以及含液率LVF之间的函数对应关系，获得电容信号与拟合参数的不确定度信息，并据此求出含液率LVF及其对应的测量不确定度。

根据微波相位、幅值与含液率LVF之间的函数对应关系，同时获得微波幅值、相位信号与拟合参数的不确定度信息，并据此求出含液率LVF及其对应的测量不确定度。

将不确定度最低的那个结果作为最终结果输出。

在上述方法中，要求的含液率LVF及其对应的测量不确定度，可以换成计算气相流量及其对应的测量不确定度、液相流量及其对应的测量不确定度。在含液率LVF的获取中，现有技术多采用“伽马密度计”，即利用水和气体密度的差异，采用伽马射线的技术手段，计算得到含液率LVF，而本发明的第一类算法中是采用微波或者电磁等技术手段，对于典型的气井工况，其液相主要为水，水和气体(天然气、空气等)无论在密度还是介电常数方面均存在显著差异，因此本发明虽然没有测量密度，但通过测量介电常数，也能实现类似的功能。在第二类算法中也没有测量混合物的平均密度，本质上是利用了文丘里前差压(主要为加速压降)和后差压(主要为摩擦压降)与气、液两相流量间函数关系之间的细微差异，联立方程求解得到Q_g和Q_l的。

上述方法中的步骤可以不按顺序实现。相反，步骤可以以反转顺序或同时执行。此外，可以向方法步骤中添加一个或多个其他步骤。可以从方法步骤中移除一个或多个步骤。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本公开中数据采集处理模块在获得信号后的计算或估算的方法可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本公开而言更多情况下，软件程序实现是更佳的实施方式。

尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。

Claims (7)

1.一种基于多传感器的气-液两相流计量系统，其特征在于：

所述系统在长喉颈文丘里管上冗余部署多种传感器，传感器根据在长喉颈文丘里管上部署进行模块化划分，包括差压式流量计模块、电磁层析成像模块、微波传感器模块，其中，电磁层析成像模块位于差压式流量计模块的上游，微波传感器模块位于差压式流量计模块的下游；

在流体流经长喉颈文丘里管时，获取多种相互独立的测量信号，利用数据采集处理模块基于测量信号组合获取多个关于气-液各相流量的测量值及其对应的测量不确定度，并将最小测量不确定度所对应的测量值作为最终测量结果；

所述数据采集处理模块包括第一类流量算法单元、第二类流量算法单元、多传感融合算法单元；

所述第一类流量算法单元，被配置为适用于LVF大于5％的气-液两相流工况的流量计算方法；

所述第二类流量算法单元，被配置为适用于LVF小于等于5％的气-液两相流工况的流量计算方法；

所述多传感融合算法单元，被配置用于通过比较第一类流量算法单元、第二类流量算法单元的气-液各相流量测量不确定度的大小，并将最小测量不确定度对应的测量结果作为最终结果；

所述第二类流量算法单元通过拟合测量变量前差压dp₁、后差压dp₂与待求变量真实气相流量Q_g、真实液相流量Q_l之间的函数关系，得到下述函数关系式：

dp₁＝f₁(c₁,Q_g,Q_l)

dp₂＝f₂(c₂,Q_g,Q_l)

式中，c₁和c₂为通过多元非线性拟合得到的参数；

并在拟合过程中得到参数c₁和c₂所对应的协方差矩阵和/>以及dp₁和dp₂所对应的测量不确定度u(dp₁)和u(dp₂)；

通过忽略参数c₁和c₂所对应的协方差矩阵和/>利用dp₁、dp₂及其所对应的测量不确定度u(dp₁)、u(dp₂)，采用下述公式计算气-液流量所对应的测量不确定度u(Q_g)和u(Q_l)：

2.根据权利要求1所述的系统，其特征在于：

所述差压式流量计模块，被配置用于采集长喉颈文丘里管内流体的前压差信号、后压差信号、压力信号、温度信号；

所述电磁层析成像模块，被配置用于采集电容层析成像(ECT)电容信号、敏感场矩阵；

微波传感器模块，被配置用于采集在流体中的微波幅值、相位信号。

3.根据权利要求1所述的系统，其特征在于：

所述多传感融合算法单元对第一类流量算法单元、第二类流量算法单元的气-液各相流量测量不确定度进行权值调整，并将调整后最小测量不确定度对应的测量结果作为最终结果。

4.根据权利要求1所述的系统，其特征在于：

所述第一类流量算法单元包括第一子单元和第二子单元；

所述第一子单元，被配置利用电容层析成像(ECT)电容信号、微波幅值/相位信号，计算体积含液率及其不确定度；

所述第二子单元，被配置利用长喉颈文丘里管前差压信号及其不确定度，计算气-液两相流量及其对应的不确定度。

5.根据权利要求1所述的系统，其特征在于：

所述第二类流量算法单元在计算气-液流量所对应的测量不确定度时，采用下式估算气-液流量所对应的测量不确定度：

式中：∈表示差压的相对标准不确定度，∈＝u(dp_i)/dp_i。

6.根据权利要求1所述的系统，其特征在于：

所述系统还包括预设的辅助决策单元；

所述预设的辅助决策单元，被配置利用卷积神经网络模型，将在流体流经长喉颈文丘里管时获取的前差压信号、后差压信号、压力信号、温度信号、电容信号、敏感场矩阵、微波幅值、相位信号作为输入，以流体的流型作为输出。

7.根据权利要求1所述的系统，其特征在于：

所述数据采集处理模块与所述差压式流量计模块、所述电磁层析成像模块和所述微波传感器模块电连接。