CN1946990A - 多相科里奥利流量计 - Google Patents

Abstract

公开了一种流量计(200，2100)。该流量计包括可振动流管(215)、以及连接到流管(215)的驱动器(210)，该驱动器可操作来将运动赋予流管(215)。传感器(205)被连接到流管(215)，并可操作来检测流管(215)的运动，并生成传感器信号。控制器(104)被连接来接收传感器信号。控制器(104)可操作来确定通过流管的多相流内每一相的单独流量。

Description

多相科里奥利流量计

技术领域

本说明书涉及流量计。

背景技术

流量计提供关于正通过导管、或流管(flow tube)传送的材料的信息。例如，质量流量计提供正通过导管传送的材料的质量(mass)的指示。类似地，密度流量计、或密度计，提供流过导管的材料的密度的指示。质量流量计还可以提供材料的密度的指示。

例如，科里奥利(Coriolis)型质量流量计基于科里奥利效应，其中流过导管的材料受到科里奥利力的影响，并因此产生加速度。许多科里奥利型质量流量计通过绕着正交于导管长度方向的转轴正弦振荡导管来引起科里奥利力。在这样的质量流量计中，将由流动液体质量产生的科里奥利反作用力传送到导管本身，并显示为旋转平面中科里奥利力矢量的方向上的偏转或偏移。

发明内容

根据一个综合方面，一种系统包括：控制器，其可操作来从连接到容纳三相液体流的可振动流管的第一传感器接收传感器信号，该三相液体包括第一液体、第二液体和气体，该控制器还可操作来分析传感器信号，以确定液体流的表观流参数；第二传感器，其可操作来确定液体流的表观流条件；以及校正模块，其可操作来输入表观流参数和表观流条件，并从其确定校正流参数。

实施例可包括下面特征中的一个或多个。例如，校正模块还可操作来输入表观流参数和表观流条件，并从其确定校正流条件。表观流参数可包括液体流的表观体积密度，或液体流的表观体积质量流量。

第二传感器可包括液体比探测器，其可操作来确定液体比测量值，该测量值标识第一液体关于第二液体的体积比值，或包括空隙比确定系统，其可操作来确定液体流内气体的空隙比。

可包括成分流量确定系统，其可操作来确定液体流内第一液体的流量。可在控制器、校正模块、第二传感器处，或在与控制器、校正模块、或第二传感器通信的主机计算机处实现成分流量确定系统。

可包括成分流量确定系统，其可操作来确定液体流中气体的流量。校正模块的实现可与控制器的处理器相关联，或与第二传感器的处理器相关联。主机计算机可与控制器或第二传感器通信，并可操作来实现校正模块。

在该系统中，第二传感器可操作来将第一表观流条件值输出到控制器，以用于确定第一校正流参数值；控制器可操作来将第一校正流参数值输出到第二传感器，以确定第一校正流条件值；以及第二传感器可操作来将第二校正流条件值输出到控制器，以用于确定校正流参数值。

校正模块可包括神经网络，其可操作来输入表观流参数和表观流条件，并输出校正流参数和校正流条件。神经网络可包括：第一校正模型，其对第二传感器和流条件的类型是特别的，并且，其可操作来输出校正流条件；以及第二校正模型，其对表观流参数的类型是特别的，并且，其可操作来输出校正流参数，其中，第一校正模型可操作来基于表观流条件和校正流参数而校正表观流条件，并且，第二校正模型可操作来基于表观流参数和校正流条件来校正表观流参数。

控制器可操作来基于表观流参数和校正流参数之间的理论关系而校正表观流参数。控制器可操作来基于表观流参数和校正流参数之间的经验关系而校正表观流参数。

该系统可包括连接第二传感器和可振动流管的导管，使得液体流流过第二传感器、管道以及可振动流管。在由第二传感器确定流条件期间，在液体流内，第一液体、第二液体以及气体可以相互共同混合。

根据另一综合方面，确定通过流管的多相流的表观体积密度，该多相流包括第一液体、第二液体、以及气体。确定该多相流的表观体积质量流量，并且，基于表观体积密度和表观体积质量流量，确定第一液体的第一质量流量。

实施例可包括下面特征中的一个或多个。例如，除了表观体积密度和表观体积质量流量外，可以确定多相流的表观流条件，其中确定第一液体的第一质量流量包括：基于表观流条件，确定第一质量流量。在确定第一液体的第一质量流量中，可基于表观流条件而确定校正流条件。在确定校正流条件中，可确定校正体积密度和校正体积质量流量。

确定表观流条件可包括：确定多相流内第一液体的体积比值的表观液体比测量值，和/或确定多相流内气体的表观气体空隙比。

确定第一液体的第一质量流量包括：基于表观体积密度，确定校正体积密度；以及基于表观质量流量，确定校正体积质量流量。确定校正体积密度和确定体积质量流量可以包括基于表观流条件而确定校正流条件。

根据另一综合方面，一种流量计，包括：容纳有三相流的可振动流管，该三相流包括第一液体、第二液体、以及气体；驱动器，被连接到流管，并可操作来将运动赋予流管；传感器，被连接到流管，并可操作来检测流管的运动并生成传感器信号；以及控制器，被连接来接收传感器信号，并基于传感器信号，确定通过流管的三相流内第一相的第一流量。

根据另一综合方面，一种改善流量计的输出的方法，包括：确定通过流管的多相流的表观体积密度，该多相流包括第一液体、第二液体、以及气体；确定该多相流的表观体积质量流量；确定该多相流的表观流条件；以及基于表观体积密度、表观质量流量和表观流条件，校正表观体积密度或表观质量流量。

根据另一综合方面，一种改善液体比探测器的输出的方法，包括：确定通过流管的多相流的表观体积密度，该多相流包括第一液体、第二液体、以及气体；确定该多相流的表观体积质量流量；确定该多相流内的第一液体的表观液体比；以及基于表观体积密度、表观质量流量和表观液体比，校正表观液体比以获得校正液体比。

实施例可包括下面特征中的一个或多个。例如，基于表观体积密度、表观质量流量和校正液体比，确定多相流内气体的气体空隙比。

根据另一综合方面，一种获得气体空隙比测量值的方法，包括：确定通过流管的多相流的表观体积密度，该多相流包括第一液体、第二液体、以及气体；确定该多相流的表观体积质量流量；确定该多相流内的气体的表观气体空隙比；以及基于表观体积密度、表观质量流量和表观气体空隙比，校正表观气体空隙比以获得校正气体空隙比。

实施例可包括下面特征中的一个或多个。例如，基于表观体积密度、表观质量流量和校正气体空隙比，确定多相流内第一液体的液体比。

根据另一综合方面，一种系统，包括：导管，具有通过其的液体流，该液体流包括至少第一液体成分、第二液体成分、以及气体成分；可振动流管，与导管相串联，并且具有通过其的液体流；第一传感器，可操作来确定通过导管的液体流的第一表观特性；第二传感器，被连接到流管，并可操作来检测关于流管的运动的信息；驱动器，被连接到流管，并可操作来将能量赋予流管；控制和测量系统，可操作来测量液体流的第二表观特性和第三表观特性；以及校正系统，可操作来基于第一表观特性、第二表观特性、以及第三表观特性，确定校正第一特性、校正第二特性、以及校正第三特性。

根据另一综合方面，一种系统，包括：

控制器，其可操作来确定液体流的第一表观特性，在该液体流中，第一液体、第二液体和气体共同混合；可操作来测量液体流的第二表观特性的测量计；以及校正模块，其可操作来输入第一表观特性，并输出第一校正特性，其中，该测量计可操作来输入第一校正特性和第二表观特性，并输出第二校正特性。

在下面的附图和说明中阐述一个或多个实施例的细节。根据说明和附图、以及根据权利要求，将清楚其他特征。

附图说明

图1A是使用弯曲流管的科里奥利流量计的示图。

图1B是使用直流管的科里奥利流量计的示图。

图2是科里奥利流量计的框图。

图3是示出图2的科里奥利流量计的操作的流程图。

图4是示出用于确定二相流的液体和气体流量的技术的流程图。

图5A和5B是分别示出空隙比和液体比的测量值的百分误差的图。

图6是示出对于具有特定方向并超出所选流范围的流管、作为密度下降的函数的质量流误差的图。

图7是示出用于校正密度测量值的技术的流程图。

图8是显示二相流的表观密度下降和表观质量流量之间关系的表。

图9是示出用于确定空隙比测量值的技术的流程图。

图10是示出用于确定已校正的质量流量测量值的技术的流程图。

图11是显示二相流的表观质量流量和校正密度下降之间关系的表。

图12-14是示出用于许多流管的密度校正的示例的图。

图15-20是示出用于许多流管的质量流量校正的示例的图。

图21是流量计系统的框图。

图22是图21的系统的第一实施例的图。

图23是图21的系统的第二实施例的框图。

图24是图21-23的校正系统2108的实施例的框图。

图25是示出图21-23的流量计的第一操作的流程图。

图26是示出图25的技术的第一示例的流程图。

图27是示出图25的技术的第二示例的流程图。

图28是示出图25的技术的第三示例的流程图。

图29是示出用于确定三相流的成分流量的技术的流程图。

图30是示出用于执行图29的确定的更多特定技术的流程图。

图31A-31D是示出三相流中二相液体的质量流量的校正的图。

图32是显示对于油和水、作为质量流量的函数的质量流误差的图。

图33是示出作为真实气体空隙比的函数的气体空隙比误差的图。

图34是神经网络模型的图示。

图35是图34的模型的单元的图示。

图36A、36B、以及37A-D示出根据采用图34和35的模型的二相流数据的结果。

图38-68是示出参考图1-37的上述各种实施例、或其他相关实施例的试验和/或建模结果的图。

具体实施方式

流量计的类型包括数字流量计。例如，通过引用在此并入的美国专利6,311,136公开了数字流量计以及包括信号处理和测量技术的相关技术的使用。这样的数字流量计可以测量得非常精确，仅有很小的或可忽略的噪声，并且能够使得在用于驱动导管的驱动器电路处的宽范围的正和负增益成为可能。这样的数字流量计在多种设置中是有利的。例如，通过引用并入的共同转让的美国专利6,505,519公开了宽范围增益的使用、和/或负增益的使用，以便即使在诸如二相流(例如，包括液体和气体的混合物的流)的困难情况下，也防止停转，并更精确地进行流管的控制。

尽管下面参考例如图1和2具体讨论了数字流量计，但应理解，也存在模拟流量计。尽管这样的模拟流量计可能易于产生模拟电路的典型缺陷，例如相对于数字流量计的低精度和高噪声测量值，但它们也可以兼容在此讨论的各种技术和实施例。由此，在下面的讨论中，使用术语“流量计”或“测量计”来指代其中科里奥利流量计系统使用各种控制系统和相关元件来测量移动通过流管或其他导管的材料的质量流、密度、和/或其他参数的任意类型的设备和/或系统。

图1A是使用弯曲流管102的数字流量计的图示。具体地，如上所述，可使用弯曲流管102来测量例如(流动)液体的一种或多种物理特性。在图1A中，数字传送器104与弯曲流管102交换传感器和驱动信号，以便既检测弯曲流管102的振动，又相应地驱动弯曲流管102的振动。通过快速并精确地确定传感器和驱动信号，如上所述的数字传送器104提供弯曲流管102的快速和精确的操作。例如，在共同转让的美国专利6,311,136中提供了与弯曲流管一起使用的数字传送器104的例子。

图1B是使用直流管106的数字流量计的图示。更具体地，在图1B中，直流管106与数字传送器104相互作用。在概念层上，这样的直流管类似于弯曲流管102而操作，并且具有相对于弯曲流管102的各种优点/缺点。例如，与弯曲流管102相比，仅仅由于结构的几何形状，直流管106可更容易地(完全)充满或清空。在操作中，弯曲流管102可以以例如50-110Hz的频率操作，而直流管106可以以例如300-1000Hz的频率操作。弯曲流管102代表具有多个直径的流管，并且可在多个方向上操作，例如，诸如在垂直或水平方向上。

参考图2，数字质量流量计200包括数字传送器104、一个或多个运动传感器205、一个或多个驱动器210、流管215(其也可被称为导管，并且其可代表弯曲流管102、直流管106、或某些其他类型的流管)、以及温度传感器220。可使用例如处理器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、ASIC、其他可编程逻辑或门阵列、或具有处理器核的可编程逻辑中的一个或多个来实现数字传送器104。应该理解的是，如6,311,136中所说明的，对于驱动器210的操作，可包括相关联的数字-模拟转换器，同时可使用模拟-数字转换器转换来自传感器205的传感器信号，以供数字传送器104使用。

至少基于从运动传感器205接收的信号，数字传送器104生成例如流过流管215的材料的密度和/或质量流的测量值。数字传送器104还控制驱动器210，以引起流管215的运动。由运动传感器205检测此运动。

例如，流过流管的材料的密度测量值涉及由驱动器210提供的驱动力在流管215中引起的流管215的运动的频率、和/或流管215的温度。类似地，通过流管215的质量流涉及流管215的运动的相位和频率、以及流管215的温度。

使用温度传感器220测量的流管215中的温度影响流管的某些特性，如其刚度和尺寸。数字传送器104可补偿这些温度效应。同样在图2中，压力传感器225与传送器104通信，并连接到流管215，以可操作来检测流过流管215的材料的压力。

应该理解的是，进入流管215的液体的压力和通过流管上有关点的压降都可以是特定流情况的指标。同样，尽管可使用外部温度传感器来测量液体温度，但也可以与设计来测量流管校准(calibration)的代表温度的内部流量计传感器一起使用这样的传感器。同样，为了校正在行进液体和环境(例如，流管外壳的容器温度)之间的温差效应的测量值的目的，一些流管使用多个温度传感器。如下面更详细讨论的，基于预定公式，用于入口液体温度和压力测量的一个潜在应用是计算二相流中液体和气体的实际密度。

液体比探测器230是指当流管215中的液体包括水和其他液体如油时，用于测量液体，例如水，的体积比值的设备。当然，如果优选这样的测量或如果液体不包括水，则可使用这样的探测器或类似的探测器来测量不同于水的液体的体积比值。在下面的说明中，为示例的目的，一般假设所测液体是水，从而，液体比探测器230一般被称为水比值探测器230，或含水量(water-cut)探测器230。

空隙比传感器235测量流管215中气态形式的材料的百分比。例如，流过流管215的水可能以气泡的形式包含空气。流过流管215的材料包含超过一种材料的情况，一般被称为“二相流”。特别地，术语“二相流”可以指液体和气体；然而，“二相流”还可以指其他材料的组合，如两种液体(例如，油和水)。

存在一般由空隙比传感器235在图2中代表的各种技术，用于测量液体和气体的二相流中的气体空隙比。例如，存在各种传感器或探测器，其可插入流中来确定气体空隙比。作为另一示例，可使用依赖于气体一般以高于液体的速度移动通过限口(restriction)的事实的文丘里(venturi)管(即，一种具有收缩喉管的管，其在液体穿过该管时，通过测量在喉管处生成的压差来确定液体的压力和速度)来确定压力梯度，并由此允许确定气体空隙比。还可利用完全处于流管外部的装备来获得气体空隙比的测量值。例如，可采用声纳测量来确定气体空隙比。作为这样的基于声纳的系统的特定示例，可使用由康涅狄格州的Wallingford的CiDRA公司生产的SONARtracTM气体空隙比监测系统。

在本说明书中，由空隙比传感器测量或确定的流动液体中的气体的量，被称为空隙比或α，并且被定义为α＝气体体积/总体积＝气体体积/(液体体积+气体体积)。因此，在此称为液体比的量被定义为1-α。

在许多需要质量流测量的应用中，流的空隙比可能高达20、30、40％或更高。然而，直到非常小的空隙比0.5％，支持科里奥利流量计的基本理论才变得不太适用。

另外，液体中气体的存在还可能影响液体流的密度的实际值和测量值，一般会使得密度测量值低于(且读起来低于)仅包含液体成分的液体流。即，应该理解的是，单独流过流管的液体的密度ρ_liquid会高于包含液体和气体的二相流的实际密度ρ_true，这是因为在二相流中，气体(例如，空气)的密度一般会低于液体(例如，水)的密度。换言之，当将气体加入先前只包含液体的液体流中时，存在密度减小。

除了此物理现象外，测量包含气体的二相流的科里奥利计可输出密度读数ρ_apparent，其是二相流(例如，由水和空气组合)的体积密度的表面测量值。此粗略测量值ρ_apparent一般会不同于(低于)二相流的实际体积密度ρ_true。例如，流量计使用的共振频率对仅存在液体成分的情况是正确的，但是，由于液体流中气体的相对运动作用来屏蔽(mask)流管的惯性(即，导致惯量小于对纯液体流所预测的量)，所以密度测量值可能读起来较低。应该理解的是，许多传统的现有技术的流量计不会涉及此问题，这是因为在甚至最轻微量的空隙比时，大多数这样的科里奥利测量计不能持续运作(例如，停转或输出不精确的测量值)。

上面通过引用在此并入的美国专利No.6,505,519公开了可由多种技术辨别ρ_apparent(即，由科里奥利流量计输出的二相流的指示体积密度读数)与这种ρ_true(即，二相流的实际体积密度)的变化。结果，可校正测量的ρ_apparent，以获得实际体积密度ρ_corrected，其至少近似等于ρ_true。

有些类似地，由科里奥利流量计测量的指示体积质量流量MF_apparent(即，整个二相流的质量流量)，可能与实际体积质量流量MF_true相差可预测或可辨别的量。应该理解的是，用于校正的体积质量流量MF_true的校正技术可不同于用于校正密度的技术。例如，在美国专利No.6,505,519中讨论了用于校正测量MF_apparent以获得实际MF_true(或至少MF_corrected)的各种技术。

下面详细讨论用于校正ρ_apparent和MF_apparent的详细技术的示例。然而，一般而言，参考图2，将数字传送器显示为包括：密度校正系统240，其具有存取密度校正数据库245的通道；以及质量流量校正系统250，其具有存取质量流校正数据库255的通道。如下面更详细讨论的，例如，数据库245和255可包括已理论上导出或依经验获得的校正算法、和/或提供用于给定输入参数的集合的校正密度或质量流值的校正表。数据库245和255还可存储多个对执行密度或质量流校正有用的其他类型的信息。例如，密度校正数据库可存储与特定液体(例如，水或油)相对应的多个密度ρ_liquid。

另外在图2中，可操作空隙比确定/校正系统260来确定包括液体和气体的二相流的空隙比。在一个实施例中，例如，空隙比确定/校正系统260可根据校正密度ρ_corrected确定实际空隙比α_true。在另一实施例中，空隙比确定/校正系统260可输入由空隙比传感器235获得的表观或指示空隙比测量值，并可基于与上面所述的密度和质量流技术相类似的误差特性来校正此测量值。在另一实施例中，空隙比传感器235可操作来直接测量实际空隙比，在此情况下，空隙比确定/校正系统260仅输入此测量值。

一旦已确定因子ρ_corrected、MF_corrected和α_corrected，并或许结合其它公知或可发现的量，则流成分质量流量确定系统265操作来同时确定液相成分的质量流量和气相成分的质量流量。即，与仅仅确定组合物或整体二相流的体流量(bulk flowrate)MF_true相反，传送器104可操作来确定流成分的各个流量MF_liquid和MF_gas。正如所述的，尽管可同时确定和/或输出这样的测量值，也还可以分别或相互独立地确定它们。

一旦已以上面概述的方式确定成分流量MF_liquid和MF_gas，就可由依赖于流成分的表面速度、成分之间的滑移速度、以及/或流的标识流态(flow regime)的处理来改善这些初始确定值。以此方式，可获得流量MF_liquid和MF_gas的改善值，或可在这些流量改变时随时间推移而获得。

在此，表面(superficial)速度是指：如果给定相的同一质量流量正以单一相方式流动通过流管215，则将会存在的那些速度。将表面速度确定/校正系统270包括在传送器104中，用于例如确定二相流中气体或液体的表观或校正的表面速度。

滑移(slip)速度是指二相流中的气体和液体具有不同平均速度的情形。即，气体的平均速度AV_gas不同于液体的平均速度AV_liquid。这样，可将相滑移(phaseslip)S定义为S＝AV_gas/AV_liquid。

流态是指二相流彼此相关地流过流管215的方式和/或流管215的特性的术语，并且可根据刚刚确定的表面速度来(至少部分地)表达。例如，已知一种作为“气泡流态”的流态，其中在液体中以气泡方式来带走空气。作为另一个例子，“弹状(slug)流态”是指由相对大的气团分离的一系列液体“塞(plug)”或“弹”。例如，在垂直流中，弹状流态的空气可占据流管215的几乎整个横截面面积，使得最终的流在高液体和高气体成分之间交替。已知存在其他流态，这些流态具有某些已定义的特性，例如包括：环状流态、分散流态、以及泡沫流态等等。

已知多个因素会影响特定流态的存在，例如，这些因素包括：液流中的气体空隙比、流管215的方向(例如，垂直或水平)、流管215的直径、二相流中所包含的材料、以及二相流中材料的速度(和相对速度)。取决于这些以及其他因素，在给定的时间期间，特定液流可以在数种流态之间变换。

可至少部分地根据流态信息来确定关于相滑移的信息。例如，在气泡流态中，假设气泡是均匀分布的，则在各相之间可能几乎没有相对运动。如果气泡聚集并组合以形成气相的不太均匀的分布，则在各相之间可能发生一些滑移，同时气体趋向于截断液相。

在图2中，包括具有存取流态图的数据库280的入口的流态确定系统275。以此方式，可获得、存储、以及存取包括相滑移信息的、关于现有流态的信息，用于同时确定二相流中的液体和气体质量流量。

在图2中，尽管为简洁起见，未明确示出通信链路，但应该理解的是，数字传送器104的各个部件相互通信。另外，应该理解的是，在图2中未示出数字传送器104的传统部件，但假定在数字传送器104内存在、或可访问这些部件。例如，数字传送器104一般会包括(体积)密度和质量流量测量系统，以及用于驱动驱动器210的驱动电路。

图3是示出图2的科里奥利流量计200的操作的流程图300。具体地，图3示出图2的流量计200可操作来同时确定二相流的液体和气体流量MF_liquid和MF_gas的技术。

在图3中，确定气/液二相流存在于流管215中(302)。例如，这可由操作员在配置气/液流的质量流量计/密度计期间完成。作为另一示例，可通过使用科里奥利测量计的特征来自动进行此确定步骤，以检测到存在二相气-液流的情形。在后一情况下，例如，在上面通过引用并入的美国专利号6,311,136和美国专利号6,505,519中更详细地说明了这样的技术。

一旦确定二相流的存在，就由密度校正系统240使用传送器104的密度校正数据库245来确定(304)校正体积密度ρ_corrected。即，校正指示密度ρ_apparent以获得ρ_corrected。下面更详细地讨论用于执行此校正步骤的技术。

一旦确定ρ_corrected，则可由空隙比确定/校正系统260确定(306)校正气体空隙比α_corrected。同样，由质量流量校正系统250确定(308)校正体积质量流量MF_corrected。与密度一样，在下面更详细地讨论用于获得校正空隙比α_true和质量流量MF_corrected的技术。

在图3中，从流程图300应理解：可以以多种顺序发生ρ_corrected、α_corrected、和MF_corrected的确定。例如，在一个实施例中，基于先前计算的校正密度ρ_corrected来确定校正空隙比α_corrected，由此基于α_corrected确定校正质量流量MF_corrected。在另一实施例中，可相互独立地计算α_corrected和ρ_corrected，并且/或者可相互独立地计算ρ_corrected和MF_corrected。

一旦已知校正密度ρ_corrected、校正空隙比α_corrected、以及校正质量流量MR_corrected，则由流成分质量流量确定系统265确定(310)气体和液体成分的质量流量。下面参考图4更详细地讨论用于确定液/气成分流量的技术。

一旦确定，可输出或显示(312)液/气成分流量，以供流量计的操作员使用。以此方式，向操作员提供(可能同时)关于二相流的液体积质量流量MF_liquid和气体质量流量MF_gas的信息。

在一些示例中，此确定步骤可能足够了(314)，在此情况下，液/气成分流量的输出完成处理流程。然而，在其他实施例中，例如，可通过分解关于气/液成分的表面速度、流的流态、以及(如果有的话)成分之间的相滑移的信息，以改善各个成分质量流量的确定值。

具体地，如下确定气体和液体的表面速度SV_gas和SV_liquid。气体表面速度SV_gas定义为：

SV_gas＝MF_gas/(ρ_gas*A_T)             方程1

其中，量A_T表示流管215的横截面面积，其可在测量流的空隙比的点处获得。类似地，液体表面速度SV_liquid定义为：

SV_liquid＝MF_liquid/(ρ_liquid*A_T)       方程2

如方程1和2所示，此情形中确定表面速度取决于稍早的、MF_gas和MF_liquid的确定。根据上述说明以及根据图3，应理解：因为基于ρ_true、α_true和MF_true而计算出这些因子，所以MF_gas和MF_liquid代表校正或正确的质量流量MF_gas ^corrected和MF_liquid ^corrected。结果，表面速度SV_gas和SV_liquid代表校正值SV_gas ^corrected和SV_liquid ^corrected。另外，如上面那样，密度值ρ_gas和ρ_liquid指示已知的、正讨论的液体和气体的密度，其可被存储在密度校正数据库245中。如下面关于用于计算校正密度ρ_corrected的技术所更详细讨论的那样，可以已知密度值ρ_gas和ρ_liquid为由温度传感器220和压力传感器225检测到的现有温度或压力的函数。

使用表面速度和其他已知或计算出的因子(其中一些可被存储在流态图数据库280中)，可由流态确定/校正系统275确定(318)相关流态和/或相滑移。一旦已知表面速度、流态和相滑移，则可对校正体积密度ρ_ture、校正体积质量流量MF_corrected、和/或校正空隙比α_corrected进行进一步的校正。以此方式，如图3所示，可确定成分流量MF_gas和MF_liquid。

可由绘出液体表面流量对气体表面流量的图上的轮廓线来描述二相液/气流中的流态。如刚刚讨论的那样，可通过首先确定液体和气体流量的近似值、然后对标识的流态采用更详细的模型，来获得ρ_corrected、α_corrected、和/或MF_corrected的确定的改进。例如，以相对低的GVF和相对高的流，存在一种流态，其中充气液体表现为密度和质量流都具有非常小的误差或没有误差的同质液体。这可被检测为不需要校正的同质液体，仅仅使用在这样的设置中显示非常小的增加或没有增加的驱动增益的观测信息，而不考虑所观测密度的显著下降。

图4是示出用于确定二相流的液体和气体流量MF_liquid和MF_gas的技术的流程图400。即，如上面参考图3所述的，流程图400一般表示用于确定液体和气体流量(310)的技术的一个例子。

在图4中，液体和气体流量的确定(310)从输入校正密度、空隙比、以及质量流量因子ρ_corrected、α_corrected、以及MF_corrected(402)开始。在第一示例中(404)，使用方程3和4来确定液体和气体流量(406)：

MF_gas＝α_corrected(ρ_gas/ρ_true)(MF_corrected)              方程3

MF_liquid＝(1-α_corrected)(ρ_liquid/ρ_corrected)(MF_corrected)   方程4

方程3和4假定在液相和气相之间不存在滑移速度(即，相滑移)(即，气相的平均速度AV_gas与液相的平均速度AV_liquid相等)。此假定与以下事实相一致：在第一示例中，表面速度和流态(并因此，相滑移)还未被确定。

在第二示例中以及其后(404)，可能由流态确定/校正系统275确定是否存在相滑移(408)。如果不，则再次使用方程3和4(406)，或结束处理。

如果相滑移确实存在(408)，上面定义为S＝AV_gas/AV_liquid，则如也在方程1和2中的表面速度的计算中使用的那样，使用流管215的横截面面积A_T来计算项MF_gas和MF_liquid(410)。使用刚刚给出的滑移S的定义，

MF_gas＝ρ_gas(α_correctedA_T)(AV_gas)＝ρ_gas(α_correctedA_T)(S)(AV_liquid)   方程5

MF_liquid＝ρ_liquid((1-α_corrected)A_T)(AV_liquid)                            方程6

因为MF_corrected＝MF_gas+MF_liquid，所以根据方程5和6可解出AV_liquid，以获得方程7：

AV_liquid＝MF_true/(A_T(ρ_gasα_corrected+ρ_liquid(1-α_corrected)))            方程7

结果，使用方程8和9确定液体和气体流量(406)：

MF_liquid＝[ρ_liquid(1-α_corrected)/(ρ_gasα_corrected+ρ_liquid(1-α_corrected))][MF_corrected]

                                                                          方程8

MF_gas＝MF_corrected-MF_liquid                                                方程9

如上所述，液体中带有气体而形成二相流。使用科里奥利流量计对这样的二相流的测量分别导致二相流的密度、空隙比以及质量流量的指示参数ρ_apparent、α_apparent以及MF_apparent。由于与科里奥利流量计的操作相关的二相流的性质，所以这些指示值不正确，相差可预测的因子。结果，可校正该指示参数，以获得实际参数ρ_corrected、α_corrected和MF_corrected。接着，可使用实际、校正值来同时确定两个(气体和液体)成分的各自的流量。

图5A和5B是分别示出空隙比和液体比的测量值的百分误差的图。在图5A中，该百分误差是密度百分误差，其取决于各种设计和操作参数，并且一般是指表观(指示)密度与真实组合密度(若给定液体中的气体百分比(％)，就可预测该真实组合密度)的偏差。

在图5B中，示出真实液体比与指示液体比。对于相关流量计设计，图5B示出数个管线尺寸和流量的结果。在更一般的条件下，函数关系可能更复杂，并取决于管线尺寸和流量这两者。在图5B中，显示了简单多项式拟合，其可被用来校正表观液体比。

可使用其他绘图技术；例如，可绘出真实空隙比，与指示空隙比相对照。例如，图6是示出对于具有特定方向并超出所选流范围的流管、作为密度下降的函数的质量流误差的图。

图7是示出用于校正密度测量值(图3中的304)的技术的流程图700。在图7中，处理从正使用的流管215的类型的输入(702)开始，其可包括例如流管215是弯曲的还是直的、以及其他相关事实，诸如流管215的尺寸或方向。

接着，确定没有气体的液体的密度ρ_liquid(704)。此量在下面的计算中、以及在确保没有将诸如温度之类的可影响密度测量值ρ_apparent的其他因素误解为空隙比效应的过程中可能有用。在一个实施例中，用户可与密度的温度依存关系一起，直接输入液体密度ρ_liquid。在另一实施例中，可将已知液体(以及它们的温度依存关系)存储在密度校正数据库245中，在此情况下，用户可通过名称输入液体。在再一实施例中，流量计200可确定单相液流期间的液体密度，并存储此值，以供将来使用。

从科里奥利测量计读出指示质量流量MF_apparent(706)，然后从科里奥利测量计读出指示密度ρ_apparent(708)。接着，密度校正系统240采用理论算法(710)或经验表校正(712)来确定气/液混合物的真实密度ρ_true。然后，可将量ρ_true作为校正密度输出(714)。

可基于以下知识来确定算法密度校正(710)：如果当用来测量密度时根据科里奥利测量计的正常操作不存在二相流效应，则指示密度将下降从描述空隙比的方程导出的量，在上面按照体积流阐述了这一点，并且在此按照密度来重复，如方程10：

α_(％)＝[(ρ_apparent-ρ_liquid)/(ρ_gas-ρ_liquid)]×100       方程10

可使用此来定义量“密度下降”，或Δρ，如方程11所示：

Δρ＝(ρ_liquid-ρ_apparent)/ρ_liquid＝α_(％)×((ρ_liquid-ρ_gas)/ρ_liquid)/100

                                                            方程11

注意到方程11将量Δρ显示为正；然而，仅通过将该方程的右边乘以-1，就可将此量显示为负的下降，得到方程12：

Δρ＝(ρ_apparent-ρ_liquid)/ρ_liquid＝α_(％)×((ρ_gas-ρ_liquid)/ρ_liquid)/100

                                                            方程12

量ρ_gas相比ρ_liquid可能极小，在此情况下，可将方程12简化为方程13：

Δρ＝(ρ_liquid-ρ_apparent)＝α_(％)/100          方程13

如上扩展讨论，使用科里奥利测量计或任何振动密度计的密度测量一般都是由该测量计间接得到的(under-reported)，并且需要校正。因此，由此可使用二相下的流方程12或13，来定义下面的两个量：校正或真实密度下降Δ ρ_true、以及指示或表观密度下降Δρ_app。作为一个示例，使用方程13，这得出方程14和15：

Δρ_true＝(ρ_liquid-ρ_true)＝α_(％)/100        方程14

Δρ_app＝(ρ_liquid-ρ_apparent)＝α_(％)/100      方程15

可导出或依经验确定Δρ_true和Δρ_apparent与表观质量流量MF_apparent、以及其他参数(例如，如驱动增益、传感器平衡、温度、相态等)之间的关系。此关系可表达为如下所示：Δρ_true＝f(MF_apparent，ρ_apparent，驱动增益，传感器平衡，温度，相态，和/或其他因素)。

结果，在每种设置下，对每个流管，一般可导出、或至少证明该关系式。对于一种模型流管(已知并在此被称为Foxboro/Invensys CFS10型流管)，对于某些情形已经验确定上述函数关系式可被简化为仅仅Δρ_apparent的函数，其形式如方程16所示：

$\mathrm{\Δ}{\mathrm{\ρ}}_{\mathrm{true}}=\underset{i=0}{\overset{M}{\mathrm{\Σ}}}{a}_i{\left(\mathrm{\Δ}{\mathrm{\ρ}}_{\mathrm{apparent}}\right)}^i$ 方程16

当没有表观密度下降时为了使得方程16的两边的条件都为0，关系式导出方程17：

${\mathrm{\Δ\ρ}}_{\mathrm{true}}=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{a}_i{\left({\mathrm{\Δ\ρ}}_{\mathrm{apparent}}\right)}^i$ 方程17

M一般取决于经验关系的复杂度，但在许多情况下可小到2(平方)或3(立方)。

一旦确定真实密度下降，则通过上述方程回算，就直接导出真实混合密度ρ_true、以及真实液体和气体(空隙)比(参考图9更详细地讨论后者)。

例如，当函数关系式过于复杂或不方便实现时，可使用密度的表式校正(712)。在这样的情况下，通过采用具有图8的表800的形式的表，可使用量Δρ_apparent和ΔMF_apparent的信息来确定ρ_true。

例如，表800可以是表式查找表，举例来说，其可以被存储在数据库245中、或其他存储器中，以供横跨表的多个应用而使用。此外，可在初始化过程期间驻入该表，用于为表的单个应用而在数据库245中的存储。

应该理解的是，算法和表形式两者中的任一个或两者可被扩展为包括多个维度，例如，如增益、温度、平衡、或流态。算法或表式校正还可被扩展为包括其他表面拟合技术，例如，如神经网络、根基函数、小波分析、或主成分分析。

结果，应该理解的是，可在图3的条件下、在其描述的步骤期间实现这样的扩展。例如，在第一示例期间，可如上所述确定密度。然后，在第二示例期间，当已标识流态时，可使用流态信息进一步校正密度。

图9是示出用于确定空隙比测量值(图3中的306)的技术的流程图900。在图9中，处理从由空隙比确定系统240输入先前确定的液体和体积(校正)密度ρ_liquid和ρ_true(902)开始。

然后确定气体密度ρ_gas(904)。与液体密度ρ_liquid一样，存在数种确定ρ_gas的技术。例如，可仅仅将ρ_gas假定为空气密度，一般在已知的压力下，或可以是实际已知的正讨论的特定气体的密度。如另一示例那样，此已知密度ρ_gas可以是处于由压力传感器225检测出的实际或计算出的压力下、和/或处于由温度传感器220检测出的实际或计算出的温度下的上述因子之一(即，已知的空气或特定气体的密度)。可使用包括温度传感器220和/或压力传感器225的外部装备来监测温度和压力，如图2中所示。

另外，可已知气体具有关于包括压力、温度或压缩性在内的因素的特定特性。可与气体的标识一起输入这些特性，并且在确定当前气体密度ρ_gas的过程中使用。与液体一样，可将多个气体存储在存储器中(可能与刚刚说明的特性一起)，从而，用户可仅通过从列表用名称选择气体来存取特定气体的密度特性。

一旦知道因子ρ_liquid、ρ_gas和ρ_true，则根据方程10应该清楚，可容易地确定空隙比α_true(906)。然后，如果需要，可仅仅通过计算1-α_true而确定液体比(908)。

尽管上面的讨论给出基于密度而确定空隙比α_true的技术，但应该理解的是，可通过其他技术确定空隙比。例如，可由科里奥利流量计直接确定指示空隙比α_apparent，可能结合其他空隙比确定系统(由图2的空隙比传感器235代表)，然后基于经验或导出方程来校正该指示空隙比，以获得α_true。在其他实施例中，可使用这样的外部空隙比确定系统来提供α_true的直接测量值。

图10是示出用于确定校正质量流量测量值(图3中的308)的技术的流程图1000。在图10中，质量流量校正系统250首先输入先前计算出的校正密度下降Δρ_true(1002)，然后输入测量的、表观质量流量MF_apparent(1004)。

质量流量校正系统250采用表式(1006)或算法校正(1008)来确定气/液混合物的真实质量流量MF_true。然后可将量MF_true作为校正质量流量输出(1010)。

在采用质量流量的表式校正的过程中(1006)，可使用量Δρ_true和ΔMF_apparent的信息，通过采用具有图11的表1100的形式的表而确定MF_true。

例如，如表800那样，表1100可以是例如可被存储在数据库245或其他存储器中、以供横跨表的多个应用而使用的表式查找表。此外，可在初始化过程期间驻入该表，用于为表的单个应用而在数据库245中的存储。

为了覆盖多于一个尺寸的科里奥利流管，可使用归一化值MF_{norm_app}和MF_{norm_true}来代替上面示出的实际值。同样，可根据校正输入，其中由方程18定义该校正：

ΔMF＝MF_true-MF_apparent                  方程18

方程18中的值应被理解为代表实际或归一化值。

在算法步骤中，与密度一样，可通过理论或经验函数关系式来实现质量流的校正，其中该关系式一般被理解为具有形式：ΔMF＝f(MF_apparent，空隙比，驱动增益，传感器平衡，温度，相态，和/或其他因素)。

对于某些情况，该函数可简化为多项式，例如，如方程19所示的多项式：

$\mathrm{\ΔMF}=\underset{i=0}{\overset{M}{\mathrm{\Σ}}}\underset{j=0}{\overset{M}{\mathrm{\Σ}}}{a}_i{b}_j\left({\mathrm{\Δ\ρ}}_{\mathrm{true}}^i\right)\left({\mathrm{MF}}_{\mathrm{norm}\_\mathrm{app}}^j\right)$ 方程19

对于某些条件集合，该函数关系式可以是多项式和指数式的组合，如方程20所示：

$\mathrm{\ΔMF}=a_{1}d{e}^{(a_2{d}^2+a_{3}d+a_4{m}^2+a_{5}m)}+a_6{d}^2+a_{7}d+a_8{m}^2+a_{9}m$ 方程20

在方程20中，d＝Δρ_true，且m＝f(MF_apparent)。

在一个实施例中，方程20中的m可由表观表面液体速度SV_liquid(如上所述，其由方程2：SV_liquid＝MF_liquid/(ρ_liquid*A_T)给出)代替。在此情况下，ρ_liquid和流管横截面A_T是已知或输入的参数，并可使用例如数字控制器/传送器104的机载(on-board)温度测量设备220，为温度而对其进行实时校正。

应该理解的是，与上述密度校正一样，算法和表形式中的一种或两者可被扩展为包括多个维度，例如，如增益、温度、平衡、或流态。算法或表式校正还可被扩展为包括其他表面拟合技术，例如，如神经网络、根基函数、小波分析、或主成分分析。

结果，应该理解的是，可在图3的条件下、在其描述的步骤期间实现这样的扩展。例如，在第一示例期间，可如上所述确定质量流量。然后，在第二示例期间，当已标识流态时，可使用流态信息进一步校正质量流量。

可使用气体比(α)或液体比(100-α)替代密度下降来重新说明上面所有的质量流量的函数关系式，如图11的表1100所反映的。同样，尽管上述方法依赖于校正密度下降Δρ_true的信息，但应该理解的是，可使用其他技术来校正指示质量流量。例如，上面通过引用并入的美国专利6,505,519中讨论了校正二相流的质量流量测量值的各种技术。

为了例如同时计算二相流中单个流成分(相)流量的目的，上面已经概括描述了密度、空隙比、以及质量流量校正，下面的讨论和相应附图提供这些技术的实施例的具体示例。

图12-14是示出对于数种流管的密度校正的示例的图。具体地，这些示例基于从三种垂直水流管获得的数据，这些流管的直径是：1/2”、3/4”和1”。

更具体地，1/2”的数据取流量0.15kg/s和流量0.30kg/s；3/4”的数据取流量0.50kg/s和流量1.00kg/s；以及1”的数据取流量0.50kg/s、流量0.90kg/s和流量1.20kg/s。图12示出液-气混合物(二相流)的表观密度的误差e_d与液-气混合物的真实密度下降Δρ_true：

$\mathrm{\Δ}{\mathrm{\ρ}}_{\mathrm{true}}=100\·\frac{{\mathrm{\ρ}}_{\mathrm{liquid}}-{\mathrm{\ρ}}_{\mathrm{true}}}{{\mathrm{\ρ}}_{\mathrm{liquid}}}$ 方程21

$e_d=100\·\frac{{\mathrm{\ρ}}_{\mathrm{apparent}}-{\mathrm{\ρ}}_{\mathrm{true}}}{{\mathrm{\ρ}}_{\mathrm{true}}}$ 方程22

其中，与上面一样，ρ_liquid是没有气体的液体的密度，ρ_true是液-气混合物的真实密度，并且ρ_apparent是液-气混合物的表观或指示密度。

在图12-14中，按照表观混合物密度下降Δρ_apparent来执行校正，如方程23所示：

${\mathrm{\Δ\ρ}}_{\mathrm{apparent}}=100\·\frac{{\mathrm{\ρ}}_{\mathrm{liquid}}-{\mathrm{\ρ}}_{\mathrm{apparent}}}{{\mathrm{\ρ}}_{\mathrm{liquid}}}$ 方程23

在图12-14中，当拟合数据时，通过将它们除以100，将表观和真实混合物密度下降都归一化(mormalized)为0和1之间的值，其中设计此归一化过程以保证优化算法的数值稳定性。换言之，归一化的表观(apparent)和真实(true)的混合物密度下降是被定义为液体密度ρ_liquid的比值、而不是百分比的表观和真实混合物密度下降，如方程24所示：

$\mathrm{\Δ}{\mathrm{\ρ}}_{\mathrm{apparent}}^{\mathrm{normalized}}=\frac{{\mathrm{\Δ\ρ}}_{\mathrm{apparent}}}{100}$ 方程24

基于方程17的模型公式，得到方程25：

${\mathrm{\Δ\ρ}}_{\mathrm{true}}^{\mathrm{normalized}}=a_1{\left(\mathrm{\Δ}{\mathrm{\ρ}}_{\mathrm{apparent}}^{\mathrm{normalized}}\right)}^3+a_2{\left({\mathrm{\Δ\ρ}}_{\mathrm{apparent}}^{\mathrm{normalized}}\right)}^2+a_3\left({\mathrm{\Δ\ρ}}_{\mathrm{apparent}}^{\mathrm{normalized}}\right)$ 方程25

在此情况下，系数为a₁＝-0.51097664273685，a₂＝1.26939674868129，以及a₃＝0.24072693119420。图13A和13B示出具有如所示的试验数据和残差的模型。图14A和14B给出相同信息，但具有分别绘出的各个流量。

概言之，通过使用表观密度值ρ_apparent和液体密度ρ_liquid计算表观密度下降Δρ_apparent，在传送器104中执行密度下降校正。对表观密度下降的值归一化，以获得 ${\mathrm{\Δ\ρ}}_{\mathrm{apparent}}^{\mathrm{normalized}}={\mathrm{\Δ\ρ}}_{\mathrm{apparent}}/100,$ 从而，如上所述，将密度下降计算为比值，而不是百分比。然后，可采用密度校正模型，以获得归一化的校正混合物密度下降Δρ_true ^normalized。最后，反归一化该值，以获得校正密度下降 ${\mathrm{\Δ\ρ}}_{\mathrm{true}}=100\·{\mathrm{\Δ\ρ}}_{\mathrm{true}}^{\mathrm{normalized}}.$ 当然，如果将校正混合物密度下降Δρ_true定义为真实值的比值而不是百分比的话，则最后的计算不是必要的。

图15-20是示出对多种流管的质量流量校正的示例的图。具体地，这些示例基于从三种垂直水流管获得的数据，这些流管的直径是：1/2”、3/4”和1”。更具体地，1/2”的数据取流量0.15kg/s和流量0.30kg/s；3/4”的数据取流量0.50kg/s和流量1.00kg/s；以及1”的数据取流量0.30kg/s与3.0kg/s之间的18个流量(最大密度下降大约30％)。

图15A和15B示出用以拟合模型的数据的表观质量流量误差与校正混合物密度下降Δρ_true以及归一化的真实表面液体速度；即，表观质量流误差对每个流线的曲线，以及表观质量流误差对校正密度下降Δρ_true和归一化的真实表面液体速度v_tn的散点图，如方程26所示：

$v_{\mathrm{tn}}=\frac{v_t}{v_{\max }},v_t=\frac{m_t}{{\mathrm{\ρ}}_{\mathrm{liquid}}\·A_T}$ 方程26

其中，m_t是真实液体质量流，即单独测量的质量流的值，ρ_liquid是液体密度，A_T是流管横截面面积，以及v_max是表面液体速度的最大值(此处考虑12m/s)，从而，v_tn给出真实表面液体速度对流管215的整个范围的比值。在这些示例中，为了确保模型优化算法的数值稳定性的目的，在拟合模型前，将混合物密度下降和表面液体速度都归一化到0和1之间。

图16示出带有校正模型的安全边界的、表观质量流误差对校正混合物密度下降以及归一化表观表面液体速度。即，图16给出表观质量流误差对校正密度下降以及这一次为 $v_n=\frac{v}{v_{\max }}=\frac{m}{v_{\max }\·\mathrm{\ρ}\·A}$ 的归一化表观表面液体速度的散点图，其中m是表观液体质量流(即，由传送器104所测量的)。在图上叠加了边界，其限定模型的安全区域，即预测模型给出与拟合数据的模型相似的精度的区域。使用此命名，可由 $e=100\·\frac{m-m_t}{m_t}$ 给出表观质量流误差e。

方程27示出用于此情况的模型公式：

$e_n=a_{1}d{d}_{\mathrm{cn}}\·e^{a_{2}d{d}_{\mathrm{cn}}^2+a_{3}d{d}_{\mathrm{cn}}+a_4{v}_n^2+a_5{v}_n}+a_{6}d{d}_{\mathrm{cn}}^2+a_{7}d{d}_{\mathrm{cn}}+a_8{v}_n^2+a_9{v}_n$ 方程27

其中

$e_n=\frac{e}{100}=\frac{m-m_t}{m_t}$ 方程28

其中，在方程27和28中，dd_cn是归一化的校正混合物密度下降，并且v_n是液体的归一化表观表面速度。

在此情况下，系数为：a₁＝-4.78998578570465，a₂＝4.20395000016874，a₃＝-5.93683498873342，a₄＝12.03484566235777，a₅＝-7.70049487145105，a₆＝0.69537907794202，a₇＝-0.52153213037389，a₈＝0.36423791515369，以及a₉＝-0.16674339233364。

图17与模型公式和系数一起示出模型残数的散点图；即，示出模型残数对校正混合物密度下降和归一化真实液体速度的关系。图18A-18D以及图19A-19D分别给出用来拟合模型的整个数据集的模型残差以及仅仅实际数据。最后，图20A和20B示出在安全拟合数据的外部内推和外推的模型表面。从图16、20A和20B，应理解模型的表观质量流(表面液体速度)和密度下降边界。

概言之，在此示例中，通过计算表观密度下降、使用上述方法对其进行校正、并通过将其除以100而归一化结果值(或使用从密度模型获得的归一化校正密度下降)，来进行传送器104中的质量流校正。然后，计算出归一化表面液体速度v_n，并采用该模型，以获得归一化质量流误差e_n的估计，其中此值将表观质量流的误差给出为真实质量流的比值。可通过将其乘以100而对所获得的值进行反归一化，从而获得作为真实质量流的百分比的质量流误差。最后，可使用反归一化的质量流误差m_c＝m/(e_n+1)来校正表观质量流。

正如将意识到的那样，上述说明具有广泛的应用，以在二相流情形期间改善科里奥利测量计的测量值和校正精度。具体地，上述技术在将液相的质量流和气相的质量流必须测量和/或校正到高级精度的测量应用中尤其有用。一个示例性应用是油气产品环境中液相的质量流的测量和气相的测量。

在图2的数字流量计的上下文中提供了上述讨论。然而，应该理解的是，可使用能够测量包含某一百分比的气相的多相流的任何模拟或数字的、振动或振荡密度计或流量计。即，某些流量计仅当气相被限制为整个行进液体的小百分比，如，例如小于5％时，才能够测量包括气相的行进液体。其他流量计，如上面引用的数字流量计，即使当气体空隙比达到40％或更多时也能够操作。

根据密度、质量流量和/或空隙比描述了上面给出的方程和计算中的多数。然而，应该理解的是，使用这些参数的变型也可以达到相同或类似的结果。例如，代替质量流，可以使用体积流。此外，可使用液体比代替空隙比。

上面的讨论提供测量二相流中成分质量流量的示例。还可使用流量计测量其他混合流。例如，“三相”流或“混合二相流”是指两种液体混有气体的情形。例如，油和水的流状混合物可包含空气(或其他气体)，从而形成“三相流”，此处该术语是指流的三种成分，一般不意味着在流中包括固体物质。

图21是流量计系统2100的框图。例如，可使用流量计系统2100确定三相流内单个成分流量。例如，可使用系统2100确定在给定时间段期间，流过石油提取设施的管道的油、水和气体流内油的量。

还可使用流量计系统2100来从数字传送器104获得高精度测量值，例如，如密度测量值或质量流量测量值。例如，还可使用系统2100，以从外部传感器(例如，如液体比探测器230或空隙比传感器235)获得改善的测量值，其中可能仅使用外部传感器获得相关测量值。

在图21中，数字传送器104包括空隙比确定系统2102、密度确定系统2104、以及质量流量确定系统2106(以及数个为简洁而未示出的组件，例如驱动信号生成器、或者多相检测系统、或参考图2示出或讨论的任何组件)。即，如应该从上述说明理解的那样，可使用系统2102、2104以及2106来测量流215内液体流的相应参数。另外，还如上面所解释的那样，就包含气和/或混合液体的流量流而言，系统2102、2104以及2106的测量输出一般表示相应参数的粗略或表观值，其最终可使用校正系统2108来校正。

例如，可将流管215内的三相液体流的表观质量流量输出到校正系统2108，以便使用质量流量校正模块2112来校正，同时可将流管215内的三相液体流的表观密度输出到校正系统2108，以便使用密度校正模块2118来校正。有些类似地，可使用密度校正模块2114校正液体流内的表观空隙比的测量值或确定值，同时可使用含水量校正模块2116来校正表观液体比的测量值或确定值(例如，来自探测器230的含水量)。如下面更详细的描述，为了获得它们各自的校正值，各种校正模块2112-2118可相互结合、和/或与其他组件结合而运作。

一旦获得，可将校正值，如质量流量、密度、含水量或空隙比(或它们的某些组合)输出到主机计算机2110，以便使用成分流量确定系统2120来确定三相液体流的三种成分的每一种的单个质量流量。结果，且如上面引用的那样，可确定三种成分的每一种的单个流量和/或量。

更一般地，系统2100的示例包括三个通用元件，用于获得校正测量值和/或单成分流量：传送器104、一般标识有附图标记2122的单独外部传感器中的一个或多个、以及校正系统2108的一个或多个元件。当然，可使用这些元件的多种组合、变型以及实施方式，在下面更详细地讨论它们的各种示例。

例如，在一些实施例中，数字传送器104可以不包括空隙比确定系统2102。在某些情况下，空隙比确定系统2102可被包括有、或结合有液体比探测器230，或取决于空隙比传感器235的类型或配置而不再需要。在这样的情况下，就需要其的情况而言，可根据校正模块2112、2116、以及/或2118的输出确定空隙比。

另外，尽管在图21中将外部传感器2122显示为与数字传送器104和流管215相联系，但应该理解的是，外部传感器2122可通过多种不同方式获得它们各自的测量值。例如，上面参考例如图2说明的温度传感器220、压力传感器225、以及空隙比传感器230的示例。另外，液体比探测器235可串联到与用于传输三相液体流的主管道相关的流管215，并且可分别保持与传送器104、校正系统2108、以及/或主机计算机2110的通信。

在图21中，将校正系统2108显示为与数字传送器104和主机计算机2110相分离。然而，在某些实施例中，校正系统2108可位于数字传送器104、主机计算机2110内部，或可与外部传感器2122中的一个或多个相结合。在其他实施例中，可将校正系统2108的部件包括在系统2100的不同部分中。例如，可在数字传送器104处执行密度和质量流量校正，而可在液体比探测器230处执行含水量校正。

在某些实施例中，校正系统2108可包括全部模块2112-2118(如所示的)，或它们的某些子集，或可包括在图21中未具体示出的其他模块(例如，用于校正三相流内两种液体成分，如油/水/气液体流中的油/水混合物的密度的校正模块)。另外，可将任何这样的校正模块中的一些和全部相互集成。例如，可将质量流量和密度校正并入一个模块，同时可分离含水量校正模块2116。

沿着相同的思路，应该理解的是，成分流量确定系统2120可位于系统2100内的多个位置上。例如，成分流量确定系统2120可位于校正系统2108内，或可位于数字传送器104内。

下面更详细地说明上述和其他实施例的各种示例、以及用于获得校正流测量值和单成分流量的具体技术的示例。然而，一般而言，应该理解的是，系统2100及其其他实施例允许全部或基本上全部三相液体流连续地流过流管215、并流过用于传输该三相流物质的相关联的管道或其他导管。

结果，单个成分流量的确定不需要将三相液体流分离为包含一个或多个组成成分的分离流。例如，当三相流包含油、水和气时，不需要为了执行对所得的油/液体流的油部分的测量(例如，质量流量)而从油/水液体组合物中分离出气体。因此，例如，可容易地、快速地、低廉地、并可靠地进行对石油生产设施生产的石油的量进行可靠测量。

图22是图21的系统2100的第一实施例的图。在图22中，液体比探测器230被示出为含水量探测器，其串联到与通过管道2202的三相流相关的数字传送器104。下面更详细地提供在确定流测量值的过程中使用来自含水量探测器230的测量值的示例。

同样在图22中，示出了用于使得三相流均匀化的静态混合器-采样器2204。还可将混合器-采样器2204用于其他测量。例如，可使用混合器-采样器2204验证含水量探测器230的测量值、或其他测量值。在一个实施例中，可使用混合器-采样器2204吸取油/水/气三相流的一部分，以从其蒸发气体，用于在得到的二液体复合物内的水比值的独立确认。有些类似地，在用于验证或确认该系统的测量的各种后处理技术中，可使用压力传送器2206。

图23是图21的系统的第二实施例的框图。在图23中，将液体比探测器230示出为微波含水量探测器230a和/或红外含水量探测器230b。还示出用于向系统供电的电源2302。例如，尽管当然还可以使用图1B的直流管106或某些其他流管，但图23的流管215应该被理解为包含图1A的弯曲流管102。

还是在图23中，将传感器230a、230b、以及/或2206示出为与传送器104双向通信，包括标准4-20mA控制信号。同时，传送器104通过ModbusRS485连接的方式而与主机计算机2110通信。

同样，如上所引用的，图23示出用于校正系统2108的数个可能位置。例如，如所示的，校正系统2108可以位于(或相关联于)与主机计算机2110相关联的处理器、或数字传送器104、以及/或含水量探测器230a(以及/或其他外部传感器230b)。

图24是图21-23的校正系统2108的实施例的框图。在图24中，并且如从上面的图21的说明中应该清楚的，与表观体体积质量流量和表观体积密度一起，校正系统2108从传送器104输入诸如三相流的液体比(例如，含水量)的表观(或粗略)测量值之类的测量值。

此示例中的校正系统2108包括含水量误差模型2402和科里奥利误差模型2404。所示的模型2402和2404允许含水量、质量流量和密度的校正对应测量值的计算、或真实对应测量值的估计。换言之，如从上面的二相液体流中应该清楚的那样，2402和2404模型已知配置和流参数，从而可通过例如插值的方法、使得随后测量的流参数与建模结果相关联。

例如，如下面更详细讨论的，可实现模型2402和2404，以提供测量(表观)流参数的多项式拟合。在其他示例中，模型2402和2404可表示用于校正含水量和质量流/密度的神经网络校正模型。

在图24的示例中，如果可用测量值包括表观含水量，则得到的校正测量值允许气体空隙比的其他参数的计算。相反，如果表观气体空隙比而不是表观含水量测量值是可用的，则校正系统可输出校正的空隙比测量值(从而允许随后的真实含水量的估计)。在此情况下、或在类似情况下，校正系统2108可将校正测量值输出到成分流量确定系统2120，以便计算单成分质量流量。

图24示出一个示例，其中为继续获得更好的结果，在输出校正含水量、(体积)质量流量以及(体体)密度、并此后计算单成分流之前，将每个模型2402和2404的输出相互反馈。换言之，例如，假定表观含水量的初始确定依赖于三相液体流内的气体的量(即气体空隙比)，并随其变化。然而，直到已确定真实含水量测量值的估计之后，气体空隙比的精确值一般才可用。

因此，如所示的，通过将来自含水量误差模型2402的校正含水量值的第一确定的值反馈到科里奥利误差模型2404，可获得校正质量流量、密度以及气体空隙比的改善估计，并且，此后将其反馈到含水量误差模型。例如，此处理可持续直到达到想要的精确级，或直到经过了确定量的时间为止。

在图24中，模型2402和2404可相互正交，从而可替代其中一个，而不影响另一个的操作。例如，如果使用新的含水量探测器(例如，探测器230a替代图23的探测器230b)，这样可类似地替换相应含水量误差模型，同时科里奥利误差模型可继续使用。

在其他实施例中，例如，其中已知特定含水量探测器、科里奥利测量计、及其相互相关的配置，并假设其不改变，则可以构建输入含水量、质量流量和密度的所有三种测量值，并输出所有三种的校正值(可能的话，与校正气体空隙比一起)的单一误差模型。在这样的实施例中，可能不必为了获得所有三种(或四种、或更多)校正值而将后续结果反馈到误差模型。

图25是示出图21-23的流量计的第一操作的流程图2500。更具体地，图25表示许多不同技术及技术组合的高级说明，下面更详细地给出其中一些的具体示例(与其他示例一起)。

在图25中，确定三相流的存在，并获得表观测量值(2502)。例如，传送器104可获得表观体积密度和表观质量流量，而液体比探测器230可获得表观含水量测量值。如图21所示，然后可将这些测量值输出到校正系统2108。

以此方式，可获得校正含水量(2504)、校正体积密度(2506)、校正体积质量流量(2508)、以及校正气体空隙比(2510)。如所示的，存在用于获取这些校正测量值的许多变型。

例如，可仅基于表观测量值，如表观质量流量而确定校正质量流量，或可与已校正的密度和/或气体空隙比测量值一起、基于这些因子确定校正质量流量。例如，类似结论应用于用以获得校正密度和/或气体空隙比测量值的技术。同样，应该清楚的是，在计算校正值时可使用在图25中不必显示的其他因子和参数，例如，如温度、压力、流成分的液体或气体密度、或其他已知或测得的参数。

另外，如上所述，可多次获得给定校正，其中后面的校正基于其他参数的插入(intervening)校正。例如，可获得第一校正含水量测量值，然后可基于随后的空隙比确定值对其进行修正，以获得第二校正含水量测量值。

一旦获得一些或全部校正参数，可获得第一液体成分、第二液体成分、以及气体成分中的一个或多个的单成分流量(2512)。这样，可显示、或否则输出这些输出、和/或校正值本身。

图26是示出图25的技术的第一示例的流程图2600。具体地，在图21-25中，校正体积密度的步骤可与使用含水量探测器230确定含水量测量值的步骤相关联。

由此，在图26中，假定存在具有第一液体、第二液体和气体的三相流，并且处理从确定表观含水量测量值(2602)开始。然后，确定两种液体的混合物的密度(2604)。

基于此信息，确定表观气体空隙比α_apparent(2606)。然后，在一个实施例中，处理2600继续确定例如体积密度和体积质量流量的校正值(2608)。

一旦知道这些值，就可以执行对气体空隙比α_apparent的校正(2601)，其导致新的、修正的气体空隙比的确定(2606)。以此方式，可执行对初始含水量测量值的校正(2612)，以便考虑三相流内的气体对初始含水量测量值的影响(2602)，并从而获得改善的含水量测量值。

然后，可使用改善的含水量测量值来确定并改善液体密度测量值(2604)，接着可使用其确定校正或改善的气体空隙比测量值(2606)。结果，可获得进一步校正的体积密度和体积质量流量测量值。

可持续该处理2600、或其变型，直到确定了体积密度、体积质量流量、含水量、以及/或气体空隙比的校正值的满意结果。然后，可确定多相流的三种成分(例如，油、水和气)的单独质量流量。

下面提供用于实现示例处理2500和2600的具体方程和讨论，以及后续的示例。在此情况下，还提供如何以及为何使用所选参数的具体示例。

例如，二相流中的含水量被定义为当不存在气体时，二相(例如，油-水)混合物中水的体积比，在此条件下，由方程29给出含水量：

$\mathrm{WC}=\frac{{\mathrm{\ρ}}_{\mathrm{liquid}}-{\mathrm{\ρ}}_{\mathrm{oil}}}{{\mathrm{\ρ}}_w-{\mathrm{\ρ}}_{\mathrm{oil}}}$ 方程29

其中ρ_liquid是油-水混合物密度，ρ_oil和ρ_w分别是纯油或纯水的密度。当然，油和水的液体成分仅仅是示例，可以使用其他液体。

一般地，在不存在气体的仅仅二相油-水流的情况下，科里奥利流量计可测量混合物(体积)密度ρ_liquid、以及混合物质量流量MF。然后基于方程29计算混合物的含水量。例如，在转让给Chevron Research Company的美国专利号5,029,482中更详细地说明了此技术，并且，此技术可以用于使用科里奥利流量计从密度测量值导出含水量的处理。

可使用方程30导出液体(油-水)混合物的体积流量：

${\mathrm{VF}}_{\mathrm{liquid}}=\frac{{\mathrm{MF}}_{\mathrm{liquid}}}{{\mathrm{\ρ}}_{\mathrm{liquid}}}$ 方程30

由此，由科里奥利流量计得到的体积(混合物)密度和质量流量的两个独立测量值，提供足够的信息以满足在组合流中存在两种成分的数学封闭性要求。

然而，当共同混合流，即上面参考图21-25讨论的三相流中，是三种不同的相(即，油、水和气)时，不能直接使用方程29和30，因为科里奥利流量计可能测量两种液体和气体的混合物的密度和质量流。例如，在该油-水-气流的三相情况下，引入得益于第三独立信息源的第三成分，以满足对三相流的数学封闭性。

在上述实施例中，由与科里奥利流量计协调安装的另一设备提供独立信息，该设备遭遇相同的三相流，即含水量探测器230。如上参考图21-25说明的含水量探测器230可以是包括微波、电容、电容-电感、核磁共振、红外、以及近红外的任何可能的技术，并可使用这些类型的含水量探测器的组合来实现。同样，在本说明书的范围内，也预见其他类型的含水量探测器(或，更一般地，液体比探测器)的使用。

可使用如上所述的传送器104来提供表观体积密度ρ_apparent、以及表观体积质量流量MF_apparent。同时，在此例中，可使用含水量探测器230来获得表观含水量测量值WC_apparent。由此可从如方程31所示的含水量信息导出三相混合物的仅仅油-水液体部分的密度，其中，如上，例如根据上面也说明的技术，已知或可获得成分液体密度。

ρ_liquid＝(1-WC_apparent)ρ_OIL+WC_apparentρ_w              方程31

如上所述，气体空隙比α被定义为三相混合物中气相所占据的体积比值。上面给出了根据表观或未校正的值的α的定义，并在此重复为方程32：

${\mathrm{\α}}_{\mathrm{apparent}}=\frac{{\mathrm{\ρ}}_{\mathrm{apparent}}-{\mathrm{\ρ}}_{\mathrm{liquid}}}{{\mathrm{\ρ}}_{\mathrm{gas}}-{\mathrm{\ρ}}_{\mathrm{liquid}}}$ 方程32

可基于处理压力和温度的独立测量，计算上面方程32中的气相的密度。例如，可使用压力传送器225测量压力，同时使用温度传送器独立地测量或从科里奥利流量计的温度获得温度，例如温度传感器220，如电阻温度检测器(RTD)。例如，然后可使用被并入传送器104的美国气体协会(AGA，American Gas Association)算法的应用，以提供气相密度。

在方程32中，并且如已参考图26说明的那样，基于含水量输入的计算液相密度(2604)和气体空隙比(2606)是近似值，这是因为含水量测量值本身被此前还未知的气体的存在所影响。由此可使用收敛到校正液相密度和气体空隙比的解法技术，如图26所示。

具体地，在质量流和体积密度校正的应用之后，获得更新的气体空隙比(2610、2606)。然后将此更新气体空隙比应用于含水量读数，以便校正气体的存在的影响(2612、2602)。

对每个特定含水量设备，可已知含水量和气体空隙比的影响之间的关系为方程33所示：

WC_apparent＝f(α_apparent，ρ_apparent，MF_apparent，其他)  方程33

即，表观含水量测量值可以是多个不同参数的函数，从而校正含水量测量值WC_corrected一般可以是相同参数、这些参数的校正值、以及/或表观含水量测量值本身的函数。

随着含水量读数被更新，重复该处理，从方程31开始，直到满足了适当的收敛准则为止。然后，可以以处理温度报告校正三相混合物(体积)质量流量、密度、以及气体空隙比。

然后计算每个相/成分的单独体积流量，并使用例如用于原油和开采的水的美国石油学会(API)方程、以及用于开采的气体的AGA算法，将其校正到标准温度。还可将这些函数并入传送器104中。

例如，在一个实施例中，含水量测量计230可操作来将其测量信号和信息直接馈送进传送器104的模拟或数字通信端口(输入/输出)。在另一实施例中，含水量测量计能够以双向通信模式与传送器104通信。作为此实施例的一部分，含水量测量计能够将其测量信号和信息直接馈送进传送器104的通信端口，如刚刚所述的那样。传送器104还能将信号和信息发送到含水量探测器230。

图27是示出图25的技术的第二示例的流程图2700。如图26中的那样，在图27中，处理2700从表观含水量测量值的确定(2702)开始。

然后，可使用含水量测量值确定整个液体成分的密度(例如，三相流的组合油和气部分的密度)，可能使用方程31(2704)。可确定如上所述的多相流的表观体积密度、或表观密度下降(2706)，并且，可独立于或基于表观体积密度而确定表观气体空隙比(2708)。类似地，然后可使用先前计算出的参数的一些或全部，计算整个液体成分的表观质量流量(2710)。

在这一点上，可确定校正体积密度和校正体积质量流量的第一值(2712)。然后，可确定用于校正的气体空隙比(2714)、校正的整个液体成分质量流量(2716)、以及修正或校正的含水量测量值(2718)的值。

与修正含水量测量值和其他参数一起，可获得修正的气体空隙比测量值。然后，如所示的，可执行对体积质量流量和体积密度的进一步的校正，并且可重复此处理，直到达到适当级别的校正。并且，如上面参考图25和26所述的，可获得用于校正的体积质量流量、校正的体积密度、校正的含水量测量值、以及/或校正的气体空隙比测量值的输出。同样，尽管在图27中未明确示出，但可获得多相流的三种单独成分的质量流量。

图28是示出图25的技术的第三示例的流程图2800。如处理2700中的那样，图28的处理从含水量测量值、总液体密度、以及表观体积密度的确定(2702、2704、2706)开始。然后，确定表观体积质量流量(2802)。

基于此信息，可确定体积密度和体积质量流量的校正值(2804)。然后，例如，可确定作为压力和温度的函数的气体密度(2806)。因此，可确定(2808)并校正(2810)气体空隙比。使用校正的气体空隙比，可确定修正的含水量测量值(2812)，并使用其计算改善的液体密度，并且，重复该处理，直到达到满意结果为止。

与图26一样，并结合其讨论，下面给出具体示例、方程、以及技术，以便实现图27和28的处理。当然，还可以使用其他技术。

如上所述的含水量探测器230或其他仪器提供液相中水对整个液体的体积比值的测量值，如方程34所示(2702)，其中，含水量值WC初始代表表观含水量值(即，基于质量流和密度的表观值而计算的)，其随着处理继续而可被改善或校正，如已说明的：

$\mathrm{WC}=\frac{{\mathrm{VF}}_w}{{\mathrm{VF}}_w+{\mathrm{VF}}_{\mathrm{oil}}}=\frac{\frac{{\mathrm{MF}}_w}{{\mathrm{\ρ}}_w}}{\frac{{\mathrm{MF}}_w}{{\mathrm{\ρ}}_w}+\frac{{\mathrm{MF}}_{\mathrm{oil}}}{{\mathrm{\ρ}}_{\mathrm{oil}}}}$ 方程34

从而，流量计能够使用含水量测量值来计算液相密度，如方程31所示(2704)。据此，流量计能够确定由于气体的存在引起的表观密度下降，如上面参考例如归一化方程23所讨论的，为方便，这里再现该方程：

${\mathrm{\Δ\ρ}}_{\mathrm{apparent}}=\frac{{\mathrm{\ρ}}_{\mathrm{liquid}}-{\mathrm{\ρ}}_{\mathrm{apparent}}}{{\mathrm{\ρ}}_{\mathrm{liquid}}}$ 方程23

并且，如上所述，根据测量计的方向而采用校正算法，采用方程17的立方形式，为方便，也在此再现：

${\mathrm{\Δ\ρ}}_{\mathrm{true}}=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{a}_i{\left({\mathrm{\Δ\ρ}}_{\mathrm{apparent}}\right)}^i$ 方程17

并使用方程35确定校正混合物密度：

ρ_true＝(1-Δρ_true)ρ_liquid          方程35

其可被用于计算上面由方程32定义的气体空隙比的“最佳估计”。

从上面的例如二相(例如，液体和气体)流的上下文中的类似计算的讨论，应该理解用于图25-28的处理的其他技术。具体地，应该理解的是，用于二相设置的方程中的一些或全部对于三相流是可用的，这是因为例如油、水和气体的三相流可被看作气体与油/水混合物的二相流。下面参考根据其具体使用和实施例而收集的数据，说明用于使用图21-24的系统的其他技术。

图29是示出用于确定三相流的成分流量的技术的流程图2900。即，图29对应于如图25所示的、确定成分流量(2512)的更详细的视图。

在图29中，输入参数：校正体积质量流量、校正体积密度、以及校正气体空隙比(以及/或校正含水量)(2902)。然后，确定校正液体流量(2904)，即，三相流中二种液体(例如，油和水)的混合物的流量。

然后确定第一液体成分(例如，水)的质量流量(2906)，随后确定第二液体成分(例如，油)的质量流量(2908)。最后，可使用校正密度、气体空隙比、以及/或含水量值确定三相流的气体成分的质量流量(2910)。

图30是示出用于执行图29的确定步骤的更具体的技术的示例的流程图3000。在图30中，应该理解的是，独立于校正密度或气体空隙比测量值而确定液体及其成分的的校正质量流量。

具体地，使用上面的方程32，确定表观气体空隙比(3002)。然后，使用方程36，确定表观气体流量(3004)：

${\mathrm{MF}}_{\mathrm{apparent}}^{\mathrm{gas}}={\mathrm{\α}}_{\mathrm{apparent}}\left(\frac{{\mathrm{\ρ}}_{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{apparent}}}\right){\mathrm{MF}}_{\mathrm{apparent}}=\left(\frac{{\mathrm{\ρ}}_{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{liquid}}-{\mathrm{\ρ}}_{\mathrm{gas}}}\right)\left(\frac{{\mathrm{\ρ}}_{\mathrm{liquid}}-{\mathrm{\ρ}}_{\mathrm{apparent}}}{{\mathrm{\ρ}}_{\mathrm{apparent}}}\right){\mathrm{MF}}_{\mathrm{apparent}}$ 方程36

然后，确定表观表面气体速度(3006)。可通过将液体的体积流量除以流管横截面面积A_T而计算出表观表面气体速度，如上方程1中所示，并在此再现：

${\mathrm{SV}}^{\mathrm{gas}}=\frac{{\mathrm{MF}}^{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{gas}}{A}_T}$ 方程1

然后可确定表观液体流量(3008)。使用方程37，可从表观体积质量流量和表观气体空隙比导出表观液相质量流量：

${\mathrm{MF}}_{\mathrm{apparent}}^{\mathrm{liquid}}={\mathrm{MF}}_{\mathrm{apparent}}-{\mathrm{MF}}_{\mathrm{apparent}}^{\mathrm{gas}}=(1-{\mathrm{\α}}_{\mathrm{apparent}})\left(\frac{{\mathrm{\ρ}}_{\mathrm{liquid}}}{{\mathrm{\ρ}}_{\mathrm{apparent}}}\right){\mathrm{MF}}_{\mathrm{apparent}}^5$ 方程37

然后可确定表观表面液体速度(3010)。为找到表观表面液体速度，可将液体的体积流量除以流管横截面面积A_T，如上面方程2中所示、并在此再现：

${\mathrm{SV}}^{\mathrm{liquid}}=\frac{{\mathrm{MF}}^{\mathrm{liquid}}}{{\mathrm{\ρ}}_{\mathrm{gas}}{A}_T}$ 方程2

然后，确定液体质量流测量值的误差率(3012)。可将表观液体积质量流量中的此误差定义为真实液体质量流的比值，如方程38所示：

$\mathrm{error}\left({\mathrm{MF}}_{\mathrm{apparent}}^{\mathrm{liquid}}\right)=\left[\frac{{\mathrm{MF}}_{\mathrm{apparent}}^{\mathrm{liquid}}-{\mathrm{MF}}_{\mathrm{true}}^{\mathrm{liquid}}}{{\mathrm{MF}}_{\mathrm{true}}^{\mathrm{liquid}}}\right]$ 方程38

可使用方程39中的多项式表达式估计作为表观表面液体和表观表面气体流(归一化)这两者的函数的此分数液体质量流误差，其中显示误差项e_l ^c以指示液体质量流的校正误差：

$v_{\ln }^a=\frac{v_l^a}{v_{l\max }},v_{\mathrm{gn}}^a=\frac{v_g^a}{v_{g\max }}$

$e_l^c=a_1{v}_{\mathrm{gn}}^a\·e^{a_2{{v_{\mathrm{gn}}^a}^2+a}_3{v}_{\mathrm{gn}}^a+{{a_{4}v}_{\ln }^a}^2+a_5{v}_{\mathrm{lm}}^a}+a_6{v_{\mathrm{gn}}^a}^2+a_7{v}_{\mathrm{gn}}^a+a_8{v_{\ln }^a}^2+a_9{v}_{\ln }^a$ 方程39

在方程39中，由于表达式的尺寸，使用下面的符号：v_ln ^a表示归一化的表观液体流(对相应气体参数，下标中用“g”代替“l”)，其中，归一化处理基于例如由v_lmax和v_gmax表示的最大可能流量。

使用方程38和39，可确定校正液体积质量流量测量值(3014)，在此表达为方程40：

${\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{liquid}}=\left(\frac{{\mathrm{MF}}_{\mathrm{apparent}}^{\mathrm{liquid}}}{1+\mathrm{error}\left({\mathrm{MF}}_{\mathrm{apparent}}^{\mathrm{liquid}}\right)}\right)$ 方程40

然后，可确定含水量和成分密度(3016)，或使用上述技术而获得，并将其用于确定校正油流量和校正水流量(3018)。然后，使用校正体积密度和校正气体空隙比(3020)，可确定校正气体流量(3022)。

例如，使用方程41和42，可计算水和油质量流量：

${\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{water}}={\mathrm{WC}}_{\mathrm{corrected}}\left(\frac{{\mathrm{\ρ}}_{\mathrm{water}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}^{\mathrm{liquid}}}\right){\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{liquid}}$ 方程41

${\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{oil}}=(1-{\mathrm{WC}}_{\mathrm{corrected}})\left(\frac{{\mathrm{\ρ}}_{\mathrm{oil}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}^{\mathrm{liquid}}}\right){\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{liquid}}$ 方程42

然后，使用校正混合物密度(或校正气体空隙比)，可使用方程43和44确定气体质量流量：

${\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{gas}}={\mathrm{\α}}_{\mathrm{corrected}}\left(\frac{{\mathrm{\ρ}}_{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}}\right){\mathrm{MF}}_{\mathrm{corrected}}=\left(\frac{{\mathrm{\α}}_{\mathrm{corrected}}}{1-{\mathrm{\α}}_{\mathrm{corrected}}}\right)\left(\frac{{\mathrm{\ρ}}_{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}^{\mathrm{liquid}}}\right){\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{liquid}}=$

$=\left(\frac{{\mathrm{\ρ}}_{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}^{\mathrm{liquid}}}\right)\left(\frac{{\mathrm{\ρ}}_{\mathrm{corrected}}^{\mathrm{liquid}}-{\mathrm{\ρ}}_{\mathrm{corrected}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}-{\mathrm{\ρ}}_{\mathrm{gas}}}\right){\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{liquid}}$ 方程43

${\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{gas}}={\mathrm{\α}}_{\mathrm{corrected}}\left(\frac{{\mathrm{\ρ}}_{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}}\right){\mathrm{MF}}_{\mathrm{corrected}}=\left(\frac{{\mathrm{\α}}_{\mathrm{corrected}}}{1-{\mathrm{\α}}_{\mathrm{corrected}}}\right)\left(\frac{{\mathrm{\ρ}}_{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}^{\mathrm{liquid}}}\right){\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{liquid}}=$

$=\left(\frac{{\mathrm{\ρ}}_{\mathrm{gas}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}^{\mathrm{liquid}}}\right)\left(\frac{{\mathrm{\ρ}}_{\mathrm{corrected}}^{\mathrm{liquid}}-{\mathrm{\ρ}}_{\mathrm{corrected}}}{{\mathrm{\ρ}}_{\mathrm{corrected}}-{\mathrm{\ρ}}_{\mathrm{gas}}}\right){\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{liquid}}$ 方程44

应该理解的是，基于单相密度及它们随温度的变化，可以将质量流转换为参考温度上的体积流。

在某些情况下，在对误差曲线的多项式拟合中可存在不确定度，其中由方程45给出该不确定度对校正质量流量的影响：

$\mathrm{CE}=\frac{({\mathrm{MF}}_{\mathrm{corrected}}^{\mathrm{liquid}}-{\mathrm{MF}}_{\mathrm{true}}^{\mathrm{liquid}})}{{\mathrm{MF}}_{\mathrm{true}}^{\mathrm{liquid}}}=\frac{(e_{\mathrm{appraent}}^{\mathrm{liquid}}-e_{\mathrm{true}}^{\mathrm{liquid}})}{(1+e_{\mathrm{true}}^{\mathrm{liquid}})}$ 方程45

方程45帮助解释为何在测试区域外部使用校正算法时，某些数据会呈现大的误差。例如，如果给定流量处的计算误差为-70％，但真实误差为-75％，这样模型误差仅为5％，但校正质量流的误差为

$\frac{-0.7+0.75}{1-0.75}=0.2=20\%$

还可在如上所述的二相流建模结果中使用这样的计算，以考虑建模中的结果残差。在一个实施例中，可修改模型最小二乘拟合，以使得到的质量流误差(而不是模型误差)最小化。同样，一般说来，可能希望流管呈现小质量流误差，使得如果希望流量计校正大误差，则误差建模(以及因此的试验数据)变得相对更重要。

由此，如上参考图30所述，使用表观表面速度来执行质量流校正，以便从液体质量流校正解耦体积密度校正。

图31A-31D是示出三相流中二相液体的质量流量的校正的图。图31A-31D显示在将三相流校正算法应用到从使用垂直方向的四个油+水+气试验获得的数据时预测的液体质量流误差。图31A-31D显示：对于除最高的气体流(其在用于建模的数据范围之外)之外的所有流，基本校正曲线确实在5％以内起作用。

图32是示出作为油和水的质量流量的函数的质量流误差的图。图33是示出作为真实气体空隙比的函数的气体空隙比误差的图。图32和33示出由上面的算法的电子数据表实施例估计三个质量流比值的误差。

应该理解的是，气体质量流的实际确定可被混合物密度的不确定度和液相与气相之间的密度的相对差值所影响。同样，应该理解的是，取决于例如流管方向，上面讨论的密度校正多项式的可用性可能更大或更小。结果，例如，相比垂直流，水平流可导致更低的误差，反之亦然。

在上述方法中，表面液体和气体速度的使用可使得校正算法能包括所遇到的多相流态的信息，这可以带来更好的校正算法。

实践数据的结果指示：校正多项式曲线可得益于被设计在跨越所希望的流范围的数据上、以及被“装上护套”以防止当向已知区域外部的数据暴露时的虚假结果。

尽管上述实施例利用了外部含水量探测器或类似技术，但可能使用依赖于外部空隙比探测器/测量计235、以及/或依赖于其他输入参数的其他实施例。

此外，如上所述，还可以使用其他设备，如那些设计来确定“含油量”而不是含水量的设备。另外，如果混合物中的油和水具有分离好的密度，则可使用采样系统以获取混合物的代表样品，对其进行脱气，并使用科里奥利测量计来确定含水量。

如所述的，在单液体二相流的情况下，可使用操作温度和压力下的液体和气体密度的信息，与校正密度和质量流测量值一起，计算每个液体和气体质量流量，并从而计算液体和气体体积流。

在三相流的情况下，可使用额外的外部测量值，使得能够估计气体质量流以及两种液体的每一种的质量流。在水和油液体混合物的情况下，如上所解释和示出的，可在科里奥利测量计的上游测量混合物的含水量。在一个实施例中，可以这样的方式假定两种液体不相互作用，以使得就涉及与气相的相互作用而言，两种液体的混合物表现为单种液体的假设无效。此假设使得三相流成为单液体二相流的扩展，在采用二相流计算后，可使用额外的测量值确定混合液体密度，并解耦各个的液体流量。

如上面进一步讨论的，科里奥利测量计一般会较低地读取(under-read)混合物密度和液体/气体混合物的混合物质量流这两者。为补偿这些粗略测量值的误差，并估计真实测量值，可使用误差表面的模型，以对于质量流和密度测量值这两者，找出粗略密度和质量流测量值、与粗略测量值误差的值之间的映射，即执行数据拟合。

如已经指出的，密度和质量流误差曲线都可依赖于多个因素，例如，如测量计(meter)尺寸、测量计方向(例如水平与垂直)、以及标称(nominal)液体质量流。因此，可对于每个单独的测量计尺寸和方向，形成校正方法。在其他实施例中，可根据测量计尺寸缩放该补偿，和/或根据测量计指向调整该补偿。

例如，图24示出可使用神经网络实现的误差模型。

图34示出神经网络模型的具体形式，已证明具有仅仅两层权3412、3414、以及反曲形(sigmoidal)隐(hidden)单元3408的多层感知器(MLP)能够将任何连续映射函数近似到任意精度(假定隐单元的数量足够大)，也被称为普遍性(universality)性质。直观上由下面的思想支持这一点：可由足够多的非线性函数(由隐单元激活函数代表)的线性叠加(由输出单元激活函数执行)以任意精度近似任何合理函数映射。另外，作为前馈网络(即，在从输入到输出的数据流中没有内部环路)，其输出是输入的确定性函数，使得整个网络等价于多变量非线性函数映射。

为设计科里奥利测量计中的二或三相流误差的灵活补偿技术，神经网络模型提供至少下面的有利特征。例如，该模型提供从相关测量值的足够大的代表性数据库导出非线性函数映射的能力，而不需要处理的基本物理模型的现有信息。如果难以获得管内部实际物理过程，在二/三相流补偿问题的例子中，这样的特征可能尤其有利。

另外，与可能依赖于领域专门技术的其他数据拟合技术相比，可显著降低用于特定问题的可行解的开发时间。例如，在二相流补偿的特定情况下，改变测量计尺寸/方向/类型可能完全改变粗略测量值表面的形状，并且，对于传统数据技术，这可能意味着为函数映射找出另一形式的处理，不能保证其在合理时间内找到解。相反，使用相同的神经网络结构，神经网络训练(training)可通过在训练处理期间调整其内部参数而找出可用数据的“最优”(就选择来控制网络训练的成本函数的角度而言)解。

下面的讨论提供神经网络的一个例子，即MLP模型的解释。具体地，图34是MLP模型的图形表示。

为对如上讨论的密度和质量流的粗略测量值误差表面建模，可由 $\mathrm{MeasError}=F(\mathrm{dd},\stackrel{\·}{m})$ 给出函数映射，其中dd是表观混合物密度下降，

是液体的表观质量流。应该注意的是，此符号分别与上面用于相同参数即Δρ和MF的符号稍有不同。

由此图34示出具有两个输入(dd 3402和

3404)以及一个输出(MeasError 3406)的多层感知(MLP)。在图35中图示每个单元的状态。

可通过将激活函数f 3502用于n个单元输入x_i 3506的加权和3504，而给出单元的输出3510，由此定义单位函数3508，如图35和方程46所示：

$y=f\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{w}_i{x}_i\right)$ 方程46

概括而言，MLP是具有数层单元的前馈神经网络结构。前馈意指数据单调地从输入向输出流动，而没有内部环路；这确保输出函数是确定的。为保证普遍性性质，用于二相流测量误差补偿的MLP可以是具有用于隐单元3308的反曲形激活函数(activation)、以及用于输出单元3410的线性激活函数的两层结构。

在此情况下，可由 $\mathrm{sig}\left(a\right)=\frac{1}{1+e^{-a}}$ 给出反曲形激活函数，而可将线性激活函数表示为lin(a)＝a。

这样，用作输入的函数的MLP的输出可被写为方程47：

$\mathrm{MeasError}=\underset{i=1}{\overset{\mathrm{nh}}{\mathrm{\Σ}}}{w}_i^{\mathrm{ouput}}\mathrm{sig}(w_1^{\mathrm{input}}\mathrm{dd}+w_2^{\mathrm{input}}\stackrel{\·}{m})=\underset{i=1}{\overset{\mathrm{nh}}{\mathrm{\Σ}}}{w}_i^{\mathrm{output}}\frac{1}{1+e^{-(w_1^{\mathrm{input}}\mathrm{dd}+w_2^{\mathrm{input}}\stackrel{\·}{m})}}$ 方程47

即，方程47代表表观混合物密度下降和质量流的非线性函数，其中nh为隐单元3408的数量。

可在称为网络训练、而本质上是成本函数的优化的处理期间，确定网络参数w^input、w^output和nh。如上所述，为确保普遍性性质，nh必须足够大(其实际上指示模型的自由度，因而指示其复杂度)。然而，应该适当地选取其值；过小的值会导致训练数据的拟合变差，而由于过拟合训练数据(传统多项式数据拟合的领域中的并行(parallel)是多项式的阶数)，过大的值会导致概括能力(generalisation capability)变差。

有各种选择隐单元3408的数量的方法。一种技术是执行对nh的穷举搜索(在某种合理限度内)，并选择达到最优概括的值。

下面说明训练处理的一个实施例的概要。将可用于训练的数据分为三个独立集合：训练集合(用于重复改变MLP权的值，以最小化成本函数)；确认集合(用于提前停止训练，以避免过拟合训练数据)；以及测试集合(用于选择隐单元的数量)。

在一个实施例中，网络训练从网络权 $w_0=(w^{{\mathrm{input}}_0},w^{{\mathrm{output}}_0})$ 的初始集合开始，并连续改变它们，以最小化预定成本函数，例如，均方差。在每次这样的改变时，可估算与训练集合中的数据相对应的MLP的输出，并且，为了最小化训练集合上的成本函数值，根据神经网络领域中已知的特定“学习规则”而更新权值。

还可在确认集合上估算成本函数，并且当成本函数开始增长时停止训练，从而可达到训练数据的拟合与概括容量之间的适当折中。即，可避免在训练集合上从训练到收敛的过拟合。如果有足够的数据可用，则还可使用测试集合来评估如所述进行训练的、但具有不同数量的隐单元的数个MLP的性能，以选择给出测试集合上的最小成本函数的结构。

在质量流补偿的情况下，对于低GVF区域，如果与其他区域相分离地考虑此区域，并相应地对其建模，则可增加补偿精度。该方法建议使用具有专门技术相分离的、但有重叠的区域的“模型委员会”，也称为“专家混合体”，以使能模型之间的软切换。

这样的委员会的一个例子(用于补偿垂直指向的1”流管的粗略质量流误差)是：

模型1：0-1.5kg/s，0-15％GVF

模型2：0-1.5kg/s，10％GVF以上

模型3：1.2kg/s以上，0-15％GVF

模型4：1.2kg/s以上，10％GVF以上

还可使用流和GVF的整个范围来训练被称为“覆盖(blanket)模型”的不同模型。覆盖网络可被用来提供关于真实液体质量流的大致信息。与估计的真实GVF(基于密度补偿模型)一起使用此估计值，可选择特定专家模型(或者，如果该数据落入重叠区域，则是两个专家模型的组合)，并且采用其补偿。

图36A、36B、以及37A-D示出根据对于水平和垂直指向、具有水和空气的1”科里奥利流量计而选择的二相流数据的结果。使用55条流线，其中，标称流的范围为以步长0.025kg/s从0.35kg/s到3.0kg/s，典型GVF步长为0.5％和1％GVF(取决于标称流值)，给定总共3400个试验点，每条流线平均45个点。在图36A和36B中分别给出粗略密度和质量流误差的相应表面。

基于此数据，可使用独立测试数据，在线导出和验证如上所述的、用于密度和液体质量流误差的补偿解，如图37A-37D所示。用于补偿技术的模型输入是粗略归一化液体表面速度 $v_{\ln }^a=\frac{v_l^a}{v_{l\max }}=\frac{\frac{{\mathrm{MF}}_{\mathrm{apparent}}^{\mathrm{liquid}}}{A_{\mathrm{\τ}}{\mathrm{\ρ}}_{\mathrm{liquid}}}}{v_{l\max }}$ (其中符号A_τ代表流管的横截面面积，v_lmax代表液体的最大表面速度，而MF_apparent ^liquid代表液体的质量流量)以及表观混合物密度下降。

该示例中的测试数据包括13条流线(flowline)，其中标称流范围以步长0.25kg/s从0.6kg/s到3kg/s，GVF步长2％，给定总共266个试验点，每条流线平均20个点。

图38-68是示出上面参考图1-37所述的各种实施例、或相关实施例的测试和/或建模结果的图。更具体地，除非下面另外声明，图38-68是反映其中使用的液体为具有35°API重力的原油、NaCl(氯化钠)比重为2％的模拟盐水(即，盐-水混合物)、以及氮气的三相试验的结果的图。测试在大约150psig的压力以及100的温度下进行的。

在下面的说明和附图中，参考下面的测试条件：

Test00wc-4000bpd

Test00wc-6000bpd

Test06wc-3000bpd

Test06wc-4000bpd

Test06wc-6000bpd

Test06wc-8000bpd

Test13wc-3000bpd

Test13wc-6000bpd

Test25wc-3000bpd

Test25wc-7000bpd

Test35wc-3000bpd

Test35wc-7000bpd

Test50wc-3000bpd

Test50wc-5000bpd

Test50wc-7000bpd

Test50wc-8000bpd

在此情况下，图38A和38B分别示出根据科里奥利测量计的粗略密度和质量流测量值得出的由气体引起的误差结果。

图39示出在这些试验中使用的含水量探测器的观测响应。对于该特定设备，与真实值(对于没有气体的油-水混合物)相比，自由气体的存在降低观测含水量，并随着气体空隙增加而单调减小。在其它因素中，该响应还可以是总体质量速率和液相的固有含水量的函数。对于给定的气体空隙比(GVF)级别，观测的含水量一般随着总体质量速率和固有含水量的增加而减小。例如，含水量响应表面还可被诸如液体性质和流态之类的参数所影响。

图40A-40C示出基于图38A、38B和39所示的数据集合、在已完成基于神经网的建模之后的体积混合物质量流和密度、以及含水量测量值的残差，其中含水量范围从0到50％。体积质量流误差大多数保持在读数的2％以内，体积密度误差大多数在读数的1％以内，并且含水量误差大多数在0-100％全刻度范围的2％以内。

图41示出如何将这些结果映射到油、水和气体流的相应体积流误差。注意到，对于气体和水体积，低的绝对体积流(对于水是低含水量，而对于气体是低GVF)可导致作为读数的比例的大百分比误差。因为在这些试验中油流量可能较重要，按照百分比的误差大多数保持在5％以内。

图42-47是证明用于扩展质量流计算以生成一般体积油、水和气体读数的技术的图。图42-47还证明含水量读数的误差可如何影响油、水和气体体积测量值。

在图42-47中，质量流和密度误差校正基于上述油数据，其中含水量6％，参考含水量值5.5％。因为这些图本身还基于此数据集合，所以质量流和密度误差预测量值相对较小，其不必相关于含水量精度如何影响体积测量值的证明。

如上所述的科里奥利原理以及相关技术为三相、混合液体的总体质量流和密度提供估计值。与二相流误差的模型一起，真实液体密度和(可能是估计的或校正的)含水量的信息给出仅仅液体的质量流量、以及气体空隙比(GVF)的估计值。由此，在图42-47中示出最终计算，其中给定仅仅液体的质量流量和含水量，获得油和气体成分的体积流量，同时GVF产生气体体积流量。

因此，图42-44分别示出假定完全已知含水量时的体积水、油和气体流量的计算。在此假定下，油和水体积误差一直都小，其主要取决于在这些条件下较小的密度和质量流校正的残余建模误差。

在低GVF处，气体体积流可能易受密度计算的误差的影响。例如，具有2％GVF时，GVF的估计值的1％的绝对误差可能导致估计的体积气体流的50％的误差。如此大的相对误差一般与相对低的气体流相关，从而，在诸如在此说明的示例的油和气体应用中，可能不一定太重要。

图45-47示出当含水量估计值存在+1％绝对误差时的相同的计算。考虑到基本测量精度，这是用于二或三相流效应的校正所遵循的合理误差容限。

更具体地，图45示出具有+1％含水量绝对误差的水体积误差。最大平均误差为大约16％。具有整个液体体积的仅仅6％的真实含水量时，含水量估计值的1％绝对误差可导致水体积流量的大约16％的过量估计。

图46示出油体积流的相应误差小得多，其反映出1％含水量误差对94％含油量测量值具有较小的影响。最后，图47示出含水量误差对气体体积测量值的影响。由此，可看出在低GVF处，气体流误差易受含水量误差的影响，其中此影响可随GVF更高而降低。

图49-50是示出为气体引入的误差校正来自含水量测量计(即，相动态含水量测量计)的读数的图。用于图48-50的数据基于上述油数据，其中标称含水量值为0.0、5.5、13.1、24.8、35.6以及50.0％。尽管实际含水量输出截止一般为0，但与含水量测量计的操作相关联的粗略频率数据、以及特征方程考虑低于0％的扩展含水量读数，如所示。

在此情况下，由于从处理中“水中带汽(carry-under)”的气体的残量的存在，参考上面涉及的特定测试结果，含水量测量计即使在GVF为0％时也具有如下(以绝对含水量单位表示)误差：

Test00wc-4000bpd：-0.52

Test00wc-6000bpd：-1.91

Test06wc-3000bpd：-0.89

Test06wc-4000bpd：-0.74

Test06wc-6000bpd：-1.53

Test06wc-8000bpd：-2.78

Test13wc-3000bpd：1.17

Test13wc-6000bpd：0.87

Test25wc-3000bpd：0.91

Test25wc-7000bpd：-0.56

Test35wc-3000bpd：0.74

Test35wc-7000bpd：-0.35

Test50wc-3000bpd：3.89

Test50wc-5000bpd：2.64

Test50wc-7000bpd：2.90

Test50wc-8000bpd：2.31

为了校正气体引入的误差的目的，考虑含水量测量计在GVF为0％时没有误差(如图1)。

在图48和49中，以下面的输入沿上述流线构建神经网：粗略含水量读数、真实质量流读数、以及真实空隙比。输出包括含水量误差(以含水量的绝对单位表示-在此情况下为百分比)。因此，该神经网络和如上所述的质量流/密度校正之间的连续计算导致收敛的整体解。

以所述的数据，如图48所示，可从大到40％的误差直到主要在2％以内的绝对误差来校正含水量计读数，如上面参考图42-47所述的，其可影响科里奥利测量计的水和油校正。

图48显示为示出神经网络模型不能适当地校正某些流线，但对有问题的流线的详细研究表明，该模型是试验状态的光滑的最小二乘近似，同时实际含水量误差数据更加非线性(例如，见图49)。如密度和质量流误差那样，较高的数据密度(即，更多的试验点)可使得拟合的质量得到改善，并且还可考虑试验噪声水平的良好评估。

图50-54是示出液体和气体质量流的连续校正、以及使用如上面参考图27概述的含水量校正的图。在图50-54中，数据基于上述油数据，其中标称含水量值为5.5％，而在此阶段使用的质量流和密度校正基于具有6％含水量的油数据。此处使用的含水量校正模型(即，神经网络模型)是上面参考图48和49所述的模型。

上面参考图39说明并示出了粗略含水量误差，该图显示如上所述的粗略含水量误差，但是，对于流分析的其余部分，含水量读数被限制在0和100％内，而将超出范围的值强取为极限值。

图50A和50B分别示出粗略混合物密度和质量流误差。图51A-51C分别示出水、油和气体质量流的粗略误差。图52示出图27的两次迭代后的收敛，其中含水量测量值被校正到3％以内，混合物密度主要在1％以内，并且质量流主要在2％以内。

图53A-53C示出处理期间的校正含水量状态。在图54A-54C中分别示出水、油和气体校正精度。在此，油质量流被校正到3％以内。在图54A-54C中，水质量流所受影响最大，含水量中2-3％误差产生水质量流的+/-40％误差。在低GVF处气体误差高，而在GVF超过15％时下降到3％以内。如密度和质量流误差那样，较高的数据密度(即，较多的试验点)一般可得到拟合质量的改善，并还可得到试验噪声水平的更好的评估。

图55-63为示出液体质量流和密度的“三维”校正的图，其考虑了由于含水量测量值的变化而引起的误差变化。可使用该技术获得含水量的较宽范围上的可接收误差(与上面的示例相反，其中报告的数据一般被限制到大约6％的含水量)。

由此，为考虑这种由于含水量测量值的变化引起的质量流和密度误差的变化，图55-63示出与表观混合物密度下降和表观质量流一起、作为额外输入参数而使用真实含水量读数。

该数据基于上述油数据，但标称含水量值为0、5.5、13.1、24.8、35.6以及49％。每个标称含水量的流线分布如下：

0％：4000以及6000bpd

5.5％：3000、4000、6000以及8000bpd

13.1％：3000以及6000bpd

24.8％：3000以及7000bpd

35.6％：3000以及7000bpd

49％：3000、5000、7000以及8000bpd

图55A和55B分别示出粗略液体混合物密度和质量流误差。图56-61示出在采用先前使用的“6％含水量”模型之后的残余液体混合物质量流误差。明显的是，尽管某些误差(尤其是图57的6％含水量数据本身)较小，但是在较高的含水量处，残差增加。对于使用6％含水量数据作为模型的残余密度误差，显示类似的趋势。

使用真实含水量值作为额外输入来训练混合物密度和质量流误差的改善模型。在图62和63中给出关于训练数据的所得校正的精度。与仅基于单一含水量的模型(质量流在5％以内，而不是2％；密度在2％以内，而不是1％)相比，残差较大。然而，该模型覆盖了取代仅仅单一值的含水量读数的好的范围，并且，在图56-61中代表对最坏误差的潜在改善。

可通过具有更多的数据点来减小所述误差。例如，对于大多数含水量，仅存在两条流线。集合中数据点的数量可能不足以识别离群点(outlier)。使用更多更好的数据质量，即使考虑到含水量值的范围，更小的质量流和密度误差或许也是可能的。

图64-68是示出将图55-63的三维液体质量流和密度校正嵌入上述参考图50和54、以及图27的处理的结果的图。通过连续生成含水量、密度和质量流校正，可显示导致使用该模型和含水量误差模型的体积误差。

由此，图64-68示出使用考虑了由于含水量而引起的变化的密度和质量流校正的含水量、液体、以及气体质量流校正的连续校正的结果。最终结果为油、水和气体的体积流的计算，其可被例如油气工业使用。

这些示出的计算代表“完整”集合，适用于油持续应用。该数据基于上述油数据，其中标称含水量值为0、5.5、13.1、24.8、35.6以及49％。所使用的含水量、质量流和密度校正基于用于从0到50％的含水量范围的全部数据集合。

所用的含水量校正模型与上面参考图42-49讨论的模型相同。如已说明的，所采用的程序如参考图27和50-54所述的那样，但所用的密度和质量流校正考虑了含水量变化。所用的密度和质量流校正模型是上面参考图55-63所述的模型。

上面的图39示出粗略的、气体引起的含水量测量计误差。图64A、64B、65A、65B和65C分别给出粗略混合物密度和质量流的气体引起的误差、以及粗略水、油和气体误差。使用有效数据，可以在连续计算中收敛，其中校正的含水量测量值在5％以内，混合物密度主要在2％以内，并且质量流主要在5％以内，如图66A-66C所示。

在图67A-67C中示出连续计算后达到的水、油和气体校正精度。将油质量流校正到主要在5％以内。水体积流受影响最大，含水量2-3％的误差产生水体积流的+/-40％的误差。如所期望的，在低GVF处气体误差较高，而在GVF超过15％时下降到主要在5％以内。

图68示出处理期间的校正含水量状态的示例。如密度和质量流误差那样，较高的数据密度(即，较多的试验点)一般可允许拟合质量的改善，并还可允许试验噪声水平的更好评估。

给定特定应用中使用的油、水和气的适当数据，示出了一组分析工具和校正算法，其可补偿科里奥利和含水量读数中由气体引起的误差，从而给出体积气、水和油流量。

如上所述，质量流测量计能够在均具有单一或混合液体的测量流中(即，二相或三相流中)存在高百分比的气体时保持运作。由此可获得液体-气体混合物密度和质量流的估计值和/或表观测量值。然而，这些估计值具有可能如此大以至于导致粗略测量值无用的误差，该误差取决于各种因素，包括例如：气体空隙比、以及/或真实液体质量流。

通过与表观质量流量和密度测量值一起使用额外的测量参数，例如，如含水量或气体空隙比测量值，可获得所有这些参数以及其他参数的校正值。另外，通过使得曾改善的校正值循环经过这些测量和计算，可获得不断改善的值，例如，如校正值收敛到特定值。

如上所述，用于执行这些校正的技术可基于数据拟合技术，其寻求确定例如具体设置或配置下的现有误差率，从而在将来的测量和校正中解决这些误差。如此，这些技术可取决于获得数据的设置/配置与最终采用它们的设置/配置之间的相关程度。

可使用相关的或其他的校正技术，以寻求以更一般的理解来特征化液体流，即，使用寻求描述作为物理物质的流的状态的液体流方程。例如，在此理解下，可使用公知的纳维尔-斯托克斯(Navier-Stokes)方程。

具体地，纳维尔-斯托克斯方程的三维不稳定形式描述了运动液体的速度、压力、温度和密度如何相关。该方程是一组耦合微分方程，并且对于给定流问题，理论上可通过使用根据微积分的方法求解该方程，或者，或许使用可被确定为在给定情形下有帮助和有用的特定简化或调整，来分析求解该方程。

例如，这些或相关方程可考虑对流(在由流的规则运动传输某些特性的气体流中发生的一种物理过程)、以及/或扩散(在由气体分子的随机运动传输某些特性的气体流中发生的一种物理过程，并且其可能与气体的粘性相关)。湍流、以及边界层的生成，都是流中扩散的结果。

通过使用这样的液体流方程和性质，可获得用于上述的多个或全部参数和技术的校正技术。例如，在定义一般校正模型时，可使用这样的液体流方程，其可通过诸如上述技术的数据拟合技术来补充，反之亦然。

已说明了数个实施例。然而，将理解的是，可进行各种修改。因此，其他实施例在下面的权利要求的范围内。

Claims (35)

1、一种系统，包括：

控制器，其可操作以从连接到容纳三相液体流的可振动流管的第一传感器接收传感器信号，该三相液体流包括第一液体、第二液体和气体，该控制器还可操作来分析传感器信号，以确定液体流的表观流参数；

第二传感器，其可操作来确定液体流的表观流条件；以及

校正模块，其可操作来输入表观流参数和表观流条件，并从其确定校正流参数。

2、如权利要求1所述的系统，其中校正模块还可操作来输入表观流参数和表观流条件，并从其确定校正流条件。

3、如权利要求1所述的系统，其中表观流参数包括液体流的表观体积密度。

4、如权利要求1所述的系统，其中表观流参数包括液体流的表观体积质量流量。

5、如权利要求1所述的系统，其中第二传感器包括液体比探测器，其可操作来确定液体比测量值，该测量值标识第一液体关于第二液体的体积比值。

6、如权利要求1所述的系统，其中第二传感器包括空隙比确定系统，其可操作来确定液体流内气体的空隙比。

7、如权利要求1所述的系统，还包括成分流量确定系统，其可操作来确定液体流内第一液体的流量。

8、如权利要求7所述的系统，其中在控制器、校正模块、第二传感器处，或在与控制器、校正模块、或第二传感器通信的主机计算机处实现成分流量确定系统。

9、如权利要求1所述的系统，还包括成分流量确定系统，其可操作来确定液体流中气体的流量。

10、如权利要求1所述的系统，其中校正模块的实现与控制器的处理器相关联。

11、如权利要求1所述的系统，其中校正模块的实现与第二传感器的处理器相关联。

12、如权利要求1所述的系统，包括主机计算机，其与控制器或第二传感器通信，并可操作来实现校正模块。

13、如权利要求1所述的系统，其中：

第二传感器可操作来将第一表观流条件值输出到控制器，以用于确定第一校正流参数值；

控制器可操作来将第一校正流参数值输出到第二传感器，以确定第一校正流条件值；以及

第二传感器可操作来将第二校正流条件值输出到控制器，以用于确定校正流参数值。

14、如权利要求1所述的系统，其中校正模块包括神经网络，其可操作来输入表观流参数和表观流条件，并输出校正流参数和校正流条件。

15、如权利要求14所述的系统，其中神经网络包括：

第一校正模型，其对第二传感器和流条件的类型是特别的，并且，其可操作来输出校正流条件；以及

第二校正模型，其对表观流参数的类型是特别的，并且，其可操作来输出校正流参数，

其中，第一校正模型可操作来基于表观流条件和校正流参数而校正表观流条件，并且，第二校正模型可操作来基于表观流参数和校正流条件来校正表观流参数。

16、如权利要求1所述的系统，其中控制器可操作来基于表观流参数和校正流参数之间的理论关系而校正表观流参数。

17、如权利要求1所述的系统，其中控制器可操作来基于表观流参数和校正流参数之间的经验关系而校正表观流参数。

18、如权利要求1所述的系统，还包括连接第二传感器和可振动流管的导管，使得液体流流过第二传感器、管道、以及可振动流管。

19、如权利要求18所述的系统，其中，在由第二传感器确定流条件期间，在液体流内，第一液体、第二液体以及气体相互共同混合。

20、一种方法，包括：

确定通过流管的多相流的表观体积密度，该多相流包括第一液体、第二液体、以及气体；

确定该多相流的表观体积质量流量；以及

基于表观体积密度和表观体积质量流量，确定第一液体的第一质量流量。

21、如权利要求20所述的方法，包括：除了表观体积密度和表观体积质量流量外，确定多相流的表观流条件，其中确定第一液体的第一质量流量包括：基于表观流条件，确定第一质量流量。

22、如权利要求21所述的方法，其中确定第一液体的第一质量流量包括：基于表观流条件，确定校正流条件。

23、如权利要求22所述的方法，其中确定校正流条件包括：确定校正体积密度和校正体积质量流量。

24、如权利要求21所述的方法，其中确定表观流条件包括：确定多相流内第一液体的体积比值的表观液体比测量值。

25、如权利要求21所述的方法，其中确定表观流条件包括：确定多相流内气体的表观气体空隙比。

26、如权利要求21所述的方法，其中确定第一液体的第一质量流量包括：

基于表观体积密度，确定校正体积密度；以及

基于表观质量流量，确定校正体积质量流量。

27、如权利要求26所述的方法，其中确定校正体积密度和确定体积质量流量包括：基于表观流条件，确定校正流条件。

28、一种流量计，包括：

容纳有三相流的可振动流管，该三相流包括第一液体、第二液体、以及气体；

驱动器，被连接到流管，并可操作来将运动赋予流管；

传感器，被连接到流管，并可操作来检测流管的运动并生成传感器信号；以及

控制器，被连接来接收传感器信号，并基于传感器信号，确定通过流管的三相流内第一相的第一流量。

29、一种改善流量计的输出的方法，包括：

确定通过流管的多相流的表观体积密度，该多相流包括第一液体、第二液体、以及气体；

确定该多相流的表观体积质量流量；

确定该多相流的表观流条件；以及

基于表观体积密度、表观质量流量和表观流条件，校正表观体积密度或表观质量流量。

30、一种改善液体比探测器的输出的方法，包括：

确定通过流管的多相流的表观体积密度，该多相流包括第一液体、第二液体、以及气体；

确定该多相流的表观体积质量流量；

确定该多相流内的第一液体的表观液体比；以及

基于表观体积密度、表观质量流量和表观液体比，校正表观液体比以获得校正液体比。

31、如权利要求30所述的方法，包括：基于表观体积密度、表观质量流量和校正液体比，确定三相流内气体的气体空隙比。

32、一种获得气体空隙比测量值的方法，包括：

确定通过流管的多相流的表观体积密度，该多相流包括第一液体、第二液体、以及气体；

确定该多相流的表观体积质量流量；

确定该多相流内的气体的表观气体空隙比；以及

基于表观体积密度、表观质量流量和表观气体空隙比，校正表观气体空隙比以获得校正气体空隙比。

33、如权利要求32所述的方法，包括：基于表观体积密度、表观质量流量和校正气体空隙比，确定三相流内第一液体的液体比。

34、一种系统，包括：

导管，具有通过其的液体流，该液体流包括至少第一液体成分、第二液体成分、以及气体成分；

可振动流管，与导管相串联，并且具有通过其的液体流；

第一传感器，可操作来确定通过导管的液体流的第一表观特性；

第二传感器，被连接到流管，并可操作来检测关于流管的运动的信息；

驱动器，被连接到流管，并可操作来将能量赋予流管；

控制和测量系统，可操作来测量液体流的第二表观特性和第三表观特性；以及

校正系统，可操作来基于第一表观特性、第二表观特性、以及第三表观特性，确定校正第一特性、校正第二特性、以及校正第三特性。

35、一种系统，包括：

控制器，其可操作来确定液体流的第一表观特性，在该液体流中，第一液体、第二液体和气体共同混合；

测量计，其可操作来测量液体流的第二表观特性；以及

校正模块，其可操作来输入第一表观特性，并输出第一校正特性，

其中，该测量计可操作来输入第一校正特性和第二表观特性，并输出第二校正特性。

Images