-
Die Erfindung betrifft ein Verfahren und/oder eine Einrichtung zur Durchflussmessung insbesondere von Fluiden wie Öl und/oder Gas.
-
In industriellen Bereichen wie z.B. der Verfahrenstechnik, der Abrechnung von Ein- und Verkauf von Versorgungsunternehmen oder beim Transport von Fluiden in Rohrleitungen spielen Durchflussmessungen sowie Durchflussmesstechnik in wirtschaftlicher wie auch in technischer Hinsicht eine bedeutsame Rolle. Die Anforderungen an eine genaue und zuverlässige Bestimmung eines Durchflusses von Fluiden (Flüssigkeiten und/oder Gasen) in Rohrleitungen haben zu einer Entwicklung von verschiedenen Messverfahren geführt. Üblicherweise kann bei diesen Messverfahren zwischen einer Messung des Volumenstroms und einer Messung des Massenstroms unterschieden werden. Bei der Volumenstrommessung wird beispielsweise eine Fließgeschwindigkeit von Fluiden gemessen und dann daraus ein Durchfluss ermittelt. Bei bekannter Dichte des Fluids kann der Massestrom aus dem Volumenstrom ermittelt werden. Ist die Dichte nicht bekannt, so ist die Dichte für die Messung des Massenstroms zu ermitteln. Bei Flüssigkeiten wird dazu die Temperatur erfasst, bei Gasen sind sowohl die Temperatur als auch der Druck zu erfassen.
-
Ein z.B. in der Prozess- und Automatisierungstechnik vielfach eingesetztes Messverfahren ist die so genannte UltraschallDurchflussmessung. Dieses Verfahren hat gegenüber anderen Durchflussmessverfahren, wie z.B. dem Wirkdruckverfahren, Wirbelfrequenzzähler, volumetrischen Verfahren, etc. den Vorteil, dass eine Rückwirkung des Messverfahrens auf die Strömung relativ gering und das Verfahren weitgehend unabhängig von den Eigenschaften der verwendeten Medien (z.B. elektrische Leitfähigkeit, Dichte, Temperatur, Druck, etc.) ist. Bei der Ultraschalldurchflussmessung wird die Geschwindigkeit eines strömenden Fluids mit Hilfe von akustischen Signalen, insbesondere Ultraschallwellen oder Ultraschallimpulsen, gemessen. Bei der akustischen Durchflussmessung mittels Ultraschall kommen üblicherweise zwei wesentliche Messverfahren zum Einsatz: das so genannte Ultraschall-Doppler-Verfahren und das so genannte Ultraschall-Laufzeit-Verfahren.
-
Beim Ultraschall-Doppler-Verfahren wird eine Frequenzverschiebung des ausgesendeten akustischen Signals aufgrund der Fließgeschwindigkeit von insbesondere im Fluid befindlichen Partikeln erfasst und ausgewertet. Bei einem Ultraschall-Messgerät, welches nach dem Dopplerprinzip arbeitet, genügt bereits die Verwendung einer Wandlereinheit. Diese Wandlereinheit kann sowohl als Sender als auch als Empfänger für das akustische Signal dienen.
-
Eine relativ weite Verbreitung hat das Ultraschall-Laufzeit-Verfahren. Dabei wird ein strömendes Medium bzw. Fluid, dessen Durchflussvolumen gemessen werden soll, durch ein Messrohr geleitet. Bei diesem Messrohr sind axial gegeneinander versetzt Wandlereinheiten, insbesondere Ultraschallwandler, vorgesehen, wobei die Wandlereinheiten wechselweise als Sende- und Empfangswandlereinheiten betrieben werden können. Derartige Ultraschall-Durchflussmessgeräte sind beispielsweise aus den Schriften
WO 2007/059790 oder
DE 103 28 662 A1 bekannt.
-
Aus der
DE 10 2012 012 252 A1 ist ein weiteres System zur Durchflussmessung bekannt, welches eine Selbstüberwachung aufweist. Mittels einer Überwachungsvorrichtung wird ein Fehlerzustand erkannt.
-
Eine Aufgabe der Erfindung ist es ein einfaches Verfahren bzw. eine Einrichtung zur Durchflussmessung anzugeben. Eine Lösung der Aufgabe ergibt sich nach Anspruch 1 bzw. nach Anspruch 7. Ausgestaltungen ergeben sich auch nach den Ansprüchen 2 bis 6 bzw. 8 bis 14.
-
Eine Durchflussmesseinrichtung weist eine Korrelationsdatenerfassungseinrichtung und eine Korrelationsdatenauswertungseinrichtung auf, wobei die Korrelationsdatenauswertungseinrichtung insbesondere intelligent ist. Zur Bereitstellung der Intelligenz wird insbesondere ein KI-Algorithmus verwendet. Ein selbstlernender KI-Algorithmus (KI: künstliche Intelligenz) erfasst z.B. während einer Lernphase neben den prozessrelevanten Eingangsgrößen auch korrelierte Eingangsgrößen (z.B. Druck, Temperatur, Leistungsaufnahme, Momente, Regeventilstellungen etc.) einer verfahrenstechnischen Einrichtung. Die korrelierten Größen, wie Druck, Temperatur, Leistungsaufnahme, Momente, Regelventilstellungen, usw. sind die Korrelationsdaten. Damit kann ein eine Art Soft-Sensor für eine Durchflussmessung (ein- bzw. mehrphasig) unter Einsatz zumindest eines KI-Algorithmus gebildet werden.
-
In der Öl- und Gas-Industrie werden Gas- und Fluid- Durchflussmengen beispielsweise mit einem direkten Mengenmessverfahren gemessen. In Fällen, in denen sich die direkte Messung aus wirtschaftlichen oder verfahrenstechnischen Gründen verbietet bzw. nicht praktikabel erscheint, kann eine Mengenmessung bzw. eine Durchflussmessung die Mengen durch kalkulatorische Verknüpfung anderer verfügbarer, technisch relevanter Messgrößen ermitteln. Derartige relevante Messgrößen können Korrelationsdaten darstellen. Die kalkulatorische Verknüpfung, also die Kalkulationen, können auf analytischen Modellgleichungen bzw. Modellen basieren, deren Genauigkeit in der Regel durch empirische Korrekturfaktoren verbessert werden können. Die Ermittlung der empirischen Gleichungen ist aufwändig und ggf. fehlerbehaftet. Die jeweiligen Korrekturfaktoren sind durch Kalibrierung mit hochgenauen direkten Messverfahren zu ermitteln. Bei Veränderung der Zusammensetzung des Fluids (z.B. Erhöhung des Flüssig- oder Feststoffanteils bei Öl- oder Gasquellen) wird die Genauigkeit der kalkulierten Durchflussmessung verschlechtert. Wenn die Änderung der Zusammensetzung durch andere Mittel registriert wird, kann durch eine erneute Kalibrierung die Genauigkeit der kalkulierten Mengenermittlung verbessert werden.
-
Beispiele direkter Messverfahren sind Coriolis-Messgeräte, Mehrphasen-Messgerät, Venturi-Messgeräte etc. Andere Verfahren bedienen sich z.B. eines analytischen Modells und/oder empirischer Korrekturfaktoren. Bei Veränderungen der Parameter (z.B. Medienzusammensetzung, Arbeitsbereich etc.) ist eine Neukalibrierung erforderlich.
-
In einer Ausgestaltung der Durchflussmesseinrichtung ist die Korrelationsdatenauswertungseinrichtung angelernt. Zum Anlernen werden neben den Korrelationsdaten beispielsweise auch Ergebnisse einer analytischen Modellgleichung sowie Messergebnisse einer direkten, höhergenauen Messung (insbesondere Mengenmessung), die insbesondere zur Kalibrierung herangezogen wird, verwendet.
-
In einer Ausgestaltung der Durchflussmesseinrichtung weist diese eine Referenzdatenmesseinrichtung auf. Die Referenzdatenmesseinrichtung dient der höhergenauen Messung und der Gewinnung von Referenzdaten insbesondere zur Kalibrierung. Damit kann ein erfolgreiches Lernen der KI erreicht werden.
-
In einer Ausgestaltung der Durchflussmesseinrichtung weist diese ein analytisches Modell auf. Mittels des analytischen Modells kann über zumindest ein Referenzdatum ein Messdatum ermittelt werden.
-
In einer Ausgestaltung der Durchflussmesseinrichtung weist die Korrelationsdatenauswertungseinrichtung eine Anomalieerkennung auf. Durch die Anomalieerkennung kann z.B. eine Gefahrensituation erkannt werden.
-
In einer Ausgestaltung der Durchflussmesseinrichtung weist die Korrelationsdatenauswertungseinrichtung eine Unsicherheitserkennung auf. Damit kann angezeigt werden, ob man sich auf die Auswertung eher verlassen kann oder der Auswertung eher misstrauen sollte.
-
Bei einem Verfahren zur Durchflussmessung werden Korrelationsdaten und Referenzdurchflussdaten gemessen, wobei die Korrelationsdaten und die Referenzdurchflussdaten ausgewertet werden, wobei zur Auswertung insbesondere eine Korrelationsdatenauswertungseinrichtung verwendet wird. Die Messung betrifft insbesondere ein Fluid wie Öl und/oder Gas in einem Rohr. Durch die Auswertung ist es möglich, alleine aus den Korrelationsdaten auf Messdaten zu schließen um schließlich auf eine direkte Messung verzichten zu können.
-
In einer Ausgestaltung des Verfahrens verwendet die Korrelationsdatenauswertungseinrichtung künstliche Intelligenz (KI), insbesondere einen oder mehrere KI-Algorithmen.
-
In einer Ausgestaltung des Verfahrens erfasst ein selbstlernender KI-Algorithmus während einer Lernphase neben den prozessrelevanten Eingangsgrößen auch korrelierte Eingangsgrößen (z.B. Druck, Temperatur, Leistungsaufnahme, Momente, Regeventilstellungen etc.) der verfahrenstechnischen Einrichtung. In der Lernphase werden zum Lernen insbesondere auch die Ergebnisse einer analytischen Modellgleichung aus einem analytischen Modell sowie die Messergebnisse der direkten, höhergenauen Mengenmessung, aus der Referenzdatenmesseinrichtung, die zur Kalibrierung herangezogen wird, verwendet.
-
In einer Ausgestaltung des Verfahrens wird also ein analytisches Modell zur Erzeugung von Modelldaten verwendet. Als Eingangsgrößen für das analytische Modell können gemessene Korrelationsdaten verwendet werden.
-
In einer Ausgestaltung des Verfahrens ermittelt der KI-Algorithmus in der Korrelationsdatenauswertungseinrichtung selbstständig die erforderliche Korrekturgrößen während der Lern-/Kalibrierphase. Diese Lern-/Kalibrierphase kann beendet werden, wenn der KI-Algorithmus keine Verbesserungen im Ergebnis zeigt.
-
In einer Ausgestaltung des Verfahrens wird nach einer gemeinsamen Auswertung der Korrelationsdaten und der Referenzdurchflussdaten die Auswertung der Referenzdurchflussdaten beendet, also die Lernphase bzw. die Kalibrierphase beendet. Nach der Beendigung kann die Auswertung der Korrelationsdaten weiter aktiv sein. Beispielsweise werden nach Entfernung der Kalibriermessung bzw. nach Entfernung der Referenzdatenmesseinrichtung das analytische Modell und die Korrektur des KI-Modells z.B. für die Mengenanzeige verwendet. Insbesondere können durch einen Mechanismus einer Anomalieerkennung mittels KI ungewöhnliche Veränderungen in der Messstrecke (z.B. Verschleiß von Komponenten, Sensorfehlanzeigen, Änderungen der Zusammensetzung des Fluids) erkannt und entsprechend signalisiert werden. Damit werden gesamthaft der Zustand einer Messtrecke bzw. des Prozesses, die beteiligten Sensoren wie auch die Fluid-Zusammensetzung überwacht. Weiterhin kann die beschriebene Vorgehensweise auch ohne die Nutzung eines analytischen Modells verwendet werden. Hierzu werden die korrelierten Eingangsgrößen durch selbstlernenden Abgleich mit der direkten Kalibriermessung, insbesondere in eine Mengeninformation umgewandelt.
-
In einer Ausgestaltung des Verfahrens wird insbesondere durch die Korrelationsdatenauswertungseinrichtung ein Korrekturfaktor erzeugt. Damit kann eine analytische Kalkulation des analytischen Modells korrigiert werden.
-
In einer Ausgestaltung des Verfahrens wird eine Unsicherheit in Daten erkannt. Durch diese Erkennung kann beispielsweise eine neue Kalibrierung bzw. ein neues Lernen der KI angestoßen werden.
-
In einer Ausgestaltung des Verfahrens wird durch die KI eine Anomalie erkannt. So kann z.B. eine Gefahrensituation frühzeitig erkannt werden.
-
In einer Ausgestaltung des Verfahrens werden Durchflussdaten erzeugt. Durch die Erzeugung von Durchflussdaten auf Basis künstlicher Intelligenz (KI) können z.B. teure Messgeräte eingespart werden. So kommt es insbesondere zu einem Wegfall einer permanent fest installierten, direkten Durchflussmesseinrichtung durch Nutzung anderer, bereits vorhandener Messgrößen, was den Investitionsaufwand reduziert und eine regelmäßige, aufwändige Neukalibrierung überflüssig macht.
-
Die Erfindung wird nachfolgend in beispielhafter Weise anhand der beigefügten Figuren erläutert. Gleichartige Elemente weisen dabei gleichartige Bezugszeichen auf. Dabei zeigt:
- 1 eine erste Durchflussmesseinrichtung;
- 2 eine zweite Durchflussmesseinrichtung und
- 3 eine dritte Durchflussmesseinrichtung.
-
Die Darstellung nach 1 zeigt eine erste Durchflussmesseinrichtung 1, mit einer Korrelationsdatenauswertungseinrichtung 3 und einem analytischen Modell 5. Mit der Korrelationsdatenauswertungseinrichtung 3 ist beispielsweise eine Art Soft-Sensor für Durchflussmessung (ein- oder mehrphasig) unter Einsatz von KI-Algorithmen realisierbar. Die KI-Algorithmen sind in der Korrelationsdatenauswertungseinrichtung 3 implementiert. Während einer Lernphase erfasst ein selbstlernender KI-Algorithmus prozessrelevante Eingangsgrößen und/oder Korrelationsdaten 21. Während der Lernphase erfasst der selbstlernende KI-Algorithmus auch Referenzdaten, wie z.B. Referenzdurchflussdaten. Die Referenzdaten 22 entstammen einer Referenzstrecke 17 in welcher eine Referenzdatenmesseinrichtung 4 die Referenzdaten erfasst. Die Referenzstrecke 17 ist außerhalb eines Prozesses 11 oder auch innerhalb eines Prozesses, wobei dies nicht dargestellt ist. Innerhalb des Prozesses 11, welcher beispielsweise den Transport eines Fluids 19 (mit 19 ist der Verlauf des Fluids symbolisiert) wie Öl oder Gas betrifft, gibt es einen ersten Sensor 13, einen zweiten Sensor 14 und einen dritten Sensor 15. Der erste Sensor 13 betrifft die Stellung (Position) 13 eines Ventils 12. Der zweite Sensor 14 betrifft die Messung eines Drucks p des transportierten Fluids. Der dritte Sensor 15 betrifft die Messung einer Temperatur T und/oder einer Druckdifferenz dP. Der Messung durch den ersten Sensor 13 betrifft eine korrelierte Stellgröße, welche auch einen Eingangsgröße für einen Prozess 16 darstellt. Der Prozess 16 stellt eine verfahrenstechnische Einrichtung dar. Der zweite Sensor 14 betrifft mit dem Druck p auch eine korrelierte Eingangsgröße und der dritte Sensor 15 korrelierte Größen (auch korrelierte Daten genannt) für den Prozess 16. Über eine Datenkommunikation 26, 27, 28 werden die korrelierten Daten an die Korrelationsdatenerfassungseinrichtung 2 übertragen. Von der Korrelationsdatenerfassungseinrichtung 2 werden die Korrelationsdaten 20 der drei Sensoren 13, 14, 15 zum analytischen Modell 5 übertragen. Von der Korrelationsdatenerfassungseinrichtung 2 werden die Korrelationsdaten 21 der drei Sensoren 13, 14, 15 (diese entsprechen insbesondere den Korrelationsdaten 20) zur Korrelationsdatenauswertungseinrichtung 3 übertragen. Die Korrelationsdatenauswertungseinrichtung 3 empfängt auch analytische Daten 29 vom analytischen Modell 5 und wertet diese aus. Mit Hilfe der korrelierte Größen (z.B. Druck, Temperatur, Leistungsaufnahme, Momente, Regeventilstellungen etc.) der verfahrenstechnischen Einrichtung, insbesondere mit korrelierten Eingangsgrößen, kann eine künstliche Intelligenz (KI) weitere Größen errechnen. In der Lernphase werden zum Lernen auch die Ergebnisse einer analytischen Modellgleichung, also die analytischen Daten 29, sowie die Messergebnisse der direkten, höhergenauen Mengenmessung der Referenzdatenmesseinrichtung 4, die zur Kalibrierung herangezogen wird, verwendet. Der KI-Algorithmus ermittelt dabei selbstständig die erforderliche Korrekturgrößen während einer Lern-/Kalibrierphase. Die Korrelationsdatenauswertungseinrichtung 3 gibt den Korrekturfaktor 9 aus. Nach Entfernung der Kalibriermessung durch die Referenzdatenmesseinrichtung 4 werden das analytische Modell 5 mit einem analytischen Berechnungswert 8 und die Korrektur des KI-Modells durch den Korrekturfaktor 9 für die Mengenanzeige 10 verwendet. Die Mengenanzeige 10 ist ein Ausgabewert aus einer Verknüpfung 18 von analytischem Berechnungswert 8 und Korrekturwert 9. Der analytische Berechnungswert 8 und die analytischen Daten 29 können identisch oder unterschiedlich sein.
-
Durch die Anwendung eines selbstlernenden Algorithmus zur Ermittlung von Korrekturfaktoren für ein analytisches Modell können Kosten eingespart werden. Der selbstlernende Algorithmus kann aber auch zur direkten Ermittlung der Messgrößen (z.B. Mehrphasenmessungen) verwendet werden, wie dies in 2 dargestellt ist.
-
Die Darstellung nach 2 zeigt eine zweite Durchflussmesseinrichtung 1, mit einer Korrelationsdatenauswertungseinrichtung 3 aber ohne einem analytischen Modell, wie dieses in 1 dargestellt ist. Wie in 1 ist ein Prozess 11 und eine Referenzstrecke 17 dargestellt. Die Korrelationsdatenauswertungseinrichtung 3 empfängt die Korrelationsdaten 21 und die Referenzdurchflussdaten 22 und bildet daraus den Ausgabewert 10.
-
Die Darstellung nach 3 zeigt eine dritte Durchflussmesseinrichtung 1, mit einer Korrelationsdatenauswertungseinrichtung 3 aber ohne einem analytischen Modell und ohne Referenzstrecke. Die Korrelationsdatenauswertungseinrichtung 3 mit ihrer künstlichen Intelligenz ist also angelernt und aktiv. Aus den empfangenen Korrelationsdaten 21 errechnet die Korrelationsdatenauswertungseinrichtung 3 Daten, welche an eine Anomalieerkennung 23 und eine Unsicherheitserkennung 24 gereicht werden. Die Anomalieerkennung 23 erkennt unerwartete Daten bzw. Datenmuster. Die Anomalie-Erkennungsfähigkeiten durch Mustererkennung eines KI-Algorithmus dient insbesondere der selbständigen Erkennung von Abweichungen in der Fluidzusammensetzung. Die Unsicherheitserkennung 24 erkennt beispielsweise verschiedene Phasen eines Fluids (Mehrphasenfließen - multi phase flow composition). Die Ergebnisse der Anomalieerkennung 23 und der Unsicherheitserkennung 24 werden an eine Bewertungseinrichtung 25 weitergereicht. Die Bewertungseinrichtung 25 kann beispielsweise feststellen, dass ein weiteres Anlernen der künstlichen Intelligenz in der Korrelationsdatenauswertungseinrichtung 3 notwendig ist oder dass ein Anwendereingriff notwendig ist. Durch den Mechanismus einer Anomalieerkennung mittels KI werden ungewöhnliche Veränderungen in der Messstrecke (z.B. Verschleiß von Komponenten, Sensorfehlanzeigen, Änderungen der Zusammensetzung des Fluids) erkannt und entsprechend signalisiert. Damit werden gesamthaft der Zustand der Messstrecke / des Prozesses, die beteiligten Sensoren als auch die Fluid-Zusammensetzung überwacht. Die Anomalieerkennung 23 und/oder die Unsicherheitserkennung 24 können mit oder ohne Nutzung eines analytischen Modells verwendet werden. In der 3 werden die korrelierten Eingangsgrößen durch selbstlernenden Abgleich mit der direkten Kalibriermessung in eine Mengeninformation umgewandelt.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- WO 2007/059790 [0005]
- DE 10328662 A1 [0005]
- DE 102012012252 A1 [0006]