[发明专利]气液两相流动态流动过程的瞬时流量测量模型构建方法

权利要求书

1.气液两相流动态流动过程的瞬时流量测量模型构建方法，其特征在于：具体包括如下步骤：

步骤1，选取模型构建样本过程中气液两相流测量信号的采集设备；

具体为，采用双差压文丘里管测量设备，双差压文丘里测量设备内集成管道静压力、文丘里收缩段差压、喉部差压传感器和管道测温传感器四组测量信号，该四组测量信号分别定义为P、dP1、dP2、T；

步骤2，获取模型构建样本过程中气液两相流的累计或平均流量样本标签，其中，累计流量需转化为平均流量；

步骤3，构建样本数据，样本输入维度为P、dP1、dP2、T四组信号，数据时间长度为M；

步骤4，将管道静压力P和气体温度T通过气体方程换算成气体的密度ρ，重新确定样本输入维度为dP1、dP2、ρ；

步骤5，采用基于一维卷积的神经网络构建瞬时模型model_s，瞬时模型的时间长度为s；

步骤6，构建平均流量约束模型model_ave；

步骤7，基于步骤6构建的约束模型model_ave，采用半监督的学习方法对步骤5构建的瞬时模型model_s进行训练；所述步骤6的具体过程为：

步骤6.1，输入层input_ave(M，3)；

M为样本的总的时间长度，M≥5分钟，3为代表样本的纬度特征dP1、dP2、ρ；

步骤6.2，张量切片层Lambd(1：s)，Lambd(s+1：2s)，…，Lambd(M-s：M)；对时间长度为M的张量数据进行按照时间为s的长度进行张量切片，切片数量共计：M/s；

步骤6.3，权重共享层Model(model_s)；将步骤6.2切片后的张量Lambd(1：s)，Lambd(s：2s)，…，Lambd(M-s：M)作为输入数据，依次调用瞬时流量模型model_s，输出当前切片下的流量；

步骤6.4，均值输出层Average，将步骤6.3输出的瞬时流量取得均值后输出output_ave(2)；

所述步骤7的具体过程为：

步骤7.1，定义训练模型结构：

约束模型：model_ave＝Model(inputs＝input_ave(M，3)，outputs＝output_ave(2))，其中M为时间长度，3为步骤4中的3个维度的平均dP1、dP2、ρ的输入量，2代表了步骤6.4中的平均气相流量和液相流量2组输出数据；

瞬时模型：model_s＝Model(inputs＝input_s(s，3)，outputs＝output_s(2))，其中input_s(s，3)代表瞬时输入层，s为步骤5中的瞬时时间长度，3为dP1、dP2、ρ的瞬时长度的输入量，output_s(2)为步骤5中model_s模型的瞬时输出层，2为瞬时气相流量和液相流量2组输出数据；

步骤7.2，模型训练；

Model_ave.compile(optimizer＝'adam'，loss＝'mean_squared_error'，Batch_size＝b_m，learning rate＝Lr，Epochs＝e，)

其中，Model_ave.compile()为模型自学习迭代层，optimizer为模型迭代过程最优化路径选择器，'adam'作为模型训练过程中所述最优化路径选择器的所选择的优化算法；loss全局损失函数，采用'mean_squared_error'作为模型全局损失函数；Batch_size是每次迭代过程需要选择数据模块的大小，每次采用b_m组样本数据进行模型训练，learningrate是学习速率设定为Lr，Epochs为模型训练迭代次数设定为e。

2.根据权利要求1所述的气液两相流动态流动过程的瞬时流量测量模型构建方法，其特征在于：所述步骤2的具体过程为：采用油田用测试分离罐装置，液体混合物在分离罐中通过分离后，气体采用涡轮流量，液体采用涡轮流量计、计液位计或者称重法来获得时间T内的准确的气体和液体流量标签。

3.根据权利要求1所述的气液两相流动态流动过程的瞬时流量测量模型构建方法，其特征在于：所述步骤3中M≥5分钟。

4.根据权利要求1所述的气液两相流动态流动过程的瞬时流量测量模型构建方法，其特征在于：所述步骤5的具体过程为：

步骤5.1，输入数据input(s，3)；

s为瞬时模型的时间长度，3为数据样本特征维度dP1、dP2、ρ；

步骤5.2，卷积Conv1D(k0，j0，relu)，Conv1D表示一维卷积，k0为卷积核的数量，j0为卷积核的大小，采用“relu”作为激活函数；

步骤5.3，池化；

Maxpooling1D(2)表示在池化层，计算所述卷积Conv1D输出的数据中相邻2个输出数据区域中的最大值作为所述池化层数据区域池化处理后的值；

步骤5.4，卷积Conv1D(k1，j1，relu)；

Conv1D表示一维卷积，k1大于k0；

步骤5.5，平滑过程Flatten；

Flatten用于将池化层输出的多维数据转化成一维数据给入到全连接层；

步骤5.6，正则化Dropout(m)，其中m为随机丢掉步骤5.5中全连接层的数据的比例，0m100％；

步骤5.7，全连接层Dense(x0，relu)，x0表示在全连接层中输出第0个神经元，relu为激活函数；

步骤5.8，全连接层Dense(x1，relu)，x1表示在全连接层中输出第1个神经元，x1＜x0，relu为激活函数；

步骤5.9，全连接层Dense(x2，relu)，x2表示在全连接层中输出第2个神经元，其中一个神经元对应气相流量结果，另一个神经元对应液相流量结果，relu为激活函数。