基于PSO—RBF油井地面计量含水率预测模型研究

王道明

【摘 要】原油含水率是油井地面产量计量中的重要数据，是研究油田发展前景中不可缺少的参数。在油田测井开采，储运过程中，提供高精度测量的原油含水率数据，可以优化生产参数，提高采油率。通过基于同轴线相位法含水率计的新型井口在线计量装置测得相关数据，在分析原油含水率预测的影响因素基础上，建立粒子群优化RBF神经网络的油井地面计量含水率预测模型。仿真与实验结果表明：PSO-RBF网络可以取得更好的拟合精度和预测效果。

【关键词】地面计量；含水率；RBF；预测模型

0.引言

在石油开采中，需要计量每口井的油、气、水三相的含水率和流量，工程人员根据采集的数据进行油井观测，检测油井的性能，评估油田的储量、配产，及时对油层定位和控制，进而优化油田的开发。而原油含水率的准确测量是至关重要的。如今已有多种地面计量含水率的仪表。但由于传感器技术和工艺水平，在测量精度、稳定性、重复性和可靠性方面的问题，使得原油含水率的测量受到诸多影响，给地面井口产量准确计量工作造成很大困难。本文通过采用同轴线相位法传感技术测量原油含水率，设计了“GLCC旋流分离器+流量计+同轴线相位法含水率计”的地面井口多相流计量系统，对油井进行在线测量。通过对多个传感器检测到的流量和含水率数据进行深入分析和研究，基于RBF神经网络，并且采用PSO算法优化RBF网络结构参数，建立了原油含水率预测模型，并与传统的BP网络仿真结果进行对比。

1.地面井口计量系统

1.1 同轴线相位法含水率计测量原理

混合流体的介电特性主要由混合流体的含水率来决定。当具有不同介电特性的油、水混合流体从同轴线内、外导体之间流过时，会引起在同轴线内传播的电磁波不同的相位变化，因此可以通过测量在同轴线内传播的电磁波的相位特性来测量含水率[1-2]。电磁波在同轴线内以TEM波形式传播，将采集的电压信号转换为频率信号，再经过信号放大电路和A/D转换器，得到所需的频率响应数据。经数据处理后求出油水混合介质的含水率。

2.RBF神经网络

2.1 RBF神经网络的结构

2.2 RBF神经网络的学习算法

通过分析RBF神经网络结构的特点可以看出，建立RBF网络模型的关键在于：①确定RBF网络隐层节点的数目h及数据中心cj；②确定径向基函数的宽度；③确定输出神经元与隐层神经元之间的连接权。当基函数中心cj和宽度以及数目h确定之后，网络权值参数是线性的，可以采用最小二乘法求得。常用的学习方法有正交最小二乘法，聚类方法，自组织映射方法和梯度下降法等，所以选取合适的方法来确定这些网络结构参数，提高RBF网络性能至关重要。本文利用粒子群优化算法（PSO）对传统RBF神经网络的学习策略进行优化，从而得到最优的网络结构参数。

3.PSO优化RBF神经网络结构

3.1 粒子群优化算法

3.2 基于粒子群优化算法的RBF神经网络优化过程

4.基于PSO-RBF油井地面产量计量含水率预测模型

选取本文第一部分自主设计的多相流分离计量装置作为研究对象，在室温和0.1Mpa的条件下，以清水的介电特性模拟原油中水的介电特性，以工业白油的介电特性模拟原油的介电特性，以空气的介电特性模拟天然气的介电特性。由于试验条件有限，本试验通过油水两相流测试同轴线含水率计测量的含水率和流量计测量的流量；通过气水两相流测试小型管柱式气液自适应漩流分离器。

5.结论

本文提出了基于同轴线相位法含水率计的油井地面计量新方法，提高了对含水率的测量精度。从而对地面产量计量更加准确。通过地面井口多相流计量系统得到的测量数据，建立基于RBF神经网络的油井地面计量含水率预测模型，在预测过程中，采用粒子群算法优化RBF预测模型的网络训练参数，研究结果表明，PSO-RBF预测模型具有较高的

预测精度，明显优于BP神经网络预测模型。这一研究对于油田现场采集的数据进行解释和预测具有极为重要的理论和实践意义。

参考文献：

[1]王进旗，强锡富，张勇奎.同轴线式相位法测量油井含水率[J].仪器仪表学报，2002.

[2]王进旗，强锡富，于英华.基于相位法原油含水率仪的实验研究[J].计量学报，2004.

[3]韩力群. 人工神经网络教程[M].北京：北京邮电大学出版社，2006.

[4]张顶学，关治洪，刘新芝，等.基于PSO 的RBF 神经网络学习算法及其应用[J].计算机工程与应用，2006.