聚合物注入井高压稀释水流量调节技术

胡博文 大庆油田采油三厂

聚合物注入井高压稀释水流量调节技术

胡博文 大庆油田采油三厂

聚合物注入井高压稀释水流量调节控制是注入站自控系统主要任务之一。聚合物注入井高压稀释水流量调节系统主要由流量仪表、阀门、PLC控制器、上位机构成。系统采用最小二乘法拟合阀门开度与清水流量的关系，以掌握阀门特性。采用PLC控制可利用现场原有的控制系统，只需在PLC中增加几个模拟量输入、输出模块即可，成本较低，现场阀位数据可通过PLC上传至上位机，操作人员只需在电脑旁就可观测现场所有设备运行情况，既可在现场手动调节阀门也可通过电脑操作调节阀门，降低投资成本的同时增加了系统的集成度。

稀释水流量调节；执行机构；流量预测；模糊控制；监控中心

1 系统构成及功能

聚合物注入井高压稀释水流量调节系统主要由流量仪表、阀门、PLC控制器、上位机构成。流量仪表将检测到的清水流量与母液流量信号传送至PLC，PLC利用采集到的流量信号，通过控制程序实时计算阀门控制量，最后PLC将控制信号送入调节阀进行流量调节。PLC将所有信号通过PROFIBUS—DP通信方式上传至上位机中进行实时在线显示、处理分析，并建立相关数据库，以供操作人员实时监控与历史查询。操作人员也可通过电脑对控制阀门进行人工手动调节，提供人机界面，完成人机交互功能。新系统与原系统相比，在降低项目投资的同时解决了原系统只能进行就地自动调节，无法实现阀位信号远传及远程控制的问题。

（1）水量控制执行机构。本系统采用最小二乘法拟合阀门开度与清水流量的关系，以掌握阀门特性。最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。拟合后的阀门开度与流量关系曲线如图1所示。

图1 阀门开度与流量关系曲线

（2）流量预测模型。清水流量的大小、特性，对于配比后聚合物浓度合格与否及节能等极为重要。对系统未来清水流量的大小和特性进行快速精确的预测是整套控制系统控制效果好与坏的关键之一。神经网络具有良好的非线性映射能力、自学习、自适应能力和并行信息处理能力，非常适用于多变量、高度非线性的流量预测。流量预测神经网络的建立关键在于输入输出变量的选取、隐含层层数的确定、隐含层单元数的确定、连接方式的选择、预测时间步长的确定、初始参数的选择等。

（3）控制算法。使用传统的PID控制器难以获得良好的控制效果，而模糊控制是基于智能控制理论，对具有大惯性、大滞后、随机分布参量的复杂系统具有较好的控制效果，能够很好地控制稀释液的流量。模糊控制的优点是它不要求掌握受控对象的数学模型，而根据人工控制规则组织控制决策表，然后采用模糊推理的方法实现阀门的在线控制。

（4）监控中心的系统组态。系统操作平台采用Windows 2000操作系统，具有很强的稳定性和兼容性。监控软件采用Wincc组态软件，实践证明该软件具有贴近实际、扩展功能强、界面友好、易操作等特点。其可为用户提供基本的图形编辑功能，同时利用Active X技术和OLE技术实现图形界面静态和动态画面的组态，实现了数据采集、诊断报警、历史查询和配比控制功能。

2 实现的技术指标

稀释水流量控制误差≤5%。通过对清水流量的数据进行合理分析和处理，建立流量预测模型和控制算法的研究等，使高压稀释水控制达到良好效果。试验选在萨北17—2注入站，利用PLC控制系统对高压稀释水流量进行控制，并对其进行跟踪，绘制曲线见图2。混配后注入指标符合油田开发要求。

图2 清水流量误差曲线

3 结论

（1）系统集成度高，成本低。原系统对流量控制采用一对一控制，即一路流量采用一台控制器对其进行单独控制，增加了企业的成本。采用PLC控制可利用现场原有的PLC控制系统，只需在PLC中增加几个模拟量输入、输出模块即可。现场阀位数据可通过PLC上传至上位机，操作人员只需在电脑旁就可观测现场所有设备运行情况，既可在现场手动调节阀门也可通过电脑操作调节阀门，降低投资成本的同时增加了系统的集成度。

（2）采用软件对信号进行滤波。软件滤波是通过软件算法将数据进行适当处理，从而屏蔽掉噪声和干扰产生的杂波信号，获得可用的真实数据的一种数据处理方法，也可以说是通过程序处理的方式完成数据采集信号的处理。软件滤波具有以下优点：数字滤波用软件实现，不需要增加硬件设备，因而可靠性高、稳定性好；模拟滤波通常是各通道专用，而数字滤波则可多通道共享，从而降低了成本；数字滤波可以对频率很低(如0.01 Hz)的信号进行滤波，而模拟滤波由于受电容容量的限制，频率不可能太低；数字滤波可以根据信号的不同，采用不同的滤波方法或滤波参数，其具有灵活、方便及功能强等特点。

（3）利用神经网络算法预测流量。针对时延问题控制界学者提出过一些解决方案，都假定延迟时间为已知且恒定，一旦延迟时间发生变化可能引起控制效果的恶化，甚至使系统变得不稳定。时延一般是有迹象可循的，根据系统时延的特点将神经网络应用于流量时延的预测中，将神经网络辨识与基于模型补偿的延迟系统控制策略相结合，可以解决延迟模型误差问题。通过在线辨识和参数调节，在时延变化时进行动态补偿可收到很好的控制效果。

（栏目主持杨军）

10.3969/j.issn.1006-6896.2015.5.010