NaCl在不同温度下对微波法含水仪检测误差影响的试验研究

董鹏敏，叶子浩，徐新宇，田 航，王 鹏

（西安石油大学机械工程学院，陕西 西安 710065）

现在国内很多油田进入到了高含水的时期，准确测量高含水原油的含水率显得尤为重要[1]。目前对于高含水原油的含水率的检测方法比较多，比较常见的有射频法、电脱法、射线法等[2]。运用这些方法的时候易受油水状态影响。微波法是非接触式的一种测量方法，穿透能力很强，可以解决现在油田高含水的问题[3-4]，但是有一个比较明显的缺点就是我们在检测原油时里面的矿化度会对它造成影响。文章主要是研究在单组份的情况下，分析矿化度对微波传感器的影响[5]，近年来，经过学习搜索，我们发现最小二乘支持向量机优化参数等方面有着很大优势，相对于模型在复杂程度和学习两者寻求一个完美的平衡点[6]。

1 微波法含水仪在线检测的基本原理

微波法原油含水率检测传感器的工作原理是微波在不同介电常数的情况下它的相移不同，可以根据油水介质中相移大小来检测混合液中水的量。高含水原油由较多碳氢化合物组合成的。水的介电常数是80，高含水原油由于介质较多，所以介电常数会在2～3，它们之间相差比较大。高含水原油可以近似看成是纯油、纯水两种的混合。由于介质不同，微波的传播相速也是不一样的。微波在水中传播的时候，则能引起微波的变化。根据原理，可将需要的振幅以及信号加在微波传感器的探头上，根据微波的相位差别能得到真实的含水率[7]。

2 影响微波法含水仪在线检测精度的因素

高含水原油微波传感器和其他的电容、电阻等传感器检测含水率的时候比较有利，但是在矿化度、温度、气体等因素的影响下精度会受到影响。矿化度含量越高，高含水原油微波传感器对检测结果引起的误差也越大[8-9]。另外一个非常重要的因素就是温度的影响，所以研究温度对油水混合物介电常数的影响规律和温度引起微波传感器所测含水率变化的原因[10-11]。

NaCl在不同温度下对微波法含水仪检测精度影响的实验研究。

1）仪器与材料

仪器：500mL的烧杯；玻璃温度计；搅拌棒；胶头滴管；电子天平；微波法的含水仪；恒温水浴锅。

材料：OP-10乳化剂；基础油若干；水。

2）实验步骤

高含水原油的含水率在50%～90%，特高含水原油的含水率在90%～100%。在温度20℃～80℃梯度为20℃的条件下，将基础油和水混合在一起，梯度为5%（500mg/kg），让含水率从50%到100%变化，分别往每组油水混合溶液中加入NaCl含量从0mg/kg到10500mg/kg，分别记录传感器数值。具体实验步骤如下：

① 分别在温度20℃、40℃、60℃、80℃情况下，含水率从50%到100%，以5%为梯度配置10组不同含水率的基础混合液，同时加入乳化剂，用玻璃棒搅拌以保证油和水混合均匀，将烧杯标号为1-10组；

②将每组配有一定比例的混合溶液的烧杯放入恒温水浴锅中，将温度调整至下一试验温度，我们等到温度稳定后，将溶液倒入微波含水率传感器中测量，读取数据并做记录；

③将读取示数后的溶液重新倒入烧杯中，加入NaCl质量500mg/kg，用搅拌棒搅拌均匀后，将溶液倒入传感器中，读取数据；

④重复上述步骤，500mg/kg为梯度，直到盐含量达到10500mg/kg，读取数据总共21组，然后在温度为40℃、60℃、80℃重复上实验，总共得到840组数据。

3）结果分析

NaCl含量对测量含水率的准确值有一个比较大的影响，随着NaCl含量的增加，含水率的值也会随之递增。测量值和实际值有较大的差别，所以需要对测量的结果作进一步的校正试验。

3 基于PSO改进LS-SVM方法对实验数据的分析校正建模研究

矿化度对微波法含水仪检测精度的误差影响比较复杂，所以需要对其进行误差的校正分析。在现有的方法中[12-13]，支持向量机 (sup-port vector machine，SVM)技术在处理数据误差学习方面表现比较好，可以快速的找到样本里面最优的解[14]。

LS-SVM基于数学方法和优化理论，它的基本原理就是给定了一组相对应的训练样本组数：S={(xi，yi)}，i=1,2……l，其中 xi∈Rd为 LS-SVM 的输入数据，yi∈R为输出数据，i为训练样本的基本个数。把在d维空间中的线性回归函数设为：

式中：ω为权向量；b为偏差量。

根据最优化理论，设LS-SVM的优化的目标函数为：

式中：ei为误差变量，e∈Rl×1为误差向量；c则为正则化的参数，可以起到控制误差惩罚程度，为了能达到最优化，选择Gaussian型RBF核函数为误差校正核函数，即

利用SVM对微波法原油函数率传感器的检测结果进行校正，根据完成试验的数据中，随机抽取若干样本点，同时也是学习样本作为SVM的原油高含水在线检测的样本。

4 基于PSO搜索LS-SVM的最优参数解

假设在一个d维的搜索空间中，以m个粒子组合成一个粒子群，第i个粒子在d维空间中的位置为xi、速度为νi、最后能搜索到的最优位置为 pi，定义向量为 xi=(xi1，xi2，…xid)，νi=(νi1，νi2，…νid)，pi=(pi1，pi2，…pid)，i=1,2……m，假设整个种群最后搜索得到的最佳位置为pg=(pg1，pg2，…pgd)。

PSO算法粒子的速度与位置更新公式为:

式中：c1c2加速常数,ω为惯性权重系数，r1r2为[0，1]内的随机函数，k为此时的优化代数，νkid为k时粒子i在d维空间中的搜索速度，xidk为k时粒i在d维空间中的位置。

将全部实验数据作为的检测样本，能够更好地理解分析SVM数据处理过程中误差对实验的影响，采用最大误差和均方误差作为评价指标。将SVM误差校正模型前后含水率进行对比，如图1所示。

5 结论

通过对实验数据的研究分析，PSO优化LSSVM核函数参数模型是可行的，根据对微波法检测高含水原油含水仪在线检测误差进行了有效校正，分析对比其他算法，PSO改进LS-SVM分析模型预测的精度相对较高，PSO算法较好地搜索LS-SVM中核函数参数的最优解，避免了LSSVM参数选择的经验化和随机性，有利于提高含水仪检测的准确性，特别是降低了由于温度、矿化度等原因对高含水原油含水仪在线检测精度的误差影响，极大地提高了含水仪检测的精度。同时也为校正高含水原油在线检测误差分析提供了参考方法和理论依据。

图1 SVM校正前后误差值对比