KCl和温度对微波法含水仪检测误差影响的研究

董鹏敏，郭铅铅，王天琦，赵海空，罗仕冲，曾祥虎，王 鹏

(西安石油大学机械工程学院，陕西 西安 710065)

0 引言

原油含水率检测是原油采集、预估产量、石油化工及运输等过程的重要参数。目前，原油含水率检测主要分为人工检测和在线测量两种。在线检测是当今数字化油田不可或缺的检测方式。原油含水率在线检测的常用方法有红外光谱吸收法、电阻抗法、射线衰减法及微波法等[1]。

微波检测法具有检测精度高、应用范围广以及检测过程不易受油水形态影响等优点，因此受到越来越多的应用和重视。但在检测过程中，原油的矿化度、伴生气和环境温度的变化会影响微波法含水仪检测精度，使检测结果产生偏差。高含水原油中大量存在无机化合物——氯化钾。因此，研究氯化钾及温度对微波法含水仪检测原油含水率检测精度的影响机理和规律具有重要意义。

1 微波法含水仪检测原理

微波法含水仪的检测原理是基于微波在具有不同介电常数的介质中其相移各不相同，通过微波在油水混合物中相移的大小测得混合物中水的含量[2]。

在常温、常压下，原油的相对介电常数为2～3，水的相对介电常数为80，两者的相对介电常数差距明显。因此，不同比例的油水混合物通过油水介电常数的运算，可得出不同的复合介电常数。

其运算公式为[3]：

(1)

式中：εαr为某含水率下含水原油的介电常数；α为原油含水率；εrw为水的介电常数；εrv为油的介电常数；k为仅与含水率有关的并联系数。

基于这一原理，通过测得微波在不同含水率原油中信号衰减及相移变化量，即可得到原油含水数据。

2 矿化度及温度对原油含水率检测影响机理

矿化度是水中溶解的盐类组分。开采出的油水混合物中的矿化度主要来源有两个：一是来自于地层水总矿化度，二是来自于油田回注水时人工引入的矿化度。对于水中矿化度的测量，油田开采现场一般采用重量法、原子吸收法、比色法和色谱法等进行分析。因不同地区的地质状况各不相同，会导致各地区的矿化度种类和成分差异较大，在含水率检测时隐藏着不确定性[4]。通过对油田水中各组分矿化度的测量，即可得到该油田的矿化度成分及其含量，从而为校正矿化度对微波法检测原油含水率的误差提供有效数据支撑。

微波相移法测量原油含水率的依据是油和水在常态下的介电常数有较大差异。矿化度的变化会改变流体的密度、导电性等物理性质，导致检测原油含水率时产生一定的误差。科学研究表明，油水混合液的相对介电常数与油水混合液体浓度存在如下关系：

εeff=εrw-c×(α×μ-β×v)

(2)

式中：εeff为油水混合液的相对介电常数；εrw为水的介电常数；c为油水混合物的密度；α为阳离子的化合价；μ为油水混合物中阳离子对水的相对介电常数的影响系数；β为阴离子的化合价；v为油水混合液体中阴离子对水的相对介电常数的影响系数。

根据式(2)可知，油水混合物中含有的矿化物会引起液体内阳离子和阴离子的化合价发生改变，导致油水混合液体相对介电常数εeff发生改变，从而影响含水率检测精度[5]。

温度是影响原油含水率检测精度的另一个重要因素。在高含水(水含率在 60% 以上)条件下，当温度升高时，水的介电常数会减少，导致油水混合物的介电常数变小。由于油的介电常数较小、水的介电常数较大，当油水混合物介电常数衰减时，就会产生“油多水少”的假象，造成原油含水率的测量值低于真实值的现象；而且随着温度的升高，会导致原油含水率的测量值低于其实际值[6-7]。本文主要研究了含水原油中常见的氯化钾在不同温度下对微波法含水仪检测精度。

3 试验分析与研究

3.1 试验方案

在原油含水率的标定值60%～100%之间选取10个标定点，分别为50%、55%、60%、65%、70%、75%、80%、85%、90%、95%。配置不同标定含水率的油水混合液和不同比例的氯化钾混合试剂，将氯化钾混合试剂分别加入油水混合液中。分别在20 ℃、40 ℃、60 ℃、80 ℃条件下逐渐增大其浓度，利用微波法含水仪检测油水混合液的含水率，观察并记录微波法含水仪的检测结果。

3.2 试验结果

微波法含水仪检测试验数据如表1所示。

表1 微波法含水仪检测试验数据

3.3 试验数据的分析研究

通过试验得出不同含量氯化钾在不同温度对微波法含水仪检测误差的影响规律。不同温度下的拟合曲线(部分)如图1所示。

图1 拟合曲线图(部分)

由图1可知：在相同温度下，随着氯化钾含量增加，微波法含水仪的含水率也随之逐渐提高。

在不同温度下，含水率y与矿化度x的二次拟合函数导数如表2所示。

表2 含水率与矿化度二次拟合函数导数表

由表2可知，虽部分拟合函数导数斜率小于0，但拟合公式导函数的函数值大于0。因此，在某一固定温度环境下，微波法含水仪的检测数值会随着油水混合液中氯化钾含量的增加而增大。与此同时，使用微波法检测油水混合液中的含水率，其检测结果不仅受到油水混合液中矿化物浓度的影响，而且受到油水混合液温度的影响。氯化钾和温度对于检测结果的影响规律呈现出复杂的非线性关系，因此需要对微波法含水仪检测数据进行误差校正。

4 基于径向茎神经网络的原油含水率检测误差校正

在多因素(矿化度、温度)情况下，采用微波法含水仪检测油水混合液的含水率。检测到的结果存在误差，并且矿化度和温度对其检测结果的影响规律呈非线性，无法运用线性的方法处理数据。径向基函数(radial basis function，RBF)神经网络是基于人脑的神经元细胞对外界反应的局部性而提出的，是一种采用函数逼近理论作为依据而构造的神经网络。其具有最佳逼近性能和全局最优的特性，可实现以高精度逼近连续函数[7]。综合考虑，采用RBF校正微波法含水仪检测误差，可提高其对原油含水率检测精度。

4.1 RBF网络模型

将配置油水混合液中的矿化度浓度、混合液温度以及微波法含水仪测量值作为RBF网络的输入量Xi(Xi=[ni,ti,ci]T,i=1,2,...,N)，油水混合液含水标定值作为RBF的期望输出值Yi(Yi=[δi]T)。那么{Xi,Yi}便构成RBF误差校正模型的样本[8]。

RBF神经网络中，对于隐层节点的径向基函数选择Gaussinan函数。其公式为：

(3)

式中：X为输入向量;Ci为隐层第i个神经元中心;σ为基函数宽度。

对应第i个神经元输出为：

(4)

式中：ωij为对应链接权值[9-10]。

4.2 建立样本数据库和RBF神经网络模型

在建立的RBF神经网络误差校正模型中，把混合液的矿化度浓度n、混合液温度t以及微波法含水仪测量值c作为输入，试验混合液含水标定值δ作为RBF的期望输出。故输入神经元和输出神经元数分别为3和1。按照RBF神经网络对预处理数据的要求，把数据分为学习样本(600组)和检测样本(142组)，并对试验数据进行罗列分类。

表3和表4分别为微波法含水仪对油水混合物检测得到的RBF神经网络学习样本数据(部分)和检测样本数据(部分)。

表3 RBF神经网络学习样本(部分)

表4 RBF神经网络检测样本(部分)

输入数据具有不同量纲，直接输入可能会影响数据分析的结果。为了消除指标间的量纲影响、提高建模效果，对原始数据进行归一化处理，使各个指标位于同一数量级。归一公式为[11]:

(5)

运用函数newrb建立RBF神经网络，采用迭代方式确立基函数中心ci和隐层神经元数，依据训练样本数据距离和范围确定隐含层阈值b1，确定好的隐层神经元参数通过最小二乘法求出隐层带输出层的权值。

4.3 误差校正评价

为了便于清楚地分析在运用RBF网络后的微波法含水仪检测效果，采用最大误差和均方误差作为评价指标。采用训练好的RBF神经网络模型对检测样本数据进行处理。RBF网络输出曲线和RBF网络预测误差曲线分别如图2和图3所示。

图2 RBF网络输出曲线

图3 RBF网络预测误差曲线

在RBF网络校正前，微波法含水仪测量误差最大可达±25.2%。通过图3可知：经过RBF神经网络校正后，将含水率检测误差减小到了±4.98%以内。

5 结论

本文研究了温度和矿化度对微波法含水仪检测误差的影响机理，通过双因素(氯化钾和温度)试验法得出试验数据，使用RBF神经网络建立误差校正模型。通过前后误差对比，可得出：当微波法含水仪经RBF神经网络模型后，可对其结果进行误差校正，且校正效果明显。

通过该方法可以有效地减少氯化钾温度对微波法含水仪含水率检测误差的干扰，并提高其检测精度。同时，该误差校正模型为校正多因素情况下微波法含水仪含水率检测误差提供了有效参考。