[发明专利]一种基于梯度提升回归树模型的多相流量虚拟计量方法

说明书

本发明公开一种基于梯度提升回归树模型的多相流量虚拟计量方法，首先获取包括压力、温度、差压、液量、油量、水量在内的多条多相流的样本数据，将样本数据用于训练GBDT梯度提升回归树模型，得到虚拟计量模型，并使用样本数据对虚拟计量模型进行评价，最后以实时测得的压力、实时温度、实时差压输入虚拟计量模型进行虚拟计量。本发明具有模型训练速度快，参数调节少，精度高，误差小，设备体积小，造价低，非放射型等优点，对于油田的生产动态监控，流动保障和油藏管理具有较高的数据参考价值。

技术领域

本发明涉及一种多相流量的计量方法，具体涉及一种多相流量的虚拟计量方法。

背景技术

多相流是指含有液相和气相的混合流体，其中液相又包括油相和水相，“含气率”是指多相流中气相的体积相分率，用GVF表示；“含液率”是指液相的体积相分率，用LVF表示；且GVF+LVF＝1；含水率，用WLR表示，指的是水量占液量的比重。

当前的在线多相流量计(MPFM)测量是基于总体积流量测量与使用放射性、电子的、超声和声学技术的相分率测量的组合进行的。然而，这些相分率测量技术都具有一些局限性，包括但不限于流动模式，气体分数，环境，经济性，可靠性等。尽管迄今为止放射性技术仍然是最准确和最可靠的多相流测量方法，但世界上许多地区和国家对放射源具有恐惧态度，限制了其在多相流测量中的应用。虚拟计量是一种基于数学模型的计量方法，可根据生产设备的状态数据，依据优选的数学模型和预测算法，计算得到虚拟计量结果。目前对于油井的多相流虚拟计量研究较少。

发明内容

本发明提供一种基于梯度提升回归树模型的多相流量虚拟计量方法，其具有训练速度快、造价低等优点。

技术方案如下：

一种基于梯度提升回归树模型的多相流量虚拟计量方法，其关键在于按以下步骤进行：

步骤一、获取多相流的样本数据，同一条样本数据包括同时刻采集得到的多相流的压力P、温度H、差压DP、液量L、油量O、水量W，将海量样本数据组合成样本集；

步骤二、在样本集中选取部分数据作为训练样本集，以所述训练样本集内的同一条样本数据对应的压力P、温度H、差压DP作为输入，液量L、油量O、水量W作为输出，用于训练GBDT梯度提升回归树模型，拟合得到虚拟计量模型：

L,O,W＝F(P,H,DP)；

步骤三、将剩余的样本集作为评价样本集，将所述评价样本集内的同一条样本数据对应的压力P、温度H、差压DP输入所述虚拟计量模型，并由所述虚拟计量模型输出预测液量预测油量预测水量将预测得到的与所述评价样本集内的同一条所述样本数据对应的实际的L、O、W进行比较，以对所述虚拟计量模型进行评价；

如评价结果不满意，则返回步骤二继续训练，得到满意的虚拟计量模型,若步骤二继续训练未能得到满意的模型，则返回步骤一，收集更多的样本加入到训练集，再重复步骤二,直至得到满意的虚拟计量模型；

步骤四、在多相流管道上设置压力传感器、温度传感器和差压传感器，分别检测多相流的实时压力p、实时温度h、实时差压dp、将其输入所述虚拟计量模型，并最终输出实时虚拟液量实时虚拟油量实时虚拟水量

优选的，在所述步骤三中，采用所述虚拟计量模型输出的预测的与同一条所述样本数据对应的实际的L、O、W之间的平均绝对误差MAE进行评价；

上式中：

n为进行评价的样本数据的条数；

y_s为评价样本集内第s个样本数据的液量L或油量O或水量W的值；

为所述虚拟计量模型输出的所述评价样本集内的第s个预测液量或预测油量或预测水量的值；