[发明专利]天然气水合物多功能测试系统及方法

摘要

本发明提供了一种天然气水合物多功能测试系统及方法，可在生成天然气水合物的同时，利用制备过程中参与反应的反应物前后变化量以及环境条件实现对天然气水合物生成质量、结构类型、热力学条件以及生成速率高效地测定，并能够实现对天然气水合物抑制剂优劣的判定等，是一种综合测试分析手段，为进一步研究天然气水合物的结构特征及变化规律提供了一种简单、可行的方式，对于认识天然气水合物形成机理、微观动力学、相态转化等具有重要意义。特别地，本发明基于已有数据形成的训练数据库，建立人工神经网络模型，进而实现对天然气水合物结构类型的精确测定，为实现天然气水合物结构类型的快速测定提供了一种研究方向。

主权项

一种天然气水合物多功能测试方法，其特征在于，采用天然气水合物多功能测试系统对天然气水合物进行多功能测试，所述天然气水合物多功能测试系统包括：供气装置，与反应装置连通，用于向反应装置提供反应气体，供气装置上设置的第一质量流量控制器(5)与数据采集装置相连接；供液装置，与反应装置连通，用于向反应装置中提供反应液体，供液装置上的计量泵(10)与数据采集装置相连接；反应装置，用于将反应气体和反应液体混合，并生成天然气水合物；反应装置包括高压反应釜(22)；高压反应釜(22)顶部和底部分别由管道与排气阀(16)和排液阀(24)连接；测量装置，包括与数据采集装置连接的两部分，其中一部分与高压反应釜(22)顶部的排气阀(16)连接，用于测量未反应气体的密度和质量；另一部分与高压反应釜(22)底部的排液阀(24)连接，用于测量未反应液体的质量；控温装置，用于控制反应装置内的温度变化；数据采集装置，用于采集、保存和分析反应装置、供液装置、供气装置及测量装置中的反应和变化的数据；通过所述天然气水合物多功能测试系统获取初始时通入高压反应釜的天然气质量m1、液体质量m2，未反应的天然气质量m3、液体质量m4，通入天然气的密度ρ1、未反应天然气的密度ρ2，以及天然气水合物的生成温度T和压强P；具体包括以下步骤：步骤L1，对高压反应釜(22)进行抽真空，使高压反应釜(22)内真空度不低于0.002MPa；与此同时，利用控温装置将高压反应釜控温到0～10℃；步骤L2，向高压反应釜(22)内通入天然气和液体，并测量通入的天然气的质量m1和密度ρ1以及通入的液体的质量m2；天然气与液体开始反应生成天然气水合物，同时测量天然气水合物生成的温度T和压强P；步骤L3，待天然气和液体反应结束生成天然气水合物后，通过排气阀(16)和排液阀(24)将未参加反应的天然气和液体排出；同时测量未反应的天然气的质量m3和密度ρ2以及未反应的液体的质量m4；依据获取的初始时通入高压反应釜的天然气质量m1、液体质量m2，未反应的天然气质量m3、液体质量m4，通入天然气的密度ρ1、未反应天然气的密度ρ2，以及天然气水合物生成温度T和压强P，结合下述方法，能够在生成天然气水合物的同时获取生成天然气水合物质量和/或生成天然气水合物结构类型；S1：获取生成的天然气水合物质量步骤为：令m进＝m1+m2，m未＝m3+m4，则生成天然气水合物的质量为m＝m进‑m未；S2：获取生成的天然气水合物的结构类型步骤为：根据通入天然气的密度ρ1、未反应天然气的密度ρ2以及天然气水合物生成的温度T和压强P，采用人工神经网络模型，计算出生成的天然气水合物的结构类型；人工神经网络模型的建立包括以下步骤：步骤K1，建立初始人工神经网络模型，建立一个具有输入层、隐含层和输出层的前馈BP神经网络，其中输入层有4个神经元，分别对应通入天然气密度ρ1、未反应天然气密度ρ2以及天然气水合物生成的温度T和压强P；隐含层有9个神经元；输出层有1个神经元，对应生成天然气水合物结构类型；设计所述神经网络模型隐含层采用Sigmoid传递函数，输出层传递函数为线性传递函数；BP神经网络的学习算法采用动量BP法；步骤K2，通过人工神经网络训练及检验，得到人工神经网络模型中的样本训练数据、连接权值W以及偏置b；具体包括以下子步骤：K21，利用所述天然气水合物多功能测试系统制备出m种已知结构类型的天然气水合物，m种天然气水合物的结构类型通过统计热力学方法得到；K22，在天然气水合物制备过程中，检测并记录每种天然气水合物合成前通入天然气密度ρ1、合成后未反应天然气密度ρ2以及天然气水合物生成的温度T和压强P，并整理形成样本训练数据：A＝{a1，a2，a3，a4，…，ak，…，am}，其中，ρ1k、ρ2k、Tk、Pk分别为第k种已知结构类型的天然气水合物制备过程中测得的通入天然气密度ρ1k、合成后未反应天然气密度ρ2k以及天然气水合物生成的温度Tk和压强Pk；B＝{b1，b2，b3，b4，…，bk，…，bm}，其中，bk第k种天然气水合物的结构类型；A为人工神经网络训练过程中的输入数据，B为期望值；K23，从步骤K21中制备的m种已知结构类型的天然气水合物中随机抽取n种用于对人工神经网络训练结构进行检验，其中，n<m；给定初始连接权值W及偏置b，从n种天然气水合物中随机抽取一种，将其合成前通入天然气密度ρ1、合成后未反应天然气密度ρ2以及天然气水合物生成的温度T和压强P数据输入人工神经网络模型，计算隐含层、输出层各神经元输出值；K24，计算实际输出值与期望值B之间的偏差e，根据偏差e与偏置b的关系，判断是否达到预先设定的评价标准要求，如果达到评价标准要求，︱e︱≤b结束训练，得到修正后的人工神经网络模型；否则，修改连接权值W，重复步骤K23至K24，直到达到预先设定的评价标准要求。