[发明专利]油水两相流含水率自适应估计方法

摘要

本发明涉及一种油水两相流含水率自适应估计方法，包括：将来自电导传感器上、下游的测量数据进行时间配准；基于自适应更新的状态估计；判定两相流是否处于水连续的状态；对传感器的含率测量值进行卡尔曼状态估计和更新。本发明能够提升含水率的估计精度。

主权项

1.一种油水两相流含水率自适应估计方法，利用阵列式电导传感器上下游电极测量数据进行估计，包括如下步骤：1)将来自电导传感器上、下游的测量数据进行时间配准：将取自上游和下游测量单元的含率测量值z₁(n)和z₂(n)看作来自各态历经的平稳随机过程的两个样本函数，其中n＝1,2,3,…N为测量时间内的数据点，两传感器间距为L，设渡越时间为τ₀，对应离散系统中上、下游测量数据平移组数n₀；计算z₁(n)和z₂(n)在离散条件下的互相关函数公式如下：Rz1z2(n)的最大值出现在n0处，即互相关函数峰值对应流体从上游测量单元到下游测量单元的渡越时间，通过传感器上游测量单元获取的前、后时刻的实测系统状态向量确定状态转移矩阵，反映 上游测量所得的系统状态矩阵的转化情况：其中，z1(k‑1)和z1(k)是取自上游测量单元，分别为测量区域内前后时刻的含率测量值；利用n0结合电导传感器采样频率，对上下游测量数据进行时间配准，如公式(3)所示：z2(k)＝z'2(k+n0)        (3)其中，z'2为下游传感器单元采集数据，z2是配准后的数据；2)基于自适应更新的状态估计：将由传感器上游测量单元确定的状态转移矩阵用于时间配准后的下游含水率状态更新中：其中，F2(k)为传感器下游测量单元状态转移矩阵，F1(k)为上游测量单元的状态转移矩阵；传感器测量数据时间配准后，依据传感器上下游具体数据对F(k)进行实时的自适应更新，如公式(5)所示：3)判定两相流是否处于水连续的状态：将电导传感器下游测量单元k时刻含率测量值z2(k)带入公式(6)，计算k时刻的量测噪声w(k)，将量测噪声w(k)带入公式(8)，计算流态判别系数q(k)；z2(k)‑H(k)x(kk‑1)＝w(k)        (6)S＝H(k)p(k|k‑1)+R(k)       (7)q(k)＝wT(k)S‑1w(k)                         (8)公式(6)中x(k|k‑1)是k时刻系统状态预测值，估计方式如公式(9)所示；H(k)是量测矩阵，取值为1；公式(7)中，R(k)是k时刻量测噪声的方差，可取传感器含率测量数据的标准差作为恒值代入；p(k|k‑1)是传感器k‑1时刻对k时刻估计的协方差，计算方式如公式(10)所示；流态判别系数q(k)在卡尔曼估计过程中针对具体对象衡量环境信息的门限值，当q过大，代表流动状况处于非水相连续的状态，此处，q的限值取0.118。4)对传感器的含率测量值进行卡尔曼状态估计和更新：x(k|k‑1)＝F(k)x(k‑1|k‑1)                   (9)p(k|k‑1)＝F(k‑1)p(k‑1|k‑1)FT(k‑1)+Q(k‑1)         (10)根据量测信息z(k)修正估计值：x(k|k)＝x(k|k‑1)+K(k)×[z(k)‑H(k)x(k|k‑1)]          (11)p(k|k)＝[I‑K(k)H(k)]p(k|k‑1)                  (12)其中，K(k)是传感器系统在k时刻的卡尔曼增益：K(k)＝p(k|k‑1)HT(k)×[H(k)p(k|k‑1)HT(k)+R(k)]‑1       (13)其中，p(k‑1|k‑1)是k‑1时刻的协方差，其迭代初值取含水率测量值的方差；z(k)是传感器在k时刻对含水率的测量值，x(k|k‑1)是传感器在k时刻对状态x(k)的预测值，x(k|k)是传感器k时刻对状态x(k)的最小均方误差估计，p(k|k)是对k时刻估计x(k|k)的协方差，Q(k‑1)为k‑1系统过程噪声的方差，可取恒值为0.01，I为单位矩阵，其维数等同于状态向量。