BP网络在油田集输管道结垢预测中的应用.pdf

应 用 技 术 石 油 化 工 腐 蚀 与 防 护 C o r ro s i o n＆ P r o t e c t i o n i n P e t r o c h e mi c a l I n d u s t r y 2 0 1 0 ，2 7 6 5 7 B P网络在 油 田集输管道结垢预测 中的应用 术 禹 浩 李自力 王太源 杜松林 中国石油大学 华东 ， 山东 青岛 2 6 6 5 5 5 摘要 国内大部分油气田进入高含水开发期， 油气田管道结垢 已经成为危害管道正常运行、 影响 油气田生产的重要问题。文章建立了混输管道污垢监测装置， 采集了数据样本， 利用 B P人工神经网 络理论对 油田地面集输 系统管道 结垢情 况进行预测和评 价 ， 通过数 据 的比较 分析 发现人 工神 经 网络 预测的数据和实测数据之间具有较小的误差。同时它不用建立数学模型， 学习过程通过 自动调节神 经元 之间的连接 权值完成， 具有较好 的预测性 。 关键词 集输管道污垢监测装置预测B P网络 中图分类号 Ⅱ 8 0 ． 3 文献标识码 A 文章编号 1 0 0 7一 O 1 5 X 2 0 1 0 0 6 0 0 5 7 0 4 管道结垢是油田集输系统中常见的问题 ， 随着 油田开发难度的增加 ， 结垢问题 的危害显得尤为突 出， 因此对地面集输系统管道的结垢情况进行预测 和评价是非常必要的。 人工神经网络是基于模仿大脑神经 网络结构 和功能而建立的一种非线性的信息处理系统， 其中 B P网络的学习能力使其能平衡大量 的数据 ， 将变 量间错综复杂的关系以权值 的形式分布于各个节 点上， 同时误差反传能使预测结果与期望结果全局 误差较小 ， 预测的准确性较高 ， 越来越被广泛得应 用于工业生产 中的模 拟仿真 J ， 因此该文把人工 神经网络应用于集输系统的污垢预测的工作中， 试 图为污垢的防治和治理提供新的途径。 1 B P网络简介 B P 神 经 网 络 是1 9 8 6 年R u me l h a r t和 M c C e n a n d领导的科 学小 组提出的一种神经元 模 型 ， 其基本神经元结构见图 1 L 2 ． 3 ] 。它是一种反向 传递并 能修正误差 的多层映像 网络 ， 当参 数适 当 时， B P网络能够收敛到较小的均方差， 是 目前研究 最多 、 应用最广的网络之一。 图 1 B P神经元基本结构 x 1 ， x 2 ⋯x 一神经元 的输入； W 1 ， W2 ⋯W 一神经元对 x 1 ， x 2 ⋯x 的权值连接； f 一传递函数； Y i 一神经元的输 出； e一神经元的[ 阈值] B P网络包括输人层 、 隐层 和输 出层 。上下层 之间实现全连接 ， 而每层神经元之间无连接。当一 对学习样本提供给网络后， 神经元的激活值从输人 层经各 中间层 向输 出层传播 ， 在输出层的各神经元 获得网络的输人 响应。然后按照减少 目标输 出与 实际误差的方向， 从输出层经各中间层逐层修正各 连接权值， 最后 回到输人层 ， 随着误差逆传播修正 的不断进行 ， 网络对输入模式 响应 的正确率不 断 上升。 B P网络学 习算法 - 3 假设 B P网络共 L层 ， 对于给定的 P个样本 ， 网络的期望输出 [ t ， ⋯ ] 。当输入第 P个样本时， 对于网络中的 第 z Z 1 ， 2 ， ⋯ ， Z 一1 层第 个 神经元 的操 作特 性为 _∑ D 0 ’ 一 O ， t 州 式中 神经元 i 到神经元 的连接权值； 一 第 f 一1 层 的节点数 ； D _ 1 神经元 的当前输入； D 神经元 的输出； 非线性可微非递减 函数 ； 收稿 13期 2 0 1 0 0 4 2 6 ； 修稿 日期 2 0 1 0 0 9 2 6 。 作者简介 禹浩 1 9 8 6一 ， 男， 中国石油大学 华东 油气储 运工程专业在读硕士， 主要从事油田腐蚀和油气储运系统安 全工程方面的科研工作。 基金项目 长庆油田多层系含水原油混输结垢工艺研究科 研项 目。 一 一 殛 一 综一 5 8 石油化工腐蚀与防护 第 2 7卷 一 般取为 S型函数 ， 即 而对于输 出层则有 ， “ L 刍 - I D 一 n e 刍w D 。’ 一 误差函数定义为 1 0 ， 一 、 E p 一 神经 网络学- 3 的目的是实现对每一样本误差 达到最小 ， 从而保证网络总误差 极小化。 2 数据样本表 通过现场大量数据的分析发现 ， 影响集输系统 污垢形成的主要因素是集输系统 内流体 的温度和 流速、 管道 内的压力、 不同层系采出水的混合配比。 因此选取上述参数为变量 ， 利用建立的污垢监测实 验平台模拟现场集输 系统 的运行工况 ， 筛选 出 部分试验数据作为数据样本表， 见表 1 。 表 1 部分数据样本 3 B P神经网络结构 训练数据的准备工作是 网络设计与训练的基 础 ， 数据选择的科学合理性对网络设计有重要 的影 响， 一个待建模系统的输人输出及就是神经网络的 输入输出变量 ， 通过现场实验数据分析选取温度、 压力、 配 比、 流 速， 它们 同时也是 B P网络 的输入 量 ， 因此网络的输入层节点数为 4， 输出层 为管道 污垢热阻值， 取输出层节点个数为 1 。网络结构见 图 2 [ 引。 隐层 图 2 B P网络结构 B P网络结构 中隐层 的设计也是重要的环节 ， 对于这类问题 ， 不存在通用的理论指导 ， 但经过大 量的实践积累了不少的经验 由于单隐层的前馈网 络可以映射所有的函数 ， 因此试验 中选取单隐层的 B P网络 引。 隐层中节点的作用是从样本中提取并存储其 内在规律 ， 每个隐节点有若 干个权值 ， 而每个权值 都是增强网络映射能力 的一个参数 ， 隐节点太多， 网络从样本中获取的信息能力就差， 不足以概括和 体现训练集中的样本规律 ； 隐节点数量太多 ， 又可 能把样本 中非规律性的内容也学会记牢 ， 从而出现 所谓的“ 过度吻合 ” 问题 ， 降低 了泛化能力。实验 选用试凑法选取隐节点个数 ， 运用经验公式 式中 n l 为隐层节点数 ， n为输入层节点数 ， l 为 输出层节点数， 为 1 ～1 0的常数 。网络 中输入节 点个数4， 输 出节点个数为 1 ， 比较不同 仅值的情况 下网络训练次数和精度 ， 选取 隐层节点个数 m为 7 。网络训 练误差 曲线 见 图 3 ， 训 练步数 为 9 5 时 ， 精度为 1 e 一8 。 第 6期 禹浩等． B P网络在油田集输管道结垢预测中的应用 5 9 { 醚 宾 蟋 基 训练步数／ 图 3网络训练误差 曲线训 练步数 4 程序编写及算法信号流程 根据 B P网络结构设计程序语言如下 l o a d Y a n g b e n l ％载人数据样本 1 [ p n ， m e a n p ， s t d p ， t n ， m e a n t ， s t d ]p r e s t d P ， t ； ％对样本数据进行归一化处理到单位方差 和零均值 [ p tr a n s ， tr a n s M a t ]p r e p c a p n ， 0 ． 0 0 1 ； ％删除冗余数据 ， 保留主要成分 n e t n e w ff m i n m a xp t r a n s ，[ 4 1] ， { ‘ t a n s i g ”p u r e l i n’ } ， ‘ t r a i n g c L x’ ； ％建 立相 应的 B P网络 n e t ． t r a i n P a r a m． e p o c h s 2 0 0； ％最大训练 次数为 2 0 0 n e t ． t r a i n P a r a m． g o a l 1 e 一5 ； ％训练要求 精度为 1 e 一 5 n e t ． t r a i n P a r a m． s h o w6 0 ； ％显示训 练迭 代过程 6 0次 [ n e t ， t r ]t r a i n n e t ， p t r a n s ， t ； ％利用有 动量和自适应 lr 的梯度下降法训练网络 l o a d Ya n g b e n 2 p l t r a s t d p l ， m e a n p ， s t d p ； ％对数据样 本 2进行归一化处理 p 2s i m n e t ， p 1 ； ％网络仿真 p 2 n p o s t s t d p 2 n ， m e a n t ， s t d t ； ％反归一 化数据， 使网络输出值为污垢热阻 5 仿真结果对比 一 个 网络 的优差可以通过它的预测值与实际 值的误差得出， 误差小说 明该网络模型预测精度 高 ， 反之网络预测精度低。利用上述建立的管道污 垢预测 B P神经网络， 输入相关的运行参数可以预 测出不同运行工况下管道表面的污垢热阻， 与实验 测量值相比较结果见图4 。 9 0 ， 、 B O 7 0 目 6 0 、 、 5 0 E d 最 4 0 1{ l } 孵 3 O 2 0 1 0 U Zu 4U 6U U 1 0 0 数据 点 图 4 预测数据与 实测数据对比 从网络仿真效果可以看 出， 在不同的输入样本 情况下实测值与预测值相对误差较小 ， 利用 B P神 经网络可以对样本数据进行有效的学习 ， 并进行预 测仿真。这对于研究管道污垢的形成机理及防治 有很大的帮助 ， 同时可推广人工神经网络在工业中 的应用。 6结束语 针对油 田混输管道存在的结垢 问题 ， 提出了基 于 B P神 经网络的预测方法。经过实验数据与预 测数据的对 比分析可 以发现 ， B P网络有较准确 的 预测结果 ， 可靠性较好 ， 可 以作为油 田管道污垢预 测的新方法 ， 也为油田污垢的防治与处理提供了新 的工具。但 由于 B P网络存在的通病 ， 在具体的应 用时应该注意以下问题 过拟合现象是指训练集中的样本点和理论值 非常吻合 ， 但样本点外 的值偏差很 大， 网络的泛化 能力很差， 它是由网络复杂度和训练样本集信息之 间的不平衡造成的。因此应用 网络解决现场的问 题时 ， 必须充分考察网络的准确度。 参考文献 l 付亚荣 ， 王开炳 ． 基 于人工神 经 网络的油 田地 面集输管 道结垢 预测[ J ] ． 石油工业计算机应用 ， 1 9 9 9， 1 5 2 1 61 8 2 韩力群． 人工神经网络理论、 设计及应用[ M] ． 北京 化学工业 出版社 ， 2 0 0 4 ． 2 3 02 7 5 3 张士科， 茹忠亮， 赵洪波． 基于 M A T L A B的 B P神经网络在煤巷 锚杆 支护设计 中的应用[ J ] ． 煤矿机械 ， 2 0 0 8 ， 2 9 6 1 5 31 5 5 4 冷却水动态模拟试验方法． H G ／ T 2 1 6 0 1 9 9 1 [ S ] 5 黄江平 ， 陶慧汇 ， 朱志高． 基于 B P网络 的醋酸 乙烯 聚合率软测 量研究[ J ] ． 机床与液压， 2 0 0 9 ， 3 7 8 2 8 6 2 9 6 6 韩力群． 人工神经网络教程[ M] ． 北京 北京邮电大学出版社， 2 0 0 6． 3 94 5 7 董长虹． M a t l a b神经网络与应用[ M] ． 北京 国防工业出版社， 2 O 0 7． 9 9 1 1 0 6 O 石油化工腐蚀与防护 第 2 7卷 Ap pl i c a t i o n o f Ba c k - Pr o pa g a t i o n Ne u t r a l Ne t wo r k i n Pr e di c t i o n o f Fo u l i n g i n Oi l fie l d Ga t h e r i n g Pi p e l i ne s Y u Ha o，Li ，Wa n g T ai y u a n，Du S o n gl i n C h i n a U n i v e r s i t y o f P e t r o l e u m H u a d o n g Q i n g d a o ， S h a n d o n g 2 6 6 5 5 5 Ab s t r a c t As mo s t o f t h e o i 1 g a s f i e l d s i n Ch i n a h a s e n t e r e d t h e h i g h wa t e rc u t d e v e l o p me n t p e ri o d ，t h e f o u l i n g i n o i l＆ g a s p i p e l i n e s h a v e b e c o me a s e r i o u s p r o b l e m t h r e a t e n i n g t h e n o r ma l o p e r a t i o n o f t h e p i p e l i n e s a n d a f f e c t i n g t h e o i l ＆ g as fi e l d p r o d u c t i o n ．T o s o l v e t h i s p r o b l e m，t h e f o u l i n g mo n i t o ri n g e q u i p me n t i s i n s t a l l e d i n t h e mi x e d t r a n s mi s s i o n p i p e li n e s ．T h e s a mp l e s a r e t a k e n f o r a n aly s i s a n d d a t a a r e g e n e r a t e d ．T h e f o u l i n g i n g a t h e ri n g p i p e l i n e s i s p r e d i c t e d a n d e v a l u a t e d b y B P n e u r a l n e t w o r k a l g o rit h ms ．T h e c o mp a r i s o n s h o w s t h a t t h e d a t a f r o m B P n e u r a l n e t wo r k p r e d i c t i o n i s v e r y c l o s e t o t h a t o f a c t u a l me a s u r e me n t ．I n a d d i t i o n ， e s t a b l i s h m e n t o f ma the m a t i c m o d e l i s n o t r e q u i r e d ， a n d l e a r n i n g p r o c e s s c a n b e c o mp l e t e d b y a u t o m a t i c a l l y a d j u s t i n g t h e c o n n e c t i o n we i g h t b e t w e e n n e u r o n s ．I t o ff e r s a g o o d p r e d i c t a b i li t y ． Ke y wo r d s g a t h e ri n g p i p e li n e，f o u l i n g ，mo n i t o r i n g u n i t ，p r e d i c t i o n，B P n e t wo r k 上接第 3 0页 2 对泵叶轮进行材质升级 ， 由原来的 Ⅱ级升 为Ⅲ级 ， 提高耐磨性能。 3 对常二线抽出 口和返塔线进 口管线材质 升级为 3 0 4不锈钢。 采取这些措施后 ， 目前要求每班排放不少于两 次 ， 情况大为好转 ， 最近再没有发生上述现象 。 2 原油性质变化情况下的应对措施 1 关注原油性质变化 ， 随时根据原油性质变 化及时进行调整操作 ， 采取措施 ， 减缓腐蚀。 2 对装置进行设防值 的测定工作 ， 对每套装 置设定有效的设防值 ， 在原油性质发生变化时， 应 采用混炼方法等方法保证原油性质 的相对稳定， 从 而提高装置的运行周期。 3 选用耐蚀材料 ， 在适 当的时机对设备、 管 线材质进行适应性升级。 4 增加三级电脱盐 ， 确保脱后含盐达标 ， 目 前该项 目正在设计 中。 5 积累数据， 积累经验 ， 通过关注原油性质 的变化对装置腐蚀和生产操作的影响形成资料 ， 掌 握在不 同的原油性质下应该采取不 同的操作参数 ， 在原油性质发生变化时及时进行调整操作 ， 减缓 腐蚀。 3 结论 原油性质变化对装置的腐蚀类型和腐蚀状况 会产生很大的影响 ， 造成的结果和采取的防护措施 也都不同。高硫高酸原油主要是低温部位的均匀 腐蚀和高温部位的硫和环烷酸腐蚀， 主要采取工艺 防腐蚀技术 ， 通过 “ 一脱三注” 工艺和合理选材进 行控制 ； 在原油碱性化后 ， 低温部位腐蚀减缓 ， 但高 温部位出现碱脆和应力腐蚀开裂 隋况 ， 应当注意设 备选材和制造加工工艺 ， 消除应力避免应力腐蚀开 裂 ， 提高设备运行周期。 参考文献 1 廖芝文． 原油注碱防腐技术在常减压装置的应用[ J ] ． 石化技术 与应用 ， 2 0 0 7， 2 5 5 9 2 沈强锋． 加工高硫原油常减压装置工艺设备防腐措施[ J ] ． 石油 化工设备技术 ， 2 0 0 6， 2 7 2 4 8 4 9， 5 4 3 侯祥麟 ．中国炼油技术[ M] ． 北京 中国石化出版社， 1 9 9 8 ． 1 9 0 一 】 9 6 Co r r o s i o n Pr e v e n t i o n f o r At mo s p h e ric-v a c u u m Di s t i l l a tio n Un i t Pr o c e s s i n g Va r i a b l e Cr u d e Oi l s L a n z h o u，Wa n g Xi y u e S I N O P E C X i ’ a n P e t r o c h e m i c a l C o m p a n y ’ a n ， S h a a n x i 7 1 0 0 8 6 Abs t r a c t As a t mo s p h e ri cv a c u u m d i s t i l l a t i o n u n i t i s p r o c e s s i n g v a r i o us c rud e o i l s ，t h e c o r r o s i o n o f t h e u n i t a l s o v a r i e s ． T h e d e t a i l e d anal y s i s o f t h e c o rr o s i o n s c o n c l u d e s t h a t p r o p e r a d j u s t m e n t o f“ D e s a l fi n g a n d 3 A d d i t i o n s ”p r o c e s s e s b a s e d u p o n t h e v a ri a t i o n o f e md e p r o p e r t i e s ，b l e n d i n g c rud e o i l s t o ma i n t a i n a r e l a t i v e l y s t abl e c r u d e o i l p r o p e rt i e s ，s e l e c t i o n o f c o r r o s i o n ． 一r e s i s t a n t ma t e r i als a nd i ns t a l l a t i o n o f 3 一s t a g e e l e c t r i c d e s a l t i n g w i l l mi t i g a t e t he c o r r o s i o n o f t he u ni t ． Ke y wo r d s c r u d e o i l ，p r o p e r t y v a ri a t i o n，c o r r o s i o n p r e v e n t i o n， me a s u r e s