[发明专利]一种多相流流量检测方法及系统

权利要求书

1.一种多相流流量检测方法，其特征在于：所述方法包括如下步骤：

1)采集多相流的流动信号；

2)获取大量的多相流数据样本训练深度学习模型；

3)将所述流动信号输入所述深度学习模型得到多相流中各相流量。

2.如权利要求1所述的方法，其特征在于：所述流动信号包括油相流动信号和气相流动信号，所述流动信号采用文丘里管和电容层析成像传感器进行采集，所述文丘里管采集管道压力时间序列信号、第一压差ΔP₁时间序列信号和第二压差ΔP₂时间序列信号，所述电容层析成像传感器采集电容值的时间序列信号。

3.如权利要求2所述的方法，其特征在于：所述深度学习模型包括一维卷积神经网络、双卷积神经网络和卷积神经网络-长短时记忆网络。

4.如权利要求3所述的方法，其特征在于：将所述管道压力时间序列信号、所述第一压差ΔP₁时间序列信号和所述第二压差ΔP₂时间序列信号输入所述一维卷积神经网络在线测量油气多相流中的油相流量和气相流量。

5.如权利要求3所述的方法，其特征在于：将所述管道压力时间序列信号、所述第一压差ΔP₁时间序列信号、所述第二压差ΔP₂时间序列信号和电容值的时间序列信号输入端到端的双卷积神经网络在线测量油气多相流中的油相流量和气相流量。

6.如权利要求3所述的方法，其特征在于：将所述管道压力时间序列信号、所述第一压差ΔP₁时间序列信号、所述第二压差ΔP₂时间序列信号和电容值的时间序列信号输入端到端的卷积神经网络-长短时记忆网络在线测量油气多相流中的油相流量和气相流量。

7.如权利要求6所述的方法，其特征在于：所述一维卷积神经网络依次包括一维卷积层、一维池化层和全连接层，所述双卷积神经网络依次包括一维卷积层，一维池化层、拼接层和全连接层，所述卷积神经网络-长短时记忆网络依次包括一维卷积层，一维池化层、高维矩阵转置、长短时记忆网络层和全连接层。

8.如权利要求2～7中任一项所述的方法，其特征在于：所述时间序列信号长度为5分钟。

9.一种多相流流量检测系统，其特征在于：包括依次设置于管道上的电容层析成像传感器和文丘里管，所述电容层析成像传感器中设置有现场可编程门阵列数据采集处理器，所述文丘里管中设置有现场可编程门阵列数据采集处理器，所述电容层析成像传感器与深度学习模型通信连接，所述文丘里管与所述深度学习模型通信连接。

10.如权利要求9所述的系统，其特征在于：所述文丘里管采样频率为8赫兹，所述电容层析成像传感器采样频率为8赫兹，所述文丘里管和所述电容层析成像传感器以同时采集油气多相流的流动信号，按相同的时间戳对齐采集的信号。