一种基于微波谐振的油水两相流含水率反演方法

本发明属于多相流测量。基于管道油水两相流下的微波谐振原理，利用微波谐振器产生的集中电场对管道内流体介质变化的高灵敏度响应特性，结合信号滤波、亚采样分辨率谐振特征提取与基于物理约束的智能映射算法，实现全量程含水率的高精度、实时在线监测。

背景技术：

1、油水两相流广泛存在于石油资源的开采、输送、存储、炼化等生产过程中。含水率是油水两相流重要的过程参数，能够直观表征油井产出液组分构成、井下产液动态及管内多相流流动特性。实际油田生产中，受开采制度调整、地层物性非均质性等因素影响，油水两相流含水率通常呈现波动特征。含水率的变化会直接改变混合流体的密度、黏度、导电性等基础物性参数，进而影响管道流量计量精度、管输流动阻力、沿程压降及介质传热传质特性。因此，含水率的准确测量对于油井产能评价、生产制度优化、多相流精准计量以及生产安全保障具有重要意义。

2、目前，含水率测量的常用方法包括射线法、超声波法、电磁法等。其中，射线法虽然精度较高，但存在放射性污染风险；超声波法具有无扰动、可应用于非透明管段的特点，但在高含水率或复杂流型下受散射干扰严重；电磁法在处理油水混合介质时受流速和相分布影响较大。为了克服上述方法的局限性，微波谐振法作为一种先进的非侵入式测量技术，通过监测传感器谐振频率随介质介电常数改变而产生的偏移来反演含水率，展现出巨大的应用潜力。根据电磁场扰动理论，当管道内介质的等效介电常数发生变化时，谐振器的中心频率会产生灵敏偏移，这使得该方法具有高灵敏度、响应速度快以及结构紧凑等显著优势，在含水率测量中展现出巨大应用潜力。

3、然而，传统微波谐振法在实际应用中仍面临以下挑战：一方面，受限于测量装置等硬件设备的有限频率扫描步进，提取的谐振点往往仅具有“步长级”分辨率，限制了测量精度的进一步提升；另一方面，管路振动、环境电磁干扰、流体非平稳流动或杂质影响及硬件噪声等因素影响，实测谐振频域曲线中常出现伪峰或毛刺现象，严重降低谐振特征参数提取的稳定性与鲁棒性。此外，高含水与低含水区间存在测量灵敏度不同的问题：在高含水率区间，混合介质的等效介电常数主要由水相决定，此时含水率增加对混合介电常数提升作用相对有限，谐振频率偏移量随含水率升高而减少，测量灵敏度下降；在低含水率区间，水相以微小液滴形式分散于油相中，而电磁波在油相中传播损耗较低，少量水相变化对谐振频率偏移量影响很小，极易受到环境温度漂移等因素影响。因此在全含水率范围下使用单一线性模型或单一反演方法难以兼顾测量精度与稳定性。

4、为了弥补上述基于微波谐振的含水率检测技术的局限性，本发明提出一种结合信号去噪平滑、亚采样分辨率谐振特征提取与基于物理约束的智能映射算法，实现工业复杂环境下油水两相流含水率的高精度测量。本发明涉及一种微波谐振器测量含水率方法及其配套的解算方法，通过自适应平滑预处理滤除信号毛刺，利用三次样条函数插值方法实现亚采样分辨率的谐振特征提取，并结合基于物理约束的智能映射模型解决含水率非线性反演问题。相比于传统检测方法，本发明既能突破硬件扫描精度的限制，又具备对复杂工况的自适应修正能力，在离散相参数的高精度在线测量方面具有重要的实用价值。

技术实现思路

1、本发明的目的在于克服现有微波谐振法在含水率检测中受限于硬件扫描步进、测量噪声干扰、以及线性模型测量误差大等缺陷，提供一种结合信号滤波、亚采样分辨率谐振特征提取与基于物理约束的含水率智能映射算法。本发明的技术方案是通过亚采样分辨率提取技术突破硬件物理限制，并结合物理约束的智能映射模型修正极端工况下的非线性畸变，从而实现对管道油水两相流含水率的全量程、高可靠在线监测。技术方案如下：

2、一种基于微波谐振的油水两相流含水率反演方法，包括下列步骤：

3、s1，使用微波谐振测量装置采集油水两相分散流不同工况下的传输系数响应曲线；

4、s2，构建动态自适应去噪层，得到平滑后的曲线，包括：

5、s21，异常点去除，获得；

6、s22，数据平滑，得到整条曲线的平滑结果，记为曲线；

7、s3，构建亚采样分辨率特征提取层，在曲线中提取谐振特征参数；具体由以下子步骤实现：

8、s31，在全频段扫描范围内对曲线进行全局搜索，确定其离散最小值点所对应的频率；

9、s32，以为中心构建局部分析窗口，局部分析窗口长度确定：采用曲线的二阶差分来量化谐振峰局部区域的陡峭程度，并据此自适应优化局部窗口长度根据离散谐振频率点处的二阶差分的绝对值与预设阈值的比较结果；

10、s33，根据局部分析窗口，构建插值区间，计算每个插值区间子区间上三次样条函数；

11、s34，在局部分析窗口内，按加密间距构建亚采样级加密频率点序列，获得加密数据采样点集合，对于每个加密数据采样点的频率值，确定其所属子区间后代入该区间对应的三次样条函数计算插值幅值，插值的数据采样点对应的幅值与原始数据采样点序列的幅值合并得到的集合记为；

12、s35，对加密采样点集合和加密采样点幅值集合进行亚分辨率谐振特征提取，包括谐振频率、谐振峰幅值和品质因数，构建亚分辨率级谐振特征向量；

13、s4，构建基于物理约束的智能映射层，基于s3得到的亚分辨率级谐振特征向量，引入物理机理约束与数据驱动模型相结合的方法，实现对复杂多相流条件下含水率反演。

14、进一步的，所述微波谐振测量装置包括一个微波激励与采集单元和一个t型微波谐振传感器，其中，微波激励与采集单元用于提供微波激励信号输入到t型微波谐振传感器中并采集微波输出信号以计算不同频率下的参数，激励信号的扫描频段设置为270至350mhz。所述t型微波谐振传感器安装在被测流体流经的管道外侧，该管道使用非金属材料。

15、进一步的，s21的方法如下：

16、对每个固定工况下重复采集的组原始数据进行统计融合，记第组原始数据在频率点处的传输系数测量值为：

17、计算每个频率点处的传输系数测量值的平均值与方差：

18、在扫描频段范围内，计算的均值与标准差；

19、设定方差阈值为：

20、

21、其中为可调系数，取值范围为1.0至3.0；

22、若某频率点的方差超过设定阈值，则对该频率点的进行降权处理，进行加权计算后的为：

23、

24、其中，权值系数。

25、进一步的，s22的方法如下：采用savitzky-golay平滑算法对曲线进行平滑；采用不重叠的滑动窗口方式遍历整条曲线，并通过在固定长度的滑动窗口内构造局部多项式，从而在保持谐振峰形状不变的前提下实现降噪；对于当前窗口覆盖的所有频率点，使用多项式进行曲线拟合，利用最小化拟合误差平方和的方式对拟合系数进行最小二乘求解，得到拟合系数，将拟合多项式在各频率点处的计算值作为该窗口内各个频率点的平滑结果，依次处理每个不重叠滑动窗口，得到整条曲线的平滑结果，记为曲线。

26、进一步的，s32中，动态调整窗口长度参数的方法如下：

27、

28、其中，和分别以曲线的谐振峰宽度点数为基准确定；

29、

30、

31、其中，为小窗口比例系数，取值范围为0.1至0.3；为大窗口比例系数，取值范围为0.4至0.8。

32、阈值采用自适应方法确定：设定，其中为可调系数，取值范围为1.0至2.0；和为以离散最小值点为中心选取左右各个频率点构成的局部邻域内所有频率点二阶差分绝对值的均值和标准差，为以为中心的局部邻域半径，也以谐振峰宽度点数为基准按百分比确定：

33、

34、为邻域半径比例系数；为谐振峰宽度点数，计算公式为，为谐振峰从峰值向下衰减3db处所对应的频率宽度；为微波激励信号的频率扫描步长。

35、进一步的，s33的方法如下：以局部分析窗口中的个数据采样点构成插值区间，这些数据采样点对应的频率和幅值分别记为，其中；

36、在插值区间的每个子区间内构造三次样条函数，通过自然边界条件及连续性条件，建立关于各个频率下数据采样点对应二阶导数的三对角线性方程组，采用追赶法求解该方程组，得到各个频率下数据采样点处的二阶导数，进而计算出每个子区间上三次样条函数的系数。

37、进一步的，s35的方法如下：

38、谐振频率为加密采样点集合中对应幅值最小值的频率：

39、

40、谐振峰幅值为谐振频率代入对应子区间的三次样条函数计算得到的谐振峰幅值：

41、

42、品质因数由半功率带宽法计算得到

43、品质因数为：

44、

45、其中，为谐振峰从峰值向下衰减3db处所对应的频率宽度；

46、进而，构建亚分辨率级谐振特征向量：

47、。

48、进一步的，s4的方法如下：

49、s41，以不同工况下的亚分辨率级特征向量构建数据集，设定含水率分界点，以含水率分界点划分为低含水率区间数据子集和高含水率区间数据子集；

50、s42，对于两个数据子集和，分别独立地采用分层随机抽样方法将其划分为训练集和测试集，两个数据子集的训练集和测试集划分过程互不影响；

51、s43，以亚分辨率级特征向量为输入，在两个数据子集和内，分别构建轻量级前馈神经网络含水率测量模型，经过模型训练，得到低含水率下的子模型与高含水率下的子模型；

52、s44，融合模型：对低含水率子模型与高含水率子模型建立分段测量机制，对与采用不同的映射权重，提高模型在不同含水率区间内的适应能力；构建加权输出模型，获得含水率预测值。

53、进一步的，s43的模型训练过程中通过构建基于物理约束的损失函数对模型输出行为进行引导，损失函数的计算公式如下：

54、

55、其中，为含水率模型预测值与真实值之间的均方误差项；为基于物理机理的单调性约束项，用于惩罚不满足物理单调性的预测结果；为权重系数；

56、单调性约束项的具体计算方式为：在训练数据上，当相邻样本的谐振频率降低而预测含水率也降低时，施加惩罚：

57、

58、其中，表示相邻含水率样本之间预测含水率的变化量；表示相邻含水率样本之间谐振频率变化量；

59、进一步的，s44中，含水率预测值计算公式为：

60、

61、其中，与为自适应权重函数，可根据输入特征自动调整，从而实现对不同工况的平滑过渡；

62、自适应权重函数与的选择方法如下：以谐振频率为输入，采用sigmoid型平滑过渡函数，定义为：

63、

64、

65、其中，为分界频率阈值，对应含水率分界点附近的典型谐振频率值，为平滑参数控制过渡带宽度，当输入特征与低含水率特征相似时，趋近于1，趋近于0，模型输出主要由决定；当输入特征与高含水率特征相似时，趋近于0，趋近于1，模型输出主要由决定；在中间过渡区域，两个子模型的输出平滑加权融合，实现对不同工况的自适应平滑过渡。

66、本发明的实质性特点是基于微波谐振原理，建立了油水两相流含水率与谐振参数之间的物理映射关系，并提出一种信号处理算法，包括异常点去除与数据平滑、亚采样分辨率特征提取以及基于物理约束的智能映射三个层次。其中，通过异常点去除与自适应平滑提升信号稳定性，利用局部抛物线拟合实现谐振特征的亚采样精度提取，并结合物理约束模型实现含水率的非线性反演，从而构建了一种融合电磁机理与数据驱动的高精度测量方法。本发明的有益效果及优点如下：

67、1.能够有效抑制流体扰动、管路振动及系统噪声造成的影响，提高测量信号的稳定性与可靠性；

68、2.通过亚采样分辨率特征提取方法，突破硬件扫描步长限制，显著提升谐振频率的检测精度；

69、3.采用多参数特征输入与物理约束映射模型，提高了在高含水率及复杂流型条件下的测量准确性与鲁棒性；

70、4.基于含水率分段融合模型，实现信号处理与反演过程的整体优化，提升系统综合性能；

71、5.无需对现有微波测量硬件进行改造，具有实现成本低、工程适应性强及应用范围广等优点。