《基于人工神经网络混合油品粘度预测模型研究.pdf》由会员分享，可在线阅读，更多相关《基于人工神经网络混合油品粘度预测模型研究.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、基于人工神经网络混合油品粘度预测模型研究*赵会军1?张青松2?王?宏2?陆炎洪2(1江苏工业学院江苏省油气储运技术重点实验室)(2.瑞吉格泰油气工程有限公司)?摘?要?在分析前向 BP神经网络基本原理的基础上,对 3种混油建立了人工神经网络混油粘度预测模型,该模型结构为 1-7-1的三层 BP网络模型。运用实测数据对 BP网络进行训练和仿真。结果表明,三种模型预测误差全在 2.5%以内,比前苏联学者提出的混油粘度计算公式?克恩达尔-莫恩罗埃公式和兹达诺夫斯基公式更具有计算精度高、适用性强的特点,可完全满足工程实际需要。关键词?管道?BP神经网络?混油粘度?预测模型?大多数石油产品都是经过调合而
2、成的调制品。油品调合后的特性表现在调合组分间的线性和非线性关系上,即表现在组分间有无加和效应的关系上 1。为了保证调合质量,必须对调合产品的性能指标加以控制。石油产品的性能指标,如密度、馏程、蒸气压等,在调合前后呈体积加成的线形关系,而粘度、闪点、凝点等指标,在调合前后呈非线形关系。同时在油品调合的过程中,还可能出现改善了某些性质而恶化了其它性质的情况,如在调整油品的运动粘度时,可能出现调合油的闪点或残炭不合格的问题。这样很难给出非线性油品调合后油品质量模型的表达式。在成品油管道输送过程中,为了最大限度地提高管道利用率,常采用顺序输送方式输送不同种油品。而两种油品在管内流动,在交界面处必产生混
3、油 2。在混油段内,两种油品的浓度以界面为中心呈衰减分布,油品物性(如密度和粘度)也发生变化。在深入研究和分析混油段的混油特性和水力特性(例如水力摩阻)时,需要力求准确地计算油品物性的变化 3。由于混油粘度不可以仿照混油密度简单的组分比例进行计算,苏联学者提出了克恩达尔-莫恩罗埃公式与兹达诺夫斯基公式。但随着组分粘度差异的增加,克恩达尔-莫恩罗埃公式的误差明显增加。按 B.M 杰格佳列夫的数据,对汽油和凡士林润滑油的混油,克恩达尔-莫恩罗埃公式的误差是 90%,兹达诺夫斯基公式的误差是 30%4。为此,本文将建立满足工业应用需要的粘度预测模型,旨在为炼油厂调整和优化操作条件以及炼油设计、工程计
4、算等提供可靠计算方法。同时也能够为成品油管道安全运行与混油的检测和切割处理提供依据和帮助。1?神经网络概述人工神经网络在处理复杂系统的建模问题上表现出了较强的优越性,它通过对简单的非线性函数进行复合来表达复杂的系统过程,具有自组织、自学习的特点,不需要预先对模型的形式及参数加以限制,只需根据训练样本的输入、输出数据来自动寻找其中的相关关系,给出过程对象的具体数学表达。同时,由于其信息具有分布存储的特点,使建立的模型具有一定程度的抗干扰性 5。BP神经网络是目前最常用的神经网络之一。对于具有 n个输入、m 维输出节点的 BP神经网络,输入到输出的关系可以看作是 n维欧氏空间到 m维欧氏空间的映射
5、。网络运行时,输入数据首先通过加权值传到隐含层节点,通过传递函数的作用再送到输出节点。传递函数 f(x)通常取 sigmoid函数335?石 油 与 天 然 气 化工?第 36卷?第 4期?CHEM I CAL ENG INEERING OF O IL&GAS*中石化集团公司项目 X504007;江苏省油气储运重点实验室资助 ZDK0602004。或者 tansig函数。由于网络中存在着大量的非线性节点,因此,网络的输入/输出映射具有高度的非线性。对于 BP 神经网络,只要有足够多的隐含层节点,理论上可以实现任意输入到输出的映射。BP神经网络由两部分构成:信息的正向传递和误差的反向传播。在正向
6、传递中,输入信息从输入层经隐含层逐层计算传向输出层,每层神经元的状态只影响下一层神经元状态。如果输出层没有得到期望的输出,则计算输出层的误差变化值,然后反向传播,通过网络将误差信号沿原来的连接通路反向传回来,修改各层神经元的权值,直至达到期望的目标。具有一个输入层、一个隐含层、一个输出层的三层 BP神经网络如图 1所示。2?神经网络预测模型根据 Kol mogorov定理 6,三层 BP 网络可以逼近任意连续的非线性映射,所以 BP网络建模实质就是如何正确选定网络的各层节点数。输入层节点数取 1,即一种油品混油浓度,输出层节点数取 1,即混油粘度。隐含层节点表达了网络输入与输出之间的非线性程度
7、,但至今没有统一的选择标准,隐含层节点数的选择影响着预测值和实际值的非线性拟合程度。隐含层节点个数增加,可使非线性优化问题的可调参数增加,使网络记忆能力加强,可得到精确的解,但大大降低了网络的学习速度。隐含层节点个数过少会造成网络收敛到局部极小点,最佳隐含层节点个数由试验和经验得出。经过反复测试,选1个隐含层,隐含层节点个数选 7个,使网络有较好的预报效果。在网络学习中,为加快收敛速度并使系统误差较小,采用带动量项的网络修正法,与此响应的学习速率取 0.01,动量系数?=0.9,迭代次数epochs=2000,节点传递函数采用单级 S 型函数longsig。由于此函数含有某些饱和特性,且输出范
8、围在(0,1)之间,为避免神经元节点的饱和失效和溢出,需要将输入、输出样本集进行归一化处理,使其变换到(0 1)之间。输入样本已经满足因此无需处理。输出样本归一化处理为:Yj=(Yj-Y,j m i n)/(Y,j m ax-Y,j m in)3?计算实例以 31组实验数据为基础,以其中的 25组数据构成训练集(见表 1),以不同于训练集中的 6组数据构成测试集。利用上述 BP网络法分别对三种混油情况的训练集数据进行网络学习。网络通过对样本的学习,对网络的权值和阈值进行调整,不断获取混油粘度与混油浓度之间的非线性关系,并将其分布储存在网络的连接权上,最终将混油粘度与混油萈表 1?混油运动粘度原
9、始训练数据序号汽油体积分数粘度,mm2/sN混油 1混油 2混油 3N N序号汽油体积分数粘度,mm2/sN混油 1混油 2混油 3N N N N10.001.455 1.197 3.762 140.530.877 0.757 1.150N N20.051.371 1.105 2.991 150.550.865 0.742 1.118N30.101.350 1.084 2.798 160.650.821 0.701 0.983N40.181.266 1.023 2.350 170.700.781 0.669 0.841N50.201.229 0.998 2.193 180.730.767 0.
10、657 0.793N60.251.164 0.954 1.962 190.800.734 0.618 0.711N70.271.139 0.937 1.894 200.820.719 0.603 0.678N80.331.042 0.867 1.574 210.850.698 0.587 0.641N90.351.022 0.852 1.478 220.930.681 0.574 0.607N100.381.006 0.841 1.397 230.950.677 0.569 0.596N110.401.008 0.837 1.371 240.980.663 0.550 0.556N120.42
11、0.993 0.834 1.353 251.000.643 0.521 0.530N130.500.911 0.788 1.221N?注:混油 1-汽油与煤油;混油 2-汽油与航煤;混油 3-汽油与柴油。3种混油内的汽油并不是同种型号油品。N浓度用目标函数之间的复杂的非线形关系知识以连接权数字矩阵的形式记录下来,从而实现由输入模式到输出模式的任意非线形下的映射,实现各种因萈表 2?输入层和隐层间的权值与阈值混油1权值-18.7394 19.783819.6183-19.6962 19.7577-19.5326-19.5956阈值 20.4607-16.1005-13.0220 9.5941-5
12、.9451 3.5594-0.5832N N N混油2权值-18.8327 19.909819.6135-19.5449 19.7562-19.5387-19.5957阈值 20.3684-15.9409-13.0261 9.8985-5.9672 3.5336-0.5224N N混油3权值-18.7951 19.829219.5863-19.5954 19.6842-19.5558-19.5968阈值 20.4055-16.0421-13.0657 9.7962-6.2054 3.4369-0.3815N N N336基于人工神经网络混合油品粘度预测模型研究?2007?素非线形影响下的给点混
13、油浓度下的混油粘度预测。对三种混油进行网络学习,结果见表 2、表 3。萈表 3?隐层和输出层间的权值与阈值?权?值?N阈值N N混油 1 0.6858-0.0404-0.0455 0.0730-0.0856 0.09110.2138 0.5469混油 2 0.6375-0.0394-0.0350 0.0548-0.0623 0.06260.2141 0.4086混油 3 0.4955-0.0248-0.0484 0.0412-0.0936 0.13180.4617 0.3333N利用训练好的三种 BP网络模型分别对 3种混油进行混油粘度预测,并同克恩达尔-莫恩罗埃公式与兹达诺夫斯基公式与实际值
14、进行误差比较(见表 4 表 6)。萈表 4?三种方法与测量值误差分析(混油 1)序号混油中汽油体积分数测量值mm2/s?计算粘度,mm2/s?N?计算误差,%?N N方法 1 方法 2 方法 3 方法 1 方法 2 方法 3N N26 0.151.2871.3041.2231.3141.3214.9732.097N27 0.301.0941.1651.0551.0906.4903.5650.36628 0.450.9631.0350.9280.9747.476-3.363 1.14229 0.600.8610.9160.8280.8506.383-3.832-1.27830 0.750.762
15、0.8060.7470.7615.774-1.969-0.13131 0.900.6840.7050.6810.6853.070-0.439 0.146?注:方法 1-克恩达尔-莫恩罗埃公式;方法 2-兹达诺夫斯基公式;方法 3-人工神经网络预测模型。下表同。N萈表 5?三种方法与测量值误差分析(混油 2)序号混油中汽油体积分数测量值mm2/s?计算粘度,mm2/s?N?计算误差,%?N N方法 1 方法 2 方法 3 方法 1 方法 2 方法 3N N26 0.151.0521.0731.0021.0571.996-4.573 0.475N27 0.300.9180.9570.8620.90
16、24.248-6.100-1.74328 0.450.8210.8500.7560.8263.532-7.917 0.60929 0.600.7190.7520.6730.7244.589-6.397 0.69530 0.750.6420.6610.6070.6502.960-5.452 1.12531 0.900.5710.5780.5520.5771.226-3.327 1.051N萈表 6?三种方法与测量值误差分析(混油 3)序号混油中汽油体积分数测量值mm2/s?计算粘度,mm2/s?N?计算误差,%?N N方法 1 方法 2 方法 3 方法 1 方法 2 方法 3N N26 0.15
17、2.5343.0071.9652.588 18.666-22.455 2.131N27 0.301.7212.3601.3301.753 37.129-22.719 1.85928 0.451.3061.8141.0051.325 38.897-23.047 1.45529 0.601.0791.3590.8071.073 25.949-25.209-0.55630 0.750.7920.9870.6750.773 24.621-14.773-0.23931 0.900.6080.6900.5800.616 13.487-16.447 1.316N?从表 4 表 5中的数据可以发现,用克恩达尔
18、-莫恩罗埃公式计算汽油和航煤(混油 2)的混油粘度时误差约在 4.5%以内,比用兹达诺夫斯基公式精确。但对于计算汽油和煤油(混油 1)的混油粘度时,兹达诺夫斯基公式反而比克恩达尔-莫恩罗埃公式精确,误差在 5%以内。特别是用这两种公式在计算汽油与柴油(混油 3)的混油粘度时,误差都较大,甚至达到 38.89%。而用人工神经网络进行预测,其优越性更加明显(特别混油 3粘度预测)。而且从表 4 表 6数据可以明显看出,人工神经网络预测值明显优于克恩达尔-莫恩罗埃公式和兹达诺夫斯基公式,3种混油粘度预测与实测值误差全部在 2.5%以内。4?结?论通过人工神经网络方法建立了顺序输送混油粘度预测模型。通
19、过 3种混油预测结果与测量值误差的比较表明,人工神经网络预测法比克恩达尔-莫恩罗埃公式与兹达诺夫斯基公式更具有适用性,而且该模型需要参数少、计算简单,可以很方便地预测出任意混油浓度下的混油粘度,对准确地计算油品物性的变化与工程实际应用来说,都具有一定价值。参 考 文 献1?牟明仁,孙延伟,姜?丽 等:煤油与柴油按不同比例调合对油品特性的影响 J.精细石油化工进展,2006,6(10):43 462?康正凌,宫?敬,严大凡.管道顺序输送高差混油研究 J.石油学报,2003,24(4):94 983?蒋仕章,蒲家宁.成品油顺序输送时的混油粘度计算与误差分析 J.油气储运,2003,22(2)16
20、194?吕世昌,张泽溥 译.成品油顺序输送最优化 M.北京:石油工业出版社,19895?朱大奇,史?慧.人工神经网络原理及应用 M.北京:科学出版社,20066?周诗岽,张文信,吴?明.基于人工神经网络的含水原油视粘度计算 J.油气储运,2004,23(3)15 18作 者 简 介赵会军:男,生于 1965年,1988年毕业于石油大学(北京)石油机械专业,获硕士学位。高级工程师,现在江苏工业学院教学与科研工作,中国石油大学(华东)在读博士生。e-ma i:l 04104211 s mai.l 。地址:(213016)江苏工业学院白云校区机械系。收稿日期:2006-12-11;编辑:杨?兰337
21、?石 油 与 天 然 气 化工?第 36卷?第 4期?CHEM I CAL ENG INEERING OF O IL&GASspread to the other water-producing wells.Keywords:pingluoba gas reservoir,foam-de-waterExperi ment Study on Reaction of Smectite withMud Acid and Fluorboric AcidXuB inqing,Tang Hongm ing,ZhangL iehui(Southwest Petroleum University).CHEM
22、ICAL ENGI-NEERI NG OF OIL&GAS,VOL.36,NO.4,pp328330,2007(ISSN 1007-3426,I N CHI NESE)Abstract:The chem ical reactions of smectite withthe 7 acid systems of 5%HC,l 5%HCl+0.5%HF,5%HCl+1.0%HF,0.5%HF,1.0%HF,8%HBF4,5%HCl+7%HBF4have been systematicallyinvestigated by XP ert PRO X-ray and XL-30 spec-tral SE
23、M,etc.The parameters such as Si and Al ionconcentrations,acid corrosion,steadiness of crystalstructure,have been especially analyzed on their varia-tionsw ith ti me,acid concentration and type of acid.Itis concluded that smectite reactionsw ithmud acid,HFand HBF4systems exhibit the charateristics of
24、 strongacid,however,during the reaction the peak of ionconcentration inHBF4system presents 0.5 to 1.0 hourlater than inmud acid fluid.It is discovered that alu-m ina octahedral-oxygen is more corroded by acidsthan silicon-oxygen tetrahedral when the Si/Al valueis compared w ith its theoretical value
25、.After 2 hours ofreaction between sm ectite and 7%HBF4or 5%HCl+7%HBF4,it is found that d(001)crystal surface hasbeen ruined and ne w peak has been observed,there-fore,F-and B-are helpful form ineral transfor ma-tion from smectite.Keywords:smectite,mud acid,fluorboric acid,crystal structure,silicon e
26、lemen,t alum inium elementResearch and Application of On-line Chem icalCleaning in Quxian CirculatingCoolingW ater Sys-te mYang L i1,Hu Cao2,Xu Shuangjin3(1.RI NGT,PetroChina Southwest Oil and Gasfield Company;2.Chongqing NaturalGasPurification PlantGenera,l Pe-troChina SouthwestOil andGasfield Comp
27、any;3.South-ern Sichuan Gas Distric,t PetroChina Southwest Oil&Gasfield Company).CHEMICAL ENGINEERI NG OFOIL&GAS,VOL.36,NO.4,pp331 334,2007(ISSN 1007-3426,I N CHI NESE)Abstract:Due to the plant s technics conditionchange and high cycle of concerntration,quantity ofCaCO3scale in heat-exchanger increa
28、sed,and theheat-exchange efficiency droped obviously.After 64hours on-line chem ical cleaning by using chem icalcleaning syste m composed of organic acid,claw agentand penetrating agen,t the difference ofwater te mpera-ture between inlet and outlet of circulatingwater systemincreased 1?.Keywords:cir
29、culating cooling water system,on-line chem ical cleaning,m icroorganismsli m e de-tachedResearch on theM odel of Forecasting the ViscosityofO ilM ixture Based on the BP NeuralNet workZhaoH uijun,ZhangQ ingsong,W angH ong,et al(Jiangsu Key Laboratory of Oil&Gas Storage andTransportation Technology,Ji
30、angsu Polytechnic Un-iversity,Changzhou).CHEMICAL ENGI NEERI NG OFOIL&GAS,VOL.36,NO.4,pp335 337,2007(ISS N 1007-3426,IN CHINESE)Abstract:The model of forecasting the viscosityof oil m ixture is set up respectively to three differentm ixtures based on analysis of the basic principle of for-ward back
31、propagation(BP)neural net work.Thestructure of model is 1-7-1 three-layer BP ne-twork.The three BP neural net works are trained andsi mulated respectively by using practicalmeasuring da-ta.The results show that the errors of three models areall less than 2.5%.It also indicates that the presentmethod
32、 has higher accuracy and w ider applicabilitythanKerndal-Munnloe for mula and Zdanowski formu-la proposed by former Soviet scholar and it can wellmeet the needs of engineering.Keywords:pipeline,BP neuralnetwork,viscos-ity of oilm ixture,forecasting modelApplication Research on the M easurement of th
33、eDensity ofNaturalGas by Vibrating ElementDen-sity TransducerTu Zhenquan,Xu Wenxiao,Chen Yong,et al(Research Institute of Natural GasTechnology,South-westOil&GasF ield Company,PetroChina).CHEM I-CAL ENGI NEERI NG OF OIL&GAS,VOL.36,NO.4,pp338 340,2007(ISSN 1007-3426,I N C H I-NESE)Abstract:A new method,on-line measurementof the density of natural gas,has been established byresearching on vibrating ele m ent density transducertests.The characteristic is not to analyze the compo-nents of natural gas,the density of natural gas can be5Aug.2007,Vol.36,N o.4?CHEM ICAL ENGINEERI NG OF OIL&GAS?