油田注汽锅炉蒸汽干度测量方法研究

摘要

本文对油田注汽锅炉蒸汽干度测量方法进行了研究。文章首先分析了干度测量的研究现状，针对国内常用的干度测量方法存在的相关问题，提出了一种基于神经网络的干度软测量方法。其次，在对汽驱工艺以及神经网络相关知识研究的基础上，提出了神经网络干度测量系统的设计方案。通过分析在实际的测量过程中影响干度的相关参数，得出注汽锅炉出口蒸汽干度与蒸汽压力、差压及给水流量有关，这些参数可以直接测量。随后以相关的量为输入，干度为输出建立BP神经网络模型。通过对输入输出数据的预处理、增加隐含层层数、加入噪声信号以及循环训练等这一系列方法的改进、对比及结果分析，最后确定干度模型采用双隐层加入噪声信号循环训练的BP神经网络。通过对该模型仿真结果的分析，以及与传统的机理模型和人工化验方法的对比，可以看出此模型在检测精度及测量时间方面都有很好的效果。最后，基于本文提出的干度软测量方案，设计开发了一套干度测量系统。该系统分为两部分：训练系统和仿真系统。训练系统完成建立网络、训练网络、保存网络的功能；仿真系统用保存的网络对新输入的相关参数进行干度检测，并实时的显示蒸汽干度以及相对误差。该系统大大降低了干度测量工作者的工作量，使干度测量具有智能化。

目录

文摘

英文文摘

独创性说明及大连理工大学学位论文版权使用授权书

1绪论

1.1背景介绍

1.1.1注蒸汽的稠油开采方法

1.1.2注汽锅炉及其控制方法

1.1.3蒸汽干度

1.2研究意义

1.3国内外发展现状

1.4本文的研究工作

2干度测量方法研究

2.1汽驱工艺介绍

2.2已有的蒸汽干度测量方法

2.3国内主要的干度测量方法

2.3.1人工分析化验法

2.3.2机理分析软测量方法

2.4本文采用的蒸汽干度测量方法

3人工神经网络干度预测原理

3.1人工神经网络简介

3.1.1神经网络的特点

3.1.2神经网络模型

3.1.3学习方法

3.1.4操作过程

3.2 BP网络

3.2.1网络结构

3.2.2工作原理

3.2.3学习算法的实现

3.2.3 BP神经网络的计算步骤

3.3BP学习算法的改进

3.3.1常用的改进BP算法

3.3.2 Leveberg-Marguardt优化算法

3.4神经网络干度预测模型设计

4基于BP网络蒸汽干度检测的MATLAB实现

4.1 MATLAB简介

4.2 MATLAB神经网络工具箱

4.2.1常用神经元传递函数

4.2.2神经网络的生成与训练函数

4.3 MATLAB数据预处理函数

4.3.1归一化方法

4.3.2标准化处理

4.4干度预测的MATLAB实现

4.4.1 BP干度模型的设计

4.4.2 BP干度模型的改进

4.4.3干度模型性能对比

5干度系统的建立

5.1干度系统主界

5.2干度预测神经网络训练系统界面

5.3仿真系统主界面

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢