基于时变时间序列分析的凝析天然气计量算法研究

摘要

基于自行研制的凝析天然气流量计量样机和大量实验数据，本文采用时变时间序列分析方法获得分相流量，实现流量在线计量。 分析凝析天然气流量计采集的差压信号与气液分相流量之间的关系，首先采用小波模极大值去噪方法对差压信号进行预处理，为定量提取不同工况下的信号特征做准备。其次采用时变时间序列分析方法处理差压信号，选择合适的序列长度和基时间函数，利用极大似然法和递推最小二乘法分别获取阶次和模型参数。再次采用等高线图法定性分析模型参数与分相流量之间的关系，选取相关特征值组合。最后以特征值和气液分相流量分别作为神经网络的输入和输出，比较BP神经网络和RBF神经网络的性能，采用稳定性较强的RBF网络预报气液分相流量，相对误差分别低于10％和15％。 该计量算法表明时变AR模型参数与气液流量存在着密切关系，为凝析天然气的计量研究提供了有益的借鉴。

目录

文摘

英文文摘

声明

第1章绪论

1.1 课题研究来源及意义

1.2多相流计量技术研究现状

1.2.1 两相流计量技术

1.2.2多相流量计的开发使用

1.2.3 目前主要存在的问题

1.2.4流量计量技术的发展动向

1.3凝析天然气计量系统的原理

1.4本文研究内容

第2章时间序列分析方法研究

2.1平稳时间序列分析

2.1.1模型类型的判别

2.1.2 AR模型的建模

2.1.3模型适用性检验

2.2非平稳时间序列分析

2.2.1 自适应AR谱方法

2.2.2可化为平稳随机情况进行分析的方法

2.2.3时变参数模型法

2.3 时间序列分析方法在两相流中的应用

2.4本章小结

第3章差压信号的处理方法研究

3.1小波模极大值去噪

3.1.1 小波模极大值去噪算法

3.1.2小波去噪结果及讨论

3.2差压信号特征值的提取

3.2.1 模型参数

3.2.2标准差

3.2.3偏态系数

3.2.4峰态系数

3.3本章小结

第4章时变时间序列模型参数提取

4.1数据长度的选取

4.2基函数的选择

4.3模型阶次和分解维数的选择

4.4模型参数的求解

4.4.1递推最小二乘法

4.4.2渐消记忆最小二乘递推算法

4.4.3差压信号时变AR模型参数

4.5模型参数与气液两相流之间的关系

4.6本章小结

第5章基于人工神经网络的气液两相流量测量

5.1 BP神经网络

5.1.1 BP网络设计

5.1.2 BP神经网络测量分相流量

5.2径向基函数网络

5.2.1径向基网络原理

5.2.2径向基网络测量分相流量

5.3两种网络比较

5.4多元线性回归方法拟合多项式

5.5本章小结

总结

参考文献

攻读硕士学位期间取得的学术成果

致谢