管输天然气水合物形成在线预警装置及方法

摘要

本发明公开了一种管输天然气水合物形成在线预警装置及方法，其中，在线预警装置包括数据在线采集模块，所述模块直接安装于集输管线上需要监控的位置，用于在整条管道上跟踪监测与水合物形成条件相关的参数，最终实现水合物形成在线预警及进行不同类型天然气水合物抑制剂注入量的优化。本发明的在线预警方法通过监测液相电导率和温度及超声波在水相中的传播速度，计算出监测点处水相中水合物抑制剂浓度和盐分浓度，通过天然气水合物抑制剂浓度和盐分浓度，结合采集到的气相压力、气相组分及温度参数实现上述在线预警及抑制剂注入量的优化。

说明书

技术领域

本发明属于天然气技术领域，涉及天然气水合物的在线监测，特别涉及一种管输天然气 水合物形成在线预警装置及方法。

背景技术

天然气水合物是在一定温度和压力条件下、天然气中某些组分与液态水生成的一种外 形像冰、但晶体结构与冰不同的笼形化合物。形成水合物的主要条件有两个：

1.天然气必须处于适当的温度和压力下；

2.必须有液相水存在。

天然气水合物的形成会造成管线、阀门和设备的堵塞，给天然气集输系统带来很大的 危害，从而造成经济上的损失。防止水合物生成的方法有很多种，其中向天然气中注入天 然气水合物抑制剂的方法最为常用。现今常用的水合物抑制剂主要分为热力学抑制剂和动 力学抑制剂。常见的热力学抑制剂有乙二醇、甲醇及二甘醇等醇类，而动力学抑制剂是一 些水溶性或水分散性的聚合物。在设计天然气水合物抑制剂注入量时，由于所作计算过于 保守，导致抑制剂注入量过多，造成经济上的浪费及环境的污染，此外，随着季节的更替， 抑制剂的需用量也会有所变化，因此，有必要通过一些方法对天然气集输管线上游抑制剂 的注入量进行控制，在不形成水合物的前提下，使用尽可能少的抑制剂，现有技术中，能 够实现这些功能的设备很有限，能够在线监测的更少，当前公布的类似设备或方法主要有： Tohidi等提出的通过测定天然气集输管线中水样的冰点降来确定不生成水合物的安全区方 案；Saied Mazloum等提出的通过测定天然气集输管线气相中水分的浓度来确定水相中抑制 剂浓度的方案。

发明内容

本发明的目的在于克服现有技术的不足，提供一种管输天然气水合物形成在线预警装 置，可以在线监测天然气集输管线水相中天然气水合物抑制剂浓度和盐分浓度，并在监测 的基础上实现水合物的形成在线预警及水合物抑制剂注入量优化。

本发明的另一个目的在于提供一种管输天然气水合物形成在线预警方法，具体通过监 测点液相电导率、液相温度、超声波在水相中的传播速度，采用人工神经网络模型，计算 出监测点处水相中天然气水合物抑制剂浓度和盐分浓度，通过天然气水合物抑制剂浓度和 盐分浓度，结合采集到的气相压力及气相组分参数实现水合物形成在线预警及对上游天然 气水合物抑制剂注入量进行优化。

本发明的目的是通过以下技术方案来实现的：一种管输天然气水合物形成在线预警装 置，包括数据在线采集模块和上位机数据处理模块，数据在线采集模块和上位机数据处理 模块通过GPRS网络进行通信；

数据在线采集模块包括数据采集装置和防爆盒，所述的数据采集装置包括压力传感器、 在线气相色谱分析仪和采样桶，压力传感器和在线气相色谱分析仪分别安装在天然气集输 管线上，采样桶的入口通过支管与天然气集输管线上设置的开口连接，采样桶的出口连接 排液管，支管和排液管上分别设有进液远程控制阀门和排液远程控制阀门；采样桶内安装 有用于收集所采样品电导率及温度信号的四极式电导探针和用于收集样品液位信号的液位 传感器，采样桶侧壁上对称的安装有用于进行样品声速测量的超声波发射换能器和超声波 接收换能器；

所述的防爆盒内设有处理器、控制信号输出模块、阀门动作执行器和GPRS数据传输 单元，处理器分别与压力传感器、四极式电导探针、液位传感器、超声波发射换能器、超 声波接收换能器、控制信号输出模块和GPRS数据传输单元相连，控制信号输出模块连接 阀门动作执行器，阀门动作执行器分别与进液远程控制阀门和排液远程控制阀门连接， GPRS数据传输单元还分别与在线气相色谱分析仪和无线收发天线连接，GPRS数据传输单 元将在线采集模块采集到的数据进行集成封装后通过收发天线与基站通信，通过基站将数 据发送到GPRS网络，GPRS网络的GPRS网关支持节点将集成封装的数据包进行协议转换 后传输至远端的Internet网络，上位机数据处理模块内部安装的无线接收器再通过Internet 网络接收数据包。

进一步的，所述的四极式电导探针内部集成有用于测量样品温度信号的热敏电阻，四 极式电导探针具有四个电极a、a'、b、b'，其中，b、b'为电流电极，a、a'为电压电极，b、 b'分别与正弦波信号电压发生器的两端相连，a、a'分别与高精度数字电压表两端连接，正弦 波信号电压发生器通过b、b'电极给所采样品施加电流，在样品中产生一个电场，在电压电 极a、a'上测得电压值V，得到样品的电导率计算公式为：

$K=\frac{I}{\mathrm{CV}}$

式中：K为电阻率，C为探头系数，由生产厂商给定，I为b、b'间通过的电流。

具体地，所述的处理器内部包括多个程控放大器、多个前置放大器、多个滤波器、多 个采样保持器、多路通道转换开关、量程转换器、A/D转换器、电源模块、控制模块、计 时器、下位机、超声波脉冲发射模块和模拟比较器；

压力信号和电导率信号分别与第一程控放大器和第二程控放大器的输入端相连，第一 程控放大器和第二程控放大器的输出端分别连接第一滤波器和第二滤波器，第一滤波器和 第二滤波器的输出端分别与多路通道转换开关相连，温度信号与第一前置放大器的输入端 相连，第一前置放大器的输出端通过第三滤波器连接多路通道转换开关，多路通道转换开 关的输出端与A/D转换器相连，A/D转换器的输出端与下位机相连，下位机输出的控制信 号控制超声波脉冲发射模块发射脉冲波，超声波脉冲发射模块的发射的脉冲波通过第二前 置放大器传输至超声波发射换能器，超声波发射换能器将接受到的脉冲波转换成机械波发 送出去，超声波接收换能器接收超声波发射换能器发射的机械波并将接收到的机械波转换 成脉冲波后通过第四滤波器发送到模拟比较器，模拟比较器的输出信号与下位机连接；

下位机分别与控制模块和计时器连接，下位机的输出还与量程转换器连接，量程转换 器的输出分别与第一程控放大器和第二程控放大器相连，控制模块的输出端分别与电源模 块、第一采样保持器、第二采样保持器和A/D转换器相连，控制模块还与多路通道转换开 关连接。

进一步的，所述的处理器内部还包括存储器，存储器集成在下位机内，下位机通过 RS232串行通讯接口与GPRS数据传输单元连接。

具体地，所述的液位传感器采用具有超声波收发功能的超声波液位传感器，超声波液 位传感器的超声波发射模块的输入端与下位机连接，超声波液位传感器的超声波接收模块 的输出端与下位机相连，下位机分别与计时器和控制信号输出模块连接，控制信号输出模 块通过阀门动作执行器分别连接进液电磁阀和排液电磁阀，进液电磁阀和排液电磁阀分别 驱动进液远程控制阀门和排液远程控制阀门动作。

所述的采样桶采用不锈钢制成，其底部设有支架。

为了解决上述问题，本发明还提供一种管输天然气水合物形成在线预警方法，具体包 括以下步骤：

S1：建立人工神经网络模型，建立一个具有隐含层的前馈BP神经网络，其中，输入 层有3个神经元，分别对应样品的电导率、温度和声速；隐含层具有7个神经元；输出层 有2个神经元，分别对应盐分浓度和天然气水合物抑制剂浓度；所设计神经网络模型隐含 层传递函数采用sigmoid型传递函数，输出层传递函数为线性传递函数；

S2：将样品的电导率、温度和声速分别输入人工神经网络模型，计算盐分浓度和天然 气水合物抑制剂浓度；其中，电导率为四极式电导探针采集到电导率，温度通过热敏电阻 采集到的电阻进行计算，其计算公式为：

R_t＝Be^D/t

其中，t为温度，单位为K，R_t为温度t时热敏电阻的电阻值，B、D为取决于材质和 结构的常数；

声速通过超声波发射换能器和超声波接收换能器检测得到，其计算公式为：

$V=\frac{S}{\mathrm{\Delta t}}$

其中，V为超声波在溶液中的传播速度，S为超声波发射换能器和超声波接收换能器 之间的距离，Δt为发射和接收之间的时间间隔，该时间间隔由计时器采集得到；

S3：进行天然气水合物抑制剂注入量优化及水合物形成在线预警，包括以下步骤：

S31：输入基本数据：包括监测点气相压力p、盐分浓度、气相组分和天然气水合物抑 制剂浓度，其中，监测点气相压力p由压力传感器检测得到，气相组分通过在线气相色谱 分析仪检测得到，盐分浓度和天然气水合物抑制剂浓度通过步骤S2的计算得到；

S32：各监测点水合物形成温度及水合物类型预测：由输入的基本数据通过以统计热 力学为基础建立的模型，进行监测点水合物形成温度的计算，并判断水合物的类型；

S33：以报表形式输出所有监测点水合物形成温度、对应体系温度、水合物类型及温 度差值，其中，温度差值＝对应体系温度-水合物形成温度；

S34：根据报表中的温度差值进行水合物形成预警及水合物类型判断：若某监测点对 应的温度差值为负，即水合物形成温度高于体系温度，则此监测点将形成水合物，对应的 水合物类型即为形成的水合物类型；若所有监测点对应的温度差值均为正，则所有监测点 均不会形成水合物，即实现水合物形成在线预警；

S35：判断是否进行水合物抑制剂注入量的优化：判断所有监测点的温度差值与预设 值的大小，若温度差值大于预设值则对水合物抑制剂注入量进行优化，减少抑制剂注入量， 并返回步骤S32，直至该监测点的温度差值小于或等于预设值的大小，此时水合物抑制剂的 注入量为优化后的注入量。

进一步的，所述的人工神经网络训练包括以下子步骤：

S11：获取样本数据：

S111：在实验室配制m种已知浓度的NaCl和天然气水合物抑制剂混合溶液；

S112：分别测定每种溶液在特定温度T下的电导率K、超声波在溶液中的传播速度V；

S113：整理所得数据，形成样本训练数据：A＝a₁,a₂,a₃,…,a_k,…,a_m，其中，$a_k=\left(\begin{array}{c}{T}_k\\ K_k\\ V_k\end{array}\right),$K_k为第k种混合溶液的电导率，V_k为超声波在第k种混合溶液中的传播速度，T_k为测定以 上两个参数时混合溶液的温度；B＝b₁,b₂,b₃,…,b_k,…,b_m，其中，$b_k=\left(\begin{array}{c}{W}_{\mathrm{sk}}\\ W_{\mathrm{Ik}}\end{array}\right),$W_sk为第 k种混合溶液中Nacl的浓度，W_Ik为第k种混合溶液中天然气水合物抑制剂浓度，A为神经 网络训练过程中的输入数据，B为期望值；

S12：给定初始连接权值W及偏置b；

S13：输入样本数据A，计算隐含层、输出层各单元输出；

S14：计算实际输出与期望值B之间的偏差e，判断是否达到预先设定的评价标准要求， 如果达到评价标准要求，结束训练，得到理想的人工神经网络模型；如果没达到评价标准 要求，修改连接权值，然后返回步骤S13重新训练，直到达到预先设定的评价标准要求。

进一步的，所述的步骤S32中各监测点水合物形成温度的计算包括以下子步骤：

S321：设定天然气水合物生成温度初值T；

S322：计算各天然气各组分的逸度f_i；

S323：计算水的活度γ_w和水的摩尔分数；

S324：计算Langmiur常数C_ij；

S325：计算下式等号两边的部分，分别记为结果A和B：

$\left(\begin{array}{c}\frac{\Delta {\mu }_w^0}{R{T}_0}-\frac{\Delta C_{\mathrm{pw}}^0{T}_0-\Delta h_w^0-2/b{T}_0^2}{R}(\frac{1}{T}-\frac{1}{T_0})-\frac{\Delta C_{\mathrm{pw}}^0-b{T}_0}{R}\ln \frac{T}{T_0}-\frac{b}{2R}(T-T_0)+\frac{\Delta V_w}{\mathrm{RT}}(p-p_0)\\ =\Sigma v_i\ln (1+\Sigma C_{\mathrm{ij}}{f}_i)+\ln {\gamma }_w{x}_w\end{array}\right);$

其中，T₀为273.15K，表示温度为T₀时水在空的水合物晶格中与在富水相总的化学 位之差，和分别表示温度为T₀时空的水合物相和富水相的摩尔焓差与热容差，ΔV_w表示空的水合物相和富水相间的体积差，b表示热容的温度系数，p₀表示温度为T₀时的压 力，x_w表示富水相中水的摩尔分数，v_i表示水合物相中单位水分子中i型孔穴数目；

S326：判断A和B偏差是否小于指定精度，若小于指定精度，T即为生成水合物的最 小温度，否则调整初始温度T并返回步骤S322，直至A、B满足精度要求。

本发明的有益效果是：

1、本发明的管输天然气水合物形成在线预警装置的数据在线采集模块可以直接安装于 集输管线上需要监控的位置，用于在整条管道上跟踪监测与水合物形成条件相关的参数， 即气相压力、气相组分、温度、天然气水合物抑制剂浓度及盐分浓度，进而可在此基础上 实现水合物形成在线预警及进行不同类型天然气水合物抑制剂注入量的优化；本发明的装 置将数据采集技术和GPRS无线数据传输技术相结合，实现了工业数据的在线采集和无线 传输；

2、所采集的数据上传至上位机，上位机对数据进行处理，监测液相电导率、液相温度、 超声波在水相中的传播速度，采用人工神经网络模型，计算出监测点处水相中天然气水合 物抑制剂浓度和盐分浓度，通过天然气水合物抑制剂浓度和盐分浓度，结合采集到的气相 压力、气相组分及温度参数实现水合物形成在线预警及对上游天然气水合物抑制剂注入量 进行优化；

3、采用四电极测量技术测量电导率，可以有效消除在测量过程中极化作用带来的误差， 从而使测得的电导率更为准确，而且四极式电导探针内集成有用于检测温度参数的热敏电 阻，无需单独设置，使用方便；

4、超声波声速的测量采用了时差法，该方法精度高，比共振干涉法和相位比较法误差 小，且时差法更容易实现在线自动化检测；

5、本发明的装置适用于甲醇、乙二醇和二甘醇等多种热力学抑制剂注入量优化，使用 范围广。

附图说明

图1为本发明的天然气水合物检测装置结构示意图一；

图2为本发明的天然气水合物检测装置结构示意图二；

图3为本发明的数据在线采集模块结构示意图；

图4为本发明的四电极法测量电导率原理图；

图5为本发明的处理器内部电路结构模块图；

图6为本发明的液位传感器电路结构模块图；

图7为本发明的天然气水合物注入量优化及水合物形成在线预警流程图；

图8为本发明的人工神经网络模型结构示意图；

图9为本发明的人工神经网络模型训练流程图；

附图标记说明：1-天然气集输管线，2-压力传感器，3-在线气相色谱分析仪，4-采样桶， 5-支管，6-排液管，7-四极式电导探针，8-液位传感器，9-超声波发射换能器，10-超声波接 收换能器，11-进液远程控制阀门，12-排液远程控制阀门，13-处理器，14-控制信号输出模 块，15-阀门动作执行器，16-GPRS数据传输单元，17-无线收发天线。

具体实施方式

下面结合附图进一步说明本发明的技术方案，但本发明所保护的内容不局限于以下所 述。

电导率是溶液的一个物理参数，是指溶液传送电流的能力，它的大小是由溶液中离子 的浓度和离子的活度决定的。而离子的浓度与溶液中电解质的浓度存在着一定的关系，离 子活度的大小对溶液的温度以及溶液中非电解质的浓度有很大的依赖性。所以，可以通过 测定溶液的电导率来间接测量溶液中电解质和非电解质在一定温度下的浓度。声音在溶液 中的传播速度是溶液的另一个独立于电导率的物理参数。

基于前人进行的大量实验研究，知道声音在溶液中的传播速度与溶液的温度、密度等 有关系，而溶液中溶质的浓度与溶液的温度、密度等均有密切的关系。所以可以通过测量 声音在溶液中的传播速度来间接测量溶液中溶质的浓度。

天然气集输管线中的水相部分是一种成分很复杂的混合溶液，其盐分浓度和抑制剂浓 度很难直接进行测定。

基于上述原理，可以通过测定其电导率和声速，再辅以温度参数进行间接测量水相中 盐分浓度和抑制剂浓度，具体描述如下：

如图1和图2所示，管输天然气水合物形成在线预警装置，包括至少一个数据在线采 集模块和上位机数据处理模块，每个数据在线采集模块和上位机数据处理模块通过GPRS 网络进行通信；

如图3所示，数据在线采集模块包括数据采集装置和防爆盒，所述的数据采集装置包 括压力传感器2、在线气相色谱分析仪3和采样桶4，压力传感器2和在线气相色谱分析仪 3分别安装在天然气集输管线1上，采样桶4的入口通过支管5与天然气集输管线1上设置 的开口连接，采样桶4的出口连接排液管6，支管5和排液管6上分别设有进液远程控制阀 门11和排液远程控制阀门12；采样桶4内安装有用于收集所采样品电导率及温度信号的四 极式电导探针7和用于收集样品液位信号的液位传感器8，采样桶4侧壁上对称的安装有用 于进行样品声速测量的超声波发射换能器9和超声波接收换能器10；

所述的防爆盒内设有处理器13、控制信号输出模块14、阀门动作执行器15和GPRS 数据传输单元16，处理器13分别与压力传感器2、四极式电导探针7、液位传感器8、超 声波发射换能器9、超声波接收换能器10、控制信号输出模块14和GPRS数据传输单元 (GPRS DTU)16相连，控制信号输出模块14连接阀门动作执行器15，阀门动作执行器 15分别与进液远程控制阀门11和排液远程控制阀门12连接，GPRS数据传输单元16还分 别与在线气相色谱分析仪3和无线收发天线17连接，GPRS数据传输单元16将在线采集模 块采集到的数据进行集成封装后通过收发天线17与基站通信，通过基站将数据发送到GPRS 网络，GPRS网络的GPRS网关支持节点将集成封装的数据包进行协议转换后传输至远端的 Internet网络，上位机数据处理模块内部安装的无线接收器再通过Internet网络接收数据包。

溶液存在导电性是由于溶液中离子的定向移动，通常溶液的导电能力是用电导来衡量 的。电导即电阻的倒数，其表达式为：

$G=\frac{1}{R}=\frac{A}{\mathrm{\rho L}}=\frac{\mathrm{KA}}{L}=\frac{K}{\theta }$

式中：G是电导，单位为西门子(S)；A为导体的有效横截面积；K是电导率，单位 为每厘米西门子(S/cm)；Θ为电极常数(cm-1)，它是电导电极两极片之间的距离L与极片 面积A之比值。电导率的物理意义为边长为1cm的立方体内所包含液体的电导。电导率越 强，溶液的导电能力越强。

溶液溶质浓度在很低范围内时，其电导率与浓度之间具有一定的线性关系。有效离子 浓度会随着溶液浓度的增加而增加，从而电导率就会跟着增加。当溶液浓度增大到一定程 度后，由于离子间相互吸引、碰撞机会增加，离子有效浓度反而下降，导电能力也反而下 降。当溶液中存在弱电解质时，溶液的导电能力会随着非电解质浓度的增加而降低。另外， 溶液的导电能力即电导率还跟环境温度有关，温度会直接影响到电解质的电离度、溶解度 和离子浓度，对测量结果的影响尤为严重，通常所指溶液的电导率是该溶液在25℃下的电 导率，因此，在电导率的测量工程中一般要对所测数据予以温度补偿，将任何温度下溶液 的电导率值转化为25℃下的电导率值。

其温度补偿原理遵循以下公式：

$K_{t_0}=\frac{K_t}{1+\alpha (t-25)}$

式中：为溶液在25℃时的电导率；K_t为溶液在实际温度t下的电导率；α为溶液电 导率的温度系数；t为溶液的实际温度。

电极式电导率测量法是目前应用最广泛的电导率测量方法。通常应用两极法进行电导 率测量，即将由一对具有固定面积和位置的平行片组成的电极插入电解质溶液，通过测量 电阻进行间接测量电导率。

作为一种优选方案，本实施例中对于水样电导率的测量具体采用了四电极测量技术， 可以有效消除在测量过程中极化作用带来的误差，从而使测得的电导率更为准确，比较适 合在线测量。其具体原理如图4所示，所述的四极式电导探针7具有四个电极a、a'、b、b'， 其中，b、b'为电流电极，a、a'为电压电极，b、b'分别与正弦波信号电压发生器的两端相连， a、a'分别与高精度数字电压表两端连接，正弦波信号电压发生器通过b、b'电极给所采样品 施加电流，在样品中产生一个电场，在电压电极a、a'上测得电压值V，得到样品的电导率 计算公式为：

$K=\frac{I}{\mathrm{CV}}$

式中：K为电阻率，C为探头系数，由生产厂商给定，I为b、b'间通过的电流。

无论是所测溶液的电导率，还是超声波在溶液中的传播速度，都会由于温度变化而产 生改变。因此，在本次所设计的装置中必然设有对水样进行温度测定的温度测定元件，用 所测得的温度参数对溶液电导率、超声波的传播速度进行温度补偿。

由于所测介质温度通常不高，且要求温度测量精度高，故选择了NTC(热敏电阻)作 为此设备的温度测量元件，使用热敏电阻测温的突出优点是连接导线的阻值对测量几乎没 有影响。热敏电阻是指由具有很高电阻温度系数的半导体材料构成的热敏类型的温度检测 元件。与金属热电阻相比，它具有反应快、体积小、灵敏度高的优点。NTC型热敏电阻是 指电阻会随温度上升而呈指数关系减小、具有负温度系数的半导体热敏电阻，其阻值与温 度的关系可用下式描述：

R_t＝Be^D/t

其中，t为温度，单位为K，R_t为温度t时热敏电阻的电阻值，B、D为取决于材质和 结构的常数。在测量水样电导率时，四极式电导探针7内部还集成有用于测量样品温度信 号的热敏电阻，故温度测量所用传感器不再单独设置。

如图5所示，所述的处理器13内部包括多个程控放大器、多个前置放大器、多个滤波 器、多个采样保持器、多路通道转换开关、量程转换器、A/D转换器、电源模块、控制模 块、计时器、下位机、超声波脉冲发射模块和模拟比较器；

压力信号和电导率信号分别与第一程控放大器和第二程控放大器的输入端相连，第一 程控放大器和第二程控放大器的输出端分别连接第一滤波器和第二滤波器，第一滤波器和 第二滤波器的输出端分别与多路通道转换开关相连，温度信号与第一前置放大器的输入端 相连，第一前置放大器的输出端通过第三滤波器连接多路通道转换开关，多路通道转换开 关的输出端与A/D转换器相连，A/D转换器的输出端与下位机相连，下位机输出的控制信 号控制超声波脉冲发射模块发射脉冲波，超声波脉冲发射模块的发射的脉冲波通过第二前 置放大器传输至超声波发射换能器9，超声波发射换能器9将接受到的脉冲波转换成机械波 发送出去，超声波接收换能器10接收超声波发射换能器9发射的机械波并将接收到的机械 波转换成脉冲波后通过第四滤波器发送到模拟比较器，模拟比较器的输出信号与下位机连 接；

下位机分别与控制模块和计时器连接，下位机的输出还与量程转换器连接，量程转换 器的输出分别与第一程控放大器和第二程控放大器相连，控制模块的输出端分别与电源模 块、第一采样保持器、第二采样保持器和A/D转换器相连，控制模块还与多路通道转换开 关连接。

由于温度变化速率很慢，远远小于A/D转换速率，故在温度参数采集系统结构中没有 使用采样保持器。本发明的处理器能够完成的主要功能有：通过调理电路对来自电导探针7 的电导率信号和温度信号进行调理，将其转换成能满足A/D转换器输入要求的模拟信号， 通过A/D转换器可实现模拟信号转换为数字信号，通过下位机上预装软件模块可实现数据 的处理，通过控制模块可实现下位机对电源模块、采样保持器、多路通道选择开关及A/D 转换器工作状态的控制。下位机与控制模块之间采用了双向通讯的连接方式，下位机可通 过控制模块控制电源模块、A/D转换器、多路通道选择开关及采样保持器工作，同时下位 机也可以接收到来自控制模块的反馈信息，此反馈信息是由多路通道选择开关反馈回来的。 模拟信号调理模块主要由程控放大器、前置放大器及滤波器构成，下位机通过量程转换模 块来控制程控放大器，以实现对电导率模拟信号放大程度的控制，从而使A/D转换器输出 的电导率数字信号处于下位机处理范围之内。

电导率及温度数据采集的具体过程为：①下位机接收到来自上位机的开始采集数据指 令，并开始工作；②下位机通过控制模块向电源模块发送激活指令，电源模块被激活，并 开始向电导探针供电，电导探针开始采集温度及电导率信号，同时下位机通过控制模块控 制A/D转换器、多路通道选择开关及采样保持器开始工作；③电导探针所采集到的电导率 及温度模拟信号经信号调理模块进行放大，滤波降噪处理后，转变为可被A/D转换器识别 的模拟信号；④经信号调理模块调理后的连续模拟信号通过数据采样保持器后，转变为离 散的模拟信号，经多路通道选择开关后进入A/D转换器中进行模数转换；⑤经模数转换后， 模拟信号转变为数字信号并输入下位机内进行数据处理，经下位机处理后所得数据即为监 测点处电导率数据和温度数据，将其储存于下位机存储器内，以作下一步处理，即远传处 理。

超声波脉冲发射模块、第二前置放大器、超声波发射换能器9、第四滤波器、超声波 接收换能器10、模拟比较器、计时器和下位机构成本发明的声速采集系统。超声波脉冲发 射模块在下位机的控制下可发射出一定数量固定频率的脉冲序列；超声波发射换能器可将 接收到的脉冲波转换为机械波并发射出去；超声波接收换能器可将接收到的机械波转换为 脉冲波并发射出去；前置放大器及滤波器可对脉冲波进行调理，使其转变为系统可识别的 脉冲波；模拟比较器可识别出返回的脉冲波，并将信息反馈给下位机；下位机与计时器可 实现双向通讯，下位机可对计时器的工作状态进行控制，同时又可接收来自计时器的数据。

声速参数的采集过程为：①下位机接收到来自上位机的开始采集数据指令，并开始工 作；②下位机发送指令至超声波脉冲发射模块，控制超声波脉冲发射模块发射出一定数量 固定频率的脉冲序列，同时下位机发送指令至计时器，激活计时器，使其开始计时；③超 声波脉冲发射模块发射出的脉冲波经前置放大器调理后，被超声波发射换能器接收；④在 逆压电效应的作用下，超声波发射换能器将接收到的脉冲波转换为固定频率的机械波，并 发射出去；⑤超声波发射换能器发出的机械波在液相中传播一段距离后，被超声波接收换 能器所接收；⑥在正压电效应的作用下，超声波接收换能器将接收到的机械波转换为固定 频率的脉冲波并发射出去；⑦超声波接收换能器发射出的脉冲波经滤波器滤波降噪后，被 模拟比较器接收；⑧模拟比较器对接收到的脉冲信号进行比较识别后，将信息反馈给下位 机，下位机接收到模拟比较器反馈的信息后，发送指令至计时器，控制其停止计时；⑨计 时器将得到的时差信息发送给下位机，下位机通过其上所安装的声速计算模块，对所得到 时差数据进行处理后，得到声速参数，并将声速参数储存于下位机存储器内，以作进一步 处理。

压力传感器、第一程控放大器、第一滤波器、第一采样保持器、多路通道选择开关、 A/D转换器、下位机、电源模块、控制模块及量程转换模块构成本发明的压力采集系统。

压力参数的采集过程为：①下位机接收到来自上位机的开始采集数据指令，并开始工 作；②下位机通过控制模块向电源模块发送激活指令，电源模块被激活，并开始向压力传 感器供电，压力传感器开始采集监测点气相压力信号，同时下位机通过控制模块控制A/D 转换器、多路通道选择开关及采样保持器开始工作；③压力传感器所采集到的压力模拟信 号经信号调理模块进行放大，滤波降噪处理后，转变为可被A/D转换器识别的模拟信号； ④经信号调理模块调理后的连续模拟信号通过数据采样保持器后，转变为离散的模拟信号， 经多路通道选择开关后进入A/D转换器中进行模数转换；⑤经模数转换后，模拟信号转变 为数字信号并输入下位机内进行数据处理，经下位机处理后所得数据即为监测点处气相压 力值，将其储存于下位机存储器内，以作下步调用。

在本实施例中，所述的处理器13内部还包括存储器，存储器包括具有容量充足的ROM (只读存储器)和RAM(随机存储器)，以便有足够的存储空间来存储所采集数据及所编 软件源代码；该部分集成的下位机嵌入有多个软件模块，用以满足各种数据处理需求，存 储器集成在下位机内。

在本实施例中，所述的下位机通过RS232串行通讯接口与GPRS数据传输单元16连 接。

所述的采样桶4采用不锈钢制成，其底部设有支架。

具体地如图6所示，所述的液位传感器8采用具有超声波收发功能的超声波液位传感 器，超声波液位传感器的超声波发射模块的输入端与下位机连接，超声波液位传感器的超 声波接收模块的输出端与下位机相连，下位机分别与计时器和控制信号输出模块14连接， 控制信号输出模块14通过阀门动作执行器15分别连接进液电磁阀和排液电磁阀，进液电 磁阀和排液电磁阀分别驱动进液远程控制阀门11和排液远程控制阀门12动作，阀门动作 执行器15实则为电动执行器，是一种可以提供旋转运动的驱动装置，它是利用电能，并在 来自控制信号输出模块14的控制信号作用下工作，通过驱动电磁阀的阀杆转动来控制阀门 的开度，同时阀门执行器15可以反馈信号给控制信号输出模块14，及时告知阀门的开启或 关闭情况。

其具体工作过程为：①下位机接收到来自上位机的开始采集数据指令，并开始工作； ②下位机控制超声波发射模块发射出一定数量已知传播速度的超声波，并激发计时器进行 计时，超声波传播至液面，并反射回来；③超声波接收模块接收到反射回来的超声波，并 发送信息给下位机，下位机得到来自超声波接收模块发送来的信息后，控制计时器停止计 时；④计时器得到的时差信号传送给下位机，并通过下位机上预装的软件模块处理后计算 出液位值；⑤下位机根据液位值大小发出控制信号至控制信号输出模块14，控制信号输出 模块14以模拟量的形式输出控制信号至阀门动作执行器15；⑥阀门动作执行器15根据得 到的控制信号，控制进液电磁阀和排液电磁阀开关的控制，驱动进液远程控制阀门11和排 液远程控制阀门12动作开启或关闭，并将两个电磁阀反馈回的信息原路返回至下位机，下 位机根据反馈回的信息，发出进一步的控制指令。

终端设备所采集的数据经过GPRS无线远传至上位机后，需经上位机上预装软件模块 处理，方能实现以下功能：①天然气水合物抑制剂注入量优化；②实现水合物形成在线预 警；③监测点水相中天然气水合物抑制剂浓度及盐分浓度监测；④天然气水合物抑制剂浓 度在线跟踪。上位机上预装软件模块具体有两个，即：(1)天然气水合物抑制剂浓度及盐 分浓度计算模块；(2)天然气水合物注入量优化及水合物形成在线预警模块。

如图7所示，本发明的管输天然气水合物形成在线预警方法包括以下步骤：

S1：建立人工神经网络模型，建立一个具有隐含层的前馈BP神经网络，如图8所示， 其中输入层有3个神经元，分别对应样品的电导率、温度和声速；隐含层具有7个神经元； 输出层有2个神经元，分别对应盐分浓度和天然气水合物抑制剂浓度；所设计神经网络模 型隐含层传递函数采用sigmoid型传递函数，输出层传递函数为线性传递函数，这里，采用 的学习算法具体为Levenberg——Marquardt算法。

S2：将样品的电导率、温度和声速分别输入人工神经网络模型，计算盐分浓度和天然 气水合物抑制剂浓度；其中，电导率为四极式电导探针7采集到电导率，其计算公式为：

$K=\frac{I}{\mathrm{CV}}$

温度通过热敏电阻采集到的电阻进行计算，其计算公式为：

R_t＝Be^D/t

其中，t为温度，单位为K，R_t为温度t时热敏电阻的电阻值，B、D为取决于材质和 结构的常数；

声速通过超声波发射换能器9和超声波接收换能器10检测得到，其计算公式为：

$V=\frac{S}{\mathrm{\Delta t}}$

其中，V为超声波在溶液中的传播速度，S为超声波发射换能器9超声波接收换能器 10之间的距离，Δt为发射和接收之间的时间间隔，该时间间隔由计时器采集得到；

S3：进行天然气水合物抑制剂注入量优化及水合物形成在线预警，包括以下步骤：

S31：输入基本数据：包括监测点气相压力p、盐分浓度、气相组分和天然气水合物抑 制剂浓度，其中，监测点气相压力p由压力传感器2检测得到，气相组分通过在线气相色 谱分析仪3检测得到，盐分浓度和天然气水合物抑制剂浓度通过步骤S2的计算得到；

S32：各监测点水合物形成温度及水合物类型预测：由输入的基本数据通过以统计热 力学为基础建立的模型，进行监测点水合物形成温度的计算，并判断水合物的类型；

S33：以表1所示的报表形式输出所有监测点水合物形成温度、对应体系温度、水合 物类型及温度差值，其中，温度差值＝对应体系温度-水合物形成温度；

表1

S34：根据报表中的温度差值进行水合物形成预警及水合物类型判断：若某监测点对 应的温度差值为负，即水合物形成温度高于体系温度，则此监测点将形成水合物，对应的 水合物类型即为形成的水合物类型；若所有监测点对应的温度差值均为正，则所有监测点 均不会形成水合物，即实现水合物形成在线预警；

S35：判断是否进行水合物抑制剂注入量的优化：判断所有监测点的温度差值与预设 值的大小，若温度差值大于预设值则对水合物抑制剂注入量进行优化，减少抑制剂注入量， 并返回步骤S32，直至该监测点的温度差值小于或等于预设值的大小，此时水合物抑制剂的 注入量为优化后的注入量。

作为一种优选方案，如图9所示，本实施例所述的人工神经网络训练包括以下子步骤：

S11：获取样本数据：

S111：在实验室配制m种已知浓度的NaCl和天然气水合物抑制剂混合溶液；

S112：分别测定每种溶液在特定温度T下的电导率K、超声波在溶液中的传播速度V；

S113：整理所得数据，形成样本训练数据：A＝a₁,a₂,a₃,…,a_k,…,a_m，其中，$a_k=\left(\begin{array}{c}{T}_k\\ K_k\\ V_k\end{array}\right),$K_k为第k种混合溶液的电导率，V_k为超声波在第k种混合溶液中的传播速度，T_k为测定以 上两个参数时混合溶液的温度；B＝b₁,b₂,b₃,…,b_k,…,b_m，其中，$b_k=\left(\begin{array}{c}{W}_{\mathrm{sk}}\\ W_{\mathrm{Ik}}\end{array}\right),$W_sk为第 k种混合溶液中Nacl的浓度，W_Ik为第k种混合溶液中天然气水合物抑制剂浓度，A为神经 网络训练过程中的输入数据，B为期望值；

S12：给定初始连接权值W及偏置b；

S13：输入样本数据A，计算隐含层、输出层各单元输出；

S14：计算实际输出与期望值B之间的偏差e，判断是否达到预先设定的评价标准要求， 如果达到评价标准要求，结束训练，得到理想的人工神经网络模型；如果没达到评价标准 要求，修改连接权值，然后返回步骤S13重新训练，直到达到预先设定的评价标准要求。

作为一种优选方案，所述的步骤S32中各监测点水合物形成温度的计算具体包括以下 子步骤：

S321：设定天然气水合物生成温度初值T；

S322：计算各天然气各组分的逸度f_i；

S323：计算水的活度γ_w和水的摩尔分数；

S324：计算Langmiur常数C_ij；

这里，步骤S322、S323和S324具体计算过程为本领域的现有技术，在此不再进行详 细说明。

S325：计算下式等号两边的部分，分别记为结果A和B：

$\left(\begin{array}{c}\frac{\Delta {\mu }_w^0}{R{T}_0}-\frac{\Delta C_{\mathrm{pw}}^0{T}_0-\Delta h_w^0-2/b{T}_0^2}{R}(\frac{1}{T}-\frac{1}{T_0})-\frac{\Delta C_{\mathrm{pw}}^0-b{T}_0}{R}\ln \frac{T}{T_0}-\frac{b}{2R}(T-T_0)+\frac{\Delta V_w}{\mathrm{RT}}(p-p_0)\\ =\Sigma v_i\ln (1+\Sigma C_{\mathrm{ij}}{f}_i)+\ln {\gamma }_w{x}_w\end{array}\right);$

其中，T₀为273.15K，表示温度为T₀时水在空的水合物晶格中与在富水相总的化学 位之差，和分别表示温度为T₀时空的水合物相和富水相的摩尔焓差与热容差，ΔV_w表示空的水合物相和富水相间的体积差，b表示热容的温度系数，p₀表示温度为T₀时的压 力，x_w表示富水相中水的摩尔分数，v_i表示水合物相中单位水分子中i型孔穴数目，i表示 空穴类型，j表示组分；

S326：判断A和B偏差是否小于指定精度，若小于指定精度，T即为生成水合物的最 小温度，否则调整初始温度T并返回步骤S322，直至A、B满足精度要求。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的 原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通 技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体 变形和组合，这些变形和组合仍然在本发明的保护范围内。