基于机器学习模型的气液两相流流型识别技术研究

为实现上倾管段气液两相流流型的智能识别,利用室内环道实验装置进行了两相流实验,采集了不同倾角下的流型压差信号,通过3层小波包分解和重构对子序列的能量谱信息进行了提取,并联合气相表观流速、液相表观流速和管道倾角等信息共同作为输入变量,流型信息作为输出变量,采用经BAS算法优化的PNN模型进行样本的训练和预测,并与文献中的流型图进行了对比。结果表明,实验中共观察到分层波浪流、气泡流、段塞流、环状流等4种流型,提取到的8个能量谱信息可体现流型在时频域上的非线性特征;本文模型在流型边界处的识别准确率较高,总体识别准确率为94.16%,其中分层波浪流的识别率可达到100%。研究结果可为井筒及地面系统的流动保障提供理论基础。

湿天然气起伏管道积液动态运移分析

基于CFD模拟,刻画了湿天然气集输起伏管道中积液的形成以及运移过程,实现了对上倾管液塞流动细节的准确描述。地形起伏管路中积液运移与气速和液相含率有关,在研究工况范围内,当气体流速大于5 m/s时,上倾管段基本不会形成液塞,起伏管整体携液表现较好。低液相含量条件下,液塞仅存在于起伏弯管最低点附近,不会向上倾管段持续生长。