Описание

Техническая область

Изобретение относится к измерению дебита скважинного флюида, который обычно представляют собой многофазную смесь, включающую нефть, воду и газ. В частности, изобретение относиться к способу измерения многофазного потока с использованием расходомера на основе трубки Вентури и гамма-плотномером.

Предшествующий уровень техники

Измерение дебита флюида нефтяных скважин оказывается сложной задачей, поскольку такие флюиды обычно содержат три фазы (нефть, вода, природный газ и другие газы), и при этом на этапе эксплуатации или тестирования скважины происходит изменение условий транспортировки флюида (температура, давление, размеры трубопроводы и др.), что требует принятия решений об изменении условий добычи и заканчивания скважины.

В настоящее время в нефтегазовой промышленности использует сложные и дорогие устройства для измерения расхода всех трех компонентов добываемого флюида (нефти, воды, газа); такие приборы известны как многофазные расходомеры. Эти устройства могут работать как с предварительной сепарацией двух или трех фаз, так и без предварительной сепарации. Установки первого типа (сепараторы с отдельным измерением массового расхода каждой фазы) активно применяются в индустрии, но их недостатки (громоздкость, инерционность измерений) ставят ограничения на их использование в полевых условиях (хотя приемлемы для заводских потребностей). Многофазные расходомеры (МФР) второго типа (более портативные) обычно используют радиоактивный источник в сочетании с детектором интенсивности прошедшего через поток излучения (для измерения коэффициента ослабления гамма- излучения), а также в сочетании с различными датчиками (датчик перепада давления), которые размещают на трубке Вентури.

В патенте US6405604 описан многофазный расходомер, который содержит трубку Вентури и двух -энергетический гамма-измеритель фаз. Варианты подобного расходомера (с торговой маркой VxPhaseWatcher) также описаны в патентах US6389908, US7105805, US7240568 (корпорация SchlumbergerTechnologyCorporation, USA). Недостатком таких многофазных расходомеров является необходимость постоянного размещения высокоактивного источника гамма-излучения (например, изотопы Gd-151 или Ва-131). Существующие правила и регламентации работы с радиоактивными источниками ограничивают широкое применение таких многофазных расходомеров с применением трубки Вентури и радиоактивного («ядерного») блока для измерения состава фаз.

Близким прототипом изобретения является способ применения многофазного расходомера (МФР) для куста скважин, описанный в патенте RU2477790 (SchlumbergerTechnologyCompany). Недостатком описанного метода является низкая статистика для калибровки многофазного расходомера (высокая статистическая погрешность) при работе расходомера типа PhaseWatcher при работе с низкоактивным источником гамма-излучения.

Большинство расходомеров имеют недостаточную точность измерения трех фаз, что не позволяет оперативно отслеживать изменения в параметрах добычи каждой отдельной скважины, что снижает ценность и информативность полученных данных о потоке скважинного флюида.

Известно из практики, что резкое изменение параметров дебита в скважине (давление, расход) или запуск/остановка насосов, открытие клапанов может существенно изменить режим течения трехфазного потока через расходомер, поэтому требуется поправка к калибровке этого устройства. Вместе с тем, связь внешних параметров (показания внешних датчиков на скважине и в трубопроводах) с режимом течения является многофакторной задачей, которая может быть решена с использованием алгоритмов машинного обучения или искусственных нейронных связей для совокупности параметров, получаемых в ходе тестирования и эксплуатации скважины (или куста скважин).

Впубликации «Flow regime identification and volume fraction prediction in multiphase flows by means of gamma-ray attenuation and artificial neural networks» (Progress in Nuclear Energy 52(6), pp.555-562, August 2010) рассмотренапроблемаидентификац иирежимовтеченияспомощьюискусс твеннойнейронн ойсети (ANN - artificial neutral network). Способ анализирует распределения амплитуду импульсов гамма-излучения, причем на расходомере установлены два Na(I) детектора гамма-излучения для регистрации прошедшего и рассеянного гамма-излучения. Система использует четыре нейронных сети ANN, которые обучаются с помощью полного моделирования режимов многофазного течения, причем проводится полное компьютерное моделирование самой трубки Вентури, двух датчиков излучения, детектора и окружающей конструкции (моделируется прохождение и рассеяние гамма- лучей). Такой способ прогнозирования многофазного потока не применим к стандартным многофазным расходомерам, доступным на рынке.

Данную статью можно использовать как успешный пример применения ANN для вычислений в области измерения расходов многокомпонентных сред, но сами ANN в нашем случае предлагается использовать иным образом, а именно для приближения недостающих данных от блока калибровки на основе доступных в любой момент времени данных с датчиков, подключенных к базовому блоку. Для такого подхода в использовании актуальны другие структуры ANN, ниже мы их рассмотрим. К алгоритму же вычисления долей фаз из сигналов от детектора данная заявка индифферентна.

Таким образом, существует потребность в многофазном расходомере, который обеспечивает измерения объемного расхода фаз добываемого скважинного флюида в двух рабочих вариантах: это высокоточные измерения при наличии блока калибровки в составе расходомера (блок с источником и детектором гамма-излучения), которые чередуют с измерениями в «мониторинговом» варианте (при отсутствии блока калибровки в источником и детектором гамма-излучения). При этом удаленный блок- калибратор временно используют на аналогичных устройствах на соседних скважинах и локациях, что создает преимущества в работе оператора куста скважин.

Краткое изложение изобретения

Предложено использование на эксплуатационных или тестовых нефтедобывающих скважинах расходомера на основе трубки Вентури для измерения многофазного флюида, включающего трубку Вентури с дифференциальным датчиком давления, датчиком давления, датчиком температуры, блок калибровки, базовый блок для вычисления объемных расходов фаз флюида, блок искусственной нейронной сети, причем блок калибровки является съемным, и расходомер работает в режиме полной конфигурации с блоком калибровки или в мониторинговом режиме конфигурации без блока калибровки под управлением блока искусственной нейронной сети. Искусственная нейронная сеть включает входной слой, скрытый слой и выходной слой узлов. Предложен способ измерения расхода фаз трехфазного флюида с помощью расходомера на основе трубки Вентури для измерения многофазного флюида, включающий трубку Вентури с дифференциальным датчиком давления, датчиком давления, датчиком температуры, съемный блок калибровки, базовый блок, блок искусственной нейронной сети, причем блок калибровки является съемным, и расходомер без съемного блока калибровки работает под управлением блока искусственной нейронной сети

Краткое описание чертежей

Далее изобретение рассмотрено со ссылкой на прилагаемые чертежи, на которых показано:

На Фиг.1 : на фиг. 1а — первое продольное сечение трубки Вентури с гнездом для крепления блока калибровки; на фиг. 1Ь — второе продольное сечение трубки Вентури с датчиками давления и температуры; на фиг. 2 — условная схема устройства с блоком калибровки и обучением ИНС; на фиг. 3 — схема устройства, работающая без блока калибровки.

Данное изобретение не ограничено приведенными вариантами раскрытия изобретения. Напротив, настоящее описание призвано раскрыть все модификации и альтернативы, которые возможны в объеме данного изобретения, определенного в формуле изобретения.

Подробное описание изобретения

В данной заявке описаны расходомер на основе трубки Вентури и способ определения массового расхода многофазного флюида (нефть, газ, вода) с помощью расходомера на основе трубки Вентури.

Для потока многофазного флюида из нефтяной скважины, включающего газ, а также жидкую фазу (представленную смесью воды и нефти в различных пропорциях) многофазный расходомер используют для определения параметров, важных для работы с скважиной и принятия решений об эксплуатации скважины: объемные расходы для нефти, воды, и газа, а также такие параметры как обводненность (массовая доля воды в жидкости) и доля жидкости (liquidholdup), которая определяется как доля площади сечения трубы, занимаемая протекающей жидкостью. В описании изобретения используется понятие трубка Вентури (которое классифицируется как «сужающее устройство» в российских стандартах для расходометрии). Трубка Вентури работает на явлении снижения давления в потоке жидкости (или газа) на суженном участке трубы (горловины), что, в свою очередь, является прямым следствием действия закона Бернулли. Стандартная трубка Вентури (см. фиг.1) состоит из входного конуса конфузора, горловины, и диффузора. Дифференциальный датчик давления на трубке Вентури сконфигурирован таким образом, чтобы измерять разницу давления (ДР) между горловиной трубки Вентури и основной трубой ниже (или выше) по течению. Для однофазного потока (вода, газ) дифференциальное давление на трубке Вентури линейно зависит от скорости флюида с постоянной плотностью (согласно закону Бернулли). Для многофазного потока скорости фаз могут отличаться и поэтому для вычисления расхода отдельных фаз требуются задать дополнительные параметры, такие как плотность многофазной смеси. При использовании обычной трубки Вентури потери напора составляют около 5 %, а погрешность измерения в диапазоне 2 — 5 %.

Если известны плотности для всех компонентов потока, а также давление в жидкости и температура жидкости, то можно определить массовый расход для каждой фазы или индивидуальный объемный расход (Qoil, Qwater, Qgas), как описано в справочнике «FlowMeasurementEngineeringHandbook», Miller, R.W. McGraw-Hill, 1996.

В рамках данного изобретения понятие «процессор» означает блок по переработке данных и их передачи для дальнейшей обработки или вывода на интерфейс. Это может быть обычный персональный компьютер с интерфейсом ввода- вывода или компьютерная плата, или ПЗУ с заданной программой.

В блоке калибровки фазового состава (вычисляются объемные доли нефти, воды и газа - al, a2, a3, соответственно) присутствует источник гамма-излучения с несколькими пиками в измеряемом спектре. В данном изобретении, источник гамма- излучения может быть источником на основе радиоизотопа (со спектром, имеющей удобное расположение интенсивных пиков, например, радиоизотопы Ва-133 или Gd- 151, имеющие к тому же большой период полураспада). Эти радиоизотопы обеспечивают, по меньшей мере, два узких и интенсивных пика гамма-излучения в интервале 5-150 кэВ, которые претерпевают ослабление при прохождении через горловину трубки Вентури. Линия гамма-излучения с более низкой энергией обычно используются для калибровки и определения доли воды во флюиде, поскольку коэффициент ослабления демонстрирует заметный контраст для воды и нефти, имеющие различия в плотности.

В качестве источника проникающего излучения могут использоваться иные источники ионизирующего излучения, например, портативные и надежные трубки рентгеновского излучения, которые также обеспечивают узкие пики излучения в интервале несколько кэВ. В рамках данного изобретения понятия гамма-излучение и рентгеновское излучение являются взаимозаменяемыми, поскольку граница между ними является только условной и не существенна для реализации изобретения.

На фиг. 1а изображено первое продольное сечение трубки Вентури 1 с гнездом для крепления блока калибровки (гамма-блока с процессором для расчета фазового состава). На фиг. 1Ь показано второе продольное сечение трубки Вентури 1 с совокупностью датчиков 3 на трубке Вентури: дифференциальный датчиком давления, датчикам давления, датчик температуры потока внутри трубки Вентури. В частности, данные Р и Т используют для вычисления плотности газа pg в текущих условиях и расхода газа Qg для нормальных условий по давлению и температуре.

На сечениях на фиг. 1а и 1Ь условно показано направление течения 2 многофазного потока (в случае проведения калибровки - направление однофазного потока).

На фиг. 2 показана схема работы многофазного расходомера на основе трубки Вентури 1 (расходомер в полной сборке, включающей блок калибровки). Поток флюида 2 (однофазный или многофазный поток из скважины) проходит через трубку Вентури 1 и при этом регистрируют перепад давления на трубке Вентури с помощью дифференциального датчика давления (между выбранными точками в трубке). На трубке Вентури 1 установлены также датчик давления и датчик температуры. С датчиков 3 ( совокупность трех датчиков) на трубке Вентури 1 сигнал (аналоговый или цифровой) передается на базовый блок 20, который обеспечивает обработку ключевых параметров ДР, Р, Т и вычисляет расходы многофазной (или однофазной) среды (Qo, Qw, Qg) с учетом данных о фазовом составе потока через трубку Вентури (al, a2, a3; при этом сумма объемных долей всех трех фаз al+a2+a3=l). Оператор также задает геометрические параметры трубки Вентури: диаметр горловины и эффективный диаметр основного (подводящего) канала. Эти размеры нужны для вычисления коэффициентов ослабления гамма-излучения в блоке калибровки 10. Также на базовом процессоре 20 выполняется перерасчет текущих параметров (измеренные давление и температура) к стандартным (или нормальным) условиям, которые требуются оператору для оценки дебита из скважины.

Блок калибровки 10 (измеритель фазового состава трехфазного потока) включает источник гамма-излучения (с по меньшей мере двумя интенсивными пиками гамма- излучения), совмещенный соосно с детектором на противоположной стороне трубки Вентури для детектирования гамма- (или рентгеновских) лучей в заданных энергетических окнах, соответствующих основным энергетическим линиям источника. Блок калибровки 10 также оборудован процессором, который вычисляет ослабление каждого пика гамма-излучения в заданных энергетических окнах при прохождении гамма-излучения через радиопрозрачные защитные окна (не показаны) и измеряемый многофазный поток 2; блок калибровки передает эти данные в базовый блок 20. Базовый блок 20, в свою очередь, передает эти базовые параметры в блок искусственной нейронной сети (блок ИНС) 30 для осуществления процесса обучения сети.

Блок калибровки 10 включает средства крепления к трубке Вентури 1, средства коммуникации с базовым блоком 20. Блок калибровки 10 крепиться съемным образом на трубке Вентури 1 и обеспечивает прохождение ионизирующего (гамма-) излучения через радиопрозрачные окна на трубке Вентури и измерение факторов ослабления (рассеяния) излучения в выбранных энергетических окнах. Таким образом, блок калибровки 10 выполняется в виде отдельного съемного устройства, которое можно снять и переместить на другой аналогичный расходомер с идентичными размерами посадочного гнезда для блока калибровки. Это позволяет повторить калибровку состава флюида на другом многофазном расходомере для другого потока.

Процедура измерения расхода флюида с помощью расходомера в полном составе (фиг. 2) включает следующие этапы: подключение расходомера к трубе, калибровка на пустой трубе (накопление количества регистрируемых событий гамма-излучения от радиоактивного источника в каждом из энергетических окон), калибровка устройства на газе, калибровка на воде (вода с составом близким к скважинной воде), и калибровка на нефтяном продукте. Далее с имеющимися калибровками проводят измерения расхода для всех трех фаз потока. Ниже рассматривается в качестве неограничивающего примера использование радиоизотопа Ва-133 (обеспечивает энергетические окна гамма-излучения вблизи 32 кэВ, 81 кэВ, 356 кэВ). Для каждого энергетического окна для каждой фазы вычисляют коэффициент ослабления, который линейно зависит от плотности фазы (газ, вода, нефть) и длины пробега гамма- излучения в среде (это заданный диаметр горловины трубки Вентури).

Информационная связь между блоками на фиг. 2 осуществляется следующим образом. Сплошной стрелкой от блока датчиков 3 к базовому блоку 20 обозначена передача аналоговых сигналов. Остальные стрелки означают передачу цифровых данных через последовательные интерфейсы по протоколам, позволяющим получать множество данных по запросу (например, Modbus); при этом запросы передаются в направлении против пунктирных стрелок. Данные в направлении от блока ИНС 30 в базовый блок 20 передаются только в момент передачи параметров обученной нейронной сети перед отключением блока калибровки 10. Опционально также может использоваться блок преобразования информации 40. Этот блок преобразования информации 40 может архивировать данные для отложенной передачи, обеспечивать связь с удалённым приёмником данных от расходомера, визуализировать данные и состояние расходомера.

Базовый блок 20 имеет функцию вычисления массовых расходов для каждой фазы потока (Qo, Qw, Qg) на основе данных с трубки Вентури 1, блока калибровки 10, и также дополнительных данных из внешних источников 21. В качестве данных этих внешних датчиков 21 для построения предсказаний объемного расхода фаз принимаются различные физические измерения (давление, температура), которые обычно доступны на добывающей действующей скважине и которые связаны с режимом течения многофазного флюида. Это могут быть следующие данные: давление и температура в устье скважины, давление и температура на магистральной трубе (в «буфере»), забойное и внутрискважинное давление и температура, профиль скважинного давления (измеренный с помощью распределенного акустического сенсора ADS), профиль температуры по стволу скважины, профиль скоростей и фазосодержания вдоль ствола скважины (данные с других расходомеров). В качестве данных из внешних источников можно вводить и эксплуатационные параметры лифтовой системы (давление/температура на входе/выходе насоса, частота, ток, потребляемый насосом, массовый расход скважинного флюида).

Кроме того, в качестве внешних данных для многофазных измерений вводят предварительно полученные данные о скважине, которые можно считать неизменными за период измерений. Например, в ряде скважин обводненность добываемой смеси изменяется мало и можно ввести эти данные в виде константы, полученной усреднением истории добычи на данной скважине. Это результаты промысловых геофизических исследований скважин или результаты гидро/газодинамических исследований скважин. В качестве внешних данных в блок искусственной нейронной сети также можно вводить априорные эксплуатационные данные по продуктивности пласта, обводненности, газовому/конденсатному фактору (то есть могут вводиться константы для описания состава многофазного потока).

Данные из внешних датчиков 21 сохраняют в блоке искусственной нейронной сети 30 (блок осуществляет обучение нейронной сети, верификацию и вывод данных о фазовом составе флюида) за период работы измерителя многофазного потока в полной сборке. Режим измерения в полной сборке означает более прямые (и более точные) измерения расходов фаз, чем в режиме мониторинга. В искусственной нейронной сети 30 вводят текущие данные об измеренных фазовых составах: обученная искусственная нейронная сеть позволяет установить связь между измеренными потоками фаз (расход по воде, нефти, газу) и совокупностью выбранных для обучения набора «внешних параметров» на скважине, этот набор данных поступает от набора дополнительных датчиков 21 на скважине (в забое, в устье) или/и на трубах (кроме датчиков 3 давления, температуры и дифференциала давления на трубке Вентури).

В одном из вариантов реализации изобретения, оператор выполняет предварительную прогонку измерений с помощью многофазного расходомера в полной сборке (с блоком калибровки) для существенно различных рабочих параметров скважины, которые соответствуют различным режимам течения (различные наборы фазовых составов потока флюида). Сведущему специалисту в этой области известны различные технические приемы, которые позволяют изменить режим многофазного потока. Это может быть частичное открытие/закрытие клапанов на трубах и в обсаженной колонне, изменение мощности погружных насосов, установка фильтров и сужающих устройств в скважине и трубопроводах (ниже по течению от расходомера). Регулярная работа на скважине обычно требует включения/остановки различного скважинного и периферийного оборудования, поэтому процесс обучения для блока искусственной нейронной сети 30 происходит в естественном процессе эксплуатации скважины и не требует дополнительных мероприятий. В это время (обычно в течении 1-2 суток) блок ИНС 30 системы работает в режиме обучения и не влияет прямо на процедуру вычисления расходов для нефти, воды и газа, которые рассчитываются в базовом блоке 20, как обычно происходит в расходомерах, оборудованных гамма- блоком для измерения фазового состава. Работа измерителя многофазного потока в мониторинговом варианте сборки (без блока калибровки) происходит как описано ниже. Блок калибровки 10 извлекают из посадочных гнезд на трубке Вентури 1 (это возможно проводить это без остановки текущих измерений расходов). Блок калибровки 10 можно переместить на другие аналогичные расходомеры с трубкой Вентури и идентичным посадочным гнездом, что позволяет одному сертифицированному оператору использовать один блок калибровки 10 и обслуживать несколько расходомеров на кусте скважин.

Теперь в базовый блок 20 не поступают калибровочные данные с блока калибровки 10. Базовый блок 20 получает сигнал с трубки Вентури 1 о новом режиме работы (мониторинговый) и переключает блок ИНС 30 в режим «корректировка», в результате чего базовый блок 20 получает от блока ИНС 30 набор калибровочных данных (о фазовом составе al, a2, a3) из уже накопленных данных (значения в выходных узлах ИНС).

В мониторинговом (упрощенном) режиме измерения (конфигурация 2) многофазный поток 2 протекает через трубку Вентури 1 с соответствующими датчиками, и при этом съемный блок калибровки 10 удален для проведения измерений состава потока на другом аналогичном устройстве. На базовый процессор 20 не поступают данные с блока калибровки 10, но продолжают поступать данные с внешних датчиков 21. При этом входные параметры расчета потока на основном блоке 20 не фиксируются на неизменном уровне, как это делается в доступных на рынке расходомерах, а могут пересчитываться с учетом текущих изменений на скважине, которые определяются совокупностью внешних датчиков 21.

Алгоритмы учета показаний внешних датчиков 21 могут быть различные. Это может быть простой алгоритм линейной аппроксимации состава флюида с показаниями внешних датчиков. Это может быть алгоритм машинного обучения, который устанавливает вероятности различных режимов потока (интервалы расхода фаз) с совокупностью внешних датчиков 21 (накопленная история датчиков и фазового состава потока) и датчиков 3 на трубке Вентури 1.

В данном изобретении понятия «машинное обучение» и «использование нейронных сетей» сетей являются родственными понятиями. Далее для краткости понятия «нейронная сеть» и «блок искусственной нейронной сети» 30 считаются взаимозаменяемыми, то есть сама сеть (набор данных и правила по их связи) не отделяется от компьютерного блока, где это осуществляется. Типичная нейронная сеть (ИНС) для целей данного изобретения имеет архитектуру, включающую входной слой (входные узлы), скрытый слой и выходной слой.

Фиг. 3 иллюстрирует примерную конфигурацию искусственной нейронной сети согласно одному аспекту настоящего изобретения. В этой конфигурации нейронная сеть (ИНС) 30 включает в себя входной слой 31, который принимает входные данные, такие как данные с внешних датчиков 21 и установки с базового блока 20. Входной слой 31 может иметь ш узлов.

Нейронная сеть 30 включает в себя скрытый слой 33. Однако количество скрытых слоев не ограничивается одним и может быть больше для получения различных архитектур, необходимых для данного применения. Кроме того, каждый скрытый слой может иметь количество узлов р, где р не меньше единицы.

Нейронная сеть 30 дополнительно включает в себя выходной слой 34, который предоставляет выходные данные после обработки, выполняемой скрытым слоем 33 над входными данными, принятыми от входного слоя 31. Выходной слой 34 может иметь 3 узла, числа в которых описывают текущей фазовый состав (калибровку смеси в данные момент).

Любое количество узлов в любом заданном слое нейронной сети 30 может быть подключено к одному или нескольким узлам в другом слое нейронной сети 30. В одном примерном варианте осуществления настоящей заявки каждый узел на входном слое 31 подключен к каждому узлу в скрытом слое 33 и каждый узел в скрытом слое 34 подключен к выходному узлу в выходном слое 34.

Информация, связанная с узлами нейронной сети 30, может совместно использоваться разными слоями, и каждый слой сохраняет информацию по мере обработки информации. В некоторых случаях нейронная сеть 30 может включать в себя сеть с прямой связью, и в этом случае нет обратных связей, в которых выходные данные сети возвращаются в сеть. В некоторых случаях нейронная сеть 30 может включать в себя рекуррентную нейронную сеть, которая может иметь петли, позволяющие переносить информацию назад на входы уже сменивших активацию узлов. Узлы могут обмениваться информацией посредством межузловых соединений (связей) между различными слоями. Узлы входного слоя 31 могут активировать группу узлов в скрытом слое 33.

Узлы скрытого слоя 34 могут преобразовывать информацию от входных узлов, применяя к ней функции активации. Информация, полученная в результате преобразования, затем может быть передана и может активировать узлы следующего

И слоя (например, узел выходного слоя 36). Если нейронная сеть 30 имеет более одного скрытого слоя, то информация, полученная в результате преобразования, может быть затем передана узлам следующего слоя и активировать их, а они, в свою очередь, могут выполнять свои собственные функции. Примеры функций: свертка, повышение/понижение разрешения, нелинейное преобразование данных, и/или любые другие подходящие функции.

Каждое соединение между узлами может иметь вес, который представляет собой элемент набора параметров, полученных в результате обучения нейронной сети 30. Соединение между узлами может представлять часть информации, полученной о связанных узлах. Связь может иметь числовой вес, который может быть настроен (например, на основе набора обучающих данных), что позволяет нейронной сети 30 адаптироваться к входным данным и обучаться по мере обработки большего количества данных.

Нейронная сеть 30 может быть предварительно обучена для обработки признаков из данных на входном слое 31 с использованием скрытого слоя 304 для обеспечения вывода через выходной слой 34.

В некоторых случаях нейронная сеть 30 может регулировать веса узлов, используя метод обучения, называемый обратным распространением ошибки. Обратное распространение ошибки может включать прямой проход, функцию потерь, обратный проход и обновление веса. Все эти этапы выполняются на каждой итерации обучения. Процесс может повторяться определенное количество итераций для каждого набора обучающих данных до тех пор, пока нейронная сеть 30 не будет обучена так, чтобы веса слоев были точно настроены.

Для анализа ошибок на выходе может использоваться функция потерь. Может использоваться любая подходящая форма функции потерь. Значение функции потерь (ошибка) может быть высоким для исходных обучающих данных, поскольку фактические значения будут отличаться от прогнозируемых выходных данных. Цель обучения сети - минимизировать ошибку, чтобы прогнозируемый результат был таким же, как метка обучения (заранее известное правильное значение выхода ИНС). Нейронная сеть 30 может выполнять обратный проход, определяя, какие веса больше всего способствовали ошибке сети, и регулировать их так, чтобы ошибка уменьшалась и в конечном итоге сводилась к минимуму.

Производная ошибки по весам может быть вычислена для определения весов, которые больше всего способствовали потерям в сети. После вычисления производной можно выполнить обновление весов, обновив веса фильтров. Например, веса можно обновить так, чтобы они изменялись в направлении, противоположном градиенту. Скорость обучения может иметь любое подходящее значение, при этом высокая скорость обучения ведёт к более крупным обновлениям весов, а более низкая - к меньшим обновлениям весов.

Таким образом, в работе блока ИНС 30 имеется несколько этапов: обучение ИНС при многократном изменении режима потока (с предварительной фильтрацией входных данных, затем верификация ИНС на квазистационарном режиме течения, а затем передача данных выходных узлов на базовый блок 20 для корректировки фазового состава флюида.

Переход в режим мониторинга происходит следующим образом. Сначала блок ИНС через входной интерфейс базового блока передаёт ему новые параметры сети (матрицы весов). С этого момента базовый блок 20 производит вычисления для объемных расходов фаз потока, используя матрицы весовые матрицы. Потом производят отключение блока ИНС, а базовый блок 20 самостоятельно уже не меняет своих настроек до следующей их смены с помощью блока ИНС 30.

Далее поток скважинного флюида продолжал продолжает поступать через расходомер, но при этом блок ИНС 30 переводят в режим «корректировка», и в базовый блок 20 продолжают поступать обычные текущие данные (Р, Т, ДР) с датчиков 3 трубки Вентури и текущие показания с внешних датчиков 21. При этом данные о калибровке теперь поступают в базовый блок 10 20 с блока ИНС 30 в режиме «корректировка». Базовый блок 20 пересчитывает данные с трубки Вентури в объемные доли фаз флюида (al, a2, a3).

Несмотря на то, что варианты осуществления были проиллюстрированы и подробно описаны на рисунках и в описании, их необходимо рассматривать как иллюстративные и не имеющие ограничительного характера.