Обнаружение и количественное определение скоплений жидкости в трубопроводах для транспортировки углеводородного флюида

Устройства создания давления и датчики давления можно применять для обнаружения и количественного определения скоплений жидкости в трубопроводах для транспортировки углеводородного флюида. Колебания давления можно обнаруживать посредством датчика давления, причем колебания давления возникают в ответ на вывод устройством создания давления сигнала давления в трубе для транспортировки углеводородов. Изменение диаметра трубы, вызванное скоплением или отложением, можно оценить с помощью инверсной модели. Скопления или отложения можно классифицировать путем применения модели машинного обучения к колебаниям давления. Изменение диаметра трубы может быть преобразовано в эквивалентный объем жидкости для местоположений скоплений. Местоположение и объем скопления или отложения могут выводиться и применяться для определения действия в отношении трубы для удаления скопления или отложения. Технический результат - возможность прогнозировать возможные местоположения скопления жидкости и оценить количество конденсата жидкости в трубопроводе. 3 н. и 11 з.п. ф-лы, 16 ил.

 

ПЕРЕКРЕСТНАЯ ССЫЛКА НА РОДСТВЕННУЮ ЗАЯВКУ

[0001] Настоящая заявка заявляет приоритет по предварительной заявке на патент США № 62/775,473, озаглавленной «Detecting and Quantifying Liquid Pools in Hydrocarbon Fluid Pipelines» и поданной 5 декабря 2018 г., которая полностью включена в данный документ посредством ссылки.

ОБЛАСТЬ ТЕХНИКИ

[0002] Настоящее изобретение относится в целом к системам и способам применения в среде скважинной системы. В частности, но не в качестве ограничения, данное изобретение относится к обнаружению и количественному определению скоплений жидкости в трубопроводах для транспортировки углеводородного флюида.

УРОВЕНЬ ТЕХНИКИ

[0003] По нефте- и газопроводам по суше и под океаном могут транспортировать флюид из областей добычи в области хранения и распределения. Обеспечение целостности трубопровода на протяжении сотен километров может представлять собой сложную задачу. В случае трубопроводов для транспортировки природного газа даже небольшие колебания давления или температуры по длине могут приводить к образованию конденсата и последующему скоплению жидкости в низких областях внутри трубопровода. Конденсат и скопление жидкости могут приводить к образованию многофазной смеси флюидов, которая может снизить уровень добычи или способность транспортировки, а также эффективность трубопроводов. Скопление воды в низких областях трубопроводов также может вызывать коррозию. Возможность контролировать трубопроводы на предмет скопления жидкости может обеспечить бесперебойную подачу газа. Однако, может быть сложно прогнозировать возможные местоположения скопления жидкости. Кроме того, может быть сложно оценить количество конденсата жидкости в трубопроводе.

КРАТКОЕ ОПИСАНИЕ ГРАФИЧЕСКИХ МАТЕРИАЛОВ

[0004] На фиг. 1 представлен вид в поперечном разрезе примера нефте- и газопровода, содержащего скопления жидкости, в соответствии с некоторыми аспектами настоящего изобретения.

[0005] На фиг. 2 представлена функциональная схема вычислительного устройства, используемого для анализа данных о давлении для определения местоположения скопившейся жидкости в трубопроводе, в соответствии с некоторыми аспектами настоящего изобретения.

[0006] На фиг. 3 представлена блок-схема процесса обнаружения скопления жидкости в трубопроводе в соответствии с некоторыми аспектами настоящего изобретения.

[0007] На фиг. 4 представлено схематическое изображение части трубопровода с устройством создания давления и датчиком давления в соответствии с некоторыми аспектами настоящего изобретения.

[0008] На фиг. 5 представлен график, показывающий зависимость давления от времени, связанную с работой устройства создания давления, изображенного на фиг. 4, в соответствии с некоторыми аспектами настоящего изобретения.

[0009] На фиг. 6 представлено схематическое изображение части трубопровода, в которой есть местоположение скопления жидкости, в соответствии с некоторыми аспектами настоящего изобретения.

[0010] На фиг. 7 представлен график, показывающий зависимость давления от времени, связанную с работой устройства создания давления, изображенного на фиг. 6, в соответствии с некоторыми аспектами настоящего изобретения.

[0011] На фиг. 8 представлена блок-схема процесса инверсии скопления в соответствии с некоторыми аспектами настоящего изобретения.

[0012] На фиг. 9 представлен график зависимости отношения площади скопления жидкости от отношения диаметра трубопровода в соответствии с некоторыми аспектами настоящего изобретения.

[0013] На фиг. 10 представлен график, изображающий выходные данные процесса, указывающие на объем и местоположение скопления, в соответствии с некоторыми аспектами настоящего изобретения.

[0014] На фиг. 11 представлено схематическое изображение области вычислительной гидрогазодинамики (CFD; computational fluid dynamics), которую могут использовать для создания имитационных моделей переходных состояний скопления газа и жидкости, в соответствии с некоторыми аспектами настоящего изобретения.

[0015] На фиг. 12 представлено моделирование CFD колебания воды в арматуре, показанной на фиг. 11, и известный профиль входного давления в соответствии с некоторыми аспектами настоящего изобретения.

[0016] На фиг. 13 представлены два разных входных сигнала устройства создания давления и полученные в результате сигналы отражения, генерируемые CFD, в соответствии с некоторыми аспектами настоящего изобретения.

[0017] На фиг. 14 представлен пример графического вывода данных модели машинного обучения для классификации препятствий в трубопроводе для транспортировки углеводородов в соответствии с некоторыми аспектами настоящего изобретения.

[0018] На фиг. 15 представлено изображение нейронной сети, которую могут использовать для классификации скоплений и отложений, в соответствии с некоторыми аспектами настоящего изобретения.

[0019] На фиг. 16 представлена блок-схема реализуемого на компьютере процесса обнаружения и количественного определения скоплений жидкости в трубопроводах для транспортировки углеводородного флюида в соответствии с некоторыми аспектами настоящего изобретения.

ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

[0020] Некоторые аспекты и признаки относятся к обнаружению и количественному определению скоплений жидкости в трубопроводах для транспортировки углеводородного флюида. В трубопроводах для транспортировки углеводородного флюида могут образовываться скопления жидкости, что снижает общую скорость потока углеводородов. Местоположение скопления жидкости в газопроводе можно прогнозировать, а количество скопившейся жидкости можно оценить путем генерирования волны давления. Волну давления может генерировать устройство создания давления, установленное в трубопроводе для транспортировки углеводорода, такое как клапан, инжектор флюида или насос. Устройство создания давления может иметь заданный рабочий профиль, который можно сравнивать с зарегистрированным давлением, представляющим собой отражение волны давления от скопления жидкости в фиксированных местоположениях. Зарегистрированное давление может быть проанализировано, чтобы сделать выводы и оценить местоположение и количество скопившейся жидкости.

[0021] Другие способы обнаружения жидкости в трубопроводах могут включать в себя интрузивные методы, такие как оптические измерения с использованием специальных устройств, которые могут обнаруживать жидкость только в проточных линиях трубопровода. В некоторых примерах настоящего изобретения не требуется установка или использование специальных интрузивных устройств. Вместо этого можно использовать существующие устройства создания давления и датчики давления, установленные в трубопроводах. Сигнал давления можно генерировать с помощью клапана, и этот сигнал давления можно регистрировать с помощью датчиков давления. Зарегистрированный сигнал может быть проанализирован для получения информации о скоплении жидкости. Например, местоположения и объемы скопившейся жидкости можно обнаружить с помощью сигнала давления и анализа отражений этого сигнала из-за скопления в трубопроводе. Отражения давления можно вычислить по возможному местоположению скопления жидкости в трубопроводе с помощью средства моделирования.

[0022] В некоторых примерах существующие устройства создания давления можно использовать для определения местоположения и оценочного объема скопления жидкости в трубопроводе для транспортировки углеводорода. Устройства создания давления, работающие вдоль трубопровода для транспортировки углеводорода, могут создавать волну давления, которая распространяется через текучую среду по длине трубы. Датчики давления, расположенные в непосредственной близости от устройств создания давления, могут измерять и регистрировать отражения волны давления, или колебания давления, от объемов скопления жидкости. Сгенерированная волна давления может взаимодействовать с объемами скопления жидкости или другими выступающими материалами, накопленными вдоль трубопровода таким образом, что жидкостные карманы могут изменять падающую волну. Благодаря такому взаимодействию измененный сигнал может быть отражен и зарегистрирован датчиком давления. В некоторых примерах для анализа зарегистрированных колебаний давления для определения местоположения и объема скопления жидкости можно использовать алгоритмы машинного обучения, прямое моделирование и имитационные модели.

[0023] Иллюстративные примеры приведены для ознакомления читателя с обсуждаемым в данном документе общим объектом и не предназначены для ограничения объема раскрытых концепций. В нижеследующем описании представлены различные дополнительные признаки и примеры, но его не следует использовать для ограничения настоящего изобретения.

[0024] На фиг. 1 представлен вид в поперечном разрезе нефте- и газопровода, содержащего скопления жидкости, в соответствии с одним примером. Конденсат или скопление жидкости может образовываться в трубопроводе для транспортировки углеводорода из-за геометрической конфигурации трубопровода. В частях трубопровода, имеющих более низкую отметку уровня по сравнению с частями трубопровода, имеющими более высокую отметку уровня, может возникать скопление жидкости под воздействием силы тяжести. Отводы или изгибы вдоль трубопровода также могут приводить к скоплению жидкости из-за характера потока жидкости внутри нелинейной трубы таким образом, что жидкость может скапливаться в месте изменения геометрической конфигурации или рядом с ним.

[0025] Скопления жидкости различных объемов могут образовываться во многих местоположениях вдоль одного трубопровода. Например, насосная среда 100 трубопровода может содержать насосную станцию 102 и приемную станцию 104. Насосная станция 102 может перекачивать углеводородные флюиды по трубопроводу 106 к приемной станции 104. Из-за геометрической конфигурации трубопровода первая промежуточная секция 108 трубы может содержать первое скопление 110 жидкости, а вторая промежуточная секция 112 трубы может содержать второе скопление 114 жидкости. В зависимости от геометрической конфигурации трубопровода и других факторов, таких как скорость потока в трубопроводе, с течением времени могут образовываться первое скопление 110 жидкости и второе скопление 114 жидкости, вызывая уменьшение общей скорости потока углеводорода. Первое скопление 110 жидкости и второе скопление 114 жидкости или любое дополнительное скопление жидкости или отложившийся материал могут находиться в любом местоположении вдоль трубопровода и могут иметь любой объем.

[0026] Трубопровод 106 может содержать множество устройств создания давления и датчиков давления, выходящих вдоль трубопровода 106, для обнаружения потенциального скопления жидкости вдоль различных частей трубопровода 106. Определение местоположения и объема скопления жидкости может обеспечить выполнение соответствующего корректирующего действия, которое может уменьшить или устранить скопление жидкости и, следовательно, увеличить скорость потока углеводорода до значения, близкого или равного идеальной скорости потока углеводорода.

[0027] На фиг. 2 представлена функциональная схема вычислительного устройства 200, используемого для анализа данных о давлении для определения местоположения скопившейся жидкости в трубопроводе в соответствии с одним примером.

[0028] Вычислительное устройство 200 может содержать процессор 202, шину 204, интерфейс 206 связи и запоминающее устройство 208. В некоторых примерах компоненты, показанные на фиг. 2 (например, процессор 202, шина 204, интерфейс 206 связи и запоминающее устройство 208), могут быть интегрированы в одну структуру. Например, компоненты могут находиться в одном корпусе. В других примерах компоненты, показанные на фиг. 2, могут быть распределены (например, в отдельных корпусах) и электрически связаны друг с другом.

[0029] Процессор 202 может выполнять одну или более операций для реализации некоторых примеров настоящего изобретения для обнаружения скоплений жидкости в трубопроводе. Процессор 202 может выполнять команды, хранящиеся в запоминающем устройстве 208, для осуществления операций. Процессор 202 может содержать одно устройство обработки или множество устройств обработки. Неограничивающие примеры процессора 202 включают в себя программируемую пользователем вентильную матрицу (FPGA; Field-Programmable Gate Array), специализированную интегральную схему (ASIC; application-specific integrated circuit), микропроцессор и т.д.

[0030] Процессор 202 может быть соединен с возможностью связи с запоминающим устройством 208 через шину 204. Энергонезависимое запоминающее устройство 208 может включать в себя любой тип запоминающего устройства, которое содержит сохраненную информацию при выключении питания. Неограничивающие примеры запоминающего устройства 208 включают в себя электрически стираемое и программируемое постоянное запоминающее устройство (EEPROM; electrically erasable and programmable read-only memory), флэш-память или любой другой тип энергонезависимого запоминающего устройства. В некоторых примерах по меньшей мере часть запоминающего устройства 208 может содержать носитель, с которого процессор 202 может считывать команды. Машиночитаемый носитель может включать в себя электронные, оптические, магнитные или другие запоминающие устройства, выполненные с возможностью предоставления процессору 202 машиночитаемых команд или другого программного кода. Неограничивающие примеры машиночитаемого носителя включают в себя (без ограничений) магнитный(е) диск(и), микросхему(ы) памяти, постоянное запоминающее устройство (ПЗУ), оперативное запоминающее устройство (ОЗУ), ASIC, сконфигурированный процессор, оптическое запоминающее устройство или любой другой носитель, с которого процессор компьютера может считывать команды. Команды могут включать в себя специфические для процессора команды, генерируемые компилятором или интерпретатором на основании кода, написанного на любом подходящем языке программирования, включая, например, C, C++, C# и т.д.

[0031] Интерфейс 206 связи можно использовать для связи с внешними системами или устройствами, такими как датчики, которые могут обнаруживать колебания давления в известных местоположениях. Данные о колебаниях давления, полученные посредством интерфейса 206 связи, могут быть переданы в запоминающее устройство 208 через шину 204. Запоминающее устройство 208 может хранить любые принятые данные о колебаниях давления для реализации некоторых примеров. Запоминающее устройство 208 может хранить характеристики данных о колебаниях давления и любые манипуляции с данными о колебаниях давления как сохраненные данные 214. Запоминающее устройство 208 может хранить данные о профиле давления, такие как профиль, представляющий волну давления, генерируемую устройством создания давления, как сохраненные данные 214.

[0032] Запоминающее устройство 208 может содержать программный код для модуля 210 обработки машинного обучения и модуля 212 обработки инверсной модели. Модуль 210 обработки машинного обучения можно использовать для идентификации и классификации скоплений или отложений на основании данных о колебаниях давления. Модуль 212 обработки инверсной модели можно использовать для оценки локализованного изменения диаметра трубы из-за скопления или отложения. Модуль 212 обработки инверсной модели также можно использовать для преобразования изменения диаметра в эквивалентные объемы жидкости для местоположений скопления для определения диапазона местоположений и объемов скопления. В других примерах отдельный модуль обработки (не показан) в запоминающем устройстве 208 может определять диапазон местоположений и объемов скопления. Диапазон местоположений и объемов скопления может храниться в сохраненных данных 214.

[0033] На фиг. 3 представлена блок-схема процесса обнаружения скопления жидкости в трубопроводе в соответствии с одним примером настоящего изобретения. Существующие устройства создания давления и датчики давления можно использовать для определения местоположения и объема любого скопления жидкости, влияющего на скорость потока углеводорода вдоль трубопровода.

[0034] В блоке 302 волна давления генерируется с помощью устройства создания давления. Существующее устройство, такое как клапан, инжектор флюида или насос, установленное в трубопроводе, может создавать волну давления, которая распространяется через текучую среду по длине трубы.

[0035] В некоторых примерах может быть рассмотрена одна секция трубопровода. Можно использовать существующее устройство создания давления в трубопроводе и датчик давления, находящийся на известном расстоянии от клапана. Импульс давления может быть инициирован устройством создания давления, например быстрым срабатыванием клапана. Эта операция может представлять собой полное частичное или полное закрытие проточной линии трубопровода или открытие и закрытие статической линии трубопровода. Получаемые изменения давления могут распространяться по флюиду в трубе. Эта волна может взаимодействовать с жидкостью, скопившейся по длине трубы, что может изменять входной сигнал, генерируемый устройством создания давления. Измененный сигнал может быть отражен обратно и зарегистрирован датчиком как функция времени, что может быть использовано для построения профиля измеренного давления.

[0036] Например, на фиг. 4 представлено схематическое изображение части трубопровода 406 с устройством 402 создания давления и датчиком 404 давления в соответствии с одним примером настоящего изобретения. Как изображено на фиг. 4, устройство 402 создания давления представлено в виде клапана. В других примерах устройство создания давления может представлять собой инжектор флюида, насос или другое устройство, которое может управлять пропускной способностью углеводородов в трубопроводе. На фиг. 4 изображен узел, который может реализовывать примеры, описанные в данном документе. Узел может содержать часть трубы для транспортировки углеводородного флюида и устройство создания давления, расположенное в данной части трубы, для вывода волны давления во внутренней области части трубы. Узел может дополнительно содержать датчик давления, расположенный внутри или иным образом соединенный по текучей среде с частью трубы, для обнаружения колебаний давления волны давления и выходных сигналов, указывающих на колебания давления, для вычислительного устройства, чтобы определить местоположение и объем скопления или отложения в части трубы.

[0037] На фиг. 5 представлен график, показывающий зависимость 502 давления от времени, связанную с работой устройства создания давления, изображенной на фиг. 4, в соответствии с одним примером настоящего изобретения.

[0038] На фиг. 4 устройство 402 создания давления может быть расположено на трубопроводе 406 без образования скоплений, а датчик 404 давления может быть расположен рядом с устройством 402 создания давления или в непосредственной близости от него. В примере термин «рядом» или «в непосредственной близости от» может указывать на то, что датчик 404 давления находится в пределах 5 метров от устройства 402 создания давления. Первоначально устройство создания давления может находиться в нерабочем состоянии или состоянии простоя. Например, в том случае, когда устройство 402 создания давления представляет собой клапан, клапан может находиться в закрытом состоянии. Датчик 404 давления может регистрировать импульсы отрицательного давления, создаваемые устройством 402 создания давления. При работе устройства 402 создания давления (например, клапан быстро открывается и закрывается в течение короткого периода времени, например менее 500 миллисекунд) устройство 402 создания давления может создавать волну давления, аналогичную показанной на фиг. 5. На фиг. 5 проиллюстрировано, что может происходить снижение давления вдоль трубопровода 406 в результате работы устройства 402 создания давления. Например, когда устройство 402 создания давления представляет собой клапан, открытие и последующее закрытие клапана, как показано на профиле 504 устройства создания давления на графике, могут создавать колебание давления, которое можно использовать в качестве базовой линии для сравнения с применениями, в которых предполагается скопление жидкости.

[0039] В блоке 304 с помощью датчиков давления регистрируются колебания давления в известных местоположениях. Датчик давления может быть расположен в непосредственной близости от соответствующего устройства создания давления. Волна давления, генерируемая в блоке 302, может взаимодействовать с жидкостными карманами, накопленными вдоль трубопровода, причем жидкостные карманы изменяют падающую волну. Благодаря этому взаимодействию измененный сигнал отражается обратно и регистрируется датчиком давления.

[0040] На фиг. 6 представлено схематическое изображение части трубопровода с местоположением скопления жидкости в трубопроводе в соответствии с одним примером настоящего изобретения. На фиг. 7 представлен график, показывающий зависимость 702 давления от времени, связанную с работой устройства создания давления, изображенной на фиг. 6, в соответствии с одним примером настоящего изобретения.

[0041] Материал трубы, флюид и скорость звука могут быть известны при подготовке к определению местоположения и объема скопления жидкости на основании зарегистрированных колебаний давления. Волна давления, генерируемая устройством 402 создания давления, может перемещаться по трубопроводу 406 со скоростью звука и может взаимодействовать со скоплением 602 жидкости. Это возмущение сигнала может распространяться обратно к датчику 404 давления и впоследствии может быть зарегистрировано после задержки, соответствующей расстоянию между датчиком 404 давления и местоположением скопления 602 жидкости, как показано на фиг. 7.

[0042] Например, когда устройство 402 создания давления представляет собой клапан, открытие и последующее закрытие клапана, как показано на профиле 504 устройства создания давления на графике, может создавать колебание давления. Колебание давления может создавать взаимодействие со скоплением 602 жидкости для создания профиля 704 отраженного сигнала. Профиль 704 отраженного сигнала может быть пропорционален профилю 504 устройства создания давления в зависимости от различных факторов, включая расстояние от устройства 402 создания давления и датчика 404 давления, объем скопления 602 жидкости, скорость волны давления, тип среды, в которой распространяется волна давления, и любого другого фактора, который может повлиять на скорость регистрации сигнала от момента его генерирования до момента его регистрации.

[0043] Сигнал волны давления, представленный профилем 504 устройства создания давления, может быть отделен от профиля 704 отраженного сигнала путем вычитания сигнала, изображенного в зависимости 502 давления от времени, из сигнала, изображенного в зависимости 702 давления от времени. Это может выделить отраженный сигнал, вызванный скоплением 602 жидкости. Выделенный сигнал, полученный в результате сравнения зарегистрированных сигналов, изображенных на фиг. 5 и 7, можно использовать в качестве входных данных для инверсной модели.

[0044] Снова со ссылкой на фиг. 3, в блоке 306 используют инверсную модель для оценки локализованного изменения диаметра трубы из-за скопления и отложения. На основании профиля отраженного сигнала, определенного в блоке 304, инверсная модель может вычислить новое значение отложения для каждого местоположения, в котором было зарегистрировано скопление. Процесс инверсного моделирования может быть описан со ссылкой на фиг. 8. На фиг. 8 представлена блок-схема процесса инверсии скопления в соответствии с одним примером настоящего изобретения.

[0045] В блоке 802 первоначальную приближенную оценку отложения в каждой узловой точке сетки вводят в прямую модель. Приближенная оценка может быть основана на известных значениях местоположения и диаметра трубопровода для любого местоположения скопления жидкости. Например, рабочие чертежи трубопровода могут включать физические характеристики трубопровода в любом заданном местоположении. Диаметр трубы может быть использован для определения того, какой процент заданного диаметра может включать скопление или иным образом может быть заблокирован отложенным материалом.

[0046] В блоке 804 приближенную оценку местонахождения и объема отложения жидкости вводят в прямую модель. Профиль 504 устройства создания давления в блоке 806 также используют в качестве входных данных для прямой модели. Прямая модель может выдавать сигнал давления для известного изменения характеристик трубы (например, диаметра, скорости звука, плотности флюида и т.д.). В некоторых примерах прямая модель может быть реализована с помощью метода характеристик (MOC; Method of Characteristics), который можно использовать для решения системы дифференциальных уравнений в частных производных, описывающих распространение волн давления в трубе.

[0047] Прямую модель могут использовать в процессе обнаружения и оценки скопления. Прямая модель может описывать распространение импульса давления по трубе выше или ниже по потоку от клапана, включая отражения от поверхностей раздела и скоплений жидкости. Прямая модель может быть основана на решениях МОС системы дифференциальных уравнений в частных производных, описывающих распространение переходных процессов в потоке жидкости в трубопроводе. Трубопровод можно разделить на фиксированное количество (n) секций длиной Δx. Точка, соединяющая каждую из этих точек сетки, может называться узловой точкой сетки. Время, в течение которого должно быть вычислено давление, также подразделяется на небольшие шаги (Δt). Давление и скорость могут быть вычислены в каждой из этих узловых точек сетки, поскольку волна давления распространяется по трубе, пока не истечет общее время.

[0048] Прямая модель может содержать профиль устройства создания давления из блока 806, а диаметр и площадь в каждой узловой точке сетки известны заранее. Волна давления может взаимодействовать с переменным диаметром, когда она распространяется по трубе от устройства создания давления к другому концу трубы. В секциях, площадь которых изменена и отличается от средней площади трубы, давление может изменяться в соответствии с уравнениями сохранения массы и импульса, описанными в примерах ниже. Это отраженное давление в фиксированном местоположении датчика может быть получено в качестве выходных данных.

[0049] В блоке 808 определяют профиль смоделированного давления. Профиль смоделированного давления может быть определен на основании прямой модели, как описано в блоке 804, в котором используют начальные приближенные оценки диаметра трубы и профиля устройства создания давления, как описано соответственно в блоках 802 и 806.

[0050] В блоке 810 вычисляют значение ошибки между смоделированным давлением и профилем отраженного сигнала. В блоке 812 профиль отраженного сигнала, представляющий измеренное сигнальное давление, возникающее в результате взаимодействия сгенерированной волны давления со скоплением жидкости, используют в качестве входных данных для блока 810. Параллельно профиль смоделированного давления, определенный в блоке 808, также используют в качестве входных данных для блока 810.

[0051] В блоке 814 можно сравнить профиль отраженного сигнала и профиль смоделированного давления, чтобы определить значение ошибки. Если значение ошибки превышает установленное пороговое значение, отложение в каждой узловой точке сетки обновляют, как показано в блоке 816, и прямая модель может снова моделировать давление в каждой узловой точке сетки в трубе с использованием обновленных диаметров. Этот процесс обновления, описанный в блоках 804-816, может повторяться до тех пор, пока значение ошибки не станет меньше установленного порогового значения.

[0052] В блоке 818 выводят оценочную толщину отложения в каждой узловой точке сетки и местоположении. Оценочную толщину отложения можно использовать в качестве входных данных для следующего процесса, описанного со ссылкой на фиг. 3. Оценочный набор значений отложения может быть выведен после того, как значение ошибки, определенной в блоке 814, станет меньше установленного порогового значения. Местоположение значительных отложений можно оценить на основании скорости звука в текучей среде в трубе.

[0053] В некоторых примерах оценочную толщину отложения можно использовать для определения эмпирической зависимости. На фиг. 9 представлен график зависимости отношения площади скопления жидкости от отношения диаметра трубопровода в соответствии с одним примером настоящего изобретения. Этот график показывает кривую, соответствующую данным, которые предоставили отражение давления от известного объема жидкости в трубе. Инверсный алгоритм, показанный на фиг. 8, можно использовать для оценки эквивалентных отложений, вызывающих это отражение давления. Полученный в результате диаметр трубы из-за скопления жидкости и других отложений материала может представлять собой выходные данные инверсной модели.

[0054] Одна из таких эмпирических формул представлена следующим образом:

.

[0055] Где представляет собой отношение площади трубы, покрытой скопившейся жидкостью, к общей площади поперечного сечения трубы. В данном случае представляет собой отношение эквивалентного диаметра без отложения к диаметру трубы. Кроме того, , и представляют собой коэффициенты, определенные при подгонке. Можно получить другие типы уравнений, которые соответствуют набору данных. Далее приведен другой пример:

.

[0056] Кроме того, , и представляют собой коэффициенты, а и представляют собой то же, что и выше. Далее приведен еще один пример подгонки:

.

[0057] Как и раньше, , и представляют собой коэффициенты, а и представляют собой то же, что указано выше. Существует несколько способов получить данные для этой эмпирической зависимости. В некоторых примерах данные для эмпирической зависимости могут быть получены с помощью лабораторных экспериментов, проводимых с различными трубами, флюидами, давлениями и объемами скопления жидкости.

[0058] На фиг. 10 представлен график, изображающий выходные данные процесса, такого как процесс, показанный на фиг. 8, указывающие на объем и местоположение скопления, в соответствии с одним примером настоящего изобретения. Сигнал измеренного давления, используемый в качестве входных данных для инверсной модели, как описано на фиг. 8, можно использовать для вычисления соответствующего объема жидкости и вывода данных, например, в виде графика, показанного на фиг. 10. Например, снова со ссылкой на фиг. 3, зависимость и данные, определенные графиком на фиг. 10, что может быть результатом инверсного моделирования, описанного в блоке 306 и показанного на фиг. 8, можно использовать как входные данные для блока 308. В некоторых примерах данные для эмпирической зависимости могут быть получены с помощью имитационных моделей с использованием таких инструментов, как вычислительная гидрогазодинамика (CFD). Кроме того, эмпирические зависимости также можно получить с помощью обработки машинного обучения.

[0059] В некоторых примерах отражение давления от объема скопления жидкости в трубе можно получить с помощью имитационных моделей CFD. Система дифференциальных уравнений в частных производных, которые описывают поток флюида, может быть решена в геометрической конфигурации трубы, в которой изначально содержатся воздух и вода в известных местоположениях. Приведенные ниже уравнения Навье-Стокса описывают движение сжимаемых или несжимаемых флюидов.

[0060] В данном случае u представляет собой поле скоростей, p - давление, τ - напряжение сдвига в флюиде, а f - любую внешнюю силу. Геометрическая конфигурация трубы с арматурой показана на фиг. 11. Сначала геометрическую конфигурацию можно разделить на ряд конечных объемов, называемых вычислительными ячейками, и этот процесс может создать сетку в указанной области. Дискретизированная форма приведенных выше уравнений может быть определена по каждому из этих элементов численно. Имитационные модели, подобные приведенным, включают геометрические конфигурации, которые могут содержать сотни тысяч или даже миллионы вычислительных ячеек.

[0061] На фиг. 11 представлено схематическое изображение области 1102 CFD, которую можно использовать для создания имитационных моделей переходных состояний скопления газа и жидкости, в соответствии с одним примером настоящего изобретения. Фиг. 11 может включать арматуру 1106, в которой скапливается жидкость. На границах 1104, 1108 можно ввести известное изменение давления, и соответствующие давление и скорость в каждой вычислительной ячейке могут быть вычислены с дискретными временными шагами вплоть до требуемого времени. Волна давления может проходить по трубе, взаимодействовать с арматурой и ее жидким содержимым и/или отражаться от них. Отраженное давление можно измерить в известном местоположении, аналогично использованию датчика давления в реальной среде трубопровода. Волна входного давления может быть вычтена из измеренного сигнала, а оставшийся сигнал может представлять собой отражение от скопления жидкости в арматуре 1106.

[0062] На фиг. 12 представлено моделирование CFD колебания воды в арматуре, показанной на фиг. 11, и известный профиль входного давления в соответствии с одним примером настоящего изобретения. Трубопровод 1202 может содержать арматуру 1204, имеющую нелинейную геометрическую конфигурацию, в которой вероятно образование скоплений жидкости. Колеблющаяся вода 1206 в арматуре 1204 может наблюдаться из-за прохождения импульса давления (не показан) по поверхности жидкости. Способ CFD может предоставить подробную информацию о давлении и скорости во всей моделируемой геометрической конфигурации трубопровода 1202. Однако, если датчик давления расположен на значительном расстоянии (например, много километров) от местоположения скопления жидкости, содержащего колеблющуюся воду 1206, моделирование CFD может не применяться напрямую для генерирования данных для этого местоположения, поскольку моделирование очень длинного трубопровода может быть слишком дорогостоящим процессом. Чтобы решить эту проблему, сигнал отражения может быть распространен на требуемое расстояние с использованием одномерной прямой модели с учетом потерь давления, но без скопления жидкости между местоположением измерения CFD и физическим местоположением датчика. Одномерная модель может моделировать давление в требуемом местоположении с использованием только части вычислительных затрат. Этот способ можно использовать для создания различных сценариев входных сигналов устройства создания давления и соответствующих отражений с помощью CFD. Эти отражения могут распространяться к требуемым местоположениям датчика.

[0063] На фиг. 13 показаны два разных входных сигнала устройства создания давления и полученные в результате сигналы отражения, генерируемые CFD, в соответствии с одним примером настоящего изобретения. На типовых графиках показаны значения давления в зависимости от времени сгенерированных входных импульсов 1302, 1306 и полученных в результате соответствующих отраженных сигналов 1304, 1308.

[0064] Снова со ссылкой на фиг. 3 в блоке 308 скопления жидкости или отложения идентифицируют и классифицируют с помощью алгоритма машинного обучения. Сигнал, полученный в блоке 306, приводящий к данным, показанным на фиг. 310, можно использовать в качестве входных данных для алгоритма машинного обучения вычислительного устройства, чтобы отличать различные сценарии для каждой точки данных или местоположения - без скопления или отложения, со скоплением или отложением. Местоположение скоплений жидкости и отложения можно вычислить на основании времени отраженного сигнала и скорости звука в флюиде. Также величина отраженного сигнала может зависеть от объема жидкости.

[0065] Первоначально из данных, соответствующих скоплению жидкости, определенному в блоке 306, модуль обработки машинного обучения может извлекать функции в частотной области и информацию о местоположении скопления или отложения. На основании этих функций модуль обработки машинного обучения может дополнительно классифицировать точки данных, относя их к скоплению или отложению. Например, скопление жидкости может иметь характеристики, отличные от характеристик отложения жидкости или материала таким образом, что эффективные скорости потока флюида, вызванные скоплением определенного объема, могут отличаться от эффективных скоростей потока флюида для отложений, имеющих тот же объем.

[0066] Модели машинного обучения могут включать использование ряда точек данных для обучения модели и последующего ее подтверждения с помощью отдельных точек данных. Как только будет разработана модель, ее можно будет протестировать с помощью новых наборов данных. Модель машинного обучения может быть обучена с помощью определенного набора «функций», которые она может использовать для классификации нового набора входных данных. Эти функции можно тщательно выбирать в зависимости от физической природы проблемы, а также набора данных.

[0067] В одном примере модель машинного обучения можно обучить с помощью следующих функций:

• initial_pulse_duration: Продолжительность импульса.

• Форма импульса - например, полученная с помощью быстрого преобразования Фурье (FFT; fast Fourier transform).

• Диапазон измерения, например, с использованием FFT.

• Энергия в каждом элементе дискретизации по частоте в диапазоне.

• initial_pulse_slope_min: Минимальный наклон линии наибольшего соответствия, включающей 500 точек (1/10 секунды).

• initial_pulse_slope_max: Максимальный наклон линии наибольшего соответствия, включающей 500 точек (1/10 секунды).

• initial_pulse_bwfilter_min: минимальное значение Баттерворта, стандартизированное средним значением и стандартным отклонением импульса в целом.

• Провал определяется как область, в которой наклон является постоянно отрицательным в течение периода самой большой продолжительности. Наклон представляет собой линию наибольшего соответствия, включающую 500 точек (1/10 секунды).

• dip_bwfilter_min: минимальное значение Баттерворта.

• dip_duration: Продолжительность времени, в течение которого наклон является отрицательным.

• dip_fitted_min: минимальное подогнанное значение 500-й точки в области, в которой наклон является отрицательным в течение самого длительного периода, стандартизованного по среднему значению и стандартному отклонению импульса в целом.

• dip_slope_min: минимальный наклон линии наибольшего соответствия в области, в которой наклон является отрицательным в течение самого длительного периода времени.

[0068] В некоторых примерах может быть проверен и применен алгоритм классификации, называемый моделью случайного леса, а также модель нейронной сети. Обе модели могут обеспечить разумную и приблизительно одинаковую точность проверенных данных.

[0069] В ответ на обнаружение того, что в трубопроводе образуется либо скопление, либо отложение, можно использовать модель машинного обучения, чтобы различать оба эти состояния. Графики отложения и скопления в частотной области с помощью способа FFT можно использовать для определения функций. Чтобы определить это различие, пять элементов дискретизации энергии могут быть входными переменными для модели машинного обучения (ML; machine learning). Эти переменные можно вычислить, сначала преобразовав переменную импульса давления в частотной области. Затем можно использовать частотный интервал от 5 до 100, масштабируя значения по максимальной частоте. В некоторых примерах можно использовать следующие элементы дискретизации по частоте (в Гц):

1) 5-10,

2) 10-20,

3) 20-30,

4) 30-40,

5) 40-50.

[0070] Интегрирование методом трапеций можно использовать для выполнения интегрирования с заданными частотными интервалами для вычисления энергии в этих элементах дискретизации. Его можно осуществить по следующей формуле:

∫A² df.

[0071] Где A представляет собой амплитуду, а f - частоту.

[0072] Данные могут быть нормализованы перед выполнением модуля машинного обучения с использованием масштабирования мин-макс в соответствии со следующей зависимостью.

[0073] Подвижное окно определенной фиксированной длины можно использовать для вычисления диапазона данных для классификации в пределах этого окна. Выходные данные алгоритма машинного обучения могут представлять собой идентификатор класса (например, 0 - для отсутствия жидкости или твердого вещества, 1 - для жидкости, 2 - для твердого вещества) как функция расстояния вдоль трубы. На фиг. 14 представлен пример графического вывода данных модели машинного обучения для классификации препятствий в трубопроводе для транспортировки углеводородов в соответствии с одним примером настоящего изобретения. Например, одна часть, или сетка, трубопровода может содержать начальное скопление 1402 жидкости, за которым следуют дополнительные местоположения в сетке по длине трубы, имеющие препятствия 1404, 1406, классифицируемые как отложения твердого вещества.

[0074] Хотя для классификации случаев скопления и отложения описана модель машинного обучения искусственной нейронной сети, можно использовать и другие модели машинного обучения. Искусственные нейронные сети могут представлять собой методы глубокого обучения, разработанные с использованием биологических нейронных сетей (центральных нервных систем, таких как мозг). Эти сети могут быть представлены как системы взаимосвязанных «нейронов», которые отправляют друг другу сообщения. Связи внутри сети можно систематически настраивать на основании входных и выходных данных, что делает их полезными для контролируемого обучения.

[0075] На фиг. 15 представлено изображение нейронной сети, которую могут использовать для классификации скопления и отложения, в соответствии с одним примером настоящего изобретения. Круги на фиг. 15 могут представлять нейроны, а линии могут представлять синапсы. Синапсы могут принимать входной импульс 1502 и умножать его на «вес» («мощность» входного импульса при определении выходного импульса) и добавлять смещение для каждого нейрона. Нейроны могут добавлять выходные импульсы синапсов и применять функцию активации. Обучение нейронной сети включает в себя калибровку значений «веса» путем повторения двух этапов: прямого распространения и обратного распространения.

[0076] При прямом распространении набор значений веса (например, W1, W2, W3) может применяться к входным данным для вычисления выходных данных. Эти значения веса могут быть выбраны случайным образом на основании распределения Гаусса во время первой итерации, когда осуществляется прямое распространение. Произведение входных данных суммируется с их соответствующим набором значений веса с получением первых значений для скрытых слоев 1504, 1506. Для получения окончательного значения по выходному сигналу 1508 функцию активации применяют к суммам скрытых слоев 1504, 1506. Назначение функции активации заключается в преобразовании входного сигнала в выходной сигнал 1508. Функция активации может быть пригодной для нейронных сетей для моделирования сложных нелинейных образов, которые могут отсутствовать в более простых моделях.

[0077] При обратном распространении может быть измерена допустимая погрешность выходного сигнала 1508, и значения веса могут быть соответственно скорректированы для уменьшения ошибки. Нейронные сети могут повторять как прямое, так и обратное распространение, пока значения веса не будут откалиброваны для точного прогнозирования выходного сигнала 1508.

[0078] Нормализацию данных могут использовать как этап предварительной обработки для изменения масштаба значений, чтобы они соответствовали определенному диапазону для обеспечения лучшей сходимости для обработки искусственной нейронной сети. Например, модель искусственной нейронной сети может быть построена на данных с использованием пяти входных переменных, двух скрытых слоев и одного выходного слоя с двадцатью восемью нейронами на каждом скрытом слое, как проиллюстрировано на фиг. 15.

[0079] В некоторых примерах функцию активации блока линейной ректификации (RELU; Rectified Linear Unit) можно использовать для обеспечения улучшенной сходимости по сравнению с любой другой функцией. RELU может исключить и скорректировать задачу обращения градиентов в ноль. Данную функцию можно использовать для скрытого слоя, а функцию потерь «сигмоиды» - для выходного слоя. Оптимизатор «Адам» можно использовать для компиляции модели искусственной нейронной сети на основании показателя точности.

[0080] В некоторых примерах процессы, описанные в блоках 306 и 308, могут выполняться в любом порядке. Например, процессы, описанные в блоке 306, могут быть реализованы для оценки локализованного изменения диаметра трубы, а затем могут быть использованы в качестве входных данных (например, относящихся к узловым входным данным) для машинного обучения, описанного в блоке 308. В качестве альтернативы, скопление может быть идентифицировано и классифицировано, как описано в блоке 308, а затем может быть использовано в качестве входных данных для инверсного моделирования, описанного в блоке 306. В некоторых примерах процессы, описанные в блоках 306 и 308, могут быть реализованы одновременно таким образом, что выходные данные инверсного моделирования и алгоритма машинного обучения могут непрерывно использоваться в качестве входных данных для каждого процесса.

[0081] Снова со ссылкой на фиг. 3, в блоке 310 изменение диаметра для местоположений скопления на основании выходных данных из блоков 306 и 308 преобразуется в эквивалентный объем жидкости. Вычисленные отложения можно преобразовать в эквивалентный объем с помощью корреляции, разработанной на основании экспериментальных данных и имитационных моделей. Это преобразование можно реализовать с помощью справочной таблицы или эмпирической формулы. Преобразованные объемы, полученные на основании выходных данных блока 306, могут отличаться в зависимости от того, был ли объем классифицирован как скопление жидкости или отложение материала, как описано в блоке 308. Кроме того, диаметры могут быть преобразованы в эквивалентный объем жидкости или твердого вещества в каждой узловой точке сетки на основании корреляции, которая была разработана на основании описанных примеров.

[0082] В блоке 312 выводят диапазон местоположения и объема скопления жидкости или твердого вещества. Преобразованный объем, определенный в блоке 310, может быть выведен вычислительным устройством на устройство отображения или другую систему, которая может использовать информацию для выполнения или инициирования процесса корректировки, чтобы изменить или уменьшить препятствие, вызванное скоплением или отложением. Например, преобразованный объем может быть выведен на устройство отображения, чтобы дать оператору команду сместить или восстановить сетку или часть трубопровода таким образом, что геометрическая конфигурация трубопровода может быть изменена для удаления или уменьшения областей скопления жидкости или отложения твердых веществ.

[0083] На фиг. 16 представлена блок-схема процесса обнаружения и количественного определения скоплений жидкости в трубопроводах для транспортировки углеводородного флюида в соответствии с одним примером. Другие примеры могут включать в себя больше этапов, меньше этапов, другие этапы или другой порядок этапов, описанных со ссылкой на фиг. 16. Например, процессы, описанные в блоках 304 и 306, могут быть реализованы в любом порядке, причем выходные данные первого реализованного блока 304 или 306 могут быть использованы в качестве входных данных для второго реализованного блока. Этапы, показанные на фиг. 16, описаны со ссылкой на компоненты, показанные на фиг. 2. Некоторые или все этапы, показанные на фиг. 16, могут быть реализованы с использованием вычислительного устройства 200, показанного на фиг. 2.

[0084] В блоке 1602 принимаются колебания давления, обнаруженные датчиком давления. Датчик давления может находиться в трубе для транспортировки углеводородного флюида. Колебания давления могут возникать в результате работы устройства создания давления, расположенного внутри трубы, причем устройство создания давления может работать для вывода сигнала давления. Колебания давления могут представлять собой сигналы, отраженные от препятствий в трубе, таких как скопления жидкости или отложения материала, в ответ на сигнал, или волну, давления, генерируемую устройством создания давления. Датчики давления могут измерять величину колебаний давления, причем величину и время от момента генерирования сигнала давления до момента измерения колебаний давления можно использовать для определения местоположения и объема скопления жидкости или отложения твердого вещества.

[0085] В некоторых примерах вычислительное устройство может передавать сигнал или команду устройству создания давления, чтобы привести устройство создания давления к генерированию сигнала давления. Команда может выполняться автоматически в соответствии с планом проведения испытаний или экспериментом, выполняемым вычислительным устройством. В некоторых примерах вычислительное устройство может получать команду от инженера по трубопроводам или оператора, выдающего вычислительному устройству команду на передачу сигнала команды устройству создания давления.

[0086] В некоторых примерах устройство создания давления может представлять собой клапан, инжектор флюида, насос или любое другое устройство, способное передавать сигнал давления в текучей среде. В некоторых примерах датчик давления может быть расположен в непосредственной близости от устройства создания давления. Расположение датчика давления рядом с устройством создания давления может уменьшить количество коррекций ошибок, необходимых для определения зависящей от времени зависимости между сигналом давления и измеренными колебаниями давления. Например, измерение колебаний давления с помощью датчика давления, который находится на значительном расстоянии от устройства создания давления, может требовать корректировки расстояния для обеспечения того, чтобы время от момента генерирования сигнала давления до момента обнаружения колебаний давления учитывало изменение расстояния. Для сравнения, измерение колебаний давления с помощью датчика давления, который находится в непосредственной близости от устройства создания давления, может уменьшить или исключить коррекцию ошибок в отношении расстояния, поскольку оба устройства расположены на одинаковом или почти одинаковом расстоянии от скопления жидкости или отложения материала.

[0087] В блоке 1604 локализованное изменение диаметра трубы оценивают с помощью инверсной модели. Инверсная модель может быть реализована согласно примеру, включая процессы, показанные на фиг. 8. Локализованное изменение диаметра трубы можно назвать эффективным диаметром трубы. В связи с этим часть диаметра может включать скопление жидкости или отложение материала, которое может блокировать часть трубы. Таким образом, локализованное изменение диаметра трубы может представлять собой эффективный диаметр трубы таким образом, что поток углеводородов может распространяться только через эффективный диаметр трубы. Локализованное изменение диаметра трубы можно измерить как расстояние между поверхностью скопления или отложения и поверхностью противоположного конца трубы.

[0088] В некоторых примерах инверсное моделирование может включать в себя генерирование оценочного значения локализованного изменения диаметра трубы и генерирование профиля смоделированного давления с использованием прямой модели на основании сигнала давления и оценочного значения локализованного изменения диаметра трубы, как описано в некоторых примерах. Инверсная модель может включать в себя этапы определения значения ошибки между профилем смоделированного давления и колебаниями давления, как описано в некоторых примерах. Инверсное моделирование может дополнительно включать в себя обновление прямой модели с использованием обновленного оценочного значения локализованного изменения диаметра трубы и повторение этапов генерирования оценочного значения, генерирования профиля смоделированного давления и определения значения ошибки до тех пор, пока значение ошибки не станет меньше порогового значения. Обновление прямой модели инверсного моделирования может обеспечить более точную оценку инверсной моделью локализованного изменения эффективного диаметра трубы, вызванного любым имеющимся в наличии скоплением жидкости или отложением материала.

[0089] На этапе 1606 скопление или отложения идентифицируют и классифицируют путем применения модели машинного обучения к колебаниям давления. Модель машинного обучения может классифицировать любые идентифицированные препятствия внутри трубы как жидкость, твердое вещество или материал другого типа, как описано в некоторых примерах.

[0090] В блоке 1608 локализованное изменение диаметра трубы преобразуют в эквивалентный объем жидкости для местоположений скопления. Идентифицированные и классифицированные скопления или отложения, определенные в блоке 1606, можно преобразовать в эквивалентный объем с помощью корреляции, разработанной на основании экспериментальных данных или имитационных моделей. Это преобразование можно реализовать с помощью справочной таблицы или эмпирической формулы. Диаметры могут быть преобразованы в эквивалентный объем жидкости или твердого вещества в каждой узловой точке сетки на основании корреляции, которая была разработана, как описано в некоторых примерах.

[0091] В блоке 1610 выводят местоположение и объем скопления или отложения. Местоположение и объем скопления жидкости или отложения материала, которые выводятся, можно использовать для определения корректирующего действия в отношении трубы для удаления или уменьшения скопления или отложения. Вычислительное устройство может выводить информацию о местоположении и объеме скопления или отложения на устройство отображения или другую систему, которая может использовать информацию (например, журналы регистрации данных) для выполнения или инициирования процесса корректировки, чтобы изменить или уменьшить препятствие, вызванное скоплением или отложением. Например, преобразованный объем может быть выведен на устройство отображения, чтобы дать оператору команду сместить или восстановить сетку или часть трубопровода таким образом, что геометрическая конфигурация трубопровода может быть изменена для удаления или уменьшения областей скопления жидкости или отложения твердых веществ.

[0092] В некоторых примерах вычислительное устройство может анализировать местоположение и объем скопления или отложения, чтобы определить команду для инициирования корректирующего действия, которая может выводиться на устройство отображения или другие системы отдельно или вместе с местоположением и объемом отложения. Вычислительное устройство может анализировать местоположение и объем скопления или отложения вместе с известными физическими характеристиками трубопровода, чтобы определить корректирующее действие для вывода. Например, вычислительное устройство может содержать хранилища данных, содержащие физические характеристики трубопровода, такие как местоположение, диаметр, геометрическая конфигурация и отметка уровня. С помощью этих физических характеристик вычислительное устройство может определить на основании объема и местоположения, определенных в блоке 1608, и вывести соответствующую корректирующую команду, чтобы вызвать действие, такое как подъем части трубопровода на более высокую отметку уровня, регулирование потока углеводорода, проходящего через трубопровод, или команду на ремонт, замену или очистку части трубопровода.

[0093] В некоторых аспектах системы, устройства и способы обнаружения и количественного определения скоплений жидкости в трубопроводах для транспортировки углеводородного флюида обеспечены в соответствии с одним или более из нижеследующих примеров.

[0094] Пример 1 представляет собой узел, содержащий: трубу для транспортировки углеводородного флюида; устройство создания давления, расположенное в части трубы, для вывода волны давления во внутренней области части трубы; и датчик давления, соединенный по текучей среде с частью трубы, для обнаружения колебаний давления волны давления и вывода сигнала, указывающего на колебания давления, на вычислительное устройство, которое определяет (i) местоположение скопления или отложения и (ii) объем в части трубы.

[0095] Пример 2 представляет собой узел согласно примеру 1, отличающийся тем, что сигнал, указывающий на колебания давления, может использоваться вычислительным устройством для определения местоположения скопления или отложения и определения объема в части трубы путем: оценки локализованного изменения диаметра труба, вызванного скоплением или отложением, с помощью инверсной модели; идентификации и классификации скоплений или отложений путем применения модели машинного обучения к колебаниям давления; преобразования локализованного изменения диаметра трубы в эквивалентный объем жидкости для местоположений скопления; и вывода местоположения и объема скопления или отложения, применяемых для определения действия в отношении трубы для удаления скопления или отложения.

[0096] Пример 3 представляет собой узел согласно примеру 2, отличающийся тем, что инверсную модель применяют для оценки с помощью вычислительного устройства локализованного изменения диаметра трубы, вызванного скоплением или отложением, путем: генерирования оценочного значения локализованного изменения диаметра трубы; генерирования профиля смоделированного давления с помощью прямой модели на основании волны давления и оценочного значения локализованного изменения диаметра трубы; определения значения ошибки между профилем смоделированного давления и колебаниями давления; и обновления прямой модели с помощью обновленного оценочного значения локализованного изменения диаметра трубы и повторения этапов генерирования оценочного значения, генерирования профиля смоделированного давления и определения значения ошибки до тех пор, пока значение ошибки не станет меньше порогового значения.

[0097] Пример 4 представляет собой узел согласно примерам 1-3, отличающийся тем, что устройство создания давления содержит клапан, инжектор флюида или насос.

[0098] Пример 5 представляет собой узел согласно примерам 1-4, отличающийся тем, что датчик давления расположен в непосредственной близости от устройства создания давления.

[0099] Пример 6 представляет собой узел согласно примерам 1-5, отличающийся тем, что колебания давления возникают в результате взаимодействия волны давления с объемом скапливающейся жидкости в местоположении скопления или отложения.

[00100] Пример 7 представляет собой энергонезависимый машиночитаемый носитель, содержащий программный код, выполняемый устройством обработки, для предписывания устройству обработки: принимать сигнал, указывающий на колебания давления, обнаруженные датчиком давления в трубе для транспортировки углеводородного флюида в ответ на вывод устройством создания давления в трубопроводе сигнала давления; оценивать локализованное изменение диаметра трубы, вызванное скоплением или отложением, с помощью инверсной модели; идентифицировать и классифицировать скопления или отложения путем применения модели машинного обучения к колебаниям давления; преобразовывать локализованное изменение диаметра трубы в эквивалентный объем жидкости для местоположений скопления; и выводить (i) местоположение скопления или отложения и (ii) объем, применяемые для определения действия в отношении трубы для удаления скопления или отложения.

[00101] Пример 8 представляет собой энергонезависимый машиночитаемый носитель согласно примеру 7, отличающийся тем, что энергонезависимый машиночитаемый носитель содержит программный код, выполняемый устройством обработки, для предписывания устройству обработки: оценивать локализованное изменение диаметра трубы, вызванное скоплением или отложением, с помощью инверсной модели путем: генерирования оценочного значения локализованного изменения диаметра трубы; генерирования профиля смоделированного давления с помощью прямой модели на основании сигнала давления и оценочного значения локализованного изменения диаметра трубы; определения значения ошибки между профилем смоделированного давления и колебаниями давления; и обновления прямой модели с помощью обновленного оценочного значения локализованного изменения диаметра трубы и повторения этапов генерирования оценочного значения, генерирования профиля смоделированного давления и определения значения ошибки до тех пор, пока значение ошибки не станет меньше порогового значения.

[00102] Пример 9 представляет собой энергонезависимый машиночитаемый носитель согласно примерам 7-8, отличающийся тем, что энергонезависимый машиночитаемый носитель содержит программный код, выполняемый устройством обработки, для предписывания устройству обработки: передавать команду на устройство создания давления для предписывания устройству создания давления генерировать сигнал давления, при этом колебания давления, обнаруженные датчиком давления, представляют собой отражения сигнала указанного сигнала давления.

[00103] Пример 10 представляет собой энергонезависимый машиночитаемый носитель согласно примерам 7-9, отличающийся тем, что датчик давления расположен в непосредственной близости от устройства создания давления.

[00104] Пример 11 представляет собой энергонезависимый машиночитаемый носитель согласно примерам 7-10, отличающийся тем, что энергонезависимый машиночитаемый носитель содержит программный код, выполняемый устройством обработки, для предписывания устройству обработки: классифицировать скопления или отложения в местоположении скопления или отложения как жидкость или твердое вещество.

[00105] Пример 12 представляет собой энергонезависимый машиночитаемый носитель согласно примерам 7-11, отличающийся тем, что устройство создания давления содержит клапан, инжектор флюида или насос.

[00106] Пример 13 представляет собой энергонезависимый машиночитаемый носитель согласно примерам 7-12, отличающийся тем, что локальное изменение диаметра трубы измеряют как расстояние между поверхностью скопления или отложения и поверхностью противоположного конца трубы.

[00107] Пример 14 представляет собой реализуемый на компьютере способ, включающий: прием колебаний давления, обнаруженных датчиком давления в трубе для транспортировки углеводородного флюида, в ответ на вывод устройством создания давления в трубе сигнала давления; оценку локализованного изменения диаметра трубы, вызванного скоплением или отложением, с помощью инверсной модели; идентификацию и классификацию скопления или отложения путем применения модели машинного обучения к колебаниям давления; преобразование локализованного изменения диаметра трубы в эквивалентный объем жидкости для местоположений скопления; и вывод (i) местоположения скопления или отложения и вывод (ii) объема, применяемый для определения действия в отношении трубы для удаления скопления или отложения.

[00108] Пример 15 представляет собой реализуемый на компьютере способ согласно примеру 14, дополнительно включающий: передачу команды на устройство создания давления для приведения устройства создания давления к генерированию сигнала давления, при этом колебания давления, обнаруженные датчиком давления, представляют собой отражения сигнала указанного сигнала давления.

[00109] Пример 16 представляет собой реализуемый на компьютере способ согласно примерам 14-15, отличающийся тем, что оценка локализованного изменения диаметра трубы, вызванного скоплением или отложением, с помощью инверсной модели дополнительно включает: генерирование оценочного значения локализованного изменения диаметра трубы; генерирование профиля смоделированного давления с помощью прямой модели на основании сигнала давления и оценочного значения локализованного изменения диаметра трубы; определение значения ошибки между профилем смоделированного давления и колебаниями давления; и обновление прямой модели с помощью обновленного оценочного значения локализованного изменения диаметра трубы и повторение этапов генерирования оценочного значения, генерирования профиля смоделированного давления и определения значения ошибки до тех пор, пока значение ошибки не станет меньше порогового значения.

[00110] Пример 17 представляет собой реализуемый на компьютере способ согласно примерам 14-16, отличающийся тем, что датчик давления расположен в непосредственной близости от устройства создания давления.

[00111] Пример 18 представляет собой реализуемый на компьютере способ согласно примерам 14-17, отличающийся тем, что локализованное изменение диаметра трубы измеряют как расстояние между поверхностью скопления или отложения и поверхностью противоположного конца трубы.

[00112] Пример 19 представляет собой реализуемый на компьютере способ согласно примерам 14-18, отличающийся тем, что классификация скопления или отложения включает классификацию скопления или отложения как жидкости или твердого вещества.

[00113] Пример 20 представляет собой реализуемый на компьютере способ согласно примерам 14-19, отличающийся тем, что устройство создания давления содержит клапан, инжектор флюида или насос.

[00114] Вышеприведенное описание некоторых вариантов реализации, включая проиллюстрированные варианты реализации, представлено только с целью иллюстрации и описания и не предназначено для того, чтобы быть исчерпывающим или ограничивать данное изобретение точными раскрытыми формами. Возможны многочисленные модификации, адаптации, комбинации и варианты использования без отклонения от объема данного изобретения.

1. Узел для обнаружения и количественного определения скоплений жидкости в трубопроводах для транспортировки углеводородного флюида, содержащий:

трубу для транспортировки углеводородного флюида;

устройство создания давления, расположенное в части трубы, для вывода волны давления во внутренней области указанной части трубы; и

датчик давления, соединенный по текучей среде с указанной частью трубы, для обнаружения колебаний давления волны давления и вывода сигнала, указывающего на колебания давления, на вычислительное устройство, которое определяет (i) местоположение скопления или отложения и (ii) объем в указанной части трубы,

при этом сигнал, указывающий на колебания давления, применяется вычислительным устройством для определения местоположения скопления или отложения и определения объема в указанной части трубы путем:

оценки локализованного изменения диаметра трубы, вызванного скоплением или отложением, с помощью инверсной модели;

идентификации и классификации скоплений или отложений путем применения модели машинного обучения к колебаниям давления;

преобразования локализованного изменения диаметра трубы в эквивалентный объем жидкости для местоположений скопления; и

вывода местоположения и объема скопления или отложения, применяемого для определения действия в отношении трубы для удаления скопления или отложения.

2. Узел по п. 1, в котором инверсная модель применяется для оценки с помощью вычислительного устройства локализованного изменения диаметра трубы, вызванного скоплением или отложением, путем:

генерирования оценочного значения локализованного изменения диаметра трубы;

генерирования профиля смоделированного давления с помощью прямой модели на основании волны давления и оценочного значения локализованного изменения диаметра трубы;

определения значения ошибки между профилем смоделированного давления и колебаниями давления; и

обновления прямой модели с помощью обновленного оценочного значения локализованного изменения диаметра трубы и повторения этапов генерирования оценочного значения, генерирования профиля смоделированного давления и определения значения ошибки до тех пор, пока значение ошибки не станет меньше порогового значения.

3. Узел по любому из пп. 1, 2, в котором устройство создания давления содержит клапан, инжектор флюида или насос.

4. Узел по любому из пп. 1, 2, в котором датчик давления расположен в пределах 5 метров от устройства создания давления.

5. Узел по любому из пп. 1, 2, в котором колебания давления возникают в результате взаимодействия волны давления с объемом скапливающейся жидкости в местоположении скопления или отложения.

6. Реализуемый на компьютере способ обнаружения и количественного определения скоплений жидкости в трубопроводах для транспортировки углеводородного флюида, включающий:

прием колебаний давления, обнаруженных датчиком давления в трубе для транспортировки углеводородного флюида, в ответ на вывод устройством создания давления в трубе сигнала давления;

оценку локализованного изменения диаметра трубы, вызванного скоплением или отложением, с помощью инверсной модели;

идентификацию и классификацию скопления или отложения путем применения модели машинного обучения к колебаниям давления;

преобразование локализованного изменения диаметра трубы в эквивалентный объем жидкости для местоположений скопления; и

вывод (i) местоположения скопления или отложения и вывод (ii) объема, применяемых для определения действия в отношении трубы для удаления скопления или отложения.

7. Способ по п. 6, дополнительно включающий:

передачу команды на устройство создания давления для предписывания устройству создания давления генерирования сигнала давления, при этом колебания давления, обнаруженные датчиком давления, представляют собой отражения сигнала указанного сигнала давления.

8. Способ по п. 6, в котором оценка локализованного изменения диаметра трубы, вызванного скоплением или отложением, с помощью инверсной модели дополнительно включает:

генерирование оценочного значения локализованного изменения диаметра трубы;

генерирование профиля смоделированного давления с помощью прямой модели на основании сигнала давления и оценочного значения локализованного изменения диаметра трубы;

определение значения ошибки между профилем смоделированного давления и колебаниями давления; и

обновление прямой модели с помощью обновленного оценочного значения локализованного изменения диаметра трубы и повторение этапов генерирования оценочного значения, генерирования профиля смоделированного давления и определения значения ошибки до тех пор, пока значение ошибки не станет меньше порогового значения.

9. Способ по п. 6, в котором датчик давления расположен в пределах 5 метров от устройства создания давления.

10. Способ по п. 6, в котором локализованное изменение диаметра трубы измеряют как расстояние между поверхностью скопления или отложения и поверхностью противоположного конца трубы.

11. Способ по п. 6, в котором классификация скопления или отложения включает классификацию скопления или отложения как жидкости или твердого вещества.

12. Способ по п. 6, в котором устройство создания давления содержит клапан, инжектор флюида или насос.

13. Способ по п. 6, в котором колебания давления возникают в результате взаимодействия волны давления с объемом скапливающейся жидкости в местоположении скопления или отложения.

14. Энергонезависимый машиночитаемый носитель, содержащий программный код, выполняемый устройством обработки, для предписывания устройству обработки выполнять реализуемый на компьютере способ по любому из пп. 6-13.