[发明专利]用于识别旋流气液分离器入口流型的方法、处理器及装置

权利要求书

1.一种用于识别旋流气液分离器入口流型的方法，其特征在于，所述旋流气液分离器的入口处安装有流量计，所述方法包括：

通过所述流量计采集所述入口的气相流量和液相流量；

获取与所述入口相连管道的管道参数；

根据所述气相流量和所述管道参数确定所述入口的气相流速；

根据所述液相流量和所述管道参数确定所述入口的液相流速；

将所述气相流速和所述液相流速输入至流型识别模型，以通过所述流型识别模型确定所述旋流气液分离器的入口流型。

2.根据权利要求1所述的方法，其特征在于，所述管道参数包括所述管道的内径和截面积，所述根据所述气相流量和所述管道参数确定所述入口的气相流速包括，根据公式(1)计算所述入口的气相流速：

其中，v_g为所述入口的气相流速，Q_g为所述入口的气相流量，A为所述管道的截面积，d为所述管道的内径。

3.根据权利要求1所述的方法，其特征在于，所述根据所述液相流量和所述管道参数确定所述入口的液相流速包括，根据公式(2)计算所述入口的液相流速：

其中，v_l为所述入口的液相流速，Q_l为所述入口的液相流量，A为所述管道的截面积，d为所述管道的内径。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多个数据样本，所述数据样本包括多个历史旋流气液分离器入口的历史气相流速和历史液相流速；

确定每个数据样本对应的历史入口流型；

根据所述历史入口流型对每个数据样本添加流型标识；

依次将包含有所述流型标识的数据样本输入至流型识别模型，以对所述流型识别模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

按照预设比例将所述多个数据样本划分为训练集和验证集；

随机从所述训练集中选出N个数据样本输入至所述流型识别模型，以对所述流型识别模型进行训练；

随机从所述验证集中选出M个数据样本输入至所述流型识别模型，并根据每个数据样本的流型标识确定所述流型识别模型的预测准确率，其中，N和M均为大于零的自然数；

在所述预测准确率大于预设阈值的情况下，确定所述流型识别模型训练完毕；

在所述流型识别模型的预测准确率小于或者等于所述预设阈值的情况下，再次执行所述随机从所述训练集中选出N个数据样本输入至所述流型识别模型的步骤，直到所述预测准确率大于所述预设阈值。

6.根据权利要求1所述的方法，其特征在于，所述流型识别模型内搭建的机器学习算法为Decision Tree、Bagging Tree、Random Forest、GBDT、XGBoost、LGBM以及MLP中的一者。

7.一种处理器，其特征在于，被配置成执行根据权利要求1至6中任意一项所述的用于识别旋流气液分离器入口流型的方法。

8.一种用于识别旋流气液分离器入口流型的装置，其特征在于，包括：

数据采集模块，用于通过流量计采集所述入口的气相流量和液相流量；

数据获取模块，用于获取与所述入口相连管道的管道参数；

数据处理模块，用于根据所述气相流量和所述管道参数确定所述入口的气相流速，根据所述液相流量和所述管道参数确定所述入口的液相流速；

流型识别模块，用于将所述气相流速和所述液相流速输入至流型识别模型，以通过所述流型识别模型确定所述旋流气液分离器的入口流型。