نوع مقاله : مقاله پژوهشی
نویسندگان
1 گروه مهندسی برق، دانشکده‌ی انرژی، دانشگاه صنعتی کرمانشاه، صندوق پستی: 6715685420، کرمانشاه - ایران
2 دانشگاه صنعتی ژشوف، صندوق پستی: 959-35، ژشوف - لهستان
3 پژوهشکده‌ی راکتور و ایمنی هسته‌ای، پژوهشگاه علوم و فنون هسته‌ای، سازمان انرژی اتمی ایران، صندوق پستی: 1339-14155، تهران ـ ایران
چکیده
مسئله اندازه‌گیری دقیق نرخ جریان مخلوط نفت- گاز و هم‌چنین تشخیص نوع رژیم جریانی در یک خط لوله، یکی از چالش‌های کلیدی در صنعت نفت
می‌باشد. در این مطالعه سه رژیم جریانی حلقوی، لایه‌ای و همگن توسط کد MCNPX شبیه‌سازی شد. در این شبیه‌سازی از یک چشمه سزیم و دو آشکارساز NaI برای ثبت فوتون‌های عبوری استفاده شد. از آن‌جا که داده‌های ثبت شده دارای نویز فرکانس بالا بودند، از یک فیلتر ساویتزکی- گولایی برای حذف نویزهای فرکانس بالا استفاده شد. سپس چهار مشخصه زمانی انحراف از معیار، ناهمواری، چولگی و ماکزیمم مقدار از داده‌های حذف نویز شده‌ی مربوط به هر دو آشکارساز استخراج شده و مشاهده شد که مشخصه‌های استخراج شده توانایی تفکیک رژیم‌های جریانی را به صورت کامل ندارند. از این‌رو سه مشخصه مختلف از دو آشکارساز به صورت هم‌زمان استخراج شدند. با بررسی تمام حالات ممکن و مشخص کردن حالات جداکننده رژیم‌های جریانی، دو شبکه عصبی برای تشخیص نوع رژیم جریانی و تعیین درصدهای حجمی طراحی شد. با استفاده از روش پیشنهادی استخراج مشخصه
و شبکه‌های عصبی طراحی شده، نوع رژیم‌های جریانی با دقت %100 تشخیص داده شد و درصدهای حجمی با خطای میانگین مجذور مربعات کم‌تر از 59/0 تعیین شد.
کلیدواژه‌ها
عنوان مقاله [English]
Improving the performance of gamma radiation based two phase flow meters using optimal time characteristics of the detector output signal extraction
نویسندگان [English]
- M.A. Sattari 1
- N. Korani 1
- R. Hanus 2
- Gh.H. Roshani 1
- E. Nazemi 3
1 Electrical Engineering Department, Kermanshah University of Technology, P.O.Box: 6715685420, Kermanshah - Iran
2 Rzeszow University of Technology, P.O.Box: 35-959, Rzeszow – Poland
3 Reactor and Nuclear Safety Research School, Nuclear Science and Technology Research Institute, AEOI, P.O.Box: 14155-1339, Tehran - Iran
چکیده [English]
Measuring volume fractions and identifying the flow regime are important challenges in the oil industry. In the present study, three different flow regimes were simulated by MCNPX code. A 137Cs source and two NaI detectors have been used in order to count the transmitted photons. The counted data had high-frequency noises. In order to tackle this problem, a Savitzky-Golay filter was applied. Therefore, four features in the time domain including STD, Skewness, Kurtosis, and Maximum Value were extracted. It was found that the extracted features are not capable of separating the flow regimes completely, without overlap. Accordingly, three different features from registered data of both detectors were extracted. After investigating all the possible statues, two ANNs were implemented to identify the flow regimes and predict the void fraction, respectively. By applying this method, all the three flow regimes were correctly distinguished and void fraction was predicted with root mean square error (RMSE) of less than 0.59.
کلیدواژه‌ها [English]
- Two-phase flow regimes
- Savitzky-Golay filter
- Feature extraction
- Neural network
)