气液两相逆流在垂直环形管中的特性及其流量测量

《Scientific Reports》：Characteristics and flow measurement of gas-liquid two-phase counter-current flow in vertical annulus

　　

摘要

在垂直环形管道中，气液两相流的测量仍然是石油工程及相关领域面临的一个挑战，这是由于流体流动状态复杂以及截面几何形状不对称所致。本研究开发了一种基于多尺度差压信号和机器学习的非侵入式软传感方法，用于预测垂直环形管道（内径/外径为75/125毫米）中的逆流气液两相流流量。实验条件涵盖气体表观流速范围0.06–2.91米/秒、液体表观流速范围0.02–0.24米/秒以及五种偏心程度（0–1.0）。差压信号在同一时间在不同空间尺度上被采集：短跨度（50毫米，约1个雷诺数D）和长跨度（1000毫米，约20个雷诺数D）。从时域、频域（功率谱密度）和时频域（离散小波变换）中提取了共计53个特征。构建了三种预测模型——随机森林（Random Forest，RF）、XGBoost和多层感知器（Multilayer Perceptron，MLP），并通过网格搜索对超参数进行了优化。结果表明，XGBoost模型具有最佳的泛化性能，气体表观流速的平均绝对百分比误差（MAPE）为6.04%，液体表观流速的平均绝对百分比误差为27.17%。基于SHAP的特征重要性分析显示，长跨度（1000毫米）的差压特征在流量预测中起主导作用。低频能量和信号均值对液体速度预测至关重要，而高频细节能量则影响气体速度预测。尽管短跨度（50毫米）的特征在全球重要性上排名较低，但在高气体流速等极端条件下它们能提供关键的非线性修正。偏心度特征（eccce）表现出数据驱动的非线性趋势：当偏心度超过0.5时，两相的SHAP值均显著变为负值。这一趋势与狭缝中的壁面摩擦在高度偏心的环形几何结构下会增加的理解相符。本研究证明，多尺度差压传感结合可解释的机器学习方法为复杂井筒环空间中的流量测量提供了一条可行的途径，无需依赖于特定的流动状态（例如泰勒气泡流）。