利用放射性粒子追踪和深度学习技术确定两相系统中的流量

《Applied Radiation and Isotopes》：Flow rate determination in a two-phase system using radioactive particle tracking and deep learning

两相流系统中提出基于放射性粒子追踪与深度神经网络的非侵入式流量测量方法，通过蒙特卡洛模拟构建测量几何模型，利用交叉相关分析计算表观流速，在盐水平行油实验中实现流量预测MAPE为2.24%。

　　

罗丝·索菲亚·德·弗雷塔斯·达姆（Roos Sophia de Freitas Dam）| 威廉·卢纳·萨尔加多（William Luna Salgado）| 埃迪·赫苏斯·阿维兰·普埃尔塔斯（Eddie Jesús Avilán Puertas）| 罗伯托·希鲁（Roberto Schirru）| 塞萨尔·马克斯·萨尔加多（César Marques Salgado）

巴西里约热内卢大学城，赫利奥·德·阿尔梅达街75号（Rua Hélio de Almeida, 75），核工程研究所，放射性药物分部（IEN / DIRA），邮编21941-906

摘要

在石油工业中，准确测量和控制管道中的流量对于确保运营效率至关重要。然而，大多数传统流量计需要与输送的流体直接接触，这需要定期维护，并可能导致系统停机，从而增加运营成本。为了解决这些问题，本研究提出了一种侵入性最小的方法，利用放射性粒子追踪技术来预测流体体积分数并计算表观速度，以确定两相系统中的流量。该方法使用一个密封的放射源（¹³⁷Cs，发射662 keV的伽马射线）插入管道中以获取体积分数数据。模拟装置包括一根聚氯乙烯（PVC）管道、五个NaI(Tl)闪烁探测器和放射源，配置用于分层盐水-油流动模式。模拟使用MCNP6蒙特卡洛代码进行。体积分数通过深度神经网络预测，而表观速度的计算时间延迟则通过将互相关函数应用于油相信号得出。与理论值相比，所提出的方法对油流量的平均绝对百分比误差（MAPE）最大为2.24%。

章节摘录

引言

多相流在能源、化工和油气等行业中非常常见。准确测量流量对于量化输送的资源（如石油、水和气体）、优化成本以及确保运营效率至关重要。传统的侵入式技术（如科里奥利流量计和涡轮流量计）被广泛使用；然而，它们需要频繁维护，并可能导致系统停机（Puertas等人，2023年）。相比之下，非侵入式核技术

方法论

尽管多相系统在工业应用中得到广泛应用，但传统测量方法通常存在精度低、维护成本高以及需要中断工艺等局限性（Jung等人，2009年）。伽马密度测量作为一种核分析技术，提供了一种可行的替代方案，它实现了非侵入式、紧凑且经济高效的测量。该技术可以提供详细的流量特性，包括相体积分数和流量

蒙特卡洛模拟分析

使用MCNP6代码和F8计数器进行的模拟得到了探测器记录的PHDs数据。对于放射性粒子遵循的不同轨迹和不同的流体体积分数，探测器的响应会系统性地变化，反映了几何形状和辐射衰减的变化。这些模拟响应构成了用于训练深度神经网络（DNN）以预测分层流动模式下流体体积分数的输入数据集。作为示例，有两个

结论

本研究提出了一种新颖且全面的方法，通过结合伽马射线密度测量和先进的深度学习技术来确定双相盐水-油系统中的流量。所提出的方法的特点是结合使用了四个互补元素：（i）使用MCNP6蒙特卡洛代码开发详细的测量几何结构；（ii）应用深度神经网络（DNN）来预测分层流动模式下的相体积分数；（iii）

作者贡献声明

罗伯托·希鲁（Roberto Schirru）：项目监督、项目管理。塞萨尔·马克斯·萨尔加多（César Marques Salgado）：撰写 - 审稿与编辑、项目监督、研究、资金获取、概念构思。罗丝·索菲亚·德·弗雷塔斯·达姆（Roos Sophia de Freitas Dam）：撰写 - 初稿、方法论、数据分析、数据整理、概念构思。威廉·卢纳·萨尔加多（William Luna Salgado）：撰写 - 审稿与编辑、软件开发、数据分析。埃迪·赫苏斯·阿维兰·普埃尔塔斯（Eddie Jesús Avilán Puertas）：方法论、数据分析

未引用的参考文献

ABADI等人，2015年；CHOLLET，2018年；GOODFELLOW等人，2016年。

利益冲突声明

? 作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

作者衷心感谢核工程研究所（IEN）和国家科学技术发展委员会（CNPq）提供的财政支持。