اندازه‌گيري كسر حجمي فازها در يك جريان دو فازي گاز-مايع با استفاده از پراكندگي تابش گاما

Volume fraction measurement in gas-liquid two phase flow using gamma radiation scattering

محاسبه كسر حجمي فازها در يك جريان چندفازي به خصوص در جريان‌هاي دوفازي گاز-مايع در صنعت نفت و پتروشيمي داراي اهميت به سزايي است. اطلاع از كسر حجمي هر يك از فازها پارامتر مهمي جهت اندازه‌گيري دبي هر فاز در يك جريان چندفازي مي‌باشد. در اين تحقيق با استفاده از تكنيك پراكندگي پرتوهاي گاما و با استفاده از شبكه عصبي مصنوعي، كسرهاي حجمي گاز و مايع در يك جريان دوفازي اندازه‌گيري شده است. با تغيير كسرهاي حجمي گاز و مايع، چگالي جريان دوفازي تغيير كرده و تعداد پرتوهاي گاما پراكنده شده در اثر اندركنش با سيال در زواياي مختلف نسبت به راستاي اوليه تابش تغيير مي‌كند. در اين روش از يك چشمه تك انرژي سزيم 137 و يك آشكارساز سديم يديد 3 اينچي براي ثبت پرتوهاي پراكنده شده، استفاده شده است و شمارش‌هاي ثبت شده در آشكارساز به عنوان ورودي-هاي شبكه عصبي مصنوعي چندلايه در نظر گرفته شده‌اند. خروجي شبكه نيز كسر حجمي گاز بود كه با درصد خطاي ميانگين نسبي كمتر از 5/2 % پيش‌بيني شد.

During the last three decades, development, evaluation, and use of multiphase-flow- measurement systems have been a major focus for the oil and gas industry worldwide. Volume fraction measurement of the multi phase flows, especially gas - liquid two phase flows is so important issue in the oil and petroleum industry. Volume fractions are key parameters in multi phase flow rate metering. In this study, volume fraction of each phase was measured using gamma ray scattering and artificial neural network. The density of two phase flow is related to the volume fractions and number of the scattered gamma can be changed with this density. 137Cs single energy source and one 3-inch NaI (Tl) scintillation detector were used and the registered counts in the detector were applied to the multi layer neural network. The output of the network was gas volume fraction which was predicted with the mean relative error of less than 2.5%.