劉幕毅，付曉明，魏立新，楊廣仁，王 輝，潘峰

（1. 東北石油大學(xué)， 黑龍江 大慶 163318； 2. 大慶油田有限責(zé)任公司儲(chǔ)運(yùn)銷售分公司， 黑龍江 大慶 163000）

氣田地面集輸管網(wǎng)參數(shù)優(yōu)化設(shè)計(jì)

劉幕毅1，付曉明2，魏立新1，楊廣仁2，王 輝2，潘峰1

（1. 東北石油大學(xué)， 黑龍江 大慶 163318； 2. 大慶油田有限責(zé)任公司儲(chǔ)運(yùn)銷售分公司， 黑龍江 大慶 163000）

氣田集輸管網(wǎng)參數(shù)優(yōu)選是氣田地面工程規(guī)劃設(shè)計(jì)的關(guān)鍵，開(kāi)展集輸管網(wǎng)參數(shù)優(yōu)化可以有效降低集氣系統(tǒng)投資。針對(duì)氣田常用管網(wǎng)結(jié)構(gòu)和工藝流程，考慮伴熱帶傳熱對(duì)于管道工藝計(jì)算的影響，建立了以管網(wǎng)建設(shè)費(fèi)用最小為目標(biāo)，以溫壓平衡、經(jīng)濟(jì)流速、節(jié)點(diǎn)流量平衡等為約束條件的氣田集輸管網(wǎng)參數(shù)優(yōu)化數(shù)學(xué)模型，根據(jù)模型的結(jié)構(gòu)特點(diǎn)設(shè)計(jì)了粒子群智能求解算法，結(jié)合C#語(yǔ)言和Access數(shù)據(jù)庫(kù)開(kāi)發(fā)了優(yōu)化設(shè)計(jì)軟件。實(shí)例驗(yàn)證得出，模型及算法正確，粒子群求解算法可靠性和收斂性良好，優(yōu)化軟件穩(wěn)定高效。

氣田；集輸管網(wǎng)；參數(shù)優(yōu)化；粒子群；軟件

氣田集輸管網(wǎng)參數(shù)優(yōu)化是在管網(wǎng)拓?fù)浣Y(jié)構(gòu)和集輸站場(chǎng)位置確定以后，在滿足工藝運(yùn)行條件和相應(yīng)集輸流程的基礎(chǔ)上優(yōu)化管道的管徑、壁厚、伴熱功率等參數(shù)，以期使得氣田集輸系統(tǒng)的建設(shè)或運(yùn)行費(fèi)用最小化[1]。目前氣田常見(jiàn)的集輸管網(wǎng)形態(tài)包括輻射狀-枝狀、輻射-環(huán)狀、枝上枝等，其中，輻射-枝狀管網(wǎng)因?yàn)榧敺秶鷱V、方便管理的優(yōu)點(diǎn)被各大氣田廣泛應(yīng)用[2]。輻射-枝狀集輸管網(wǎng)中氣井與集氣站呈輻射狀連接，集氣站之間呈枝狀連接，其布站方式多為一級(jí)布站或二級(jí)布站[3]。本文針對(duì)輻射-枝狀氣田地面集輸管網(wǎng)，研究建立其參數(shù)優(yōu)化數(shù)學(xué)模型，構(gòu)建粒子群求解算法，并將理論模型和求解算法付諸于程序?qū)崿F(xiàn)，編制了氣田集輸管網(wǎng)參數(shù)優(yōu)化軟件，結(jié)合實(shí)例驗(yàn)證了理論方法和所開(kāi)發(fā)軟件的正確性。

1 集輸工藝及工藝計(jì)算模型

集輸工藝是開(kāi)展氣田集輸管網(wǎng)參數(shù)優(yōu)化的基礎(chǔ)。現(xiàn)有氣田常用工藝流程可以概括為：天然氣從井口采出后經(jīng)由采氣管道輸送到集氣站，經(jīng)集氣站分離、加熱后由集氣管道輸送到外輸站外輸。由于井口采出的天然氣中含有少量水，所以在一些北方氣田的集輸過(guò)程中為防止水合物的生成，還需在采氣管道外圍設(shè)置電伴熱帶進(jìn)行伴熱集輸。對(duì)于該種集輸工藝，本文中對(duì)于采集氣管道應(yīng)用不同的工藝計(jì)算模型。

1.1 采氣管道工藝計(jì)算模型

根據(jù)天然氣含液量選擇采氣管道的水力計(jì)算模型，即天然氣中含液量小于40 cm3/m3采用威莫斯輸氣公式進(jìn)行水力計(jì)算，天然氣中含液量大于40cm3/m3則采用杜克樂(lè)-弗萊尼根組合模型計(jì)算管道沿程壓降。采氣管道的熱力計(jì)算模型選用考慮電伴熱影響的蘇霍夫公式計(jì)算。

1.2 集氣管道工藝計(jì)算模型

集氣管道中不含有液體，可以看作為氣體單相流動(dòng)，水力計(jì)算采用威莫斯輸氣公式，熱力計(jì)算采用耦合焦耳-湯姆遜效應(yīng)的蘇霍夫溫降公式。

2 集輸管網(wǎng)參數(shù)優(yōu)化模型

由以上介紹可知，決定管道建設(shè)費(fèi)用的管網(wǎng)參數(shù)包括管道的管徑、壁厚，各節(jié)點(diǎn)單元的溫度壓力以及電伴熱帶功率等。筆者通過(guò)深入分析各參數(shù)之間的數(shù)學(xué)關(guān)系，結(jié)合現(xiàn)場(chǎng)實(shí)際建立了管網(wǎng)參數(shù)優(yōu)化數(shù)學(xué)模型如下：

2.1 目標(biāo)函數(shù)

氣田集輸管網(wǎng)參數(shù)優(yōu)化旨在降低集輸系統(tǒng)生產(chǎn)建設(shè)投資，這里僅針對(duì)占據(jù)主要地位的管網(wǎng)建設(shè)費(fèi)用建立優(yōu)化模型。管網(wǎng)建設(shè)投資包括管材費(fèi)用、電伴熱費(fèi)用和其他配套費(fèi)用，以管道的管徑、壁厚、電伴熱功率為決策變量，得到目標(biāo)函數(shù)如下：

式中：n為管道總數(shù)量；m為采氣管道數(shù)量；iD為第i根管道的外徑；iδ為第i根管道的壁厚；iη為第i根管道單位體積管材費(fèi)用；,Pjα 為第j根管道伴熱功率為jP時(shí)單位伴熱帶費(fèi)用；jP為第j根管道伴熱功率；為第i根管道的長(zhǎng)度；為第i根管道的管溝土方、管道安裝等費(fèi)用，與管徑有關(guān)。

2.2 約束條件

（1）穩(wěn)定流動(dòng)約束

天然氣在管道內(nèi)穩(wěn)定流動(dòng)一段時(shí)間后，管道內(nèi)的溫度、壓力等參數(shù)趨于穩(wěn)定，應(yīng)該滿足其相應(yīng)的水力熱力計(jì)算模型，

（2）節(jié)點(diǎn)流量平衡約束

集氣管網(wǎng)中每個(gè)節(jié)點(diǎn)的進(jìn)出流量應(yīng)該平衡，有如下公式，

（3）管道起終點(diǎn)壓力約束

在生產(chǎn)實(shí)際中，采集氣管道的起終點(diǎn)壓力應(yīng)該在一定范圍內(nèi)，

（4）管道起終點(diǎn)溫度約束

為保證管道安全運(yùn)行，防止水合物的生成，管道的的起終點(diǎn)溫度應(yīng)該在一定范圍內(nèi)，

（5）經(jīng)濟(jì)流速約束

管道內(nèi)的介質(zhì)流動(dòng)速度過(guò)小則不經(jīng)濟(jì)，過(guò)大則會(huì)對(duì)管道閥件造成傷害，所以運(yùn)行流速應(yīng)該在一定范圍內(nèi)，

式中：minmax,vv為管道內(nèi)介質(zhì)最小流速和最大流速。

（6）管徑約束

所選取的管道應(yīng)該在工業(yè)化標(biāo)準(zhǔn)管徑系列中，即，

（7）管道承壓約束

管道承壓約束即為對(duì)于管道壁厚的約束，管道壁厚的選取應(yīng)該規(guī)格化，

（8）電伴熱功率取值約束

電伴熱功率的選擇應(yīng)該符合現(xiàn)場(chǎng)實(shí)際，即在一定范圍內(nèi)選取，

3 粒子群求解算法

由上述模型可以看出，模型中既含有管徑、壁厚離散變量，又含有電伴熱功率、溫度、壓力連續(xù)變量，屬于大型混合變量非線性模型[4]。粒子群算法具有原理簡(jiǎn)單、決策參數(shù)少、適用廣泛等特點(diǎn)[5]，尤其對(duì)于不可微、多變量、非線性的優(yōu)化問(wèn)題應(yīng)用效果較為理想。所以本文采用粒子群算法求解以上參數(shù)優(yōu)化數(shù)學(xué)模型。以下給出算法的主要步驟。

（1）群體創(chuàng)建：建立規(guī)模為M的粒子群體，每一個(gè)粒子表征一種原問(wèn)題的可行解，并且表示該粒子位于高緯解空間的位置，是一個(gè) 7×n維向量

（2）適應(yīng)度函數(shù)：適應(yīng)度函數(shù)值的變化方向應(yīng)該與粒子最優(yōu)解迭代下降方向一致，即適應(yīng)度函數(shù)值越大，可行解效果越好，則有適應(yīng)度函數(shù)如下，

（3）位置、速度更新：粒子群算法中采用粒子位置和速度的更新實(shí)現(xiàn)可行解和搜索方向的優(yōu)化，本文中的位置、速度更新公式為，

（4）終止條件：設(shè)置最大穩(wěn)定搜索次數(shù)K，即如果連續(xù)K次搜索，所找到的全局極小值不發(fā)生改變時(shí)終止算法。同時(shí)設(shè)置最大迭代次數(shù) Ttimemax，以防止無(wú)法收斂的情況發(fā)生（圖1）。

圖1 粒子群求解算法流程圖Fig.1 Particle swarm optimization algorithm flow chart

4 軟件開(kāi)發(fā)

圖2 氣田區(qū)塊管網(wǎng)拓?fù)洳季质疽鈭DFig.2 Gas block pipeline network topology layout diagram

圖3 參數(shù)優(yōu)化軟件約束條件錄入界面Fig.3 The constraint input interface of parameter optimization software

圖4 參數(shù)優(yōu)化軟件優(yōu)化結(jié)果顯示界面Fig.4 The optimization result display interface of parameter optimization software

圖5 目標(biāo)函數(shù)值隨搜索次數(shù)變化曲線圖Fig.5 The curve for the value of the objective function with the number of searches

根據(jù)以上氣田集輸管網(wǎng)參數(shù)優(yōu)化模型和粒子群求解算法，基于Access 2007開(kāi)發(fā)用于計(jì)算數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)庫(kù)，應(yīng)用C#語(yǔ)言編制氣田集輸管網(wǎng)參數(shù)優(yōu)化計(jì)算軟件。運(yùn)用該軟件針對(duì)大慶徐深氣田某區(qū)塊的集輸管網(wǎng)進(jìn)行了優(yōu)化計(jì)算，該區(qū)塊的管網(wǎng)拓?fù)洳季秩鐖D2所示。算例中粒子群算法的主控參數(shù)分別為群體個(gè)數(shù)為 40，慣性系數(shù)ω為[0.5-1.5]區(qū)間的隨機(jī)數(shù)，加速因子13λ= ,22λ= ，最大穩(wěn)定搜索次數(shù) 10K= ，Ttimemax=500，管道規(guī)格、管道起終點(diǎn)溫壓參數(shù)、電伴熱帶功率的初始值在相應(yīng)的取值空間隨機(jī)選取，其參數(shù)優(yōu)化約束條件錄入界面如圖3所示。優(yōu)化后的采氣管道優(yōu)化結(jié)果顯示界面如圖4所示。通過(guò)更改初始粒子位置進(jìn)行了8次優(yōu)化計(jì)算，計(jì)算結(jié)果均收斂到最優(yōu)解附近，算法收斂性和可靠性較好，目標(biāo)函數(shù)值隨搜索次數(shù)變化的曲線圖如圖5所示。優(yōu)化前總投資5 242.03萬(wàn)元，優(yōu)化后4 932.75萬(wàn)元，節(jié)約總建設(shè)投資309.28萬(wàn)元，占實(shí)際投資的5.9%，優(yōu)化效果較為理想，其優(yōu)化前后管線參數(shù)對(duì)比如表1、表2、表3所示。

表1 管道規(guī)格及管材費(fèi)用優(yōu)化前后統(tǒng)計(jì)表Table 1 Statistics before and after pipeline size and cost optimization

表2 管道伴熱功率及伴熱費(fèi)用優(yōu)化前后統(tǒng)計(jì)表Table 2 Statistics before and after pipeline heat tracing power and heat tracing cost optimization

表3 管道配套建設(shè)費(fèi)用優(yōu)化前后統(tǒng)計(jì)表Table 3 Statistics before and after pipeline supporting construction cost optimization

5 結(jié) 論

（1）基于氣田輻射-枝狀管網(wǎng)布局形態(tài)，綜合考慮管內(nèi)介質(zhì)相態(tài)不同和伴熱帶熱傳遞對(duì)工藝計(jì)算模型的影響，以氣田集輸管網(wǎng)的管道規(guī)格和電伴熱功率為決策變量，以管材建設(shè)投資、電伴熱投資、配套投資總和最小為目標(biāo)函數(shù)，建立了氣田集輸管網(wǎng)參數(shù)優(yōu)化數(shù)學(xué)模型。

（2）通過(guò)深入分析參數(shù)優(yōu)化數(shù)學(xué)模型的層次結(jié)構(gòu)，構(gòu)建了粒子群求解算法，設(shè)計(jì)了粒子的編碼方式和適應(yīng)度函數(shù)，給出了粒子的速度和方向更新模型，通過(guò)實(shí)例驗(yàn)證表明算法可靠性高、收斂性好。

（3）根據(jù)氣田集輸管網(wǎng)參數(shù)優(yōu)化模型和粒子群求解算法，開(kāi)發(fā)了氣田管網(wǎng)參數(shù)優(yōu)化設(shè)計(jì)軟件，軟件的開(kāi)發(fā)可以為氣田集輸管網(wǎng)工程的設(shè)計(jì)建設(shè)提供合理化建議，提高規(guī)劃方案的開(kāi)發(fā)效率。

［1］ 魏立新. 基于智能計(jì)算的油田地面管網(wǎng)優(yōu)化技術(shù)研究[D].大慶：大慶石油學(xué)院，2005．

［2］ 《石油與化工工程設(shè)計(jì)工作手冊(cè)》編委會(huì)．氣田地面工程設(shè)計(jì)( 第三冊(cè))［M］．北京：中國(guó)石油大學(xué)出版社，2010: 86－87．

［3］ 陳雙慶，劉揚(yáng)，魏立新,等. 徐深氣田新增產(chǎn)能管網(wǎng)障礙拓?fù)鋬?yōu)化[J].東北石油大學(xué)學(xué)報(bào)，2016,40(4)：96-105．

［4］ 劉揚(yáng). 石油工程優(yōu)化設(shè)計(jì)理論及方法[M].北京：石油工業(yè)出版社，1994：116-129.

［5］ 劉東．粒子群優(yōu)化算法及其工程應(yīng)用研究[D].成都：西南交通大學(xué)，2013．

Parameter Optimization Design of Gas Gathering Pipeline Network

LIU Mu-yi1,FU Xiao-ming2,WEI Li-xin1,YANG Guang-ren2,WANG Hui2,PAN Feng1

（1. Northeast Petroleum University, Heilongjiang Daqing 163318，China；2. Daqing Oilfield Company Oil Storage and Transportation Sales Branch, Heilongjiang Daqing 163000，China）

Parameter optimization of gas gathering and transportation pipeline network is the key to planning and design of gas field surface engineering, and the optimization of gathering and transportation pipeline network parameters can effectively reduce the investment of gas gathering system. In this paper, aiming at common pipeline network structure and process flow of gas field, considering the influence of electric heating power on the calculation of pipeline process, the mathematical model for parameter optimization of gas gathering and transportation network was established, in which the minimum construction cost of pipeline network was the objective and the temperature and pressure balance, economic flow velocity, node flow balance and so on were taken as constraints. According to the structural characteristics of the model, the particle swarm intelligence algorithm was designed. Combined with C# language and Access database, the optimal design software was developed. The examples have verified that the model and algorithm are right, the particle swarm optimization algorithm has good reliability and convergence, and the optimization software is stable and efficient..

Gas field; Gas gathering and transportation pipeline network; Parameter optimization; Particle swarm; Software

TE 973

A

1671-0460（2017）04-0681-04

國(guó)家自然科學(xué)基金面上項(xiàng)目（51674086），國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目（51534004）。

2017-02-08

劉慕毅（1992-），男，黑龍江大慶人，碩士在讀，研究方向：儲(chǔ)運(yùn)系統(tǒng)節(jié)能降耗技術(shù)。E-mail：csqing8888@163.com。

魏立新（1973-），教授，研究方向：油氣儲(chǔ)運(yùn)工程優(yōu)化與節(jié)能降耗技術(shù)。E-mail：wlxfyx@sina.com。