摘 要 油田注水管網(wǎng)經(jīng)過(guò)多年運(yùn)行后，管道內(nèi)壁由于腐蝕、結(jié)垢等原因致使其摩阻系數(shù)與原始數(shù)據(jù)不一致，導(dǎo)致管網(wǎng)平差計(jì)算和系統(tǒng)仿真模擬結(jié)果超出工程允許范圍。由于經(jīng)濟(jì)原因和施工難度，不可能對(duì)整個(gè)管網(wǎng)節(jié)點(diǎn)進(jìn)行壓力和流量測(cè)試從而反演求解出各管段真實(shí)的摩阻系數(shù)。為此，以管網(wǎng)各管段摩阻系數(shù)為研究對(duì)象，以管網(wǎng)有限個(gè)壓力測(cè)試點(diǎn)為已知參量，建立管網(wǎng)摩阻系數(shù)反演模型和測(cè)壓點(diǎn)分布模型，利用改進(jìn)的人工蜂群算法對(duì)反演模型進(jìn)行最優(yōu)化求解，計(jì)算結(jié)果在工程誤差允許范圍。

關(guān)鍵詞 改進(jìn)的人工蜂群算法 注水管網(wǎng)系統(tǒng) 摩阻系數(shù) 數(shù)學(xué)模型 反演 系統(tǒng)仿真

中圖分類(lèi)號(hào) TE934" "文獻(xiàn)標(biāo)志碼 A" "文章編號(hào) 0254?6094（2024）05?0786?09

油田注水是補(bǔ)充地層能量、保證油田持續(xù)穩(wěn)定生產(chǎn)的主要手段，注水系統(tǒng)主要由注水泵站、埋地注水管網(wǎng)及注水井等組成［1］。由于注水過(guò)程要耗費(fèi)大量的能量，為了降低注水單耗，要對(duì)注水系統(tǒng)進(jìn)行仿真計(jì)算和優(yōu)化調(diào)度。計(jì)算過(guò)程中，管網(wǎng)模型的系統(tǒng)數(shù)據(jù)是否正確對(duì)計(jì)算結(jié)果的準(zhǔn)確性起著決定性作用。但埋地管網(wǎng)在長(zhǎng)年運(yùn)行過(guò)程中，存在結(jié)垢、腐蝕及穿孔等因素影響，導(dǎo)致管段數(shù)據(jù)與原始數(shù)據(jù)相差較大，如果再采用鋪設(shè)管道時(shí)的管段參數(shù)進(jìn)行仿真計(jì)算和優(yōu)化調(diào)度是不能得到正確結(jié)果的［2］，因此需要對(duì)注水管網(wǎng)模型參數(shù)進(jìn)行修正。但由于注水管網(wǎng)模型涉及的參數(shù)較多，為了簡(jiǎn)化計(jì)算，將模型參數(shù)的修正歸結(jié)為對(duì)當(dāng)量摩阻系數(shù)的修正。即對(duì)油田注水管網(wǎng)的管道摩阻系數(shù)進(jìn)行反演計(jì)算，利用部分已知節(jié)點(diǎn)的壓力，采用了由牛頓-拉夫森法與改進(jìn)的人工蜂群算法相結(jié)合的方式來(lái)計(jì)算管段的實(shí)際摩阻系數(shù)［3］，以達(dá)到提高仿真計(jì)算、優(yōu)化調(diào)度等準(zhǔn)確性的目的。

1 油田注水管網(wǎng)摩阻系數(shù)反演模型建立

1.1 油田注水系統(tǒng)平差計(jì)算模型

由實(shí)際生產(chǎn)可知，在油田注水系統(tǒng)中，注水管道斷面形狀均為圓形，油田回注水在管網(wǎng)中輸送時(shí)是按照有壓恒定均勻流處理。由于注水壓力較高（一般在10 MPa以上），在注水管網(wǎng)水力計(jì)算過(guò)程中，只計(jì)算壓力水頭損失而不考慮位置水頭和流速水頭。另外，由于管道長(zhǎng)度較大，沿程水頭損失一般遠(yuǎn)大于局部水頭損失，因此在進(jìn)行管道水力計(jì)算時(shí)，一般忽略局部水頭損失，或?qū)⒕植孔枇D(zhuǎn)換成等效長(zhǎng)度的管道沿程水頭損失進(jìn)行計(jì)算。

對(duì)于單個(gè)的圓管滿流管段，可利用達(dá)西公式來(lái)計(jì)算其沿程阻力損失h［4］：

h=λ" "（1）

λ=

式中 C——謝才系數(shù)；

D——圓管直徑，m；

g——重力加速度，m/s2；

" l——管段的長(zhǎng)度，m；

v——過(guò)水?dāng)嗝嫫骄魉?，m/s；

λ——沿程阻力系數(shù)。

在油田注水系統(tǒng)中一般利用舍維列夫公式求解出式（1）中的沿程阻力系數(shù)。對(duì)每段管段建立上述方程后就形成了注水管網(wǎng)平差計(jì)算模型。根據(jù)供水管網(wǎng)的連續(xù)性方程可知，供水管網(wǎng)系統(tǒng)中的任意一個(gè)節(jié)點(diǎn)i，在任意時(shí)間，流向該節(jié)點(diǎn)的流量必然等于流出該節(jié)點(diǎn)的流量［5～7］。其計(jì)算公式為：

U-Q-q=0，K=i=1，2，…，n-1" （2）

式中 I——與i節(jié)點(diǎn)相鄰的所有節(jié)點(diǎn)的集合；

j——與i節(jié)點(diǎn)相鄰的某一節(jié)點(diǎn)；

" "q——與i節(jié)點(diǎn)相鄰的管道的流量，m3；

" "Q——i節(jié)點(diǎn)的配注水量，m3；

" " "n——所有節(jié)點(diǎn)的總數(shù)；

" "U——i節(jié)點(diǎn)為水源節(jié)點(diǎn)時(shí)的供水量，m3。

規(guī)定從i節(jié)點(diǎn)流出為正，流入為負(fù)。

根據(jù)注水管網(wǎng)單元模型，可將式（2）轉(zhuǎn)化為：

U-Q-f（L，d，μ，H-H）×（H-H）=0" （3）

式中 d——管段m的直徑，m；

f（·）——與參數(shù)相關(guān)的函數(shù)；

H-H——管段m兩端節(jié)點(diǎn)i，j之間的壓降；

L——管段m的長(zhǎng)度，m；

μ——管段m的摩阻系數(shù)。

進(jìn)一步將式（3）簡(jiǎn)化為：

U-Q-K（H-H）=0" " "（4）

其中，Km是對(duì)式（3）中f（·）的替換，表示與管段m長(zhǎng)度、直徑、摩阻系數(shù)、管段壓降相關(guān)的函數(shù)。

油田管網(wǎng)注水系統(tǒng)水力模型可以簡(jiǎn)化為矩陣形式，即：

KH=C" " " （5）

式中 C——管網(wǎng)的節(jié)點(diǎn)流量向量；

H——節(jié)點(diǎn)壓力向量；

K——Km構(gòu)成的矩陣。

式（5）為非線性方程組，即n個(gè)節(jié)點(diǎn)方程中，只有n-1個(gè)方程為獨(dú)立的。為此，在求解時(shí)需要知道至少一個(gè)節(jié)點(diǎn)的壓力數(shù)據(jù)，其求解一般采用牛頓-拉夫森法迭代求解。

1.2 注水系統(tǒng)管網(wǎng)摩阻系數(shù)反演模型

由式（1）可知，管網(wǎng)中任意一根管段，已知管徑和管長(zhǎng)，如果測(cè)量出流量和兩端壓力，則可精確求出其沿程阻力系數(shù)。但油田注水管網(wǎng)規(guī)模龐大，節(jié)點(diǎn)和管段眾多，管子深埋地下且運(yùn)行壓力高，在每個(gè)節(jié)點(diǎn)設(shè)置壓力、流量傳感器，無(wú)論從經(jīng)濟(jì)性考慮還是從操作上都是不現(xiàn)實(shí)的，也是不必要的，因此無(wú)法準(zhǔn)確計(jì)算各管段摩阻系數(shù)。為了滿足經(jīng)濟(jì)可行性，保證管網(wǎng)平差計(jì)算結(jié)果在工程允許誤差范圍，需要通過(guò)部分傳感數(shù)據(jù)來(lái)對(duì)整個(gè)管網(wǎng)摩阻系數(shù)進(jìn)行反演求解。油田注水系統(tǒng)中一般只在泵站的出口和注水井的入口設(shè)置壓力和流量傳感器，對(duì)于管網(wǎng)系統(tǒng)中的大部分節(jié)點(diǎn)并未設(shè)置壓力檢測(cè)裝置。針對(duì)此問(wèn)題，可以采用動(dòng)態(tài)直接聚類(lèi)方法［8，9］，選擇關(guān)鍵的節(jié)點(diǎn)設(shè)置壓力檢測(cè)裝置。

對(duì)于一個(gè)油田注水管網(wǎng)系統(tǒng)，設(shè)置壓力檢測(cè)裝置的節(jié)點(diǎn)，可以較為準(zhǔn)確地獲得節(jié)點(diǎn)的壓力檢測(cè)值，針對(duì)摩阻系數(shù)反演模型的建立，未設(shè)置壓力檢測(cè)裝置的節(jié)點(diǎn)的壓力未知，與之相連管段的摩阻系數(shù)的求解不能保證準(zhǔn)確性，應(yīng)避開(kāi)相應(yīng)的節(jié)點(diǎn)。

根據(jù)式（4）、（5）可知，忽略其他因素的影響，突出管道摩阻系數(shù)的影響可將式（5）改寫(xiě)為：

Z（μ，ΔH）H=C" " " " （6）

式中 ΔH——管段壓降；

" "μ——待求的摩阻系數(shù)向量。

式（6）中矩陣Z的每個(gè)元素Z均為H和待求參數(shù)μ的函數(shù)。向量C的值已知，根據(jù)測(cè)量得知部分壓力檢測(cè)點(diǎn)的壓力值，來(lái)反演求解式（6）中的未知參數(shù)μ。建立目標(biāo)函數(shù)：

min?（μ）=（H-H′）2" " " （7）

式中 H——采用壓力檢測(cè)裝置測(cè)量的值；

H′——壓力計(jì)算值；

t——采用動(dòng)態(tài)直接聚類(lèi)方法確定的壓

力檢測(cè)點(diǎn)的數(shù)目；

" " "?（μ）——建立的與μ相關(guān)的目標(biāo)函數(shù)。

約束條件：

μ≤μ≤μ（8）

其中μ、μ分別為經(jīng)驗(yàn)范圍內(nèi)摩阻系數(shù)的最大值和最小值。

解決此類(lèi)最優(yōu)解數(shù)學(xué)模型，可以采用改進(jìn)的人工蜂群算法進(jìn)行求解。

1.3 壓力檢測(cè)點(diǎn)的設(shè)置研究

對(duì)于油田注水系統(tǒng)來(lái)說(shuō)，其水源點(diǎn)和用水節(jié)點(diǎn)的壓力、流量已知（每個(gè)注水站的出站壓力和流量、每個(gè)注水井的注水壓力和流量已知），假設(shè)管網(wǎng)無(wú)漏損，即所有注水站總供水量等于所有注水井日注水量。為了對(duì)管網(wǎng)摩阻系數(shù)進(jìn)行反演計(jì)算，還需要獲得足夠多的管網(wǎng)壓力檢測(cè)點(diǎn)數(shù)據(jù)。理論上，壓力檢測(cè)點(diǎn)越多，測(cè)量的誤差越小［10，11］。但壓力檢測(cè)點(diǎn)的設(shè)置需要考慮兩方面問(wèn)題：第一是根據(jù)成本的限制考慮壓力檢測(cè)點(diǎn)數(shù)量的設(shè)置；第二是控制壓力檢測(cè)點(diǎn)的檢測(cè)誤差在一定的范圍之內(nèi)。針對(duì)此問(wèn)題采用節(jié)點(diǎn)壓力差作為衡量標(biāo)準(zhǔn)，使用動(dòng)態(tài)直接聚類(lèi)方法對(duì)區(qū)域進(jìn)行劃分，選取具有代表性的節(jié)點(diǎn)設(shè)立壓力檢測(cè)點(diǎn)。在集結(jié)區(qū)域內(nèi)用壓力檢測(cè)點(diǎn)的值作為集結(jié)區(qū)域的代表值。

管網(wǎng)任意兩節(jié)點(diǎn)之間的壓力差為：

X（i，j）=

H

-H" （9）

根據(jù)任意兩點(diǎn)之間的壓力差，建立相應(yīng)的壓力差矩陣［X］n×n，由于壓力差矩陣中的元素之間相關(guān)性不大，而且數(shù)值也具有一定的差異性，所以進(jìn)行歸一化處理：

X′（i，j）=" " " （10）

式中 x（i，j）——壓差矩陣中的元素；

" " x——X（i，j）第j列最大的元素；

nbsp; " x——X（i，j）第j列最小的元素；

X′（i，j）——求解出的歸一化矩陣內(nèi)的元素。

進(jìn)行歸一化處理之后，根據(jù)海明距離貼近度法建立模糊相似矩陣：

r=1

-c

x

-x，i≠j

1" " " " " " " " " " " ，i=j （11）

其中，c∈［0，1］，選取c=0.1，n為歸一化矩陣的列數(shù)，x-x為歸一化矩陣第i行和第j行的對(duì)應(yīng)列元素的差值。在根據(jù)模糊聚類(lèi)分析劃分集結(jié)區(qū)域之后，需要對(duì)壓力檢測(cè)點(diǎn)的位置進(jìn)行確定。利用下式可求出集結(jié)區(qū)域內(nèi)各點(diǎn)的平均歐氏距離：

l′=[][j≠I(mǎi)k]r（j，k） （12）

式中 l′——j節(jié)點(diǎn)與其他節(jié)點(diǎn)的平均歐氏距離；

n——集結(jié)區(qū)域內(nèi)節(jié)點(diǎn)的總數(shù)；

r（j，k）——j節(jié)點(diǎn)與k節(jié)點(diǎn)之間的歐氏距離。

在求解出各點(diǎn)的平均歐氏距離之后，根據(jù)下式選取，集結(jié)區(qū)域內(nèi)平均歐氏距離最小的點(diǎn)作為本集結(jié)區(qū)域的代表點(diǎn)：

l′=min{l′}" " " " （13）

式中 l′——集結(jié)區(qū)域的平均歐氏距離的最小

值。

2 改進(jìn)的人工蜂群算法

管網(wǎng)模型的參數(shù)反演問(wèn)題，本質(zhì)就是對(duì)大型流體網(wǎng)絡(luò)系統(tǒng)模型結(jié)構(gòu)參數(shù)的修正問(wèn)題［12］。根據(jù)油田管網(wǎng)系統(tǒng)建立起來(lái)的數(shù)學(xué)模型往往是參數(shù)眾多、結(jié)構(gòu)復(fù)雜的高維非線性方程組，可以采用改進(jìn)的人工蜂群算法與牛頓-拉夫森法相結(jié)合進(jìn)行求解。

2.1 人工蜂群算法（ABC）

人工蜂群算法不僅具有操作較為簡(jiǎn)單、設(shè)置參數(shù)少、收斂速度快及收斂精度高等特點(diǎn)，還具有系統(tǒng)、分布式特征、自組織性和正/負(fù)反饋特征的特點(diǎn)［13～15］。人工蜂群算法（ABC）通過(guò)模仿蜜蜂采蜜的行為來(lái)解決函數(shù)的優(yōu)化問(wèn)題，算法中包括蜜源、引領(lǐng)蜂、跟隨蜂、偵查蜂。通常情況下，在一個(gè)蜂巢沒(méi)有任何蜜源信息時(shí)，只有少數(shù)的偵查蜂會(huì)出動(dòng)去搜索蜂巢外的蜜源信息，若偵查蜂找到的是非蜜源，它們會(huì)返回舞蹈區(qū)跳搖擺舞并把信息與其他工蜂共享，若搜索到蜜源后它們會(huì)返回舞蹈區(qū)跳8字舞，將搜索到的信息與其他工蜂進(jìn)行共享，并按照一定的概率招募工蜂到蜜源處采蜜，此時(shí)偵查蜂被稱為引領(lǐng)蜂，被招募來(lái)的工蜂被稱為跟隨蜂。偵查蜂也可能在返回舞蹈區(qū)進(jìn)行信息交流后被雇傭去探索其他的蜜源。在此過(guò)程中，隨著采蜜的進(jìn)行，已發(fā)現(xiàn)的蜜源會(huì)逐漸變差，少量跟隨蜂和引領(lǐng)蜂不會(huì)再去已發(fā)現(xiàn)的蜜源進(jìn)行采蜜，而是變?yōu)閭刹榉淙ラ_(kāi)采新的蜜源。

2.2 粒子群算法（PSO）

粒子群算法源于鳥(niǎo)類(lèi)覓食行為，把鳥(niǎo)群中的個(gè)體抽象為具有速度和位置的粒子，從一組初始解出發(fā)尋求最優(yōu)解的過(guò)程就跟鳥(niǎo)類(lèi)不斷調(diào)整方向?qū)ふ沂澄锏倪^(guò)程類(lèi)似。在群體中的每只鳥(niǎo)都會(huì)根據(jù)自己的飛行經(jīng)驗(yàn)以及群體中距離食物最近的鳥(niǎo)的指引不斷調(diào)整自己的飛行方向，所有的鳥(niǎo)都會(huì)靠近距離食物最近的鳥(niǎo)（當(dāng)前最優(yōu)粒子），去搜索該粒子周?chē)膮^(qū)域。

2.3 改進(jìn)的人工蜂群算法（P?ABC）

ABC算法每次進(jìn)行交叉搜索都會(huì)向全局和局部最優(yōu)解進(jìn)行搜索，能達(dá)到最優(yōu)解的概率高，但迭代速度較慢，結(jié)合粒子群算法迭代速度較快、容易陷入局部最優(yōu)解和收斂精度低的特點(diǎn)，為了提高摩阻系數(shù)反演的速度和精度而采用P?ABC算法。其結(jié)合了粒子群算法和人工蜂群算法的特點(diǎn)，既可以有效克服粒子群算法求解精度低、易陷入局部最優(yōu)解的問(wèn)題，又解決了人工蜂群算法求解速度慢的問(wèn)題。

首先在PSO算法中，粒子群規(guī)模為N，粒子維度為D，迭代次數(shù)為K，慣性權(quán)重為w（表示上一代粒子對(duì)當(dāng)代粒子速度的影響），則粒子的位置和速度的更新公式如下：

V=ωV+cr（p-x）+cr（p-x） （14）

x=x+v" " " "（15）

式（14）、（15）中c為個(gè)體學(xué)習(xí)因子（代表自身經(jīng)驗(yàn)所占的權(quán)重），c為群體學(xué)習(xí)因子（代表其他粒子經(jīng)驗(yàn)部分所占的權(quán)重），r、r代表0～1內(nèi)的隨機(jī)數(shù)。V為粒子i在第k次迭代中第d維的速度向量，x為粒子i在第k次迭代中第d維的位置向量，p為粒子i在第k次迭代中第d維的歷史最優(yōu)位置，

p為群體i在第k次迭代中第d維的歷史最優(yōu)位置。

將PSO迭代k次之后的最優(yōu)位置p作為ABC算法開(kāi)始迭代的初始位置，引領(lǐng)蜂獲取的蜜源信息為：

X=p={x，x，…，x}" " （16）

式中 X——蜜源信息；

" "x——第i個(gè)蜜源的第j維值，i=1，2，…，N。

在舞蹈區(qū)獲取蜜源信息后，跟隨蜂根據(jù)輪盤(pán)規(guī)則選擇引領(lǐng)蜂的概率P為：

P=" " （17）

式中 fit——第i個(gè)蜜源的適應(yīng)度；

W——蜜源總數(shù)。

引領(lǐng)蜂在舞蹈區(qū)交流信息后，獲得新的蜜源為：

x=x+rand（-1，1）（x-x），k≠i" "（18）

其中，x為新的蜜源，rand（-1，1）為（-1，1）內(nèi)的隨機(jī)數(shù)。

引領(lǐng)蜂變?yōu)閭刹榉渲螳@取新的蜜源為：

x=L+rand（0，1）（U-L）" " "（19）

其中，U、L為搜索的閾值（分別為搜索的上邊界和下邊界），j=1，2，…，N。

每只蜜蜂可基于貪婪策略選擇優(yōu)勢(shì)解作為新的蜜源，在達(dá)到迭代次數(shù)之后，最小適應(yīng)度對(duì)應(yīng)的蜜源即為所求的最優(yōu)解。

3 算法實(shí)例

3.1 檢測(cè)點(diǎn)設(shè)置實(shí)例

圖1為某一管網(wǎng)系統(tǒng)，共有20個(gè)管段，3個(gè)泵站節(jié)點(diǎn)（4，9，15）和12個(gè)注水節(jié)點(diǎn)。對(duì)于油田管網(wǎng)注水系統(tǒng)來(lái)說(shuō)，3個(gè)泵站必須設(shè)立檢測(cè)裝置。在剩余的12個(gè)節(jié)點(diǎn)中，根據(jù)提供的一組預(yù)估數(shù)值見(jiàn)表1，進(jìn)行聚類(lèi)劃分集結(jié)區(qū)域，選取集結(jié)區(qū)域內(nèi)平均歐氏距離最小的點(diǎn)作為集結(jié)區(qū)域內(nèi)的代表點(diǎn)設(shè)立壓力檢測(cè)裝置，在設(shè)立壓力檢測(cè)點(diǎn)的時(shí)候要本著在保證誤差小的情況下盡可能少設(shè)立壓力檢測(cè)點(diǎn)的原則。

根據(jù)表1中給出的預(yù)估注水節(jié)點(diǎn)的壓力值，采用動(dòng)態(tài)直接聚類(lèi)的方法，再利用面向?qū)ο蟮母呒?jí)編程語(yǔ)言Python編程建立的壓力差模糊相似矩陣X［16～18］為：

根據(jù)建立的模糊相似矩陣?yán)脛?dòng)態(tài)直接聚類(lèi)方法進(jìn)行模糊聚類(lèi)的結(jié)果如圖2所示，根據(jù)保證反演誤差小的情況下，選取盡可能少檢測(cè)點(diǎn)數(shù)量的策略，制定4種設(shè)立檢測(cè)點(diǎn)的方案（表2）。

3.2 摩阻系數(shù)反演求解

根據(jù)方案1～4采用牛頓-拉夫森法分別與ABC、PSO、P?ABC算法相結(jié)合的方式進(jìn)行油田管網(wǎng)系統(tǒng)的摩阻系數(shù)反演。首先規(guī)定個(gè)體數(shù)據(jù)的維度為20，個(gè)體數(shù)據(jù)的邊界為［0.012，0.014］，最大迭代次數(shù)為300，其余參數(shù)均設(shè)為常用值。根據(jù)方案1～4進(jìn)行反演求解的最優(yōu)適應(yīng)度如圖3所示。根據(jù)

適應(yīng)度曲線可以看出設(shè)立8個(gè)檢測(cè)點(diǎn)的時(shí)候，適應(yīng)度已經(jīng)達(dá)到了較好的效果，因此選擇方案2進(jìn)行具體分析。

根據(jù)方案2，選擇設(shè)立的檢測(cè)點(diǎn)的位置為3，8，10，11，14節(jié)點(diǎn)以及4，9，15這3個(gè)泵站節(jié)點(diǎn)。油田注水采用的原始摩阻系數(shù)的值為0.013，通過(guò)方案2根據(jù)ABC、PSO、P?ABC反演出的摩阻系數(shù)和油田注水管網(wǎng)系統(tǒng)的結(jié)構(gòu)參數(shù)見(jiàn)表3。

根據(jù)表3反演出來(lái)的摩阻系數(shù)，采用牛頓-拉夫森法求解各節(jié)點(diǎn)壓力，檢測(cè)點(diǎn)真實(shí)壓力與計(jì)算壓力值的對(duì)比見(jiàn)表4。由于管段的摩阻系數(shù)不能由測(cè)量直接得到，而且由于常年的侵蝕等，管段的原始摩阻系數(shù)早已變得不準(zhǔn)確，采用ABC、PSO、P?ABC算法反演出的摩阻系數(shù)，進(jìn)行管段壓力的計(jì)算對(duì)比后發(fā)現(xiàn)P?ABC的計(jì)算誤差最小為5.9%，符合工程誤差的要求，而采用原始摩阻系數(shù)進(jìn)行計(jì)算誤差極大。對(duì)摩阻系數(shù)進(jìn)行修正之后使得計(jì)算的誤差大幅減小，這驗(yàn)證了所建立的數(shù)學(xué)模型的準(zhǔn)確性和所采用改進(jìn)的人工蜂群算法的可行性。

4 結(jié)束語(yǔ)

油田管網(wǎng)系統(tǒng)在運(yùn)行多年之后，管段的摩阻系數(shù)發(fā)生了較大的變化，繼續(xù)采用管網(wǎng)初始摩阻系數(shù)進(jìn)行仿真計(jì)算和優(yōu)化調(diào)度已經(jīng)沒(méi)有意義。通過(guò)建立壓力檢測(cè)點(diǎn)的分布模型和當(dāng)量摩阻系數(shù)反演求解數(shù)學(xué)模型，利用部分已知的壓力檢測(cè)點(diǎn)數(shù)據(jù)，結(jié)合改進(jìn)的人工蜂群算法和牛頓-拉夫森法計(jì)算出管段的真實(shí)當(dāng)量摩阻系數(shù)。實(shí)例計(jì)算證明，利用該方法修正后的摩阻系數(shù)對(duì)管網(wǎng)進(jìn)行仿真計(jì)算，可以控制計(jì)算誤差在工程允許范圍內(nèi)。該方法不需要對(duì)管網(wǎng)系統(tǒng)各個(gè)節(jié)點(diǎn)都設(shè)置壓力傳感器，既能降低生產(chǎn)單位的投資成本，又能滿足油田注水仿真計(jì)算精度，對(duì)油田注水系統(tǒng)和城市供水系統(tǒng)的優(yōu)化調(diào)度具有重要的參考意義。不足之處在于該方法對(duì)壓力檢測(cè)點(diǎn)檢測(cè)值的精度較為敏感，需要高精度壓力傳感器，這對(duì)大規(guī)模的注水系統(tǒng)來(lái)說(shuō)，投資費(fèi)用較高；另外，對(duì)于注水半徑較小的注水系統(tǒng)來(lái)說(shuō)，管網(wǎng)中的接頭、三通、彎頭等附件引起的局部阻力損失相對(duì)于沿程阻力損失來(lái)說(shuō)不可忽略而又無(wú)法精確進(jìn)行數(shù)值描述，由于反演計(jì)算過(guò)程對(duì)誤差有放大效果，導(dǎo)致計(jì)算結(jié)果誤差較大。

參 考 文 獻(xiàn)

［1］ 崔玉海，王增林，馬珍福，等.離心式注水站節(jié)能降耗泵組合調(diào)節(jié)方法［J］.石油機(jī)械，2019，47（10）：75-80.

［2］ 汪洋，于林，任陽(yáng)，等.高含硫油氣田BG110SS鋼油管腐蝕原因［J］.腐蝕與防護(hù)，2022，43（12）：109-113.

［3］ GHAMBARI S，RAHATI A.An improved artificial bee colony algorithm and its application to reliability optimization problems［J］.Applied Soft Computing，2018，62：736-767.

［4］ BAIAMONTE G.Closed?form solutions of the energy balance equation for drip laterals under the Darcy?Weisbach resistance formula［J］.Journal of Irrigation and Drainage Engineering，2018，144（7）：04018011.

［5］ DEMIR S，DUMAN S，MANAV DEMIR N，et al.An MS excel add?in for teaching hydraulics of pipe flow in engineering curricula［J］.Computer Applications in Engineering Education，2018，26（3）：449-459.

［6］ WANG H，SONG L X.Water level prediction of rainwa?ter pipe network using an SVM?based machine learning method［J］.International Journal of Pattern Recognition and Artificial Intelligence，2020，34（2）：2051002.

［7］ HONG B Y，LI X P，DI G J，et al.An integrated MILP method for gathering pipeline networks considering hydraulic characteristics［J］.Chemical Engineering Research and Design，2019，152：320-335.

［8］ 范小春.關(guān)于信息檢索中應(yīng)用模糊聚類(lèi)分析的若干問(wèn)題［J］.科學(xué)技術(shù)與工程，2010，10（11）：2772-2776.

［9］ WANG Y，WEN J Q，ZHANG R J，et al.Optimization Control of Oilfield Waterflooding Systems Based on Different Zone and Pressure［J］.Energies，2022，15（4）：1444.

［10］ 任永良，常玉連，高勝，等.基于GIS和生產(chǎn)數(shù)據(jù)庫(kù)的油田注水系統(tǒng)仿真［J］.系統(tǒng)仿真學(xué)報(bào)，2006，18（1）：229-232.

［11］ 常玉連，任永良，張瑞杰，等.油田供水管網(wǎng)管徑反演求解［J］.石油機(jī)械，2004，32（4）：15-17.

［12］ 高勝，王妍，任永良，等.大型復(fù)雜油田注水系統(tǒng)優(yōu)化運(yùn)行關(guān)鍵技術(shù)與智能化展望［J］.東北石油大學(xué)學(xué)報(bào)，2020，44（4）：91-98.

［13］ ABU?MOUTI F S，EL?HAWARY M E.Overview of Art? ificial Bee Colony （ABC） algorithm and its applic? ations［C］//2012 IEEE International Systems Confere? nce SysCon 2012.IEEE，2012：1-6.

［14］ HAKLI H，KIRAN M S.An improved artificial bee col? ony algorithm for balancing local and global search behaviors in continuous optimization［J］.International Journal of Machine Learning and Cybernetics，2020，11（9）：2051-2076.

［15］ WANG B，YANG J，JIAO H N，et al.Design of auto disturbance rejection controller for train traction control system based on artificial bee colony algorithm［J］.Measurement，2020，160：107812.

［16］ ALAIDI A H，DER C S，LEONG Y W.Increased Effi?ciency of the Artificial Bee Colony Algorithm Using the Pheromone Technique［J］.Engineering，Technol? ogy amp; Applied Science Research，2022，12（6）：9732-9736.

［17］ EKMEKCI D.A pheromonal artificial bee colony （pABC） algorithm for discrete optimization problems［J］.Applied Artificial Intelligence，2019，33（11）：935-950.

［18］ RUSPINI E H，BEZDEK J C，KELLER J M.Fuzzy clu? stering： A historical perspective［J］.IEEE Comput at ional Intelligence Magazine，2019，14（1）：45-55.

（收稿日期：2023-12-13，修回日期：2024-09-10）

Research on Parameters Correction Method for the Simulation Model of Oilfield Water Injection System

REN Yong?liang， YANG Peng?jie， GAO Sheng， DAI Yue?cheng， QIN Jian

（School of Mechanical Science and Engineering， Northeast Petroleum University）

Abstract" "After years of operation of the oilfield water injection pipeline network， the friction coefficient of"pipeline inner wall becomes greatly different from the original data due to the corrosion， scaling and other reasons， and it makes the calculation result of pipeline network adjustment exceed the allowable range of the project. Due to economic reasons and difficulties in the construction， it’s impossible to conduct both pressure and flow tests on the whole pipeline network nodes to invert and solve the true friction coefficients of each pipe section. In this paper， through taking the friction coefficient of each pipe section of the pipe network as the research object， the finite pressure test points of the pipe network were taken as the known parameters to establish the inversion model of pipe network friction coefficient and the distribution model of pressure measurement points and having the improved artificial bee colony algorithm adopted to optimize the inversion model. The results show that， the calculation results stay within the allowable range of engineering errors.

Key words" " improved artificial bee colony algorithm， water injection pipeline system， friction coefficient， mathematical model， inversion， simulation