CN113158384A - 一种油气管道路由规划方法及系统 - Google Patents
一种油气管道路由规划方法及系统 Download PDFInfo
- Publication number
- CN113158384A CN113158384A CN202110234216.4A CN202110234216A CN113158384A CN 113158384 A CN113158384 A CN 113158384A CN 202110234216 A CN202110234216 A CN 202110234216A CN 113158384 A CN113158384 A CN 113158384A
- Authority
- CN
- China
- Prior art keywords
- oil
- gas pipeline
- frog
- pipeline
- routing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Mathematical Optimization (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种油气管道路由规划方法及系统,先根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定拟建设油气管道的铺设区域,能够有效压缩铺设区域的数字地形的数据规模,使得管道路由规划仅在小规模铺设区域所对应的分治地形中进行,有效避免了冗余计算,解决了数字地形数据量庞大,油气管道路由规划计算复杂高的问题。然后利用改进的混合蛙跳算法在铺设区域内进行迭代求解,计算最佳管道路由方案,进而避免人工经验的不确定性所导致路由规划方案工程量大、建设费用高、方案制定周期长等问题,实现油气管道路由方案的高效、高质量设计。
Description
技术领域
本发明涉及油气管道路由规划技术领域,特别是涉及一种数字地形下的油气管道路由高效规划方法及系统。
背景技术
在起伏地形条件下进行油气管道铺设的过程中,需要考虑三维地形对于管道路由的影响,管道路由是指管线的起点到目的地之间的路径,即管线的走向位置。无论是对于新疆、长庆、四川等地油气田的建设者,还是中俄莫-大线等长输油气管道的管理者,进行起伏地形下的管道路由规划设计都存在巨大难度。由于三维地形随机性强、数字地形数据规模大、管道建设要满足各类设计规范等制约因素,导致现阶段的管道路由规划方案大多采用人工决策方式获得,而由于人工经验的不确定性,易导致路由规划工程量大、建设费用高、方案制定周期长等问题,这些问题已经严重阻碍油气企业的经济可持续发展,急需创新相关技术予以解决。
因此,亟需一种能够提高管道路由规划质量和效率的油气管道路由规划方法及系统。
发明内容
本发明的目的是提供一种油气管道路由规划方法及系统,适用于起伏地形下油气田集输管道的路由规划设计和长输油气管道在起伏地形下的管道路由规划设计,能够辅助油气管道管理者(决策者)进行受地形限制的管道路由方案的高效、高质量减资增效优化设计。
为实现上述目的,本发明提供了如下方案:
一种油气管道路由规划方法,所述规划方法包括如下步骤:
根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定所述拟建设油气管道的铺设区域;
利用改进的混合蛙跳算法在所述铺设区域内进行迭代求解,计算最佳管道路由方案。
一种油气管道路由规划系统,所述规划系统包括:
铺设区域确定模块,用于根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定所述拟建设油气管道的铺设区域;
最佳管道路由方案计算模块,用于利用改进的混合蛙跳算法在所述铺设区域内进行迭代求解,计算最佳管道路由方案。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明所提供的一种油气管道路由规划方法及系统,先根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定拟建设油气管道的铺设区域,相较于常规以拟建设油气管道所在起伏地形直接作为铺设区域的方式,能够有效压缩铺设区域的数字地形的数据规模,使得管道路由规划仅在小规模铺设区域所对应的分治地形中进行,有效避免了冗余计算,解决了数字地形数据量庞大,油气管道路由规划计算复杂度高的问题。然后利用改进的混合蛙跳算法在铺设区域内进行迭代求解,计算最佳管道路由方案,进而避免人工经验的不确定性所导致的路由规划方案工程量大、建设费用高、方案制定周期长等问题,实现油气管道路由方案的高效、高质量设计。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1所提供的规划方法的方法流程图。
图2为本发明实施例1所提供的确定铺设区域的方法流程图。
图3为本发明实施例1所提供的改进的混合蛙跳算法的方法流程图。
图4为本发明实施例1所提供的执行环形拓扑小生境算子的方法流程图。
图5为本发明实施例1所提供的传统混合蛙跳算法与改进的混合蛙跳算法的路由拓扑结构对比图。
图6为本发明实施例1所提供的传统混合蛙跳算法与改进的混合蛙跳算法的效果对比图。
图7为本发明实施例2所提供的规划系统的系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种油气管道路由规划方法及系统,适用于起伏地形下油气田集输管道的路由规划设计和长输油气管道在起伏地形下的管道路由规划设计,能够辅助油气管道管理者(决策者)进行受地形限制的管道路由方案的高效、高质量减资增效优化设计。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
本实施例用于提供一种油气管道路由规划方法,如图1所示,所述规划方法包括如下步骤:
S1:根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定所述拟建设油气管道的铺设区域;
现有技术中,在确定拟建设油气管道的铺设区域时,所确定的铺设区域很大,进而铺设区域所对应的数字地形的数据规模很大,故针对铺设区域所对应数字地形数据量庞大的问题,本实施例提出了分治搜索空间简化策略,将铺设区域所对应数字地形的数据规模进行有效压缩。具体而言,如图2所示,确定铺设区域的方法可以为:
S11:根据拟建设油气管道的起始点坐标和终止点坐标,确定所述起始点和所述终止点的连线在xoy平面上的投影线,所述投影线记为潜在投影;以潜在投影为对角线的矩形区域即为油气管道路由的潜在搜索区域。
S12:根据所述拟建设油气管道所在起伏地形的数字地形数据,确定障碍物在xoy平面上的投影轮廓的最小外接矩形;所述障碍物为阻碍所述拟建设油气管道沿直线铺设的山体、湖泊及动植物保护区等;
拟建设油气管道所在起伏地形的数字地形数据包括拟建设油气管道的数字地形边界和数字地形数据点,一般为DEM模型数据或DTM模型数据。考虑到起伏地形下油气管道一般需要绕着山体等障碍物铺设,为保证对管道路由方案这一解的覆盖,需要将潜在搜索区域进行适当放大,本实施例基于障碍物来对潜在搜索区域进行放大。若有多个障碍物,则确定这多个障碍物组成的区域在xoy平面上的投影轮廓的最小外接矩形。
S13:根据所述最小外接矩形的对角线长度调节所述潜在投影的长度,得到分治投影;所述分治投影的中心与所述潜在投影的中心重合,且所述分治投影与所述潜在投影平行;以所述分治投影为对角线的矩形区域即为所述拟建设油气管道的铺设区域。
根据最小外接矩形的对角线长度调节潜在投影的长度可以包括:根据最小外接矩形的对角线长度计算潜在投影的放大倍数,然后以潜在投影的中点为中心点,沿着潜在投影的投影方向对潜在投影进行放大,得到分治投影,以分治投影为对角线的矩形区域即为拟建设油气管道的铺设区域,记该铺设区域对应的数字地形数据为分治地形。本实施例所用的潜在投影的放大倍数的计算公式为:
式1中,βdc为潜在投影的放大倍数;L0为最小外接矩形的对角线长度;xs,ys和zs为油气管道起始点的坐标;xe,ye和ze为油气管道终止点的坐标;αdc为分治简化控制因子,其为预设值,可以根据实际的地形起伏程度确定;zmax为阻挡油气管道直线铺设的障碍物的最大高程值。
本实施例基于数字地形数据及边界、管道起始点坐标、管道终止点坐标将拟建设油气管道的数字地形的数据规模应用分治搜索空间简化策略进行压缩简化,提取简化得到的地形数据形成分治地形,使得管道路由规划仅在小规模的分治地形中进行,有效避免了冗余计算。
S2:利用改进的混合蛙跳算法在所述铺设区域内进行迭代求解,计算最佳管道路由方案。
人工智能技术被认为是21世纪最具潜力的技术,其中的重要分支技术—智能计算技术已经成功应用于机械制造、医疗卫生、石油化工等领域,智能计算技术的主要应用载体是智能优化算法,智能优化算法是模拟生物、环境、自然现象所形成的处理数据以及求解最优方案的方法,其中混合蛙跳算法作为新近提出的智能优化算法,兼顾了并行计算、易于编程实现、算法结构简单等优点。目前,将智能优化算法应用于起伏地形下油气管道的路由规划设计的成果较少,且由于起伏地形条件下的管道路由选择规划是大型的非线性规划问题,普通智能优化算法在求解此类问题时容易陷入局部最优,得到的方案仅为次优方案,而不是最优方案,影响了管道路由规划方案的质量,故需要对混合蛙跳等智能优化算法进行改进,增强算法对于管道路由方案的寻优能力。此外,由于数字地形中的DEM或者DTM等技术是采用大量的离散数据来表征起伏地形,如果直接采用智能寻优的方式搜索最优的管道路由方案,会造成求解耗时长、求解不收敛的问题。因此,有必要对混合智能蛙跳算法进行改进,以实现起伏地形下油气管道的管道路由的高效、高质量规划设计。
基于这一问题,本实施例对混合蛙跳算法进行改进,具体的,如图3所示,S2可以包括:
S21:利用改进的混合蛙跳算法在所述铺设区域内随机生成初始蛙群;所述初始蛙群中的每只青蛙均代表一种管道路由方案;
具体的,将起始点与终止点之间的中间转向点进行顺序编号,基于铺设区域对应的分治地形随机选取多组所有中间转向点的坐标集合,每一组所有中间转向点的坐标集合和起始点坐标、终止点坐标的集合即代表一种管道路由方案,即生成一只青蛙,进而得到初始蛙群。同时,对一只青蛙中所有中间转向点的坐标进行实数编码即可得到这一只青蛙对应的实数编码。
S22:根据路由方案评估模型计算所述初始蛙群中每只青蛙所代表的管道路由方案的质量评估值,根据所述质量评估值确定最优蛙,并将所述初始蛙群分为多个模因组;
本实施例中对于管道路由方案质量的评估主要依据管道的总长度、管道的转向角度、管道路由与起伏地形的贴合程度以及管道路由能够安全平稳输送油气介质的可靠度,起伏地形下油气管道的路由方案评估模型具体为:
式2中,Fp为管道路由方案的质量评估值,质量评估值越大则路由方案的质量越差,质量评估值越小则路由方案的质量越好;fp,1为油气管道总长度评估值;为油气管道总长度评估值对应的第一预设权重;fp,2为油气管道转向角评估值;为油气管道转向角评估值对应的第二预设权重;fp,3为油气管道与起伏地形贴合程度评估值;为油气管道与起伏地形贴合程度评估值对应的第三预设权重;fp,4为油气管道安全输送可靠度评估值;为油气管道安全输送可靠度评估值对应的第四预设权重。
对于油气管道总长度的评估,由于油气管道总长度直接影响了油气管道的建设经济性,管道总长越短,节约的管材费用越多,相应的施工费用也越少。故本实施例中油气管道总长度评估值的计算公式为:
式3中,rp为中间转向点的数量;i=1,2,...rp+1;xi,yi和zi为油气管道第i个中间转向点的坐标;xi-1,yi-1和zi-1为油气管道第i-1个中间转向点的坐标;xs,ys和zs为油气管道起始点的坐标;xe,ye和ze为油气管道终止点的坐标。第0个中间转向点即为油气管道的起始点;第rp+1个中间转向点即为油气管道的终止点。
对于油气管道转向角的评估需要考虑管道在弹性铺设时管道的强度,如果管道转向角超出所应该满足曲率半径的限制,则管道的风险成本就会大大增加,故本实施例中油气管道转向角评估值的计算公式为:
式4中,M为极大的正实数;Rm为设计规范中规定的油气管道的许用曲率半径;φ(β)为油气管道的最大曲率半径,由管道转向角决定;β为管道转向角。每一中间转向点均会对应一个管道转向角,每一管道转向角则对应一个曲率半径,计算所有管道转向角对应的曲率半径,选取其中最大的一个曲率半径作为φ(β)。曲率半径的计算公式如下:
式5中,R为曲率半径;Dp为管道外径。
对于油气管道与起伏地形贴合程度的评估主要评估管道路由方案是否与实际地形相匹配,以改进的混合蛙跳算法计算得到的管道路由转向点的高程与数字地形实际高程之间的差值作为评估指标,本实施例中油气管道与起伏地形贴合程度评估值的计算公式为:
式6中,fj为第j个中间转向点对应的油气管道与起伏地形的贴合程度;j=1,2,...rp,rp为中间转向点的数量。
式7中,M为极大的正实数;zj为利用改进的混合蛙跳算法得到的第j个中间转向点的计算高程值;zR,j为第j个中间转向点的实际高程值;ε为油气管道与起伏地形贴合程度的可接受度,其为较小的实数。
第j个中间转向点的实际高程值的计算公式为:
式8中,nne为与第j个中间转向点邻近的数字地形数据点的数量;k=1,2,...nne;zgk为第k个邻近数据点的高程值;dk为第k个邻近数据点与第j个中间转向点之间的欧几里得距离。
对于油气管道安全输送可靠度的评估主要评估管道起始点在现有输送压力下克服管道高差做功的能力,本实施例中油气管道安全输送可靠度评估值的计算公式为:
式9中,M为极大的正实数;H为油气管道起始点处油气介质压力对应的扬程;zp,max为所有中间转向点实际高程值的最大值;zs为油气管道起始点的实际高程值。
本实施例在管道路由方案评估中考虑了管道铺设的建设经济性、起伏地形限制、管道转向角、安全输送可靠度等因素,使得规划设计的管道路由方案更加符合实际、更具可推广性。
在利用上述路由方案评估模型计算初始蛙群中每只青蛙所代表的管道路由方案的质量评估值后,本实施例还将初始蛙群中的N只青蛙按照质量评估值从小到大进行编号,得到初始蛙群中的最优蛙,并按照编号顺序依次将初始蛙群分为多个模因组。举例而言,假设初始蛙群有5只青蛙,要分为3个模因组,则按照编号顺序将第1只青蛙放入第1模因组,第2只青蛙放入第2模因组,第3只青蛙放入第3模因组,第4只青蛙放入第1模因组,第5只青蛙放入第2模因组。在分好模因组后,还能根据质量评估值确定每个模因组中的最优蛙和最差蛙。
S23:在每一所述模因组中随机选取Ts只青蛙执行环形拓扑小生境算子;
对于环形拓扑小生境算子,该算子是基于青蛙会向着蛙群中其随机选定的另外一只邻域青蛙跳跃的自然规律总结得到的,每一只青蛙所代表的管道路由方案不仅根据最优的青蛙进行调整,也依据它的邻域蛙进行适当更新,如图4所示,环形拓扑小生境算子的具体执行步骤如下:
S231:通过随机组合的方式,将所选取的若干只青蛙形成Ts个环形拓扑结构;
假设将蛙群分为m个模因组,则将所选取的mTs只青蛙混合生成小生境空间,通过随机组合的方式,将mTs只青蛙形成Ts个环形拓扑结构。
S232:根据所述环形拓扑结构确定每只青蛙的邻域蛙;
将每个环形拓扑结构中的m只青蛙顺序编号,其中编号为a的青蛙的邻域蛙为编号为a-1的青蛙和编号为a+1的青蛙。
S233:对于每只青蛙,根据所述邻域蛙确定所述青蛙的有效搜索半径;
定义青蛙与其邻域蛙之间在各维度绝对差的平均值的最小值为该青蛙的有效搜索半径,对于小生境空间中的所有青蛙,计算其有效搜索半径。有效搜索半径的计算公式如下,
式10中,ξa为小生境空间中第a只青蛙的有效搜索半径;D为每只青蛙的实数编码的维数;c=1,2,..D;为第a只青蛙的第1只邻域蛙的实数编码的第c维信息;Xa,c为第a只青蛙的实数编码的第c维信息,为第a只青蛙的第2只邻域蛙的实数编码的第c维信息。
S234:基于所述有效搜索半径,根据改进的蛙跳规则对所述青蛙进行更新,即对所述青蛙的各维度信息进行更新,相当于对青蛙的实数编码进行更新,而实数编码是对所有中间转向点的坐标进行编码得到的,故相当于对青蛙所代表的管道路由方案进行更新。
改进的蛙跳规则的计算公式如下:
X′a=Xa+r(Xg-Xa)+vξa; (11)
式11中,X′a为执行环形拓扑小生境算子后的第a只青蛙的实数编码;Xa为执行环形拓扑小生境算子前的第a只青蛙的实数编码;Xg为初始蛙群中的最优蛙的实数编码;r和v均为区间[0,1]之间的随机数。
S24:在每一所述模因组中未执行所述环形拓扑小生境算子的剩余青蛙中随机选取Sb只青蛙执行活跃蛙跳算子,得到更新后的蛙群;
对于活跃蛙跳算子,该算子是根据位于食物不充足地点的青蛙会向着食物充足的地方跳跃,且随着时间的增加跳跃越发活跃的自然规律总结得到的,每一只青蛙所表示的管道路由方案会依据最优青蛙进行调整,且调整频率随着时间增加逐渐增大,故在每一所述模因组中未执行所述环形拓扑小生境算子的剩余青蛙中随机选取Sb只青蛙执行活跃蛙跳算子之前,所述规划方法还包括:根据所述改进的混合蛙跳算法的当前迭代次数,计算执行活跃蛙跳算子的青蛙数量Sb。Sb的计算公式为:
在获取执行活跃蛙跳算子的青蛙数量Sb后,依据下述公式更新每只青蛙的各维度信息。
Xe′=Xe+r(Xb,l-Xe); (13)
式13中,Xe′为执行活跃蛙跳算子后的第e只青蛙的实数编码;Xe为执行活跃蛙跳算子前的第e只青蛙的实数编码;Xb,l为第e只青蛙所属模因组中的最优蛙的实数编码。
S25:根据所述路由方案评估模型计算所述更新后的蛙群中每只青蛙所代表的管道路由方案的质量评估值,确定所述更新后的蛙群中的最优蛙,并判断当前迭代次数是否达到预设迭代次数;若是,则输出所述更新后的蛙群中的最优蛙,若否,则以所述更新后的蛙群作为初始蛙群,返回“根据路由方案评估模型计算所述初始蛙群中每只青蛙所代表的管道路由方案的质量评估值”的步骤,直至当前迭代次数达到预设迭代次数。
除根据预设迭代次数判断是否结束迭代外,还可根据最优蛙持续不变的次数是否达到预设次数来决定是否结束迭代。
本实施例所提供的一种数字地形下的油气管道路由规划方法,针对现有起伏地形限制下油气管道路由规划方案建设投资大、方案制定耗时长等问题,首先获取数字地形高程数据点、管道起终点空间位置、中间站场建设数量范围等信息,提出了分治搜索空间简化策略,将应用于管道路由规划的地形数据规模有效降低。然后基于简化后的地形数据空间,针对传统混合蛙跳算法易陷入局部最优,不能得到全局最优管道路由方案的不足,基于自然规律创立了环形拓扑小生境算子和活跃蛙跳算子,并构建了改进的混合蛙跳算法,应用改进的混合蛙跳算法优化求解最优管道路由方案,使得管道路由规划中同时兼顾了优秀路由方案和普通路由方案中的有益信息,有效增强了全局最优管道路由方案的搜索能力。在改进的混合蛙跳算法迭代求解过程中,管道路由方案的评估考虑了管道铺设的建设经济性、起伏地形限制、管道转向角、安全输送可靠度等因素,使得规划设计的管道路由方案更加符合实际、更具可推广性。本实施例围绕数字地形下油气管道的路由规划,从提高规划方案制定效率和降低管道建设投资的角度出发,实现管道路由方案的高效、高质量设计,对于降低油气企业建设成本、赋能企业管理人员规划设计提效和促进数字油气管道建设具有重要意义。本实施例为数字地形下的油气管道路由的规划设计提供了全新的方法,能够辅助管理者(建设者)实现数字地形下油气管道路由的高效、高质量的优化设计,同时能够应用于其他路由规划领域,对于降低油气企业建设成本、提高企业管理人员规划设计效率和促进数字油气管道建设具有重要意义。
为了便于理解本实施例的技术方案,通过以下实例对本实施例的技术方案作进一步说明。该实例中以需要规划建设的油气管道为示例研究对象,对其数字地形下的油气管道路由方案进行规划设计。
1)规划问题描述:
某油田新建投产一口油井A,该油井距离已建成的集输管网较远,现预计将该油井通过管道输送的方式连接到与之最近的计量站B,由于油井A建设在山地之中,采用本实施例中提出的油气管道路由规划方法对油气管道的铺设路由进行规划设计,采用DEM数字地形技术对起伏地形进行重构,数字地形精度为30m,在长为63018.43m,宽为51107.38m的范围内,地形数据点规模为3578564,计划设置管道路由转向点54个。
2)规划方法应用参数设置:
本实施例应用Matlab 2014b平台程序实现,本实施例中分治搜索空间简化策略中的分治简化控制因子设置为αdc=0.15,改进的混合蛙跳算法的主控参数设置为蛙群的青蛙数量N=50,模因组数m=5,每个模因组内的青蛙数目为10,执行活跃蛙跳算子的最大和最小青蛙数目执行环形拓扑小生境算子的青蛙数目Ts=3和预设迭代次数Imax=1000。
3)规划方案对比分析:
该实例中的油气管道路由规划设计,由于采用了本实施例中的高效规划方法,油气管道路由规划仅需要在分治地形下完成,分治地形的数据点规模为1288284,相较于完整的数字地形数据规模,降低64%,有效规避了冗余计算,提高了规划设计效率。为了对比本实施例规划方法的优越性,采用传统的混合蛙跳算法进行了管道路由规划设计,传统混合蛙跳算法设计的油气管道长度为10.86km,由于本实施例中提出的改进混合蛙跳算法增加了环形拓扑小生境算子和活跃蛙跳算子,显著增强了算法对于全局最优管道路由方案的搜索能力,本实施例规划设计的油气管道长度为9.35km,相较于传统方法节约管道长度12.25%。此外,传统混合蛙跳算法设计方案耗时8546.52s,本实施例方法设计方案耗时2964.84s,提高设计效率65.31%,实现了对于数字地形下油气管道路由方案的高效、高质量优化设计。本实施例方法和传统混合蛙跳算法设计得到的数字地形下油气管道路由方案拓扑结构对比如图5所示,路由的管道长度随迭代次数下降曲线对比如图6所示。
实施例2:
本实施例用于提供一种油气管道路由规划系统,如图7所示,所述规划系统包括:
铺设区域确定模块M1,用于根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定所述拟建设油气管道的铺设区域;
最佳管道路由方案计算模块M2,用于利用改进的混合蛙跳算法在所述铺设区域内进行迭代求解,计算最佳管道路由方案。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种油气管道路由规划方法,其特征在于,所述规划方法包括如下步骤:
根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定所述拟建设油气管道的铺设区域;
利用改进的混合蛙跳算法在所述铺设区域内进行迭代求解,计算最佳管道路由方案。
2.如权利要求1所述的一种油气管道路由规划方法,其特征在于,所述根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定所述拟建设油气管道的铺设区域具体包括:
根据拟建设油气管道的起始点坐标和终止点坐标,确定所述起始点和所述终止点的连线在xoy平面上的投影线,所述投影线记为潜在投影;
根据所述拟建设油气管道所在起伏地形的数字地形数据,确定障碍物在xoy平面上的投影轮廓的最小外接矩形;所述障碍物为阻碍所述拟建设油气管道沿直线铺设的山体;
根据所述最小外接矩形的对角线长度调节所述潜在投影的长度,得到分治投影;所述分治投影的中心与所述潜在投影的中心重合,且所述分治投影与所述潜在投影平行;以所述分治投影为对角线的矩形区域即为所述拟建设油气管道的铺设区域。
3.如权利要求1所述的一种油气管道路由规划方法,其特征在于,所述利用改进的混合蛙跳算法在所述铺设区域内进行迭代求解,计算最佳管道路由方案具体包括:
利用改进的混合蛙跳算法在所述铺设区域内随机生成初始蛙群;所述初始蛙群中的每只青蛙均代表一种管道路由方案;
根据路由方案评估模型计算所述初始蛙群中每只青蛙所代表的管道路由方案的质量评估值,根据所述质量评估值确定最优蛙,并将所述初始蛙群分为多个模因组;
在每一所述模因组中随机选取Ts只青蛙执行环形拓扑小生境算子;
在每一所述模因组中未执行所述环形拓扑小生境算子的剩余青蛙中随机选取Sb只青蛙执行活跃蛙跳算子,得到更新后的蛙群;
根据所述路由方案评估模型计算所述更新后的蛙群中每只青蛙所代表的管道路由方案的质量评估值,确定所述更新后的蛙群中的最优蛙,并判断当前迭代次数是否达到预设迭代次数;若是,则输出所述更新后的蛙群中的最优蛙,若否,则以所述更新后的蛙群作为初始蛙群,返回“根据路由方案评估模型计算所述初始蛙群中每只青蛙所代表的管道路由方案的质量评估值”的步骤,直至当前迭代次数达到预设迭代次数。
8.如权利要求3所述的一种油气管道路由规划方法,其特征在于,所述在每一所述模因组中随机选取Ts只青蛙执行环形拓扑小生境算子具体包括:
通过随机组合的方式,将所选取的若干只青蛙形成Ts个环形拓扑结构;
根据所述环形拓扑结构确定每只青蛙的邻域蛙;
对于每只青蛙,根据所述邻域蛙确定所述青蛙的有效搜索半径;
基于所述有效搜索半径,根据改进的蛙跳规则对所述青蛙进行更新。
9.如权利要求3所述的一种油气管道路由规划方法,其特征在于,在每一所述模因组中未执行所述环形拓扑小生境算子的剩余青蛙中随机选取Sb只青蛙执行活跃蛙跳算子之前,所述规划方法还包括:
根据所述改进的混合蛙跳算法的当前迭代次数,计算执行活跃蛙跳算子的青蛙数量Sb。
10.一种油气管道路由规划系统,其特征在于,所述规划系统包括:
铺设区域确定模块,用于根据拟建设油气管道所在起伏地形的数字地形数据以及拟建设油气管道的起始点坐标和终止点坐标,采用分治搜索空间简化策略确定所述拟建设油气管道的铺设区域;
最佳管道路由方案计算模块,用于利用改进的混合蛙跳算法在所述铺设区域内进行迭代求解,计算最佳管道路由方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110234216.4A CN113158384B (zh) | 2021-03-03 | 2021-03-03 | 一种油气管道路由规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110234216.4A CN113158384B (zh) | 2021-03-03 | 2021-03-03 | 一种油气管道路由规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113158384A true CN113158384A (zh) | 2021-07-23 |
CN113158384B CN113158384B (zh) | 2021-10-08 |
Family
ID=76883920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110234216.4A Expired - Fee Related CN113158384B (zh) | 2021-03-03 | 2021-03-03 | 一种油气管道路由规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113158384B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196352A (zh) * | 2023-11-07 | 2023-12-08 | 天泽智慧科技(成都)有限公司 | 一种兼顾风险与成本的管线规划优化算法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1897023A (zh) * | 2006-06-29 | 2007-01-17 | 中国海洋大学 | 水资源信息管理与规划系统 |
CN101149822A (zh) * | 2007-10-15 | 2008-03-26 | 马志鹏 | 水库预报调度的灰色动态规划方法 |
CN102622653A (zh) * | 2012-02-27 | 2012-08-01 | 北京航空航天大学 | 风场影响下微型无人飞行器的多分辨率路径规划方法 |
CN103136593A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 基于智能算法的气田布局优化方法 |
CN103136410A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 干支管网布局优化模型的求解方法 |
CN103996089A (zh) * | 2014-06-12 | 2014-08-20 | 国家电网公司 | 基于gis的输电线路最优路径生成方法 |
CN104462714A (zh) * | 2014-12-24 | 2015-03-25 | 河北建筑工程学院 | 一种市政排水管网平面布置设计优化计算方法 |
US20150347140A1 (en) * | 2014-05-27 | 2015-12-03 | Via Technologies, Inc. | Processor that leapfrogs mov instructions |
CN107918796A (zh) * | 2017-08-05 | 2018-04-17 | 景德镇陶瓷大学 | 一种面向非线性规划问题求解的多策略混合蛙跳算法 |
CN108898664A (zh) * | 2018-06-15 | 2018-11-27 | 安徽美图信息科技有限公司 | 基于Cesium的城市三维可视化地下管线系统的建立方法 |
CN109087023A (zh) * | 2018-08-23 | 2018-12-25 | 中南大学 | 一种基于分治策略的多星观测分层调度方法及系统 |
CN109886509A (zh) * | 2019-03-29 | 2019-06-14 | 长春理工大学 | 一种移动多汇聚节点路径规划方法、系统及电子设备 |
CN109902391A (zh) * | 2018-11-27 | 2019-06-18 | 中国石油大学(华东) | 一种基于随机挥发系数蚁群算法的油气管道规划方法 |
CN110132260A (zh) * | 2019-05-28 | 2019-08-16 | 南京大学 | 一种面向复杂地表空间的行人步行导航路径规划方法 |
CN111475901A (zh) * | 2020-03-27 | 2020-07-31 | 三禹水务科技(苏州)有限公司 | 一种基于差分算法的城市供水系统优化设计方法 |
US10746900B2 (en) * | 2014-11-25 | 2020-08-18 | Cylo Technologies Incorporated | System and method for pipeline management |
-
2021
- 2021-03-03 CN CN202110234216.4A patent/CN113158384B/zh not_active Expired - Fee Related
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1897023A (zh) * | 2006-06-29 | 2007-01-17 | 中国海洋大学 | 水资源信息管理与规划系统 |
CN101149822A (zh) * | 2007-10-15 | 2008-03-26 | 马志鹏 | 水库预报调度的灰色动态规划方法 |
CN103136593A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 基于智能算法的气田布局优化方法 |
CN103136410A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 干支管网布局优化模型的求解方法 |
CN102622653A (zh) * | 2012-02-27 | 2012-08-01 | 北京航空航天大学 | 风场影响下微型无人飞行器的多分辨率路径规划方法 |
US20150347140A1 (en) * | 2014-05-27 | 2015-12-03 | Via Technologies, Inc. | Processor that leapfrogs mov instructions |
CN103996089A (zh) * | 2014-06-12 | 2014-08-20 | 国家电网公司 | 基于gis的输电线路最优路径生成方法 |
US10746900B2 (en) * | 2014-11-25 | 2020-08-18 | Cylo Technologies Incorporated | System and method for pipeline management |
CN104462714A (zh) * | 2014-12-24 | 2015-03-25 | 河北建筑工程学院 | 一种市政排水管网平面布置设计优化计算方法 |
CN107918796A (zh) * | 2017-08-05 | 2018-04-17 | 景德镇陶瓷大学 | 一种面向非线性规划问题求解的多策略混合蛙跳算法 |
CN108898664A (zh) * | 2018-06-15 | 2018-11-27 | 安徽美图信息科技有限公司 | 基于Cesium的城市三维可视化地下管线系统的建立方法 |
CN109087023A (zh) * | 2018-08-23 | 2018-12-25 | 中南大学 | 一种基于分治策略的多星观测分层调度方法及系统 |
CN109902391A (zh) * | 2018-11-27 | 2019-06-18 | 中国石油大学(华东) | 一种基于随机挥发系数蚁群算法的油气管道规划方法 |
CN109886509A (zh) * | 2019-03-29 | 2019-06-14 | 长春理工大学 | 一种移动多汇聚节点路径规划方法、系统及电子设备 |
CN110132260A (zh) * | 2019-05-28 | 2019-08-16 | 南京大学 | 一种面向复杂地表空间的行人步行导航路径规划方法 |
CN111475901A (zh) * | 2020-03-27 | 2020-07-31 | 三禹水务科技(苏州)有限公司 | 一种基于差分算法的城市供水系统优化设计方法 |
Non-Patent Citations (3)
Title |
---|
NATHANIEL S.R. NG 等: "The effects of Pleistocene climate change on biotic differentiation in a montane songbird clade from Wallacea", 《MOLECULAR PHYLOGENETICS AND EVOLUTION》 * |
王文发 等: "基于改进混合蛙跳算法的动态环境路径规划", 《吉林大学学报(理学版)》 * |
贾春雪 等: "不规则障碍物的避障路径规划", 《计算机科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196352A (zh) * | 2023-11-07 | 2023-12-08 | 天泽智慧科技(成都)有限公司 | 一种兼顾风险与成本的管线规划优化算法 |
CN117196352B (zh) * | 2023-11-07 | 2024-02-06 | 天泽智慧科技(成都)有限公司 | 一种兼顾风险与成本的管线规划优化算法 |
Also Published As
Publication number | Publication date |
---|---|
CN113158384B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Mountain railway alignment optimization with bidirectional distance transform and genetic algorithm | |
Pu et al. | Mountain railway alignment optimization using stepwise & hybrid particle swarm optimization incorporating genetic operators | |
Jong et al. | Preliminary highway design with genetic algorithms and geographic information systems | |
CN102682479B (zh) | 一种在不规则三角网上进行三维地形特征点生成的方法 | |
Pu et al. | A three‐dimensional distance transform for optimizing constrained mountain railway alignments | |
CN109344555B (zh) | 一种集输管网设计方法及装置 | |
CN109443364A (zh) | 基于a*算法的路径规划方法 | |
CN112231870B (zh) | 一种复杂山区铁路线路智能化生成方法 | |
CN112883474B (zh) | 一种既有轨道线路智能改建的布设方法、系统、终端及可读存储介质 | |
CN112683290B (zh) | 一种车辆轨迹规划方法、电子设备及计算机可读存储介质 | |
JP3916537B2 (ja) | 道路線形設計方法、道路線形設計装置およびコンピュータ読取可能な道路線形設計プログラム | |
CN103258235B (zh) | 一种基于改进人工鱼群算法的供水管网改扩建优化方法 | |
CN113158384B (zh) | 一种油气管道路由规划方法及系统 | |
CN107992038A (zh) | 一种机器人路径规划方法 | |
CN112947480B (zh) | 一种移动机器人路径规划方法、存储介质及系统 | |
CN105069700A (zh) | 一种分层分区的配电网架规划方法 | |
CN113554467A (zh) | 一种基于协同进化的铁路三维线形智能设计方法 | |
CN115511213A (zh) | 一种运输水电设备的路径优化方法、装置、媒体及系统 | |
Piacentini et al. | A macroscopic model for platooning in highway traffic | |
Pu et al. | Concurrent optimization of mountain railway alignment and station locations with a three-dimensional distance transform algorithm incorporating a perceptual search strategy | |
Kang et al. | Artificial intelligence in highway location and alignment optimization: Applications of genetic algorithms in searching, evaluating, and optimizing highway location and alignments | |
CN117423000B (zh) | 一种基于mars的道路纵断面线形智能重构的方法 | |
CN113645280B (zh) | 车辆位置数据上传方法、装置、电子设备及存储介质 | |
CN106408660A (zh) | 一种电力路径规划中数字地形模型压缩方法和设备 | |
CN111400925B (zh) | 考虑复杂地势的三维潮汐流能发电场规划系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211008 |
|
CF01 | Termination of patent right due to non-payment of annual fee |