CN114154277B - 集输系统布局优化方法、装置及设备 - Google Patents
集输系统布局优化方法、装置及设备 Download PDFInfo
- Publication number
- CN114154277B CN114154277B CN202111368198.5A CN202111368198A CN114154277B CN 114154277 B CN114154277 B CN 114154277B CN 202111368198 A CN202111368198 A CN 202111368198A CN 114154277 B CN114154277 B CN 114154277B
- Authority
- CN
- China
- Prior art keywords
- result
- pipe network
- pipeline
- gathering
- layout
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 238000004088 simulation Methods 0.000 claims description 109
- 238000012545 processing Methods 0.000 claims description 86
- 230000006870 function Effects 0.000 claims description 66
- 238000011156 evaluation Methods 0.000 claims description 49
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 6
- 239000007789 gas Substances 0.000 description 44
- 239000000047 product Substances 0.000 description 23
- 230000008569 process Effects 0.000 description 14
- 239000012530 fluid Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 239000003921 oil Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000005315 distribution function Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 241001510071 Pyrrhocoridae Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Resources & Organizations (AREA)
- Mining & Mineral Resources (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种集输系统布局优化方法、装置及设备,所述方法包括:根据目标集输系统所在位置,获取目标集输系统的布局数据;基于布局数据生成一组初始解;将初始解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,获得一组初始布局结果;在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对初始布局结果进行优化,获得一组新解,将新解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,获得一组新布局结果;在满足求解终止条件的情况下,将新布局结果中的最优结果作为目标集输系统的布局优化结果。采用本说明书实施方案不仅可以扩展集输系统的适用性,而且也会提升集输系统布局的合理性。
Description
技术领域
本说明书属于集输系统布局技术领域,尤其涉及一种集输系统布局优化方法、装置及设备。
背景技术
油气集输系统是石油天然气行业生产的重要组成部分,由于其前期设备投资以及运行周期内能量消耗巨大,其设计是否合理对企业收益和节能降耗具有重大影响。因此,油气集输系统的合理布局变得越来越重要。
由于油气集输系统设计通常包括井群聚类、集气站和中央处理站选址、管网拓扑优化三部分,所以现有技术中,一般主要通过优化上述三部分实现集输系统的合理布局。然而,这种方式在优化过程中,通常只针对单一的管网拓扑类型,而且也未考虑腐蚀、老化、操作不当或地震等造成管道失效的不确定因素,此外,目前也未有含环路管网拓扑可靠性的评估方法。这样不仅会降低集输系统的适用性,而且也会降低集输系统布局的合理性。
因此,业内亟需一种可以解决上述问题的技术方案。
发明内容
本说明书实施例提供了一种集输系统布局优化方法、装置及设备,不仅可以扩展集输系统的适用性,而且也会提升集输系统布局的合理性。
本说明书提供的一种集输系统布局优化方法、装置及设备是包括以下方式。
一种集输系统布局优化方法,包括:根据目标集输系统所在位置,获取目标集输系统的布局数据,其中,所述布局数据包括:井的个数、井的位置、井的产量以及井所在地区对应的地震数据;基于所述布局数据生成预设模型的一组初始解,其中,所述预设模型的变量包括:井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置;所述预设模型的目标函数为最小化年度总费用,所述年度总费用包括中央处理站和集气站的设备投资费用、管道投资费用、压力损失、管道失效损失;将所述初始解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果,其中,所述初始布局结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果;在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对所述初始布局结果进行优化,获得所述预设模型的一组新解;将所述新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组新布局结果;在满足求解终止条件的情况下,将所述新布局结果中的最优结果作为目标集输系统的布局优化结果。
一种集输系统布局优化装置,包括:数据获取模块,用于根据目标集输系统所在位置,获取目标集输系统的布局数据,其中,所述布局数据包括:井的个数、井的位置、井的产量以及井所在地区对应的地震数据;生成模块,用于基于所述布局数据生成预设模型的一组初始解,其中,所述预设模型的变量包括:井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置;所述预设模型的目标函数为最小化年度总费用,所述年度总费用包括中央处理站和集气站的设备投资费用、管道投资费用、压力损失、管道失效损失;第一计算模块,用于将所述初始解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果,其中,所述初始布局结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果;优化模块,用于在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对所述初始布局结果进行优化,获得所述预设模型的一组新解;第二计算模块,用于将所述新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组新布局结果;结果获取模块,用于在满足求解终止条件的情况下,将所述新布局结果中的最优结果作为目标集输系统的布局优化结果。
一种集输系统布局优化设备,包括处理器及用于存储可执行指令的存储器,所述处理器执行所述指令时实现本说明书实施例中任意一个方法实施例的步骤。
本说明书提供的集输系统布局优化方法、装置及设备,根据目标集输系统所在位置,获取目标集输系统的布局数据,其中,布局数据包括:井的个数、井的位置、井的产量以及井所在地区对应的地震数据;基于布局数据生成预设模型的一组初始解;将初始解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,获得一组初始布局结果;在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对初始布局结果进行优化,获得预设模型的一组新解,将新解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,获得一组新布局结果;在满足求解终止条件的情况下,将新布局结果中的最优结果作为目标集输系统的布局优化结果。由于在集输系统布局优化过程中,考虑了管道失效、地震位置、震深震级等不确定性下可靠性增强与混合网络拓扑,通过优化备用管线的数量、位置和拓扑类型来增加集输系统的可靠性,不仅可以扩展集输系统的适用性,而且也会提升集输系统布局的合理性。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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说明书中记载的一些实施例,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为本说明书实施例提供的一种集输系统布局优化方法的流程示意图;
图2为本说明书实施例提供的一种正常情况下集输系统可靠性评估方法的流程示意图;
图3为本说明书实施例提供的一种地震情况下集输系统可靠性评估方法的流程示意图;
图4为本说明书实施例提供的一种集输系统布局优化方法的具体流程示意图;
图5为现有布局方案的示意图;
图6为本申请优化布局方案的示意图;
图7为本说明书实施例提供的一种集输系统布局优化装置的模块结构示意图;
图8为本说明书实施例提供的一种集输系统布局优化服务器的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
下面以一个具体的应用场景为例对本说明书实施方案进行说明。具体的,图1为本说明书实施例提供的一种集输系统布局优化方法的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。
本说明书提供的一种实施方案可以应用到客户端、服务器等中。所述客户端可以包括终端设备,如智能手机、平板电脑等。所述服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式系统的服务器结构等。
需要说明的是,下述实施例描述并不对基于本说明书的其他可扩展到的应用场景中的技术方案构成限制。具体的一种实施例如图1所示,本说明书提供的一种集输系统布局优化方法的一种实施例中,所述方法可以包括以下步骤。
S0:根据目标集输系统所在位置,获取目标集输系统的布局数据;其中,所述布局数据包括:井的个数、井的位置、井的产量以及井所在地区对应的地震数据。
其中,目标集输系统可以是任意一个需要优化布局的集输系统。集输系统是指将从油/气田提取出来的原油或者天然气等收集并运输的系统。
一些实施例中,可以预先收集每个集输系统所在位置处的数据,然后将收集到的数据与集输系统的位置信息对应存储到数据库中,这样,后续可以根据集输系统的位置信息直接从数据库中获取相应数据,从而提高数据获取效率。
一些实施场景中,预先收集的每个集输系统所在位置处的数据可以包括井的个数、位置、产量以及井所在区域历年来发生地震的数据等。
一些实施场景中,在将收集到的数据与集输系统的位置信息对应存储到数据库前,可以对收集到的数据进行预处理。
例如一些实施场景中,由于后续在进行可靠性评估时,需要判断管网中管线是否失效,而判断管网中管线是否失效需要根据一些不确定性因素(如地震位置、震深震级等)的分布曲线拟合结果来生成随机数,所以在将收集到的数据与集输系统的位置信息对应存储到数据库前,可以对震深震级等地震参数进行概率统计及分布曲线拟合,从而获得井所在地区对应的地震数据。
一些实施场景中,由于地震位置通常为均匀分布,震深一般遵循正态分布,震级为一般遵循指数分布,故需要对震深震级数据进行预处理,无需对地震位置进行预处理操作。
一些实施场景中,对震深震级数据进行预处理可以包括:首先确定步长区间,根据步长区间将数据进行归类划分,并统计每个区间内数据出现的概率,然后根据预设分布函数形式对其中参数进行拟合以得到井群所在区域震深震级的概率分布。其中,概率分布也可以称为概率密度函数。需要说明的是,震级数据与震深数据的拟合方法相同,区别在于步长的大小以及分布函数的形式。
具体的,一些实施场景中,震深和震级遵循的分布函数形式如下:
pMagnitude(M)=a×exp(-b×M) (2)
其中,pDepth(H)和pMagnitude(M)分别为当地震发生时,震深为H和震级为M的概率,σ、μ、a和b均为需要拟合的概率分布参数。
以震深为例,首先可以确定步长区间为1千米,据此将所有井所在地区十年来发生的所有地震事件中震深的数据进行归类划分,并统计每个相同步长的子区间内数据出现的概率,然后根据上述分布函数形式对σ和μ进行拟合可以得到震深对应的概率密度函数。类似的,可以以相同方式获得震级对应的概率密度函数。其中,震级的步长区间为0.1级。震深对应的概率密度函数、震级对应的概率密度函数分别为:
pMagnitude(M)=1170×exp(-2.15×M) (4)
一些实施场景中,在对震深震级数据进行预处理,获得对应的概率密度函数后,可以将地震位置、震深震级对应的概率密度函数作为井所在地区对应的地震数据。进一步,可以将井的个数、井的位置、井的产量以及井所在地区对应的地震数据作为集输系统对应的布局数据,然后将每个集输系统的位置信息与布局数据对应存储到数据库中。这样,在确定目标集输系统所在位置后,可以根据目标集输系统的位置信息,从预设数据库中获取目标集输系统的布局数据。
当然,上述只是进行示例性说明,本说明书实施例中布局数据与集输系统的位置信息的存储方式不限于上述举例,例如还可以将布局数据与集输系统的位置信息存储到其他存储器中,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
S2:基于所述布局数据生成预设模型的一组初始解;其中,所述预设模型的变量包括:井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置;所述预设模型的目标函数为最小化年度总费用;所述年度总费用包括中央处理站和集气站的设备投资费用、管道投资费用、压力损失、管道失效损失。
一些实施例中,在根据目标集输系统所在位置获取目标集输系统的布局数据后,可以基于布局数据生成预设模型的一组初始解。
一些实施例中,预设模型的参数可以包括电费、流体密度等压力损失模型参数、年利率等管道费用模型参数和产品单价、蒙特卡洛模拟次数、正常情况下单位管道修复概率等管道失效损失模型参数。预设模型的变量可以包括:井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置。相应的,基于布局数据生成预设模型的一组初始解可以包括井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置。需要说明的是,预设模型的变量均为整形变量。
一些实施例中,预设模型的目标函数为最小化年度总费用。年度总费用可以包括中央处理站和集气站的设备投资费用、管道投资费用、压力损失、管道失效损失。其中,管道失效原因可以分为正常情况下管道腐蚀、老化或者操作不当以及地震情况下造成的损害两类,因此,管道失效损失的计算可以包括对这两种情况下两级管网的可靠性评估。可靠性可以理解为管道在一定概率下失效后,管网将井群生产的油气输送到中央处理站的总流量与井群总产量的比值。
一些实施例中,预设模型的约束条件主要为变量上下限的约束,如:聚类个数、一级管网和二级管网拓扑类型、备用管线条数、备用管线位置等。
具体的,一些实施场景中,预设模型的目标函数和约束条件的数学描述可以参考如下:
s.t.1≤nK≤nK,max (6)
0≤nASP≤nASP,max (9)
其中,TAC为年度总费用,CCPF和分别为中央处理站和第k个集气站的年化投资费用,和分别为每组管网拓扑中每条管线的年化投资费用和压力损失费用,CReliability为管道失效损失费用,ET为管网拓扑图结果中边(i,j)的集合,即管线的集合,VGGS为集气站的集合,nK为井群聚类个数,为一级管网拓扑类型,为二级管网的拓扑类型,nASP为添加的备用管线条数,nK,max、和nASP,max分别为聚类个数、拓扑类型和备用管线条数的上限。其中,根据不同的管网拓扑类型,管网拓扑连接的点可以包括井的位置、拓扑优化过程中生成的斯坦纳点、集气站、中央处理站等中一种或多种。
一些实施例中,基于布局数据,可以利用优化算法生成预设模型的一组初始解。其中,优化算法可以为遗传算法、蚂蚁算法、粒子群算法等。一组初始解中可以包括一个或多个解。当然,上述只是进行示例性说明,本说明书实施例中生成初始解的方式不限于上述举例,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
S4:将所述初始解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果;其中,所述初始布局结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果。
一些实施例中,基于布局数据生成预设模型的一组初始解后,可以将初始解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,获得一组初始布局结果。其中,初始布局结果中可以包括多组布局结果。
一些实施例中,所述将所述初始解或新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果或一组新布局结果,可以包括:根据所述井群聚类个数对所有井进行聚类,获得井群聚类结果;根据所述井群聚类结果,确定目标集输系统中包括的管网等级;基于所述一级管网拓扑类型、所述二级管网拓扑类型、所述中央处理站和集气站的位置,运用图论算法对不同等级和不同拓扑类型的管网进行优化,获得拓扑优化结果;根据所述拓扑优化结果、所述备用管线条数、备用管线连接的起始点和终点,在管网中添加备用管线,得到目标集输系统的整体管网拓扑结果;根据所述整体管网拓扑结果进行管网可靠性评估,得到管网可靠性结果;根据所述整体管网拓扑结果和各个井的产量,计算各条管线的管内流量;根据各条管线的管内流量,计算各管线的内径、壁厚、费用、压力损失。
一些实施场景中,可以根据优化算法给出的代表井群聚类个数的变量值,对所有井进行聚类操作,得到每个井所属的聚类编号。其中,聚类编号相同的井所属同一个井群。一些实施场景中,当井群聚类个数为1时,集输系统管网只有一级管网,没有集气站,只有一个中央处理站;当井群聚类个数大于1时,集输系统管网分为两个等级,一级管网可以用于连接集气站与中央处理站,二级管网可以用于连接井与集气站。一些实施场景中,可以采用K均值聚类算法进行井群聚类操作。
一些实施场景中,可以根据优化算法给出的代表不同等级管网拓扑类型和集气站、中央处理站位置的变量值,分别运用不同的图论算法对不同等级管网进行拓扑优化。进一步,可以根据拓扑优化结果以及优化算法给出的代表备用管线条数和位置的变量值,在管网中添加备用管线,得到集输系统的整个管网拓扑。其中,不同等级管网对应的拓扑类型可以包括星型、最小生成树型、矩形斯坦纳树型和欧型斯坦纳树型。
一些实施场景中,根据优化算法给出的代表不同等级管网拓扑类型的变量值,如果为星型,可以分别计算每个井群的质心坐标,然后将同一井群中的各个井分别与其质心直接相连以生成拓扑优化结果。如果为最小生成树型,可以采用Kruskal算法进行拓扑优化。如果为矩形斯坦纳树型或者欧型斯坦纳树型,可以采用GeoSteiner算法进行拓扑优化。其中,Kruskal算法和GeoSteiner算法都属于图论算法,可以用于拓扑优化。
一些实施场景中,在得到目标集输系统的整体管网拓扑结果后,可以根据目标集输系统的整体管网拓扑结果实现含环路管网可靠性评估,得到不同情况下管网的可靠性。一些实施场景中,实现含环路管网可靠性评估,可以包括正常情况下可靠性评估和地震情况下可靠性评估。其中,评估正常情况下集输系统管网可靠性时,可以运用蒙特卡洛模拟正常情况下管道失效的不确定性,这样,每一次模拟都可以得到一个管网可靠性(即模拟结果)。进一步,可以将所有模拟结果的期望作为该管网拓扑结果正常情况下的管网可靠性。评估地震情况下集输系统管网可靠性时,可以通过双层蒙特卡洛模拟实现,其中,外层模拟地震情况下地震位置、震深、震级的不确定性,内层模拟正常情况下管道失效的不确定性。进一步,采用机会约束模型,将满足可靠性约束条件的所有模拟结果的最小值作为地震情况下管网的可靠性。
具体的,一些实施例中,所述根据所述整体管网拓扑结果进行管网可靠性评估,得到管网可靠性结果,可以包括:基于所述整体管网拓扑结果和蒙特卡洛模拟,评估正常情况下目标集输系统的可靠性,获得第一评估结果;其中,所述蒙特卡洛模拟正常情况下管道失效的不确定性;所述第一评估结果为蒙特卡洛模拟对应的所有模拟结果的期望;基于所述整体管网拓扑结果和双层蒙特卡洛模拟,评估地震情况下目标集输系统的可靠性,获得第二评估结果;其中,所述双层蒙特卡洛模拟中,外层模拟地震情况下地震位置、震深、震级的不确定性,内层模拟正常情况下管道失效的不确定性;所述第二评估结果为外层模拟中满足可靠性约束条件的所有模拟结果的最小值;基于第一评估结果和第二评估结果,获得管网可靠性结果。其中,第一评估结果可以理解为正常情况下管网的可靠性,第二评估结果可以理解为地震情况下管网的可靠性,管网可靠性结果可以理解为管网的综合可靠性。
一些实施场景中,所述基于所述整体管网拓扑结果和蒙特卡洛模拟,评估正常情况下目标集输系统的可靠性,获得第一评估结果,可以包括:根据所述整体管网拓扑结果生成与管网分支管线条数相同数量的随机数,其中,每条管线对应一个随机数;根据管道长度与单位长度管道在正常情况下的可靠度,计算正常情况下每条管线的总失效概率;基于目标管线对应的随机数与总失效概率的比较结果,确定表示目标管线是否失效的中间变量;根据所述中间变量和所述整体管网拓扑结果,计算图的可达矩阵,其中,所述可达矩阵用于判断各个井与中央处理站的连通情况;根据所述可达矩阵和井的产量,得到每次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量;基于每次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量,计算每次蒙特卡洛模拟的模拟结果,其中,所述模拟结果表征管网正常情况下的可靠性;在满足预设模拟次数的情况下,计算所有模拟结果的期望,获得第一评估结果,所述第一评估结果表征正常情况下目标集输系统的可靠性。
上述实施场景中,可以通过下述公式计算正常情况下每条管线的总失效概率:
上述实施场景中,在获得正常情况下每条管线的总失效概率后,可以将生成的随机数与其对应的管线的总失效概率比较,从而判断该条管线是否发生失效,并根据判断结果对代表管线是否失效的中间变量赋值。其中,如果管线失效,其对应的中间变量值为0,否则,值为1。具体的,给代表管线是否失效的中间变量赋值的数学描述如下:
其中,为代表管线是否失效的中间变量,为整体管网拓扑结果中管线(i,j)对应的随机数,为正常情况下管线(i,j)的总失效概率,ET为整体管网拓扑结果中边(i,j)的集合,即管线的集合,VT为管网拓扑图中所有顶点的集合,这里的顶点指的是所有井、集气站、中央处理站,也可能包括斯坦纳点。
上述实施场景中,在确定表示目标管线是否失效的中间变量后,可以根据中间变量和整体管网拓扑结果,计算图的可达矩阵来判断各个井与中央处理站的连通情况。其中,图的可达矩阵可以根据图的邻接矩阵获得。具体的,图的邻接矩阵和可达矩阵计算的数学描述如下:
其中,是k阶邻接矩阵,通过低阶邻接矩阵的布尔计算获得,k阶是指两个点之间经过k步是否可以相互连通,为邻接矩阵中第i行j列的元素,nVT为管网拓扑中所有顶点的个数,为可达矩阵,可达矩阵可以通过Warshall算法求得。
上述实施场景中,在获得图的可达矩阵后,可以根据可达矩阵和井的产量,得到每次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量。具体的,可以通过下述公式计算管网将每个井的产品输送到中央处理站的流量:
其中,ql,i为在第l次蒙特卡洛模拟中,正常情况下管网将第i个井的产品输送到中央处理站的流量,mi,CPF是可达矩阵中的某些元素,代表整体管网拓扑结果中每个顶点到中央处理站所代表的顶点的连通性,如果值为1,代表连通,否则不连通,Qi为顶点i的产量,如果顶点i代表井,其数值即为井的产量,如果顶点i代表井以外的其他设备,如集气站、中央处理站或者斯坦纳点时,其数值为0。
上述实施场景中,在得到每次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量后,可以基于每次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量,计算每次蒙特卡洛模拟的模拟结果。进一步,可以判断是否达到预设模拟次数,如果达到,则可以计算所有模拟结果的期望,从而得到正常情况下管网的可靠性;否则,重复执行上述所有步骤,直至达到预设模拟次数,计算所有模拟结果的期望,得到正常情况下管网的可靠性。其中,预设模拟次数可以根据实际场景设定,本说明书对此不做限定。
上述实施场景中,可以通过下述公式获得正常情况下管网的可靠性:
其中,E(RConventional)为正常情况下管网的可靠性,ql,i为在第l次蒙特卡洛模拟中,正常情况下管网将第i个井的产品输送到中央处理站的流量,nS为蒙特卡洛模拟的总次数,Qi为第i个井所产产品的流量,VT为管网拓扑中所有顶点的集合,NL为蒙特卡洛模拟的集合,i、l表示序号。
如图2所示,图2为本说明书实施例提供的一种正常情况下集输系统可靠性评估方法的流程示意图。其中,k1表示模拟次数。具体的,首先,输入管网拓扑结果,初始化模拟次数k1为0,然后生成代表是否发生管道失效的随机数并计算正常情况下管道的失效概率比较和在时,为代表管道是否失效的中间变量赋值1,在时,为代表管道是否失效的中间变量赋值0。进一步,根据中间变量和管网拓扑结果计算图的可达矩阵来判断各个井与中央处理站的连通情况,然后根据可达矩阵和井的产量,得到此次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量,最后基于此次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量,得到此次蒙特卡洛模拟的模拟结果,即此次模拟的可靠性进一步,通过k1=k1+1更新模拟次数k1,判断更新后的k1是否达到最大模拟次数,如果达到,则计算所有模拟结果的期望,输出正常情况下管网的可靠性RConventional;否则,返回生成代表是否发生管道失效的随机数的步骤,重复执行后续步骤,直至达到最大模拟次数,计算所有模拟结果的期望,输出正常情况下管网的可靠性RConventional。
一些实施场景中,所述基于所述整体管网拓扑结果和双层蒙特卡洛模拟,评估地震情况下目标集输系统的可靠性,获得第二评估结果,可以包括:根据地震数据中概率密度函数生成表示地震位置、震深和震级的随机数;根据所述整体管网拓扑结果生成与管网分支管线条数相同数量的随机数,其中,每条管线对应一个随机数;根据管道长度、单位长度管道在正常情况下的可靠度、单位长度管道在地震情况下失效的修复概率,计算地震情况下每条管线的总失效概率,其中,单位长度管道在地震情况下失效的修复概率根据表示地震位置、震深和震级的随机数确定;基于目标管线对应的随机数与总失效概率的比较结果,确定表示目标管线是否失效的中间变量;根据所述中间变量和所述整体管网拓扑结果,计算图的可达矩阵,其中,所述可达矩阵用于判断各个井与中央处理站的连通情况;根据所述可达矩阵和井的产量,得到双层蒙特卡洛模拟中每次内层模拟中管网将每个井的产品输送到中央处理站的流量;基于每次内层模拟中管网将每个井的产品输送到中央处理站的流量,计算每次内层模拟的模拟结果,其中,所述模拟结果表征管网地震情况下的可靠性;在满足预设内层模拟次数的情况下,计算所有内层模拟对应模拟结果的期望,获得外层模拟的模拟结果;在满足预设外层模拟次数的情况下,从外层模拟中满足可靠性约束条件的所有模拟结果中选择最小值作为第二评估结果,所述第二评估结果表征地震情况下目标集输系统的可靠性。
上述实施场景中,可以通过下述公式计算地震情况下每条管线的总失效概率:
其中,为地震情况下每条管线的总失效概率,RRConventional为每千米管道在正常情况下的可靠度,Li,j为管线的长度,为每千米管道在地震情况下失效的修复概率,VT为管网拓扑中所有顶点的集合。与地震位置、震深和震级有关,其计算方法如下:
上述实施场景中,在获得地震情况下每条管线的总失效概率后,可以将管线对应的随机数与其对应的总失效概率比较,从而判断该条管线是否发生失效,并根据判断结果对代表管线是否失效的中间变量赋值。其中,如果管线失效,其对应的中间变量值为0,否则,值为1。
进一步,在确定表示目标管线是否失效的中间变量后,可以根据中间变量和整体管网拓扑结果,计算图的可达矩阵来判断各个井与中央处理站的连通情况,再结合井的产量,得到管网将每个井的产品输送到中央处理站的流量。需要说明的是,此处管网将每个井的产品输送到中央处理站的流量的计算过程与正常情况下可靠性评估中的方法类似,可以相互参照,对此不作赘述。
上述实施场景中,在得到管网将每个井的产品输送到中央处理站的流量后,可以基于得到管网将每个井的产品输送到中央处理站的流量计算此次内层模拟中管网地震情况下的可靠性。进一步,可以判断是否达到预设内层模拟次数,如果达到,则可以计算所有内层模拟结果的期望以得到外层模拟中地震情况下管网的可靠性;否则,重新根据管网拓扑结果生成与管网分支管线条数相当数量的随机数,并重复执行后续步骤,直至达到预设内层模拟次数,计算所有模拟结果的期望,得到外层模拟中地震情况下管网的可靠性。
进一步,在得到外层模拟中地震情况下管网的可靠性后,可以判断是否达到预设外层模拟次数,如果到达,可以将外层模拟中所有模拟结果的值从小到大排序,然后根据上述机会约束模型选择所有模拟结果的最小值作为地震情况下管网的可靠性;否则,重复执行上述所有步骤,直至达到预设外层模拟次数,根据上述机会约束模型选择所有模拟结果的最小值作为地震情况下管网的可靠性。其中,预设内层模拟次数、预设外层模拟次数可以根据实际场景设定,本说明书对此不做限定。
上述实施场景中,可以通过下述公式获得地震情况下管网的可靠性:
约束条件如下:
其中,为地震情况下管网的可靠性,为在外层蒙特卡洛模拟第l次时,即发生第l次地震时管网的可靠性(即第l次外层模拟的模拟结果),其与震深、震级、震中距等参数有关,cEarthquake为地震情况下可靠性的置信水平,ql,s,i为在第l次外层模拟的第s次内层模拟中,地震情况下管网将第i个井的产品输送到中央处理站的流量,nS为内层蒙特卡洛模拟的总次数,Qi为第i个井所产产品的流量,VT为管网拓扑中所有顶点的集合,NS为内层模拟的集合,NL为外层模拟的集合,i、l、s表示序号。
如图3所示,图3为本说明书实施例提供的一种地震情况下集输系统可靠性评估方法的流程示意图。其中,k1表示外层模拟次数,k2表示内层模拟次数。具体的,首先,输入管网拓扑结果和震深震级的概率密度函数,初始化外层模拟次数k1为0,然后生成代表地震发生位置的随机数以及代表震深和震级的随机数,初始化内层模拟次数k2为0,生成代表是否发生管道失效的随机数并计算地震情况下管道的失效概率比较和在时,为代表管道是否失效的中间变量赋值1,在时,为代表管道是否失效的中间变量赋值0。进一步,根据中间变量和管网拓扑结果计算图的可达矩阵来判断各个井与中央处理站的连通情况,然后根据可达矩阵和井的产量,得到此次内层蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量,最后基于此次内层蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量,得到此次内层蒙特卡洛模拟的模拟结果,即此次内层模拟的可靠性进一步,通过k2=k2+1更新内层模拟次数k2,判断更新后的k2是否达到最大内层模拟次数,如果达到,则计算所有内层模拟结果的期望,输出k1次地震发生时的管网可靠性否则,返回生成代表是否发生管道失效的随机数的步骤,重复执行后续步骤,直至达到最大内层模拟次数,计算所有内层模拟结果的期望,输出k1次地震发生时的管网可靠性进一步,通过k1=k1+1更新外层模拟次数k1,判断更新后的k1是否达到最大外层模拟次数,如果达到,则将外层模拟中所有模拟结果的值从小到大排序,根据机会约束模型选择所有外层模拟结果中的最小值作为地震情况下管网的可靠性输出;否则,返回生成代表地震发生位置的随机数以及代表震深和震级的随机数的步骤,重复执行后续步骤,直至达到最大外层模拟次数,输出地震情况下管网的可靠性
基于上述描述,在获得正常情况下管网的可靠性和地震情况下管网的可靠性后,可以通过下述公式计算管网综合可靠性(管网可靠性结果):
一些实施例中,在得到管网可靠性结果后,可以根据整体管网拓扑结果和各个井的产量,计算各条管线的管内流量。
具体的,一些实施场景中,可以通过线性规划求解器求解一个线性规划模型来获得各条管线中需要输送的流体流量(即各条管线的管内流量)。其中,线性规划模型的已知数据为整体管网拓扑结果以及各个井的产量,需要求解的是管网拓扑图中每条边上的流量。该线性规划模型的数学描述如下:
wα,β,γ≥0 (28)
wβ,α,γ≥0 (29)
其中,W为管网内所有分支管线内流体的质量流量之和,为二元变量,由公式(26)根据管网拓扑结果得到,wα,β,γ为对顶点γ进行物料衡算时,顶点α和β之间的流体质量流率,wβ,α,γ为对顶点γ进行物料衡算时,顶点β和α之间的流体质量流率,Qγ为顶点γ的质量流率,即产量,D为用于控制流体在管道中输送方向和wα,β,γ的指数,nVT为管网拓扑中所有顶点的个数,ET为整体管网拓扑结果中边(i,j)的集合,α、β、γ为管网拓扑中顶点。
一些实施场景中,在获得各条管线的管内流量后,可以根据各条管线中的管内流量计算各管线的内径、壁厚、费用、压力损失。
一些实施例中,所述对所述预设模型的目标函数依次进行计算,还可以包括:根据所述管网可靠性结果,计算目标集输系统的管道失效损失;基于各管线的内径、壁厚、费用,获得目标集输系统的管道投资和压力损失;根据中央处理站与集气站的个数,计算设备投资费用;基于所述管道失效损失、所述管道投资费用、所述设备投资费用以及各管线的压力损失,获得目标函数的函数值。
一些实施场景中,可以通过下述方式计算目标集输系统的管道失效损失:
其中,CReliability为管道失效损失费用,aproduction为产品单价,Qi为第i个井所产产品的流量,VT为管网拓扑中所有顶点的集合,R为管网可靠性结果。
一些实施场景中,可以通过下述方式计算管道投资和设备投资费用:
其中,CCPF和分别为中央处理站和第k个集气站的年化投资费用,为每组管网拓扑中每条管线的年化投资费用,I为年利率,T为集输系统的生命周期,aCPF和ak GGS分别为中央处理站和集气站的单价,Wt(i,j),和W(i,j)分别为连接顶点i和j的管线的单价、外径、单位重量、内径和流体流量,L(i,j)为连接顶点i和j的管线长度,ρ和u(i,j)为流体的密度和经济流速,ET为管网拓扑图结果中边(i,j)的集合,即管线的集合,VGGS为集气站的集合。
一些实施场景中,可以通过下述方式计算各条管线输送流体时造成的压力损失:
其中,为每组管网拓扑中每条管线的压力损失费用,aElectricity为电价,t为集输系统的年运行时间,N(i,j)和Ne(i,j)分别为补偿输送产品过程中造成的阻力损失而需要的轴功率和有效功率,η为输送机械的效率,为压头损失,W(i,j)为连接顶点i和j的管线的流体流量,g为重力加速度,和为每条管线的进口压力和出口压力,ρ为流体的密度。一些实施场景中,如果产品为气体,其进出口压差可以通过以下公式迭代计算:
其中,G(i,j)为管线内流体的质量通量,ζ为管道的阻力系数。迭代计算的过程为:首先给出口压力一个初值,计算上述公式左边的值,然后根据这个值计算公式右边的出口压力值,进一步,对比两个出口压力值的差值是否在可接受范围内,如果不在,用最新的出口压力替代之前的出口压力,重复上述步骤,直到两个出口压力值之差在一定精度之内,就可以得到最终的出口压力值。
本说明书实施例中,在获得管道失效损失、管道投资费用、设备投资费用以及各管线的压力损失后,可以将其代入预设模型的目标函数中,获得目标函数的函数值,即年化总费用。其中,目标函数的函数值可以作为解的优劣的评价依据。
S6:在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对所述初始布局结果进行优化,获得所述预设模型的一组新解。
一些实施例中,在获得初始布局结果后,可以判断是否满足求解终止条件。其中,求解终止条件可以根据实际场景进行设定,如可以是满足了一定的迭代次数,也可以是目标函数值的变化在预设精度内,也可以是计算了预设时间后等,本说明书对此不做限定。
一些实施场景中,在获得初始布局结果后,如果满足求解终止条件,则可以从初始布局结果中选择最优结果作为目标集输系统的布局优化结果。其中,布局优化结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果。
一些实施场景中,在获得初始布局结果后,如果不满足求解终止条件,可以执行进化操作以生成预设模型的一组新解。
例如一些实施场景中,可以利用预设优化算法中的操作算子对初始布局结果进行优化,获得所述预设模型的一组新解。具体的,以预设优化算法为遗传算法为例,则可以根据遗传算法的操作算子(包括选择、交叉、变异等)对初始布局结果进行优化,获得预设模型的一组新解。需要说明的是,如果用其他优化算法,相应的就利用其他优化算法对应的操作算子对初始布局结果进行优化。
S8:将所述新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组新布局结果。
一些实施例中,在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对所述初始布局结果进行优化,获得预设模型的一组新解后,可以将新解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,获得一组新布局结果。其中,新布局结果可以包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果。新布局结果中可以包括多组布局结果。
需要说明的是,将新解作为预设模型的输入数据,对预设模型的目标函数依次进行计算获得一组新布局结果的过程与将初始解作为所述预设模型的输入数据,对预设模型的目标函数依次进行计算的过程类似,具体可以参照步骤S4,对此不做赘述。
S10:在满足求解终止条件的情况下,将所述新布局结果中的最优结果作为目标集输系统的布局优化结果。
一些实施例中,在获得一组新布局结果后,可以判断是否满足求解终止条件。
一些实施场景中,如果满足求解终止条件,则可以从新布局结果中选择最优结果作为目标集输系统的布局优化结果。其中,布局优化结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果。
一些实施场景中,如果不满足求解终止条件,可以执行进化操作以生成预设模型的一组新解。例如一些实施场景中,可以利用预设优化算法中的操作算子对新布局结果中进行优化,重新获得预设模型的一组新解,相应的,可以将重新获得的一组新解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,重新获得一组新布局结果。重复上述步骤,直至满足求解终止条件,将当前新布局结果中的最优结果作为目标集输系统的布局优化结果。
如图4所示,图4为本说明书实施例提供的一种集输系统布局优化方法的具体流程示意图。在实施过程中,首先,收集数据并进行数据预处理,获得布局数据,其中,收集的数据包括井的个数、位置、产量以及其所在区域历年来发生地震的数据,然后将布局数据作为输入数据初始化预设模型,获得预设模型的一组初始解。进一步,将初始解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,获得一组初始布局结果,然后判断是否满足终止条件,若满足,将初始布局结果中的最优结果作为输出结果输出;若不满足,可以利用预设优化算法对初始布局结果进行优化,获得预设模型的一组新解。进一步,将新解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,获得一组新布局结果,判断是否满足终止条件,若满足,将新布局结果中的最优结果作为输出结果输出;若不满足,继续利用预设优化算法对新布局结果进行优化,重新获得预设模型的一组新解,将重新获得的新解作为预设模型的输入数据,对预设模型的目标函数依次进行计算,直至满足终止条件,将最新布局结果中的最优结果作为输出结果输出。其中,数据预处理包括对震深、震级等地震参数进行概率统计以及分布曲线拟合。对预设模型的目标函数依次进行计算时,包括井群聚类、各等级管网不同类型拓扑优化、添加备用管线、考虑不确定性下正常情况和地震情况管网可靠性评估、求解各支管流量、计算管道失效损失、计算压力损失、计算投资费用、计算年化总费用等。需要说明的是,对预设模型的目标函数依次进行计算的过程可以参照前面实施例中描述,对此不做赘述。
当然,上述只是进行示例性说明,本说明书实施例不限于上述举例,所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
本说明书实施例的集输系统布局优化方法,将优化算法与图论算法、线性规划、机会约束规划以及蒙特卡洛模拟相结合,可以实现井群聚类、中央处理站和集气站位置、具有备用管线的混合网络拓扑的同步优化,也可实现含环路管网可靠性的评估。根据本申请方案得到的集输系统布局优化方案不仅具有更为可靠稳定的油气集输功能,而且具有更为经济的投资运行成本。
本说明书实施例,可以解决正常情况和地震情况下集输系统含环路管网可靠性的评估问题,从而有益于集输系统进一步的优化设计。
本说明书实施例,可以解决考虑诸多不确定性(包括正常情况下管道失效位置、地震位置、震深和震级等)下集输系统的布局优化,这种方法不仅可以使优化方案更具实际意义,还可以为今后进一步考虑产量波动和价格浮动等其他不确定性因素的布局优化提供基础,从而有益于该领域技术的进一步发展。
本说明书实施例,可以解决具有混合网络拓扑的两级管网拓扑优化问题,其中,管网拓扑类型不仅有星型和最小生成树型,还增加了矩形斯坦纳树型和欧型斯坦纳树型,从而可以为集输管网拓扑优化提供新的选择。
为了更直观地说明本申请方案所达到的效果,本说明书将利用现有布局方案获得的结果与本申请优化布局方案获得的结果进行对比,对比结果如表1所示,现有布局方案如图5所示,本申请优化布局方案如图6所示。其中,图5、图6中顶点之间连接线的粗细反映了管径的大小,横坐标、纵坐标分别表示距离,First Level Pipe Network表示一级管网,Second Level Pipe Network表示二级管网,Well表示井,Gathering Station表示集气站,Central Processing Facility表示中央处理站,Spare Pipeline表示备用管线,Added orSteiner Point表示斯坦纳点。
表1对比结果
从表1可以看出,优化布局方案的年度总费用比现有布局方案减少了5480万元。此外,本申请优化布局方案通过增加备用管线的方式,可以使集输系统正常情况下和地震情况下的可靠性分别增加31.94%和34.33%,从而有效增强可靠性。另一方面,根据图5、图6可以发现,最优布局的管网拓扑类型为欧型斯坦纳树型。可见,新增拓扑类型可以为集输系统布局优化提供保证。
从以上的描述中,可以看出,本申请由于在集输系统布局优化过程中,考虑了管道失效、地震位置、震深、震级等不确定性下可靠性增强与混合网络拓扑,通过优化备用管线的数量、位置和拓扑类型来增加集输系统的可靠性,并可以实现含环路管网的可靠性评估,不仅可以扩展集输系统的适用性,而且也会提升集输系统布局的合理性。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参照即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
基于上述的集输系统布局优化方法,本说明书一个或多个实施例还提供一种用于集输系统布局优化的装置。装置可以包括使用了本说明书实施例方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参考前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统、装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
具体地,图7为本说明书实施例提供的一种集输系统布局优化装置的模块结构示意图,如图7所示,本说明书提供的一种集输系统布局优化装置可以包括:数据获取模块120,生成模块122,第一计算模块124,优化模块126,第二计算模块128,结果获取模块130。
数据获取模块120,可以用于根据目标集输系统所在位置,获取目标集输系统的布局数据;其中,所述布局数据包括:井的个数、井的位置、井的产量以及井所在地区对应的地震数据;
生成模块122,可以用于基于所述布局数据生成预设模型的一组初始解;其中,所述预设模型的变量包括:井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置;所述预设模型的目标函数为最小化年度总费用;所述年度总费用包括中央处理站和集气站的设备投资费用、管道投资费用、压力损失、管道失效损失;
第一计算模块124,可以用于将所述初始解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果;其中,所述初始布局结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果;
优化模块126,可以用于在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对所述初始布局结果进行优化,获得所述预设模型的一组新解;
第二计算模块128,可以用于将所述新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组新布局结果;
结果获取模块130,可以用于在满足求解终止条件的情况下,将所述新布局结果中的最优结果作为目标集输系统的布局优化结果。
需要说明的,上述所述的装置根据方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书还提供一种集输系统布局优化设备的实施例,包括处理器及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时可以实现上述任意一项方法实施例。例如,所述指令被所述处理器执行时实现包括以下步骤:根据目标集输系统所在位置,获取目标集输系统的布局数据,其中,所述布局数据包括:井的个数、井的位置、井的产量以及井所在地区对应的地震数据;基于所述布局数据生成预设模型的一组初始解,其中,所述预设模型的变量包括:井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置;所述预设模型的目标函数为最小化年度总费用;所述年度总费用包括中央处理站和集气站的设备投资费用、管道投资费用、压力损失、管道失效损失;将所述初始解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果,其中,所述初始布局结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果;在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对所述初始布局结果进行优化,获得所述预设模型的一组新解;将所述新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组新布局结果;在满足求解终止条件的情况下,将所述新布局结果中的最优结果作为目标集输系统的布局优化结果。
需要说明的,上述所述的设备根据方法或装置实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书提供的上述实施例的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。
本说明书所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图8为本说明书实施例提供的一种集输系统布局优化服务器的硬件结构框图,该服务器可以是上述实施例中的集输系统布局优化装置或集输系统布局优化系统。如图8所示,服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解,图8所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器10还可包括比图8中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图8所示不同的配置。
存储器200可用于存储应用软件的软件程序以及模块,如本说明书实施例中的集输系统布局优化方法对应的程序指令/模块,处理器100通过运行存储在存储器200内的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器200可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器200可进一步包括相对于处理器100远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块300包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块300可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书实施例提供的上述集输系统布局优化方法或装置可以在计算机中由处理器执行相应的程序指令来实现,如使用windows操作系统的c++语言在PC端实现、linux系统实现,或其他例如使用android、iOS系统程序设计语言在智能终端实现,以及基于量子计算机的处理逻辑实现等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参考即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参考方法实施例的部分说明即可。
虽然本说明书一个或多个实施例提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式资源数据更新环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参考即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参考方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上仅为本说明书一个或多个实施例的实施例而已,并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在权利要求范围之内。
Claims (14)
1.一种集输系统布局优化方法,其特征在于,所述方法包括:
根据目标集输系统所在位置,获取目标集输系统的布局数据;其中,所述布局数据包括:井的个数、井的位置、井的产量以及井所在地区对应的地震数据;
基于所述布局数据生成预设模型的一组初始解;其中,所述预设模型的变量包括:井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置;所述预设模型的目标函数为最小化年度总费用;所述年度总费用包括中央处理站和集气站的设备投资费用、管道投资费用、压力损失、管道失效损失;
将所述初始解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果;其中,所述初始布局结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果;
在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对所述初始布局结果进行优化,获得所述预设模型的一组新解;
将所述新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组新布局结果;
在满足求解终止条件的情况下,将所述新布局结果中的最优结果作为目标集输系统的布局优化结果。
2.如权利要求1所述的方法,其特征在于,所述将所述初始解或新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果或一组新布局结果,包括:
根据所述井群聚类个数对所有井进行聚类,获得井群聚类结果;
根据所述井群聚类结果,确定目标集输系统中包括的管网等级;
基于所述一级管网拓扑类型、所述二级管网拓扑类型、所述中央处理站和集气站的位置,运用图论算法对不同等级和不同拓扑类型的管网进行优化,获得拓扑优化结果;
根据所述拓扑优化结果、所述备用管线条数、备用管线连接的起始点和终点,在管网中添加备用管线,得到目标集输系统的整体管网拓扑结果;
根据所述整体管网拓扑结果进行管网可靠性评估,得到管网可靠性结果;
根据所述整体管网拓扑结果和各个井的产量,计算各条管线的管内流量;
根据各条管线的管内流量,计算各管线的内径、壁厚、费用、压力损失。
3.如权利要求2所述的方法,其特征在于,所述对所述预设模型的目标函数依次进行计算,还包括:
根据所述管网可靠性结果,计算目标集输系统的管道失效损失;
基于各管线的内径、壁厚、费用,获得目标集输系统的管道投资和压力损失;
根据中央处理站与集气站的个数,计算设备投资费用;
基于所述管道失效损失、所述管道投资费用、所述设备投资费用以及各管线的压力损失,获得目标函数的函数值。
4.如权利要求2所述的方法,其特征在于,一级管网用于连接集气站与中央处理站,二级管网用于连接集气站与井;不同等级管网对应的拓扑类型包括星型、最小生成树型、矩形斯坦纳树型和欧型斯坦纳树型。
5.如权利要求2所述的方法,其特征在于,所述根据所述整体管网拓扑结果进行管网可靠性评估,得到管网可靠性结果,包括:
基于所述整体管网拓扑结果和蒙特卡洛模拟,评估正常情况下目标集输系统的可靠性,获得第一评估结果;其中,所述蒙特卡洛模拟正常情况下管道失效的不确定性;所述第一评估结果为蒙特卡洛模拟对应的所有模拟结果的期望;
基于所述整体管网拓扑结果和双层蒙特卡洛模拟,评估地震情况下目标集输系统的可靠性,获得第二评估结果;其中,所述双层蒙特卡洛模拟中,外层模拟地震情况下地震位置、震深、震级的不确定性,内层模拟正常情况下管道失效的不确定性;所述第二评估结果为外层模拟中满足可靠性约束条件的所有模拟结果的最小值;
基于第一评估结果和第二评估结果,获得管网可靠性结果。
6.如权利要求5所述的方法,其特征在于,所述基于所述整体管网拓扑结果和蒙特卡洛模拟,评估正常情况下目标集输系统的可靠性,获得第一评估结果,包括:
根据所述整体管网拓扑结果生成与管网分支管线条数相同数量的随机数;其中,每条管线对应一个随机数;
根据管道长度与单位长度管道在正常情况下的可靠度,计算正常情况下每条管线的总失效概率;
基于目标管线对应的随机数与总失效概率的比较结果,确定表示目标管线是否失效的中间变量;
根据所述中间变量和所述整体管网拓扑结果,计算图的可达矩阵;其中,所述可达矩阵用于判断各个井与中央处理站的连通情况;
根据所述可达矩阵和井的产量,得到每次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量;
基于每次蒙特卡洛模拟中管网将每个井的产品输送到中央处理站的流量,计算每次蒙特卡洛模拟的模拟结果;其中,所述模拟结果表征管网正常情况下的可靠性;
在满足预设模拟次数的情况下,计算所有模拟结果的期望,获得第一评估结果;所述第一评估结果表征正常情况下目标集输系统的可靠性。
8.如权利要求5所述的方法,其特征在于,所述基于所述整体管网拓扑结果和双层蒙特卡洛模拟,评估地震情况下目标集输系统的可靠性,获得第二评估结果,包括:
根据地震数据中概率密度函数生成表示地震位置、震深和震级的随机数;
根据所述整体管网拓扑结果生成与管网分支管线条数相同数量的随机数;其中,每条管线对应一个随机数;
根据管道长度、单位长度管道在正常情况下的可靠度、单位长度管道在地震情况下失效的修复概率,计算地震情况下每条管线的总失效概率;其中,单位长度管道在地震情况下失效的修复概率根据表示地震位置、震深和震级的随机数确定;
基于目标管线对应的随机数与总失效概率的比较结果,确定表示目标管线是否失效的中间变量;
根据所述中间变量和所述整体管网拓扑结果,计算图的可达矩阵;其中,所述可达矩阵用于判断各个井与中央处理站的连通情况;
根据所述可达矩阵和井的产量,得到双层蒙特卡洛模拟中每次内层模拟中管网将每个井的产品输送到中央处理站的流量;
基于每次内层模拟中管网将每个井的产品输送到中央处理站的流量,计算每次内层模拟的模拟结果;其中,所述模拟结果表征管网地震情况下的可靠性;
在满足预设内层模拟次数的情况下,计算所有内层模拟对应模拟结果的期望,获得外层模拟的模拟结果;
在满足预设外层模拟次数的情况下,从外层模拟中满足可靠性约束条件的所有模拟结果中选择最小值作为第二评估结果;所述第二评估结果表征地震情况下目标集输系统的可靠性。
13.一种集输系统布局优化装置,其特征在于,所述装置包括:
数据获取模块,用于根据目标集输系统所在位置,获取目标集输系统的布局数据;其中,所述布局数据包括:井的个数、井的位置、井的产量以及井所在地区对应的地震数据;
生成模块,用于基于所述布局数据生成预设模型的一组初始解;其中,所述预设模型的变量包括:井群聚类个数、一级管网拓扑类型、二级管网拓扑类型、备用管线条数、备用管线所属井群的聚类编号、备用管线连接的起始点和终点、中央处理站和集气站的位置;所述预设模型的目标函数为最小化年度总费用;所述年度总费用包括中央处理站和集气站的设备投资费用、管道投资费用、压力损失、管道失效损失;
第一计算模块,用于将所述初始解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组初始布局结果;其中,所述初始布局结果包括井群聚类结果、中央处理站与集气站的位置、不同等级管网拓扑类型、不同等级管网拓扑及管内流量、各管线的内径及壁厚、各管线的费用和压力损失、备用管线条数及位置、管网可靠性结果;
优化模块,用于在不满足求解终止条件的情况下,利用预设优化算法中的操作算子对所述初始布局结果进行优化,获得所述预设模型的一组新解;
第二计算模块,用于将所述新解作为所述预设模型的输入数据,对所述预设模型的目标函数依次进行计算,获得一组新布局结果;
结果获取模块,用于在满足求解终止条件的情况下,将所述新布局结果中的最优结果作为目标集输系统的布局优化结果。
14.一种集输系统布局优化设备,其特征在于,包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现权利要求1-12中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111368198.5A CN114154277B (zh) | 2021-11-18 | 2021-11-18 | 集输系统布局优化方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111368198.5A CN114154277B (zh) | 2021-11-18 | 2021-11-18 | 集输系统布局优化方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114154277A CN114154277A (zh) | 2022-03-08 |
CN114154277B true CN114154277B (zh) | 2022-08-26 |
Family
ID=80456767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111368198.5A Active CN114154277B (zh) | 2021-11-18 | 2021-11-18 | 集输系统布局优化方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154277B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136594A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 基于智能算法的气田布局优化系统 |
CN107886182A (zh) * | 2016-09-30 | 2018-04-06 | 中国石油化工股份有限公司 | 油田集输系统优化设计方法及装置 |
CN109344555A (zh) * | 2018-11-30 | 2019-02-15 | 中国石油大学(北京) | 一种集输管网设计方法及装置 |
CN109711106A (zh) * | 2019-02-01 | 2019-05-03 | 中国石油大学(北京) | 一种集输管网优化方法及装置 |
-
2021
- 2021-11-18 CN CN202111368198.5A patent/CN114154277B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136594A (zh) * | 2011-11-29 | 2013-06-05 | 张智灵 | 基于智能算法的气田布局优化系统 |
CN107886182A (zh) * | 2016-09-30 | 2018-04-06 | 中国石油化工股份有限公司 | 油田集输系统优化设计方法及装置 |
CN109344555A (zh) * | 2018-11-30 | 2019-02-15 | 中国石油大学(北京) | 一种集输管网设计方法及装置 |
CN109711106A (zh) * | 2019-02-01 | 2019-05-03 | 中国石油大学(北京) | 一种集输管网优化方法及装置 |
Non-Patent Citations (2)
Title |
---|
油田集输管网全局优化设计;张子波等;《油气田地面工程》;20180220(第02期);全文 * |
障碍条件下气田集输管网整体布局优化设计;陈双庆等;《化工机械》;20180215(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114154277A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Probabilistic solar irradiation forecasting based on variational Bayesian inference with secure federated learning | |
Goh et al. | Wind energy assessment considering wind speed correlation in Malaysia | |
CN110298574B (zh) | 一种基于卷积神经网络的用电用户缴费风险评级方法 | |
CN106022614A (zh) | 一种基于最近邻聚类的神经网络数据挖掘方法 | |
CN113837352B (zh) | 基于长短期记忆神经网络的降雨-径流时空关系模拟方法 | |
CN109066687A (zh) | 一种电力系统潮流计算方法、系统及电子设备 | |
CN105512758A (zh) | 油气井产量预测方法及其装置 | |
Yi et al. | Intelligent prediction of transmission line project cost based on least squares support vector machine optimized by particle swarm optimization | |
CN104866940A (zh) | 一种地质风险评价随机模拟方法 | |
CN113806947B (zh) | 海上风电场布局处理方法、装置及设备 | |
CN112559963A (zh) | 一种配电网动态参数辨识方法及装置 | |
CN106155985A (zh) | 一种基于相邻数据特征的数据缺失填充方法 | |
RU2684501C1 (ru) | Способ проектирования поверхностного обустройства месторождения | |
CN116207739A (zh) | 配电网优化调度方法、装置、计算机设备和存储介质 | |
CN115062534A (zh) | 天然气管道系统的供气可靠性计算方法及装置 | |
CN114154277B (zh) | 集输系统布局优化方法、装置及设备 | |
Wu et al. | An optimization method for shale gas gathering system-Consideration of reliability enhancement under earthquake-related uncertainties | |
CN113779881A (zh) | 致密含水气藏产能预测方法、装置及设备 | |
CN103136410A (zh) | 干支管网布局优化模型的求解方法 | |
CN114531248B (zh) | 区块链与5g融合的分布式能源系统去中心控制方法及系统 | |
Kularathna et al. | Multi-objective optimisation using optimizer WSS to support operation and planning decisions of Melbourne water supply system | |
Hong et al. | Layout Optimization for Progressive Development of Stellated Natural Gas Gathering Network | |
CN116090692B (zh) | 一种基于bim技术的工程造价管理系统及方法 | |
Haripriya et al. | GIS Based Transmission System Planning | |
US20220228483A1 (en) | Systems and methods for updating reservoir static models |
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 |