抽油機運行參數(shù)的節(jié)能優(yōu)化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于采油領(lǐng)域，具體涉及一種抽油機運行參數(shù)的節(jié)能優(yōu)化方法。
【背景技術(shù)】
[0002] 抽油機采油作為一種機械采油方式，主要由電動機、地面?zhèn)鲃釉O(shè)備和井下抽油設(shè) 備三部分組成，如圖1所示。抽油機的整個采油過程主要分為上下兩個沖程：上沖程，即驢 頭懸點向上運動，提起抽油桿柱和井下抽油設(shè)備，此過程中電動機需消耗大量的能量；下沖 程，即驢頭懸點向下運動，抽油機的抽油桿柱電動機做功。在抽油桿柱上下運動過程中，電 動機的負載發(fā)生周期變化。抽油機的運行參數(shù)的選擇對整個抽油機系統(tǒng)的能量消耗影響很 大。為了使抽油機采油生產(chǎn)過程既能完成預(yù)定的產(chǎn)液量，又能使抽油機生產(chǎn)過程的耗電量 最低，需要對抽油機運行參數(shù)進行節(jié)能優(yōu)化。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明是為了解決現(xiàn)有技術(shù)中存在的上述技術(shù)問題而做出，其目的在于提供一種 抽油機運行參數(shù)的節(jié)能優(yōu)化方法，以保證抽油機的生產(chǎn)狀態(tài)最佳，從而達到減少能耗，提高 系統(tǒng)效率的目的。
[0004] 為了實現(xiàn)上述目的，本發(fā)明提供一種抽油機運行參數(shù)的節(jié)能優(yōu)化方法，該方法包 括的步驟如下：
[0005] 1)確定抽油機采油過程生產(chǎn)效率因素，作為建模過程輸入觀測值集合： (X1, X2, X3,…，xM}，其中Xi~X 2為決策變量、X 3~X M為環(huán)境變量，M多3,選擇抽油機生產(chǎn)過 程的抽油機系統(tǒng)的性能變量，作為建模過程輸出觀測值集合：{ yi，y2，…，yi};
[0006] 2)獲得所述生產(chǎn)效率影響因數(shù)和系統(tǒng)性能變量的樣本數(shù)據(jù)，得到訓(xùn)練矩陣的輸入 樣本矩陣X和輸出樣本矩陣Y如下：
【主權(quán)項】
1. 一種抽油機運行參數(shù)的節(jié)能優(yōu)化方法，包括如下步驟： 1) 確定抽油機采油過程生產(chǎn)效率因素，作為建模過程輸入觀測值集合：Ix1, X2, X3，… ，ΧΜ}，其中Xi~X 2為決策變量、X 3~X M為環(huán)境變量，M多3,選擇抽油機生產(chǎn)過程的抽油機 系統(tǒng)的性能變量，作為建模過程輸出觀測值集合：{yi，y 2，…，yj ; 2) 獲得所述生產(chǎn)效率影響因數(shù)和系統(tǒng)性能變量的樣本數(shù)據(jù)，得到訓(xùn)練矩陣的輸入樣本 矩陣X和輸出樣本矩陣Y如下：
其中Xk= [X lk，x2k，x3k，…，xMk]T，為第k個輸入樣本;N為樣本的數(shù)量；X ik表示第i個變 量的第 k 個觀測值，i = 1，2, . . .，M ;k = 1，2, . . .，N。 3) 對得到的輸入樣本X、輸出樣本Y進行歸一化處理，得到新的訓(xùn)練輸入、輸出矩陣 Λ、 7 :
4) 在歸一化后樣本集中，選取樣本集前及組樣本作為網(wǎng)絡(luò)訓(xùn)練樣本集，則 樣本集剩余iV -々組作為測試樣本集[戈_，，其中々=(0.8~0.9) * TV，
5) 構(gòu)建廣義回歸神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)，以系統(tǒng)效率影響因素七，4，····，、作為網(wǎng)絡(luò)的輸入， V19V2,……，U乍為網(wǎng)絡(luò)輸出，采用所述訓(xùn)練輸入樣本[Pam,戶_]對該網(wǎng)絡(luò)進行訓(xùn)練，最 終得到可計算出任一組輸入觀測值X1, X2, . . .，Xm所對應(yīng)的輸出預(yù)測值f = [?2,···,_?^的廣 義回歸神經(jīng)網(wǎng)絡(luò)：
其中，gH為函數(shù)g的反函數(shù)； 6) 針對產(chǎn)液量71構(gòu)造其偏好函數(shù)h = h (y J，該偏好函數(shù)為U形曲線，在其整個定義域 上二階可導(dǎo)且二階導(dǎo)數(shù)恒大于零，將產(chǎn)液量Y1的值劃分為好、較好、一般、較差和極差5個 區(qū)域，并通過所述偏好函數(shù)將該五個區(qū)域量化為數(shù)值h = h (yi);其中，產(chǎn)液量71處于好區(qū) 域?qū)?yīng)偏好函數(shù)最小值； 7) 利用決策變量（Xl，X2)構(gòu)建父代種群P和子代種群Q，
其中，父代種群P中的個體xfj (I < m < L)的數(shù)量為L，子代種群Q中的個體 (X1K) (1彡m彡L)的數(shù)量為L，并從X1的取值范圍X X # X ^ax內(nèi)隨機取值賦 予jC、^ (K m彡L)，從X2的取值范圍X 2 niin< X 2彡X 2，_內(nèi)隨機取值賦予 (I < m < L)，從而對父代種群P和子代種群Q進行初始化； 8) 從父代種群P中選出任意對個體，對于每對個體X2pJ、xf") (I < m < L，I < η < L)進行遺傳交叉計算或變異計算，并將計算結(jié)果賦予子代種群Q中 相應(yīng)的一對個體(K)、 9) 將父代種群P與子代種群Q進行合并得到種群R = P U Q，即有
將種群R的每個個體 (xK)與環(huán)境變量平均值&，i = 3,…，M合成輸入樣本A =|3〗4巧…并計 算相應(yīng)的適應(yīng)度函數(shù)吻(毛毛)）M毛)1; 10) 將種群R的所有個體所對應(yīng)的適應(yīng)度函數(shù)相互進行比較，將種群R的所有個體劃分 到具有不同層級的非支配集中，其中，對于層級較低的非支配集中的任一個體(X 1Ks)所對 應(yīng)的適應(yīng)度函數(shù)〇bjFun (Xs)和層級較高的非支配集中的任一個體(X1Kf)所對應(yīng)的適應(yīng)度 函數(shù)ObjFun(Xt)來說，均不存在且：MA)<i>2(尤），而對于同一層級 的非支配集中的任兩個個體來說，該兩個不等式中至少有一個不成立； 11) 按照層級從低到高的順序從所述非支配集中選擇L個個體，將選擇出的L個個體 的值賦予父代種群P中的個體，并執(zhí)行步驟8)-步驟11)的過程GEN次，GEN為預(yù)先確定的 循環(huán)次數(shù)，最終得到優(yōu)化后的L組決策變量
將優(yōu)化后的決 策變量以及所述環(huán)境變量的平均值構(gòu)成優(yōu)化后的輸入樣本
(I < m < L)，這L個樣本保證了在產(chǎn)液量基本固定且具有最小偏好值的情況下，耗電量最 小。
2. 如權(quán)利要求1所述的抽油機運行參數(shù)的節(jié)能優(yōu)化方法，其中， 所述決策變量X1S沖次，X 2為有效沖程；所述環(huán)境變量X 3~X M包括載荷點、理論排量、 平均功率因數(shù)、有功功率、無功功率、含水率中的一個或多個變量，所述性能變量71為產(chǎn)液 量，為耗電量。
3. 如權(quán)利要求1所述的抽油機運行參數(shù)的節(jié)能優(yōu)化方法，其中， 設(shè)所述決策變量、環(huán)境變量和性能變量的觀測值采集周期的最大值為tmax，則這些變 量中的任一變量的樣本取為tmax時間內(nèi)該變量的觀測值的平均值。
4. 如權(quán)利要求1所述的抽油機運行參數(shù)的節(jié)能優(yōu)化方法，其中， 所述輸入樣本X、輸出樣本Y的歸一化處理根據(jù)下述公式計算：
其中：元^為設(shè)定輸入變量歸一化后數(shù)據(jù)范圍的最大值、最小值； XikS歸一化前的第i個輸入變量的第k個樣本值； 4為歸一化后的第i個輸入變量的第k個樣本值； xi,mm= min{x ik| I ^ k ^ N} Xi,max= max {χ ik U k N} Iax、Jvm為設(shè)定輸出變量歸一化后數(shù)據(jù)范圍的最大值、最小值； yjk為歸一化前的第j個輸出變量的第k個樣本值； 心為歸一化后的第j個輸出變量的第k個樣本值； Yj,max= rnax{y Jk| I ^ k ^ N} yj，min= min{y Jk| I 彡 k 彡 N} 〇
5. 如權(quán)利要求1所述的抽油機運行參數(shù)的節(jié)能優(yōu)化方法，其中， 所述廣義回歸神經(jīng)網(wǎng)絡(luò)包括輸入層、模式層、求和層和輸出層； 所述輸入層包括M個節(jié)點，分別輸入4，·…，4 ; 所述模式層包括.?個節(jié)點，第k個節(jié)點的激活函數(shù)為：
其中，定義1中所有樣本與樣本Λ的距離的平方的指數(shù)平方A2 -A) 的指數(shù)形式，而毛為訓(xùn)練樣本集中第k組訓(xùn)練輸入樣本，Λ=[%，χ2?，…,x"f，δ為光滑 因子； 所述求和層包括一個求和節(jié)點和1個加權(quán)求和節(jié)點，所述求和節(jié)點的輸出為：
:所述第j個加權(quán)求和節(jié)點的輸出》
...，1，其中， wjk為模式層第k個節(jié)點與求和層第j個加權(quán)求和節(jié)點之間的連接權(quán)值，由訓(xùn)練輸出樣本 第j個輸出變量h中的第k個觀測值確定，即％ 所述輸出層包括1個節(jié)點，第j個節(jié)點的輸出為歸一化后的性能變量的估計值
取采集的訓(xùn)練輸入樣本f?"=[名Λ，···,冬]輸入所述廣義回歸神經(jīng)網(wǎng)絡(luò)，選 取δ e [〇,2]，通過步進遞增光滑因子δ，求出歸一化后的性能變量的估計值 # = I2…與其所對應(yīng)的歸一化后的性能變量的采樣值？=成艿…幻"之間 的誤差在最小時的光滑因子S，最終得到可計算出任一組輸入觀測值Χι，χ2, ...，Χμ所對應(yīng) 的輸出預(yù)測值$ = 的廣義回歸神經(jīng)網(wǎng)絡(luò)：
6. 如權(quán)利要求1所述的抽油機運行參數(shù)的節(jié)能優(yōu)化方法，其中， 每對個體^^(1彡m彡L, 1彡η彡L)之間的遺傳交叉計算公式為：
隨機數(shù)a e [〇, 1]; 每個個體X2pJ (I < m < L)的變異計算公式為： 隨機數(shù)β ε [〇, 1]。
7. 如權(quán)利要求1所述的抽油機運行參數(shù)的節(jié)能優(yōu)化方法，其中， 所述環(huán)境參數(shù)的平均值的計算公式為：
8.如權(quán)利要求1所述的抽油機運行參數(shù)的節(jié)能優(yōu)化方法，其中， 在按照層級從低到高的順序從所述非支配集中選擇L個個體時，對于同一層級非支配 集中的個體，選擇個體擁擠度ds較大的個體，所述個體擁擠度d s的計算方法為： 對當(dāng)前種群R中所有個體所對應(yīng)的適應(yīng)度函數(shù)值objFun (Xs)中的按從小到 大的順序排序，另外，對所有〇b jFun (Xs)中的A (義）按從小到大的順序排序，令每次排序的 第一個和最后一個個體的擁擠距離為無窮大，種群個體& = (X1Ki)的擁擠度4為
/辦(尤))+、^(以尤扎分別為在所述/辦上所排的序列中/辦⑷以直的后一個值和前 一個值； Λ (尤)+、.? (毛)_分別為在所述九所排的序列中.? (毛）值的后一個值和前一個值；
【專利摘要】本發(fā)明提供一種抽油機運行參數(shù)的節(jié)能優(yōu)化方法，其包括：1)確定抽油機的生產(chǎn)效率因素和性能變量；2)獲取其樣本數(shù)據(jù)；3)樣本數(shù)據(jù)歸一化處理；4)選取訓(xùn)練樣本集和測試樣本集；5)構(gòu)造廣義回歸神經(jīng)網(wǎng)絡(luò)并進行訓(xùn)練；6)針對產(chǎn)液量構(gòu)造偏好函數(shù)；7)構(gòu)造父代種群和子代種群并初始化；8)對父代種群個體進行遺傳交叉計算或變異計算，以產(chǎn)生子代種群個體；9)對父代和子代種群個體求適應(yīng)度函數(shù)；10)根據(jù)適應(yīng)度函數(shù)將父代和子代種群中的個體劃分到層級不同的非支配集中；11)從各個非支配集中選擇個體構(gòu)成新的父代種群，循環(huán)執(zhí)行8)-11)多次，得到優(yōu)化后的生產(chǎn)效率因素值。優(yōu)化后，可保證在產(chǎn)液量基本固定的情況下，耗電量最小。
【IPC分類】G06Q10-04, G06N3-02
【公開號】CN104680259
【申請?zhí)枴緾N201510110149
【發(fā)明人】王坎, 胥毅, 任曉超, 賁福才, 李太福, 裴仰軍, 辜小花, 楊永龍
【申請人】天津市萬眾科技發(fā)展有限公司, 重慶科技學(xué)院
【公開日】2015年6月3日
【申請日】2015年3月12日