輸氣管道運(yùn)行優(yōu)化方法研究*

王浩 梁偉 林揚(yáng)（中國(guó)石油大學(xué)（北京）機(jī)械與儲(chǔ)運(yùn)工程學(xué)院）

輸氣管道運(yùn)行優(yōu)化方法研究*

王浩 梁偉 林揚(yáng)（中國(guó)石油大學(xué)（北京）機(jī)械與儲(chǔ)運(yùn)工程學(xué)院）

長(zhǎng)距離輸氣管道是天然氣輸送的首選方式，但隨著天然氣管網(wǎng)的日益復(fù)雜化，其運(yùn)行效率問(wèn)題日益突出，尤其是天然氣管道壓縮機(jī)組的運(yùn)行優(yōu)化問(wèn)題十分重要。首先論述了輸氣管道運(yùn)行優(yōu)化模型的建立過(guò)程，包括目標(biāo)函數(shù)、約束條件和優(yōu)化變量三部分。然后介紹了動(dòng)態(tài)規(guī)劃、遺傳算法和蟻群算法等幾種常見(jiàn)算法，并歸納和分析其在輸氣管道運(yùn)行優(yōu)化中的優(yōu)勢(shì)和不足之處。最后，做出了輸氣管道運(yùn)行優(yōu)化研究建議。

輸氣管道；運(yùn)行優(yōu)化；優(yōu)化模型；優(yōu)化算法

目前，天然氣作為一種清潔能源在我國(guó)得到了廣泛使用，但是由于天然氣需求和分布的不均衡使天然氣能源的應(yīng)用受到制約。長(zhǎng)距離輸氣管道是解決該矛盾的最有效措施，例如川氣東送工程、西氣東輸工程、榆濟(jì)線等為天然氣的輸送做出了巨大貢獻(xiàn)。輸氣管道的建設(shè)和日常運(yùn)行耗費(fèi)巨大，輸氣管道總經(jīng)營(yíng)費(fèi)用的40%～50%用于壓氣站，壓氣站運(yùn)營(yíng)費(fèi)用的70%以上用于壓縮機(jī)動(dòng)力費(fèi)用，合理的壓縮機(jī)組運(yùn)行優(yōu)化能夠節(jié)約20%左右的能耗[1]。為了節(jié)約能源，降低運(yùn)行費(fèi)用，尤其是對(duì)輸氣管道壓縮機(jī)組的運(yùn)行優(yōu)化是非常必要的。

1 優(yōu)化模型的建立

優(yōu)化問(wèn)題的標(biāo)準(zhǔn)數(shù)學(xué)模型式（1），模型由目標(biāo)函數(shù)和約束條件組成，優(yōu)化變量包含在目標(biāo)函數(shù)和約束條件中[2]。

式中：X——獨(dú)立自變量；f（X）——目標(biāo)函數(shù)一般形式；hi（X）——等式約束條件；gi（X）——不等式約束條件；m——等式約束條件個(gè)數(shù)；l——等式約束條件個(gè)數(shù)。

輸氣管道優(yōu)化模型建立在標(biāo)準(zhǔn)優(yōu)化模型的基礎(chǔ)上，需要確定目標(biāo)函數(shù)、約束條件和優(yōu)化變量三個(gè)部分。典型的輸氣管道包括管道、氣源、用戶(hù)和壓氣站四部分。通常將管道和壓氣站稱(chēng)為元素，氣源和用戶(hù)稱(chēng)為節(jié)點(diǎn)，各元素通過(guò)節(jié)點(diǎn)相互連接。以此為基礎(chǔ)建立輸氣管道運(yùn)行優(yōu)化模型。

1）目標(biāo)函數(shù)。評(píng)價(jià)一個(gè)方案是否最優(yōu)的依據(jù)就是要切合目標(biāo)函數(shù)。輸氣管道運(yùn)行優(yōu)化的目標(biāo)函數(shù)主要有：最大收益目標(biāo)函數(shù)、最大流量目標(biāo)函數(shù)、最小能耗目標(biāo)函數(shù)、混合目標(biāo)函數(shù)。其中混合目標(biāo)函數(shù)的產(chǎn)生是因?yàn)檩敋夤艿肋\(yùn)行時(shí)會(huì)同時(shí)考慮天然氣流量和收益2個(gè)目標(biāo)。

2）約束條件。對(duì)輸氣管道運(yùn)行優(yōu)化時(shí)，需要考慮氣源、壓力變化以及管道設(shè)計(jì)條件等約束。輸氣管道運(yùn)行優(yōu)化的約束條件通常為：進(jìn)（分）氣流量、壓力約束、管道壓力降方程、壓縮機(jī)運(yùn)行區(qū)間、閥門(mén)方程等。

3）優(yōu)化變量。由目標(biāo)函數(shù)和約束條件可以看出，優(yōu)化模型的目標(biāo)函數(shù)和約束條件與許多變量相關(guān)，比如流量、壓縮機(jī)功率、各節(jié)點(diǎn)壓力、壓縮機(jī)轉(zhuǎn)速等，都可以作為優(yōu)化變量。輸氣管道壓縮機(jī)組合方式也可作為優(yōu)化變量，但它是整數(shù)型離散變量。

2 優(yōu)化模型求解

輸氣管道運(yùn)行優(yōu)化模型的不確定性和復(fù)雜性決定了其與傳統(tǒng)優(yōu)化問(wèn)題模型的不同。輸氣管道運(yùn)行優(yōu)化模型屬于帶約束條件的非線性?xún)?yōu)化模型，其中

還包含離散變量的優(yōu)化問(wèn)題。在輸氣管道運(yùn)行優(yōu)化研究中，動(dòng)態(tài)規(guī)劃、遺傳算法和群體智能是比較常用且優(yōu)化效果顯著的優(yōu)化算法，因此對(duì)三種優(yōu)化算法進(jìn)行深入調(diào)研，對(duì)其在輸氣管道運(yùn)行優(yōu)化中應(yīng)用的優(yōu)缺點(diǎn)做全面分析。

2.1 動(dòng)態(tài)規(guī)劃法

20世紀(jì)50年代，Bellman等人針對(duì)多階段決策問(wèn)題的特性，提出動(dòng)態(tài)規(guī)劃的最優(yōu)化算法。動(dòng)態(tài)規(guī)劃的過(guò)程是由“狀態(tài)、決策、狀態(tài)轉(zhuǎn)移規(guī)律、報(bào)酬函數(shù)和目標(biāo)函數(shù)”組成。

動(dòng)態(tài)規(guī)劃能夠解決輸氣管道運(yùn)行優(yōu)化模型具有復(fù)雜約束條件的難點(diǎn)，可以用于管道輸氣分配、壓縮機(jī)運(yùn)行組合以及簡(jiǎn)單輸氣管網(wǎng)的優(yōu)化；但計(jì)算量會(huì)隨著變量的規(guī)模而呈指數(shù)增加，因此動(dòng)態(tài)規(guī)劃法不適用于大規(guī)模、復(fù)雜的輸氣管網(wǎng)運(yùn)行優(yōu)化。

2.2 遺傳算法

1975年，美國(guó)的J.Holland教授根據(jù)達(dá)爾文遺傳選擇和自然淘汰的生物進(jìn)化過(guò)程，首次提出遺傳算法的概念。遺傳算法通過(guò)不斷對(duì)群體實(shí)施迭代優(yōu)化過(guò)程，淘汰適應(yīng)度低的個(gè)體，將適應(yīng)度高的個(gè)體保留并遺傳下來(lái)，適應(yīng)度最高的個(gè)體為最優(yōu)解。

David E.Goldberg運(yùn)用遺傳算法優(yōu)化了以全線能耗最小為目標(biāo)函數(shù)的輸氣管道穩(wěn)態(tài)運(yùn)行模型，帶動(dòng)了智能優(yōu)化算法在長(zhǎng)輸管道運(yùn)行優(yōu)化領(lǐng)域的研究和應(yīng)用。遺傳算法具有隨機(jī)性，搜索時(shí)依據(jù)個(gè)體適配性，不需其它信息。其優(yōu)點(diǎn)為算法進(jìn)行全空間并行搜索，適應(yīng)度高的部分搜索集中，提高了優(yōu)化效率且不易陷入局部極小，具有固有的并行性。遺傳算法適用于輸氣管道運(yùn)行優(yōu)化模型的非線性特征[3]，且可以用于輸氣管網(wǎng)的瞬態(tài)運(yùn)行優(yōu)化；但是遺傳算法在利用優(yōu)化過(guò)程中的反饋信息方面存在不足，在求解到一定精確度后會(huì)做大量的冗余迭代計(jì)算，降低求解效率。

2.3 群體智能

群體智能是指具有簡(jiǎn)單智能的個(gè)體通過(guò)相互協(xié)作和組織表現(xiàn)出的群體智能行為特征，具有天然的分布式和自組織的優(yōu)點(diǎn)。群體智能包括粒子群優(yōu)化算法和蟻群算法等。

1995年，Kennedy和Eberhart受魚(yú)群和鳥(niǎo)群捕食行為的啟發(fā)，提出基于群體智能的粒子群算法。該算法具有魯棒性好、并行處理等特點(diǎn)，能夠以比較大的概率找到全局最優(yōu)解，且計(jì)算效率較傳統(tǒng)方法高，最大的優(yōu)點(diǎn)為實(shí)現(xiàn)容易、收斂速度快和有深厚的智能背景。在天然氣輸氣管網(wǎng)、各節(jié)點(diǎn)壓力和流量、輸氣管道混合目標(biāo)函數(shù)的優(yōu)化中起到重要作用。它的記憶特性能夠動(dòng)態(tài)跟蹤當(dāng)前的搜索情況并及時(shí)調(diào)整搜索策略，其不足之處是在某些初始化條件下易陷入局部最優(yōu)，且搜索精度比遺傳算法低。

1992年，意大利學(xué)者Dorigo對(duì)螞蟻尋找食物的行為模型進(jìn)行模擬，提出蟻群算法的概念。螞蟻在覓食時(shí)總能找到最短路線是因?yàn)槠湓诼窂缴厢尫判畔⑺?，某條路徑上走過(guò)的螞蟻越多，釋放的信息素也就越多，從而可以吸引更多的螞蟻。螞蟻通過(guò)信息素的濃度不斷調(diào)整自己的路線，最終聚集在最優(yōu)路徑上。蟻群算法在輸氣管道設(shè)計(jì)、壓縮機(jī)的輸量和每個(gè)壓縮機(jī)站出口壓力等方面的優(yōu)化中發(fā)揮重要作用。蟻群算法具有正反饋特性，通過(guò)不斷更新路徑上的信息素從而收斂到最優(yōu)解，適用于求解輸氣管道變量多、約束條件復(fù)雜的優(yōu)化問(wèn)題；同時(shí)具有自組織性、并行性和魯棒性的優(yōu)點(diǎn)，其不足之處是在求解初期信息素匱乏，求解速度較慢。

3 建議

1）輸氣管道的規(guī)劃、設(shè)計(jì)與運(yùn)行關(guān)系密切，但是它們的優(yōu)化問(wèn)題通常會(huì)分開(kāi)考慮，可以建立涵蓋管道規(guī)劃、設(shè)計(jì)和運(yùn)行等多階段的優(yōu)化模型，對(duì)輸氣管道進(jìn)行全程優(yōu)化。

2）季節(jié)不同，天然氣市場(chǎng)的需求量也會(huì)不同，解決市場(chǎng)波動(dòng)性的有效方式是建設(shè)儲(chǔ)氣庫(kù)。儲(chǔ)氣庫(kù)可以提高輸氣管道運(yùn)行方案的靈活性，優(yōu)化模型會(huì)更加復(fù)雜，包含儲(chǔ)氣庫(kù)的長(zhǎng)輸管道運(yùn)行優(yōu)化問(wèn)題亟待解決。

3）新興智能算法有獨(dú)特的優(yōu)點(diǎn)，同時(shí)又有其不同的缺點(diǎn)，將算法結(jié)合（如遺傳算法和蟻群算法的融合）后用于輸氣管道運(yùn)行優(yōu)化是一個(gè)重要研究方向。

[1]初飛雪，吳長(zhǎng)春.輸氣管道優(yōu)化運(yùn)行的研究現(xiàn)狀[J].油氣儲(chǔ)運(yùn)，2004，23（11）:3-6.

[2]孫文瑜，徐成賢.最優(yōu)化方法[M].高等教育出版社，2004: 1-10.

[3]許萍，武聯(lián)中，李著信，等.基于混合遺傳算法的輸氣管壓氣站優(yōu)化運(yùn)行研究[J].微計(jì)算機(jī)信息，2006，22（8X）: 121-123.

10.3969/j.issn.2095-1493.2016.11.006

2016-05-15

（編輯 沙力妮）

王浩，2014年畢業(yè)于中國(guó)石油大學(xué)（華東）安全工程專(zhuān)業(yè)，現(xiàn)為中國(guó)石油大學(xué)（北京）機(jī)械與儲(chǔ)運(yùn)工程學(xué)院在讀碩士，E-mail：wanghao_cup@163.com，地址：北京市昌平區(qū)府學(xué)路18號(hào)，102249。

中國(guó)石油大學(xué)（北京）科研基金資助，中石化“榆林首站壓縮機(jī)優(yōu)化運(yùn)行技術(shù)研究”，項(xiàng)目編號(hào)：2462015TQ0406。