论文部分内容阅读
由于石油化工产品和储量和运输量很大,输送距离又长,所以在如此浩大工程的地面工程系统面前,优化设计中管径、转油站站址等参数的改变对总费用的影响是非常大的。在这种情况下,我们就需要对系统进行优化,以得到能使得总费用最省的方案,对资金的节约有着重大的意义。本文选择的井区优化区块是北16井区梧桐沟,为了适应该区块的特点,进行了集输方案规划的初期设计,在本区块的集输状态不受影响的情况下,运用最优化理论对该地区的集输系统进行优化。在本文对管网优化的研究中,第一步建立了目标函数,就是以总的集输费用为最终优化目标的目标函数,设计变量为该区块内转油站的站址和其下辖管道的管径并考虑了一些约束条件。由于区块内油井数量较多,且有些油井之间的距离较大,所以在优化之前,本文首先用k-means聚类方法和SOM神经网络聚类,对区块内的油井进行了聚类,然后在每个井组内采用遗传算法求解数学模型,得到该分组下各级站的站址和下辖管网中的管道距离总长,最后程序运行得到每个组内的投资成本,求和得到最后的总成本。在遗传算法运行期间,因遗传算法的参数变化会对最后的投资成本产生影响,所以在程序运行时,采用了不同的遗传参数来研究参数对最终成本的影响,遗传代数选择了函数已收敛后的300、400、500代进行研究,种群规模选择了50、100、150进行研究,结果发现两种分组方法在同一进化代数下,增大种群规模可以减少总成本,而在同一种群规模下,增加进化代数也可以减少总成本,但是进化代数和种群规模的变化对总成本的影响很小,总造价的波动很小。但SOM分组方法的成本比K-means分组的成本略低。所以最终我们选择了遗传代数为500,种群规模为100的最终优化参数,分组方法选择了SOM分组方法作为最终优化分组。而在交叉概率方面,选择了0.5、0.6、0.7三个概率进行研究,发现交叉概率对最终结果影响不大,结果相差在0.1%以内,所以交叉概率不作为可影响遗传算法结果的参数。通过调研遗传算法文献,认为变异概率一般取0.01,不会对遗传结果产生很大影响。