论文部分内容阅读
油气集输管网拓扑优化问题是一个NP难问题。采用传统的优化算法很难取得全局最优解,并且集输管网的形态是多种多样的,这就要求我们根据优化问题的实际情况选择合适的管网模型。本文针对以上两个方面即管网模型的建立和管网模型求解算法展开了详细的研究：(1)油气集输管网常用的三种模型分别是多级星形网络(Multilevel Star Style Network简称MS网络)、多级星-环形网络(Multilevel Ring-Star Style Network,简称MRS网络)和多级星-树状网络Multilevel Ring-Tree Style Network,简称MST网络),本文在MST网络的基础上进行了改进,即在最低级的管网连接形态上不采用星状连接而采用树枝状连接。基于这个改进建立了改进的MST集输管网优化数学模型。该模型是一个多目标的约束非线性混合规划问题。(2)对本文建立的基于改进的MST管网优化数学模型进行求解,传统算法是无能为力的,需要采用启发式的算法进行求解。遗传算法是在模仿自然界生物进化机制的基础上发展起来的随机全局搜索和优化方法。遗传算法的本质是一种高效、并行、全局搜索方法。Dijkstra算法是一种求最短路的算法,我们可以用该算法求得基于某点的最短树形图。本文采用遗传算法与Dijkstra算法结合的混合算法,将问题划分为布局层和分配层两层。在布局层,采用遗传算法搜索整个布局区域,在分配层,采用Dijkstra算法进行求解。通过这种方法,整个布局区域能够被有效地搜索,避免了分级优化法中因操作者给定站的初始位值不同对优化结果造成的不利影响,而且在分配层不只是简单地将各站所辖井用单独管线与站相连接,而是采用Dijkstra算法生成以站为根的最短路即最短树形图。这样通过优化计算就得到了改进的MST集输管网图。本文采用VB编程的方法在计算机上实现了基于混合遗传算法的油气集输拓扑优化设计。本文针对毛家河油区的特点编制相应的数据库,对各级站的位置、连接方式进行了运算,得到了各增压点所辖井数和井号,还得到了改进的MST管网比MST管网产量长度缩短21%的结论,最后给出了合理的优化方案。