數字氣田智能管網協調調峰模型研究

(1北京科技大學 信息工程學院， 北京 100083；2北京科技大學 森浪信息科技有限公司， 北京 100083；3中石化西南分公司 川西采輸處， 四川 德陽 618000)

摘 要：結合氣田管網應急調度實際需求，從氣田生產中采、集、輸、配各環節的整體效益著眼，提出一種基于大系統分解協調的氣田管網調峰模型及其實現技術，該模型滲透了大系統分級遞階、分而治之的思想；對復雜管網進行了形式化描述，解決了類似氣田復雜管網的計算存儲問題，有利于加速管網優化算法的運行。針對氣田生產調度實時性問題的解決，構建了基于智能信息推拉技術（IIPP）的快速數據智能推送機制。最后通過示范工程中相關應用系統運行界面的展示證實了模型的有效性。

關鍵詞：大系統控制； 智能自律分散系統； 大系統分解協調； 智能信息推拉技術

中圖法分類號：TP391文獻標識碼：A

文章編號：1001 3695(2006)08 0031 03

Research on Pipe Network Coordination Flood tide Adjusting Model for Digital Gas Fields



WANG Hong bo 1， WANG Zong jie1，2， ZHANG Shi qiang3， ZENG Guang ping1， TU Xu yan1

(1.School of Information Engineering， Beijing University of Science Technology， Beijing 100083， China; 2.Senlang Information Science Technology Co.， Ltd， Beijing University of Science Technology， Beijing 100083， China; 3.Chuanxi Gas Gathering Transporting Department， Southwest Filiale of SINOPEC， Deyang Sichuan 618000， China)

Abstract:A pipe net flood tide adjusting model based on large system decomposition and coordination scheduling system frame as well as the concrete realization technique are put forward and come true. The system combines the practical demands and the characteristics of the gas fields， and it aims at dealing with the real time property， dynamic and complexity during gas fields produce scheduling. The scheme adequately attaches importance to the flexibility. The model and method based on Intelligent Information Pull Push(IIPP) and Intelligent Management(IM) is applied to the system， thus it is helpful to improve the performance of the scheduling system. In according with the current requirement of gas fields pipe net scheduling， the concrete solvent rapid data exchange pool based on IIPP is put forward. The related system architecture and software structure is presented. An effective method of solving the real time property was developed for use in scheduling of the gas field produce. The goal of model is to reduce a large， potentially incoherent network to a smaller comprehensible structure that can be interpreted more readily. At last， gas net flood tide adjusting scheduling system interface demonstrate the validity of the model， now it is carrying out at the spot in the gas field. The system promotes the intelligence level of the gas field pipe net producing scheduling and making decision.

Key words:Large System Control; Intelligence Autonomous Decentralized System; Large System Decomposition and Coordination; Intelligence Information Push Pull(IIPP)

氣田管網應急調度是一個復雜的認知過程，涉及到油氣開發、儲、運、集、輸等相關知識的綜合利用和知識的多層次融合以及知識的創新，這一過程是典型的復雜大系統或復雜網絡控制問題[1，3]。傳統的生產調度和管理方式很難適應日益復雜的氣田實時生產的需要，如何通過合理調度達到管網調度的靈活快捷，從而實現天然氣集輸管網優化運行，是天然氣調度管理部門急需解決的問題，同時也是當前復雜智能網絡研究領域中的一個前沿和熱點問題[4]。

1 系統需求



氣田管網應急調度的核心是合理安排好氣井生產工作制度，保證管網安全運營。主要特點有：①復雜性。生產資源和過程的動態重組能力。②實時性。充分發揮先進的、高性能自動化儀表在線采集性能。 ③靈活性。能夠適應經常性的供氣任務變化或季節調峰，以及應對事故緊急情況的發生。

2 氣田管網的形式化描述

2.1氣田天然氣流網絡

G=(N，B，L，U，φ)，其中

Ｎ為管網中的節點(集輸站點或閥室)集(A Set of Nodes)；

B∈N×N，是Ｇ中節點間有向弧(表示管道)的集(A Set of Direct Branches)；

L:B-R+弧上的權函數，弧(i，j)記為ι_ij，稱為弧(i，j)的承壓下界(Lower Bound)；

U：B→R+為弧上的權函數，?。╥，j）∈B對應的權U（i， j）記為U_ij，稱為弧（i， j）的承壓上界或直接稱為容量（Capacity）;

φ(i)：N→R+為頂點上的權函數，節點i∈N對應的權記為φ(i)，稱為頂點i的流量，供需量(Supply/Demand）;

φ(i，j)B→R+為頂點上的權函數，?。╥，j）∈B對應的權記為φ(i，j)，稱為?。╥，j）∈B的流量。

2.2 可行天然氣流

對于氣田氣流網絡G=(N，B，L，U，φ)，其上的一個流F（Flow）是指F={f_i，j(t)|f_i，j(t):A→R，A∈N}。

從N的弧集A到R的一個函數集，即對每條弧（i，j）∈A賦予一個實函數f_ij(稱為弧（i，j）的流量)，如果流x滿足：

則稱F為可行氣流（Feasible Gas Flow）。至少存在一個可行天然氣流的氣田流網絡稱為可行氣田流網絡（Feasible Gas Fields Network）。

約束（1）稱為流量守恒條件（也稱流量平衡條件）；約束（2）稱為偽流（Pseudo flow），或容量可行流。其中

（1）當d_i＞0時，表示有d_i個單位的流量從網絡外部流入該節點，因此頂點i稱為采氣站（Gather Station Node）或源（Source）；

（2）當d_i＜0時，表示有d_i個單位的流量從該節點流出到網絡外部（或說被網絡吸收），因此頂點i稱為輸氣站（Transport Station Node）或匯（Sink）；

（3）當d_i=0時，頂點i稱為轉運點（Transshipment Node）或平衡點、閥室等。對于可行網絡，必有

也就是說，所有節點上的供需量之和為0是網絡中存在可行流的必要條件。

2.3 供氣量與輸氣量

節點x的輸入集：I(x)={y∈N∶(y，x)∈B}；

節點x的輸出集：O(x)={y∈N∶(x，y)∈B};

所有進氣站點集：I(G)={x∈N∶I(x)=φ}；

所有輸氣站點集：O(G)={x∈N∶O(x)=φ}；

2.4 管道及其承輸因子

對氣田天然氣流網絡G中任一pipe(x，y)∈B

管道（x，y）在氣田管網中的承輸因子（氣量所占比例）：

Sup_G(x，y)=f(x，y)/f(G);x，y∈N，0≤Sup_G(x，y)≤1

氣田管網中的節點承輸（因子）氣量所占比例：

管道（x，y）在氣田管網中對所鄰接點輸出天然氣流的承輸（因子）：

Sup_O(x，y)=Sup_G(x，y)/Sup_G(y)；x，y∈N

管道（x，y）在氣田管網中對所鄰接點輸入天然氣流的承輸（因子）：

Sup_I(x，y)=Sup_G(x，y)/Sup_G(x)；x，y∈N

顯然有下列關系式成立：

2.5 管線路徑及其承輸因子

從x到y的管線路徑，記作[x，y]，可表示為一組節點的序列x₁，x₂，…，x_i，…，x_n。其中有x=x₁;y=x_n;且(x_i，x_i+1)∈B;1≤i≤n-1。

管線路徑[x₁， x_n]在氣田管網中對相鄰節點輸出天然氣流的承輸（因子）：

管線路徑[x₁，x_n]在氣田管網中對相鄰節點輸入天然氣流的承輸（因子）：

管線路徑[x，y]在氣田管網中的承輸（因子）氣量所占比例：

Sup_G[x，y]=Sup_G(x)×Sup₀[x，y]=Sup_I[x，y]×Sup_G(y);x，y∈N

2.6 連接及其承輸因子

從x到y的所有管線路徑[x， y]的集合構成從x到y的連接，表示為。可以認為是圖G的一個由節點x和節點y關聯的子圖。

（1）連接在氣田管網中對相鄰節點輸出天然氣流的承輸（因子）

（2）連接在氣田管網中對相鄰節點輸入天然氣流的承輸（因子）

（3）連接在氣田管網中的承輸（因子）氣量所占比例

3 數學模型與系統構架

3.1 數學模型

對氣田生產系統進行整體優化，根據天然氣從地層—井底—井口—氣嘴—集輸管線的流動規律，氣田管網非線性優化數學模型為

其中式（4）為最優化目標函數，式（5）～式（9）為不同流動階段流動規律，式（10）～式（12）為約束條件。符號說明如下：

i，j為下標，i，j∈N；C_i為天然氣價格，￥/m³；

P_Ri為地層壓力（MPa）；P_wfi為井底流動壓力（MPa）；

P_1i為節流前壓力（MPa）；P_2i為節流后壓力（MPa）；

P_tci為井口套壓（MPa）；Q_sciwfi為氣井產氣量（萬m₃/d）；

Q_scj為地面輸氣量（10₄m₃/d）；

a_i為層流效應系數（10_-4MPa d/m₃）；

b_i為紊流效應系數（[10_-4MPa d/m₃]2）；

d_i為輸氣管線內徑（m）；L_j為輸氣管線長度（km）；

T為天然氣溫度（K）；Z為天然氣壓縮系數；

γ_g為天然氣相對密度；K為天然氣絕熱指數；

f為摩阻系數；H為氣井井口至產層中部深度(m)。

3.2系統總體結構

基于大系統分解協調[4，7]的氣田管網調度系統由基礎級和協調級兩級組成，如圖1所示

數字氣田管網（復雜大系統）S根據生產流程與組成管網的各部分功能分解成一定數量的子網（各采氣分隊所屬區片子系統）S_i(i=1，…，N)。對規模小、參數向量少的子網（各采氣分隊所屬區片子系統）局部求解。因為各子網（子系統）S i之間互相關聯，單獨優化的解不等于總體的最優解，而且還可能相互間發生沖突。為此，引進協調向量G_i(x₁，x₂，x₃，…，x_n)，用S_i(G_i(x₁，x₂，x₃，…，x_n))代替S_i。這樣，基礎級（第一等級）在給定的協調向量G_i(x₁，x₂，x₃，…，x_n)下，獨立地求各子系統的最優解，優化結果送至上一級。

3.3系統模型的計算存儲結構

管網調峰的計算機存儲結構采用“樹”結構；其定義與描述采用“樹”的遞歸定義：

GasNetTree={ 

{GatherGasTeam_SubTree1， Knowledge Base}，

{GatherGasTeam_SubTree2， Knowledge Base}，

{GatherGasTeam_SubTree3， Knowledge Base}，

{GatherGasTeam_SubTree4， Knowledge Base}，

{TransportGasTeam_SubTree5， Knowledge Base} 

};

其中，Knowledge Base表示氣田管網調峰調度相應節點的知識庫，存放相應管理層的調度知識和下級節點的實時調峰能力及具體調峰方案；管網調度管理樹中各相鄰層節點間，按照IADS的智能數據驅動和消息傳送機制[2，4]，樹中每個節點具有“自律”功能[1]，相當于一個“智體”（Agent）[5，6]。

3.4核心算法流程

（1）至底向上構建管網調峰“管理樹”（圖2）FromBottomShape(SchedulingTree)：

①氣井工作制度調整跟蹤機制

為氣井建立相應的氣井跟蹤歷史表；根據上表分析與總結，實時向上級節點推送本氣井的產氣調整范圍。

HistoryAnalisys(GasWellProduceSchedule)

IntelligentPUSH(GasWellNodeSchedulingRange)

②井站供氣能力跟蹤與自我評價機制

實時總結與分析本井站所轄氣井的調峰能力與相應的方案，并向上級節點推送。

SumUP(AllGasWell， SchedulingData)

IntelligentPUSH(SchedulingData)

③片區調峰能力實時預估

實時總結與分析本片區所轄氣井站的調峰能力與相應的方案，并向上級節點推送。

SumUP(AllGasStation， SchedulingData)

IntelligentPUSH(SchedulingData)

④井隊所轄子管網的氣量調增、調減能力與相應方案申報制度

實時總結與分析本隊所轄片區的調峰能力與相應的方案，并向上級節點推送。

SumUP(AllGasArea， SchedulingData)

IntelligentPUSH(SchedulingData)

⑤川西管網的調氣能力實時預估

實時總結與分析川西采輸處所轄管網的調峰能力與相應的方案，形成調峰方案。

SumUP(AllGasSubNet， SchedulingData)

Procedure(NetGasSchedulingPlan)

(2)應用有上下界的多源多匯網絡最大流模型證實管網調峰方案的有效性：

ProveRight(NetGasSchedulingPlan)

(3)至頂向下逐級具體安排與落實管網調峰方案：

FromUPCarryOut(NetGasSchedulingPlan)

4系統的實現

如圖3所示，系統將氣田管網的實時運行情況進行了可視化的動態化展示，為管網調度提供科學的決策依據；分解協調模型有利于計算程序并行處理，加速管網優化算法運行；模型結構的靈活性，自然排除了復雜管網節點間的相互影響，便于調度者快速、有效地形成調度方案，提高了氣田管網調度的決策水平[8]。

參考文獻：

[1]Tu Xuyan， Tang Tao. Intelligent Autonomous Decentralized System(IADS)[C]. Beijing: Proceedings of IWADS’02， 2002.10-15.

[2]涂序彥.智能信息“推—拉”技術[N].計算機世界， 2000，787(15):787-791.

[3]涂序彥.大系統控制論[M].北京:國防工業出版社，1994.251-257.

[4]Tu Xuyan.Intelligent Control and Intelligent Management for Large Scale Systems[C].Zurich:Proceedings of IFAC Symposium on AI in Economy and Management， 1985.87-91.

[5]曾廣平，涂序彥．軟件人[C].中國人工智能進展 2003年，北京：北京郵電大學出版社，2003.677－682.

[6]Tu Xuyan， H Guetzkow. Global/World Modelling and Large Systems Cybernetics[C].Beijing:Proceedings of IEEE International Confe rence on Systems Science and Engineering， 1988.550-557.

[7]Tu Xuyan， Cai Linghan. Large Systems Cybernetics: A New Metho dology for Modeling and Control[C]. Beijing: Proceedings of IFAC: Symposium on Dynamic Modeling and Control， 1989.117-120.

[8]涂序彥，等.智能管理[M].北京：清華大學出版社，南寧:廣西科學技術出版社，1995.29-30.

[9]張百靈，王雨生.新場氣田集輸管網系統優化模擬研究[J].天然氣工業， 2002，22(6):119-121.

作者簡介：王洪泊（1972-），男，山西渾源人，博士研究生，主要研究方向為人工智能、人工生命、系統集成；王宗杰，講師，主要研究方向為人工智能、知識工程；張仕強，高級工程師，主要研究方向為石油工程、采氣工藝；曾廣平，教授，主要研究方向為計算機網絡、人工智能；涂序彥，教授，博導，主要研究方向為人工智能、大系統控制、智能管理、人工生命。

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。