基于融合模型的聯合站能耗優化技術研究

高巖 （大慶油田有限責任公司第五采油廠）

目前，我國大部分陸上油田的開發已經進入中后期，地面生產設施逐漸完善，但投產設計規模與現階段的處理規模往往存在較大出入，耗能大于產能，油氣損耗及無用功耗逐漸加劇，能源浪費現象日益嚴重[1]。其中，聯合站作為地面集輸系統的主要組成部分，具有采出液匯集、原油脫水、采出水處理及氣工藝處理等諸多功能，是油氣田開發中油氣消耗、電能消耗的重要環節，運行過程中存在資源利用不合理、設備負荷率低等問題[2-3]。

1 聯合站清洗數據

以大慶某采油廠聯合站為例，工藝流程為井口來液通過站內匯管輸送至三相分離器進行油、氣、水分離。分離出的氣，一部分進入加熱爐系統，為站內日用、摻水加熱、原油加熱等提供能量，一部分進入氣處理系統，處理合格后的干氣外輸；分離出的水進入水處理系統，通過過濾、沉降、增壓、回注，完成注水流程；含水油先后進入電脫水器和沉降罐分離、凈化，待原油含水率低于0.5%時外輸至煉廠。2022 年1 月1 日—12 月31 日，以天為單位，共收集各項運行參數365 條，包括但不限于原油密度、來液含水率、匯管壓力、出站壓力、匯管溫度、出站溫度、加熱爐耗氣量、外輸泵耗電量等。

1.1 數據校驗

首先，對數據進行完整性檢驗，識別缺失類型和缺失字段，計算每種參數的缺失數量和缺失比例。缺失統計結果見圖1。可見原油密度、含水率和外輸泵耗電量參數的缺失數量較大，這是由于原油取樣化驗存在周期性，站內外輸泵為兩用一備，當運行外輸泵檢修時，電表在記錄和遠傳上存在數據缺失。

圖1 數據缺失統計結果Fig.1 Statistical results of data missing

其次，對數據中的重復值進行檢驗，聯合站異常數據箱線圖法檢驗結果見圖2。即對數據報表中相鄰日期內屬性值相同的記錄進行識別，共得到21條重復數據，將重復數據合并，共得到有效數據344 條。

圖2 聯合站異常數據箱線圖法檢驗結果Fig.2 Test results of box plot method of abnormal data from combined station

最后，對數據中的異常值采用箱線圖法檢驗，存在異常值的數據類型有匯管壓力、匯管溫度、加熱爐耗氣量和外輸泵耗電量[4-7]。其中：除加熱爐耗氣量外，其余數據的均值大于中位數，表現為正偏態；加熱爐耗氣量表現為負偏態。考慮到匯管直接連接三相分離器，分離器的承壓能力有限，故要求匯管壓力不大于1 MPa，對于大于1 MPa 的10 個異常值采用中位數0.60 MPa 替代。該站所屬區塊的原油凝點為25 ℃，為實現流動保障，匯管溫度應高于凝點3～5 ℃，其中有5 個異常點溫度大于50 ℃，3 個異常點溫度小于23 ℃，可能與現場傳感器數據漂移有關，將異常點采用中位數34.8 ℃替代。加熱爐日耗氣量和外輸泵日耗電量分別存在3個、11 個異常點，雖然處理液量和環境溫度的變化，均會影響站內水力和熱力消耗，但異常點不符合現場實際工況，故對其分別采用中位數4 522 m3和57 kWh 替代。

1.2 數據重構

聯合站數據中的缺失值較為集中，采用三次樣條曲線，建立合適的分段函數，對缺失信息進行重構。以外輸泵耗電量為例，2022 年3 月1—30 日的數據存在2 處缺失，分別為3 月15 日和3 月23 日，通過Spline 函數完成光滑曲線構建，并根據橫坐標的缺失日期確定相應的耗電量，繪制外輸系統電量的三次樣條曲線（圖3）。最終，得到3 月15 日和3月23 日的耗電量分別為572 kWh 和563 kWh，重構數據位于前一個數據和后一個數據的發展趨勢上，具有較高的精確度。對于其余缺失值的數據重構，采用相同方法。

圖3 外輸泵耗電量的三次樣條曲線Fig.3 Cubic spline curve of power consumption of external pump

2 能耗相關性分析

涉及聯合站的能耗指標有單位液量綜合能耗、單位液量氣耗、單位液相電耗、單位原油氣耗、單位原油電耗等。考慮到采出水處理系統中涉及分壓注水和加熱摻水流程，氣處理系統中涉及再生塔、重沸器和換熱器等，故在此采用單位液量綜合能耗作為聯合站能耗評價的綜合性指標。

將單位液量綜合能耗作為參考序列，將經數據清洗后的因素作為比較序列，采用灰色關聯法驗證不同因素與單位液量綜合能耗的關系，灰色關聯度結果見圖4（分辨系數取0.5）。

圖4 不同因素的灰色關聯度Fig.4 Grey correlation degree of different factors

單位液量綜合能耗與加熱爐耗氣量的關聯度最大（0.757 1），兩者為強正相關。這是由于一方面氣耗用于加熱站內原油脫水，決定著處理深度，另一方面氣耗用于加熱站外摻水，與流動保障密切相關，這也直觀體現了熱力損失在總能耗中占比較大的特點。單位液量綜合能量與處理液量的關聯度也較大（-0.678 9），兩者為強負相關。這是由于該聯合站的設計規模與實際處理液量差較多，處理液量增大，設備負荷率會顯著提升，但能耗不會顯著增加，故兩者呈負相關。單位液量綜合能耗與原油密度和來液含水率的關聯度較小，均呈極弱正相關。

篩選灰色關聯度大于0.4 的數據作為影響聯合站單位液量綜合能耗的關鍵因素，按照灰色關聯度絕對值從大到小排列，依次為加熱爐耗氣量、處理液量、出站溫度、外輸泵耗電量、匯管壓力、匯管溫度、出站壓力和電脫水器電壓等。

3 數據回歸

為增加數據的擴展能力，實現未來任意時刻單位液量綜合能耗的預測，將上述篩選得到的8 個自變量作為輸入，將單位液量綜合能耗作為輸出，代入支持向量機（SVM）模型進行機器學習。在344條數據中任意抽取80%作為訓練集，20%作為測試集，訓練集用于尋找最優超參數，形成最佳SVM 模型，測試集用于驗證SVM 模型的準確性和魯棒性。其中，超參數的尋優采用網格搜索法，設置懲罰因子∈[0，100]，不敏感參數∈[0，10]。對SVM 模型的網絡結構及核函數類型采用試算法確定，隱含層節點數和核函數類型優選結果見圖5。隨著隱含層節點數的增加，訓練誤差逐漸減小，核函數為Radial basis 函數，隱含層節點為22 時，均方誤差最小，為6.50×10-3。最終，確定SVM 的模型結構為8-52-1 型。

圖5 隱含層節點數和核函數類型優選Fig.5 Number of hidden layer nodes and kernel function type preference

為驗證SVM 模型對于單位液量綜合能耗預測結果的準確性，采用前饋神經網絡（BP）模型、隨機森林（RF）模型進行對比，以均方誤差EMS、均方根誤差ERMS和相關系數R2等三個統計學指標進行模型評價，評價指標對比結果見表1。其中，BP 模型在訓練階段的擬合效果較好，與SVM 模型的訓練效果相當，但在測試階段BP 模型的MSE 較訓練階段高出了一個數量級，說明BP 模型出現了過擬合現象，模型只是記住了數據類型和數值，從中未學到自變量與因變量之間的非線性關系；RF 模型在訓練階段和測試階段的表現相對較好；SVM 模型的預測效果最佳，在對未知測試集數據進行預測時，未出現明顯的過擬合和欠擬合現象，模型具有強魯棒性和泛化性。

表1 不同模型評價指標對比Tab.1 Comparison of evaluation indicators of different models

4 能耗優化

在滿足約束條件的前提下，以單位液量綜合能耗最低為目標函數，將生產參數代入粒子群算法，以加熱爐耗氣量、出站溫度、外輸泵耗電量、匯管壓力、匯管溫度、出站壓力等為決策變量，實現優化調整[8-10]。

約束條件如下：①三相分離器應滿足壓力約束，進站壓力不低于0.2 MPa；②三相分離器水相出口的含油質量濃度不超過1 000 mg/L，油相出口的含水率不高于10%，以分別滿足后續含水油和采出水的處理要求；③沉降罐出口應滿足原油含水率小于0.5%；④匯管溫度應高于原油凝點3℃，以保證原油在熱力條件下順利進站，不產生凝管現象；⑤出站溫度應低于原油初餾點，以保證原油進入外輸泵后不影響泵的吸入，如出站溫度過高還會對管道防腐層造成剝離影響。

粒子群算法流程具體步驟如下：①初始化粒子群算法的種群數量、問題維度和最大迭代次數，將每個粒子的位置定義為待優化的決策變量，種群數量等于粒子個數，問題維度等于決策變量個數；②將目標函數作為適應度函數，計算隨機生成種群位置下的粒子適應度值，根據適應度值，計算種群中的個體極值位置和全局極值位置；③利用公式更新粒子的位置和速度；④判斷是否達到最大迭代次數，如是則結束算法，輸出最佳適應度值對應的決策變量，如否則返回第②步進行重新計算。

單一時段的運行數據優化結果見表2（優化前為現場數據，優化后為預期數據）。優化后，預期各項優化參數均有所降低， 按照工業電價0.8 元/kWh，燃料價格3.0 元/m3核算，每天可減少運行費用887.8 元，全年預計可節約26.6 萬元，節能效果顯著。

表2 運行數據優化前后對比Tab.2 Comparison of operating data before and after optimization

5 結論

1）通過灰色關聯度分析，得到影響聯合站單位液量綜合能耗的關鍵因素從大到小依次為加熱爐耗氣量、處理液量、出站溫度、外輸泵耗電量、匯管壓力、匯管溫度、出站壓力和電脫水器電壓等。

2）在核函數為Radial basis 函數，SVM 模型結構為8-52-1 時對單位液量綜合能耗的訓練及預測效果最高，模型精度優于BP、RF 等對比模型。

3）通過粒子群算法優化后，出站溫度、出站壓力、加熱爐耗氣量、外輸泵耗電量等參數持續降低，預計全年節約運行費用26.6 萬元，節氣、節電效果明顯。