基于改进遗传算法的原油输送系统能耗优化

熊小琴; 邢晓凯; 王博; 帕提古丽·亚尔买买提; 曹生玉; 徐宁

doi:10.12404/j.issn.1671-1815.2500502

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (2) :582-588 DOI: 10.12404/j.issn.1671-1815.2500502

石油、天然气工业

基于改进遗传算法的原油输送系统能耗优化

熊小琴 ¹^,² ,
邢晓凯 ¹^,^* ,
王博 ³ ,
帕提古丽·亚尔买买提 ³ ,
曹生玉 ³ ,
徐宁 ¹

作者信息 +

Energy Consumption Optimization of Crude Oil Delivery System Based on Improved Genetic Algorithm

XIONG Xiao-qin ¹^,² ,
XING Xiao-kai ¹^,^* ,
WANG Bo ³ ,
YARMAMAT Patigul ³ ,
CAO Sheng-yu ³ ,
XU Ning ¹

Author information +

文章历史 +

摘要

针对凭经验确定的输油管道运行调度方案存在能耗与安全风险大、成本高等问题,以泵组合、加热炉组合、输油压力、输油温度为优化变量,构建以管道运行能耗最低为目标的数学模型,确立了进出站温度与压力、油泵和加热炉性能的约束条件。结合原油管道输送系统的热力和水力模型,提出了泵组和温度的集成编码方案,有利于算法的繁殖、交叉和突变,提高了遗传算法的运行效率;采用改进的遗传算法,通过构造罚函数,可以实现在求解过程中从有约束优化问题转为无约束优化问题,分析全年气温变化对管输能耗的影响,求得优化的运行调度方案。结果表明,优化后的B-W和K-W两条原油输送管道的运行方案可使能耗费用降低9%~19%,这为输油管道节能运行方案的制定和实施提供了理论依据。

Abstract

Aiming at the problem of high energy consumption and high cost caused by determining the pipeline operation scheme based on scheduling experience, the thermal and hydraulic models of the crude oil pipeline transportation system were first analyzed under the premise of knowing the basic overview of the crude oil system and the physical properties of the crude oil products. In order to achieve the goal of minimum energy consumption in pipeline operation, an energy consumption optimization model was established with pump combination, heating furnace combination, oil transfer pressure and oil transfer temperature as optimization variables. On this basis, the coding scheme of pump group and temperature was proposed, and the improved genetic algorithm was used to solve the energy consumption optimization model. Comparing with the actual working conditions, it is found that the optimized operation scheme of the two crude oil transmission pipelines B-W and K-W can reduce the energy consumption cost by 9% to 19%. In addition, the optimized operation scheme also analyzed the effects of different months of the year on the energy consumption of different pipelines. The results of the study can provide a theoretical basis for the development and implementation of energy-saving operation schemes for crude oil pipelines.

Graphical abstract

关键词

能耗 / 原油管道 / 优化 / 改进遗传算法 / 节能

Key words

energy consumption / crude oil pipeline / optimization / improve genetic algorithm / energy conservation

引用本文

引用格式 ▾

熊小琴, 邢晓凯, 王博, 帕提古丽·亚尔买买提, 曹生玉, 徐宁. 基于改进遗传算法的原油输送系统能耗优化[J]. 科学技术与工程, 2026, 26(2): 582-588 DOI:10.12404/j.issn.1671-1815.2500502

XIONG Xiao-qin, XING Xiao-kai, WANG Bo, YARMAMAT Patigul, CAO Sheng-yu, XU Ning. Energy Consumption Optimization of Crude Oil Delivery System Based on Improved Genetic Algorithm[J]. Science Technology and Engineering, 2026, 26(2): 582-588 DOI:10.12404/j.issn.1671-1815.2500502

登录浏览全文

4963

注册一个新账户忘记密码

原油管道的运行是一个非常复杂的过程,受到许多因素的限制,如出口温度^[1]、管道沿线的环境条件^[2]、油品的物性^[3]、管道泵站的流变特性^[4]以及能源供应特性^[5]等。不同的运行方案消耗不同的能量^[6-10],因此有必要采用优化方法,实现最低的能耗,优化管道运行。

成庆林等^[11]采用动态规划法对原油管道外输系统的运行能耗进行了优化研究,建立了以外输系统总能耗费用为目标函数的数值模型,可使总能耗费用降低约16%。张昕等^[12]采用PIPEPHASE水力热力计算模型对新疆油田某区块原油集输系统不同输送方式进行了对比分析,优选出低能耗、低成本的输送方式。梁月玖等^[13]采用改进熵权法、主成分分析法和多元逐步回归分析法等手段对原油集输系统能耗的影响因素进行了定量研究,形成了综合判定模型。曾昭英等^[14]为了降低高含水原油的集输能耗,开发了针对原油集输系统的能耗分析软件,并对大庆油田采油厂原油集输系统的能耗现状进行了分析。宋丽明^[15]采用动态规划算法求解了原油管道运行能耗优化模型,目标函数为基于泵工况、加热器工况、节流阀前后压差等决策变量的总运行成本最小化,对原油管道实现了水力优化和热力优化。黄雪松等^[16]为解决中原油田高含水原油集输系统能耗高的问题,根据现场运行情况、理论分析以及相关试验结果,提出了高含水原油常温集输技术的方案,社会经济效益显著。张维志等^[17]利用模拟退火算法建立了原油长输管道最优运行模型,验证了模拟退火算法比动态规划算法的范围更广。近年来,群智能优化算法越来越多地被用于优化原油管道的能耗^[18-20]。

因此,现分析原油输送系统基本概况以及原油油品物性,建立原油输送系统热力、水力模型。在此基础上建立原油输送系统能耗优化模型,其求解采用改进遗传算法,得到原油管道的最优运行方案以及最小能耗费用。通过优化研究,降低管道的能耗费用和温室气体的排放,从而减少大气中的温室效应,达到保护环境的目的。

1 原油输送系统水力热力模型

1.1 原油输送系统基本概况

本次优化的对象,位于新疆克拉玛依油田,系统共计包含两个分支:百口泉-乌尔禾线(B-W线)以及克拉玛依-乌尔禾线(K-W线),如图1所示,是由2个首站、4个热泵站和1个末站所组成的枝状原油输送系统,其中每个热泵站配备了3台不同型号的泵以及2台相同型号的加热炉。泵类型及工作点参数如表1所示。

此原油输送系统由B-W和K-W两条管道组成,B-W管道是从第一个B站经过FK中间站搭接至K-W管道,距离W末站约100 km。K-W管道从第一个K站经SK中间站、CS中间站和SN中间站至W末站,两条管道的里高程如图2所示,两条管道现状如表2所示。

1.2 原油油品物性

两条管线主要研究的油品物性包括以下几个部分,分别是相对密度、凝固点、含蜡量、析蜡温度、沥青质含量以及黏温指数,如表3所示。

1.3 热力分析模型

对于管道运行的生产过程,需要根据原油输送系统的实际情况建立一个合适的热力分析模型。根据相关规范,本次原油管道长度分别为295.4、101.5 km,管道直径为426、377 mm,所以热力计算应该采用苏霍夫温降公式,但也应考虑摩擦生热对该公式的影响。

(1)

${T}_{L}=({T}_{0}+b)+[{T}_{\mathrm{R}}-({T}_{0}+b\left)\right]{\mathrm{e}}^{-aL}$

式(1)中:

(2)

$a=\frac{K\mathrm{\pi }D}{GC}$

(3)

$b=\frac{giG}{K\mathrm{\pi }D}$

式中:T_R为管道起点的温度,℃;T_L为距起点L处的温度,℃;T₀为环境温度,℃;L为管道的长度,m;i为水力坡降,m/m;C为比热容,J/(kg·℃);K为总传热系数,W/(m²·℃);D为外径,m;G为质量流量,kg/s;g为重力加速度,m/s²。

通过对管道热力计算过程的分析,得到了输送过程中油品温度下降受到管道本身的基础数据、输送油品物性参数以及运行的方案等因素的影响。已建管道的基本参数无法改变,但必须根据实际情况确定待输送油品的参数和在役管道的实际参数,因此管道的整体传热系数K成为计算管道温降的主要参数。计算式为

(4)

$\mathrm{K}=\frac{1}{\frac{{D}_{2}}{{\alpha }_{1}{D}_{1}}+\stackrel{2}{\sum _{i=1}}\frac{{D}_{2}}{2{\lambda }_{i}}\mathrm{l}\mathrm{n}\frac{{D}_{i+1}}{{D}_{i}}}$

式(4)中:α₁为油品流向管道内部的传热系数,W/(m²·℃);λ₁、λ₂分别为管壁和土壤导热系数,W/(m·℃);D₁、D₂、D₃分别为原油管道内径、外径和土壤等效直径,m。

1.4 水力分析模型

与上述原油管道系统的热力分析模型类似,需要为该管道开发一个合适的水力分析模型。纵向阻力的求解公式为

(5)

${h}_{\mathrm{f}}=\lambda \frac{L}{d}\frac{{V}^{2}}{2g}$

式(5)中:h_f为管道沿程阻力损失,m;λ为水力摩阻系数;d为管道内径,m;V为油品流速,m/s。

2 原油输送系统运行能耗优化模型的建立与求解

2.1 优化目标函数

以泵组合、加热炉组合、输油压力、输油温度为优化变量,建立一个目标函数为总能耗费用最低的数学模型为

(6)

$\mathrm{m}\mathrm{i}\mathrm{n}F={p}_{\mathrm{d}}W+{p}_{\mathrm{r}}B$

式(6)中:

(7)

$\begin{array}{l}\mathrm{W}=\stackrel{{N}_{\mathrm{p}}}{\sum _{i=1}}\stackrel{{N}_{\mathrm{b},i}}{\sum _{k=1}}\frac{{\rho }_{\mathrm{h}}g{{H}^{\mathrm{b}}}_{i,k}{{q}^{\mathrm{b}}}_{i,k}}{1000{{\eta }^{\mathrm{b}}}_{i,k}},　k=\mathrm{1,2},\dots,{N}_{\mathrm{b},i},\\ i\in {S}_{\mathrm{b}}\end{array}$

(8)

$\begin{array}{l}\mathrm{B}=\stackrel{{N}_{\mathrm{h}}}{\sum _{j=1}}\stackrel{{N}_{\mathrm{f},j}}{\sum _{l=1}}\frac{{c}_{\mathrm{h}}{{q}^{\mathrm{f}}}_{j}{\rho }_{\mathrm{h}}({T}_{j,l}^{\mathrm{f}\mathrm{o}\mathrm{u}\mathrm{t}}-{T}_{j,l}^{\mathrm{f}\mathrm{i}\mathrm{n}})}{{Q}_{\mathrm{r}}{{\eta }^{\mathrm{f}}}_{j,l}},\\ l=\mathrm{1,2},\dots,{N}_{\mathrm{f},i},j\in {S}_{\mathrm{f}}\end{array}$

式中:N_p为泵站的数量;N_h为加热站的数量;N_b,i为第i泵站中泵的总数;N_f,j为第j热站加热炉的总数;p_dW为输送系统输油泵总耗电量费用;p_rB为输送系统加热炉总燃油消耗费用;

${q}_{i,k}^{\mathrm{b}}$

为第i泵站第k台泵的输量;H^b_i,k为第i泵站第k台泵的扬程;

${\eta }_{i,k}^{\mathrm{b}}$

为第i泵站第k台泵的效率;

${T}_{j,l}^{\mathrm{f}\mathrm{o}\mathrm{u}\mathrm{t}}$

为第j加热站第l台加热炉的出口温度;

${T}_{j,l}^{\mathrm{f}\mathrm{i}\mathrm{n}}$

为第j加热站第l台加热炉的进口温度;

${\eta }_{j,l}^{\mathrm{f}}$

为第j加热站第l台加热炉的效率;ρ_h为原油密度;q^f_j为第j个加热站流量;Q_r为燃料油的热值。

2.2 约束条件

约束条件的设置主要考虑以下两点:①必须保证管道设备的安全性;②需要达到相应的任务输量的要求。本次能耗优化需要满足的约束条件重点考虑以下4个方面:进出站温度限值、进出站压力限值、油泵运行限值和加热炉加热能力限值。

(1)进出站温度限值。出站温度T_fout,_j要小于最高出站温度

${T}_{\mathrm{f}\mathrm{o}\mathrm{u}\mathrm{t},j}^{\mathrm{m}\mathrm{a}\mathrm{x}}$

,进站温度T_fin,_j需要大于最低允许进站温度

${T}_{\mathrm{f}\mathrm{i}\mathrm{n},j}^{\mathrm{m}\mathrm{i}\mathrm{n}}$

,即

(9)

$\left\{\begin{array}{l}{T}_{\mathrm{f}\mathrm{o}\mathrm{u}\mathrm{t},j}\le {T}_{\mathrm{f}\mathrm{o}\mathrm{u}\mathrm{t},j}^{\mathrm{m}\mathrm{a}\mathrm{x}}\\ {T}_{\mathrm{f}\mathrm{i}\mathrm{n},j}\ge {T}_{\mathrm{f}\mathrm{i}\mathrm{n},j}^{\mathrm{m}\mathrm{i}\mathrm{n}}\end{array}\right.$

(2)进出站压力限值。出站压力P_bout,_i要小于最高出站压力

${P}_{\mathrm{b}\mathrm{o}\mathrm{u}\mathrm{t},i}^{\mathrm{m}\mathrm{a}\mathrm{x}}$

,进站压力P_bin,_i需要大于最低允许进站压力

${P}_{\mathrm{b}\mathrm{i}\mathrm{n},i}^{\mathrm{m}\mathrm{i}\mathrm{n}}$

,即

(10)

$\begin{array}{l}{P}_{\mathrm{b}\mathrm{o}\mathrm{u}\mathrm{t},i}\le {P}_{\mathrm{b}\mathrm{o}\mathrm{u}\mathrm{t},i}^{\mathrm{m}\mathrm{a}\mathrm{x}}\\ {P}_{\mathrm{b}\mathrm{i}\mathrm{n},i}\ge {P}_{\mathrm{b}\mathrm{i}\mathrm{n},i}^{\mathrm{m}\mathrm{i}\mathrm{n}}\end{array}$

(3)输油泵运行限值。输油泵的每个排量都必须在规定的范围内才能确保输油泵安全工作;输油泵的入口压力必须高于汽蚀余量才能防止发生汽蚀;输油泵运行的限制可表示为

(11)

${q}_{\mathrm{b}i,k}^{\mathrm{m}\mathrm{i}\mathrm{n}}\le {q}_{\mathrm{b}i,k}\le {q}_{\mathrm{b}i,k}^{\mathrm{m}\mathrm{a}\mathrm{x}},　k=\mathrm{1,2},\dots,{N}_{\mathrm{b},i};\forall i\in {S}_{\mathrm{b}}$

(12)

${H}_{\mathrm{b}i,k}\ge {H}_{\mathrm{b}i,k}^{\mathrm{m}\mathrm{i}\mathrm{n}},k=\mathrm{1,2},\dots,{N}_{\mathrm{b},i};\forall i\in {S}_{\mathrm{b}}$

式中:

${q}_{\mathrm{b}i,k}^{\mathrm{m}\mathrm{a}\mathrm{x}}、{q}_{\mathrm{b}i,k}^{\mathrm{m}\mathrm{i}\mathrm{n}}$

分别为第i站第k台输油泵的最高排量和最低排量;

${H}_{\mathrm{b}i,k}^{\mathrm{m}\mathrm{i}\mathrm{n}}$

为第i站第k台输油泵最小汽蚀余量。

(4)加热炉加热能力限值。加热炉的负荷必须要在一定范围内,不能超过最小值以及最大值,即

(13)

${Q}_{\mathrm{f}j,l}^{\mathrm{m}\mathrm{i}\mathrm{n}}\le {Q}_{\mathrm{f}j,l}\le {Q}_{\mathrm{f}j,l}^{\mathrm{m}\mathrm{a}\mathrm{x}},l=\mathrm{1,2},\dots,{N}_{\mathrm{f}};j\in {S}_{\mathrm{f}}$

2.3 模型求解

基于生物进化过程中的自然选择、突变和遗传进化,Holland^[21]开发了一种计算模型——遗传算法。该算法被广泛应用于各种问题的优化。

2.3.1 基因编码

在遗传算法的过程中编码是其中最主要的,也是利用遗传算法来求解模型中首先需要解决的问题。在求解过程中,编码会影响解的表现形式以及解的空间搜索方式,进一步会影响遗传算法中整个自然选择、突变和遗传的过程。

(1)遗传算法的改进与应用。原油管道泵的优化模型大多基于实数编码。一些研究人员建议,每个泵回路都应对应实数编码。然而,对于长输油管道而言,管道中存在许多泵方案,而泵方案与编码之间只存在数学关系。而编码本身并没有真正明确的意义,给编码后遗传算法的运行带来了一定的不便。因此,应进一步研究原油管道泵的合理编码方法。对于一个泵站,可能有多种类型的泵,每种类型都有若干台泵。对于整条输油管道而言,每个泵站都有固定的具体型号和数量,每种类型的泵都有固定的组合形式。因此,开启的不同泵的数量决定了泵站的泵送方式,每种类型泵的运行数量就是泵站对应的编码。用这种方法匹配管道中的每个站,就可以确定整个石油管道的泵站的启泵模式,这就是泵的编码策略。

在原油输送系统能耗优化研究中,模型中的温度控制一般是选择热泵站的进站温度,与上面的泵的编码策略类似,可以对进站温度实行实数编码。本次能耗优化中选择双精度浮点编码,这样做的目的是提高对进站温度的控制精度。整理原油输送系统中每一个热泵站的进站温度,把它们进行组合即为进站温度编码。在此基础上,将前面的泵的编码与进站温度的编码整合起来,这样就得到了所需要的整个系统的优化编码方案。编码方案里面的每一个编码都有相应的个体与之对应。集成编码,有利于算法的繁殖、交叉和突变,提高了遗传算法的运行效率。

(2)基因编码。针对每个热泵站,构建基因表达式“泵1开关泵2开关泵3开关加热炉1开关加热炉2开关升温幅度”(打开为1,关闭为0,升温幅度为双精度浮点),基因“0101015.2”意为2号泵开,其余关,1号加热炉开,其余关,共计升温15.2 ℃,个体基因序列为B|FK|K|SK|CS|SN。

2.3.2 基因交叉

交叉概率p=0.7,即每个基因有p的概率继承母本(适应度最大个体),0.3概率继承父本。

2.3.3 基因突变

对于每个基因点位,以变异率p_m=0.02进行突变,突变规则为开关方式互换,升温幅度随机±5。以0101015.2为例,突变后的可能基因表达式为1100112.3。

2.3.4 惩罚函数

原油输送系统的优化运行是一个具有诸多约束条件的实际工程问题。在这个实际问题的求解过程中,如果缺乏对整体过程所需要的求解结果的了解,那么会得到多少个最优解以及所有解的分布空间就非常难以确定。另一方面,考虑到遗传算法会随机产生初始种群,这个随机性就导致产生的种群中的个体在可行分布空间的情况无法确定。基于此,引入了一个罚函数。通过构造罚函数,可以实现在求解过程中从有约束优化问题转为无约束优化问题。罚函数实现的本质就是找出超过可行分布空间的解,并对这些解进行惩罚,惩罚的方式就是让这些超过可行分布空间的解不被选择。

结合前面提出的原油输送系统能耗优化研究的目标函数,构造一个带有惩罚性的目标函数为

(14)

$f=F+\epsilon N$

式(14)中:F为原油输送系统的能耗;ε为惩罚系数;N为违规处罚次数。

构造了带有惩罚性的最新优化目标函数以后,优化算法中的适应度函数为

(15)

$\mathrm{f}\mathrm{i}{\mathrm{t}}_{i}=\mathrm{e}\mathrm{x}\mathrm{p}\left(\frac{{f}_{\mathrm{m}\mathrm{i}\mathrm{n}}-{f}_{i}}{t}\right)$

式(15)中:fit_i为第i代种群的适应度;f_min为这一代群体里面最小的目标函数;f_i为第i代的目标函数;t为温度函数。

可以从适应度函数中分析得出该函数有以下两个优势,如果是选择的温度较高的情况下,所计算得出的适应度值差别很小,基于此产生的解被选择的几率都差不多,这样一来就可以避开早熟收敛的情况。如果是选择的温度较低的情况下,所计算得出的适应度值差别就变大,这种情况下会增加较好解的优势,避开种群进化停止不前的情况。

2.3.5 求解步骤

(1)种群初始化:种群初始规模设定为n=50只,每只个体基因初始随机生成,但各不相同。

(2)适应度计算:根据个体基因计算适应度,适应度=优化前费用/优化后费用。

(3)基因交叉:个体按照适应度计算由大到小排列,适应度最大的作为母本复制一份,与其他所有父本依次进行基因交叉。

(4)基因突变:按照基因突变的概率及规则针对种群后代的每个点位的基因进行基因突变。

(5)个体淘汰:根据惩罚函数淘汰不符合要求的个体。其余个体进入下一轮繁衍。若出现种群规模小于50的情况,为保证遗传算法结果的搜索能力,重新随机生成种群个体补充至总数n=50。

根据以上过程,构建原油输送系统优化模型求解步骤如图3所示。

3 模型计算实例

以2023年2月为例,按照目前工况,优化前对应基因组序列为1100115.1| 1111114.5| 1101012.5| 1101115.3| 1110111.2| 0111114.6,初始种群在此基因开关点位随机0/1互换,升温点位随机±5浮动,精度0.1,随机再生49个体进行遗传繁衍。通过优化计算确定最佳运行方案如表4所示,B站开启2台加热炉,GDK1输油泵1台;FK站开启2台加热炉,GDK1输油泵1台、GDK3输油泵2台;K站开启2台加热炉,GDK2输油泵1台;SK站开启1台加热炉,GDK1输油泵1台、GDK2输油泵1台;CS站开启2台加热炉,GDK1输油泵1台、GDK3输油泵1台;SN站开启1台加热炉,GDK1输油泵1台、GDK2输油泵1台、GDK3输油泵1台。

经过计算,B-W输油管道全年能耗费用在优化前约为883.3万元,优化后能耗费用约为806.6万元,通过优化后可以节省费用约为76.7万元;K-W输油管道全年能耗费用优化前约为1 810.4万元,优化后能耗费用约为1 463.7万元,节省费用约为346.7万元。通过对B-W和K-W原油管道的优化分析,并与实际工况进行对比,发现优化后的运行方案可使能耗降低9%~19%。

不同时间点土壤的温度不同(其中2月的土壤温度最低为2 ℃左右,而8月的土壤温度最高为40 ℃左右),输油管道的冷却情况也不同。为了探究不同时间原油输送系统能耗差异,进行了全年的能耗模拟和优化。图4和图5分别给出了K-W管道与B-W管道温度影响能耗费用分析。从图4和图5中可以看出,2月的能耗最高,而8月的能耗最低。即土壤的温度越低,能耗相对就越高,而土壤的温度越高,能耗相对就越低。

从图4和图5中还可以看出,当输油温度升高时,两条管道主要能耗费用也增加;当输油温度降低时,两条管道主要能耗费用也减少。两条输油管道的主要能耗为热耗。

4 结论

通过对原油管道运行调度方案的优化研究,得到以下结论。

(1)构建了以泵组合、加热炉组合、输油压力、输油温度为优化变量,以进出站温度与压力、油泵和加热炉性能为约束条件的管道运行能耗最低优化模型,有效解决了传统经验确定方案能耗高、安全风险大、成本高的问题。

(2)采用改进的遗传算法,结合原油管道输送系统的热力与水力模型,提出了泵组与温度的集成编码方案,提高了遗传算法的运行效率。优化计算结果表明,应用于B-W和K-W两条原油管道后,运行耗费用降低9%~19%,计算效率提高约10%。

(3)实践表明,该方法对泵组合和加热炉组合的优化具有良好的适应性,模型求解方法同样适用于泵站多、组合复杂的管道系统;改进遗传算法的输油管道编码方案直观、简单、适应性强,可为输油管道运行方案分析与节能优化提供指导。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	谯林峰, 莫丽, 毛良杰, 等. 长输管道输油鲁尔泵内部流场特性研究[J]. 科学技术与工程, 2022, 22(32): 14206-14212.

[2]	Qiao Linfeng, Mo Li, Mao Liangjie, et al. Flow field characteristics of ruhrpumpen in long-distance oil pipeline[J]. Science Technology and Engineering, 2022, 22(32): 14206-14212.

[3]	张建昌, 王立涛, 张嘉安, 等. 原油管道外输系统运行能耗二级递阶优化研究[J]. 油气田地面工程, 2021, 40(5): 24-29, 35.

[4]	Zhang Jianchang, Wang Litao, Zhang Jiaan, et al. Research on two-level hierarchical optimization of operation energy consumption in crude oil pipeline transportation system[J]. Oil-Gas Field Surface Engineering, 2021, 40(5): 24-29, 35.

[5]	王伟达. 输油管道运行能耗优化技术研究[J]. 石油石化节能与计量, 2023, 13(10): 52-56.

[6]	Wang Weida. Research on the optimization technology of operation energy consumption for oil pipeline[J]. Energy Conservation and Measurement in Petroleum & Petrochemical Industry, 2023, 13(10): 52-56.

[7]	魏立新, 郑立龙, 李文忠, 等. 高寒地区新建庆哈输油管道生产运行参数优化[J]. 石油化工高等学校学报, 2021, 34(1): 39-44.

[8]	Wei Lixin, Zheng Lilong, Li Wenzhong, et al. Optimization of production and operation parameters of new Daqing-Harbin oil pipeline in alpine region[J]. Journal of Petrochemical Universities, 2021, 34(1): 39-44.

[9]	Elena K, Kaarthik S, Anatoly Z, et al. Optimal economic operation of liquid petroleum products pipeline systems[J]. AIChE Journal, 2021, 67(4). DOI: 10.1002/aic.17124.

[10]	冯云. 西北某油田外输管道系统优化运行研究[D]. 大庆: 东北石油大学, 2020.

[11]	Feng Yun. Research on optimization operation of export pipeline system in a northwest oilfield[D]. Daqing: Northeast Petroleum University, 2020.

[12]	左丽丽, 曾春雷, 姜勇. 长呼原油管道月度节能优化方案[J]. 油气储运, 2015, 34(5): 515-518.

[13]	Zuo Lili, Zeng Chunlei, Jiang Yong. Program for optimization of monthly energy preservation in the Changqing-Hohhot crude oil pipeline[J]. Oil & Gas Storage and Transportation, 2015, 34(5): 515-518.

[14]	李科星, 汪玉春. 年输量不确定的油气管道优化设计[J]. 油气储运, 2005, 24(4): 11-13, 31-61.

[15]	Li Kexing, Wang Yuchun. The optimum design for uncertainty annual transportation capacity of oil and gas pipeline[J]. Oil & Gas Storage and Transportation, 2005, 24(4): 11-13, 31-61.

[16]	任亮. 某成品油管道控制逻辑分析与优化[D]. 北京: 中国石油大学(北京), 2019.

[17]	Ren Liang. Analysis and optimization of control logic for a certain finished oil pipeline[D]. Beijing: China University of Petroleum(Beijing), 2019.

[18]	Bekibayev T T, Zhapbasbayev U K, Ramazanova G I. Optimization of oil-mixture “hot” pumping in main oil pipelines[J]. Journal of Physics: Conference Series, 2017, 894(1): 926-934.

[19]	成庆林, 李越, 杨金威, 等. 基于动态规划法的原油管道外输系统运行能耗优化[J]. 能源与环保, 2023, 45(2): 167-172, 179.

[20]	Cheng Qinglin, Li Yue, Yang Jinwei, et al. Energy consumption optimization of crude oil pipeline export system based on dynamic programming[J]. China Energy and Environmental Protection, 2023, 45(2): 167-172, 179.

[21]	张昕, 马俊章, 曹生玉, 等. 新疆油田某区块乳化原油集输系统优化分析及对策研究[J]. 石油石化节能, 2023, 13(2): 1-5.

[22]	Zhang Xin, Ma Junzhang, Cao Shengyu, et al. Optimization analysis and countermeasure research of emulsified crude oil gathering system in a block of Xinjiang Oilfield[J]. Energy Conservation in Petroleum & PetroChemical Industry, 2023, 13(2): 1-5.

[23]	梁月玖, 高雪冬, 何建林, 等. 原油集输系统能耗影响因素的综合判定模型[J]. 天然气与石油, 2024, 42(1): 31-39.

[24]	Liang Yuejiu, Gao Xuedong, He Jianlin, et al. Analysis of influencing factors of energy consumption in crude oil gathering and transportation system based on comprehensive judgment method[J]. Natural Gas and Oil, 2024, 42(1): 31-39.

[25]	曾昭英, 周峤, 吴新果. 原油集输系统能耗分析软件开发与应用[J]. 科学技术与工程, 2012, 12(5): 1135-1138.

[26]	Zeng Zhaoying, Zhou Qiao, Wu Xinguo. The development and application of energy consumption analysis of oil gathering system[J]. Science Technology and Engineering, 2012, 12(5): 1135-1138.

[27]	宋丽明. 基于动态规划的原油管道运行能耗优化技术研究[J]. 石油石化节能与计量, 2024, 14(6): 61-65.

[28]	Song Liming. Research on energy consumption optimization technology of crude oil pipeline opera-tion based on dynamic planning[J]. Energy Conservation and Measurement in Petroleum & Petrochemical Industry, 2024, 14(6): 61-65.

[29]	黄雪松, 李思, 朱宁宁, 等. 中原油田东濮老区高含水原油常温集输技术[J]. 科学技术与工程, 2021, 21(16): 6681-6689.

[30]	Huang Xuesong, Li Si, Zhu Ningning, et al. Normal temperature gathering and transportation technology of high water-cut crude oil in Dongpu Oil Region of Zhongyuan Oilfiled[J]. Science Techno-logy and Engineering, 2021, 21(16): 6681-6689.

[31]	张维志, 于清澄, 张迪. 等温输油管道运行方案优化方法及其应用[J]. 油气储运, 2012, 31(1): 65-67, 86.

[32]	Zhang Weizhi, Yu Qingcheng, Zhang Di, et al. Running scheme optimization for oilpipeline operated at constant temperature[J]. Oil & Gas Storage and Transportation, 2012, 31(1): 65-67, 86.

[33]	张天一, 成庆林, 黎志敏, 等. 基于动态规划法及相似理论的输油泵系统调配优化[J]. 西安石油大学学报(自然科学版), 2020, 35(3): 77-85.

[34]	Zhang Tianyi, Cheng Qinglin, Li Zhimin, et al. Study on optimization of oil pump system deployment based on dynamic programming and similarity theory[J]. Journal of Xi’an Shiyou University(Natural Science Edition), 2020, 35(3): 77-85.

[35]	王军防, 矫捷, 余红梅, 等. 基于群体智能优化的原油管道系统能耗优化方法[J]. 油气储运, 2022, 41(11): 1269-1276.

[36]	Wang Junfang, Jiao Jie, Yu Hongmei, et al. Optimization method for energy consumption of crude oil pipeline systems based on swarm intelligence optimization[J]. Oil & Gas Storage and Transportation, 2022, 41(11): 1269-1276.

[37]	王会杰. 基于非稳态水力热力计算的原油管道运行能耗预测研究[D]. 北京: 中国石油大学(北京), 2016.

[38]	Wang Huijie. Research on energy consumption prediction of crude oil pipeline operation based on unsteady hydraulic thermal calculation[D]. Beijing: China University of Petroleum(Beijing), 2016.

[39]	Holland J H. Adaptation in natural and artificial systems[M]. Ann Arbor: University of Michigan Press, 1975.

基金资助

国家自然科学基金(52402392)

新疆天山创新团队项目(2022TSYCTD0002)

PDF (4066KB)

访问

被引

详细

导航

Received	Published	Revised
2025-01-20	2026-01-18	2025-10-14
Online Date
2026-09-20

摘要