科研動(dòng)態(tài)
抽油機(jī)井群生產(chǎn)井場(chǎng)的風(fēng)光儲(chǔ)容量配置優(yōu)化
中文題目：抽油機(jī)井群生產(chǎn)井場(chǎng)的風(fēng)光儲(chǔ)容量配置優(yōu)化
論文題目：Capacity configuration optimization of wind-solar-storage systems for oil well groups at drilling sites
錄用期刊/會(huì)議：綜合智慧能源（中文核心期刊）
原文鏈接：https://link.cnki.net/urlid/41.1461.TK.20250120.1138.002
錄用/見(jiàn)刊時(shí)間：2025.01
作者列表：
1） 景霖茹 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制工程 碩23
2） 檀朝東 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教授
3） 陳培堯 中國(guó)石油長(zhǎng)慶油田分公司油氣工藝研究院
4） 馮 鋼 西安中控天地科技開(kāi)發(fā)有限公司
5） 汪 俊 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 博24
6） 劉 斌 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系特任崗位副教授
文章簡(jiǎn)介:
本文以新能源+井場(chǎng)微網(wǎng)系統(tǒng)中風(fēng)機(jī)、光伏板和儲(chǔ)能電池的總投資成本最低為目標(biāo)函數(shù)，建立了基于井場(chǎng)抽油機(jī)負(fù)荷的風(fēng)光儲(chǔ)容量配置優(yōu)化模型，采用人工蜂群算法進(jìn)行求解并加以對(duì)比驗(yàn)證。
摘要:
針對(duì)風(fēng)光發(fā)電和抽油機(jī)井場(chǎng)用電不確定性造成的電量供需不平衡和新能源消納率低下的問(wèn)題,開(kāi)展了抽油機(jī)井群風(fēng)光儲(chǔ)多能互補(bǔ)系統(tǒng)的容量配置優(yōu)化模型研究。建立了鳳機(jī)光出力、伏板出力、蓄電池充放電模型和抽油機(jī)井群生產(chǎn)用能模型。以總投資成本為目標(biāo)函效,以新能源消納率為約束條件,建立了風(fēng)光儲(chǔ)容量配置優(yōu)化模型和求解算法:并以某井場(chǎng)為例,設(shè)計(jì)了抽油機(jī)井群生產(chǎn)井場(chǎng)的風(fēng)光儲(chǔ)容量配置方案。研究及實(shí)例分析表明:提出的容量配置優(yōu)化模型和啟發(fā)性算法可以實(shí)現(xiàn)抽油機(jī)井群場(chǎng)多能微網(wǎng)中的各能源的容量配置優(yōu)化,能夠在考慮系統(tǒng)經(jīng)濟(jì)性的基礎(chǔ)上,有效提高井場(chǎng)上的新能源消納率,消納率可達(dá)86.15%,且對(duì)新能源的出力和周期性用能的波動(dòng)具有較好的應(yīng)用效果。
背景與動(dòng)機(jī):
由于風(fēng)光等新能源發(fā)電具有間歇性、波動(dòng)性和不穩(wěn)定性，新能源在油氣行業(yè)的消納能力不足，供能不穩(wěn)定，生產(chǎn)經(jīng)濟(jì)性和可靠性欠佳。源網(wǎng)荷儲(chǔ)一體化的建設(shè)主要是為解決新能源的消納力問(wèn)題采用的規(guī)模化發(fā)展手段，需要在保證系統(tǒng)可再生能源消納能力的前提下兼顧系統(tǒng)的經(jīng)濟(jì)性，對(duì)微網(wǎng)中的能源生產(chǎn)設(shè)備、能源轉(zhuǎn)換設(shè)備、儲(chǔ)能設(shè)備進(jìn)行選型定容的設(shè)計(jì)。
主要內(nèi)容:
本文首先構(gòu)建了基于抽油機(jī)井群的風(fēng)光儲(chǔ)微網(wǎng)系統(tǒng)結(jié)構(gòu)與供能側(cè)、負(fù)荷側(cè)的數(shù)學(xué)模型，然后建立了基于抽油機(jī)井群連續(xù)工作狀態(tài)下負(fù)荷情況的風(fēng)光儲(chǔ)容量配置優(yōu)化模型，最后采用人工蜂群算法進(jìn)行模型求解，并用遺傳算法進(jìn)行對(duì)比驗(yàn)證。
本研究系統(tǒng)結(jié)構(gòu)如圖1所示，供能側(cè)為風(fēng)機(jī)、光伏板和儲(chǔ)能電池，用能側(cè)為抽油機(jī)井群，由決策器控制電能供給從而構(gòu)成一個(gè)獨(dú)立的微網(wǎng)系統(tǒng)。
圖1 基于抽油機(jī)井群的風(fēng)光儲(chǔ)系統(tǒng)結(jié)構(gòu)
研究考慮建設(shè)項(xiàng)目的整體經(jīng)濟(jì)性，選取風(fēng)機(jī)、光伏板和儲(chǔ)能電池的總投資成本為目標(biāo)函數(shù)，將功率平衡、新能源消納率、風(fēng)光儲(chǔ)設(shè)備裝機(jī)容量、儲(chǔ)能電池充放電功率及其荷電狀態(tài)SOC等納入約束條件，優(yōu)化目標(biāo)如下：
針對(duì)風(fēng)光出力和抽油機(jī)負(fù)荷的不確定性，采取全局尋優(yōu)能力較強(qiáng)的人工蜂群（Artificial Bee Colony，ABC）算法進(jìn)行求解，但ABC算法的收斂速度較慢，對(duì)參數(shù)設(shè)置的敏感性較高。因此選擇用GA進(jìn)行對(duì)比驗(yàn)證。
實(shí)驗(yàn)結(jié)果及分析:
以某井場(chǎng)的7口抽油機(jī)連續(xù)工作狀態(tài)下的負(fù)荷情況為容量?jī)?yōu)化配置的對(duì)象，考慮抽油機(jī)井群不確定性負(fù)荷特征和風(fēng)光出力的隨機(jī)性，進(jìn)行基于歷史數(shù)據(jù)和考慮不確定性的兩種容量配置優(yōu)化方案，用人工蜂群算法優(yōu)化求解后利用遺傳算法進(jìn)行二次求解做對(duì)比，驗(yàn)證提出的模型和人工蜂群算法在風(fēng)光儲(chǔ)容量配置優(yōu)化上的有效性和合理性。
表1為基于歷史數(shù)據(jù)的兩種算法下風(fēng)光儲(chǔ)容量求解結(jié)果。
表2為考慮不確定性的兩種算法下風(fēng)光儲(chǔ)容量求解結(jié)果。
圖2為基于人工蜂群算法求解的考慮不確定性典型日風(fēng)光儲(chǔ)系統(tǒng)出力和負(fù)荷需求狀態(tài)圖。
表 1 兩種算法求解結(jié)果對(duì)比
表 2 考慮不確定性后兩種算法求解結(jié)果對(duì)比
圖2 考慮不確定性的風(fēng)光儲(chǔ)系統(tǒng)典型日出力與負(fù)荷需求
結(jié)合表1和表2中的四種求解結(jié)果，可知人工蜂群算法優(yōu)于遺傳算法，驗(yàn)證了人工蜂群算法的有效性，考慮風(fēng)光出力和抽油機(jī)井群負(fù)荷的不確定性，為了使風(fēng)光儲(chǔ)微網(wǎng)系統(tǒng)具有良好的應(yīng)用效果，選取表2中的人工蜂群算法配置優(yōu)化結(jié)果。
在現(xiàn)場(chǎng)實(shí)際生產(chǎn)中，抽油機(jī)井群的工作模式除連續(xù)工作外，還有間抽模式，間抽模式下的抽油機(jī)井群工作能耗整體低于連續(xù)工作情況下的能耗，因此該容量配置優(yōu)化結(jié)果同樣滿(mǎn)足間抽模式下的井場(chǎng)生產(chǎn)用電，具有廣泛的適用性。
結(jié)論:
本文研究了新能源發(fā)電的特點(diǎn)，特別是風(fēng)光儲(chǔ)微網(wǎng)系統(tǒng)在井場(chǎng)抽油機(jī)井群負(fù)荷下的應(yīng)用。通過(guò)對(duì)井場(chǎng)負(fù)荷的不確定性分析，探討了風(fēng)光發(fā)電和負(fù)荷用電的不確定性會(huì)造成井場(chǎng)上的電量供用不匹配，使得新能源消納率低下。建立了容量配置優(yōu)化模型，選用人工蜂群算法對(duì)風(fēng)光儲(chǔ)微網(wǎng)系統(tǒng)容量進(jìn)行配置優(yōu)化，并用遺傳算法進(jìn)行二次求解對(duì)比證明人工蜂群算法的有效性。優(yōu)化結(jié)果表明，人工蜂群算法的尋優(yōu)性強(qiáng)于遺傳算法，且本文提出的模型以及采用的啟發(fā)式算法可以有效解決井場(chǎng)上新能源消納率問(wèn)題，對(duì)新能源出力和抽油機(jī)井群的周期性用能具有良好的應(yīng)用效果。
通訊作者簡(jiǎn)介:
檀朝東，男，博士，教授，正高級(jí)工程師，博士生導(dǎo)師?，F(xiàn)在中國(guó)石油大學(xué)（北京）人工智能學(xué)院教師，主要從事檢測(cè)技術(shù)與自動(dòng)化裝置、數(shù)據(jù)驅(qū)動(dòng)理論與方法等研究，致力于低碳智能油氣田、油氣生產(chǎn)物聯(lián)網(wǎng)大數(shù)據(jù)和油氣舉升設(shè)備故障診斷的關(guān)鍵核心技術(shù)研究及應(yīng)用。