石油開采注醇路線優化現狀與研究

文|孟雅蕾 劉天時

石油開采注醇路線優化現狀與研究

文|孟雅蕾 劉天時

為降低石油開采的注醇成本，提高低滲透氣田的開發效益，在石油開采中出現了諸多注醇路線優化方法。本文在總結收益比的基礎上，研究一種改進的人工蜂群算法來優化注醇路線。結果表明，該方法可以很好的優化注醇路線，對提高低滲透氣田的開發效益具有一定參考價值。

鄂爾多斯盆地廣泛分布著一些低孔、低滲、低豐度的“三低”氣田。由于該類氣田中氣井井筒溫度和壓力變化速度較快，因此易于形成天然氣水合物。為降低開發成本，提高開發效益。近年來，氣田大力改進注醇工藝，變注醇管線為注醇工程車機動注醇。但各低產井分散于氣田各部且距離較大，以往注醇車所走的路線并不是注醇井間的最短路徑，因此注醇路線的優化對提高低滲透氣田的開發效益具有重要的意義。

為降低注醇成本，提高低滲透氣田的開發效益，本文提出一種改進人工蜂群算法來優化注醇路線。針對傳統ABC算法收斂速度慢，容易陷入局部最優等問題，通過引入角色轉化機制來討論跟隨蜂的路徑選擇機制和鄰域搜索策略，再將改進的ABC算法應用于注醇路線優化，求出遍歷所有注醇井間的最短路徑。

人工蜂群算法

工蜂群(ABC,Artificial Bee Colony)算法在2005年由Karaboga等人提出，該算法在模仿蜂群覓食自組織行為的基礎上建立，是一種優化多變量連續函數的非數值優化方法，近年來很多學者利用ABC算法來解決組合優化問題。ABC算法有2個重要的組成部分：蜜源和蜂群，而蜂群又分為偵察蜂、跟隨蜂、引領蜂，有3種基本的行為模式：搜索蜜源、為蜜源招募、放棄蜜源。

假設ABC算法在 維解空間中有 個可行解。ABC算法中偵察蜂和跟隨蜂的食物源更新公式如下：

跟隨蜂和偵察蜂在蜜源更新后會根據適應度來確定新蜜源，蜜源的適應度越高，被選擇的概率就越大，蜜源的選擇概率如下：

其中，pi代表第i個蜜源被選擇的概率，SN為蜜源的總數，fiti是適應度，fi是被優化問題的目標函數值。

當采蜜工作的進行到后期，蜜源的豐富度逐漸降低，蜜源很可能會出現枯竭的現象，因此，需要對蜜源的采集次數進行限制，來防止蜜源枯竭的現象發生。規定算法中蜜源的最大采集次數為Limit ，當同一蜜源被采集了Limit 次后，蜜源的適應度將變得很低。若周圍搜索沒有找到比此蜜源適應度更高的蜜源則放棄此蜜源，在整個解空間中隨機產生一個新的蜜源，引領蜂將變為偵察蜂去尋找新的蜜源，產生新蜜源的公式如下：其中，標示第i個解的第j 維分量表示優化參數j 決定的食物源質量的最小值，表示優化參數j 決定的食物源質量的最大值，即上界與下界。

改進的人工蜂群算法

角色轉換機制。隨機產生新的蜜源后，偵察蜂根據收益比進行角色轉換，加速算法收斂。收益比是偵察蜂找到新蜜源的質量與所有偵察蜂尋找到蜜源質量的比值，收益比越大則偵察蜂尋找到的蜜源就越優，收益比r 的計算公式如下：

其中，g 是偵察蜂的總數；is 標識當前是哪一只偵察蜂；表示第is 個偵察蜂所找到的蜜源的質量；l 指該偵察蜂未走過的節點個數；dij為蜜源i 到蜜源j的距離。若r≥0.5，則此偵察蜂轉變為引領蜂，否則繼續偵查，0.5為闕值[8]。

路徑選擇。偵察蜂在發現新的蜜源后會返回到蜂巢內的舞蹈區，將蜜源的相關信息，蜜源的適應度告訴跟隨蜂。跟隨蜂再根據蜜源的適應度選擇是否跟隨這只偵察蜂去采蜜。本文根據蟻群優化的信息素更新策略對公式（2）、（3）做出如下改進，使算法收斂到較好的蜜源上。被選擇概率的計算公式如下：其中，適應度fiti的計算公式如下：其中，dij為蜜源i到蜜源j 的距離，距離越短被選擇的可能性越大；a 和是用來控制信息和距離的參數；ρij是蜜源i 到蜜源j 的信息值，計算公式如下：

跟隨蜂的信息值計算分為兩種：①可選擇的路徑包含引領蜂走過的道路。若選擇引領蜂走過的道路，則此時的信息值ρij=γ；若不選擇引領蜂走過的道路，則其中，l為集合的元素數目，表示蜜蜂未走過的節點個數；表示引領蜂的引導性強弱，其中Q為引領常數，LK為第k只蜜蜂在本次迭代中所走過的路徑長度。②可選擇路徑不含引領蜂走過道路。此時，l 同樣指蜜蜂未走過的節點個數。

跟隨蜂的鄰域搜索策略。在原始的ABC算法中，跟隨蜂階段執行與偵察蜂階段相同的搜索策略，雖然全局搜索能力相對良好，但局部搜索能力相對偏弱。因此，本文根據當前局部最優解制定跟隨蜂的鄰域搜索策略，幫助蜂群跳出局部最優。隨機選取每一代當前解中的p%個解，這些解中的最優解best 在某種程度上可以起到平衡全局搜索能力和局部開發能力的作用，跟隨蜂的鄰域搜索公式如下：

注醇路線優化

優化過程：

Step1 初始化所有的參數：蜂群的數量N、最大采集次數Limit 、最大迭代次數Cycle 、蜜源Foods ，優化前的初始路線等。

Step2 初始時刻所有蜜蜂都是偵察蜂，根據式產生新的蜜源位置。

Step3 根據式（5）計算新蜜源的收益比，偵察蜂進行角色轉換。

Step4 跟隨蜂根據式（6）、式（7）、式（8）選擇要跟隨的引領蜂，并依據式（9）進行鄰域搜索。若搜索到的新蜜源的收益大于原來的蜜源，則取代舊的蜜源。

Step5 若蜜源的訪問次數Trail＞Limit，則引領蜂和跟隨蜂舍棄本蜜源，其中引領蜂轉變為偵察蜂，進行隨機搜索，新的蜜源位置由式（4）計算可得；否則保留本蜜源。

Step6 如果迭代次數達到Cycle ，則停止運行程序，輸出優化后的路線，否則跳轉至Step2。

優化結果：

采用傳統的ABC算法優化后的注醇路線長度為315．72km，而采用本文算法優化后的注醇路線長度為287．45km，注醇路線的長度縮短了8．95%。傳統的ABC算法的迭代次數為345次，而改進后的ABC算法的迭代次數下降到310次。

本文研究了一種改進的ABC算法來優化注醇路線。改進的ABC算法引入角色轉換機制，突顯引領蜂的精英作用，保持優良的蜜源；路徑選擇機制和鄰域搜索策略則加速算法的收斂速度并且幫助算法跳出局部最優。實驗結果表明，該算法可以很好的實現注醇路線優化，降低了注醇的成本，提高了低滲透氣田的開發效益。

西安石油大學計算機學院）