基于多目標粒子群算法的分層注聚流線形閥芯結構優化

摘" 要：在分層注聚過程中，滿足分層配壓的同時降低聚合物溶液的黏度損失，是困擾配注器節流閥芯結構優化設計的難題。以流線形閥芯為研究對象，通過數值模擬驗證了流線形閥芯的調壓與黏損機理。以節流壓差與平均剪切速率為性能指標，采用Plackett-Burman試驗分析結構因素的顯著性，利用響應面法構建其與響應值的回歸模型。結合多目標粒子群優化算法和熵權法，確定了流線形閥芯的最優結構參數。研究結果表明，外徑、槽間距和后槽間角是影響節流壓差和平均剪切速率的顯著因素。節流壓差和平均剪切速率的指標權重分別為0.502 2和0.497 8。優化后流線形閥芯的外徑為18 mm、槽間距為12 mm、前槽間角為35°以及后槽間角為45°，對應的節流壓差和平均剪切速率分別為45.68 kPa和1 731.32 s-1。與優化前相比，節流壓差提高2.33%，平均剪切速率降低1.87%，流線形閥芯的應用性能得到提高。研究成果為提升分層注聚技術中配注裝置的應用性能提供了理論支撐，有助于推動油田的高效開發。

關鍵詞：分層注聚；流線形閥芯；結構優化；響應面法；多目標粒子群優化算法

中圖分類號：TE934.1" " " " "文獻標志碼：A" " " doi：10.3969/j.issn.1001-3482.2025.02.007

Structural Optimization of Streamlined Valve Core in Layered Polymer Injection Based on Multi-Objective Particle Swarm Optimization Algorithm

ZHANG Shifan 1， JIA Deli 2， GONG Bin 1，3

（1.School of Future Technology， China University of Geosciences， Wuhan 430074， China;2.PetroChina Research Institute of Petroleum Exploration amp; Development， Beijing 100083， China;3.Key Laboratory of Theory and Technology of Petroleum Exploration and Development in Hubei Province， China University of Geosciences， Wuhan 430074， China）

Abstract： Meeting the requirements of layered pressure distribution while reducing the viscosity loss of the polymer solution is a bottleneck problem that plagues the optimal design of streamlined valve core structures in layered polymer injection. The pressure control and viscosity loss mechanism of the streamlined valve core was verified by numerical simulation. The throttling pressure difference and average shear rate were used as performance indicators， the Plackett-Burman test was used to analyze the significance of structural factors， and the response surface method was used to construct a regression model between them and the response value. The optimal structural parameters of the valve core were determined by combining the multi-objective particle swarm optimization algorithm and the entropy weight method. The results show that the outer diameter， groove spacing， and back groove angle are significant factors affecting the throttling pressure difference and average shear rate. The index weights of throttling pressure difference and average shear rate are 0.502 2 and 0.497 8， respectively. After optimization， the outer diameter is 18 mm， the groove pitch is 12 mm， the front groove angle is 35°， and the rear groove angle is 45° of the streamlined valve core. The corresponding throttling pressure difference and average shear rate are 45.68 kPa and 1 731.32 s-1， respectively. Compared with before optimization， the throttling pressure difference increases by 2.33% and the average shear rate decreases by 1.87%. The overall application performance of the valve core is improved. The research results provide theoretical support for improving the application performance of injection devices in layered polymer injection and promote the efficient development of oil fields.

Key words： layered polymer injection; streamlined valve core; structural optimization; response surface method; multi-objective particle swarm optimization algorithm

隨著油田的持續開發，國內油田逐漸步入開發中、后期。在二次開采過程中，常用的注水驅油技術致使油田含水率高達90%以上，使得油藏剩余油氣資源無法繼續被有效開采［1-3］。近年來以熱力驅［4-5］、注氣驅［6-7］、化學驅［8-9］為主的三次采油技術不斷涌現。聚合物驅油作為化學驅油技術中的一項，因其適用于我國陸相非均質油藏、成本相對較低，且相較于其他化學劑驅油對環境污染較小等優勢，已在大慶、勝利等油田得到推廣應用［10-11］。然而，由于聚合物溶液屬于典型的非牛頓流體，其高分子鏈在剪切拉伸作用下易發生機械降解，造成黏度損失，影響驅油效果，降低原油采收率［12-13］。

分層注水技術經過60多年的發展，形成了以固定式、鋼絲投撈式、電纜測調式、數字式為代表的第四代分層注水技術［14-16］，在提高水驅采收率、支撐油田持續高產穩產等方面發揮了重要作用。分層注聚技術也隨之得到快速發展［17］。在分層注聚系統中，配注器阻流段的節流閥芯不但是調節各層段間注入流量的關鍵部件，同時也是造成聚合物溶液因機械降解而黏度損失的重要部位，其結構設計直接影響了聚合物溶液的驅油效果［18］。為了降低節流閥芯造成的聚合物溶液黏度損失，已提出了不同類型節流閥芯的結構設計，包括梭形桿閥芯、錐狀形梭形桿閥芯以及流線形閥芯等［19-20］。相比之下，流線形閥芯在分層配壓與降低聚合物溶液的黏度損失方面更具優勢［21-22］。然而，在符合現場實際應用情況條件下，滿足分層配壓的同時盡可能降低聚合物溶液的黏度損失，實現流線形閥芯的性能平衡，仍是困擾該類閥芯結構優化設計的難題［23］。

本文通過數值模擬方法對流線形閥芯流場的壓力與速度分布進行分析，驗證閥芯的調壓與黏損機理。以節流壓差和平均剪切速率作為性能指標，利用Plackett-Burman試驗方法對流線形閥芯的結構因素進行顯著性分析，并采用響應面方法建立顯著因素與響應值的回歸模型。以“高節流壓差，低平均剪切速率”為優化目標，在回歸模型的基礎上，通過多目標粒子群優化算法與熵權法對流線形閥芯結構進行優化，獲取最優結構參數，提升流線形閥芯的現場應用性能。

1 仿真模型建立

1.1 仿真計算

建立流線形閥芯（3個降壓槽）與閥芯流道的物理模型，如圖1所示。圖1中：D為閥芯外徑，mm；L為槽間距，mm；α為前槽間角，（°）；β為后槽間角，（°）。假設流場處在等溫環境中，由于RNG k-ε模型對閥芯流場中的流動分離、渦流和二次流動具有較高的計算精度，因此選擇其作為湍動能方程，并與連續性方程式（1）和動量方程式（2）耦合后求解［24-26］。

模型網格劃分中，由于流線形閥芯流體域模型為軸對稱結構，故只取模型軸對稱面作為二維網格劃分對象，以減少計算量。以網格質量參數Skewness作為評價指標，Skewness最大值為0.52，網格質量得到保證。邊界條件設置中，入口面設置為Velocity-inlet，出口面設置為Pressure-outlet，其余面設置為Wall，并采用非平衡壁面函數。求解方法選擇，壓力-速度耦合，方法選用Simplec，采用 Least squares cell計算梯度，湍流動能和湍流耗散率采用Second order upwind。以上設置旨在提高計算的精度和穩定性。

1.2 仿真分析

流線形閥芯流場壓力沿閥芯長度變化的曲線如圖2所示。閥芯流場壓力呈現“上下浮動型”下降，節流壓差為44.64 kPa。結合圖2中閥芯流場壓力與速度分布云圖可知，聚合物溶液從閥芯最大環隙流至最小環隙的過程中，環隙寬度逐漸減小，流體速度增大到最大值6.77 m/s，導致壓力下降。隨后流體從閥芯最小環隙流至最大環隙的過程中，環隙寬度逐漸增大，流體速度減小，導致壓力有小幅度上升。整個過程速度與壓力變化符合伯努利原理。

由圖2中閥芯流場速度分布云圖可知，流體在閥芯環隙內會產生渦旋區域，與從最小環隙處流入流體發生內摩擦，導致流體受到剪切作用。同時，發現圖2中流體的剪切速率在25～1.53×105 s-1范圍內，隨著流體從閥芯最大環隙向最小環隙流動的過程中，由于流體速度增大，流體與環隙壁面附近產生的剪切作用也會增強，且主要集中于最小環隙處。這些剪切作用是造成聚合物溶液黏度損失的主要原因。上述研究驗證了孫大興［27］關于節流閥芯調壓與黏損機理的研究結果。

流線形閥芯環隙寬度的變化會改變流體速度，從而導致流體的節流壓差與受到的剪切作用發生相同趨勢的變化。然而實際現場應用中需要在滿足高節流壓差的同時盡可能減小受到的剪切作用，兩個指標變化趨勢的一致性與設計要求相矛盾，故需平衡兩指標的性能，尋找最優化的流線形閥芯結構。

2 Plackett-Burman試驗

設計次數為12的Plackett-Burman試驗，探究流線形閥芯結構的外徑、槽間距、前槽間角和后槽間角4個因素對節流壓差和聚合物溶液黏度損失的影響。由于平均剪切速率反映了聚合物溶液流經降壓槽時受到的剪切作用程度，可采用平均剪切速率表征聚合物溶液的黏度損失［25］，如表1所示。

Plackett-Burman試驗結果如表2所示，采用Lenth法識別顯著效應［28-29］，得到因素標準化效應的Pareto圖，如圖3所示。由圖3a可看出，外徑和后槽間角對節流壓差的影響效果顯著（t值＞2.364 62）；由圖3b可看出，外徑和槽間距對平均剪切速率的影響效果顯著（t值＞2.364 62）。考慮到響應面試驗中考察因素超過3個會使試驗次數顯著增加（3個因素為17次處理，4個因素為27次處理），因此本試驗兼顧顯著因素對節流壓差和平均剪切速率的影響，以外徑、槽間距及后槽間角作為響應面試驗的考慮因素。

3 響應面試驗

Box-Behnken是一種常用的響應面設計方法［30］，利用其設計3因素3水平試驗，共設計17組試驗。以外徑、槽間距和后槽間角為影響因素，節流壓差與平均剪切速率為響應值，試驗變量及水平如表3所示。

回歸模型的方差分析結果如表5所示。節流壓差與平均剪切速率模型均極顯著（Plt; 0.000 1），模型相關系數分別為0.999 9和1.000 0，模型校正系數分別為0.999 8和1.000 0，表明模型擬合度好，可利用此模型對節流壓差與平均剪切速率進行分析預測。根據A、B、D三個影響因素的F值判斷各因素對節流壓差與平均剪切速率的影響顯著程度，F值越大，影響作用越強［31］。影響因素對節流壓差的影響程度依次為外徑gt;后槽間角gt;槽間距，對平均剪切速率的影響程度依次為外徑gt;槽間距gt;后槽間角。

3.2 參數交互作用

各影響因素間交互作用對節流壓差與平均剪切速率的影響如圖4所示。響應面的斜率越大，影響因素的影響程度越大，表明節流壓差與平均剪切速率的效果越顯著［32］。由圖4a～4d可知，外徑與其他兩個影響因素交互作用的響應面斜率較大，說明外徑對節流壓差與平均剪切速率的影響較為顯著。由圖4e～4f可知，槽間距和后槽間角兩影響因素之間二元交互作用的響應面斜率較為平緩，說明兩影響因素之間二元交互耦合對節流壓差與平均剪切速率的影響較小。

3.3 回歸模型驗證

設計5組不同結構參數的流線型閥芯，并分別對其進行數值模擬與回歸模型預測，模擬與預測的節流壓差與平均剪切速率結果，如表6所示。結果表明，節流壓差與平均剪切速率的模擬值與預測值之間的相對誤差均小于1％，驗證了回歸模型的準確性和可靠性，可用于流線型閥芯結構的優化。

4 模型多目標優化

4.1 多目標粒子群優化方法

以節流壓差最大與平均剪切速率最小為優化目標，采用多目標粒子群優化算法對流線型閥芯結構進行優化。該算法的基本思想是通過模擬鳥群的行為，在解空間中搜索潛在解。每個解被表示為一個粒子，粒子根據其當前位置和速度進行更新，并通過與其他粒子進行比較來調整其移動方向，以尋找更好的解［33］。與傳統的粒子群優化算法［34］不同，多目標粒子群優化算法在每一代中維護一個帕累托前沿的種群，并通過多樣性保持機制來確保種群的多樣性。

多目標粒子群算法得到的Pareto前沿，是由100個非支配Pareto最優解組成的點集，如圖5所示。Pareto前沿對應的流線型閥芯結構參數，如表7所示。隨著節流壓差增大，平均剪切速率也隨之增大。當外徑、槽間距、前槽間角、后槽間角分別為17 mm、11.99 mm、35°、43.01°時，節流壓差為26.59 kPa，平均剪切速率達到最小值1 483.40 s-1。雖然平均剪切速率達到最小值，但節流壓差卻相對較小。為了平衡兩項指標之間的矛盾，采用熵權法計算出節流壓差和平均剪切速率的指標權重分別為0.502 2和0.497 8，線性加權求和得到最高綜合性能得分為0.502 2，此時外徑、槽間距、前槽間角、后槽間角分別為18 mm、12 mm、35°、45°，對應的節流壓差和平均剪切速率分別為45.56 kPa和1 731.11 s-1。通過數值模擬得到最優流線型閥芯結構下的節流壓差和平均剪切速率分別為45.68 kPa和1 731.32 s-1，與算法優化得到的結果相比，節流壓差和平均剪切速率的相對誤差分別

為0.26%和0.01%，進一步證實了算法優化結果的準確性。

優化前后流線型閥芯流場壓力與速度分布云圖如圖6所示。優化后流線型閥芯的槽間距增大，聚合物溶液流經環隙的路徑更長，能量損失更多，節流壓差由44.64 kPa增至45.68 kPa，閥芯的降壓能力提高2.33%。同時，還可觀察到閥芯環隙處渦旋區域面積明顯減小，流入流體與渦旋區域之間的摩擦剪切作用減弱。閥芯流道內流體速度與剪切速率也整體減小，流體受到集中于壁面附近的剪切作用減弱。綜合流體平均剪切速率由1 764.29 s-1降至1 731.32 s-1，降低1.87%，表明優化后聚合物溶液的黏度損失有所減小。上述結果驗證了優化后流線型閥芯的應用性能得到提高。

5 結論

以節流壓差與平均剪切速率為性能指標，結合響應面法和多目標粒子群算法對流線形閥芯結構進行了優化，提高了閥芯的降壓和降黏損性能。研究結論如下：

1） 外徑、槽間距和后槽間角是顯著影響節流壓差與平均剪切速率的因素，對節流壓差的影響程度依次為外徑gt;后槽間角gt;槽間距，對平均剪切速率的影響程度依次為外徑gt;槽間距gt;后槽間角。

2） 節流壓差與平均剪切速率回歸模型的相關系數分別為0.999 9和1.000 0，校正后相關系數分別為0.999 8和1.000 0，模型擬合效果較好。設計5組不同結構參數的流線形閥芯，模擬值與預測值之間的相對誤差均小于1％，驗證了回歸模型的準確性和可靠性。

3） 節流壓差和平均剪切速率的指標權重分別為0.502 2和0.497 8，最高綜合得分為0.502 2時流線形閥芯結構最優。最優結構參數中外徑、槽間距、前槽間角、后槽間角分別為18 mm、12 mm、35°、45°，對應節流壓差為45.68 kPa，平均剪切速率為1 731.32 s-1。與優化前相比，節流壓差提高2.33%，平均剪切速率降低1.87%，流線形閥芯的應用性能得到提高。

參考文獻：

［1］ YUAN Shiyi，WANG Qiang. New progress and prospect of oilfields development technologies in China［J］.Petroleum Exploration and Development，2018，45（4）：698-711.

［2］ ZHENG Xinquan，SHI Junfeng，CAO Gang，et al.Progress and prospects of oil and gas production engineering technology in China［J］.Petroleum Exploration and Development，2022，49（3）：644-659.

［3］ SONG Zuchang，LIU Yang，ZHANG Yongtao，et al.Application of remote wireless intelligent layered water injection technology in Dagang oilfield［C］//Journal of Physics：Conference Series.IOP Publishing，2023，2594（1）：012074.

［4］ MOKHEIMER Esmail M A，HAMDY M， ABUBAKAR Zubairu，et al.A comprehensive review of thermal enhanced oil recovery：techniques evaluation［J］.Journal of Energy Resources Technology，2019，141（3）：030801.

［5］ DONG Xiaohu，LIU Huiqing，CHEN Zhangxin，et al.Enhanced oil recovery techniques for heavy oil and oilsands reservoirs after steam injection［J］.Applied Energy，2019，

239：1190-1211.

［6］ BAYAT" Mehdi，LASHKARBOLOOKI Mostafa，HEZAVE Ali Zeinolabedini，et al.Investigation of gas injection flooding performance as enhanced oil recovery method［J］.Journal of Natural Gas Science and Engineering，2016，29：37-45.

［7］ 袁士義，王強，李軍詩，等.注氣提高采收率技術進展及前景展望［J］.石油學報，2020，41（12）：1623-1632.

［8］ POGAKU Ravindra，MOHD FUAT Nur Hanisah，SAKAR S，et al.Polymer flooding and its combinations with other chemical injection methods in enhanced oil recovery［J］.Polymer Bulletin，2018，75：1753-1774.

［9］ POTHULA G K，VIJ R K，BERA A.An overview of chemical enhanced oil recovery and its status in India［J］.Petroleum Science，2023，20（4）：2305-2323.

［10］ GUO Hu， SONG Kaoping， LIU Shaopeng， et al.Recent advances in polymer flooding in China：lessons learned and continuing development ［J］. SPE Journal， 2021， 26（4）：2038-2052.

［11］ ZHU Youyi. Recent Progress in the Field Practice of Chemical Enhanced Oil Recovery Technologies in China［R］.World Petroleum Congress，2021：D031S002R002.

［12］ SKAUGE A，ZAMANI N，JACOBSEN J G，et al.Polymer flow in porous media：Relevance to enhanced oil recovery［J］.Colloids and Interfaces，2018，2（3）：27.

［13］ AL-SHAKRY B，SKAUGE T，SHIRAN B S，et al.Polymer injectivity：Investigation of mechanical degradation of enhanced oil recovery polymers using in-situ rheology［J］.Energies，2018，12（1）：49.

［14］ JIA Deli，ZHANG Jiqun，LI Yanchun，et al.Recent development of smart field deployment for mature waterflood reservoirs ［J］.Sustainability，2023，15（1）：784.

［15］ LIU He，PEI Xiaohan，JIA Deli，et al.Connotation，pplication and prospect of the fourth-generation separated layer water injection technology［J］. Petroleum exploration and development，2017，44（4）：668-614.

［16］ CHENG Hanlie，YANG Dong，LU Changsong，et al.Intelligent oil production stratified water injection technology［J］.Wireless Communications and Mobile Computing，2022：1-7.

［17］ WANG Yingying， GE Dangke， SONG Zuchang，et al. Research and Experiment on Supporting Technology of Cable-Controlled Intelligent Iayered Polymer Injection ［C］//International Field Exploration and Development Conference.Singapore：Springer Nature Singapore，2023：

4274-4284.

［18］ WANG Yingying，CHEN Jianguang，QIAO Zhixue，et al. Structural Optimization Design of Throttle Valve Core for Intelligent Layered Polymer Injection String Controlled By Cable［C］//Journal of Physics：Conference Series IOP Publishing，2023，2594（1）：012076.

［19］ HUANG Bin，HU Xinyu，FU Cheng，et al.Experimental and numerical simulation study on the flow characteristics and optimization of structural parameters of displacement agent in partial pressure tools ［J］.Energy Science amp; Engineering，2020，8（4）：1309-1329.

［20］ HUSVEG R，STOKKA M，HUSVEG T，et al.Field Testing a Low Shear Valve Suitable for Polymer Flooding in a Mother Solution Injection Scheme［C］//European Association of Geoscientists amp; Engineers，2021（1）：1-19.

［21］ 尤波，鄒天洋，賈德利.分層注聚節流閥芯結構優化設計［J］.哈爾濱理工大學學報，2017，22（5）：13-17.

［22］ 王晶.大慶油田二類油層聚合物驅分注工藝對比評價［J］.石油礦場機械，2015，44（5）：63-67.

［23］ CLARKE A，HOWE A M，MITCHELL J，et al.How viscoelastic-polymer flooding enhances displacement efficiency［J］.SPE Journal，2016，21（3）：675-687.

［24］ YANG Ting， HONG Yi， WANG Aijun， et al.Failure Mechanism and Optimization of Throttle Valve Based on Computational Fluid Dynamics［J］.International Journal of Heat amp; Technology，2021，39（3）：906-912.

［25］ 黃斌，徐德奎，蔡萌，等.基于正交試驗法和數值仿真的環形降壓槽結構優化［J］.數學的實踐與認識，2014，44（22）：96-102.

［26］ 韓文強，劉興斌，劉昭，等.聚合物驅分層注入井節流裝置的壓損規律研究［J］.石油機械，2023，51（12）：93-98.

［27］ 孫大興.油藏聚驅配注液的粘損機制及調配技術研究［D］.哈爾濱：哈爾濱工業大學，2020.

［28］ MCGRATH Richard N， XU Yuhang， TAYLOR Anna.Screening main and interaction effects in a Plackett-Burman" design［G］.Communications in Statistics-Simulation and Computation，2023：1-21.

［29］ 葛松濤，壽泉洪，韓文鳳，等.響應面法優化酸溶蛋白發酵工藝［J］.飼料工業，2023，44（13）：14-20.

［30］ ZHAO Guochao， ZHOU Guoqiang， WANG Hui， et al.Groove parameters optimization of rotary excitation control valve using computational fluid dynamics coupled with response surface method ［J］.Ain Shams Engineering Journal，2023，14（12）：102575.

［31］ KHALIL Ibrahim，AZIZ A Rashid A，YUSUP Suzana，et al.Response surface methodology for the optimization of the production of rubber seed/palm oil biodiesel，IDI diesel engine performance，and emissions［J］.Biomass Conversion and Biorefinery，2017，7：37-49.

［32］ WANG Xuexia， BU Xiangning， NI Chao， et al. Effect of scrubbing medium’s particle size on scrubbing flotation performance and mineralogical characteristics of microcrystalline graphite［J］.Minerals Engineering，2021，

163：106766.

［33］ MIRJALILI Seyedali， DONG Jinsong. Multi-objective Particle Swarm Optimization［G］. Multi-Objective Optimization using Artificial Intelligence Techniques，2020：21-36.

［34］ GAD A G.Particle swarm optimization algorithm and its applications：a systematic review［J］. Archives of computational methods in engineering，2022，29（5）：2531-2561.

［35］ ZHU Kongchao，ZHAO Yuan，XU Xin，et al. Measuring the natural gas supply security performance of China′s natural gas suppliers：A comprehensive framework using FAHP-Entropy-PROOTHEE method［J］. Journal of Cleaner Production，2022，345：131093.

（編輯：馬永剛）