抽油機井群生產井場的風光儲容量配置優化
中文題目：抽油機井群生產井場的風光儲容量配置優化
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/見刊時間：2025.01
作者列表：
1） 景霖茹 中國石油大學（北京）人工智能學院 控制工程 碩23
2） 檀朝東 中國石油大學（北京）人工智能學院 自動化系教授
3） 陳培堯 中國石油長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發有限公司
5） 汪 俊 中國石油大學（北京）人工智能學院 控制科學與工程 博24
6） 劉 斌 中國石油大學（北京）人工智能學院 自動化系特任崗位副教授
文章簡介:
本文以新能源+井場微網系統中風機、光伏板和儲能電池的總投資成本最低為目標函數，建立了基于井場抽油機負荷的風光儲容量配置優化模型，采用人工蜂群算法進行求解并加以對比驗證。
摘要:
針對風光發電和抽油機井場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題,開展了抽油機井群風光儲多能互補系統的容量配置優化模型研究。建立了鳳機光出力、伏板出力、蓄電池充放電模型和抽油機井群生產用能模型。以總投資成本為目標函效,以新能源消納率為約束條件,建立了風光儲容量配置優化模型和求解算法:并以某井場為例,設計了抽油機井群生產井場的風光儲容量配置方案。研究及實例分析表明:提出的容量配置優化模型和啟發性算法可以實現抽油機井群場多能微網中的各能源的容量配置優化,能夠在考慮系統經濟性的基礎上,有效提高井場上的新能源消納率,消納率可達86.15%,且對新能源的出力和周期性用能的波動具有較好的應用效果。
背景與動機:
由于風光等新能源發電具有間歇性、波動性和不穩定性，新能源在油氣行業的消納能力不足，供能不穩定，生產經濟性和可靠性欠佳。源網荷儲一體化的建設主要是為解決新能源的消納力問題采用的規模化發展手段，需要在保證系統可再生能源消納能力的前提下兼顧系統的經濟性，對微網中的能源生產設備、能源轉換設備、儲能設備進行選型定容的設計。
主要內容:
本文首先構建了基于抽油機井群的風光儲微網系統結構與供能側、負荷側的數學模型，然后建立了基于抽油機井群連續工作狀態下負荷情況的風光儲容量配置優化模型，最后采用人工蜂群算法進行模型求解，并用遺傳算法進行對比驗證。
本研究系統結構如圖1所示，供能側為風機、光伏板和儲能電池，用能側為抽油機井群，由決策器控制電能供給從而構成一個獨立的微網系統。
圖1 基于抽油機井群的風光儲系統結構
研究考慮建設項目的整體經濟性，選取風機、光伏板和儲能電池的總投資成本為目標函數，將功率平衡、新能源消納率、風光儲設備裝機容量、儲能電池充放電功率及其荷電狀態SOC等納入約束條件，優化目標如下：
針對風光出力和抽油機負荷的不確定性，采取全局尋優能力較強的人工蜂群（Artificial Bee Colony，ABC）算法進行求解，但ABC算法的收斂速度較慢，對參數設置的敏感性較高。因此選擇用GA進行對比驗證。
實驗結果及分析:
以某井場的7口抽油機連續工作狀態下的負荷情況為容量優化配置的對象，考慮抽油機井群不確定性負荷特征和風光出力的隨機性，進行基于歷史數據和考慮不確定性的兩種容量配置優化方案，用人工蜂群算法優化求解后利用遺傳算法進行二次求解做對比，驗證提出的模型和人工蜂群算法在風光儲容量配置優化上的有效性和合理性。
表1為基于歷史數據的兩種算法下風光儲容量求解結果。
表2為考慮不確定性的兩種算法下風光儲容量求解結果。
圖2為基于人工蜂群算法求解的考慮不確定性典型日風光儲系統出力和負荷需求狀態圖。
表 1 兩種算法求解結果對比
表 2 考慮不確定性后兩種算法求解結果對比
圖2 考慮不確定性的風光儲系統典型日出力與負荷需求
結合表1和表2中的四種求解結果，可知人工蜂群算法優于遺傳算法，驗證了人工蜂群算法的有效性，考慮風光出力和抽油機井群負荷的不確定性，為了使風光儲微網系統具有良好的應用效果，選取表2中的人工蜂群算法配置優化結果。
在現場實際生產中，抽油機井群的工作模式除連續工作外，還有間抽模式，間抽模式下的抽油機井群工作能耗整體低于連續工作情況下的能耗，因此該容量配置優化結果同樣滿足間抽模式下的井場生產用電，具有廣泛的適用性。
結論:
本文研究了新能源發電的特點，特別是風光儲微網系統在井場抽油機井群負荷下的應用。通過對井場負荷的不確定性分析，探討了風光發電和負荷用電的不確定性會造成井場上的電量供用不匹配，使得新能源消納率低下。建立了容量配置優化模型，選用人工蜂群算法對風光儲微網系統容量進行配置優化，并用遺傳算法進行二次求解對比證明人工蜂群算法的有效性。優化結果表明，人工蜂群算法的尋優性強于遺傳算法，且本文提出的模型以及采用的啟發式算法可以有效解決井場上新能源消納率問題，對新能源出力和抽油機井群的周期性用能具有良好的應用效果。
通訊作者簡介:
檀朝東，男，博士，教授，正高級工程師，博士生導師?，F在中國石油大學（北京）人工智能學院教師，主要從事檢測技術與自動化裝置、數據驅動理論與方法等研究，致力于低碳智能油氣田、油氣生產物聯網大數據和油氣舉升設備故障診斷的關鍵核心技術研究及應用。