中文题目：抽油机井群生产井场的风光储容量配置优化

论文题目：Capacity configuration optimization of wind-solar-storage systems for oil well groups at drilling sites

录用期刊/会议：综合智慧能源（中文核心期刊）

原文链接：http://link.cnki.net/urlid/41.1461.TK.20250120.1138.002

录用/见刊时间：2025.01

作者列表：

1） 景霖茹 中国天天色天天（北京）人工智能学院 控制工程 硕23

2） 檀朝东 中国天天色天天（北京）人工智能学院 自动化系教授

3） 陈培堯 中国石油长庆油田分公司油气工艺研究院

4） 冯　钢 西安中控天地科技开发有限公司

5） 汪　俊 中国天天色天天（北京）人工智能学院 控制科学与工程 博24

6） 刘　斌 中国天天色天天（北京）人工智能学院 自动化系特任岗位副教授

文章简介:

本文以新能源+井场微网系统中风机、光伏板和储能电池的总投资成本最低为目标函数，建立了基于井场抽油机负荷的风光储容量配置优化模型，采用人工蜂群算法进行求解并加以对比验证。

摘要:

针对风光发电和抽油机井场用电不确定性造成的电量供需不平衡和新能源消纳率低下的问题,开展了抽油机井群风光储多能互补系统的容量配置优化模型研究。建立了凤机光出力、伏板出力、蓄电池充放电模型和抽油机井群生产用能模型。以总投资成本为目标函效,以新能源消纳率为约束条件,建立了风光储容量配置优化模型和求解算法:并以某井场为例,设计了抽油机井群生产井场的风光储容量配置方案。研究及实例分析表明:提出的容量配置优化模型和启发性算法可以实现抽油机井群场多能微网中的各能源的容量配置优化,能够在考虑系统经济性的基础上,有效提高井场上的新能源消纳率,消纳率可达86.15%,且对新能源的出力和周期性用能的波动具有较好的应用效果。

背景与动机:

由于风光等新能源发电具有间歇性、波动性和不稳定性，新能源在油气行业的消纳能力不足，供能不稳定，生产经济性和可靠性欠佳。源网荷储一体化的建设主要是为解决新能源的消纳力问题采用的规模化发展手段，需要在保证系统可再生能源消纳能力的前提下兼顾系统的经济性，对微网中的能源生产设备、能源转换设备、储能设备进行选型定容的设计。

主要内容:

本文首先构建了基于抽油机井群的风光储微网系统结构与供能侧、负荷侧的数学模型，然后建立了基于抽油机井群连续工作状态下负荷情况的风光储容量配置优化模型，最后采用人工蜂群算法进行模型求解，并用遗传算法进行对比验证。

本研究系统结构如图1所示，供能侧为风机、光伏板和储能电池，用能侧为抽油机井群，由决策器控制电能供给从而构成一个独立的微网系统。

 

图1 基于抽油机井群的风光储系统结构

研究考虑建设项目的整体经济性，选取风机、光伏板和储能电池的总投资成本为目标函数，将功率平衡、新能源消纳率、风光储设备装机容量、储能电池充放电功率及其荷电状态SOC等纳入约束条件，优化目标如下：

 

 

 

 

针对风光出力和抽油机负荷的不确定性，采取全局寻优能力较强的人工蜂群（Artificial Bee Colony，ABC）算法进行求解，但ABC算法的收敛速度较慢，对参数设置的敏感性较高。因此选择用GA进行对比验证。

实验结果及分析:

以某井场的7口抽油机连续工作状态下的负荷情况为容量优化配置的对象，考虑抽油机井群不确定性负荷特征和风光出力的随机性，进行基于历史数据和考虑不确定性的两种容量配置优化方案，用人工蜂群算法优化求解后利用遗传算法进行二次求解做对比，验证提出的模型和人工蜂群算法在风光储容量配置优化上的有效性和合理性。

表1为基于历史数据的两种算法下风光储容量求解结果。

表2为考虑不确定性的两种算法下风光储容量求解结果。

图2为基于人工蜂群算法求解的考虑不确定性典型日风光储系统出力和负荷需求状态图。

表 1 两种算法求解结果对比

 

表 2 考虑不确定性后两种算法求解结果对比

 

 

图2 考虑不确定性的风光储系统典型日出力与负荷需求

结合表1和表2中的四种求解结果，可知人工蜂群算法优于遗传算法，验证了人工蜂群算法的有效性，考虑风光出力和抽油机井群负荷的不确定性，为了使风光储微网系统具有良好的应用效果，选取表2中的人工蜂群算法配置优化结果。

在现场实际生产中，抽油机井群的工作模式除连续工作外，还有间抽模式，间抽模式下的抽油机井群工作能耗整体低于连续工作情况下的能耗，因此该容量配置优化结果同样满足间抽模式下的井场生产用电，具有广泛的适用性。

结论:

本文研究了新能源发电的特点，特别是风光储微网系统在井场抽油机井群负荷下的应用。通过对井场负荷的不确定性分析，探讨了风光发电和负荷用电的不确定性会造成井场上的电量供用不匹配，使得新能源消纳率低下。建立了容量配置优化模型，选用人工蜂群算法对风光储微网系统容量进行配置优化，并用遗传算法进行二次求解对比证明人工蜂群算法的有效性。优化结果表明，人工蜂群算法的寻优性强于遗传算法，且本文提出的模型以及采用的启发式算法可以有效解决井场上新能源消纳率问题，对新能源出力和抽油机井群的周期性用能具有良好的应用效果。

通讯作者简介:

檀朝东，男，博士，教授，正高级工程师，博士生导师。现在中国天天色天天（北京）人工智能学院教师，主要从事检测技术与自动化装置、数据驱动理论与方法等研究，致力于低碳智能油气田、油气生产物联网大数据和油气举升设备故障诊断的关键核心技术研究及应用。