冯中申(辽河油田兴隆台采油厂,辽宁 盘锦 124010)
基于鱼群算法优化LSSVM的有杆泵抽油井油液含水率软测量建模
冯中申(辽河油田兴隆台采油厂,辽宁 盘锦 124010)
油液含水率是有杆泵抽油井的一个关键生产参数,现有测量方法存在检测周期长、时效性差以及劳动强度大等问题。对此,本文提出一种基于人工鱼群算法优化LSSVM的有杆泵抽油井油液含水率软测量方法。首先由LSSVM方法建立软测量模型,然后,对其中的关键参数γ和s2,采用人工鱼群算法进行优化选择。由一口抽油井的实际生产数据验证了本文所提出方法的有效性。
鱼群算法;优化LSSVM;有杆泵抽;软测量
油液含水率是有杆泵抽油井的一个重要生产参数,是评价油井生产效率的重要指标,不仅反映油井的工作寿命,还关系到企业的生产效益。因此,实现油液含水率的准确测量,不仅对评价地下油藏的开发价值有重要作用,还对制定合理的油井生产措施具有重要的意义。目前油田生产中对于油液含水率的测量,一般采用人工取样化验的方法,首先由现场工人采集井口油液,然后提交给化验部门进行分析,一般耗费至少一天的时间。传统的人工检测方法检测周期长、时效性差以及劳动强度大,并且无法及时获知油井生产状况以进一步调整生产措施。
软测量技术由Brosilow等于1978年提出[1],针对某些难以测量或者暂时不易测量的重要变量,选择另外若干较易测量的辅助变量,通过构造某种数学关系建立它们之间的联系,实现软件代替硬件的功能。本文采用软测量技术实现有杆泵抽油井油液含水率的软测量,采用最小二乘支持向量机[2](LSSVM)建立软测量模型,对其中的正则化参数γ和高斯核参数s2采用人工鱼群(AFSA)算法进行优化选择。
其中,Φ为高维特征空间,w为高维空间的向量,b∈R。根据结构风险最小化原则,有如下优化问题:
其中,γ为正则化参数,e为松弛因子。建立拉格朗日等式,上述约束优化问题转化为:
其中,αi(i=1,2,…,l)为拉格朗日乘子。可以得到:
其中,K(xi,xj)=ΦT(xi)Φ(xj)为核函数。采用最小二乘法求解式(4),得到决策函数:
对于核函数的选择,本文采用高斯核函数。
人工鱼群算法是根据鱼群觅食行为所制定的优化策略,具有受初始值影响小、搜索速度快等特点。人工鱼群的行为如下:
(1)觅食行为
设人工鱼个体的当前状态为xi,下一状态为xj,Y表示人工鱼当前位置的食物浓度,觅食行为的数学表达式为:
其中,rand1和rand2为[0,1]内的随机数,S为移动步长。
(2)聚群行为
假设人工鱼当前状态为xi,同伴数目nf,其中间位置定义为:
如果有Yc/nf>δYi,则向中间位置前进一步,步长为S;否则返回觅食行为。
(3)追尾行为
假设人工鱼当前状态为xi,考查邻域内人工鱼同伴的Yj,设xmax是最大的人工鱼同伴以及最大的Ymax,如果有Ymax/nf>δYi,则向中间位置前进一步,步长为S;否则返回觅食行为。
(4)公告板
记录最优人工鱼的个体状态,如果当前状态为最佳,则更新公告板种状态;否则,状态不变。寻优结束后,公告板状态即为最优解。
采集国内某油田作业区一口抽油井的300组生产数据进行仿真验证,随机选取250组数据训练软测量模型,剩余50组数据作为测试样本。选择上下冲程平均载荷差、冲次、冲程、产液量、井口油压和套压作为辅助变量。
针对传统有杆泵抽油井油液含水率测量方法中所存在的检测周期长、时效性差以及劳动强度大等问题,本文提出了一种基于鱼群算法优化LSSVM的软测量方法,根据LSSVM方法建立软测量模型,采用人工鱼群算法优化其中的关键参数,实际数据验证了本文所提出方法的有效性。
[1]Joseph B,Brosilow C.Inferentail control of processes(I): steady state analysis and design[J].AIChE Journal,1978,24(3): 485-492.
[2]Suykens J A K,Vandewalle J.Least squares support vector machine classifiers[J].Neural Processing Letters,1999,9(3):293-300.
[3]李翔宇,高宪文,李琨,等.鱼群算法优化组合核函数GPR的油井动液面预测[J].东北大学学报:自然科学版,2017,38(1):11-15.