基于组合赋权—改进TOPSIS的原油集输系统综合用能评价研究

何建林,梁月玖,成庆林,王 雪,于靖波,孙 巍

(1.东北石油大学 提高油气采收率教育部重点实验室,黑龙江 大庆 163318;2.中国石油天然气股份有限公司规划总院,北京 100083)

近年来,随着油气田产能规模扩大、原油含水率增高等因素影响,油气田能源消费总量和应用强度持续增加,能耗控制压力也刚性上升。而原油集输系统作为油气田地面工程的核心环节,其复杂的生产结构特点增加了高能耗依赖性,占据整体油田生产能耗的30%以上[1]。因此,有必要对原油集输系统的用能水平进行分析,合理评价用能情况,判断用能薄弱环节并提出相应的节能技改措施,对于促进油气田企业降本增效、实现“节能减排、低碳环保”的目标均具有重要意义。

目前,在对原油集输系统进行用能评价时,多采用单一的主观或客观评价方法,忽略了系统整体的评判结果,不能科学全面地分析系统整体用能水平。本文基于构建的集输系统用能评价体系,首先,将改进AHP(IAHP)法及熵权法有机融合进行组合赋权,得到系统评价指标的综合权重;其次,在传统TOPSIS评价法的基础上,引入灰色关联理论,采用灰色关联度替代欧氏距离,通过计算灰色关联相对贴近度,对集输系统用能水平进行综合评判。采用该综合评价法不仅能兼顾专家评判的主观臆断性及数据的客观性,在一定程度上实现各评价方法的优势互补,又考虑了各指标间的相互交叉作用,使整体评价结果更加科学合理,同时为更加客观真实地反映系统用能水平奠定理论基础。

1 集输系统用能评价体系构建

参考GB/T 33653—2017《油田生产系统能耗测试和计算方法》《油气田地面工程技术经济指标手册》等相关节能标准规范,并结合油田地面集输系统能耗构成特点,筛选出符合生产实际的用能评价指标[2],在此基础上构建集输系统用能评价体系,如图1所示。

图1 集输系统用能评价体系Fig.1 Energy evaluation system of gathering and transportation system

将评价体系划分为3层,分别为M、P和T层,M层为集输系统综合用能水平,P层为综合实物、强度、效率及其他4个层级指标,T层为描述各层级的基础能耗指标。

2 基于组合赋权—改进TOPSIS的综合用能评价模型

2.1 评价指标标准化处理

由于集输系统各用能评价指标的量纲、数量级等不一致,为了消除该情况造成的指标不可比性,使计算更加精确方便,须对各评价指标的原始数据进行标准化处理[3-5]。本文所建立的集输系统用能评价体系中,既包括描述系统运行状况的定性指标,也包括描述系统实际运行数据的定量指标,下面分别介绍其具体标准化及量化方法。

2.1.1 定量指标的标准化及量化

对于用能评价体系中燃料消耗量、耗电量等这类定量指标的标准化处理,主要包括离差标准化法(min-max法)、中心化法(Z-Score)及归一化法(0-1法)等[6],而定量指标又包括效益型评价指标与成本型评价指标,本文均采用离差标准化法对指标实际测算值进行标准化及量化处理。

(1)对于效益型评价指标,其计算公式具体表现为:

(1)

(2)对于成本型评价指标,其计算公式具体表现为:

(2)

2.1.2 定性指标的标准化及量化

在实际评价过程中,对于集输工艺适应性、设备老化程度等这类不能直接通过实际测算数据得到评价结果的定性指标,可以根据现场专家或者相关从业人员依靠自身经验给出相应的评价结果[7]。为了保证评价结果的科学合理性,将评分结果划分为一个数据区间,假设共有k个油气田相关领域专家,按指标对系统用能水平的影响程度参与评分,第i个专家对第j个评价指标的评分区间值为[Nij1,Nij2],其中,Nij1,Nij2∈[60,100],δj为第j个指标评价值,则有:

第i个专家对第j个评价指标值的计算隶属度为:

(3)

k个专家对第j个评价指标值的平均计算隶属度为:

(4)

令δj为该评价指标的量化值,则εj表示为:

(5)

由于评价结果是离散化和阶段化,因此式(5)可简化为:

(6)

2.2 基于IAHP法确定主观权重

传统AHP法一般采用1～9标度对指标的影响程度两两进行比较来构造评判矩阵,然后确定指标权重。然而在实际应用时,该方法的评判标准过于模糊,导致评判过程复杂化,同时指标间的多次比较使得本身信息损失过多,得到的权重稳定性不高[8]。

本文提出一种改进 AHP(IAHP) 法,即首先按照1～9的标度对各评价指标进行一次性打分,此过程可避免指标间的重复冗余比较,保留本身具备的 信息大小;其次根据打分情况建立改进比较矩阵,并按照AHP 法确定指标权重。依据IAHP法确定的指标权重一定满足一致性要求,无需额外进行一致性检验,其具体计算过程如下。

(1)层次指标一次性打分。邀请来自油气田相关领域专家,依据用能评价体系中评价指标的相对重要程度,按照 1～9 的标度对指标进行打分赋值,各指标最终得分取各专家打分平均值,具体的分值情况如下:分值为1、3、5、7、9时,对应的重要程度为极其不重要、不重要、中等重要、重要、极其重要;分值为2、4、6、8时,表明对应的重要程度介于上述两相邻分值尺度之间。

(2)构造改进比较矩阵。结合专家打分情况,构造改进比较矩阵。假设比较矩阵为D=(dij)n×n,ei及ej为同一比较矩阵中两个指标的分值,则dij可以表示为:

(7)

(3)确定评价指标权重。采用乘法加权对各评价指标的主观权重进行计算,其计算公式为:

(8)

2.3 基于熵权法确定客观权重

熵权法是一种基于数据本身的离散性,依据各评价指标所包含信息量的大小以及变异程度来确定指标权重的客观决策方法[9],具体计算步骤如下。

(1)确定评价指标特征比重。第j个评价指标的特征比重gij计算公式为:

(9)

式中,yij为第i个待评价对象的第j个指标标准化之后的数值。

(2)确定评价指标信息熵。第j个评价指标的信息熵Gj计算公式为:

(10)

(3)确定评价指标权重。第j个评价指标的权重计算公式为:

(11)

2.4 基于组合赋权法确定综合权重

若采用单一的主客观赋权法进行评价,则评价结果可靠性较低。将IAHP法及熵权法有机融合进行组合赋权,不仅能兼顾专家评判的主观臆断性及数据的客观性,且在一定程度上可实现两种方法的优势互补,更加精准地判断评价指标权重。而组合赋权法具有多种形式,本文采用线性加权原理建立优化模型来确定综合权重[10-12]。

(12)

对上述优化决策模型关于λ求导,可知当一阶导数为0时偏差平方和最小,此时求得的最优赋权系数λ=0.5,即当主客观权重各占50%时得到的组合赋权最优。

则基于IAHP法及熵权法的指标综合权重表达式为:

(13)

2.5 改进TOPSIS综合评价模型

TOPSIS综合评价法是一种多属性决策方法,其计算过程简便,评估结果较为合理。但在实际应用过程中,决策方案可能存在与正、负理想解欧氏距离均贴近的情况,无法准确反映方案优劣性[13-15]。本文引入灰色关联理论,采用灰色关联度替代欧氏距离,并根据各方案的灰关联贴近度进行优劣排序,综合反映系统用能水平情况。

(1)构造标准化决策矩阵Z=(zij)m×n。对各方案的评价指标数据zij进行标准化处理,构成一个标准化决策矩阵Z=(zij)m×n。

(2)确定正、负理想解Z+和Z-。假设在标准化决策矩阵Z=(zij)m×n中,存在:

(14)

(15)

则和即为正、负理想解。

(16)

(17)

(18)

(19)

(5)计算灰关联相对贴近度fi并进行优劣排序。各方案的灰色关联相对贴近度fi(i=1,2,…,m)计算公式为:

(20)

当灰色关联相对贴近度越大,表明该方案下集输系统的用能水平越好。

3 实例分析

以新疆某油田原油集输系统为例,其总体工艺流程为:井口产出液经井口加热炉加热后输送至计量站,计量站主要负责对井口来液进行安全保护和计量,计量后输送至接转站,经接转站初步分离、加压、加热后,将其输送至联合站进行油气水集中分离,经加热沉降脱水后进入原油稳定塔进行稳定和脱硫,处理后的合格原油加压外输至油库。该原油集输系统流程如图2所示。

图2 新疆某油田原油集输系统流程示意Fig.2 Flow diagram of crude oil gathering and transportation system in a certain oilfield in Xinjiang

依据本文提出的系统用能评价体系和用能评价方法,对该原油集输系统进行综合用能评价。该系统1—6月份日均实际运行数据见表1。

表1 各月份日均实测数据Tab.1 Daily measured data of each month

(1)指标标准化处理。在8个定量指标中,集输系统燃料消耗量、耗电量、单位原油集输电耗、气耗以及综合能耗均属于成本型指标;集输系统热能利用率、电能利用率及能源利用率均属于效益型指标,根据式(1)、式(2)得到各定量指标的标准化数据见表2。

表2 各定量指标的标准化数据Tab.2 Standardized data of each quantitative index

应用前面介绍的定性指标量化及标准化方法,根据式(6)得到各月份定性指标专家评估结果及标准值见表3。

表3 定性指标的量化及标准化数据Tab.3 Quantitative and standardized data of qualitative indicators

(2)指标权重确定。首先运用IAHP法确定各评价指标的主观权重,以准则层权重计算为例,根据专家打分,可得改进比较矩阵:

根据式(8)可知,主观权重向量P1=(0.472 9,0.284 4,0.169 9,0.072 8)。

同理,依据上述思路,可知指标层的各主观权重,结果见表4。

表4 集输系统用能评价指标权重Tab.4 Weight of energy evaluation index of gathering and transportation system

其次,根据各评价指标的标准化数据,运用熵权法计算客观权重,并将二者结合,根据式(13)得到各指标的综合权重,结果见表4。

(3)改进TOPSIS法综合评价集输系统用能水平。根据表3、表4中各指标的标准化数据,得到标准化决策矩阵Z。

根据标准化矩阵Z及式(14)、式(15),可知正、负理想解分别为Z+={1,1,1,1,1,1,1,1,1,1},Z-={0,0,0,0,0,0,0,0,0,0},所对应的评价指标矩阵为[1.656,0.213,2.347,12.66,12.75,65.44,46.14,62.75,75,60]和[1.938,0.303,2.920,17.82,18.41,54.61,41.47,55.41,60,75]。

表5 各月份下关联排序结果对比Tab.5 Comparison of association ranking results of each month

将表5中的关联排序结果绘制成关联排序结果对比直方图,如图3所示。

图3 关联排序结果对比Fig.3 Comparison of correlation ranking results

由图3可以直观看出,各月份的灰色关联相对贴近度与正灰色关联度的变化趋势基本保持一致,其值虽同时受正、负灰色关联度的影响,但主要受制于正灰色关联度的大小。并由改进TOPSIS综合评价法可知,当不同月份下的灰色关联相对贴近度越大,表明该月份下集输系统的用能水平越好。

由表5、图3可知,6月份的正灰色关联度和灰色关联相对贴近度较其他月份最大,分别为0.912和0.718,这说明该集输系统在6月份用能水平最高,此时的集输系统燃料消耗量、耗电量等各项用能评价指标最优,满足油田经济运行状态;5月份的用能水平最低,其正灰色关联度和灰色关联相对贴近度仅达到0.409和0.352,通过对该月份下各个评价指标数据进行分析可知,5月份的集输系统燃料消耗量、耗电量和单位能耗整体偏高,电能利用率及能源利用率偏低,从而导致集输系统整体能效水平降低。

对于该原油集输系统的用能薄弱环节提出相应的节能改进措施。对于单位电耗较大或电能利用率较低这两种现象,主要原因集中在以下方面:①输油泵等动力设备负载率过低,且额定排量与实际排量不匹配,导致设备实际运行效率过低;②输油泵等耗能设备使用年限过长,机泵承压部位腐蚀严重,出现老化现象,导致设备在进行转换过程中损失较大。

针对上述产生的问题,提出以下节能技改措施:①可以采用切削叶轮技术,改变输油泵的叶轮直径,达到管压与泵压相匹配,从而提高泵的运行效率,降低集输系统能耗,但切削叶轮直径不宜过大,需控制在20%以内;②应用变频调速技术,动态调节机泵的转速及泵出口阀门开度,从而改变输油泵的排量和消除泵管压差,降低机泵运行电流,实现节能降耗;③根据生产实际淘汰更新落后的机泵,应用高效节能的输油泵替代低效泵机组,有效提升动力设备运行效率,从而降低系统电能消耗。

4 结论

(1)本文基于构建的原油集输系统用能评价体系,提出了基于组合赋权—改进TOPSIS的综合用能评价方法。首先,在确定指标权重向量时,采用加权函数优化模型将改进AHP(IAHP)法及熵权法有机融合,得出综合主客观权重的最优赋权系数,提高了指标赋权的合理性,更加精准地判断评价指标的组合权重;其次,在传统TOPSIS评价法的基础上,引入了灰色关联理论,采用灰色关联度替代欧氏距离,弥补了决策方案可能存在与正、负理想解欧氏距离均贴近的缺陷;最后,将组合赋权应用于改进TOPSIS综合评价法,通过计算灰色关联相对贴近度对决策方案进行优劣排序,综合反映集输系统用能水平情况。通过对某油田原油集输系统用能水平的实例研究表明,该评价方法有效可行,提高了评价结果可信度,为更加客观真实地反映系统用能水平奠定了理论基础。

(2)对某油田原油集输系统1—6月的用能水平进行综合评价,其正、负理想方案指标值分别为[1.656,0.213,2.347,12.66,12.75,65.44,46.14,62.75,75,60]和[1.938,0.303,2.920,17.82,18.41,54.61,41.47,55.41,60,75],通过判断各月份与理想解的灰色关联程度可知,该原油集输系统在6月份用能水平最高,其灰色关联相对贴近度为0.718;5月份的用能水平最低,其灰色关联相对贴近度为0.352;并针对该原油集输系统的用能薄弱环节,提出了相应的节能技改措施。