油田地面集输系统能效指标体系的建立及分析方法

成庆林，常 泰，王雨新，王 爽，王荣欢，孟繁琦

（1. 东北石油大学 石油工程学院，黑龙江 大庆，163000；2. 中国石化 大连石油化工研究院，辽宁 大连，116000）

目前，国内对集输系统优化的研究主要以提高设备效率、简化工艺流程等局部性能为目标[1]。徐哲[2]以辽河油田兴二联集输系统为例对集输管网、联合站、转油站，以及站内的设备分别进行了能耗计算并找出站场及设备能量分布规律，计算了各个环节的节能潜力。刘扬等[3]采用大系统优化理论，针对低渗透油田地面工程网络拓扑优化问题，建立了适用于多级分解优化算法的数学模型。郝颜杰等[4]对某联合站脱水工艺进行了优化，重新建立了原油脱水装置和原油稳定装置热平衡，同时对已建的换热设备进行了校核。何湘禹[5]对港东联合站用能现状进行分析，分析了原油处理子系统、原油加热子系统和污水处理子系统的用能现状，提出了改进意见。J. M. Douglas[6]提出了层次分析法，该方法将过程系统分为间歇过程与连续过程、流程输入输出结构层、反应循环层、分离层和换热网络层五个层次，再利用启发式规则对系统进行基准设计。Hackes[7]通过库恩-塔克定律求解管道系统最优条件。对能耗进行准确的评价，及时找到用能薄弱环节，减少能源的大量浪费，不仅能大幅度提高企业工艺流程的效率，还能对环保起到重要的作用。联合站、集油管网、站内工艺流程等局部优化对整个集输系统来说针对性较弱、各站场间联系性较小、对整体的优化效果体现的并不明显，因此建立一个评价体系将集输系统中各流程联系起来，考虑它们之间的相互影响是十分必要的。

综上所述，为达到从整体评价的目的，本文在油气集输及热力学基础上引入层次分析理论，从集输系统整体角度出发，建立能效评价体系，鉴于层次分析存在着人为主观因素较强等缺陷，将模糊学中三角模糊数的概念与层次分析法相结合，把常规的判断矩阵改进为三角模糊判断矩阵，考虑了客观事物的复杂性及人对事物认知的模糊性，在一定程度上减少了人为主观因素的影响，以期为传统能耗评价指标体系做出有益的补充和扩展，为原油集输系统进一步节能降耗提供理论支持。

1 构建油田集输系统指标体系

1.1 三角模糊数

其中，-a为三角模糊数，记-a=（aL,aM,aU），当aL=aM=aU时，-a是一个精确数。三角模糊数的几何分布如图1 所示。

图1 三角模糊数的几何表达Fig.1 Geometric representation of triangular fuzzy numbers

在评价方案中，aL是最保守的估计值（三角模糊数的下界），aM是最可能的值，aU是最乐观的评价值（三角模糊数的上界）[8-10]。

三角模糊数的运算法则：

1.2 三角模糊层次分析法（FAPH）

三角模糊数理论可以对目标进行更全面的估值，可以弥补层次分析法的缺陷：即在评价过程中只考虑了人为主观认知的绝对性，对指标的判断为绝对的“1”或“0”，这种绝对的情况在实际生产中是很少存在的，这样构造的评判矩阵不能准确地反映人对客观事物认知的复杂及模糊性，因此将三角模糊理论与层次分析法相结合，改善其标度法及评判矩阵。

三角模糊层次分析法评价流程如下[11-16]：

（1）建立层次结构模型。 根据评价目标的需求，从上而下的将目标系统划分成若干层次，同一层次的各因素从属于上一层因素或者对上一层因素有影响，并支配下一层因素或者受到下一层因素的作用。

（2）构造判断矩阵。 依据建立的层次结构模型，结合生产实际及专家意见，采用0.1～0.9 标度法构造出各层级指标的判断矩阵，0.1～0.9 标度法原理如表1 所示。

表1 0.1～0.9 标度法基本原理Table 1 Basic principles of scaling

为了在一定程度上改善人为主观因素的影响，将三角模糊数与0.1～0.9 标度法相结合构建三角模糊互补判断矩阵，矩阵示例如下，如表2 所示。

（3）计算权重。

1）计算第K层指标i的综合模糊值Dk i（初始权重），

表2 三角模糊互补判断矩阵Table 2 Triangular fuzzy complementary judgment matrix

2）去模糊化：

定义1：设M1=（l1,m1,u1）和M2=（l2,m2,u2）是三角模糊数。M1>M2的可能度用三角模糊函数定义为：

定义2：一个模糊数大于其他k个模糊数的可能度，被定义为：

定义3：可能度标准化：将（a,b,c,d）标准化是指将其转化为：

（4）层次总排序。从上至下计算各层次结构的指标权重，得出最下层对最上层影响程度的大小。

1.3 基于FAPH 的集输系统能效指标体系的建立

将三角模糊层次分析法（FAPH）理论与油田地面生产相结合，对集输系统进行能效评价。 根据GB/T 33653-2017《油田生产系统能耗测试和计算方法》结合油田地面集输能耗组成，筛选出符合生产实际的评价指标，在此基础上构建集输系统能效指标体系，如图2 所示，在此能效指标体系中，将集输系统划分为集中处理站、集油管道、转油站三个子系统，对其分别构建黑箱能量平衡模型并筛选出基础能耗指标，其中G、M、C 代表指标。指标体系共分为3 层，第一层为综合各子层综合影响的集输系统能效系数，第二层为各子系统的能效系数，最后一层为各子系统的基础能耗指标[17-20]。

图2 集输系统能效指标体系Fig.2 Energy efficiency index system of gathering and transportation system

根据建立的基础能耗指标体系，结合现场数据进行计算，找出集输系统中薄弱的子系统及其薄弱的基础能耗指标，在此基础上对各子系统构建灰箱能量平衡模型，划分用能单元，将用能设备与基础能耗指标相对应，对用能薄弱系统的设备进行能效评价，找出用能薄弱环节，分析其节能潜力，提出改进方案。为了计算能效系数，各能效系数的计算需采用隶属度进行无量纲处理，计算方法如表3所示。

表3 能效系数计算公式Table 3 Calculation formula of energy efficiency coefficient

由于C层指标量纲不一致，无法直接进行计算，因此采用隶属度d(M1）对指标进行无量纲化处理，其中i为指标对应的Mi层，j代表对应的Cj指标，k为指标数值所属的月份，为隶属度平均值。

（1）对于数值上升为正效益的指标，则以数值最大月份为逼近趋势，例如C3指标（集输系统）：

（2）对于数值下降为正效益的指标，则以数值最小月份为逼近趋势，例如C1指标（集输系统）：

式中，Cj,max、Cj,min分别代表指标评价中Cj最大值和最小值。

2 指标体系实际应用

根据建立的集输系统层次指标体系，对某集输区块应用集输指标体系进行能效评价，以其集中处理站为例进行分析，找出其用能薄弱环节。

2.1 能效指标权重的计算

2.1.1 构造判断矩阵 将集中处理站燃料消耗量、集中处理站耗电量、集中处理站热能利用率、集中处理站电能利用率、单位原油生产综合能耗、单位液量生产综合能耗关于集中处理站能效系数，管道伴热供入能、管道伴热效率、管道能损率关于集油管道能效系数，转油站燃料消耗量、转油站耗电量、转油站热能利用率、转油站电能利用率关于转油站能效系数，集中处理站能效系数、集油管道能效系数、转油站能效系数关于集输系统能效系数，以G-M为例，如表4 所示。

表4 G-M 层次判断矩阵Table 4 G⁃M level judgment matrix

2.1.2 权重计算 根据判断矩阵对各指标进行权重计算，计算结果以G-M为例，如表5 所示。

（1）初始权重。

表5 各层次指标初始权重Table 5 Initial weight of each level index

（2）去模糊化。去模糊化结果以G-M为例，如表6 所示：

表6 各层次指标最终权重Table 6 The final weight of each level index

2.1.3 层次总排序 通过表5-6 得出C层对G的总排序，结果如表7 所示。

2.2 集中处理站能效系数

集输系统能效评价流程为:

1) 根据生产数据计算出M层级（M1集中处理站能效系数、M2集油管道能效系数、M3转油站能效系数）各部分的基础能耗指标。

2) 结合评价矩阵得出的各指标的权重计算M层级各部分的能效系数。

3) 计算G层级（集输系统能效系数）的能效系数。

评价流程中最主要的部分为M层级各指标的计算，因此以M1（集中处理站能效系数）为例进行能效评价：

表7 层次总排序Table 7 Total hierarchical ordering

集中处理站工艺流程如图3 所示，主要工艺流程为分离器—储油罐—外输泵—码头，其中加热炉加热地下水，对分离器及储油罐进行蒸汽盘管加热及保温。

图3 集中处理站工艺流程Fig.3 Process flow of centralized processing station

集中处理站燃料消耗量及耗电量如图4 所示。其中冬季最高燃料消耗量为146.8 t/月，夏季最低燃料消耗量为36.5 t/月，耗电量平均为2 587.13 kW·h/月。

由于处理站采出液加热不经过加热炉，是在分离器入口及分离器内通过盘管进行加热，处理站热能利用率应以处理物流实际吸收的能量为有效能，因此计算公式为：

式中，ηC为集中处理站热能利用率，%；Ehs为进入分离器物流蒸汽保温吸收热能，J；Eht为进入储油罐物流蒸汽保温吸收热能，J；Ech为燃料供入集中处理站热能，J。

图4 集中处理站燃料消耗量及耗电量曲线Fig.4 Fuel consumption and power consumption graph of central processing station

集中处理站热能利用率及电能利用率如图5 所示。由图5 可以看出，从2-8 月集中处理站热能利用率处于上升的趋势，这是因为环境温度的上升导致采出液进站温度上升以及设备散热损失的降低，散热损失的降低也一定程度提高了蒸汽盘管保温与采出液的换热效率，从而提高了站场的热能利用率。

图5 集中处理站热能利用率及集中处理站电能利用率曲线Fig.5 Diagram of thermal energy utilization rate and elec⁃tric energy utilization rate of central processing station

该站耗电设备主要为外输泵机组，可以看出电能利用率的波动范围在5% 左右，较为平缓，引起波动的主要原因为外输原油的输量所引起的泵机组效率的变化。

处理站单位原油及单位液量处理综合能耗如图6 所示。根据基础能耗指标计算该站1-7 月集中处理站能效系数，分别为0.586 3、0.207 4、0.443 7、0.556 4、0.663 3、0.854 0、0.853 4。根据计算结果可以看出，2 月份该站能效系数有明显的降低，结合指标权重及图4 至6 中的数据可以发现，2 月份的单位原油及单位液量处理综合能耗较高并且站场热能利用率较低，导致了此月份的能效系数远远低于其他月份。改变加热炉出口蒸汽温度其他条件不变，分别计算站场热能利用率及能效系数，绘制曲线如图7 所示。

图6 集中处理站单位原油及单位液量处理综合能耗曲线Fig.6 Comprehensive energy consumption curve of unit crude oil and unit liquid volume treatment in centralized treatment station

图7 不同蒸汽温度下的热能利用率及能效系数Fig.7 Thermal energy utilization and energy efficiency coefficient at different steam temperatures

从图7 中可以看出，随着蒸汽温度的降低站场热能利用率及能效系数有着明显的提升，主要是因为降低蒸汽温度减少了散热损失，提高了换热效率，因此提高了站场热能利用率，而升高蒸汽温度以及过度降低蒸汽温度不会更进一步地降低散热损失，提高换热效率，所以热能利用率及能效系数会呈现下降趋势。

以本例中2 月份的运行工况为参考标准，依次改 变 原 外 输 量20.4 m3/h 为19.0、21.0、21.5、22.0、22.5、23.0 m3/h，其他条件不变，分别计算站场电能利用率及处理站能效系数绘制曲线如图8 所示。

从图8 中可以看出，当外输流量为21.0～21.5 m3/h 时，泵机组处于高效区间，此时站场电能利用率较高。虽然站场电能利用率权重较小，但是站场利用率的提高对集中处理站能效系数有较为明显的改善。

图8 不同外输流量下的电能利用率及能效系数Fig.8 Power utilization rate and energy efficiency coeffi⁃cient under different external transport flow

3 结 论

（1）将模糊学与层次分析法（AHP）结合，改造其判断矩阵及权重计算并以某区块集输系统为例构建集输系统能效评价体系。目的层为集输系统能效系数，准则层1 为集中处理站能效系数、集油管网能效系数、转油站能效系数，并根据准则层1 中各集输环节构建黑箱能量平衡模型，筛选出准则层2中的基础能耗指标，建立了全面、准确、针对性较强的集输系统能效评价体系。

（2）根据评价体系对集中处理站能效进行了评价，通过计算能效系数发现2 月的能效系数远远低于其他月份。分析主要原因为，2 月份的燃料消耗较大且站场热能利用率处于较低水平，导致单位原油处理综合能耗以及单位液量处理综合能耗较高。改变保温蒸汽的温度发现，当蒸汽温度处于125～130 ℃时，站场的热能利用率、站场能效系数有明显的提高。对外输流量进行优化，当流量处于21.0～21.5 m3/h 时，站场电能利用率处于较高水平。

（3）依据评价体系首先对集输系统中的各个环节及站场进行能效评价，然后将它们联系在一起对整体进行评价，即可体现出集输系统整体的能效水平，最后结合各层级中各指标的权重即可对集输系统进行有针对性的优化，实现了对集输系统整体提升能效水平的目的。