一种深远海油气田钻采开发物资运输方案的选定方法与流程

本发明是关于一种深远海油气田钻采开发物资运输方案的选定方法，属于海洋油气开发技术领域。

背景技术：

在海洋油气勘探开采过程中，必须要对海洋油气勘探开采基地进行物资保障。由于海洋油气勘探开采基地物资保障的特殊性，因此，必需建立合理的物资保障体系，既要满足海洋油气勘探开采基地的物资供应，又要合理地安排物资的运输，降低运输成本。

现有的物资保障体系均为近海物资保障体系，相对于深海勘探开发以及能源物流单位的岸基基地—岛礁基地—浮式基地模式较为简单。这是由于近海物资保障所涉及的物资种类、基地种类、载具种类、航程、航行时间和天气状况相对于深海物资保障要少很多，因此，近海物资保障的系统算法通常采用穷举法、动态规划等简单的算法，即可计算出最优解。由于近海物资保障体系的输入参数量少、解集较少，因此，通过上述算法可以准确计算出最优解，且速度较快。但是，深远海油气开采基地的物资保障体系涉及到的参数量庞大，相对于现有的部分系统，解集呈指数级别增加，时间复杂度亦是如此。采用现有的算法，虽然也可以计算出最优解，但是计算速度太慢，无法满足深远海油气物资保障的需求。

技术实现要素：

针对上述问题，本发明的目的是提供一种计算速度快且准确可靠的深远海油气田钻采开发物资运输方案的选定方法。

为实现上述目的，本发明采取以下技术方案：一种深远海油气田钻采开发物资运输方案的选定方法，其特征在于，包括以下内容：1)获取深远海油气田钻采开发物资保障体系的参数信息；2)根据获取的参数信息，预先设定运输方案的需求；3)采用模拟退火算法，在运输方案解空间中选定满足预设需求的最优运输方案。

进一步，所述步骤3)的具体过程为：3.1)在运输方案解空间中选出一满足预设需求的当前运输方案即最优解；3.2)令迭代次数k＝0，开始本轮迭代；3.3)重复步骤3.1)选出符合预设需求的新最优运输方案即新最优解；3.4)计算新最优解与最优解的评价函数差值；3.5)根据计算的评价函数差值，判断新最优解是否优于最优解，若新最优解是否优于最优解，则将新最优解替换最优解，令迭代次数k＝k+1；若最优解优于新最优解，则将新最优解以概率替换最优解，其中，δt’为评价函数差值，t为系统参数；3.6)判断系统参数t是否满足预设的跳出条件，若满足，则输出最优解为最优运输方案；若不满足，则进入步骤3.7)；3.7)令k＝k+1，并判断k是否小于等于迭代次数最大值l，若是，则进入步骤3.3)；若不是，则减小系统参数t，进入步骤3.2)。

进一步，所述步骤3.1)的具体过程为：3.1.1)在运输方案解空间中选择一载具及基地出发时间；3.1.2)验证所选的载具及基地出发时间是否符合满足的需求，若满足，则将所选的载具及基地出发时间作为最优解；若不满足，则进入步骤3.1.1)选择另一载具及基地出发时间，直至所选的载具及基地出发时间满足预设的需求。

进一步，所述最优解包括载具、基地、物资的运输方案，所述最优解的函数值为运输成本。

进一步，所述步骤3.5)的具体过程为：根据计算的评价函数差值，判断新最优解是否优于最优解，若评价函数差值δt’＜0，则新最优解优于最优解，进入步骤3.6)；若评价函数差值δt’＞0，则最优解优于新最优解，进入步骤3.7)，其中，新最优解与最优解的评价函数差值δt’为：

δt’＝c(s’)-c(s)

其中，c(s’)为新最优解s’的函数值；c(s)为最优解s的函数值。

进一步，所述预设的跳出条件为系统参数t是否衰减到最低系统参数tmin。

进一步，所述参数信息包括物资类参数、载具类参数、基地类参数、天气状况参数、浮式平台的坐标和航线系数。

进一步，所述物资类参数包括本次运输的物资种类以及每种物资的数量、重量、体积和占地面积；所述载具类参数包括目前可参与运输的载具以及每种载具的种类、载重、航速、甲板面积、所在基地和最大航程；所述基地类参数包括每个基地的坐标以及基地存储物资的种类和数量；所述天气状况参数包括风力和风向；所述浮式平台的坐标为本次运输的目的地；所述航线系数与航程、距离之间的关系为：航程＝航线系数*直线距离。

进一步，所述运输方案的需求包括载重量、面积和航行时间。

本发明由于采取以上技术方案，其具有以下优点：1、本发明充分考虑深远海油气开采基地的物资保障体系所涉及的庞大数据量，采用模拟退火算法进行随机寻优，结合概率突跳特性，在运输方案解空间中随机寻找全局最优解，能够快速准确地进行最优求解，合理选出深远海油气田钻采开发物资的最优运输方案，不仅能够满足海洋油气勘探开采基地的物资供应，同时也能够有效降低运输成本，经实际运行表明，本发明完全可以满足深远海油气田钻采开发物资保障的要求。2、本发明方法可以通过系统参数t调整算法为时间最优还是效果最优，通过系统参数t的调整，可在满足用户对计算时间的情况下，使效果达到较好，使得本发明方法的可操作性极强，可以适应算力不同的计算机平台，可以广泛应用于海洋油气开发技术领域中。

附图说明

图1是现有技术汇总模拟退火算法的原理图；

图2是本发明方法的流程图；

图3是本发明实施例中一次调度的示意图。

具体实施方式

以下结合附图来对本发明进行详细的描绘。然而应当理解，附图的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。

模拟退火算法为从某一较高初温出发，伴随温度参数的不断下降，结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。如果采用贪心策略求函数的(全局)最优解，从a点开始试探，如果函数值继续减少，则试探过程继续。当到达点b时，探求过程结束，最终找到一个局部最优解b，而采用模拟退火算法求解时，以一定的概率接受一个比当前解要差的解，因此有可能会跳出局部的最优解，达到全局的最优解。如图1所示，模拟退火算法在搜索到局部最优解b后，会以一定的概率接受向右继续移动。因此，可以采用模拟退火算法通过迭代求解策略进行随机寻优。

基于上述模拟退火算法，如图2所示，本发明提供的深远海油气田钻采开发物资运输方案的选定方法，包括以下步骤：

1)获取深远海油气田钻采开发物资保障体系的参数信息，其中，参数信息包括物资类参数、载具类参数、基地类参数、天气状况参数、浮式平台的坐标和航线系数，物资类参数包括本次运输的物资种类以及每种物资的数量、重量、体积和占地面积等；载具类参数包括目前可参与运输的载具以及每种载具的种类(飞机、轮船、汽艇等)、载重、航速、甲板面积、所在基地和最大航程等；基地类参数包括每个基地的坐标以及基地存储物资的种类和数量；天气状况参数包括风力和风向(主要用于判断是否影响航行，天气越恶劣，影响因子越大)；浮式平台的坐标为本次运输的目的地；航线系数与航程、距离之间的关系为：航程＝航线系数*直线距离。

2)根据获取的参数信息，预先设定运输方案的需求，其中，运输方案的需求包括载重量、面积和航行时间。

3)采用模拟退火算法，在运输方案解空间中选定满足预设需求的最优运输方案，具体为：

3.1)在运输方案解空间中选出一满足预设需求的当前最优运输方案即最优解s。

3.1.1)在运输方案解空间中选择一载具及基地出发时间。

3.1.2)验证所选的载具及基地出发时间是否满足预设的需求，若满足，则将所选的载具及基地出发时间作为当前最优运输方案；若不满足，则进入步骤3.1.1)选择另一载具及基地出发时间，直至所选的载具及基地出发时间符合预设的需求，并令当前最优运输方案为最优解s，其中，当前最优运输方案即最优解包括载具、基地、物资的运输方案，最优解的函数值为运输成本。

3.2)令迭代次数k＝0，开始本轮迭代。

3.3)重复步骤3.1)选出符合预设需求的新最优运输方案即新最优解s’。

3.4)计算新最优解s’与最优解s的评价函数差值δt’：

δt’＝c(s’)-c(s)

其中，c(s’)为本次迭代(即新最优解s’)的函数值；c(s)为截止到目前的最优解(最优解s)的函数值。

3.5)根据计算的评价函数差值δt’，判断新最优解s’是否优于最优解s，若新最优解s’优于最优解s，则将新最优解s’替换最优解s，令迭代次数k＝k+1；若最优解s优于新最优解s’，则将新最优解s’以概率替换最优解s。

3.5.1)根据计算的评价函数差值δt’，判断新最优解s’是否优于最优解s，若评价函数差值δt’＜0，则新最优解s’优于最优解s，进入步骤3.5.2)；若评价函数差值δt’＞0，则最优解s优于新最优解s’，进入步骤3.5.3)。

3.5.2)将新最优解替换最优解，并令迭代次数k＝k+1，进入步骤3.6)；

3.5.3)将新最优解以概率替换最优解s，并进入步骤3.6)。

上述过程即判断exp(-δt’/t)是否大于random_of_(0，1)：

其中，δt’为新最优解s’与最优解s的差值；t为系统参数例如温度，由用户设置，每轮迭代递减；random_of_(0，1)为计算机随机产生的介于0和1之间的随机数。

系统参数t可以由用户设置，是影响模拟退火算法全局搜索性能的重要因素之一，t值越大，则搜索到全局最优解的可能性大，但是要花费大量的计算时间；反之，t值越小，则可节约计算时间，但是全局搜索性能可能受到影响。在实际应用过程中，初始系统参数t可以根据实验结果进行若干次调整。

3.6)判断系统参数t是否满足预设的跳出条件，即系统参数t是否衰减到最低系统参数tmin，若满足，则跳出循环，输出最优解s为最终的最优解；若不满足，则进入步骤3.7)，其中，tmin的值可以根据实际情况进行设定，当系统参数t衰减到最低系统参数tmin时，停止迭代，将目前的最优解输出。

3.7)令k＝k+1，并判断k是否小于等于迭代次数最大值l，若是，则进入步骤3.3)；若不是，则减小系统参数t，进入步骤3.2)。

本发明方法可以应用于下述场景中：

1)有若干物资基地，不同的物资基地中存储若干类不同的物资，不同的物资基地位于不同的位置。另有一海上平台，远离物资基地所在的海岸，海上平台需要若干类物资，每类物资需要若干数量。有若干艘运输船往返于各物资基地与海上平台之间进行物资运输，需要满足海上平台的物资需求。

2)运输船在开始物资运输时位于不同的位置，为完成物资运输任务，运输船各自前往不同的物资基地装载不同的物资，然后将物资运往海上平台，该过程成为一次调度(如图3所示)。每艘运输船有一定的运输限制，包括最大载重量以及最大载重体积。同时，每艘运输船行驶单位距离的路程均有不同的开销，在一次调度中，不同的运输船、不同的运输路线或运输内容会导致该调度的总开销不同，因此，需要找到一种船舶运输方式，使得该调度总开销最少。

下面使用备选船舶参数以及待装载物资清单的测试数据作为具体实施例详细说明本发明的深远海油气田钻采开发物资运输方案的选定方法：

测试数据共有各型号的备选船舶41艘，不同装载属性的待装载物资27种，其中，备选船舶和待装载物资列表如下表1和表2所示：

表1：备选船舶参数

表2：待装载物资清单

根据给定的上述测试数据，采用本发明方法得到的最优运输方案的结果如下表3所示：

表3：模拟退火算法计算结果

上述结果从备选船舶中使用船舶22艘，最优运输方案的运输成本为16390。与标准遗传算法比较，采用本发明方法与标准遗传算法对上述测试数据分别进行100次优化计算，得到采用本发明方法与标准遗传算法的效果对比如下表4所示：

表4：本发明方法与标准遗传算法的对比

可以看出，采用标准遗传算法的计算速度较快，因此可以较快地找到较好的解，但是，标准遗传算法具有早熟的特点，由于其局部搜索能力较差，采用标准遗传算法得到的结果与采用本发明方法得到的结果有不小的差距，结果平均值相差很多。标准遗传算法最小的一次收敛值为21400，而本发明方法的最小的收敛值仅为14870。综上，可以看出本发明方法的整体性能要优于标准遗传算法。

上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。