综述：聚类系统与多准则决策方法在印度尼西亚边际气田开发中的应用

《Energy Conversion and Management-X》：The application of the clustering system and the multi-criteria-decision-method to develop the stranded gas fields in Indonesia

　　

本文介绍了一种鲁棒的决策框架，该框架将层次聚类与混合多准则决策（MCDM）方法相结合，专门用于识别印度尼西亚中部苏门答腊地区边际气田开发的基础设施技术替代方案。研究人员首先应用聚类分析将27个边际气田结构划分为五个聚类，其中三个聚类（聚类1、聚类3和聚类5）因杂质含量低于10%且储量确定性较高而被选作进一步分析。该混合MCDM技术整合了层次分析法（AHP）、二型中智数（T2NN）和对数百分比变化权重法（LOPCOW）进行准则赋权，以缓解不确定性和不可判定性，随后采用逼近理想解排序法（TOPSIS）作为主要排序引擎。三个主要准则（经济、技术、法规与商业化）被细分为十五个子准则。加权结果表明，经济准则占据主导地位（权重为0.426），其中产品价格（0.112）是最为关键的子准则。TOPSIS分析识别出CNG作为聚类1的最优替代方案，以5.3%的显著优势领先于LNG。对于聚类3和聚类5，LNG emerged as the top rank，但与CNG的差距仅为2.02%。为评估鲁棒性，研究人员通过VIKOR、MABAC、MAIRCA和EDAS四种方法进行了排序比较分析，结果显示聚类1具有高度一致性，而聚类3中LNG与CNG之间存在竞争性接近和排序反转现象，凸显决策格局的敏感性。敏感性分析进一步证实了所开发框架具有优异的可靠性和对准则权重显著变化的韧性。该研究框架可为决策者在高度不确定性条件下选择边际气田开发技术提供坚实的参考依据。

本文围绕印度尼西亚边际气田开发技术选择问题，系统阐述了研究背景、理论方法、模型构建、案例分析及验证过程，具体主体内容如下：

**1. 引言**
印度尼西亚2023年天然气产量为6,663 MMSCFD，国内能源消费量为5,869 BBTUD，天然气在一次能源消费中占比17.1%。该国已探明天然气储量35.3 TSCF，潜在储量（P2+P3）19.46 TSCF，资源量（C1+C2+C3）44.81 TSCF。然而，大量中小型边际气田因远离主基础设施或市场而无法经济开发，同时伴生气flare问题严重，2022年印度尼西亚flare气量达17亿立方米。边际气田分布零散，亟需通过集群化开发提升技术经济可行性。替代技术包括压缩天然气（CNG）、液化天然气（LNG）、天然气制油（GTL）、天然气发电（GTW）和天然气化工（GTC）等。

**2. 背景与文献综述**
**2.1 背景与数据收集**
印度尼西亚天然气管网主要集中于苏门答腊岛，向爪哇岛、苏门答腊岛及新加坡输送。Jambi油田位于苏门答腊中部，拥有27个边际气田结构（J1-J27），这些结构具有不同的储量规模、资源类型和开发成熟度。根据石油资源管理系统（PRMS）2018版，项目成熟度可分为三大类和十种油田类型。Jambi油田部分结构已投产（主要产油，伴生气自用或flare），部分获批开发但尚未执行，部分仍处于勘探阶段。

**2.2 聚类分析**
聚类分析是将具有相似特征的对象归入同一组的统计方法，旨在最小化簇内相似性距离、最大化簇间差异性距离。层次聚类分为凝聚式（自底向上）和分裂式（自顶向下）两种方法，其中凝聚式包括单链接、平均链接、完全链接、Ward最小方差和质心链接等算法。聚类数目的确定方法包括Calinski-Harabasz伪F统计量、Duda-Hart检验、肘部法则等。

**2.3 边际气田开发技术**
CNG技术通过将天然气压缩至1,500-4,000 psi，使体积缩小150-300倍，技术最简单、资本支出最低，但运输成本高，适用于短距离；LNG技术将天然气液化至-161°C、1 atm，体积缩小约600倍，投资成本高，适用于管道不可行的情况；GTL技术通过费托合成（Fischer-Tropsch）将天然气转化为合成燃料，当前效率约70%，要达到与炼油厂相当的温室气体排放水平，效率需提升至75%。三种技术均已发展出模块化形式以适应边际气田开发。

**2.4 MCDM在替代技术选择中的应用**
MCDM方法允许在多个准则下对备选方案进行半定量评分和加权排序。AHP通过成对比较和一致性检验确定准则权重，Saaty标度范围为1-9；TOPSIS基于与正理想解（PIS）和负理想解（NIS）的欧几里得距离进行排序；VIKOR采用最小-最大归一化，追求群体效用最大化与个体遗憾最小化的折中；MABAC基于与边界近似区的距离；MAIRCA比较真实解与理想解的偏离；EDAS依据与平均解的正负距离。LOPCOW方法于2022年提出，通过对数百分比变化进行客观赋权。T2NN在传统模糊集基础上，以区间值形式处理真隶属度、不确定隶属度和假隶属度，更适应高阶不确定性。

**3. 研究方法与数学模型**
**3.1 研究方法论**
研究分为四阶段：（1）目标确定与数据收集；（2）结构聚类与准则赋权（同步进行）；（3）TOPSIS评估确定最优技术；（4）比较分析与敏感性检验。专家小组由7位具有15-25年经验的油气行业专家组成。

**3.2 层次聚类**
采用完全链接算法（完全 linkage），基于最远邻距离进行凝聚式聚类，距离计算采用欧几里得距离。通过聚合系数图确定最佳聚类数为5个。

**3.3 T2NN与MCDM集成**
**3.3.1 准则体系**
三个主要准则及其子准则包括：经济准则（资本成本C1、生产成本C2、运输成本C3、产品价格C4、气销比C5）；技术准则（技术成熟度C6、模块化程度C7、工艺复杂度C8、热效率C9、操作风险C10）；法规与商业化准则（法规政策C11、减排效益C12、市场灵活性C13、商业模式C14、交付风险C15）。

**3.3.2 AHP数学方程**
构建成对比较矩阵，进行列归一化和行平均得到权重向量，计算最大特征值λ_max、一致性指标CI和一致性比率CR（CR<0.1为可接受）。

**3.3.3 LOPCOW数学方程**
首先对决策矩阵进行归一化（效益型和成本型分别处理），然后计算百分比值PV_ij = ln(∑n_ij2/σ) × 100，最后归一化得到权重w_i。

**3.3.4 T2NN数学方程**
定义T2NN为S? = ?(TT_s?, TI_s?, TF_s?), (IT_s?, II_s?, IF_s?), (FT_s?, FI_s?, FF_s?)?，包含真隶属度、不确定隶属度和假隶属度的区间值。通过加法和乘法运算规则，以及聚合公式计算综合隶属度，最终通过记分函数SS? = ₁/₁₂?8 + TT + 2TI + TF - IT - 2II - IF - FT - 2FI - FF?转化为清晰数。

**3.3.5 TOPSIS数学方程**
构建标准化决策矩阵r_ij = x_ij/√(∑x_ij2)，计算加权标准化值v_ij = w_j × r_ij，确定正理想解A⁺和负理想解A^-，计算欧几里得距离D_i⁺和D_i^-，最终得到相对贴近度C_i^* = D_i^-/(D_i^- + D_i⁺)，按值排序。

**4. 结果与讨论**
**4.1 聚类结果**
从27个结构中筛选出15个数据完整的结构，采用完全链接算法得到五个聚类。通过聚合系数图分析，第五聚类后系数变化趋于平缓，确定最佳聚类数为5。各聚类特征如下：聚类1包含J1、J2、J3、J10，储量丰富，距主管网<100 km；聚类2包含J17、J23、J24、J26，但部分结构杂质含量高或距离远；聚类3包含J4、J5、J16，储量最为边际；聚类4包含J6、J7，CO₂含量极高（17%-38%）；聚类5包含J12、J13，储量中等，道路条件较差。

**4.2 AHP计算与分析**
专家成对比较结果显示，经济准则权重最高（约0.49），技术准则次之（约0.31），法规与商业化准则最低（约0.20）。子准则中，产品价格权重最高（0.164），技术成熟度（0.114）和资本成本（0.124）次之，商业模式（0.014）和工艺复杂度（0.021）最低。所有CR值均小于0.1，通过一致性检验。全局权重显示，产品价格（0.112）和资本成本（0.104）为最关键因素，市场灵活性（0.037）和热效率（0.039）影响最小。

**4.3 T2NN-LOPCOW与AHP集成**
专家采用七级语言变量（VL至VH）评估，转化为T2NN决策矩阵。假设七位专家权重相等（0.143），构建群体决策矩阵，通过记分函数得到清晰决策矩阵。经T2NN-LOPCOW计算得到客观权重，与AHP主观权重以50:50比例组合。最终组合权重显示：经济准则0.426，技术准则0.300，法规与商业化准则0.274；子准则中产品价格最高（0.112），资本成本（0.104）、技术成熟度（0.099）次之。

**4.4 TOPSIS评估确定替代技术**
基于杂质含量<10%和储量确定性高的标准，筛选聚类1、3、5进行评估。假设最低生产时间8年、保守采收率70%，各聚类生产参数分别为：聚类1产能5 MMSCFD，聚类3产能0.75 MMSCFD，聚类5产能1.5 MMSCFD。经济数据库显示CNG资本成本约$3,000/MSCFD，LNG约$800/TPA，GTL约$80,000/BLPD。

TOPSIS评估结果：聚类1中CNG最优（0.6298），领先LNG（0.5965）5.3%；聚类3中LNG最优（0.6484），领先CNG（0.6353）2.02%；聚类5中LNG最优，同样领先CNG约2.02%。GTL在所有聚类中均无竞争力。

**4.5 比较分析**
**4.5.1 加权比较分析**
五种赋权方法对比显示：AHP存在专家判断偏差；LOPCOW权重过于平均，无法区分战略重要性；AHP+LOPCOW虽平衡主客观但未能消除各自偏差；T2NN-LOPCOW能有效减少偏差；T2NN-LOPCOW+AHP组合最为平衡稳健。排序结果显示，聚类1中CNG在五种方法下均为最优（除T2NN-LOPCOW外）；聚类3和5中，四种方法支持CNG最优，仅LOPCOW支持LNG最优，且前两名差距<3.5%，存在排序反转可能。

**4.6 敏感性分析**
设计六种情境（基准、等权重、技术主导、法规主导、技术主导经济最弱、经济主导技术最弱），主要准则权重变化幅度达55.1%。结果显示：聚类1中CNG始终最优，对比差距3.83%-8.17%；聚类3中排序存在波动，CNG和LNG各有领先情境，对比差距-4.05%至2.68%。最大差异变化为6.73%，证明框架具有强韧性和可靠性。

**5. 结论**
研究成功开发了层次聚类与AHP-T2NN-LOPCOW-TOPSIS混合模型集成的决策支持框架。层次聚类将27个结构归为5个聚类，经筛选后3个聚类进入技术评估。十五个准则中，经济准则权重最高（0.426），产品价格（0.112）为最关键子准则。CNG为聚类1的稳健最优选择（平均领先>5%）；LNG为聚类3和5的上优选择，但与CNG差距仅2.02%，存在排序反转可能；GTL在所有聚类中均不适宜。T2NN-LOPCOW+AHP组合方法在处理不确定性和不可判定性方面优于单一标量方法。敏感性分析证实框架对权重变化具有卓越抵抗力，可为利益相关者在高度不确定的能源投资环境中提供可靠的决策支持。