《Energies》：Research on Parameter Tuning and Optimization Method for Natural Gas Gathering and Transportation Systems Based on Least Squares
编辑推荐：
作为天然气开发的核心地面设施，集输系统的运行效率在很大程度上取决于其参数的精确配置。然而，这类系统结构复杂、组件众多，使得在全工况下进行实时数据采集和准确监测较为困难，因此数值模拟已成为表征其行为的标准手段。目前，专业仿真软件的输入参数仍主要依赖人工经验设定，
作为天然气开发的核心地面设施，集输系统的运行效率在很大程度上取决于其参数的精确配置。然而，这类系统结构复杂、组件众多，使得在全工况下进行实时数据采集和准确监测较为困难，因此数值模拟已成为表征其行为的标准手段。目前，专业仿真软件的输入参数仍主要依赖人工经验设定，参数精度难以保证。若人工设定参数与实际运行工况偏差较大，仿真结果的可靠性将受到严重影响，并可能对后续决策造成误导。针对该问题，研究人员以Pipesim为仿真平台，将参数校准表述为加权最小二乘（weighted least-squares, WLS）优化问题。对于拓扑固定的管网，对关键组件参数进行联合校准，目标是最小化所选运行变量的仿真值与现场实测值之间的偏差；案例研究采用压力与流量，而一般化公式中保留温度项。由于Pipesim求解器为专有软件，不提供其输出相对于被校准参数的解析导数，因此研究人员采用粒子群优化（particle swarm optimization, PSO）结合连续-投影编码（continuation-projection encoding）对模型进行求解，该编码可处理连续参数、离散档位参数和布尔参数。在所研究的管网上，该流程减少了校准工作量，并在精度和时间上均优于人工整定，从而为天然气集输系统的设计与运行管理提供了实用参考。
天然气集输系统是连接气井与处理厂的关键地面工程设施，其运行效率与安全水平直接影响气田开发效益。由于系统拓扑复杂、组件众多，现场难以在所有工况下实时获取完整运行数据，数值模拟因此成为表征系统行为的主要手段。实际生产环境中，管道腐蚀与结垢、压缩机性能衰减、换热器污垢、分离器效率变化以及井和阀门开关状态记录不全，导致许多组件参数无法直接测量且随时间漂移。当前工业界普遍采用人工试凑法调整仿真软件输入参数，该方法繁琐、低效、主观性强，且易陷入局部最优。为克服这些不足，研究人员开展了基于加权最小二乘（WLS）框架的自动参数校准方法研究，以Pipesim（商业稳态多相流仿真软件）为仿真平台，采用粒子群优化（PSO）求解，实现对连续变量、离散档位变量和布尔变量的联合标定。
研究人员将参数校准转化为加权最小二乘优化问题，目标是最小化监测节点压力、流量和温度在仿真值与实测值之间的加权相对误差平方和；由于Pipesim内部求解器为专有实现，不提供解析梯度，故采用无梯度的PSO算法。针对离散档位参数，提出连续-投影编码策略，将离散取值连续松弛后优化，再将结果投影回原离散档位。现场数据来自中国川渝地区某天然气田2024年3月31日至4月30日的31份生产日报，筛选模型拓扑中14个集气平台、生产时间不少于8小时的井记录，并归一化为全日当量，以14个井口节点和14个分离器出口节点作为观测节点。在相同仿真评估预算和固定随机种子下，与遗传算法和受控随机搜索进行对比。研究结果表明，自动校准将加权均方相对误差降至5.8%，优于人工整定的6.05%，校准时间由约36小时缩短至约2小时，验证了该方法在精度和效率上的优势。
### 研究结果
#### 3.2.1 软件环境
研究在Pipesim 2022.1 64位、Python 3.9环境下实现，Python驱动通过Pipesim Python工具包调用仿真模型，每次稳态计算约耗时6秒（高性能电源模式），失败调用最多重试3次。
#### 3.2.2 PSO算法参数配置
依据惯性权重与学习因子的收敛性分析，选取w=0.7、c1=c2=1.4，种群规模30，最大迭代次数40，并采用提前停止规则，以平衡解质量与仿真预算。
#### 3.2.3 数据来源与预处理
实验数据来自川渝地区某气田2024年生产日报，平均每日约223条井记录，其中176条（79%）满足生产时间不少于8小时的筛选条件，其余21%被排除；平台流量为保留井归一化后的全日流量之和，平台压力参考值取保留井分离器压力的平均值。管网共54个节点，其中28个具有现场实测数据，对应14个源平台和14个分离器出口节点。
#### 3.2.4 优化结果
经40轮、1200次仿真评估，校准后的加权均方相对误差为5.8%，满足6%的验收标准，低于人工整定的6.05%；总运行时间约120分钟，平均每次仿真约6秒。研究同时对10个参数进行了联合反演，涵盖压缩机、换热器、管道、分离器和两口井的开关状态。
#### 3.3 计算预算、基线对比与敏感性分析
在相同仿真评估预算下，PSO取得最低平均误差（7.850%±0.008%），优于遗传算法（8.362%±0.530%）和受控随机搜索（9.102%±1.973%），且PSO的结果标准差远小于另外两种算法，显示出更强的稳健性。
#### 3.3.1 温度不敏感性检验
将校准参数在其允许范围内变化时，校准数据集中的14个井口节点和14个分离器节点温度始终为30.0°C，即ΔT=0，说明温度残差不携带参数信息；压缩机出口节点对压力比有响应，但位于校准数据集之外。因此案例研究的目标函数中温度权重设为0，通用公式仍保留温度项。
#### 3.3.2 PSO超参数敏感性
惯性权重与加速系数均设置在算法收敛性分析推荐的稳定域内；种群规模和迭代上限是精度与计算成本之间的折中，迭代上限主要影响运行时间而非最终精度。自适应参数调整未在本研究中使用，留待后续工作。
#### 3.3.3 实验结果分析
联合反演实验验证了所提方法的可行性和有效性，自动校准精度优于人工整定且耗时大幅缩短。校准模型的主要用途是参数识别与条件监测，而不是作为通用预测器。残差分解显示，流量项约占目标函数的97%，压力项约占3%，且模拟系统性地低估主要集气平台的产气量18%至58%；使用4月16至30日15天窗口重导参考值后，目标误差约为8.76%，继续优化100次评估仅降至8.71%，说明残差主要来源于边界条件与井模型的系统偏移，而非搜索不充分。
### 讨论与结论
讨论部分指出，该校准模型的核心价值在于识别设备参数并追踪参数在两次校准之间的变化趋势，系统偏移在连续校准中具有一致性，因此可在差分比较中抵消。未来研究方向包括PSO惯性权重的自适应调整、关键节点差异化赋权、向动态仿真扩展以及在不同地质条件和更复杂拓扑结构下验证方法的普适性。
研究结论可归纳为：第一，建立了基于加权最小二乘和PSO的自动参数校准工作流，实现了对商业仿真软件内多种组件参数的协同优化；第二，提出连续-投影策略，将离散档位参数连续化并在优化后投影回原离散值，解决了PSO无法直接处理离散变量的矛盾；第三，川渝地区某集输系统案例验证显示，自动校准的加权均方相对误差降至5.8%，低于人工整定的6.05%，校准时间从约36小时缩短至约2小时；第四，残差主要由边界条件和井模型造成的系统偏移主导，不影响设备状态变化趋势的监测，该工作流可为同类问题提供工程参考。
