面向抽油机节能的GRNN过程建模及工艺参数优化

• 作者: 廖志强 易军 李太福 辜小花
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 广义回归神经网络 Pareto向量评价微粒群算法 建模 优化 抽油机 节能
• 年，卷（期）: 2013,（6）
• 页码范围: 130-136
• 分类号: TP181
• 语种: 中文

摘要

针对抽油机系统效率低,能耗大的问题,提出一种基于数据挖掘的抽油机建模及节能优化方法.抽油机的工艺参数理想与否是决定抽油机效率的一个重要因素,而抽油机模型的有效性又是优化工艺参数的关键.抽油机工作过程是一个复杂非线性系统,很难用准确的数学模型描述,广义回归神经网络(generalized regression neural network,GRNN)非线性映射能力强、容错性高,适于解决非线性系统建模问题.为此,提出利用GRNN确定工艺参数与增产节能指标的映射关系,建立抽油机模型；实验结果表明模型的拟合度较好,建模效果良好.紧接着,运用具有智能特性的Pareto向量评价微粒群算法(vector evaluated particle swarm optimization based on pareto, VEPSO-BP)对模型进行搜索寻优,确定工艺参数的最优值,并用优化后的工艺参数指导实际生产；实验结果表明优化后的抽油机采油系统产量提高6.6％以上,用电量降低4.1％以上,验证了所提方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李太福	重庆科技学院电气与信息工程学院	87	399	11.0	15.0
2	易军	重庆科技学院电气与信息工程学院	43	313	10.0	15.0
3	辜小花	重庆科技学院电气与信息工程学院	21	96	6.0	9.0
4	廖志强	西安石油大学电子工程学院	3	30	2.0	3.0