油气田气田水转注智能调度系统的设计与实现

Design and Implementation of Intelligent Scheduling System for Gas Field Water Re-Injection in Oil and Gas Field

摘要: 本文针对有水气藏气田水转注过程中员工劳动强度大、调度复杂、信息数据利用率低、用电能耗成本高等痛点，提出了一套气田水转注智能调度系统建设思路。该系统借助线性规划数学建模技术，围绕转注相关的能耗最小化与回注量最大化构建，实现了调度过程智能化运转，有助于气田水的合理转运和处理，能有效地节约能源消耗，保障了气田水转运的稳定性和可靠性。

Abstract: This article addresses the pain points in the process of water reinjection in gas fields with water, such as high labor intensity for employees, complex dispatching, low utilization rate of information and data, and high electricity consumption costs. It proposes a set of construction ideas for an intelligent dispatching system for gas field water reinjection. This system, relying on linear programming mathematical modeling technology, is built around minimizing energy consumption and maximizing reinjection volume related to reinjection. It realizes the intelligent operation of the dispatching process, which is conducive to the reasonable transportation and treatment of gas field water, effectively saves energy consumption, and ensures the stability and reliability of gas field water transportation.

1. 引言

随着油气田勘探开发的深入，有水气藏产水量增加，气田水主要采用管网转运，常见模式为产水井–集气站–转水站–回注站，在各个场站中通常会布置多个储水罐作为临时中转，进站的水首先进入储水罐进行存储，待达到一定的容量后通过泵机转到下游井站。而气田水转注仍靠人工完成，存在以下几个方面的不适应性：① 员工劳动强度大：人工启停泵、人工巡检、人工记录数据、电话联系调度转注水，大大占用了员工劳动时间；② 转注水调度复杂：气田水转注系统“点多面广”，多个上游同时转水时，仍依靠人为经验确定优先顺序，调度运行不够优化；③ 信息数据利用率低：压力、液位等生产数据已接入生产网，但针对气田水转注管网无预警监控，不能及时发现气田水转注系统运行中异常情况；④ 用电能耗成本高：人工操作多在白天进行，电费白天高夜间低，用电成本高。

要实现气田水转运的高效调度，需要从全局出发，以科学的方式对气田水进行统筹规划。当前，物联网、大数据[1]以及云计算迅速发展，为气田水转运的智慧化运营提供了坚实的理论基础与技术支持。因此，有必要开发一套融合预测、预警与调度功能为一体的气田水智能化调度系统[2] [3]，对于实现精准、高效且敏捷的调度模式具有重大意义。

2. 总体设计

2.1. 系统架构

系统采用SpringCloud微服务架构(见图1)，将系统功能拆分为多个独立的微服务。每个微服务专注于特定的业务功能，可独立部署、扩展和维护。系统通过API网关进行统一的入口管理，客户端(如浏览器)向API网关发送请求。API网关根据请求的类型将其路由到相应的微服务。微服务之间通过轻量级的通信机制进行交互，如RESTful API或消息队列。系统的数据存储可以采用postgresql数据库，以满足高并发和大数据量的存储需求。

在客户端，用户只需使用浏览器访问系统的URL。浏览器通过HTTP协议与API网关进行通信，获取系统的界面和数据。用户输入用户名和密码后，客户端将登录请求发送到API网关，API网关再将请求转发到相应的认证微服务进行验证。验证通过后，用户可以访问系统的各个功能模块。

相比传统的B/S模式，微服务架构具有更高的灵活性、可扩展性和可维护性，能够更好地适应不断变化的业务需求和技术环境。

Figure 1. Overall architecture diagram

图1. 总体架构图

2.2. 功能设计

系统提供对气田水管网运行状态监控，监控转水过程相关的泵机、储水罐当前生产状况，可针对不同工况和运行情况智能推荐调度方案，减少人工计算和决策易出错、计算复杂的情况，同时提供管网模拟运行功能，辅助后期管网改造或扩建的顶层决策。主要包括模型中心、运行监控、转水调度、仿真计算四个功能模块。

(1) 模型中心

模型中心通过对场站模型、管网模型、告警模型、调度模型等四类元素进行数字化建模，实现了对整个气田水管网模型数字化建模。

场站模型主要以数字化形式描述了场站相关的设备静态数据及动态数据，场站包括转水管网相关的采气井、集气站、转水站、回注井，数据要素场站相关的产水量、储水罐容量、液位计高度、转水泵机、回注泵机、回注井容量等。

管网模型主要以数字化形式描述了管网整个结构，管网建模以场站作为基础要素，数据要素涵盖管线运行压力、流量、管线长度、管线材质、高程差等，同时管网连接方式支持直连、T接等多种方式，通过将场站进行有序连接构建出了整个转水管网模型。

告警模型主要描述了管线运行时的关键控制指标，包括液位计的安全上下阈值、转水触发区间、管线运行压差、回注容量控制线等。

调度模型主要描述调度算法相关的信息，包括调度相关的调度周期，算法相关的变量、约束、目标以及个性化调整策略。

(2) 运行监控

通过可视化管网图方式及数字指标的形式展示气田水转运管网运行状态，展示场站泵机开停状态、管线启动终点压力、流量、回注站剩余容量、储水罐液位高度等运行信息。调度管理人员可以从全域角度实时观察管网运行情况，及时发现风险并快速做出调度决策，同时还集成了消息通知技术，当某项指标触碰安全阈值时及时通知对应人员，防止风险扩大化。

(3) 转水调度

通过定期搜集场站运行数据调用智能调度算法，计算出各个场站转水量、开泵时间和泵机开度，形成调度建议方案推送给对应的场站现场调度作业人员。

调度管理支持动态参数调整以满足个性化调度策略，比如在调度策略上可以以最优能耗、最快转水、最大回注量等进行动态指定；液位计可以结合实际场站需求设置不同的上下阈值；泵机故障可以不纳入调度；转水操作时间可以结合上班制度制定，只需要通过设置这些约束，在系统后台即可实现调度的运算，生成算法结果，最终形成转水量的调度方案。

同时对于调度方案执行过程中存在的偏差及突发事件还引入了实时预测模块和辅助决策模块，当发现最终执行结果与调度存在偏差进行数据修正或调度调整策略，进一步确保后续调度的合理性，比如调度过程中某条管线或泵机突发性故障，后续的调度方案就需要避免故障管线重新进行调整，或者由于采气井产水量突发性产水量增大，原有方案的产水量需要调整，则也需要后续调度方案，该模块是本平台系统的核心，将在第3节中进行详细介绍。

(4) 仿真计算

该模块提供高度自定义管网模型参数，允许用户基于当前管网模型动态调整管网相关的场站设备参数、管线结构等参数，基于时间维度来模拟管网运行，动态给出对应的运行数据，辅助设计人员、管网管理员等角色来评估管网按照对应方案调整后是否存在运行风险。此模块包括模拟方案编制、方案执行、方案综合评估功能，方案编制提供个性化定制管理，支持编制多个不同的模拟方案。方案执行后系统后台调用模拟算法进行计算，模拟时可以自定义运行时间周期及模拟间隔，间隔越短所需要运行的时间越长，对计算机算力要求越高。方案执行后用户可选择方案综合评估将多个方案进行比对，系统会从能量消耗、管网负荷、回注井容量等多个维度进行综合对比，并以图表等方式给出可视化展示。

3. 调度算法

本系统调度策略旨在解决气田水转注过程中的能耗最小化与回注量最大化问题，其核心思路围绕着构建合理的目标函数和约束条件，并通过线性规划方法求解。

3.1. 决策变量

1) 对于每一个小时t ($t=1,2,\cdots ,24$ )，设$f_{ij}^t$ 为在t小时内从转水站i到转水站j的转水量。

2) 设$h_i^t$ 为在t小时内井i的水位高度，设$r_i$ 为储水罐i的底面半径。

3) 对于每一个小时t，设$v_i^t$ 为在t小时内回注井i的回注量。

4) 对于每一个小时t，设$a_{ij}^t$ 为在t小时内从转水站i到转水站j的管网可用状态，取值为0或1，分别表示不可用或可用。

5) 对于每一个小时t，设$c_i^t$ 为在t小时内回注井i的剩余容量。

6) 设m为回注方式变量，当$m=0$ 时表示采用均分回注方式，当$m=1$ 时表示采用最大剩余容量回注方式。

7) 对于每一个小时t和每一对转水站i和j，设$Q_{ij}^t$ 为泵机每小时最大转水量。

8) 设$q_k^t$ 为在t小时内产水井k的产水量。

3.2. 目标函数

在原始情况下，我们有两个目标：最小化能耗和最大化回注量，多目标意味着我们需要同时考虑多个不同的、可能相互冲突的目标。考虑到能耗和回注量这两个关键因素在实际应用中的相互制约关系，将两者融合在一个目标函数中，就把多目标问题转化为了一个单目标问题。这样做的好处是，现在可以使用常规的单目标优化方法(如线性规划求解算法[4]-[5])来寻找最优解。能耗与转水量和管网状态相关，通过单位转水量能耗系数与转水量、管网可用状态的乘积之和来表示总能耗。回注量则是所有回注井在各个时间段的回注量总和。为了平衡两者的重要性，引入权重系数和，将目标函数构建为两者的线性组合，以实现对能耗和回注量的综合优化。这种设计思路使得在优化过程中，可以根据实际需求调整权重，找到符合特定场景的最优解。

最小能耗具体为设白天(假设为8点~20点)单位转水量的能耗系数为$e_d$ ，晚上(20点~次日8点)单位转水量的能耗系数为$e_n$ ($e_n<e_d$ )，可以考虑直接将电价作为能耗系数直接使用。引入一个二进制变量$b_t$ ,当t在白天时段时$b_t=1$ ，晚上时段时$b_t=0$ )总能耗为${\displaystyle {\sum }_{t=1}^{24}{\displaystyle {\sum }_{i,j}\left(e_d{b}_t+e_n\left(1-b_t\right)\right)a_{ij}^t{f}_{ij}^t}}$ ，目标是最小化总能耗。通过这种方式，在目标函数中体现出白天用电成本高，晚上用电成本低，促使优化结果倾向于在晚上多进行转水操作。

最大回注量具体为总回注量为${\displaystyle {\sum }_{t=1}^{24}{\displaystyle {\sum }_i{v}_i^t}}$ ，目标是最大化这个总回注量。

综合目标函数可以表示为：$\min Z=\alpha {\displaystyle {\sum }_{t=1}^{24}{\displaystyle {\sum }_{i,j}\left(e_d{b}_t+e_n\left(1-b_t\right)\right)a_{ij}^t{f}_{ij}^t}}-\beta {\displaystyle {\sum }_{t=1}^{24}{\displaystyle {\sum }_i{v}_i}}$ ，其中$\alpha$ 、$\beta$ 为权重系数，根据实际需求调整。

3.3. 约束条件

(1) 流量平衡约束

从转水站的角度出发，基于物质守恒原理，流入转水站的水量应该等于流出转水站的水量加上站内存储量的变化。这一约束保证了整个转水系统在每个小时内的水量平衡，是维持系统稳定运行的基础。通过这样的约束，可以准确地模拟转水站在不同时段的水量变化情况，为后续的优化提供可靠的条件。

对于每个转水站i和每一个小时t，${\displaystyle {\sum }_k{q}_k^t}-{\displaystyle {\sum }_k{a}_{ik}^t{f}_{ik}^t}-v_i^t=s_i^t$ ，其中$s_i^t$ 为转水站i在t小时内的存储量变化，${\displaystyle {\sum }_k{q}_k^t}$ 表示所有产水井k在t小时内的产水总量。

(2) 水位约束

针对每个井的水位变化，考虑到储水罐的圆柱体形状，利用体积公式与水位高度建立联系。储水罐的水位需要保持在合理区间内，其变化受到进出水量的影响。这种约束不仅考虑了储水罐的物理特性，还将水位变化与转水和回注操作相关联，确保在优化过程中不会出现水位过高或过低导致的异常情况，保障系统安全稳定运行。

对于每个转水站i和每一个小时t，流入的水量等于流出的水量加上存储的变化量。即：${\displaystyle {\sum }_j{a}_{ji}^t{f}_{ji}^t}-{\displaystyle {\sum }_k{a}_{ik}^t{f}_{ik}^t}-v_i^t=s_i^t$ ，其中$s_i^t$ 为转水站i在t小时内的存储变化量。每个圆柱体罐子水位始终需要动态维持在一个合理的区间$\left[l_i,u_i\right]$ ，通常这个区间应小于管控要求最大值及最小值，如约束为15%~85%，通常应设置为20%~70%即可，以便给风险应急预留一段区间。对于圆柱体罐子形态的储水罐i和每一个小时t，其体积$V_i^t=\pi r_i^2{h}_i^t$ 。井的水位变化与进出水量有关，即：$V_i^t-V_i^{t-1}={\displaystyle {\sum }_j{a}_{ji}^t{f}_{ji}^t}-v_i^t$ ，结合水位区间约束可得：$l_i\le h_i^t\le u_i$ ，其中$h_i^t=\frac{V_i^t}{\pi r_i^2}$ 。

(3) 回注井剩余容量约束

回注井的剩余容量是影响回注操作可持续性的重要因素。在每个小时内，回注井的剩余容量会随着回注量的变化而变化，且剩余容量必须大于零。通过这个约束，可以有效避免回注井过载的问题，同时合理规划回注量，提高回注效率。

初始时刻回注井i的剩余容量设为$c_i^0$ ，对于每一个小时t，$c_i^t=c_i^{t-1}-v_i^t$ ，且$c_i^t>0$ 。

(4) 回注方式约束

根据不同的回注方式(均分回注和最大剩余容量回注)设定相应的约束条件。均分回注方式要求各回注井的回注量比例与剩余容量比例相同，以实现均匀分配回注资源；最大剩余容量回注方式则在保证回注量不超过剩余容量的前提下，尽可能优先选择剩余容量大的井进行回注，提高回注的整体效率。这些约束条件为不同的回注策略提供了明确的指导，使得模型能够根据实际情况灵活选择最优的回注方式。

当$m=0$ (均分回注)时，对于每一个小时t，$\frac{v_i^t}{{\displaystyle \sum r_i^t}}=\frac{c_i^t}{{\displaystyle \sum c_i^t}}$ ，确保回注量按照比例均分剩余容量。

当$m=1$ (最大剩余容量回注)时，对于每一个小时t，对于每个回注井i，找到剩余容量最大的井进行回注，即$v_i^t\le c_i^t$ ，并且在满足该约束的前提下，最大化回注量。

(5) 管网可用状态约束

考虑到实际运行中管网可能出现故障或泵机不可用的情况，通过设置管网可用状态变量来表示每条管网在每个小时的可用性。当管网故障或泵机不可用时，相应的管网可用状态为0，禁止转水操作；当管网正常时，可用状态为1，允许转水。这一约束条件能够准确模拟实际系统中管网的动态变化，提高模型的实用性和可靠性。

当泵机不可用或者管网故障时，对应的$a_{ij}^t=0$ ，表示这条线路不能使用；当管网正常可用时，$a_{ij}^t=1$ 。

(6) 泵机最大转水量约束

对于每一个小时t和每一对转水站i和j，转水量$f_{ij}^t$ 不能超过泵机每小时最大转水量$Q_{ij}^t$ ，即$f_{ij}^t\le Q_{ij}^t$ 。

3.4. 问题求解

使用线性规划求解器(如PuLP中的求解方法)对构建好的线性规划问题进行求解。求解器会根据目标函数和约束条件，寻找使目标函数Z最小化的决策变量值。在求解完成后，获取并输出决策变量的最优解，包括各个小时内的转水量$f_{ij}^t$ 、井水位高度$h_i^t$ 、回注井回注量$v_i^t$ 、管网可用状态$a_{ij}$ 、回注井剩余容量$c_i^t$ 以及回注方式变量m的值。

4. 应用实例与效果分析

为验证本系统的实际应用效果，系统在川中油气矿有水气藏进行了工业性试运行。该气藏气田水管网复杂，包含多个排水井和回注井，其运行数据具有典型代表性。通过对系统上线前(采用人工经验调度)和上线后(采用智能调度系统)各一个月(以2025年5月和6月为例)的运行数据进行了对比分析。

4.1. 系统上线前人工经验调度

在系统上线前，该气藏的调度主要依赖调度员的个人经验，有以下典型特征：

(1) 响应式调度：转水和回注操作多为“被动响应”，即当某个储水罐液位接近高位(如85%)时才开启转水，导致每日的转水量和运行时长波动剧烈。

(2) 能耗无优化：转水泵机常出现24小时连续运行的情况，未考虑电价的峰谷时段差异，造成了不必要的电费支出。

(3) 负荷不均衡：各回注井的注水任务分配不均，容易导致部分回注井压力过高而提前停注，影响整体回注效率。

4.2. 系统上线后效果分析

以MX210转水站和TN108回注井的数据为例，系统上线前后的关键指标对比如表1。

Table 1. Comparison of the operational effects between manual dispatching and intelligent dispatching

表1. 人工调度与智能调度运行效果对比

关键绩效指标(KPI)	人工经验调度 (基准期)	智能调度系统 (测试期)	优化率/提升率	数据来源与分析说明
调度效率
调度方案制定时间(分钟/次)	≈120	≤5	↓95.8%	系统自动完成模型求解，将人工计算决策过程从数小时缩短至分钟级。
运行能耗(以MX210转水站为例)
月度总转水量(m^3)	19,395	19,550	持平	选取总转水量基本一致的月份进行对比，确保能耗对比的公平性。
月度总耗电量(kWh)	3613.5	3019	↓16.4%	系统将超过60%的转水任务优化至夜间低谷电价时段执行，总耗电量显著下降。
单位转水能耗(kWh/m^3)	0.186	0.154	↓17.2%	能耗效率核心指标。证明即使在原本高效的线路上，通过智能调度仍能挖掘出显著的节能潜力。
回注效果(以TN108回注井为例)
月度总回注量(m^3)	8450 (估算)	8870	↑5.0%	通过全局优化，系统能更平稳、持续地利用回注井，避免了因压力波动导致的间歇性停注，提升了总回注量。
回注满足率(%)	95.50%	98.30%	↑2.8%	指(区块总回注量/总产水量)。回注率提升，减少了地面暂存和拉运的成本与风险。
运行稳定性
储水罐高/低液位告警次数	12次/月(区块统计)	1次/月(区块统计)	↓91.7%	系统通过预测性调度，使各站液位平稳运行在20%~70%的安全与经济区间，基本杜绝了因液位超限引发的告警。

试运行的量化数据充分证明了本智能调度系统的有效性：

(1) 经济效益显著：通过智能优化，核心转水站的单位转水能耗降低了17.2%，节约了用电成本。

(2) 生产效率提升：回注满足率提升了2.8个百分点，增强了气田水的处理能力，为上游天然气生产的连续性提供了坚实保障。

(3) 安全性增强：高低液位告警次数锐减超过90%，表明系统的运行更加平稳可控，有效防范了冒罐、空抽等生产安全风险。

(4) 管理模式革新：将调度员从“救火队员”式的被动响应，转变为“指挥官”式的全局掌控，实现了气田水调度的科学化与精细化管理。

5. 结语

气田水转注智能调度系统已在川中油气矿投入试运行，运行稳定，界面友好，实用性强，通过建立数字管网模型，实现了气田水转注可视化，利用大数据及智能调配算法，优化气田水转注策略，在运行监控和调度决策等方面作用重大。后期还可根据工况模拟开展不同生产情况下的数据推演，系统运行正常后接入站控系统，实现气田水智能转注。系统的应用减少了员工劳动强度，降低了能耗成本，进一步推动转注水站无人值守，具有推广应用潜力。