文献类型：期刊文章

作　　者：辜小花[1] 廖志强[2] 李太福[1] 易军[1]

机构地区：[1]重庆科技学院电气与信息工程学院,重庆401331 [2]西安石油大学电子工程学院,陕西西安710065

出　　处：《重庆大学学报（自然科学版）》

基　　金：国家自然基金资助项目(51075418);重庆市自然科学基金资助项目(CSTC2010BB2285);重庆教委资助项目(KJ121402)

年　　份：2013

卷　　号：36

期　　号：6

起止页码：130-136

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

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  

分 类 号：TP181]