面向抽油机节能的GRNN过程建模及工艺参数优化
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.
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
36
TP181(自动化基础理论)
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
2013-11-12（万方平台首次上网日期，不代表论文的发表时间）
共7页
130-136
