基于改进多目标粒子群算法的储气库注气优化

摘要

为减少储气库不合理注气导致的微震次数，保证储气库注气量最大，构建基于双向长短期记忆(bi-directional long short-term memory, BiLSTM)神经网络预测代理模型，降低微震次数和储气库有效应力的预测误差，提出一种精英进化多目标粒子群优化(elite-evolved multi-objective particle swarm optimizer, EMPSO)算法。采用基于排序分组策略对种群进行分组，并在每个分组内进行随机精英竞争学习，提高算法的多样性；引入精英聚集的思想，加快算法的收敛速度。基于BiLSTM模型和EMPSO算法对储气库注气过程进行优化，与其他3种多目标优化算法进行对比，将EMPSO算法应用于实际配产优化。结果表明，改进后的算法具有更好的Pareto前沿、更快的收敛速度，优化后微震次数和有效应力分别降低了9.78%和10.12%,对保障储气库安全和提高储气库储气量具有重要意义。

关键词

地下储气库 / 代理模型 / 双向长短期记忆 / 改进的粒子群算法 / 多目标寻优