基于FAHP-模糊综合评判方法的测试分离器选型优化

测试分离器作为原油生产工艺中的重要分离设施，用于将采出的原油进行初步分离，以估测原油的含水率、含气率[1]。由于测试分离器种类和参数众多，因此根据海上平台原油处理的实际条件，在海量产品中进行科学决策和选择，成为平台选型配置中亟待解决的问题[2]。

本文在模糊综合评判法的基础上，利用模糊层次分析法(Fuzzy Analytic Hierarchy Process，简称FAHP)建立了层次结构模型，确定了准则层的指标权重，搭建了FAHP-模糊综合评判体系，对测试分离器进行综合分析和权衡评价，实现了测试分离器根据需求的科学量化选型优化。

1 基于FAHP的模糊综合评判体系构建

FAHP是为克服传统的层次分析法在判断矩阵一致性上存在一定缺陷所改进的算法[3]。模糊综合评判法可对涉及模糊的、难以量化的多因素问题进行综合评价[4]。通过将两者结合，有利于更客观准确地反映各标准的特性，极大地提高了设备选型的科学性和合理性。

1.1 综合评价模型建立

决策者针对某一特定的决策问题，分析其影响因素以及各因素之间的因果关系，将其自上而下分解成目标层、准则层、方案层3层体系结构[5]。综合评价模型的建立是模糊层次分析法的基础，也是决策的基础，体现了决策者对决策问题的理解程度和研究程度[6]。

1.2 准则层指标权重表征方法

1) 确定优先关系矩阵。

将准则层的各因素进行重要性对比，作出优先关系矩阵F=(fij)n×n，其中：

(1)

式中：s(i)、s(j)为指标fi、fj之间的相对重要性程度。

2) 优先关系矩阵转为模糊一致矩阵。

运用加性一致性rij=rik-rjk+0.5。对F按行求和，记作通过变换

得到模糊一致矩阵。

3) 计算指标权重。

运用按行求和归一化法的计算方法计算指标权重，如下：

(2)

1.3 基于模糊评价综合准则的决策方法

针对多因素进行综合评价，问题在于怎样建立评判矩阵和确定权重向量。模糊评价的具体方法步骤如下：

1) 选取评语集。

模糊数学方法对评语集的划分通常分为5级和9级，各因素的重要程度通过评语的分数值定性表示[7]。构建的评语集可表示为V={v1,v2,v3,…,vn}。

2) 构建评判矩阵。

将准则层各评判指标作一致化处理，转化成效益型指标，该属性值越大越好[8]。然后进行单因素评判，得出备选方案与各评判指标的关系，并用eij表示，建立的模糊评判矩阵E=(eij)。通过隶属度函数变换并对模糊评判矩阵作归一化处理，得到隶属度矩阵S=(sij)。隶属度矩阵元素表示如下：

(3)

式中：max(e(j))、min(e(j))为准则j对备选方案的最大值、最小值。

3) 模糊综合决策。

利用准则层指标权重WA-B和隶属度矩阵S求出各备选方案的综合评价值WA-C=SWA-B，根据备选方案层次总排序选出最优方案。

2 测试分离器选型优化研究

测试分离器的设备选型要先满足处理要求[9]，即能够达到目标油田的处理任务，包括最大油处理量、最大气处理量、最大生产水处理量等，其工作的好坏以分离质量和分离程度来衡量。由于测试分离器设备是定制设备，主要参数差别较大，本文在对测试分离器调研的基础上，针对目标平台对可选测试分离器设备的核心参数进行了统计分析，得到的可选方案及详细参数如表1所示。

表1 可选的测试分离器方案

表1(续)

2.1 建立递阶层次决策模型

根据生产平台油气水处理系统设备配置原则，测试分离器设备选型的准则参数主要有油出口含水率(B1)，水出口含油率(B2)，设计压力(B3)，设计温度(B4)，沉降分离时间(B5)等，方案层中可选的测试分离器型号包括XSL-I、WS、HBP、HXS、HPT和BSSWS等。测试分离器的选型递阶层次模型如图1所示。

图1 测试分离器的选型递阶层次模型

2.2 确定优先关系矩阵

根据生产平台油气水处理系统设备配置原则，处理能力是首要考虑原则，因此将油出口含水率、水出口含油率作为第1阶次考虑的因素；将设计温度和设计压力作为第2阶次考虑因素。由于分离器处理效果的评定因素已经作为第1阶次因素，将沉降分离时间作为第3阶次考虑因素。根据每个型号的测试分离器对准则层的影响，明确方案层中各因素对准则层的优先关系，得到如表2所示优先关系矩阵。

表2 A-Bi优先关系矩阵

2.3 优先关系矩阵模糊归一化处理

将优先关系矩阵转成模糊一致矩阵，并根据公式(2)求得准则层中各因素Bi对A的指标权重WA-Bi，如表3所示。

表3 A-Bi模糊一致矩阵

2.4 模糊评判矩阵构建

按模糊评价方法，本文采用5级划分法进行综合评定获取各评价准则相对于方案的模糊语言评分。评语集V={最大，大，中，小，最小}，相应的分数集为{9，7，5，3，1}。

油出口含水率、水出口含油率、沉降分离时间为“成本型”指标，该属性值越小越好；设计温度和设计压力为“固定型”指标，即属性值以某一特定值最好。考虑石油组成和油井井口压力，分离器的操作压力设计为2.5 MPa(对于三相分离器，按操作压力可分为负压(<0.1 MPa)、低压(<1.5 MPa)、中压(1.5～6.0 MPa)和高压(>6.0 MPa))，操作温度根据测试计量加热器出口温度设计为60 ℃。

将所有指标转化成“效益型”指标，构建的备选测试分离器与评判准则模糊评判矩阵E，如表4所示。

2.5 模糊评判矩阵转化为隶属度矩阵

利用式(3)将模糊评判矩阵E经过隶属度函数变换并归一化处理得到对应的隶属度矩阵S，如表5所示。

表4 模糊评判矩阵

表5 隶属度矩阵

2.6 模糊综合决策

进行模糊矩阵复合运算，求出方案层各因素Ci对目标层A的综合评价值WA-Ci=WA-BiS，并获得如表6所示层次总排序。

表6 层次总排序

根据表6中的综合评价值计算结果得出，HXS型分离器为最优方案。

3 选型系统的开发与实现

本文利用Visual Studio 2010.NET集成开发平台和数据库技术，开发了基于FAHP的测试分离器选型系统[10]。选型优化流程如图2所示。

图2 设计方案流程

选型软件划分为输入区、功能区、图表区和输出区四个模块，实现了测试分离器根据输入参数的智能选型。

如图3所示，输入区分为设计要求和备选方案参数2部分，在选型过程中，软件会基于设计要求对备选方案的参数进行比较分析，以生成最优方案；功能区包括选型、读取、清除、退出等4个功能键，通过引入数据库技术，实现了备选方案参数的快速读取，简化了选型过程；图表区所显示的是该选型方法的决策模型；输出区用于显示最优方案的型号。

图3 软件运行结果

4 结论

1) 本文将模糊层次分析法和模糊综合评判法相结合，搭建了FAHP-模糊综合评判体系，并将其应用到测试分离器的选型中。

2) 利用数据库技术和智能算法开发了选型软件平台，简化了选型过程，提高了选型过程的科学化、智能化水平。

3) FAHP-模糊综合评判体系可广泛应用于钻井设备的优化选型中，可有效地降低生产成本，提高作业效率。

4) 该评价方法在处理复杂选型问题上存在一定的不足，仍需做进一步的改进，以提高其适用范围。