CC BY
65
ГЕОТЕХНОЛОГИЯ
УДК 622.24.05-52(043)
АВТОМАТИЗИРОВАННАЯ СИСТЕМА МОНИТОРИНГА И СНАБЖЕНИЯ ОБЪЕКТОВ НЕФТЕГАЗОДОБЫВАЮЩЕЙ
ПРОМЫШЛЕННОСТИ
Ф.Н. Абу-Абед
Рассматриваются вопросы разработки программного модуля автоматизированной системы мониторинга и управления запасами и принадлежностями, размещения комплектующих в источниках пополнения ЗИП; результаты работы предложенной модели лежат в основе минимизации целевой функции времени ожидания начало ремонта при возникновении отказов или поломок, возникающих в процессе промышленного бурения нефтяных и газовых скважин. Предложено использование нейросете-вой модели позволяющей произвести оценку величины остаточного ресурса с учётом выбранной стратегии эксплуатации оборудования. На базе предложенной имитационной модели разработан программный комплекс, который может применяться при обеспечении функционирования буровой установки, а также осуществлении мониторинга состояния буровой и её снабжения ЗИП.
Ключевые слова: предаварийные ситуации, нейросетевой классификатор, запасные части и комплектующие, безаварийность.
Нефтегазодобывающая промышленность играет ключевую роль в российской экономике. На сегодняшний день Российская федерация является одним из крупнейших мировых производителей нефти и газа. В год в России добываются около 490 миллионов тонн нефти и около 580 миллиардов кубометров "голубого топлива". Стратегическими задачами развития отрасли остаются обеспечение необходимой структуры запасов, плавное и постепенное наращивание добычи со стабилизацией её уровня на долгосрочную перспективу.
Обеспечение намечаемых уровней добычи и повышение эффективности нефтегазодобычи будут основываться на научно-техническом прогрессе в отрасли, совершенствовании методов бурения, воздействия на пласт, увеличении глубины извлечения запасов и внедрении других про-
грессивных технологий добычи нефти и газа, которые позволят сделать экономически оправданным использование трудноизвлекаемых запасов нефти и газа.
Основными направлениями научно-технического прогресса в добыче нефти и газа являются:
создание и освоение технологий и оборудования, обеспечивающих высокоэффективную разработку различных типов месторождений нефти и газа;
разработка и освоение технологических комплексов по бурению и добыче на шельфе арктических, дальневосточных и южных морей;
совершенствование и освоение технологий сооружения и эксплуатации нефтегазопромысловых объектов в сложных природно -климатических условиях;
развитие технологий компьютерного проектирования и моделирования процесса разработки месторождений.
Долгосрочная государственная политика в сфере добычи нефти и газа направлена на создание стабильных условий, обеспечивающих устойчивое развитие отрасли.
Одним из критериев, характеризующих полноту использования ресурсов промышленного объекта, является его безаварийность.
Это связано с тем, что с безаварийностью косвенно связаны такие экономические показатели, как длительность простоев оборудования, размер расходов на поиск и устранение причин предаварийных и аварийных ситуаций, размер штрафов за нарушения экологической безопасности и др.
Рост эффективности при увеличении безаварийности использования оборудования обусловлен следующими факторами:
уменьшением общей длительности простоев производства или отдельных его участков, что обеспечивает предприятию получение дополнительного дохода;
общим увеличением фактического физического ресурса оборудования;
снижением общего ущерба, обусловленного нарушениями течения производства.
Вместе с тем, в России начиная с 2004 г. возрастает доля оборудования, эксплуатируемого свыше сроков, предусмотренных при его разработке [1]. Большая степень износа такого оборудования требует при его эксплуатации принимать во внимание различную информацию, связанную с обеспечением безаварийности производства. Все это в полной мере относится и к объектам нефтегазодобывающей промышленности.
В настоящее время системы обеспечения безопасности производств опираются, как правило, на контроль параметров состояния процесса в допустимом диапазоне. Данный подход не позволяет учитывать предаварий-ные ситуации, определяемые сочетаниями допустимых значений нескольких параметров. Вследствие этого эксплуатация промышленного объекта
характеризуется недостаточной безаварийностью и связана с нарушениями экологической безопасности. Поэтому для сложных промышленных объектов необходимо распознавание предаварийных ситуаций (ПАС), позволяющее прогнозировать возникновение аварийного режима, а затем предотвращать остановку процесса или снизить потери от возникновения аварии [2].
Существующие методы, используемые в современной промышленности, не обеспечивают возможности достаточной информационной поддержки распознавания ПАС, поэтому идентификация последних осуществляется с обязательным участием персонала установок. Однако эффективность распознавания ПАС оператором также зависит от его квалификации, сложности установки, характеристик оборудования и может оказаться недостаточной, что приводит к возникновению аварий на промышленном объекте.
Отсутствие эффективных методов распознавания ПАС обуславливает недостаточную безаварийность промышленных объектов. Так как убытки, связанные с остановками по причине предаварийных ситуаций на промышленных объектах, достаточно велики, то создание подобного метода позволит получить значительную экономическую выгоду за счёт сокращения длительности простоев оборудования и увеличения физического ресурса его эксплуатации [3].
Устранение отказов сложных инженерных систем является ключевой задачей при разработке новых месторождений и требует проведения комплексных мер по обеспечению их работоспособности и безаварийности.
Таким образом, разработка программного модуля автоматизированной информационной системы снабжения промышленного объекта ЗИП, позволяющего повысить его безаварийность, и внедрение новых моделей и методов совершенствования процессов ремонтно-технического обслуживания скважинных систем нефтепромысла являются актуальной научной и практической задачей [4]. Выполненная работа заключается в повышении эффективности функционирования буровых установок за счёт сокращения времени простоя путём разработки новых алгоритмических и программных средств обнаружения предаварийных ситуаций с использованием методов распознавания образов.
Для решения поставленных задач при проведении исследований использованы методы системного анализа, нейроинформатики, распознавания образов, имитационного моделирования, объектно-ориентированного программирования.
Практическая значимость работы вытекает из её направленности на разработку средств обеспечения своевременного распознавания ПАС на буровых установках и практической её реализации в виде программного комплекса [5].
Состояние процесса бурения контролируется и анализируется по значениям ряда параметров, которые автоматически измеряются с помощью датчиков и регистрируются станцией ГТИ на протяжении всего времени проводки скважины.
На основе анализа современных методов и систем обнаружения предаварийных ситуаций для решения задачи распознавания ПАС на буровых установках при проводке скважин выбраны методы распознавания образов [6]. Поэтому в качестве математического аппарата решения задачи распознавания ПАС предложено использовать искусственные нейронные сети прямого распространения, обучаемые с помощью метода обратного распространения ошибки.
Предложена модификация базового алгоритма обучения, ориентированная на нахождение этого глобального минимума, а так же предложена общая структура нейросетевого классификатора ПАС, состоящая из одного скрытого слоя с числом нейронов, равным числу входов классификатора [7]. Возможность получения дополнительного эффекта от использования нейросетевого классификатора ПАС на буровой достигается путём использования результатов распознавания ПАС для повышения эффективности системы снабжения ЗИП буровых установок за счет оценки остаточного ресурса комплектующих.
Для этого необходимо разработать модель системы снабжения запасными частями группы буровых установок в пределах одного месторождения и провести исследования модели проводилось для четырёх различных стратегий эксплуатации оборудования.
Как правило, системы снабжения функционируют в условиях неопределённости окружающей среды. При управлении материальными потоками должны учитываться факторы, многие из которых носят случайный характер. В этих условиях создание аналитической модели, устанавливающей чёткие количественные соотношения между различными составляющими логистических процессов, может оказаться либо невозможным, либо слишком дорогим [8].
Под системой обеспечения запасными частями, инструментами и принадлежностями (ЗИП) буровых установок (БУ) подразумевается многоуровневая система, состоящая из совокупности одиночных, групповых комплектов эксплуатационных ЗИП и запасов источника пополнения. Компоненты системы связаны между собой и имеют определённые характеристики. Система ЗИП предназначена для восстановления работоспособности БУ после отказов в процессе эксплуатации. Рассмотрим двухуровневую систему запасов элементов с периодическим пополнением, экстренными доставками и ремонтом отказавших элементов в ремонтных органах [9].
Имитационное моделирование включает в себя два основных процесса: первый - конструирование модели реальной системы, второй - постановка экспериментов на этой модели. При этом могут преследоваться
следующие цели: а) понять поведение логистической системы; б) выбрать стратегию, обеспечивающую наиболее эффективное функционирование логистической системы.
Системы буровых установок и обслуживающих их складов ЗИП являются динамическими, то есть их параметры изменяются во времени. Поэтому состояние системы, свойства объекта и число активных объектов, параметров, действий и задержек - все они функции времени и постоянно изменяются в процессе моделирования.
При моделировании технического обслуживания и ремонтных работ буровых установок использование аппарата сетевых СМО целесообразно в случае, если ремонтные работы выполняются силами бригад, располагающихся в пунктах хранения ЗИП. При этом можно выделить два случая.
1. Каждая буровая имеет свой фиксированный пункт группового ЗИП, который ответственен за её пополнение. Одновременно каждый пункт группового ЗИП имеет фиксированное множество буровых, которое он снабжает. В этом случае сеть СМО вырождается в множество замкнутых подсетей.
2. Каждая буровая может обратиться к нескольким пунктам ЗИП (в пределе - к любому такому пункту), который может либо принять, либо отвергнуть заявку на комплектующую.
Выбор того или иного способа формализации существующей сети снабжения буровых установок зависит от реально сложившейся топологии сети обслуживания. Второй случай является наиболее распространённым.
Разработке иерархии классов имитационной модели и оценке экономического эффекта посвящены работы [10]. На основе ранее разработанной структуры нейросетевого анализатора [11], предназначенного для выявления предаварийных состояний буровой установки, создан алгоритм определения структуры и состава комплекта запасов имущества и принадлежностей для восстановления работоспособности буровой установки после выхода из строя комплектующих. Для исследования влияния использования нейросетевого классификатора состояния буровой проводилось сравнение результатов моделирования для всех четырёх вышеуказанных стратегий эксплуатации оборудования [12]. Результаты моделирования приведены в табл. 1 и 2. Экономический эффект оценивался как частное от деления эффекта, полученного при моделировании какой-либо стратегии к базовому экономическому эффекту, полученному при моделировании самой неэффективной стратегии - эксплуатация до выхода из строя в результате отказа или поломки.
Таблица 1
Среднее время ожидания начала ремонта для различных режимов _эксплуатации оборудования, ч._
№ Месторождения Стратегия
1 2 3 4
1 Месторождение-1 18,46 20,43 22,34 15,25
2 Месторождение-2 20,37 19,29 24,53 18,42
3 Месторождение-3 23,18 25,87 30,21 20,34
4 Месторождение-4 22,82 24,54 27,58 19,78
Таблица 2
Суммарный приведённый экономический эффект для различных _режимов эксплуатации оборудования_
№ Месторождения Стратегия
1 2 3 4
1 Месторождение-1 1,05 1,12 1 1,27
2 Месторождение-2 1,02 1,08 1 1,21
3 Месторождение-3 1,06 1,08 1 1,23
4 Месторождение-4 1,08 1,11 1 1,25
Из полученных данных можно сделать вывод, что применение нейросетевого классификатора ПАС позволяет снизить среднее время ожидания начала ремонта на 12 % и повысить экономическую эффективность в среднем на 11 % по сравнению с максимальным значением, полученным при использовании других стратегий. Последняя оценка является приблизительной, т.к. при оценке экономического эффекта учитывались не все его составляющие. Анализ результатов моделирования позволяет сделать вывод о целесообразности применения нейросетевого классификатора состояния буровой установки при организации системы снабжения буровых запчастями [13].
Для всех рассмотренных стратегий эксплуатации оборудования удельные затраты на снабжение буровых запчастями могут быть снижены при использовании информации о состоянии буровой, выдаваемой нейросетевым классификатором. При этом минимальное снижение наблюдается при использовании стратегии «до выхода из строя», которая редко применяется в реальной практике.
На основе разработанного алгоритмического и программного обеспечения предложена структура системы мониторинга состояния буровых и снабжения ЗИП [14] (рис. 1).
В её состав входят:
станции ГТИ на буровых установках, обрабатывающие информацию, поступающую с датчиков и сохраняющие ее в базе данных;
нейросетевой классификатор, обрабатывающий данные из базы данных ГТИ и выполняющий распознавание предаварийных ситуаций, возникающих в процессе бурения и выдающий соответствующие предупреждения оператору буровой установки;
программное обеспечение управления системой ЗИП (клиентская часть), выполняющее на основании результатов, полученных классификатором, оценку остаточного ресурса комплектующих, используемых на буровой установке, и выдающее запрос в групповой ЗИП на доставку комплектующих, чей ресурс опустился ниже заданного порогового значения;
программное обеспечение управления системой ЗИП (серверная часть), функционирующее в составе группового ЗИП и обеспечивающее сбор и обработку запросов на пополнение одиночных ЗИП, находящихся на буровых;
программное обеспечение мониторинга состояния системы снабжения ЗИП, обеспечивающее на основе данных, полученных от ПО управления системой ЗИП, а также собственной базы данных отображение в реальном времени состояние буровых установок региона (включая аварийные и предаварийные состояния), состояние складов ЗИП (номенклатура и количество хранящихся комплектующих), а также процесс доставки затребованных комплектующих на буровые и пополнения группового ЗИП.
Таким образом, разработанная библиотека классов была использована для создания следующих программных средств:
программного средства имитационного моделирования, позволяющего выполнить оценку эффективности использования нейросетевого классификатора ПАС;
программного обеспечения мониторинга состояния буровых и снабжения ЗИП.
Существенным различием этих двух программных средств является источник входных данных. При разработке средств имитационного моделирования имитируется процесс бурения, в который случайным образом вносятся возмущения, которые могут привести к возникновению предава-рийной ситуации и выходу некоторых комплектующих из строя. Состав одиночного ЗИП считается заданным в соответствии с техническим регламентом, состав группового ЗИП может формироваться и пополняться различными способами, что позволит «проиграть» различные стратегии управления запасами.
При разработке системы мониторинга программа обрабатывает реальные данные ГТИ, при этом фиксируется возникновение аварийных и предаварийных ситуаций.
Рис. 1. Структура системы мониторинга состояния буровых
и снабжения ЗИП
Информация, получаемая от оператора в процессе работы, может быть использована для дообучения классификатора. Интерфейс разработанного программного средства отображения результатов мониторинга состояния буровых и снабжения ЗИП представлен на рис. 2.
Рис. 2. Интерфейс программы моделирования системы
снабжения ЗИП
Далее в обеих программах генерируются заявки на пополнение ЗИП, которые в случае прогона модели удовлетворяются самой системой моделирования, исходя из наличия соответствующих комплектующих в ЗИП различного уровня, а в случае системы мониторинга передаются на соответствующий уровень для выполнения.
На интерфейсе разработанного классификатора отображаются сигнал о распознавании ПАС, момент обнаружения ПАС и предлагается оператору буровой установки либо подтвердить факт возникновения ПАС, либо опровергнуть его.
Данная система мониторинга позволит упростить принятие решений по управлению ЗИП и улучшить экономические показатели работы комплекса буровых в целом [15].
Основные результаты работы:
1) при организации системы снабжения буровых запчастями разработана имитационная модель на базе неросетевого классификатора, представляющая собой замкнутую сеть массового обслуживания;
2) предложена структура системы мониторинга состояния буровых и снабжения ЗИП, позволяющая обеспечить в оперативном режиме мониторинг состояния буровых установок и улучшить экономические показатели работы комплекса буровых в целом.
Список литературы
1. Абу-Абед Ф.Н. Обнаружение предаварийных ситуаций в процессе промышленного бурения нефтяных скважин: дис. ... канд. техн. наук. Тверь, 2011.
2. Абу-Абед Ф.Н. Нейронное моделирование технологических и экономических процессов на мировом нефтегазовом рынке // Сб. науч. тр. 33-й Междунар. науч.-техн. конф. "Математические методы и информационные технологии в экономике, социологии и образовании"/ под ред. В. И. Левина. Пенза, 2014. С. 16-21.
3. Абу-Абед Ф.Н. Математические методы решения задачи распознавания предаварийных ситуаций на буровой установке// Сб. науч. тр. XXIX Междунар. науч.-техн. конф. "Математические методы и информационные технологии в экономике, социологии и образовании" (весенняя сессия)/ под ред. В.И. Левина. 2012. С. 51-53.
4. Имитационное моделирование системы ремонта и технического обслуживания буровых установок/ Ф.Н. Абу-Абед, В.Н. Аверкин, Р.Ю. Кордюков, А.В. Щербинко // Ремонт, восстановление, модернизация. 2011. № 4. С. 19-21.
5. Абу-Абед Ф.Н., Борисов Н.А., Хабаров А.Р. Разработка нейросе-тевых анализаторов // Сб. науч. тр V Всероссийской науч.-техн. конф. "Проблемы информатики в образовании, управлении, экономике и технике" / под ред. В.М. Линькова. 2005. С. 13-16.
6. Абу-Абед Ф.Н., Борисов Н.А. Определение необходимого набора признаков для распознавания предаварийных ситуаций в процессе проводки скважин // Каротажник. 2011. № 10. С. 64-68.
7. Абу-Абед Ф.Н. Построение нейросетевого классификатора для анализа ситуаций на буровой // Каротажник. 2011. № 11. С. 77-83.
8. Абу-Абед Ф.Н. Имитационное моделирование процессов ре-монтно-технического обслуживания нефтяных скважин // Программные продукты и системы. 2010. № 4. С. 43.
9. Абу-Абед Ф.Н. Снижение риска при строительстве газовых скважин на базе нейросетевой модели // Газовая промышленность, 2014. № S712 (712). С. 100-102.
10. Абу-Абед Ф.Н. Надёжность объектов нефтегазодобывающей промышленности // Газовая промышленность. 2015. № S720 (720). С. 107111.
11. Абу-Абед Ф.Н. Разработка средств моделирования нейросетей // Вестник Тверского государственного технического университета. 2005. № 7. С. 125-129.
12. Абу-Абед Ф.Н. Построение нейросетевого анализатора аномалий для снижения риска при строительстве газовых и нефтяных скважин // Бурение и нефть. 2013. № 7-8. С. 72-75.
13. Абу-Абед Ф.Н. Построение классификатора для снижения риска при строительстве нефтяных скважин на базе нейросетевой модели // Управление качеством в нефтегазовом комплексе. 2013. № 1 (1). С. 47-50.
14. Абу-Абед Ф.Н. Построение нейросетевого классификатора для обнаружения нештатных ситуаций в процессе промышленного бурения нефтяных скважин // Территория Нефтегаз. 2012. № 6. С. 24-27.
15. Абу-Абед Ф.Н. Система мониторинга и контроля технически сложных объектов // Сб. науч. тр IV Междунар. науч.-техн. конф. "Информационные ресурсы и системы в экономике, науке и образовании"/ под ред. Е.Г. Гридиной, В.Б. Моисеева. 2014. С. 3-7.
Абу-Абед Фарес Надимович, канд. техн. наук, доц., и.о. декана, aafares@,mail.ru, Россия, Тверь, Тверской государственный технический университет
A UTOMA TED SYSTEM OF MONITORING AND SUPPLY FOR OBJECTS
OF OIL AND GAS INDUSTRY
F.N. Abu-Abed
The work deals with the development of the software module of the automated system for monitoring and inventory management and supplies, the placement of components in the sources of replenishment spare parts; the results of the proposed model serve as the basis for minimizing the objective function of the waiting time. The beginning of repair in the event of failures or breakages occurring during the industrial drilling of oil and gas wells. The use of the neural network model allowing to estimate the value of the residual resource taking into account the chosen strategy of operation of the equipment is suggested. Based on the pro-
posed simulation model, a software package has been developed that can be used to support the operation of the drilling rig, as well as to monitor the state of the drilling rig and its spare parts.
Key words: preaccident situations, neural network classifier, spare parts and components, trouble-free.
Abu-Abed Fares Nadimovich, candodate of technical sciences, docent, aafares@, mail.ru, Russia, Tver, Tver State Technical University
Reference
1. Abu-Abed F.N. Obnaruzhenie predavarijnyh situacij v processe promysh-lennogo burenija nefjanyh skvazhin: dis. ... kand. tehn. nauk. Tver', 2011.
2. Abu-Abed F.N. Nejronnoe modelirovanie tehnologicheskih i jekonomiche-skih processov na mirovom neftegazovom rynke// Sb. nauch. tr. 33 mezhdunar. nauch.-tehn. konf. "Matematicheskie metody i informacionnye tehnologii v jekonomike, so-ciologii i obra-zovanii"/ pod red. V. I. Levina. Penza, 2014. S. 16-21.
3. Abu-Abed F.N. Matematicheskie metody reshenija zadachi raspoznavanija predavarijnyh situacij na burovoj ustanovke// Sb. nauch. tr. XXIX mezhdunar. nauch.-tehn. konf. "Matematicheskie metody i informacionnye tehnologii v jekonomike, sociologii i obra-zovanii" (vesennjaja sessija)/ pod red. V.I. Levina. 2012. S. 51-53.
4. Imitacionnoe modelirovanie sistemy remonta i tehnicheskogo obsluzhiva-nija bu-rovyh ustanovok/ F.N. Abu-Abed, V.N. Averkin, R.Ju. Kordjukov, A.V. Shherbin-ko// Remont, vosstanovlenie, modernizacija. 2011. № 4. S. 19-21.
5. Abu-Abed F.N., Borisov N.A., Habarov A.R. Razrabotka nejrosetevyh analizatorov // Sb. nauch. tr V vserossijskoj nauch.-tehn. konf. "Problemy informatiki v obra-zovanii, upravlenii, jekonomike i tehnike" /pod red. V.M. Lin'kova. 2005. S. 13-16.
6. Abu-Abed F.N., Borisov N.A. Opredelenie neobhodimogo nabora priznakov dlja raspoznavanija predavarijnyh situacij v processe provodki skvazhin // Karotazh-nik, 2011. № 10. S. 64-68.
7. Abu-Abed F.N. Postroenie nejrosetevogo klassifikatora dlja analiza situacij na burovoj// Karotazhnik, 2011. № 11. S. 77-83.
8. Abu-Abed F.N. Imitacionnoe modelirovanie processov remontno-tehnicheskogo obsluzhivanija neftjanyh skvazhin// Programmnye produkty i sistemy, 2010. № 4. S. 43.
9. Abu-Abed F.N. Snizhenie riska pri stroitel'stve gazovyh skvazhin na baze nejro-setevoj modeli // Gazovaja promyshlennost', 2014. № S712 (712). S. 100-102.
10. Abu-Abed F.N. Nadjozhnost' ob#ektov neftegazodobyvajushhej promyshlen-nosti // Gazovaja promyshlennost', 2015. № S720 (720). S. 107-111.
11. Abu-Abed F.N. Razrabotka sredstv modelirovanija nejrosetej// Vestnik Tver-skogo gosudarstvennogo tehnicheskogo universiteta, 2005. № 7. S. 125-129.
12. Abu-Abed F.N. Postroenie nejrosetevogo analizatora anomalij dlja sni-zhenija riska pri stroitel'stve gazovyh i neftjanyh skvazhin // Burenie i neft', 2013. № 7-8. S. 72-75.
13. Abu-Abed F.N. Postroenie klassifikatora dlja snizhenija riska pri stroitel'stve neftjanyh skvazhin na baze nejrosetevoj modeli// Upravlenie kachestvom v neftegazovom komplekse, 2013. № 1 (1). S. 47-50.
14. Abu-Abed F.N. Postroenie nejrosetevogo klassifikatora dlja obnaruzhe-nija neshtatnyh situacij v processe promyshlennogo burenija neftjanyh skvazhin// Territorija Neftegaz, 2012. № 6. S. 24-27.
15. Abu-Abed F.N. Sistema monitoringa i kontrolja tehnicheski slozhnyh ob#-ektov// Sb. nauch. tr IV mezhdunar. nauch.-tehn. konf. "Informacionnye resursy i si-stemy v jekonomike, nauke i obrazovanii"/ pod red. E.G. Gridinoj, V.B. Moiseeva. 2014. S. 3-7.
