Информационная поддержка диспетчера при обнаружении нештатных ситуаций на магистральном газопроводе Текст научной статьи по специальности «Компьютерные и информационные науки»

© Д.Е. Фридрик, Р.Р. Кантюков, Д.В. Александров, 2008

УДК 621.321:622.691.4

Д.Е. Фридрик, Р.Р. Кантюков, Д.В. Александров

ИНФОРМАЦИОННАЯ ПОДДЕРЖКА ДИСПЕТЧЕРА ПРИ ОБНАРУЖЕНИИ НЕШТАТНЫХ СИТУАЦИЙ НА МАГИСТРАЛЬНОМ ГАЗОПРОВОДЕ

Разработана модель алгоритмического обеспечения информационной системы поддержки принятия решений (СППР) диспетчером газотранспортной системы в нештатных ситуациях (НС), например, при разрывах магистрального газопровода (МГ) или при несанкционированной перестановке запорной арматуры.

Г>оссия является крупнейшим полГ ставщиком природного газа на мировом рынке, однако изношенность сетей газопроводов, суровые климатические условия в местах добычи и рост объемов транспортировки газа приводят к возникновению внештатных ситуаций, таких, например, как разрывы газопроводов. В связи с этим одними из основных задач управления транспортом газа являются минимизация его потерь в газотранспортной системе в случае возникновения аварийных ситуаций, а также минимизация возможности возникновения аварий на газопроводах, что напрямую связано обеспечением эффективности транспортировки газа.

Решение задачи минимизации потерь газа за время выхода из внештатной ситуации приводит к необходимости повышения качества работы диспетчера. Именно человеку при принятии решения по переключению запорной арматуры с целью устранения внештатной ситуации необходимо время, которое прямо пропорционально потерям газа. С одной стороны, у диспетчера имеется достаточный набор средств телемеханики, чтобы реализовать сценарий по выходу из НС. Он имеет возможность следить за удаленным объектом управления

по показаниям датчиков давления и температуры в реальном масштабе времени, за считанные секунды открывать или закрывать один или одновременно несколько кранов. С другой стороны, диспетчер принимает решение в нештатной ситуации на основе имеющегося опыта, квалификации, а также регламента работ по управлению газопроводами в аварийных ситуациях, при этом особенно критичным становится человеческий фактор. Здесь кроме психологической составляющей действует и временная. При определении способов локализации утечки газа и принятии решений о перестановке кранов диспетчер должен четко представлять себе последствия своих действий для работы МГ в целом. Ценой его ошибки при изменении конфигурации системы может быть нарушение режима работы МГ, что может привести к аварии, а в результате нее - к значительному экономическому ущербу и серьезным последствиям для экологии. Поскольку аварийные ситуации на магистральном газопроводе возникают очень редко, а последствия их могут быть катастрофическими, возникает острая необходимость в обучении диспетчерского персонала в распознавании аварийной ситуации, принятии

срочных и адекватных мер по ее локализации.

Решение задачи по сокращению времени локализации НС возможно путем внедрения систем поддержки принятия решений диспетчером. Информационная система должна выдавать исключительно рекомендации, в настоящей статье предлагается подход к усовершенствованию информационной поддержки диспетчерского персонала.

Постановка задачи Магистральный газопровод состоит из множества узлов (крестовин, компрессорных станций, потребителей) и соединяющих их труб (прямых и боковых). Необходимо сформировать базу знаний для выдачи решений по выходу из нештатных ситуаций, использующую прецедентный метод представления знаний, а также разработать методику принятия решений на основе данных, накопленных в базе знаний.

Множество прецедентов БЗ П состоит из: 1) множество проблемных ситуаций ПС = (Ауг1 ), где I - номер участка линейной части МГ, 0 < 1 <| А |, А -множество частей МГ, протянутых между узлами; 2) множество текстовых рекомендаций (ТР) для выхода из проблемных ситуаций (ПС). Каждому прецеденту П соответствует своя проблемная ситуация ПС и набор текстовых решений ТР, т.е. п = {ПС, (ТР1)},

1 < 1 < N , где N тр - число текстовых

— — тр тУ

решений. База знаний БЗ включает множество прецедентов и алгоритмов для генераций решений проблемных ситуаций (алгоритмы переключения кранов, по которым могут генерироваться решения), т.е. БЗ = (п, Алг).

Структура базы знаний Каждый прецедент и шаблон прецедента (абстрактный прецедент, для не-

которых характеристик которого конкретные значения не заданы) включают в себя описание проблемной ситуации, решений, соответствующих этой проблемной ситуации, и результата для каждого решения. Таким образом, реляционная база знаний прецедентов включает в себя три таблицы: «Проблемные ситуации», «Решения», «Результаты». Таблица «Проблемные ситуации» содержит записи о проблемных ситуациях, каждая из которых содержит уникальный идентификатор (ГО), матрицу, задающую конфигурацию ниток газопровода, матрицу, задающую положение кранов в крестовинах для данной проблемной ситуации, и указание на аварийную нитку. Таблица «Решения» содержит записи решений для различных ПС. При этом данная таблица связана внешним ключом с таблицей ПС, который соответствует идентификатору проблемной ситуации, к которой относится это решение (отношение «многие к одному»). Структура каждого решения содержит в себе список крестовин, краны которых подлежат переключению, и новые положения кранов в них. Таблица «Результаты» содержит внешний ключ, указывающий на идентификатор решения, к которому относится данный результат (отношение «один к одному»). Записи таблицы содержат конечную конфигурацию крестовин МГ.

Далее приведена математическая модель проверки пригодности к применению содержащегося в базе знаний набора прецедентов и поиска прецедентов для заданной ПС.

Математическая модель проверки пригодности базы знаний к применению и подбору прецедентов

Модель основана на сравнении признаков проблемной ситуации друг с другом для вычисления их индивидуальных весов, последующей проверки на совпадение проблемной ситуации с каждым

прецедентом на заданную процентную долю (для проверки наличия подходящего прецедента и подбора наиболее подходящего прецедента), а также на наличие заданной доли от числа тестовых ПС, для которых найден прецедент. Таким образом, данная модель позволяет выполнять подбор наиболее подходящего прецедента для конкретной ПС, а также проверять базу знаний на пригодность для применения в решении проблемных ситуаций, основываясь на статистическом подборе прецедентов для тестовых ПС.

Элемент матрицы конфигурации є■ ■

{ ileft, Jleft,iright, Jright } ( i и J

- но-

lefn J left, right -

мера нитки и крестовины в ней, соответственно), для которого указаны два элемента, соединенные с ним левой и правой боковыми нитками. Элемент матрицы состояния

е= { statema]n , statelef, , staterigM },

причем каждый элемент state задает состояние основного, левого бокового и правого бокового кранов, соответственно, и имеют значение 1, если кран открыт и 0 - в противном случае.

Признаком проблемной ситуации является каждая крестовина МГ, а значение этого признака - положение кранов в этой крестовине. Для сравнения признаков для каждой ПС строится квадратная матрица сравнения признаков ПС размером n*n, где n - число признаков. В матрице главная диагональ всегда имеет значения, равные 1. Элемент a ij

этой матрицы показывает преобладание признака i над признаком j и зависит от длин кратчайших путей каждой из крестовин d i и d j (по ниткам газопровода) до места аварии и вычисляется:

_ 4 а = 4. .

По этой матрице вычисляются индивидуальные веса признаков Wi в соответствии с формулой:

™ ^П (а и) .

При подборе прецедента, указанная в нем крестовина, на которой произошла авария, должна однозначно соответствовать крестовине аварии, указанной в ПС. Должен существовать некоторый коэффициент p пш , задающий необходимую долю совпадения ПС с прецедентом (0 < p пш < 1, при этом p должно быть достаточно высоким). При заданных коэффициенте p пш, наборе

прецедентов и шаблонов, проблемных ситуаций и матрице признаков необходимо провести серию испытаний с различными ПС, определить самый подходящий прецедент для каждой из них и проверить, не ниже ли доля совпадений p для каждой ПС с найденным для нее прецедентом порогового значения p пш . При этом необходимо учитывать веса признаков:

Z w,g,

p =

і=і

Z wi

где gi - наличие или отсутствие /-го признака (1 или 0, соответственно), указывает на совпадение / несовпадение этого признака в ПС и прецеденте, W / - вес признака, П - количество признаков. Далее, получив коэффициенты pi

для всех ПС (пусть pi - это коэффициент p для /-й ПС), определяем крите-

i=1

рий проверки пригодности заполненной базы знаний к применению в СППР:

Рср -3(Р, ) ^ Рп

N

,=1

1>ср N ’

где N - число ПС.

Необходимо также выполнить проверку по среднеквадратичному отклонению. Если же p ср оказалось ниже заданного p пш (или его разница со среднеквадратическим отклонением по pi ниже p пш), это означает, что данные

наборы прецедентов и прецедентных шаблонов недостаточны для поддержания нормальной работы газопровода, и необходимо их пополнить, а также, возможно, уменьшить число сходных прецедентов и шаблонов. Таким образом, должны быть выполнены условия (в соответствии с критерием пригодности базы знаний к применению в СППР):

1. Александров Д.В., Гусев М.А. Подход к реализации системы поддержки принятия решений диспетчером газотранспортной системы во внештатных ситуациях // Ин-формационно-измеритель-ные и управляющие системы, 2008, № 5. - С. 66 - 75.

2. Александров Д.В., Кокорин А.В. Подход к созданию информационного

где £(pj) - среднеквадратичное отклонение по pi.

Выводы и результаты

Итак, в процессе моделирования информационной системы устранения аварий на магистральном газопроводе были разр аботаны теоретико -мно -жественная модель базы знаний прецедентов, ее структура, математическая модель подбора наилучшего прецедента из базы знаний для конкретной ПС, включающая также критерий проверки пригодности заполненной базы знаний к применению на основе статистического тестирования процесса поиска прецедентов. В настоящее время представленная математическая модель успешно прошла тестирование на примере одной из конфигураций магистрального газопровода и на ее основе разрабатывается СППР.

-------------- СПИСОК ЛИТЕРАТУРЫ

обеспечения для принятия решений диспетчером по устранению нештатных ситуаций на газопроводе. - Автоматизация и энергосбережение машиностроительного производства, технология и надежность машин, приборов и оборудования: Материалы III МНТК. Т. 1. - Вологда: ВоГТУ, 2007. - С. 155-159.1233

— Коротко об авторах -------------------------------------------------------------------

Фридрик Д.Е. - заместитель директора Инжинирингового центра ООО "Научноисследовательский институт природных газов и газовых технологий - ВНИИГАЗ". Кантюков Р.Р. - главный геолог - начальник геологического отдела ООО «Газпром трансгаз Казань»,

Александров Д.В. - кандидат технических наук, доцент кафедры ИСИМ Владимирского государственного университета.

Рецензент д-р техн. наук, проф. В. Ф. Корнюшко, Московская государственная академия тонкой химической технологии им. М.В. Ломоносова.