CC BY
5DOI: 10.24412/3034- 154X-2024-1-14-21
Елена Леонидовна ЧИЖЕВСКАЯ - доцент, кандидат экономических наук, доцент кафедры «Транспорт углеводородных ресурсов» Тюменского индустриального университета; академик РАЕН Россия, г. Тюмень; e-mail: [email protected]
Мария Юрьевна ЗЕМЕНКОВА - доцент, доктор технических наук, профессор кафедры «Транспорт углеводородных ресурсов» Тюменского индустриального университета
Россия, г. Тюмень; e-mail: [email protected]
Сергей Юрьевич ПОДОРОЖНИКОВ - доцент, кандидат технических наук, доцент кафедры «Транспорт углеводородных ресурсов» Тюменского индустриального университета Россия, г. Тюмень; e-mail: [email protected]
Виктор Максимович СПАСИБОВ - профессор, доктор технических наук, профессор кафедры «Кибернетических систем» Тюменского индустриального университета; академик Международной академии информатизации Россия, г. Тюмень; e-mail: [email protected]
Иван Витальевич СЕРОШТАНОВ - инженер лаборатории контроля качества и диагностики ООО «Газпром трансгаз Югорск» Россия, г. Югорск; e-mail: [email protected]
УДК 004.89;656.56;66.076
ИНТЕЛЛЕКТУАЛЬНЫЕ ГРАФОВЫЕ СИСТЕМЫ ДЛЯ РЕШЕНИЯ ЗАДАЧ ОБЕСПЕЧЕНИЯ ЭФФЕКТИВНОСТИ И БЕЗОПАСНОСТИ ПРОЦЕССОВ ТРАНСПОРТА И ХРАНЕНИЯ УГЛЕВОДОРОДОВ
АННОТОЦИЯ
Статья посвящена методологии оптимизации транспортных потоков с применением нейронных сетей. Предложены модели и алгоритмы для оптимизации систем транспорта и хранения нефти и газа в современных нестабильных условиях. Выполнен ретроспективный анализ и предложены методы решения технологических и оптимизационных задач
Ключевые слова: трубопроводный транспорт, оптимизация, нефтепровод, газопровод, искусственный интеллект, трасса, эффективность.
Elena Leonidovna CHIZHEVSKAYA - Associate Professor, Candidate of Economic Sciences, Associate Professor of the Department of Transportation of Hydrocarbon Resources Tyumen Industrial University; Academician of the RANS Russia, Tyumen; e-mail: [email protected]
Maria Yurievna ZEMENKOVA - Associate Professor, Doctor of Technical Sciences, Professor of the Department of Transportation of Hydrocarbon Resources Tyumen Industrial University
Russia, Tyumen; e-mail: [email protected]
Sergey Yuryevich PODOROZHNIKOV - Associate Professor, Candidate of Technical Sciences, Associate Professor of the Department "Transportation of Hydrocarbon Resources"Tyumen Industrial University Russia, Tyumen; e-mail: [email protected]
Viktor Maksimovich SPASIBOV - Professor, Doctor of Technical Sciences, Professor of the Department of Cybernetic Systems; Academician of the International Academy of Informatization Tyumen Industrial University Russia, Tyumen; e-mail: [email protected]
Ivan Vitalievich SEROSHTANOV - Engineer of the Laboratory for Quality Control and Diagnostics, Gazprom Transgaz Yugorsk LLC Russia, Yugorsk; e-mail: [email protected]
INTELLIGENT GRAPH SYSTEMS TO SOLVE THE PROBLEMS OF ENSURING THE EFFICIENCY AND SAFETY OF THE PROCESSES OF TRANSPORTATION AND STORAGE OF HYDROCARBONS
ANNOTATION
The article is devoted to the methodology of optimizing traffic flows using neural networks. Models and algorithms for optimization of oil and gas transportation and storage systems in modern unstable conditions are proposed. A retrospective analysis was performed and methods for solving technological and optimization problems were proposed.
Keywords: pipeline transport, optimization, oil pipeline, gas pipeline, artificial intelligence, highway, efficiency.
Для цитирования в научных исследованиях:
Чижевская Е.Л., Земенкова М.Ю., Подорожников С.Ю., Спасибов В.М., Сероштанов И.В. Интеллектуальные графовые системы для решения задач обеспечения эффективности и безопасности процессов транспорта и хранения углеводородов // Тюменский научный журнал. 2024. № 1. С. 14-21.
Новое поколение систем оптимизации потоков и технологических процессов трубопроводного транспорта и хранения требует учета в динамике и в системе всех условий строительства и эксплуатации трубопроводной системы, режимов перекачки, яучета всех экономических, экологических и социальных рисков и решения задачи получение актуального оптимального решения.
Современная стратегия цифрови-зации предусматривает использование роботизированных интеллекту-
альных систем последнего поколения, которые призваны осуществлять две ключевые задачи -управление техническим состоянием, надежностью, безопасностью объектов и управление эффективностью процессов и транспортных потоков, учитывая стратегические задачи отрасли в условиях непрерывно меняющейся экономики.
В Тюменском индустриальном университете на кафедре «Транспорт углеводородных ресурсов» разработана принципиально новая технология интеллектуального нейро-
сетевого инжинирингового контроля, прогнозирования состояний обеспечения эффективности технических решений при управлении технологическими процессами опасных производственных объектов.
Теория методов оптимального проектирования транспортных
систем характеризуется глубиной проработки отдельных ее аспектов, известны результаты исследований ученых - Л.С. Понтрягина, А.С. Тищенко, В.Н. Ляховского, К.М. Берестовенко, Р.В. Зайцева, А.М. Кизя, А.Н. Сибирков, Н.Е. Коновалова, В.П. Гуленкова, Г.Л. Аккурма-на, А.В. Горинова, В.С. Михалевича и многих других [6,8]. В основу большинства исследований положены методы системного и математического анализа, технологические особенности систем и процессов, теория оптимизации и различные методы решения задач математического динамического программирования.
Разработка методов проектирования магистральных нефтепроводов с решением задач оптимизации [8] была начата еще в 1965 г. П.П. Боро-давкиным, были разработаны основополагающие методы теории оптимального проектирования трубопроводов, создана отечественная школа оптимизации проектных решений и новое научное направление в трубопроводном транспорте.
Главная особенность современного подхода заключается не только в совмещенном решении всех задач (технологических, конструкторских, строительных, эксплуатационных, экономических) на первом трассировки, но и в разработке автоматизированной системы поддержки принятия решений в динамике - с учетом ее развития, параметров эксплуатации, потенциальной реконструкции и политической и экономической безопасности страны.
Развитие теории оптимального проектирования трубопроводов требуется в различных направлениях.
Современные достижения математической науки с использованием идей теории оптимального управления и методов динамического программирования позволяют решать
задачи оптимизации на новом уровне с учётом надёжности, безопасности, эффективности системы и стратегических целей.
Первые работы в этой области были посвящены решению относительно простых задач выбора оптимальных трасс магистральных трубопроводов, когда критерий оптимальности был аддитивным [8]. Для поиска оптимального пути на сеточных моделях использовался главным образом алгоритм Ли. Развитие методов оптимального проектирования и внедрение их в практику проектирования подтвердило достаточность использования 80-90 категорий местности [8]. По мере развития методов оптимизации происходило совершенствование математического аппарата для поиска оптимальных трасс на сетевых и графовых моделях. Был модернизирован основной алгоритм для условия аддитивности критерия оптимальности, затем в 1971-1972 гг. в работах П. П. Бородавкина, В. Г. Тропина, С. Ю. Рудермана обобщается идея ускоренного поиска оптимальной трассы магистрального трубопровода за счет использования в алгоритме расчета перспективной оценки стоимости пути. Задачи оптимального распределения ресурсов вдоль трассы магистрального трубопровода решаются авторами, обобщается задача о кратчайшем пути и дается решение задачи об отыскании оптимальной трассы трубопровода с отводами с использованием метода кратных по оптимальности трасс.
Первоначально расстановка
насосных станций по трассе при выборе оптимальных трасс трубопроводов не учитывалась вовсе или учитывалась приближенно путем условного распределения стоимости строительства перекачивающих станций по дугам расчетной сети пропорционально их длине. Если для газопроводов такое допущение существенно не влияет на конечный результат, то для трубопроводов, по которым перекачиваются жидкие продукты, оно резко снижает достоверность получаемого результат [8]. Разработкой методов комплексной оптимизации трасс магистральных
нефте- и нефтепродуктопроводов занимались П. П. Бородавкин, Л. А. Бабин, Б. И. Ким, В. Я. Волохов, А. С. Тищенко.
Современные технологии требуют создания технологи и комплексной оптимизации нового поколения, с применением технологий автоматизированного сбора информации, интеллектуальной обработки, оптимизации решений на графах в адаптивном режиме, например с применением Марковых сетей с подкреплением и адаптивных нейро-сетей.
Специфика создания модульной структуры подразумевает решение отдельных технологических, экономических и стратегических задач, основанных на различных оптимизационных моделях. Разработка модуля, позволяющего на базе динамики критериев в режиме реального времени осуществлять мониторинг и управление состоянием, может быть решена с применением моделей ней-родинамического программирования. База данных включает группы
критериев, зависящих от самых различных факторов эффективности транспортной системы. Под эффективностью принимается соотношение между достигнутым результатом и использованными ресурсами (ISO 9000: 2015).
Для реализации такой концепции авторами создана база исходных данных показателей (числовых и логических характеристик) и факторов (причин, влияющих сил, событий и т.д.), сканируемых в режиме реального времени, и система критериев, позволяющая оценить эффективность эксплуатации системы в контексте решаемой технологической и экономической задачи. Показателей и факторов достаточно много, при этом они находятся в весьма сложных функциональных связях и зависимостях. В качестве примера, 4 категории факторов могут быть разделены на систему групп, содержащих комплекс измеряемых авторской интеллектуальной технологией признаков (рис.1).
Технологические
Экономические
Юридические
Политические
Реалшуемостъ требуемых
транспортных потоков (возможности реверсивного
транспорта, наличие терминалов для хранения, объемы и др.)
Безопасность
Надежность
Энерго эффективность
Эффективность систем управления
Эффективность систем мониторинга
Оптимальность и рациональность транспортных потоков с учетом всех параметров
Стабильность смежных технологических узлов (объекты месторождений, подготовки к транспорту, НПЗ и т.д.)
Потенциальные возможности для развития структуры сетей, строительства, реконструкции (технические)
Возможности кадрового потенциала
Т,
Рыночная стоимость и себестоимость транспорта
Рентабельность транспортных проектов
Стоимость капитальных вложений на создание транспортных систем
Ь]
Ъ]
Т,о
Стратегические вызовы региона, страны
Стоимость капитальных вложений на создание транспортных систем
Возможности государственного регулирования
Надежность партнеров-
потребителей и поставщиков (в пределах _государства)_
Потенциальные возможности для развития структуры сетей, строительства, реконструкции (финансовые)
И
Е
Н И
Требования международных документов
Требования отечественных документов ы
Требования действующих стандартов проектирования строительства ы
Информационная безопасность ы
Ответственно сть за нарушения закона сторонами ы
Стабильность требований законодательства ы
Исторически сформированные особенности систем и межгосударственных взаимо шлю шений ы
Политическая безопасность
Структура сети потребителей
Географические особенности транспортных сетей
Надежность партнеров-потребителей и поставщиков (на глобальном рынке)
Стабильность политических позиций
Перспективы развития отношений
Г*
И
и
и
Рисунок 1. Пример классификации факторов для реализации критериального анализа по 4 группам
категорий обеспечения эффективности и развития нефтегазотранспортных систем: Т, Е, L, Р -категории факторов технологические, экономические, юридические, политические соответственно
Разработанная авторами методология интеллектуального управления на основании системы критериев позволит не только оптимизировать транспортные потоки, обеспечивая максимизацию целевых критериев на всех этапах управления, но и обеспечить надежность и безопасность системы, эффективность диспетчерского управления, рационализируя использование финансовых потоков с учетом всех возможных категорий факторов.
Таким образом, при решении задач обеспечения эффективности принятия решений для систем транспорта нефти и газа, управляемыми является целая система факторов, для каждого из которых требуется разработка типового решения. Оценка эффективности целесообразности принятия решений может быть
выполнена с применением графовых моделей с подкреплением, моделей нейродинамического программирования.
Авторская методология предусматривает применение адаптивного математического аппарата анализа данных для решения конкретных групп задач.
Эффективность принятия системы решений может быть оценена с применением графовых моделей, моделей нейродинамического программирования, графовых моделей с подкреплением (рис. 2). Предположим, что система управленческих решений может быть задана произвольным графом, каждому из которых соответствует система позитивных R.;+ и негативных R. ~ результатов. Расчеты возможных стратегий по графам позволяют определить
Рисунок 2. Пример базовой графовой схемы принятия решений с применением модели
Q-learning с подкреплением
достижение результатов по системе произвольных критериев и определить наиболее эффективные стратегии управления. Граф может быть построен с любой степенью детализации на любом уровне управления и ограничиваться системой требова-
ний законодательства, регламентирующих документов и приоритетов предприятия.
Так, например, эффективность транспортной системы может быть описана полумарковским процессом для множества возможных состояний
по графу Et={Et,Et+i,Et+2,...+ E+k с матрицей вероятностей перехода Py и множества возможных решений по управлению для соответствующих
состояний Dt={Dt,Dt+1,D+2...+ D+k} .
Тогда интегральная результативность принятия решений для полумарковской матрицы переходов Pj для каждого состояния Et равна Rt, а интегральная оценка функции результативности имеет вид:
- без дисконтирования
т
Gt= R+ Rt+i+ R+,..+ Rt+k= TiRt+k;
k=0
- с дисконтированием
т
G=R+YR++Y2Rt+2+...+ R+k== k^УkRt+,
k=0
где R - показатель результативности принятия решения (функция вознаграждения) R:E х D — ^ ;
Y - фактор дисконтирования во времени (снижение эффективности при промедлении) yс [0;1] .
Особенностью применения графовых моделей с подкреплением и нейродинамического программирования является возможность условия неполноты информации и адаптивный характер модели.
Каждый из факторов не только имеет свою методику оценки, но и инструменты управления. Например, факторы групп Т5, Т10 - могут быть скорректированы методом
мониторинга системы диспетчерского управления, Т4 - использованием современного оборудования, Т2, Т3 - совершенствованием системы технического обслуживания, ремонта и мониторинга и т.д.
Математические задача в простейшем случае решается методами нахождения кратчайшего пути на графе - с применением алгоритма Дейкстры, более сложные - с применением машинного обучения и интеллектуальных адаптивных моделей [7,11,13].
Предложена концепция системы технологического интеллектуального менеджмента, которая позволяет учитывать в режиме реального времени комплекс изменяющихся процессов и этапов управления на базе системного анализа, в том числе анализ баз данных, прогнозирование ситуаций, событий, параметров, ранжирование, поддержка принятия решений по техническому обслуживанию, ремонту, перевооружению (планирование)и др.
Разработанная математическая модель оценки критериальных показателей и алгоритмы оптимизации и методы принятия решений позволяют осуществлять адаптивное оптимальное управление технологическими процессами на объектах трубопроводного транспорта.
Список литературы:
1.Махутов НА., Черепанов А.П., Лисанов М.В. Задачи разработки и реализации системы управления промышленной безопасностью предприятия при эксплуатации технических устройств // Безопасность труда в промышленности. - 2021. - № 2. - С. 15-19. DOI: 10.24000/0409-2961-2021-2-15-19.
2.Земенкова М.Ю. Методы снижения технологических и экологических рисков при транспорте и хранении углеводородов / М. Ю. Земенкова. - Тюмень: ТИУ, 2019. - 397с.
3.Земенкова М.Ю. Методологическое обеспечение мониторинга безопасности объектов транспорта и хранения нефти и газа на основе интеллектуальных экспертных систем : диссертация ... доктора технических наук : 05.26.02 / Земенкова Мария Юрьевна. - Тюмень, 2020. - 443 с.
4.Интеллектуальные роботы для мониторинга надежности и безопасности систем транспорта углеводородов / М. Ю. Земенкова, Е. Л. Чижевская, Ю. Д. Земенков [и др.] // Деловой журнал Neftegaz.RU. - 2021. - № 5(113). -С. 44-48.
5.Безопасность России. Правовые, социально-экономические и научно-техни-
ческие аспекты. Безопасность средств хранения и транспорта энергоресурсов// О.Е. Аксютин, А.А. Александров, А.В. Алешин - Москва: Международный гуманитарный общественный фонд "Знание" им. академика К.В. Фролова, 2019. - 928 с.
6. Диверсификация научно-технического развития и управления эффективностью предприятий ТЭК в нестабильной макроэкономической среде: особенности и проблемы / Я. М. Курбанов, Ю. Д. Земенков, Е. Л. Чижевская, А. Б. Шабаров // Деловой журнал Neftegaz.RU. - 2022. - № 12(132). - С. 74-79.
7.Смирнов С.И., Галкина В.А. Оптимизационные задачи на графах. - М.: Ге-лиос АРВ, 2012. - 368 с.
8.Тищенко А.С. Оптимальное технологическое проектирование нефтепроводов / А. С. Тищенко. - Москва : Недра, 1982. - 263 с.
9. Беллман Ричард. Динамическое программирование / пер. с англ. И. М. Андреевой [и др.] ; под ред. Н. Н. Воробьева. - Москва : Изд-во иностр. лит., 1960. - 400 с.
10. Бородавкин П.П. Выбор оптимальных трасс магистральных трубопроводов / П. П. Бородавкин, В. Л. Березин, С. Ю. Рудерман. - Москва : Недра, 1974. -240 с.
11.Таха Х.А. Исследование операций. / Х.А. Таха. - Издательский дом «Вильямс», 2005 - 912 с.
12. Рашка С. Python и машинное обучение. / С. Рашка - М.: ДМК Пресс, 2017. - 418 с.
13.Хайкин С. Нейронные сети. Полный курс. / С. Хайкин - М.: ООО «И.Д. Вильямс», 2018. - 1104 с.
Spisok literatury:
1.Makhutov N.A., Cherepanov, A.P., Lisanov, M.V. Zadachi razrabotki i realizatsii sistemy upravleniya promyshlennoy bezopasnostyu predpriyatiya pri ekspluatatsii tekhnicheskikh ustroystv // Bezopasnost truda v promyshlennosti. - 2021. - № 2. -S. 15-19. DOI: 10.24000/0409-2961-2021-2-15-19.
2.Zemenkova M.Yu. Metody snizheniya tekhnologicheskikh i ekologicheskikh riskov pri transporte i khranenii uglevodorodov / M. Yu. Zemenkova. - Tyumen: TIU. 2019. - 397 s.
3.Zemenkova M.Yu. Metodologicheskoye obespecheniye monitoringa bezopasnosti obyektov transporta i khraneniya nefti i gaza na osnove intellektualnykh ekspertnykh sistem : dissertatsiya ... doktora tekhnicheskikh nauk : 05.26.02 / Zemenkova Mariya Yuryevna. - Tyumen, 2020. - 443 s.
4.Intellektualnyye roboty dlya monitoringa nadezhnosti i bezopasnosti sistem transporta uglevodorodov / M. Yu. Zemenkova, E. L. Chizhevskaya, Yu. D. Zemenkov [i dr.] // Delovoy zhurnal Neftegaz.RU. - 2021. - № 5(113). - S. 44-48.
5.Bezopasnost Rossii. Pravovyye, sotsialno-ekonomicheskiye i nauchno-tekhnicheskiye aspekty. Bezopasnost sredstv khraneniya i transporta energoresursov/ /O.E. Aksyutin, A.A. Aleksandrov, A.V. Aleshin - Moskva: Mezhdunarodnyy gumanitarnyy obshchestvennyy fond "Znaniye" im. akademika K.V. Frolova, 2019. - 928 s.
6.Diversifikatsiya nauchno-tekhnicheskogo razvitiya i upravleniya effektivnostyu predpriyatiy TEK v nestabilnoy makroekonomicheskoy srede: osobennosti i problemy / Ya. M. Kurbanov, Yu. D. Zemenkov, E. L. Chizhevskaya, A. B. Shabarov// Delovoy zhurnal Neftegaz.RU. - 2022. - № 12(132). - S. 74-79..
7.Smirnov S.I.,. Galkina V.A. Optimizatsionnyye zadachi na grafakh. - M.: Gelios ARV. 2012. - 368 s.
8.Tishchenko A.S. Optimalnoye tekhnologicheskoye proyektirovaniye nefteprovodov / A. S. Tishchenko. - Moskva : Nedra. 1982. - 263 s.
9.Bellman Richard. Dinamicheskoye programmirovaniye / per. s angl. I. M. Andreyevoy [i dr.] ; pod red. N. N. Vorobyeva. - Moskva : Izd-vo inostr. lit., 1960. - 400 s.
10. Borodavkin P.P. Vybor optimalnykh trass magistralnykh truboprovodov / P. P. Borodavkin, V. L. Berezin, S. Yu. Ruderman. - Moskva : Nedra, 1974. - 240 s.
11.Takha Kh.A. Issledovaniye operatsiy. / Kh.A. Takha. - Izdatelskiy dom «Viliams», 2005. - 912 s.
12. Rashka S. Python i mashinnoye obucheniye. / S. Rashka - M.: DMK Press, 2017. - 418 s.
13.Khaykin S. Neyronnyye seti, Polnyy kurs. / S. Khaykin - M.: OOO «I.D. Viliams», 2018. - 1104 s.
