CC BY
11
УДК 543.4:5.44.2
А. Р. Мухутдинов, М. Г. Ефимов, Р. И. Сафиуллин
ИЗУЧЕНИЕ ЗАВИСИМОСТИ СКОРОСТИ ГОРЕНИЯ АММИАЧНО-СЕЛИТРЕННОГО ТОПЛИВА
ОТ ЭКСПЛАТУАЦИОННЫХ ХАРАКТЕРИСТИК ЕГО ЗАРЯДА
С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
Ключевые слова: нейросетевая модель, скорость горения, аммиачно-селитренное топливо, эксплуатационные параметры,
давление, плотность.
На основе исследований с использованием современных компьютерных технологий разработана нейросетевая модель, позволяющая установить влияние эксплуатационных характеристик заряда на скорость горения аммиачно-селитренного топлива. Показаны закономерности процесса горения аммиачно-селитренного топлива в условиях жидкой среды и давления.
Keywords: neural network model, burning rate, ammonia-nitrate fuel, operating parameters, pressure, density.
Based on research using modern computer technologies, a neural network model has been developed that makes it possible to determine the effect of the operating characteristics of the charge on the burning rate of ammonia-nitrate fuel. The regularities of the combustion of ammonium-nitrate fuel under conditions of a liquid medium and pressure.
Введение
Современный этап развития нефтедобывающей отрасли России характеризуется постоянным ростом требований к достижению высокой эффективности использования нефтяных месторождений, что предполагает по возможности бесперебойную и соответствующую потенциалу месторождения работу добывающих и нагнетательных скважин с соблюдением темпов выработки запасов, текущих уровни добычи и полноты извлечения углеводородов.
В условиях рыночной экономики большинство технологий повышения производительности нефтяных скважин (ТППНС) признаются нерентабельными из-за высоких материальных затрат, трудоемкости и сложности их проведения. Повышение эффективности ТППНС, обеспечение энерго и ресурсосбережения осуществляется за счет применения устройств на основе аммиачно-селитренного топлива (АСТ), выполняющих комплексное воздействие на призабойную зону нефтяного пласта. В таких устройствах АСТ используется в качестве сгораемого высокопрочного конструкционного материала, генерирующего тепло и газы. Оно работает в экстремальных условиях агрессивной среды при высоких, быстро изменяющихся по величине, нагрузках. Поэтому при разработке таких устройств к АСТ предъявляются жесткие эксплуатационные требования.
Известно, что процесс горения, как в газовой, так и в жидкой среде, не стационарен. Исследования процесса горения в жидкой среде показали, что при определенных давлениях происходят значительные перепады скорости горения. Эти перепады невозможно спрогнозировать простыми
математическими методами, так как на процесс горения влияет множество факторов. Эффективным инструментом для решения подобных неординарных задач является технология на основе искусственных нейронных сетях (ИНС) [1-6]. Они позволяют, исходя из одного только эмпирического
опыта, строить нейросетевые модели, которые способствуют извлечению знаний из данных и позволяют выявлять ранее неизвестные особенности, активно использовать их для решения конкретных практических задач. Поэтому изучение возможности использования современных информационных технологий для компьютерного моделирования процесса горения АСТ и прогнозирования его скорости горения является актуальной задачей, имеющей научный и практический интерес.
Объект и методика исследования
Целью данной работы является разработка нейросетевой модели процесса горения АСТ для прогнозирования его скорости горения.
Объектом исследования является процесс горения АСТ, а его основным выходным эксплуатационным параметром - скорость горения, от которого зависит эффективность работы устройства (термогазовое воздействие).
Результат прогнозирования выходного параметра (скорость горения заряда u, мм/с) определяется компьютерной моделью, основанной на искусственной нейронной сети (ИНС) и зависит от значения следующих входных параметров: плотности заряда (р, г/см3), давления (Р, МПа), диаметра заряда (d, мм). По экспериментальным данным (53 опыта [7]) создавалась общая база знаний (см. табл.) в программной среде MS Excel, которая делилась на обучающую (50 примеров) и тестирующую (3 примера) выборки. Значения экспериментальных данных вводились без предварительного отсева опытов. После чего происходило обучение и тестирование нейронной сети. В программной среде разработки ИНС применялся процесс обучения «с учителем».
Результаты исследований и их обсуждение
В процессе исследований проведены следующие работы:
- разработка базы знаний на основе результатов проведенных экспериментов;
- разработка нейросетевой модели процесса горения АСТ для прогнозирования его скорости горения;
- выбор оптимальной модели и проведение вычислительного эксперимента;
- анализ полученных результатов.
Таблица 1 - База знаний
№ опыта р, г/см3 Р, МПа d, мм и, мм/с
1 1,36 0,1 36 0,039
2 1,36 1,9 36 0,714
3 1,36 3,4 36 0,9
4 1,18 26,2 46 1,30
5 1,15 25 36 1,40
6 1,36 4 36 1,5
7 1,36 5 36 1,8
8 1,2 22,6 56 1,93
9 1,36 6 36 2,06
10 1,36 8,98 36 2,48
11 1,34 12,4 56 2,57
12 1,2 26 56 2,67
- - - - -
53 1,48 11,8 56 1,5
С использованием базы знаний определена структура ИНС (сеть с прямым распространением сигнала) и оптимальная ее структура [(общее количество скрытых слоев - 3 и количество нейронов в слоях соответственно: 53), функция активации (линейная функция) и метод оптимизации (сеть с общей регрессией)]. В соответствии с количеством входных и выходных параметров, определено количество нейронов в первом слое - 3, в последнем - 1. Общее число шагов обучения методом «сеть с общей регрессией» составило 13500 шагов для выборки из 53 экспериментов. После тестирования сеть показала максимальную относительную ошибку 6%, что подтверждает возможность данной нейросетевой модели с наименьшей погрешностью прогнозировать скорость горения АСС. В связи с этим, после обучения ИНС значимость параметров по влиянию на скорость горения можно расположить следующим порядком: Р - давление, (МПа); р - плотность заряда, (г/см3); d - диаметр заряда, (мм).
В ходе определения значимости влияния входных параметров на выходные было выявлено, что давление оказывает максимальное значение на изменение скорости горения, что согласуется с литературными данными [7]. Показатели значимости определяют дальнейший ход исследования, поэтому рассматривалось влияние на скорость горения давления и плотности заряда при различных диаметрах. Для проведения вычислительного эксперимента с помощью разработанной нейросетевой модели значение ряда входных параметров остается постоянным: содержание окислителя (72%), горючего (25%) и
добавки (3%), материал оболочки (ПВХ), направление горения (снизу вверх) и окружающая среда (вода), а плотность заряда (1,36...1,44 г/см3), давление (1,5.25 МПа) и диаметр заряда (36 мм и 46 мм, рисунок а и б соответственно) - изменяется в определенном диапазоне (заданном исходя из условий эксплуатации).
и, мм/С"
4,5
4 3,5 3 2,5 2 1,5 I
0,5 О
, мм/с
4,5 4 3,5 3 2,5 2 1,5 1
0,5 0
-
- -1
- t *
- ,2
- У
-
-
-
10
15
20
25 Р, МПа
- J ■1
- у '2
- --
-
- /
- у/
-
-
-
10
15
20
25 Р, МПа
б
Рис. 1 - Зависимость скорости горения от давления при различных диаметрах АСТ (а - 36 мм; б - 46 мм): 1 - построенная по нейросетевой модели при плотности 1,36 г/см3; 2 - построенная по нейросетевой модели при плотности 1,44 г/см3; ▲ - экспериментальная точка, которая соответствует плотности 1,44 г/см3
Из графиков u=f(P) при диаметрах заряда 36 мм и 46 мм видно, что зависимости имеют схожий характер (рисунок а и б). На основании вычислительного эксперимента с помощью разработанной нейросетевой модели установлено:
1) увеличение диаметра заряда приводит к росту значения скорости горения на 10% для АСТ с плотностью 1,36 г/см3 и на 29% для АСТ с плотностью 1,44 г/см3;
2) при диаметре 36 мм наблюдается значительное увеличение скорости горения (на 27%) заряда АСТ с плотностью 1,36 г/см3 (кривая 1) относительно заряда АСТ с плотностью 1,44 г/см3 (кривая 2) при давлении 25 МПа, а при диаметре 46 мм разница в скорости горения аналогичных
а
зарядов АСТ (кривые 1 и 2) при давлении 25 МПа составляет около 9%.
Выводы
Изучена и показана возможность нейросетевого моделирования процесса горения АСТ. Наглядно продемонстрирован прогноз выходного параметра, в данном случае скорости горения АСТ, на заранее обученной сети (относительная ошибка составила 6%) с помощью базы знаний. Проведен сравнительный анализ полученных зависимостей.
Установлено и показано, что увеличение диаметра заряда от 36 до 46 мм приводит к росту значения скорости горения при плотности АСТ 1,36 г/см3 на 10%, а при плотности 1,44 г/см3 на 29%.
Установлено и показано, что при давлении 25 МПа и диаметре АСТ 36 мм разница в скорости горения образцов с плотностью 1,36 г/см3 и 1,44 г/см3 составляет 27%, а диаметре 46 мм - 9%.
Дитература
1. Mukhutdinov A.R. Application of a neural network model for revealing specific features and regularities of solid fuel burning process / Mukhutdinov, A.R., Lyubimov P.E. / Thermal Engineering (Englich translation of Teploenergetika) 57 (4), 2010, pp.336.
2. Mukhutdinov A.R Development of a neural network programming module for predicting the strength properties of solid fuel / Mukhutdinov, A.R., Okulin M.V. / Chemical and Petroleum Engineering 47 (3), 2011, pp.266.
3. Мухутдинов А.Р. Нейросетевое моделирование теплообмена в бензоле при частоте 600 кГц / А.Р. Мухутдинов, З.Р. Вахидова, М.А. Хакимова / Вестник Казан. технол. ун-та. - 2013 - Т.18, № 3. - С.96-99.
4. Мухутдинов А.Р. Нейросетевая оптимизация процесса сжигания твердого топлива в энергетических установках для минимизации вредных выбросов / А.Р. Мухутдинов, З.Р. Вахидова, Г.М. Мухутдинова / Вестник Казан. технол. ун-та. - 2013 - Т.16, № 2. - С.76-78.
5. Мухутдинов А.Р. Повышение эффективности работы котла ТП-230 за счет нейросетевых технологий / А.Р. Мухутдинов, З.Р. Вахидова, П.Е. Любимов / Вестник Казан. технол. ун-та. - 2011 - Т.14, № 21. -С.91-94.
6. Мухутдинов А.Р. Нейросетевое моделирование и оптимизация сложных процессов и наукоемкого теплоэнергетического оборудования / А.Р. Мухутдинов, Г.Н. Марченко, З.Р. Вахидова / Казань: Казан. гос. энерг. ун-т, 2011. - 296 с.
7. Мухутдинов А.Р. Применение компьютерных технологий при разработке сгораемых материалов и устройств на их основе для интенсификации добычи нефти. Казань: Издательский дом «Меддок», 2005. - 192 с.
© А.Р. Мухутдинов - д-р техн. наук, проф. каф. технологии твердых химических веществ КНИТУ, [email protected]; М.Г. Ефимов - асп. каф. технологии твердых химических веществ КНИТУ, [email protected]; Р. И. Сафиуллин - студент той же кафедры КНИТУ.
© A. R. Mukhutdinov - Doctor of technical sciences, prof. of the Department «Technologies of solid chemical substances» KNRTU, [email protected]; M. G. Efimov - postgraduate student of the Department «Technologies of solid chemical substances» KNRTU, [email protected]; R. I Safiullin - student the same Department KNRTU.
