CC BY
21
_ВЕСТНИК ПНИПУ_
2022 Химическая технология и биотехнология № 2
Б01: 10.15593/2224-9400/2022.2.10 Научная статья
УДК 665.6/.7; 66.011
Т.Н. Караневская, А.Г. Шумихин
Пермский национальный исследовательский политехнический университет, Пермь, Россия
КРИТЕРИИ И АЛГОРИТМ ОПТИМИЗАЦИИ МНОГОСТАДИЙНОГО ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ПРОМЫСЛОВОЙ ПОДГОТОВКИ НЕФТИ
Рассматривается решение задачи определения оптимальных значений технологических параметров, повышающих эффективность использования оборудования установок промысловой подготовки нефти. При проектировании установок критерием оптимальности в задаче служит показатель приведенных затрат на производство, при их эксплуатации в качестве критерия в задаче оптимизации выступает прибыль. В этих задачах минимум приведенных затрат и максимум прибыли соответствуют оптимальным значениям параметров по стадиям технологического процесса при подготовке нефти до товарного качества по показателю остаточного содержания воды.
На примере действующей установки промысловой подготовки нефти предложен алгоритм решения задачи определения оптимальных параметров работы оборудования и расхода нефтяной эмульсии на входе многостадийного технологического процесса, при которых достигается максимальная прибыль. Алгоритм основан на принципе оптимальности Беллмана в сочетании с аналитическими моделями технологических процессов и применением искусственных нейронных сетей, аппроксимирующих зависимости выходных оптимальных значений технологических параметров процессов от входных по стадиям промысловой подготовки нефти. Критерий оптимальности для всего многостадийного процесса формулируется как аддитивная функция критериев оптимальности отдельных стадий. Для основных процессов (сепарации, обезвоживания, нагрева) в задачах оптимизации определены управляющие параметры, описана процедура получения обучающей выборки для обучения нейронной сети. Представлены результаты расчета оптимальных значений параметров технологического режима и производительности установки промысловой подготовки для получения требуемого по ГОСТ Р 51858-2002 качества подготовки нефти при выполнении условия достижения максимальной прибыли. Проверена точность полученных нейросетевых моделей. Выполнена оценка прибыли при оптимальных значениях технологических параметров и допустимом на выходе с установки качестве подготовки нефти. Результаты, представленные в работе, получены с учетом ранее проведенных авторами исследований.
Ключевые слова: промысловая подготовка нефти, технологический процесс, принцип оптимальности Беллмана, критерий оптимальности, оптимальное управление, нейросетевое моделирование.
T.N. Karanevskaia, A.G. Shumikhin
Perm National Research Polytechnic University, Perm, Russian Federation
CRITERIA AND ALGORITHM FOR OPTIMIZING THE MULTISTAGE TECHNOLOGICAL PROCESS OF THE FIELD OIL PREPARATION
The solution of the problem of determining the optimal values of technological parameters that increase the efficiency of using the equipment of field oil treatment plants is considered. When designing installations, the criterion of optimality in the task is the indicator of the reduced production costs, when operating installations, the optimality criterion is profit. In these tasks, the minimum of the reduced costs and the maximum profit correspond to the optimal values of the parameters for the stages of the technological process when preparing oil to marketable quality in terms of residual water content.
An algorithm for solving the problem of determining the optimal parameters of equipment operation and oil emulsion consumption at the input of a multi-stage technological process, at which maximum profit is achieved, is proposed using the example of an existing field oil treatment plant. The algorithm is based on the Bellman optimality principle in combination with analytical models of technological processes and the use of artificial neural networks approximating the dependence of the output optimal values of technological parameters ofprocesses on the input stages of oil field preparation. The optimality criterion for the entire multistage process is formulated as an additive function of the optimal-ity criteria of individual stages. For the main processes (separation, dehydration, heating), control parameters are defined in optimization problems, and the procedure for obtaining a training sample for training a neural network is described. The results of calculating the optimal values of the parameters of the technological regime and the performance of the field preparation unit for obtaining the quality of oil preparation required by GOST R 51858-2002 when the condition for achieving maximum profit is met are presented. The accuracy of the obtained neural network models has been verified. The profit was estimated at optimal values of technological parameters and acceptable oil treatment quality at the outlet of the installation. The results presented in the paper are obtained taking into account the studies previously conducted by the authors of the article.
Keywords: oil field preparation, technological process, Bellman optimality principle, optimality criterion, optimal control, neural network modeling.
Введение. Действующая установка подготовки нефти представляет собой систему с постоянным возмущением на входе нефтяной эмульсии, как по объему, так и по составу и свойствам. Оснащение объекта подготовки системами автоматического контроля расхода и лабораторного контроля обводненности по стадиям при наличии программно-технического комплекса, в котором решается задача оптимизации процесса, способствует оперативному пересчету параметров технологического режима. Состав оборудования и технологический режим определяют
качество подготовленной нефти и экономические показатели работы установки. Результаты, нашедшие отражение в настоящей работе, получены с учетом ранее выполненных авторами исследований [1, 2].
Материалы и методы исследования. На рисунке показана блок-схема процесса подготовки нефти, характеризующегося векторами вход-
—*/-1 —'г —'г
ных X и выходных X переменных, и управлений и по стадиям.
Рис. Блок-схема процесса подготовки нефти: МС - модуль сепарации; МПО - модуль предварительного обезвоживания; МП - модуль подогрева; МГО - модуль глубокого обезвоживания; МОС - модуль обессоливания; МКС - модуль концевой ступени сепарации
В работе [1] приведено описание переменных и управлений по стадиям подготовки нефти (табл. 1).
Таблица 1
Описание переменных и управлений по стадиям подготовки нефти
№ п/п Стадии процесса подготовки Вектор входных переменных х '-1, ' = 1,6 Вектор выходных переменных X', г = 1,6 Вектор управлений и , ' = 1,6 Функция (модель стадии), связывающая переменные
1 Сепарация Qнгс, wнгс, Т Р нгс нгс Qж, й-1, Рж Р т Ь X0, X ',и') = о
2 Предварительное обезвоживание Qв\, Рж1, Wн1 Рпо, Qдэ, тпо X', X2, и2) = о
3 Подогрев Тж1 Тп, рт, Qт ^3( X2, X 3,и3) = о
4 Глубокое обезвоживание Qж2, Qв2, Рж2, Wн2 Р Т т го го го X3, X 4,и4) = о
5 Обессоливание Qн1, Qв3, Qcоль, Рн, Wн Рос, Qпр.в, тос ^5( X4, X 5,и5) = о
6 Концевая ступень сепарации Qн, Qг2, Рг Р т Ь х, X 6,£/6) = о
Условные обозначения: Q - расход; w - обводненность; Т - температура; Р -давление; т - время пребывания; Ь - уровень; Ет - поверхность теплообмена.
Индексы переменных: нгс - нефтегазожидкостная смесь; ж, ж1, ж2 - жидкость (1, 2); г, г1, г2 - газ (1, 2); в1, в2, в3 - вода 1 (2, 3); н, н1, н2 - нефть (1, 2); дэ - де-эмульгатор; т - топливо; пр.в - пресная вода.
Индексы стадий подготовки: с - сепарация; по - предварительное обезвоживание; п - подогрев; го - глубокое обезвоживание; ос - обессоливание; кс - концевая ступень сепарации.
Качество продукции, экономические показатели предприятия, производительность труда во многом определяются составом оборудования и технологическими режимами его работы. При проектировании технологического процесса подготовки нефти руководствуются принципом минимизации приведенных затрат, при управлении действующей установкой рационально ориентироваться на максимизацию прибыли, получаемой компанией [3, 4].
Задача оптимизации в случае действующего производства заключается в определении оптимальных значений технологических параметров N-стадийного технологического процесса подготовки нефти с тем, чтобы прибыль компании была максимальной, если известны стоимость производимой продукции Цq(i) и стоимость эксплуатационных издержек производства Sq(i).
В задаче оптимизации при проектировании технологического процесса по критерию минимума приведенных затрат определяются состав оборудования и его режимные параметры при известных величинах капитальных вложений вариантов оборудования (с учетом расходов на его покупку, транспортировку, монтаж, наладку и подготовку кадров) - P(i) и нормативного срока окупаемости капиталовложений E(i), принятого для нефтяной и смежных с ней отраслей промышленности).
Алгоритм решения задачи оптимизации основан на принципе оптимальности Беллмана для многостадийных процессов, математическая формулировка которого, позволяющая решить задачу оптимизации постадийно, имеет вид
f (x(i-,') = „min(X('-l),U('')+^(X"-".^)], (' = 1N), (1)
»/ — ('-l) — ")\
где N - число стадий технологического процесса; r (X , U ) - зна-
чение критерия оптимальности i-й стадии процесса; JAX - значе-
ние суммы критериев оптимальности последних N-(1-1) стадий.
Задача оптимизации многостадийного процесса решается в два этапа. На первом этапе определяются оптимальные управления как функции входных параметров стадий, начиная с последней. Для этого решается задача
Г (-1) . * /-(N-1) ГШ) (2)
fN (х ) = тт гN (х ) (2)
и находятся зависимости:
и 1 = и 0Р?( 1(1-1)), (3)
!м (1 )= Г1 (1 ,Го^ ). (4)
Для второй с конца стадии соотношение Беллмана (1) будет следующим:
Г Ы(-2) • Г * /7Т(-2) Гт(-1) Г*/ V(-2) Гт(-1) /м-1 (1 ) = шт г*-1 (1 г ) + /* (1 Г
(5)
Решение (5) дает зависимости:
и (<1]=и ^ 1( -2)), (6)
4 [1(1-2) * /1(1 -2) г(1-1) , 4 * /V(1 -2) и(1 -1) (7) /1-1 (1 )= Г1*-1 (1 , иopt ) + /и (1 ,иаРг ) . (7)
Процедура повторяется до тех пор, пока не будет получена зависимость /1 (1 ( )) для первой стадии. Если состояние входа всего
— (0) / — (°)\ процесса 1 задано, то /1 (1 ) представляет собой экстремальное
значение критерия оптимальности всего многостадийного технологического процесса. Если же состояние входа всего процесса не задано,
1 (0)
то 1 находится из условия
4 /V(°)\ • Г *( 1(°) Гт(1^+ 4*( 1(°) Гт«У
/1 (1 )= Л Г (1 ,и ) + Л(1 ,и )
(8)
Таким образом, на первом этапе решения находятся критерий оптимальности всего процесса и зависимости
—() — () (-1) Л / -\
ГоР1 = ГОР1 I 1 I, (( = 1, N). (9)
Второй этап решения представляет собой последовательный расчет оптимальных управлений от первой стадии к последней. Вычисляется оптимальное управление для первой стадии:
U opt — U opt (X
(10)
По математическому описанию стадии находится X при оптимальном управлении:
V(1) —/v(0) ТТ(1)
X —ф1 (X ,Uopt
— (2)
Далее соотношение (11) используется для расчета U opt:
—Т(2) J*(2W-(1)\ -Т(2) ((0) ^(1)
Uopt — Uopt (X ) — Uopt I ф1 (X , Uopt
(11)
(12)
-Т(2) -Т(2)
Затем вычисляется X при найденном Uopt и т.д. до тех пор, пока не будут получены значения оптимальных управлений на всех стадиях [5, 6].
Результаты исследования и их обсуждение. Алгоритм решения задачи определения оптимальных параметров работы оборудования по стадиям реализован на конкретном примере по критерию максимальной чистой прибыли при постоянной производительности технологического процесса подготовки нефти в программном комплексе MATLAB [7].
Прибыль Пр определяется как разница между выручкой В и суммарными затратами З:
Пр — В - З — б • (Ц - S),
(13)
где Q - производительность установки; Ц - цена реализации товарной нефти; £ - себестоимость подготовки товарной нефти.
Затраты на первую ступень сепарации нефти представляют собой затраты на электроэнергию при перекачке нефтяной эмульсии. Управляющими неизвестными параметрами в формуле (14) являются уровень жидкости в сепараторе время сепарации тс и давление сепарации Рс:
(
S — Ц
— Цэ
0,0061642 Qe + 0,0221 QH + 0,0018511 тс -
Ро
Ро + Р.
с У
0,0061642 • бэМ ЮэМ + 0,0221
бэм •(1 -Юэм ) +
4 ^ап DL
+
(14)
+ 0,0018511т
0,1
0,1 + Рс
где Цэл - цена за 1 кВт электроэнергии, руб./кВт; Qв, Qн, Qэм ^н1) - количество перекачиваемой воды, нефти и эмульсии (товарной нефти) соответственно, т/мес; тс - время пребывания жидкости в аппарате, ч/мес; юэм (юн1) - обводненность поступающей в аппарат эмульсии (товарной нефти), мас. доля; Ьс - уровень жидкости в сепараторе, м; Уап - объем сепаратора; - диаметр сепаратора; Ро = 0,1 МПа - атмосферное давление; а1 = 0,0061642, Ъ1 = 0,0221, с1 = 0,0018511 - коэффициенты аппроксимации функции затрат на электроэнергию.
Затраты на стадию предварительного обезвоживания £по складываются из затрат на электроэнергию при перекачке эмульсии и затрат на деэмульгатор (15). Управляющие неизвестные параметры в выражении (15) - время пребывания в аппарате предварительного обезвоживания тпо и давление в аппарате Рпо:
^по = Цэл • (0,0061642Qж • юж + 0,0221Qж • (1 - юж) +
0,1 ^ + Ц • (15)
Цдэ ёдэ,
+ 0,0018511тпо —
0,1 + Рпо у
где Цдэ - цена за 1 т деэмульгатора, руб.; ёдэ - расход деэмульгатора, т; Qж - расход нефтегазожидкостной смеси, т/мес.
Аналогично (15) описывается функция затрат на стадию глубокого обезвоживания и обессоливания £го, которая представляет собой сумму затрат на электроэнергию при перекачке предварительно обезвоженной нефти и затрат на пресную воду:
£го = Цэл • (0,0061642Qн •Юн + 0,02210, • (1 -ю) +
0,1 ^ (16)
+ 0,0018511тго —
0,1 + Рго у
+ Ц • ё
"пр.в О]
пр.в >
где Qн и юн - расход и обводненность предварительно обезвоженной нефти; тго и Рго - время пребывания и давление в аппарате глубокого обезвоживания и обессоливания; Цпрв - цена за 1 т пресной воды, руб.; ёпрв - расход пресной воды, т.
Затраты на топливо для стадии нагрева £т имеет следующий вид:
= Цт • Г0,00382а + 30,581 + 0,59113Г! 1 (17)
V 1 -Юн
где Цт - цена за 1000 м3 топлива (газа), руб./1000 м3; ¿ап - температура в аппарате, °С; а2 = 0,00382, Ъ2 = 30,58, с2 = 0,59113 - коэффициенты
аппроксимации функции затрат на топливо, зависящие от площади поверхности теплообмена
Затраты на концевую ступень сепарации нефти £кс рассчитываются аналогично затратам на первую ступень сепарации нефти и представляют собой затраты на электроэнергию при перекачке товарной нефти. Управляющими неизвестными параметрами в формуле (18) являются уровень жидкости в сепараторе концевой ступени Цкс, время концевой ступени сепарации ткс и давление концевой ступени сепарации Ркс:
(0,0061642 • 0н1 • юн1 + 0,0221 х
^с = Цэ
х
V
бн1 •(-«н1 )+ ^ ^
^ап1 Ткс
+ °,°°18511т 0,1
0,1 + Ркс у
(18)
где Цэл - цена за 1 кВт электроэнергии, руб./кВт; бн1 - количество перекачиваемой товарной нефти, т/мес; ткс - время пребывания жидкости в аппарате, ч/мес; юн1 - обводненность поступающей в аппарат товарной нефти, мас. доля; Цкс - уровень жидкости в сепараторе концевой ступени, м; Уап\ - объем сепаратора; ^ап1 - диаметр сепаратора; Ро = 0,1 МПа - атмосферное давление; а1 = 0,0061642, Ь1 = 0,0221, с1 = 0,0018511 - коэффициенты аппроксимации функции затрат на электроэнергию.
При решении задачи оптимизации в качестве постадийных критериев приняты четыре частных критерия, имеющие вид (14)-(18): первый критерий (18) включает затраты на концевую ступень сепарации, второй (16) - затраты на стадию глубокого обезвоживания и обессоливания, третий объединяет затраты на стадию предварительного обезвоживания (15) и нагрева (17), четвертый (14) - затраты на сепарацию первой ступени.
Задаваясь произвольно, начиная с последней стадии, значениями входных параметров (расхода и обводненности) при ограничении обводненности товарной нефти на выходе всего процесса, находятся оптимальные значения режимных параметров. При разных значениях входных переменных и найденных значениях оптимальных управляющих параметров по модели соответствующего технологического процесса определяются выходные переменные (расход и обводненность). Например, входные переменные 5-й стадии (концевой ступени сепарации) - расход и обводненность перекачиваемой товарной нефти (бн\ и юн1), оптимальные управляющие параметры 5-й стадии - давление Р? , уровень жидкости ЦТ и время пребывания жидкости т^Г в аппарате. Выходные переменные 5-й стадии - расход и обводненность товарной нефти после концевой ступени сепарации (бт.н и ютн).
Диапазоны изменения входных параметров стадий и управляющих параметров, являющиеся ограничениями задачи оптимизации, по-стадийно представлены в табл. 2.
Таблица 2
Диапазон изменения и представления параметров
Стадии процесса подготовки нефти Входные параметры Выходные параметры Определяемые по уравнениям (14)-(17) оптимальные управляющие параметры Функция (модель), связывающая переменные
—-¡-1 X диапазон X' диапазон и кр' диапазон
Концевая ступень сепарации Qнl, м3/ч 60-290 м3/ч 50-280 Р°т , МПа 0,001-0,005 102,25Ь;;с + 3,76Ькс + +3,1754 = Qн ; Ь = 3,8313т + +0,2422
Юн1, %об. 0,1-0,5 Ют.н, %об. 0,1-0,5 ькр, м 0,3Ап - 0,7Ап
тОР', ч 0,083-0,583
Стадия глубокого обезвоживания и обессоливания Qн, м3/ч 70-350 Qнl, м3/ч 60-290 Ргкор' , МПа 0,1-0,5 юн =-0,005'2 + +0,24' + 9,0157; т„ = 8 10-5'2 --0,0197' +1,1025; 8р.в = 0,0056'2 --0,6487' + 21,96
Юн, %об. 5-20 Юн1, %об. 0,1-0,5 тГ, ч 0,25-2
, %об. 1-10
Стадия предварительного обезвоживания и нагрева Qж, м3/ч 80-1050 Qн, м3/ч 70-350 Рор, МПа 0,2-1,0 тпо = 8 10-5'2 - -0,0197' +1,1025; = 0,0193'2 --1,796' + 47,314
Юж, %об. 20-70 Юн, %об. 5-20 Тпо , ч 0,25-2
8?, г/т 5-100
гкрг ос 5-70
Сепарация первой ступени Qэм, м3/ч 90-1200 Qж, м3/ч 80-1050 Рскр' , МПа 0,3-1,0 102,25Ь2 + 3,76Ьс + + 3,1754 = Qsм; Ь = 3,8313т + + 0,2422
юэм, %об. 15-65 Юж, %об. 20-70 Ькр , м 0,3Д„ - 0,7Д,п
<"', ч 0,083-0,583
Условные обозначения: Q - расход; ю - обводненность; ' - температура; Р - давление; т - время пребывания; Ь - уровень.
Индексы переменных: эм - нефтяная эмульсия; ж - нефтегазожидкостная смесь; н - предварительно обезвоженная нефть; н1 - товарная нефть; т.н - товарная нефть после концевой ступени сепарации; дэ - деэмульгатор; пр.в - пресная вода.
Индексы стадий подготовки: с - сепарация первой ступени; по - предварительное обезвоживание; го - глубокое обезвоживание и обессоливание; кс - концевая ступень сепарации.
В табл. 2 функции, связывающие переменные, позволяют исключить некоторые управляющие параметры из решений по стадиям, т.е. уменьшить число оптимизирующих переменных (управлений). Уравнения зависимости одного управляющего параметра от другого найдены на основании анализа отраслевых руководящих документов и экспериментальных исторических данных, полученных с реальных технологических установок.
В результате получен массив данных оптимальных значений режимных параметров по стадиям решения задачи (1)-(9) всего технологического процесса подготовки нефти в зависимости от расхода и обводненности жидкости на входе и требований к качеству товарной нефти на выходе [8-10]. На полученных по стадиям подготовки нефти массивах данных проводится обучение нейронных сетей, выполняемое в программном комплексе MATLAB. Входом сети являются значения входных переменных стадии (расход и обводненность нефти), а ее выходом - оптимальные значения управляющих параметров стадии. При этом найденные по модели технологического процесса стадии значения ее выходных переменных (расход и обводненность нефти) становятся входными переменными также и нейронной сети для вычисления оптимальных управлений следующей стадии подготовки нефти. Таким образом, получены нейронные сети вида
иО) = NET(1) (X(-1)), ( = 1N). (19)
Массивы обучающих последовательностей для построения сетей (19) формируются путем варьирования в допустимых диапазонах входных переменных стадий при решении задач (1)-(9).
Входные и выходные переменные нейронной сети по стадиям технологического процесса представлены в табл. 2, при этом ввиду неизменного расхода и обводненности продукции на входе и выходе стадии нагрева она объединяется со стадией предварительного обезвоживания нефти.
В качестве нейронной сети выбран однослойный персептрон с одним скрытым слоем и 10 нейронами, принята сигмоидная функция активации. При обучении нейронной сети использовался метод градиентного спуска [11, 12].
Нейросетевая модель описывает процесс подготовки нефти со значением среднеквадратической ошибки для тестовых выборок по
_3
всем стадиям, не превышающей порядок 10 , что с учетом размерности выходного параметра (доли отделившейся воды) соответствует ошибке, равной примерно 0,1 %.
Предложенная модель оптимизации по критерию «приведенные затраты» предназначена для использования при проектировании технологического процесса подготовки нефти с целью поиска оптимального состава и режимов работы оборудования, модель оптимизации по критерию «прибыль» _ при управлении действующей установкой промысловой подготовки [13].
Корректность разработанной модели по отношению к действующему технологическому процессу подтверждена на примере работы установки предварительного сброса пластовой воды, в аппаратах обезвоживания которой для достижения обводненности менее 5 % мас. в настоящее время поддерживаются следующие значения технологических параметров: Qm = 569,2 м3/ч, 4п = 40 °С, gm = 30 г/т и тпр = 30 мин. Рассчитанная по модели на текущий режим обводненность нефти на выходе не превышает 3 % мас. При этом ведение процесса сброса воды с текущей загрузкой при найденных по модели оптимальных значениях технологических параметров: tan = 40 °С, = 20 г/т и Тпр = 30 мин позволит сэкономить затраты на подготовку нефти в количестве АЗ = 120 208 руб./мес. или 1 442 496 руб./год.
Однократно настроенная аналитическая модель технологического процесса способна выдавать результаты с достаточной точностью, не требуя постоянной коррекции, при сохранении ряда входных параметров (состав сырья, давления и температуры по аппаратам) в допустимых пределах. В процессе эксплуатации месторождений меняется состав добываемого флюида, снижается давление входа, растет содержание воды. Наблюдения показывают, что частота возмущений, требующих адаптации модели, не превышает суточного мониторинга. Тем самым ставится задача проверки адекватности моделей реальным технологическим процессам стадий и настройки их с помощью некоторых корректирующих коэффициентов модели. Например, разработанные математические модели стадий процесса, учитывающие в векторной форме газосодержание и вязкость среды, реализованы в специализированной моделирующей системе Unisim Design (HYSYS). Для этой системы в зависимости от вида аппарата (технологического процесса) корректирующими коэффициентами являются метановый индекс для сепаратора, коэффициент гидравлического сопротивления среды для отстойника, коэффициент теплопередачи для подогревателя. Передача данных между программными продуктами MATLAB и Unisim Design (HYSYS) организуется с помощью COM/ActiveX протокола [14, 15]. Автоматизация настройки модели объекта позволит оперативно корректировать технологический режим его работы.
Заключение. Предложенные методический аппарат, критерии и алгоритм решения задачи оптимизации технологических режимов многостадийного процесса предназначены для реализации в автоматизированной оперативно управляющей системе при проектировании установки и управлении объектами промысловой подготовки нефти.
Расчет по критерию «прибыль» оптимальных значений параметров технологического режима и производительности на входе первой
стадии установки предварительного сброса пластовой воды (УПСВ) для получения нефти требуемого качества показал эффективность решения задачи, т.е. достижение прироста прибыли по отношению к существующему технологическому режиму УПСВ.
Список литературы
1. Караневская Т.Н., Шумихин А.Г. Оптимизация технологических режимов при управлении процессами промысловой подготовки нефти // Инженерный вестник Дона. - 2019. - № 4. - С. 22.
2. Karanevskaya T.N., Shumikhin A. G. Modeling of technological processes for algorithmization of problem of management of oil field treatment facilities // Izvestiya Vysshikh Uchebnykh Zavedenii. Khimiya i Khimicheskaya Tekhno-logiya. - 2020. - Vol. 63, iss. 2. - P. 84-90.
3. Технология, экономика и автоматизация процессов переработки нефти и газа: учеб. пособие / С.А. Ахметов, М.Х. Ишмияров, А.П. Веревкин, Е С. Докучаев, Ю.М. Малышев. - М.: Химия, 2005. - 736 с.
4. Караневская Т.Н. Задача комплексной оптимизации технологических систем промыслового обустройства // Химия. Экология. Урбанистика. -Пермь, 2018. - Т. 1. - С. 684-688.
5. Бояринов А.И., Кафаров В.В. Методы оптимизации в химической технологии: учеб. пособие. - 2-е изд., перераб. и доп. - М.: Химия, 1975. - 576 с.
6. Беллман Р., Калаба Р. Динамическое программирование и современная теория управления. - М.: Наука, 1969. - 120 с.
7. Дворецкий Д.С., Ермаков А.А., Пешкова Е.В. Расчет и оптимизация процессов и аппаратов химических и пищевых производств в среде MATLAB: учеб. пособие. - Тамбов: Изд-во Тамб. гос. техн. ун-та, 2005. - 80 с.
8. Лутошкин Г.С. Сбор и подготока нефти, газа и воды. - М.: Недра, 1977. - 192 с.
9. Ишмурзин А.А., Храмов Р.А. Процессы и оборудование системы сбора и подготовки нефти, газа и воды / УГНТУ. - Уфа, 2003. - 145 с.
10. Тронов В.П. Промысловая подготовка нефти. - Казань: ФЭН, 2000. -
416 с.
11. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. - 2-е изд., стер. - М.: Горячая линия Телеком, 2002. - 382 с.
12. Шумихин А.Г., Бояршинова А.С. Алгоритм выбора структурных параметров искусственной нейронной сети и объема обучающей выборки при аппроксимации поведения динамического объекта // Компьютерные исследования и моделирование. - 2015. - Т. 7, № 2. - С. 243-251.
13. Хачатрян С. С., Арунянц Г. Г. Автоматизация проектирования химических производств. - М.: Химия, 1984. - 208 с.
14. Create COM Objects - MATLAB & Simulink [Электронный ресурс]. -URL: https://www.math-works.com/help/matlab/matlab_external/creating-com-ob-jects.html (дата обращения: 22.03.2022).
15. Process Modelling and Univariate Analysis of Comminution Circuits / T. Song, T.H. Yang, J.W. Zhou, Q.K. Wang // IFAC-PapersOnLine. - 2018. -Vol. 51, iss. 21. - P. 19-23.
References
1. Karanevskaja T.N., Shumihin A.G. Optimizacija tehnologicheskih rezhimov pri upravlenii processami promyslovoj podgotovki nefti [Optimization of technological modes for managing oil production processes]. Inzenernyj vestnik Dona [Electronic resource], 2019, no. 4, 12 p.
2. Karanevskaya T.N., Shumikhin A. G. Modeling of technological processes for algorithmization of problem of management of oil field treatment facilities // Izvestiya Vysshikh Uchebnykh Zavedenii, Seriya Khimiya i Khimicheskaya Tekhnologiya [Electronic resource]. - 2020. - Vol. 63, Iss. 2- P. 84-90.
3. Tehnologija, jekonomika i avtomatizacija processov pererabotki nefti i gaza / S.A. Ahmetov, M.H. Ishmijarov, A.P. Verevkin, E.S. Dokuchaev, Ju.M. Malyshev; Pod red. S.A. Ahmetova [Technology, Economics and automation of oil and gas refining processes]. Moscow, 2005, 736 p.
4. Karanevskaja T.N. Zadacha kompleksnoj optimizacii tehnologicheskih sistem promyslovogo obustrojstva [The task of complex optimization of technological systems of oilfield equipment]. Himija. Jekologija. Urbanistika. 2018. V. 1. pp. 684-688.
5. Bojarinov A.I., Kafarov V.V. Metody optimizacii v himicheskoj tehnologii [Optimization methods in chemical technology]. Moscow, 1975, 576 p.
6. Bellman R., Kalaba R. Dinamicheskoe programmirovanie i sovremennaja teorija upravlenija [Dynamic programming and modern control theory]. Moscow: Nauka, 1969, 120 p.
7. Dvoreckij D.S., Ermakov A.A., Peshkova E.V. Raschet i optimizacija processov i apparatov himicheskih i pishhevyh proizvodstv v srede MatLab [Calculation and optimization of processes and devices of chemical and food production in the MatLab environment]. Tambov, 2005, 80 p.
8. Lutoshkin G.S. Sbor i podgotoka nefti, gaza i vody [Collection and preparation of oil, gas and water]. Moscow: Nedra, 1977, 192 p.
9. Ishmurzin A.A., Hramov R.A. Processy i oborudovanie sistemy sbora i podgotovki nefti, gaza i vody [Processes and equipment of the oil, gas and water collection and treatment system]. Ufa: UGNTU, 2003, 145 p.
10. Tronov V.P. Promyslovaja podgotovka nefti [Oil field preparation]. Kazan, 2000, 416 p.
11. Kruglov, V.V. Iskusstvennye nejronnye seti. Teorija i praktika / Kruglov V.V., Borisov V. V. [Artificial neural network. Theory and practice]. Moscow, 2002, 382 p.
12. Shumihin A.G., Bojarshinova A.S. Algoritm vybora strukturnyh parametrov iskusstvennoj nejronnoj seti i ob#ema obuchajushhej vyborki pri approksimacii povedenija dinamicheskogo ob#ekta [Algorithm for selecting the structural parameters of an artificial neural network and the size of the training
sample when approximating the behavior of a dynamic object]. Komp'juternye issledovanija i modelirovanie, 2015, vol. 7, no. 2, pp. 243-251.
13. Hachatrjan S.S., Arunjanc G.G. Avtomatizacija proektirovanija himicheskih proizvodstv [Automation of chemical production design]. Moscow, 1984, 208 p.
14. Create COM Objects _ MATLAB & Simulink. https://www.math-works.com/help/matlab/matlab_external/creating-com-objects.html
15. Song T., Yang T. H., Zhou J. W., Wang Q. K. IFAC-PapersOnLine, Volume 51, Issue 21, 2018, pp. 19-23.
Об авторах
Караневская Татьяна Николаевна (Пермь, Россия) _ старший преподаватель кафедры «Оборудование и автоматизация химических производств», Пермский национальный исследовательский политехнический университет (614013, г. Пермь, ул. Профессора Поздеева, 9, корпус Б; e-mail: bormotova_tn@mail.ru).
Шумихин Александр Георгиевич (Пермь, Россия) _ доктор технических наук, профессор кафедры «Оборудование и автоматизация химических производств», Пермский национальный исследовательский политехнический университет (614990, г. Пермь, Комсомольский пр., 29, e-mail: atp@pstu.ru).
About the authors
Tatiana N. Karanevskaia (Perm, Russian Federation) _ Senior Lecturer, Department of Equipment and Automation of Chemical Production, Perm National Research Polytechnic University (Building B, 9, Professor Pozdeyev str., Perm, 614013, e-mail: bormotova_tn@mail.ru).
Alexander G. Shumikhin (Perm, Russian Federation) _ Doctor of Technical Sciences, Professor, Department of Equipment and Automation of Chemical Production, Perm National Research Polytechnic University (29, Komsomolsky av., Perm, 614990; e-mail: atp@pstu.ru).
Поступила: 06.02.2022
Одобрена: 04.03.2022
Принята к публикации: 26.05.2022
Финансирование. Исследование не имело спонсорской поддержки.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Вклад авторов равноценен.
Просьба ссылаться на эту статью в русскоязычных источниках следующим образом:
Караневская, Т.Н. Критерии и алгоритм оптимизации многостадийного технологического процесса промысловой подготовки нефти / Т.Н. Караневская, А.Г. Шумихин // Вестник ПНИПУ. Химическая технология и биотехнология. _ 2022. _ № 2. _ С. 138_151.
Please cite this article in English as:
Karanevskaia T.N., Shumikhin A.G. Criteria and algorithm for optimizing the multistage technological process of the field oil preparation. Bulletin of PNRPU. Chemical Technology and Biotechnology, 2022, no. 1, pp. 138-151 (In Russ).
