Дедков В.К. МЕТОДИКА ОБРАБОТКИ ОПЫТНЫХ ДАННЫХ ПРИ ПРОГНОЗИРОВАНИИ НАДЕЖНОСТИ МНОГОФАЗНОЙ НАСОСНОЙ СТАНЦИИ ПО КРИТЕРИЮ «ПОТЕРЯ ПРОИЗВОДИТЕЛЬНОСТИ»
Разработана методика обработки опытных данных и формирования на этой основе математической
модели составляющих комплекса условий й{{^ и испытаний или эксплуатации МФНС. В результате
получена математическая модель закона распределения экстремальных снижений (падений) производительности МФНС, при которых возможна потеря функциональных возможностей системы «узел скважин - МФНС», и рассчитана надежность системы «узел скважин - МФНС» по критерию «потеря производительности».
Для снижения линейных давлений в нефтяных скважинах, продукцией которых является газожидкостная смесь (ГЖС), вместо распространенных в настоящее время дожимных насосных станций с сепарацией и сжиганием ПНГ все большее применение во всем мире находят многофазные насосные станции (МФНС) с использованием многофазных насосов, способных перекачивать ГЖС. Для прогнозирования надежности (вероятности безотказной работы) МФНС необходимо данные непрерывных измерений дебита куста скважин и производительности МФНС представить в виде последовательностей дискретных случайных величин. Методика преобразования непрерывных случайных процессов в дискретные последовательности независимых случайных величин, изложена в работе [1].
Ниже излагаются особенности преобразования непрерывных случайных процессов, описывающих
изменение дебита куста скважин и изменение производительности МФНС отображающих
динамику перекачивания ГСЖ, вытекающие из конкретного характера этих процессов. Реализации непрерывных случайных процессов й(^) и приведены на рис.1.
, (?м/^
I
I
I
----------<-------}--•---------I-----------и— {(сут)
, 365 {н 73 О 4035 1460
Рис. 1. Реализации случайных процессов и х(£)
Начнем с обработки результатов измерений производительности МФНС (м^)). Как видно из рис. 1,
изменение производительности МФНС можно рассматривать в качестве «квазистационарного» случайного процесса. «Квазистационарными» процессами будем называть такие нестационарные процессы, модели которых могут быть представлены комбинацией неслучайных функций и стационарных случайных
процессов.
Чтобы воспользоваться методикой прогнозирования надежности, изложенной в [1], необходимо случайный процесс изменения производительности МФНС представить в форме суммы
центрированного случайного процесса и(£) и неслучайной функции и{/) - математического ожидания
процесса
г?(/) = г7 (/) + м(/) (1)
Полагаем, что функция и(/) может быть выражена зависимостью вида
и (/) = а + Ыа , (2)
где а , Ь , X постоянные, подлежащие определению.
При этом точность аппроксимации функции и{£) аналитическим выражением может быть повышена,
если рассматривать лишь тот участок процесса и(С) , на котором вероятность отказа типа «недостаточная производительности МФНС» может иметь практически отличные от нуля значения, т.е. начиная с момента времени I , которому соответствует величина производительности МФНС равная и=50 0 м3/час. Постоянные Ь и X можно определить по методу наименьших квадратов (МНК), а постоянную а - осреднением значений всех реализаций процесса в момент времени I . Вычисление постоянных Ь и X осуществляется исходя из условия минимума суммы квадратов расхождений между экспериментальными точками и аппроксимирующей их кривой ч
2(у -ы*)2, (3)
/=1
где и - соответственно абсциссы и осредненные ординаты экспериментальных точек;
Ч - количество пар значений соответствующих величин.
Дифференцируя поочередно (3) по Ь и X , приравнивая эти выражения нулю и решая полученную систему двух уравнений с двумя неизвестными, получим
qr2 - rlCl и I rlC2 “ r2Cl
a = -L-^_——; b = exp 12 21
bi
bi
где bi = qic2 - c!2, C1 = 2 ln y., c2 = 2 (ln yt )2,^ (4)
/=1 /=1
q q
r =2ln x ’ r2 =2(ln x)ln y
1=1 1=1
Воспользовавшись результатами измерений производительности МФНС с помощью формул (4) (при t=tj найдем значения постоянных а , b и a : а = 500 , b = 6,41 , a = 0,64 . Подставляя полученные
значения постоянных в (2), получим
U(t) = 500-6,41-10,64 . (5)
Вычитая затем (5) из соответствующих ординат j-ой реализации Ujif) , получим центрированную реализацию стационарного случайного процесса li-(f), обладающего, как показывает проверка, свойством эргодичности. Полученная реализация ü.(t) может быть подвергнута обработке по изложенной ниже методике, с целью получения закона распределения наименьших некоррелированных значений производительности МФНС M-(f) на интервалах, равных интервалу корреляции исследуемого стационарного центрированного процесса Т = Т .
На рис. 2 приведена автокорреляционная функция процесса, рассчитанная по формуле (6)
Рис. 2. Автокорреляционная функция случайного центрированного процесса изменения производительности МФНС й(У) .
1. Для оценки интервала корреляции ткор центрированного стационарного процесса воспользуемся формулой для вычисления нормированной автокорреляционной функции К^,(т) случайного процесса ЙД0
тТ„
1 ;/ J {n-m){asy
(6)
где Тр - длительность реализации, по которой оценивается ; т - текущее значение времени
сдвига; (р’ц.')2 - оценка дисперсии реализации случайного процесса.
т=—, & - интервал дискретизации реализации случайного процесса при вычислении К
At
mT„
количество точек разбиения реализации длительностью Тр .
Результаты расчета в графической форме приведены на рис. 2. Из этого рисунка видно, что по истечении 3 0-и суток корреляционные связи между двумя произвольными измерениями производительности МФНС становятся несущественными. Принимая в качестве интервала корреляции т отрезок времени от начала отсчета (т =0) до момента первого пересечения автокорреляционной функцией оси времени, получим т = 30 сут.
2. Проверка выборки реализаций наименьших значений производительности МФНС на независимость. Разбиваем реализацию случайного процесса ЙДО на отрезки длительностью Г =30 сут. и определяем
в каждом нечетном интервале наименьшее значение производительности МФНС.
Проверяем полученную выборку из 2 0 значений расходов ГЖС на независимость. Эта проверка является дополнительной. Практически выбор наименьших значений процесса, разделенных интервалом времени т > т уже обеспечивает некоррелированность элементов выборки. Однако стремление к
сокращению рассматриваемой длины реализации Тр (соответственно - продолжительности испытаний) в
n
т
некоторых случаях приводит к необходимости выборки Uj из каждого интервала разбиения реализации
“ДО - равного интервалу корреляции. Практика показывает допустимость подобной операции. При этом
дополнительная проверка независимости наименьших значений производительности не лишена смысла.
Для проверки воспользуемся «критерием серий» [2], основанным на анализе отклонений реализаций от медианы выборки. Методика проверки выборки реализаций случайных величин на независимость изложена в [2].
Гипотеза о стохастической независимости наименьших значений производительностей на каждом из отрезков времени Т = ТКор при уровне значимости 0,05 принимается только в том случае, когда выполняется каждое из неравенств [2]
1(N +1 - 1,96 VN -1
v( N) > x(N) <[3,3(lg N +1)]
(7)
(8)
Для N = 20 систему неравенств (7) можно представить в виде у(N) > 10,0] х^) < 3,0
Сравнивая результаты анализа (8) с данными данных таблицы, приведенной в [2], находим, что у(^ = 14 > 10,2 ; х(^ = 5 < 8,2 . Следовательно, неравенства (8) выполняются, что позволяет принять гипотезу о независимости наименьших значений Производительности МФНС на каждом из нечетных как правдоподобную. Проверка по приведенной методике показывает, что
интервалов
кор '
наибольшие значения в выборке из каждого интервала Т = Ткор также независимы.
4. Определим параметры функции распределения наименьшего значения производительности й на
величина и подчиняется закону экстремальных распределений первого типа. Функция распределения и плотность распределения фц(и) выражаются в форме [3]
^(и) = ехр[-ехр(->>)], (9)
где у - нормированное отклонение от моды, определяемое соотношением у = р(и ~ М) , где Р и М - параметры распределения, подлежащие определению,
Фи («) = ßexp{-ß(u -/л)- exp\-ß(u - /л)]} .
Порядок распределения ß и ^ следующий:
(10)
а) определяем среднее арифметическое и * и среднее квадратическое отклонение наименьшим значениям производительности МФНС по формулам [3]:
N
2 и
зсем N
N
к.
Vїї2 - (и*)2
/ , i / = 1
(11)
N
и* = 34,03 ; sl= 3,79.
б) по таблице 10.5.2 (в [3] стр. располагаемому объему выборки N = 30 :
409) находим вспомогательные значения
Ук = 0,536 ; &n = 1,112 .
yN
отвечающие
з) определяем оценки ß и ^ по формулам
ß=4
s:
/л = и ■
УК
ß
(12)
Подставляя в формулы (12) соответствующие значения, получим ß = 0,294 , ц = 32,2 .
На основе приведенной выше методики обработки опытных данных получены параметры математической модели закона распределения экстремальных снижений (падений) производительности МФНС, при которых возможна потеря функциональных возможностей системы «узел скважин - МФНС» по критерию «потеря производительности».
Литература
1. Дедков В.К. Модели прогнозирования индивидуальных показателей надежности. М.: ВЦ им. А.А.
Дородницына РАН. 2003. 186 с.
2. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. М.: Мир, 1974.
3. Смирнов В.И., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. М.: Наука, 1965.
интервале Т=Т . На основании доводов, приведенных выше, принимаем гипотезу о том, что случайная
*
по
а
и
N