УДК 62-791.2
О. А. ЛЫСЕНКО В. В. СУШКОВ В. В. ТИМОШКИН
Омский государственный технический университет Нижневартовский государственный университет
Национальный исследовательский Томский политехнический университет
ОЦЕНКА КОЭФФИЦИЕНТА ПОЛЕЗНОГО ДЕЙСТВИЯ НАСОСНЫХ АГРЕГАТОВ КУСТОВОЙ НАСОСНОЙ СТАНЦИИ С ПОМОЩЬЮ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ_
Разработан метод идентификации коэффициента полезного действия кустовой насосной станции на основе генетических алгоритмов и данных, полученных с датчиков температуры, давления, расхода. Проведена апробация предложенного метода на основе экспериментальных данных, полученных с действующих агрегатов. Отличительной особенностью предложенного метода, является идентификация коэффициента полезного действия насоса при ограниченной информации о физических величинах перекачиваемой жидкости.
Ключевые слова: кустовая насосная станция, генетические алгоритмы, идентификация.
Ухудшение технического состояния центробежных насосных агрегатов (ЦНА) кустовой насосной станции (КНС), которая обеспечивает процесс закачки воды в нефтяной пласт, приводит к появлению дополнительных потерь электроэнергии. Дополнительные потери вызваны снижением производительности насосных агрегатов вследствие увеличения внутренних протечек насоса и работой неисправных насосов на общий выходной трубопровод вне допустимой рабочей зоны, что в итоге приводит к снижению КПД насосов.
Полный контроль за техническим состоянием ЦНА возможен при комплексном диагностическом обследовании, которое включает в себя применение тепловизионной диагностики (пирометрическая диагностика) и вибродиагностику ЦНА [1—3]. Вибрационное состояние является одним из основных показателей, характеризующих состояние силовых элементов насосного агрегата. Этот вид диагностики отличается от других методов технической диагностики рядом характерных особенностей и прежде всего многообразием физической природы вибрационных сигналов и высокой информативностью. Способность предупреждать появление неисправностей выгодно отличает вибродиагностику от других методов диагностирования, позволяющих в основном контролировать состояние агрегата и обнаруживать неисправности.
Тепловизионная диагностика (обследование) — это осмотр ЦНА в инфракрасном диапазоне спек-
тра, измерение температуры в любой его точке, наблюдение динамики тепловых процессов, а также создание банка данных теплового состояния по каждому из наблюдаемых объектов. Пирометрическая диагностика обеспечивает наиболее удобные и точные способы анализа состояния, действующего ЦНА путем измерения теплового излучения нагретых частей оборудования.
При работе ЦНА возникают гидравлические, объемные и механические потери, поэтому КПД включает в себя все вышеперечисленные составляющие и определяется по выражению
П = Пг • По • Пм
(1)
где пг • По • пм — гидравлический (обусловлен мощностью, затраченной на преодоление гидравлического сопротивления), объемный (определяет потери из-за перетоков мощности внутри насоса и утечек через сальниковые уплотнения) и механический КПД (обусловлен трением в подшипниках, концевых уплотнениях и вращающихся деталей насосов) соответственно.
В практике удобно проводить оценку КПД насосного агрегата, основанную на термодинамическом методе. Вывод уравнений термодинамического метода для практического определения КПД основывается на уравнении сохранения энергии и законах термодинамики и приведен в работах [2, 3]. Одним из недостатков данного метода является
необходимость в определении параметров перекачиваемой жидкости, а именно: плотности закачиваемой жидкости в нефтяной пласт, удельной теплоемкости изобарного процесса закачиваемой жидкости, коэффициента температурного расширения жидкости. Альтернативные методики расчета коэффициента полезного действия нефтеперекачивающих агрегатов нуждаются в определении потребляемой электрической мощности насоса и выходной мощности и в данной работе не рассматриваются.
Для решения данной задачи был взят за основу метод определения коэффициента полезного действия на основе следующего выражения [2]:
АР
р-АТн • с + (1 -а-12)-АР +
(2)
+8-д2-4-(4 - 1
ж2 152 5
где АР = Р1 — Р2 — перепад давления на выходном (Р2) и входном (Р1) трубопроводах; р — плотность перекачиваемой жидкости; АТН = Т2 — Т1 — разность температур перекачиваемой жидкости между выходом (Т2) и входом (Т1) в насос; с — удельная теплоемкость изобарного процесса перекачиваемой жидкости; а = -1 ^ — коэффициент температурного расширения жидкости; Q — объемная подача; д 2, д1 — внутренние диаметры соответственно выходного и входного трубопроводов; Т2 — температура на выходном трубопроводе.
Таким образом, для определения внутреннего КПД достаточно измерять разность давлений
и температур, а также температуру перекачиваемой жидкости на выходе насоса. Кроме того, для оценки внутреннего КПД необходимо иметь информацию о свойствах перекачиваемой жидкости, учитывать поправку на теплоотдачу при тепловизионных измерениях температуры поверхности ЦНА, которые в разной степени влияют на точность определения КПД. Поэтому необходимо приведенное выражение (1) уточнить таким образом, чтобы было возможно определять коэффициент полезного действия ЦНА в условиях неопределенности исходных данных.
В основу оценки КПД положен математический аппарат генетических алгоритмов, оперирующий вероятностными функциями, который нашел применение для решения сложных многомерных задач [4, 5].
Принцип работы, предложенного подхода идентификации коэффициента полезного действия ЦНА, представлен на рис. 1. Вначале определяются оценки значений Q , АР, на основе выражения (2) и экспериментальных данных, взятых из табл. 1 (расход жидкости, входное и выходное давление, входная и выходная температура).
-Пи-Р -АТ„ ■ г + Ли ■8 ■ Q2 ■ р \ ^ - ^
ЛР = -
2 =
1 1
1 — ПВИ -С1 — «■ Т2)
АР - г)и р ■ АТн ■ с -г)и (1 -а ■ Т2) - АР
Пн ■ 8р л
1___1
(3)
(4)
при начальных значениях р = ртп , а = атп , с = cmin П =п, взятых из табл. 2. Вычисленные значения (
•7:1 с + Пъ
Рис. 1. Схема определения физических величин перекачиваемой жидкости и коэффициента полезного действия нефтеперекачивающей станции: ГА — генетические алгоритмы; БО — блок отработки ошибки; БМ — масштабирующий блок
Данные эксперимента
Таблица 1
№ агрегата Р2, кгс/см2 Р1, кгс/см2 АР, кгс/см2 2 , м3/ч Т1, 0С Т2, 0С АТ, 0С
1 150 5 145 145 43,9 45,9 2 63
2 168 3,4 164,6 180 43,8 47,4 3,6 52
др перемножаются на коэффициенты к1 и к2 в масштабирующем блоке (БМ):
АР0 = АР ■ к2 ,
<2 0 = 2 ■ к ,
(5)
1, 1 ¡г 1
где к1 = <—, к2 -
з^тах
ход газа, АР
ЛРт.
2т
максимальный рас-
максимальная разность давлений.
Затем вычисляются невязки:
А =|АРо -¿Рв А , = 2о -,|
(6)
где ДР0 = АР-
ния, < = 2 •
Р
т; 1 2т
— приведенная разность давле-приведенный расход жидкости.
Далее на сумматоре вычисляется результирующая ошибка А:
А = А1 +А2
(7)
Полученные в ходе идентификации параметры для насосного агрегата 1 и 2, представлены в табл. 3, 4. Для проверки адекватности разработанного метода было проведено по пять итераций для каждого агрегата.
Максимальная ошибка коэффициента полезного действия для 1 и 2 агрегата не превышает 9 % (рис. 2, 3). Среднее значение ошибки коэффициента полезного действия для агрегата 1 составляет 5 %, а для второго агрегата 2,47 %.
Для оценки физических величин перекачиваемой жидкости, полученных в результате идентификации, было введено следующее выражение:
Р
8-
(8)
3
на основании которой в блоке генетических алгоритмов (ГА) формируется первоначальный вектор оценки параметров г = [р с а п1 ]. Далее цикл многократно повторяется до тех пор, пока ошибка не будет стремиться к нулю А ^ 0 . Для устранения получения ложных решений в ходе идентификации с помощью ГА были выбраны границы поискового диапазона, которые представлены в табл. 2 [4, 5].
Основной идеей разработанного подхода идентификации параметров ЦНА является обеспечение сходимости ошибки, путем цикличной оптимизации с помощью генетических алгоритмов [4].
Среднее значение для первого агрегата составляет 0,86 а, для второго агрегата 0,91, что говорит об адекватных данных, полученных в ходе идентификации физических величин перекачиваемой жидкости. Небольшая ошибка объясняется тем, что физические параметры перекачиваемой жидкости и коэффициент полезного действия, получаемые в ходе идентификации, имеют взаимное влияние.
Особенностью предложенного подхода к оценке является возможность идентификации коэффициента полезного действия и физических величин перекачиваемой жидкости в определенном локальном диапазоне. Полученные в ходе идентификации параметры могут быть использованы для настройки и обеспечения оптимального режима работы насосной станции и для построения диагностических систем.
1
с
а
+
+
с
Таблица 2
Границы поискового диапазона
Лкг/м3 П , Дж/кг 0С а, 1/0С п ,%
Мш 918 3762 0,000315 30
Мах 1122 4598 0,000385 80
Таблица 3
Данные агрегата 1
№ Р , кг/м3 Р/ Ртах П , Дж/кг 0С П / сш„х а, 1/0С а/а тах п П / Птах с),о.е.
1 922 0,82 3827,7 0,83 0,000382 0,99 0,674 0,84 0,88
2 1059,7 0,94 3764,1 0,82 0,000302 0,78 0,646 0,81 0,84
3 1014,7 0,9 3956,1 0,86 0,000312 0,81 0,644 0,81 0,85
4 1016,9 0,9 4223,2 0,92 0,000341 0,88 0,629 0,79 0,90
5 1034,2 0,92 4165,1 0,91 0,000267 0,69 0,627 0,78 0,84
Таблица 4
Данные агрегата 2
№ р, кг/м3 Р/ Ртах П , Дж/кг 0С П / Стах а, 1/0С а/атах п П 'Птах
1 1034,9 0,92 4455,2 0,97 0,0003812 0,99 0,49 0,61 0,96
2 1114,0 0,99 4255,0 0,93 0,0003047 0,79 0,49 0,62 0,90
3 1108,2 0,99 4117,0 0,89 0,0003686 0,95 0,499 0,624 0,94
4 1089,9 0,97 3982,6 0,86 0,0030787 0,79 0,511 0,639 0,87
5 1119,6 0,998 4364,9 0,94 0,0003148 0,83 0,481 0,601 0,92
Таким образом, в результате исследований было установлено, что возможно произвести идентификацию параметров прокачиваемой жидкости и коэффициента полезного действия ЦНА с помощью генетических алгоритмов в определенном локальном диапазоне; на коэффициент полезного действия небольшое влияние имеют значения параметров физических величин перекачиваемой жидкости; скорость сходимости генетических алгоритмов влияет на точность идентификации коэффициента полезного действия и зависит от вычислительных и временных ресурсов.
Библиографический список
1. Татаринцев, А. В. Методика диагностирования электронасосных агрегатов дожимных насосных станций по параметрам вибрации / А. В. Татаринцев, В. П. Фролов, В. В. Воробьев. — Тюмень : АО Техника и технология добычи нефти, 1994. - 80 с.
2. Фролов, В. П. Использование диагностики нефтепромыслового оборудования для энергосбережения / В. П. Фролов, В. В. Воробьев. - Тюмень : ОАО СибНИИЭНГ, 1998. -268 с.
3. Пухальский, А. А. Основные направления диагностики нефтепромыслового электрооборудования / А. А. Пухальский, В. В. Сушков, В. П. Фролов // Тр. Тюмен. нефтяного науч.-технолог. центра. Сер. Энергосбережение и диагностика. -1999. - № 3. - 121 с.
4. Генетические алгоритмы, нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский [и др.]. -Харьков : ОСНОВА, 1997. - 112 с.
5. Панченко, Т. В. Генетические алгоритмы : учеб. пособие / Т. В. Панченко ; под ред. Ю. Ю. Трасевича. - Астрахань : Астраханский ун-т, 2007. - 87 с.
ЛЫСЕНКО Олег Александрович, кандидат технических наук, доцент кафедры электрической техники Омского государственного технического университета.
Адрес для переписки: deolas@mail.ru СУШКОВ Валерий Валентинович, доктор технических наук, профессор (Россия), профессор кафедры энергетики Нижневартовского государственного университета.
Адрес для переписки: sushkovvv@gray-nv.ru ТИМОШКИН Вадим Владимирович, ассистент кафедры электропривода и электрооборудования энергетического института Национального исследовательского Томского политехнического университета.
Адрес для переписки: timvv@sibmail.com
Статья поступила в редакцию 17.09.2015 г. О. А. Лысенко, В. В. Сушков, В. В. Тимошкин
Книжная полка
621.311/Г90
Грунин, В. К. Основы электроснабжения объектов. Расчет электрических нагрузок : учеб. электрон. изд. локального распространения : конспект лекций / В. К. Грунин. - Омск : Изд-во ОмГТУ, 2015. -1 о=эл. опт. диск (CD-ROM).
Рассмотрены характеристика и структура систем электроснабжения, классификация и характеристика как приемников, так и потребителей электрической энергии. Представлены графики электрических нагрузок и коэффициенты, характеризующие графики. Приведены методы расчета нагрузок на различных уровнях СЭС и даны рекомендации по их выбору.
Предназначен для студентов специальности 140211 «Электроснабжение» очной, очно-заочной и заочной форм обучения.