Научная статья на тему 'Оценка коэффициента полезного действия насосных агрегатов кустовой насосной станции с помощью генетических алгоритмов'

Оценка коэффициента полезного действия насосных агрегатов кустовой насосной станции с помощью генетических алгоритмов Текст научной статьи по специальности «Механика и машиностроение»

CC BY
71
11
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
КУСТОВАЯ НАСОСНАЯ СТАНЦИЯ / A WELL PAD PUMPING STATION / ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ / GENETIC ALGORITHMS / ИДЕНТИФИКАЦИЯ / IDENTIFICATION

Аннотация научной статьи по механике и машиностроению, автор научной работы — Тимошкин Вадим Владимирович, Сушков Валерий Валентинович

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.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по механике и машиностроению , автор научной работы — Тимошкин Вадим Владимирович, Сушков Валерий Валентинович

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

ESTIMATED EFFICIENCY OF PUMPING UNITS OF A WELL PAD PUMPING STATION BY MEANS OF GENETIC ALGORITHMS

A method for identifying efficiency of a pumping unit of a well pad pumping station (WPPS) based on genetic algorithms and data received from sensors of temperature, pressure, flow is developed. The approbation of the proposed method on basis of experimental data obtained from operating units is conducted. The proposed method stands out for its identification of efficiency of a pumping unit within limited information on the physical quantities of the pumped fluid.

Текст научной работы на тему «Оценка коэффициента полезного действия насосных агрегатов кустовой насосной станции с помощью генетических алгоритмов»

УДК 62-791.2 ГРНТИ 55.39.29

ОЦЕНКА КОЭФФИЦИЕНТА ПОЛЕЗНОГО ДЕЙСТВИЯ НАСОСНЫХ АГРЕГАТОВ КУСТОВОЙ НАСОСНОЙ СТАНЦИИ С ПОМОЩЬЮ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ

В.В. Тимошкин, В.В. Сушков

Национальный исследовательский Томский политехнический университет

Россия, 634050, г. Томск, пр. Ленина, 30

Нижневартовский государственный университет

Росссия, 628605, Тюменская область,

Ханты-Мансийский автономный округ - Югра,

г. Нижневартовск, ул. Ленина, 56

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.

ESTIMATED EFFICIENCY OF PUMPING UNITS OF A WELL PAD PUMPING STATION BY MEANS OF GENETIC ALGORITHMS

V.V. Timoshkin, V.V. Sushkov

FGAOU VO NITPU «National Research

Tomsk Polytechnic University»

FGBOU VPO «Nizhnevartovsk State University»

A method for identifying efficiency of a pumping unit of a well pad pumping station (WPPS) based on genetic algorithms and data received from sensors of temperature, pressure, flow is developed. The approbation of the proposed method on basis of experimental data obtained from operating units is conducted. The proposed method stands out for its identification of efficiency of a pumping unit within limited information on the physical quantities of the pumped fluid.

Keywords: a well pad pumping station, genetic algorithms, identification.

Ухудшение технического состояния центробежных насосных агрегатов (далее — ЦНА) кустовой насосной станции (далее — 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 конечном случае приводит к снижению КПД насосов.

Полный контроль за техническим состоянием ЦНА возможен при комплексном диагностическом обследовании, которое включает в себя применение тепловизион-ной диагностики (пирометрическая диагностика) и вибродиагностику ЦНА [1, 2, 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 спектра, 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 = П • По • Пм (1)

где п , П , П — 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]:

Пн =

АР

р • АТн • с + (1 - а • Т2) • АР + 8 • д2 • 4.(-! - ±

П I5 2 д1,

, (2)

где АР = Р2 — Р1 — перепад давления на выходном (Р2) и входном (Р^ трубопроводах; р — плотность перекачиваемой жидкости; АТН = Т2 - Т - разность температур перекачиваемой жидкости между выходом (Т2) и входом (Т^ в насос; с — удельная теплоемкость изобарного процесса перекачиваемой

жидкости; а = — (К ] — коэффициент тем-

V [дГ, р

пературного расширения жидкости; Q — объемная подача; д2, 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 применяется для решения сложных многомерных задач [4, 5]. Принцип работы предложенного подхода идентификации коэффициента полезного действия ЦНА представлен на рис. 1.

ЛР:

71

1___1

др

ДРП

—►

БМ БО

ДР0

(АР - т}нр ■ АТН -с •Т2)АР

еее ■ 8

ЛР

(+)

а- м ^0 ы ■

Рис. 1. Схема определения физических ве лич ин 2е р ек а—ивае мой жидкости и коэффициента полезного действия нефтепере качиваю щей станции: ГА - генетические алгоритмы; БО - блок отработки ошибки; БМ - масштабирующий блок

Данные эксперимента

№ агр. Ра, кгс/см2 Р1, кгс/см2 АР, кгс/см2 0, м3/ч Т1,0Р Т2, 0Р АТ, 0Р л,%

1 150 5 145 145 43,9 45,9 2 63

2 16И 3,4 164,6 180 43,4 47,4 3,6 52

Вначале определяются оценки значений <2, АР на основе выражения (2) и экспериментальных данных, взятых из табл. 1 (расход жидкости, входное и выходное давление, вх одна я и вы хидна я темпера тур а):

Р ( 1 1

Пн •р-АТН -с + Пн -И-0

АР =

п

д4 д4 2

1 -Пвн • (1 -а-Та -

(3)

<7 =

ДР — Ваа р• ДТн • н-Ва (1 - Д • Т2- • ДР

Вн-и4

ж

1

м '34

Р = Рцш1 а =Ог

(4)

при начальных значениях с = сш1п, '71 = п , взятых изтабл. 2.

Таблица 2 Границы поискового диапазона

М ,кг/м3 у, Дж/кг 0С (9, 1/0С Пе ,%

Мш 914 3062 0.0003135 30

1122 41552)8 0,000385 80

Вычисленные значения 7е, ДР перемно-

ты к1 к2

бирующем блоке (БМ):

жаются на коэффициенты к1 и ка в масшта-

где к1 <

ДР1 = ДР • ка, <71 = <7 • к1, 1 1

(5)

К =-

ДР„.

0шах —

шах — максималь-

ный расход газа, ДРшах —максимальная раз-

ность давлений.

Затем вычисляются невязки:

Д^ДлДрЛ 2= <1 ~йо| ,

(6)

где ДР - ДР •

Р..

давления, <8о = <0 •

приведенная разность

1

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

— приведенный рас-

ход жидкости.

Далее на сумматоре вычисляется результирующая ошибка Д:

Д = Д1 + Д2, (7)

на основании которой в блоке генетических алгоритмов (ГА) формируется первоначальный вектор оценки параметров

г- [р с а т]н]. Далее цикл многократно повторяется до тех пор, пока ошибка не

будет стремиться к нулю Д ^ 0. Для устранения получения ложных решений в ходе идентификации с помощью ГА были выбраны границы поискового диапазона, которые представлены в табл. 3 [4, 5].

Основной идеей разработанного подхода идентификации параметров ЦНА является обеспечение сходимости ошибки путем цикличной оптимизации с помощью генетических алгоритмов [4].

Полученные в ходе идентификации параметры для насосного агрегата 1 и 2 представлены в табл. 3, 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). Ср еднее значение ошибки коэффициента полезного дейстаия для агрегата 1 составляет 5 %, а для агрегата 2 — 2,47 %.

ДПн ,% 80'

Рис. 2. Относительная ошибка коэффициента полезного действия для агрегата 1

ДПн,%

Дпн,% =

_|Лн-Л

765 43 ■ 2 1 0

100 %

1 2 3 4 5

Рис. 3. Относительная ошибка коэффициента полезного действия для агрегата 2

Для оценки физических величин перекачиваемой жидкости , полученных в ре-зультaоe идентификации, было введено следующее выражение:

р с а

—— +-+-

Р тах Стах а тах . (8)

5 _-

3

С редн ее значение для 1 агрегата составляет 0,86 а, для 2 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 полезно го действия, получаемые в ходе идтнтифика ции,имеют взаим ное влияние.

Особенностью предложенного подхода к оценке является возможность идентификации коэффициента полезного действия и физических величин перекачиваемой жидкости в определенном локальном диапазоне.

Параметры для насосных агрегатов 1 и 2

Таблица 3

№ р, кг/м3 Р / Ртах с, Дж/кг 0С с / стах Ь, 1/0С Ь/ьтах ПН ПН / Птах 3, о.е.

Данные агрегата 1

1 922 0,82 3827,7 0,83 0,000382 0,99 0,673 0,83 0,88

2 1059,7 0,93 3764,1 0,82 0,000302 0,78 0,636 0,81 0,83

3 1013,7 0,9 3956,1 0,86 0,000312 0,81 0,633 0,81 0,85

4 1016,9 0,9 3223,2 0,92 0,000331 0,88 0,629 0,79 0,90

5 1033,2 0,92 3165,1 0,91 0,000267 0,69 0,627 0,78 0,83

Данные агрегата 2

1 1033,9 0,92 3355,2 0,97 0,0003812 0,99 0,39 0,61 0,96

2 1113,0 0,99 3255,0 0,93 0,0003037 0,79 0,39 0,62 0,90

3 1108,2 0,99 3117,0 0,89 0,0003686 0,95 0,399 0,623 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 0,93 0,0003138 0,83 0,381 0,601 0,92

Полученные в ходе идентификации параметры могут быть использованы для настройки и обеспечения оптимального режима работы насосной станции и для построения диагностических систем.

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 оказывают значения параметров физических величин перекачиваемой жидкости; скорость сходимости генетических алгоритмов влияет на точность идентификации коэффициента полезного действия и зависит от вычислительных и временных ресурсов.

БИБЛИОГРАФИЧЕСКИМ СПИСОК

1. Татаринцев А.В. Методика диагностирования электронасосных агрегатов дожимных насосных станций по параметрам вибрации /

A.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., Сушков В.В., Фролов

B.П. Основные направления диагностики не-

фтепромыслового электрооборудования // Труды Тюменского нефтяного научно-технологического центра. Серия Энергосбережение и диагностика. — 1999. — № 3. —121 с.

4. Вороновский Г.К. 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/ под ред. Ю.Ю. Трасевича. — Астрахань: Изд-во Астраханского ун-та, 2007. — 87 с.

REFERENCES

1. Tatarintsev A.V. Metodika diagnostirovani-ya elektronasosnyh agregatov dozhimnyh nasosnyh stantsiy po parametram vibratsii / A.V. Tatarintsev, V.P. Frolov, V.V. Vorob4yov. — Tyumen4: AO «Tehnika i tehnologiya dobychi nefti», 1994. — 80 s.

2. Frolov V.P. Ispokzovanie diagnostiki neft-epromyslovogo oborudovaniya dlya energosber-ezheniya / V.P. Frolov, V.V. Vorob4yov. — Tyumen4: OAO SibNIIENG, 1998. - 268 s.

3. Puhaksky A.A., Sushkov V.V., Frolov V.P. Osnovnye napravleniya diagnostiki neftepromyslo-

vogo elektrooborudovaniya // Trudy Tyumenskogo neftyanogo nauchno-tehnologicheskogo tsentra: seriya energosberezhenie i diagnostika, 1993.№ 3. — 121 s.

4. Voronovsky G.K. Geneticheskie algoritmy, neyronnye seti i problemy virtuaknoy reaknosti / G.K. Voronovsky i dr. X.: OSNOVA, 1997. — 112 s.

5. Panchenko T.V. Geneticheskie algoritmy: Ucheb. posobie/ Pod red. Yu.Yu. Trasevicha. — Astrakhan4: Izdatel4sky «Astrahansky universitet», 2007. — 87 s.

Тимошкин Вадим Владимирович — ассистент кафедры электропривода и электрооборудования энергетического института Национального исследовательского Томского политехнического университета. Сушков Валерий Валентинович — доктор технических наук, профессор кафедры энергетики Нижневартовского государственного университета

© В.В. Тимошкин, В.В. Сушков, 2015

Статья поступила в редакцию 24 июня 2015 г.

i Надоели баннеры? Вы всегда можете отключить рекламу.