CC BY
110
Крымский В.Г.
Krymsky V.G.
доктор технических
наук, профессор, заведующий кафедрой «Информационно-управляющие системы» ФГБОУ ВО «Уфимский государственный университет экономики и сервиса», Россия, г. Уфа
Ахмеджанов Ф.М. Akhmedzhanov F.M.
кандидат технических наук, доцент кафедры «Информационно-управляющие системы» ФГБОУ ВО «Уфимский государственный университет экономики и сервиса», Россия, г. Уфа
Имильбаев Р.Р. Imilbaev R.R.
аспирант кафедры «Информационно-управляющие системы» ФГБОУ ВО «Уфимский государственный университет экономики и сервиса», инженер ООО «УфаСистемаГаз», Россия, г. Уфа
Юнусов А.Р. Yunusov A.R.
кандидат технических
наук, директор ООО «УфаСистемаГаз» Россия, г. Уфа
УДК 681.518.5
ПРОГНОЗИРОВАНИЕ СОСТОЯНИЯ ГАЗОРАСПРЕДЕЛИТЕЛЬНОЙ СЕТИ НА ОСНОВЕ ДАННЫХ ТЕЛЕМЕТРИИ ДЛЯ ПРЕДУПРЕЖДЕНИЯ АВАРИЙНЫХ СИТУАЦИЙ
Системы телеметрии (СТ) становятся чрезвычайно важными компонентами комплексов автоматизации эксплуатации газораспределительных сетей (ГС). СТ позволяют осуществлять непрерывный контроль технологических параметров сетей (значений давления газа и температуры в заданных точках ГС, срабатывания запорной арматуры и т. д.). Собранные с помощью СТ данные могут передаваться диспетчеру в соответствии с технологией GPRS по каналу связи, работающему на базе стандарта GSM. На основе этой информации диспетчер должен принять обоснованные решения о наличии опасных тенденций в изменении параметров для предупреждения возможных аварийных ситуаций. Между тем в существующих вариантах построения автоматизированных комплексов для ГС правильность подобных решений в основном зависит от интуиции диспетчера.
Представленная статья предлагает формировать поддержку принимаемых решений путем реализации процедур прогнозирования изменения критических параметров ГС. С учетом погрешностей их измерения прогнозирование производится с использованием моделей, рассматривающих интервально-значные временные ряды и интервальный аналог известного алгоритма Хольта. В рамках этого алгоритма по определенным правилам находятся начальные векторы границ интервала значений контролируемого параметра, после чего с помощью рекуррентных формул рассчитываются его взвешенные уровни и тренды для всех моментов времени, применительно к которым накоплена измерительная информация. Весовые коэффициенты, в свою очередь, вычисляются по результатам решения задачи нелинейной оптимизации численным методом. Таким образом, выбранный подход осуществляет двойное экспоненциальное сглаживание, что позволяет достичь высокого качества прогнозирования. Окончательный прогноз получается путем линейного преобразования вектора уровней и вектора трендов для последнего из указанных моментов времени. Программный модуль, реализующий такой алгоритм, предлагается включать в системы обработки телеметрической информации с целью обеспечения быстрого реагирования на неблагоприятные тенденции развития ситуаций в процессе эксплуатации газораспределительной сети.
Ключевые слова: газораспределительные сети, прогнозирование, системы телеметрического контроля, интервальнозначные временные ряды, алгоритм Хольта.
PROGNOSTICS OF THE STATE OF GAS DISTRIBUTION NETWORK ON THE BASIS OF TELEMETRY-PROVIDED DATA FOR PREVENTING ACCIDENTS
Telemetry systems (TS) have become very important components of the automation facilities for exploitation of gas distribution networks (GDN). TS allow fulfilling continuous control of the network technological parameters (values of gas pressure and temperature in the required points of GDN, operations of stop valves, etc.). The data accumulated in such a way can be transmitted to control manager in accordance with GPRS technology via communication bus working on the basis of GSM. Due to this information, the control manager has to make justified decisions to prevent possible accidents. However the correctness of the above decisions made for the existing versions of automation facilities for GDN mostly depend on the control manager's intuition.
The paper offers to form the decision support by means of realizing the procedures of prognostics of GDN critical parameter change. With respect to measurement errors, the forecast is obtained using the models which exploit interval-valued time series and interval modification of well-known Holt's algorithm. Within this algorithm, the initial vectors including the bounds of the interval of the controlled parameter values are found according to certain rules, and then the parameter weighted levels and trends are computed via recurrence formulas for all times, in relation to which the measurement information has been accumulated. In turn the weighting coefficients are derived by solving a nonlinear optimization problem numerically. Thus, the approach provides a double exponential smoothing, which leads to high-quality predictions. The final forecast is obtained by linear transformation of the vector of levels and the vector of trends for the last of these points in time. It is proposed to include the software module that implements such an algorithm into the system of processing of telemetry data for ensuring rapid response to adverse trends in the development of situations in the operation of a gas distribution network.
Key words: gas distribution network, prognostics, telemetry system, interval-valued time series, Holt's algorithm.
Введение
К основным задачам, возникающим в процессе эксплуатации газораспределительных сетей (ГС), следует отнести необходимость соблюдения требований по безопасности транспортировки газа, очистки его от механических примесей, обеспечения заданных значений давления газа на всех участках ГС от магистральных линий до оборудования конечных пользователей. Для решения перечисленных задач в состав ГС вводят системы газорегуляторных пунктов (ГРП). Каждый ГРП представляет собой комплекс технологического оборудования и устройств, предназначенный для понижения входного давления газа до требуемого уровня, а также для выполнения следующих функций [1]:
- автоматического поддержания заданного выходного давления независимо от изменения расхода и входного давления газа (в заданном диапазоне их значений);
- автоматического прекращения подачи газа при повышении или понижении выходного давления сверх или ниже допустимых заданных значений;
- очистки газа от механических примесей;
- учета газа.
В соответствии с особенностями размещения оборудования различают несколько типов ГРП. В их числе особое значение имеют блочные (ГРПБ) и шкафные (ШГРП) газорегуляторные пункты. Применительно к ГРПБ оборудование монтируется в одном или нескольких помещениях контейнерного типа. В случае ШГРП оборудование монтируется в несгораемом шкафу.
В зависимости от исполнения ГРП могут иметь несколько линий понижения давления. Газ после поступления в ГРП проходит через фильтр, где очищается от механических примесей. Далее, пройдя через предохранительно-запорный клапан (ПЗК), он поступает на регулятор давления, где давление снижается до заданного уровня и поддерживается постоянным. Системы ПЗК и предохранительный сбросной клапан (ПСК) предназначены для предотвращения аварийных ситуаций. При сбое в работе регулятора давления ПСК сбрасывает лишнее давление в атмосферу. В свою очередь, если аварийный
сброс газа не оказал должного эффекта, то срабатывает ПЗК, который перекрывает линию редуцирования. Это приводит к тому, что доступ газа потребителю через эту линию понижения давления прекращается.
Для обеспечения безаварийной работы ГС требуется постоянное наблюдение за основными параметрами ГРП: показаниями давления газа на входе и выходе каждой из линий понижении давления, состояниями ПЗК и ПСК. Кроме этого, необходимо располагать информацией о состоянии систем контроля доступа в помещение ГРП для предотвращения несанкционированных действий посторонних лиц. И, наконец, следует учитывать, что ГРП принадлежат к классу пожаровзрывоопасных объектов. Сказанное объясняет важность получения актуальной, полной и достоверной информации о состоянии ГРП. На основе ее анализа можно снизить аварийность за счет реализации своевременных превентивных мер со стороны организаций, эксплуатирующих газораспределительные сети [2].
В настоящее время обязанности по контролю состояния ГС на определенном участке возложены на аварийно-диспетчерскую службу (АДС). В целях непосредственного наблюдения за объектами ГС (в частности, ГРП) применяются периодические обходы соответствующих участков. Между тем все чаще ставится вопрос об использовании для указанных целей автоматизированных средств мониторинга состояния удаленных объектов. Системы телеметрии (СТ) давно стали чрезвычайно важными компонентами комплексов автоматизации эксплуатации ГС. СТ позволяют осуществлять непрерывный контроль технологических параметров сети. На базе информации, полученной с помощью СТ и представленной в АДС, диспетчер может принять решения о наличии опасных тенденций в изменении параметров для предупреждения аварийных ситуаций.
Контролируемые в процессе мониторинга параметры ГРП можно условно разделить на два класса
[3]:
- параметры, зависимость которых от времени представляет собой непрерывную функцию (примеры: давления, температуры), - параметры 1-го класса;
- параметры, значения которых соответствуют двузначной логике 'true' или 'false' (пример: сигнал датчика положения двери - «открыто» или «закрыто»), - параметры 2-го класса.
Как правило, для каждого сигнала, соответствующего какому-либо параметру 1-го класса, установлены границы допустимого интервала значений (уставки). Наиболее «критичными» показаниями яв-
ляются давления на входе и выходе ГРП и положение предохранительного запорного клапана (ПЗК).
Контроллер телеметрии непрерывно осуществляет сбор и анализ всех показаний датчиков, характеризующих работу ГРП. В случае необходимости осуществляется передача полученных данных на сервер. Собранные с удаленных объектов показания сохраняются в базе данных В результате анализа обработанных данных непосредственно перед их сохранением формируются «алерты» - информационные сообщения, которые незамедлительно отображаются на автоматизированном рабочем месте (АРМ) диспетчера. Эти вспомогательные сообщения предназначены для того, чтобы обратить внимание диспетчера на возможное возникновение нештатной ситуации на объекте в связи с выходом контролируемого параметра за допустимые пределы. Кроме того, аналогичным образом формируются сообщения о «возврате» объекта в нормальное рабочее состояние, если контролируемые показания опять оказались в допустимой области.
Таким образом, диспетчер, как правило, получает сигналы об аварийных ситуациях постфактум (когда тот или иной параметр уже вышел за допустимые пределы). Между тем на практике необходимо действовать в режиме предупреждения таких ситуаций. Следует отметить, что это замечание относится к ситуациям в связи с изменениями параметров 1-го класса, так как изменения параметров 2-го класса (например, данные телесигнализации о состоянии дверей) предсказать заранее невозможно.
По изложенным причинам («позднее» оповещение) время для принятия мер реагирования на изменения критических параметров 1-го класса существенно сокращается. Безусловно, СТ можно сконфигурировать таким образом, чтобы величины уставок были максимально приближены к верхней и нижней границам рабочего диапазона, считая, что в процессе нормального функционирования сети значения параметра только незначительно отклоняются от некоторого номинального уровня. Казалось бы, в указанном случае достоверность предупреждения аварийных ситуаций повысится. На самом деле такой подход может привести к обратному эффекту. Значения параметров, в частности давления газа, в зависимости от внешних факторов могут скачкообразно с большой амплитудой меняться в течение короткого промежутка времени. В результате будет сформировано большое количество «алертов», что может ослабить внимание диспетчера. Кроме того, «дребезг» параметра на границах уставок существенно повышает эксплуатационные расходы для системы телеметрии, так как при этом потребуется
существенно больший объем потребления трафика. Напротив, если задать величины уставок далеко от границ рабочего диапазона, то, как уже указывалось, диспетчер будет получать сообщения об аварийных событиях слишком поздно. Кроме того, следует учитывать, что показания, характеризующие значение параметра, могут продолжать изменяться после его выхода за пределы, установленные уставками. Диспетчеру важно знать, в каком направлении будет далее развиваться подобная ситуация, однако возможности своевременного получения необходимой для этого информации не предусмотрено.
Приведенные рассуждения показывают, что в составе программного обеспечения системы должны быть необходимые модули, реализующие прогноз «будущего» значения параметра на основе предыдущих измерений. Автоматизированное формирование трендов позволит диспетчеру заранее принять решение о необходимости превентивных мер реагирования. Наличие прогнозирования создаст условия для задания относительно широкого интервала между уставками (верхней и нижней границами допустимой области). Это в результате освободит внимание диспетчера от лишних информационных сообщений. К тому же достоверный прогноз поможет диспетчеру понять, каким резервом времени до возникновения аварийной ситуации на объекте он располагает. Тем самым появляется возможность максимально эффективного использования персонала для обхода объектов с наиболее нестабильным состоянием.
Задача прогнозирования осложняется наличием погрешностей измерения параметров. Указанные погрешности обусловлены несовершенством измерительной аппаратуры, возможными случайными факторами, округлением значений при переводе данных из аналогового формата в цифровой для передачи по цифровым каналам связи и др. Процедуру прогнозирования, таким образом, целесообразно разрабатывать с учетом этой особенности.
Процедура прогнозирования
Как указывалось в [3], процедура прогнозирования, заключающаяся в вычислении значений интересующего нас параметра Y(t) в будущие моменты времени, может использовать идею определения тенденции его изменения исходя из его значений в предыдущие моменты времени. Например, если время t измеряется с условным шагом дискретности «1», то прогнозирование «на один шаг вперед» следует рассматривать как реализацию соотношения
Щ+1)=/(го)Л2),... Л*-1)Л*)} (1)
где У^ +1) - значение параметра в будущий момент времени; У(1),...,У(к) - «прошлые» значения этого
параметра в моменты времени 1, 2, ^1, к;/(•) - некоторая функция указанных величин.
Принимая во внимание отмеченную выше погрешность измерения параметров, более корректно говорить о том, что исходная информация для прогнозирования представлена нижними У'(г) и верхними У(/) границами интервалов значений У(/), i = 1,2,.. .Д Иными словами, _
7(0 е [ШЛО]. (2)
Введем в рассмотрение векторы
1 =
ШЛО , г = 1,2,...Л,
(3)
где верхний индекс T характеризует операцию транспонирования.
Фактически последовательность этих векторов 11512,...Д^ задает интервальнозначный временной ряд (ИВР) [4]. Процедуру прогнозирования применительно к такому временному ряду целесообразно осуществлять путем применения «интервальной» версии известного алгоритма Ч. Хольта [5] - так называемой модификации Holt1, предложенной в [6]. В свою очередь, Holt1 выполняет поиск границ интервалов, содержащих значения параметра Y(t) в будущие моменты времени, на основе экспоненциального сглаживания. Согласно [6] реализация алгоритма предполагает расчеты по следующим рекуррентным соотношениям:
L1, = AIr + (Е - A)(t£_i + Т^),
Т/ =В(Ь\ -L^ME-B)!^, г = 1,2,...
Здесь ^г ~ \ir>Ijr ] - вектор интервальнознач-ного сглаженного уровня ИВР с нижней Lr и верхней Lr границами соответственно; Т* = \T_r,Tr~f - вектор значений нижней и верхней Тг границ сглаженного тренда к концу интервала времени между (г-1)-м и r-м отсчетами; A и B - матрицы коэффициентов сглаживания размера (2^2): А = [а^], B = [ßj,], 0<а^.<1, i,j = 1,2. (5) E - единичная матрица размера (2^2). В качестве начальных векторов для расчетов с помощью соотношений (4) используются
L2=I2, T^Ij-IJ. (6)
На осуществляемых последовательно^ шагах процедуры следует находить прогнозы I3,I4,I5,... для векторов I3,I4,I5,... по формуле
I^L^+T^, (7)
отражающей распространение метода Хольта [5] на «интервальный» случай.
Предпочтительные значения коэффициентов сглаживания можно найти в результате минимизации квадратичной меры ошибки [6]:
ô(A,B) = £(Ir-ïrf(Ir-ïr) =
r=3
-I
r=3 к
Y(r) - Lr-i - Tr-i
m-L
r-1 T-r-1
Y(r)-Lr-x-Tr-i
m-L
r-1 ^r-1
= (8)
= -TVj)2 -^-i)-
r-3
r=3
Таким образом, необходимо определить
min6(A,B)
"и Л
(9)
= +
/t .
зирование производится с использованием моделей, рассматривающих интервальнозначные временные ряды и интервальный аналог известного алгоритма Хольта. По мнению авторов, такой подход позволит существенно расширить возможности для предупреждения возникновения аварийных ситуаций.
при учете ограничений (5).
Данную задачу нелинейной оптимизации, в соответствии с рекомендациями [6], предлагается решать с помощью специальной версии алгоритма Бройдена-Флетчера-Гольдфарба-Шанно (BFGS) для ограниченного объема компьютерной памяти применительно к учету ограничений типа неравенств на значения переменных (L-BFGS-B) [7]. Следует отметить, что L-BFGS-B относится к семейству квазиньютоновских методов и использует аппроксимацию для вычисления гессиана функции цели (9). Программная реализация этого алгоритма включена в состав пакета R - свободно распространяемой программной среды для научных вычислений и обработки статистических данных [8].
При известных величинах коэффициентов сглаживания можно осуществить расчет по рекуррентным соотношениям (29) и затем выполнить прогноз значений параметра на несколько (например, т) отсчетов времени вперед:
(10)
Обобщенная блок-схема алгоритма, поддерживающего процесс прогнозирования на базе ИВР-модели, представлена на рисунке.
Модуль, реализующий данный алгоритм, может быть задействован в составе программного обеспечения системы мониторинга состояния ГС, что позволяет создать условия для организации необходимой информационной поддержки принимаемых управленческих решений по предупреждению возможных аварийных ситуаций.
Заключение
Анализ проблем, связанных с обеспечением безопасности эксплуатации газораспределительных сетей, относится к числу приоритетных направлений современных исследований. В представленной статье предлагается формировать поддержку принимаемых решений о превентивных мерах по недопущению аварий путем реализации процедур прогнозирования изменения критических параметров, которые характеризуют состояние объектов в составе сети. С учетом погрешностей их измерения прогно-
Блок-схема алгоритма прогнозирования с помощью ИВР-модели, где \к+т = \Y{k + m),Y(k+m) ]7
Список литературы
1. ГОСТ Р 54960-2012. Национальный стандарт Российской Федерации. Системы газораспределительные. Пункты газорегуляторные блочные. Пункты редуцирования газа шкафные. Общие технические требования [Текст]. - М.: Федеральное агентство по техническому регулированию и метрологии. - 2013. - 19 с.
2. Крымский В.Г. Автоматизация управления технологическими процессами в газораспределительных сетях: проблемы, тенденции и перспективы [Текст] / В.Г. Крымский, И.М. Жалбеков, Р.Р. Имиль-баев, А.Р. Юнусов // Электротехнические и информационные комплексы и системы. - 2013. - Т. 9. -№ 2.- С. 70-79.
3. Крымский В.Г. Выбор периодичности обновления информации о состоянии газораспределительной сети при использовании системы телеметрии [Текст] / В.Г. Крымский, Ф.М. Ахмеджанов, Р.Р. Имильбаев, А.Р. Юнусов // Электротехнические и информационные комплексы и системы. - 2014. -Т. 10. - № 1. - С. 78-85.
4. Maia A.L.S., Forecasting models for interval-valued time series [Текст] / A.L.S. Maia, F.A.T. De Carvalho, T. B. Ludermir // Neurocomputing. - 2008. - V. 71. - Р. 3344-3352.
5. Holt C.C. Forecasting seasonal and trends by exponentially weighted averages [Текст] // ONR Memorandum № 52. - Pittsburgh, USA: Carnegie Institute of Technology. 1957. Reprinted in: Holt C.C. Forecasting seasonal and trends by exponentially weighted averages [Текст] // International Journal of Forecasting. - 2004. - V. 20. - № 1. - Р. 5-10.
6. Maia A.L.S. Holt's exponential smoothing model for interval-valued time series [Текст] / A.L. S. Maia, F.A.T. De Carvalho // Anais do Workshop Franco-Brasileiro sobre Minera^ao de Dados. - 2009. - Recife, Brazil. - Р. 38-39.
7. Byrd R.H. A limited memory algorithm for bound constrained optimization [Текст] / R.H. Byrd, P. Lu, J. Nocedal, C. Zhu // SIAM Journal of Scientific and Statistical Computing. - 1995. - V. 16. - Р. 11901208.
8. R Development Core Team. R release 3.1.2 for Windows [Электронный ресурс]. - 2014. - Available from: http://www.r-project.org/.
References
1. GOST R 54960-2012. Nacional'nyj standart Rossijskoj Federacii. Sistemy gazoraspredelitel'nye. Punkty gazoreguljatornye blochnye. Punkty reducirovanija gaza shkafnye. Obshhie tehnicheskie trebovanija [Tekst]. - M.: Federal'noe agentstvo po tehnicheskomu regulirovaniju i metrologii. - 2013. -19 s.
2. Krymskij V.G. Avtomatizacija upravlenija tehnologicheskimi processami v gazoraspredelitel'nyh setjah: problemy, tendencii i perspektivy [Tekst] / V.G. Krymskij, I.M. Zhalbekov, R.R. Imil'baev, A.R. Junusov // Jelektrotehnicheskie i informacionnye kompleksy i sistemy. - 2013. - T. 9. - № 2. - S. 70-79.
3. Krymskij V.G. Vybor periodichnosti obnovlenija informacii o sostojanii gazoraspredelitel'noj seti pri ispol'zovanii sistemy telemetrii [Tekst] / V.G. Krymskij, F.M. Ahmedzhanov, R.R. Imil'baev, A.R. Junusov // Jelektrotehnicheskie i informacionnye kompleksy i sistemy. - 2014. - T. 10. - № 1. - S. 78-85.
4. Maia A.L.S., Forecasting models for interval-valued time series [Tekst] / A.L.S. Maia, F.A.T. De Carvalho, T. B. Ludermir // Neurocomputing. - 2008. - V. 71. - P. 3344-3352.
5. Holt C.C. Forecasting seasonal and trends by exponentially weighted averages [Tekst] // ONR Memorandum № 52. - Pittsburgh, USA: Carnegie Institute of Technology. 1957. Reprinted in: Holt C.C. Forecasting seasonal and trends by exponentially weighted averages [Tekst] // International Journal of Forecasting. - 2004. - V. 20. - № 1. - P. 5-10.
6. Maia A.L.S. Holt's exponential smoothing model for interval-valued time series [Tekst] / A.L.S. Maia, F.A.T. De Carvalho // Anais do Workshop Franco-Brasileiro sobre Minera^ao de Dados. - 2009. - Recife, Brazil. - P. 38-39.
7. Byrd R.H. A limited memory algorithm for bound constrained optimization [Tekst] / R.H. Byrd, P. Lu, J. Nocedal, C. Zhu // SIAM Journal of Scientific and Statistical Computing.- 1995. - V. 16. - P. 11901208.
8. R Development Core Team. R release 3.1.2 for Windows [Jelektronnyj resurs]. - 2014. - Available from: http://www.r-project.org/.
