CC BY
42
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №8/2016 ISSN 2410-700Х
исследуемой сложной системе, выбрать оптимальные интервалы съема данных, синтезировать модели для прогнозирования и фильтрации возмущений и т.п.
В связи с этим алгоритмы оценивания статистических характеристик занимают важное место в системе алгоритмов первичной обработки данных. Основой для построения этих характеристик служат, как правило, экспериментально снятые реализации случайных процессов. Для эргодических стационарных случайных процессов осреднение по множеству всех возможных реализаций можно заменить простым осреднением по времени одной реализации. Известно, что для гауссовых случайных процессов достаточным условием эргодичности является затухающая автокорреляционная функция случайного процесса.
В дальнейшем предполагается, что изучаются эргодические стационарные случайные процессы. При обработке данных необходимо предварительно провести их дискретизацию с некоторым интервалом времени.
Интервал корреляции может быть грубо оценен через отношение удвоенного времени регистрации случайного процесса к числу пересечений реализацией за время регистрации случайного процесса линии, соответствующей среднему значению процесса.
Оценивание корреляционных функций представляет более сложную задачу, чем оценивание математических ожиданий и дисперсий, так как при этом необходимо оценить не числа, а неизвестные функции. В связи с этим обычно или задаются видом корреляционной функции и оценивают лишь неизвестные параметры, или ограничиваются оцениванием заданного числа ординат корреляционных функции. При заданном числе ординат целесообразно выбирать интервал дискретизаций из условия меньше или равно отношения интервала корреляции к числе ординат. Очевидно, при конечном числе отсчетов все вычисленные оценки будут случайными величинами, т.е. неизвестные характеристики оцениваются с той или иной точностью.
Под прогнозированием случайных возмущений понимается оценивание будущих значений случайного процесса по экспериментальным данным, полученным до момента конца времени регистрации случайного процесса включительно. Существует большое количество различного рода моделей прогнозирования: прогнозирование по известной автокорреляционной функции, использование модели скользящего среднего, экспоненциального сглаживания и т. д. Модель авторегрессии позволяет прогнозировать будущее поведение случайного возмущения и принять необходимые меры для устранения его дестабилизирующего влияния, например, на технологический процесс.
© Рюкин А Н., 2016
УДК 621.515
О.В.Смородова
доцент кафедры Промышленная теплоэнергетика
Р.В.Хафизов
магистр кафедры Охрана труда и промышленная безопасность ФГБОУ ВО «Уфимский государственный нефтяной технический университет»
г.Уфа, Российская Федерация Е-mail: olga_smorodova@mail.ru
СПОСОБ РАНЖИРОВАНИЯ ГАЗОАНАЛИТИЧЕСКИХ СИСТЕМ
Аннотация
Представлены результаты анализа технических характеристик автоматизированных газоаналитических систем для нефтеперерабатывающей отрасли.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №8/2016 ISSN 2410-700Х_
Разработана форма расчета комплексного показателя эффективности системы.
Ключевые слова
безопасность, загазованность, газоанализатор, концентрация
Предприятия нефтеперерабатывающей промышленности играют одну из определяющих ролей в экономике страны. Вместе с тем они представляют собой один из основных источников промышленной и экологической опасности [1, с.74].
Одним из приоритетных видов контроля безопасности технологических установок является контроль газового состава воздушной среды [2, с.299]. Для оценки сложившейся ситуации и принятия наиболее рационального решения недостаточно измерять концентрацию целевого компонента в отдельной точке, необходимо «видеть» концентрационное поле с последующим анализом, позволяющим прогнозировать ход процесса. Необходимость системного подхода к решению газоаналитических задач наряду со снижением стоимости канала измерения, упрощением системы за счет интеграции разрозненных газоаналитических устройств, прогрессом электроники и вычислительной техники обусловили широкое распространение газоаналитических систем [3, с.325].
Основными задачами, которые решаются установкой автоматизированных газоаналитических систем, являются следующие:
- непрерывный контроль технологического процесса;
- непрерывный контроль безопасности процесса и экологический мониторинг;
- создание информационной технологии управления процессом и техносферной безопасностью предприятия.
К газоанализаторам, интегрированным в автоматизированной аналитической системе, предъявляются следующие требования:
- возможность выбора наиболее приемлемого принципа и метода измерений;
- быстрый автоматический цикл анализа;
- автоматический пробоотбор и пробоподготовка;
- время отклика (время доставки пробы и время цикла), сопоставимое с динамикой производственного процесса;
- высокая надежность, простое и быстрое обслуживание;
- неограниченная возможность установки в опасных, запыленных и потенциально коррозионных
зонах;
- доступность дополнительного обеспечения в местах установки;
- доступность тестирования и калибровки;
- совместимость с АСУ ТП предприятия.
Газоаналитические системы зависимы от устройств транспортирования, предназначенных для доставки пробы от места утечки газа (пара) к датчику. Это отличает такие системы от отдельных приборов, обеспечивающих безопасность технологического процесса, таких как датчики давления и температуры, которые имеют непосредственный контакт с этим процессом.
Принципиальным техническим требованием является условие, чтобы датчики, трассовые газоанализаторы и точки отбора пробы размещались таким образом, чтобы скопление газа обнаруживалось до момента возникновения опасности. При выборе мест, подходящих для размещения датчика, необходимо учитывать следующие факторы:
- особенности потенциальных источников выброса;
- химические и физические свойства потенциальных выбросов;
- тип возможных утечек и вероятные концентрации выбросов;
- условия окружающей среды и планировки промышленной зоны на предприятии;
- датчики следует устанавливать так, чтобы при нормальной эксплуатации они не подвергались
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №8/2016 ISSN 2410-700Х_
опасности механического повреждения или заливания водой, чтобы был обеспечен удобный доступ для обслуживания.
Для обоснования размещения газоанализаторов в работах многих авторов предлагается моделирование образования и распространения аварийной загазованности [4, c.100] с учетом реальной застройки наружной установки, сценариев развития аварийных ситуаций, направления атмосферных потоков и других факторов с помощью программ SolidWorks и FlowVision.
Кроме правильного размещения датчиков существуют и другие параметры, по которым определяется эффективность газоаналитической системы. Для выбора наиболее эффективной газоаналитической системы предлагается определять интегральный показатель эффективности на основе следующих характеристик системы:
1. Экспрессность:
- скорость срабатывания;
- дискретность измерений;
- многопоточность;
- погрешность измерений.
2. Апробированность метода - соответствие арбитражным анализаторам.
3. Эксплуатационные свойства:
- наработка на отказ;
- протяженность линий.
4. Стоимость.
Определение качества газоаналитических систем с целью ранжирования предлагается вести с помощью количественной оценки всех ее свойств Ki и расчета интегрального показателя эффективности E (таблица 1):
N
E =
i=1
где gi - относительный вес каждого свойства системы при оценке ее интегрального показателя, отн.ед.;
Ki - количественная оценка каждого свойства системы по 10-балльной шкале, ед;
N - количество оцениваемых свойств системы.
Таблица 1
Форма для оценки интегрального показателя эффективности газоаналитической системы
Частный показатель Вес показателя в интегральной оценке Диапазон изменения показателя Рекомендуемые значения оценки
Экспрессность:
скорость срабатывания, сек 0,20 1...10 10.13 с - 10; 14.16 с - 9; . 27.30 с - 1
дискретность измерений, сек 0,15 1...10 1 с - 10; 2 с - 9; . 10 с - 1
многопоточность (количество точек измерения) 0,10 1.10 0.50 точ. - 1; 51.100 точ. - 2. 450.500 точ. - 10
погрешность измерений, % 0,15 1.10 0.0,05% - 10; 0,05.0,1% - 9; . 0,45.0,50% - 1
Апробированность метода:
соответствие арбитражным анализаторам 0,10 1.10 Да - 10 Нет - 0
Эксплуатационные свойства:
наработка на отказ, ч 0,10 1.10 0.10000 ч - 1; . 90000.100000 ч - 10
длина линий, м 0,10 1.10 0.1 км - 1; . 9.10 км - 10
Стоимость 0,10 1.10 0.0,5 млн.р. - 10; . 4,5.5,0 млн.р. - 1
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №8/2016 ISSN 2410-700Х_
В качестве примера представлено ранжирование четырех газоаналитических систем отечественного производства. Количественные значения технических характеристик приняты по паспортам на системы предприятий-изготовителей.
Выбранные системы обладают гибкостью в конфигурации и универсальностью, что позволяет эффективно и экономично использовать их для комплексного контроля и обнаружения на объекте не только взрывоопасных, но и токсичных газов, и содержания кислорода: СКАПО (ФГУП «СПО «Аналитприбор»), СКВА-01 (ООО НПФ «Инкарм»), СГАЭС (РНИИ «Электронстандарт»), СГМ ЭРИС-130 (ООО «ЭРИС»).
Ранжирование систем по величине фактического интегрального показателя эффективности представлено на рисунке 1.
ч £
* 5 —
В
3 Ü3
с-
■ц -
Н
i Iii бг03
4,05
СКАПО
сгаэс-тгм
CKBjMJI СГМ ЭРИС-130
Рисунок 1 - Сравнение газоаналитических систем по значению интегрального
показателя эффективности
Выполненное ранжирование на основе комплексной оценки свойств автоматизированных газоаналитических систем показало, что для оснащения установки гидроочистки дизельного топлива по интегральному учету всех основных показателей предпочтительной является система СКВА-01.
Список использованной литературы:
1. Леонтьева С.В., Закирова З.А., Смородова О.В., Воробьева А.С. Повышение экологической безопасности в нефтегазовой отрасли путем разработки способа переработки нефтешлама//Уральский экологический вестник. - 2014.- №2. - С.74-77.
2. Галлямов М.А., Костарева С.Н. Гилязов А.А., Смородова О.В. Способы повышения эффективности управления промышленной безопасностью//в сборнике: Промышленная безопасность на взрывопожароопасных и химически опасных производственных объектах: II Международная научно-практическая конференция. 2008. С.299-301.
3. Хаматдинова А.В., Смородова О.В. Приборный контроль состояния газовоздушной среды на предприятиях нефтепереработки//Технологии техносферной безопасности.- 2015.- №4(62).- С.325-331.
4. Хаматдинова А.В., Смородова О.В. Компьютерное моделирование поведения воздушных масс как инструмент обеспечения безопасности предприятий//Проблемы безопасности и чрезвычайных ситуаций. -2016. - №3. - С.100-110.
©Смородова О.В., Хафизов Р.В., 2016
