CC BY
26удк 519.711.3:622.276
А.п. Верёвкин, о.В. кирюшин, Уфимский государственный нефтяной технический университет, г. Уфа
Вопросы проектирования систем адаптивного управления процессами добычи и подготовки нефти
Повышение качества, а, в конечном счете - конкурентоспособности продукции процессов добычи и подготовки нефти невозможно без оптимизации функционирования всех этапов производства продукции, начиная с добычи нефти, ее транспортировки, разделения на товарную нефть и подтоварную воду, дегазации и т.д. Эффективность технологических процессов определяется себестоимостью продуктов производства, стабильностью характеристик работы оборудования (количеством аварийных остановов, оптимальностью работы в штатных режимах), показателями качества (ПК) продукции [1].
Решение задачи управления такими процессами базируется на использовании современных систем управления (СУ), отвечающих требованиям функционирования в реальном масштабе времени, принятия решений на управление за жестко ограниченное время, возможности оперативного пе-реконфигурирования структуры и алгоритмов управления СУ, адаптации к изменению условий решаемых задач и параметров среды.
Перечисленным требованиям отвечают т. н. усовершенствованные технологии управления (Advanced Control), отличающиеся от «традиционных» наличием функций оптимизации параметров (неизмеряемых технологических параметров, ПК, технико-экономических показателей и др.) на всех уровнях управления производством, адаптации к изменениям технологических условий. В [2] перечислены некоторые задачи усовершенствованного управления рассматриваемыми процессами. Необходимым условием повышения эффективности процесса разработки таких СУ является моделирование объ-
ектов управления с учетом их динамических свойств.
На моделях решаются следующие задачи:
1. Разработка структур и оптимизации параметров СУ нижнего уровня, которые обеспечивают работоспособность объекта в условиях реально существующих возмущений и взаимосвязей контуров регулирования. При этом могут получаться структуры СУ, не сводящиеся к стандартным одноконтурным схемам.
2. Разработка подсистем управления по ПК и показателям технико-экономической эффективности (ПТЭЭ) и подсистем обеспечения безопасности. При этом, необходимо разработать модели для оперативного вычисления ПК и ПТЭЭ, а также управляющую часть автоматической системы, которые обычно реализуются в классе ситуационных СУ [2].
3. Разработка тренажеров-имитаторов различного назначения, наличие которых обусловлено требованиями НТД:
• для обучения персонала;
• отработки технических решений при разработке системы управления и отладке алгоритмов управления.
Сложность разработки моделей процессов добычи и подготовки нефти связана со следующими причинами:
1) часто несколько технологических установок технологически взаимосвязаны, при этом образуется многосвязная система управления; в этом случае исследование динамических свойств одной установки не дает возможности прогнозировать поведение группы установок и не сводится к известным методам анализа одномерных систем [3];
2) имеет место нелинейная взаимосвязь между технологическими параметрами, ПК продуктов и ПТЭЭ подготовки нефти [4, 5];
3) часто имеет место нестационарность объекта, например, для процессов добычи нефти из-за истощения пластов [5].
В этих условиях разработка СУ в конечном виде уже на этапе проектирования обречена на неудачу, так как с течением времени структура и параметры СУ не будут соответствовать изменяющимся структуре и параметрам объекта. Решение проблемы состоит во включении в структуру СУ блока адаптатора моделей, который в соответствии с те-
кущей информацией изменял бы структуру и/или параметры моделей. Управляющая часть СУ также должна обладать свойствами адаптации к изменению характеристик объекта. Структура автоматической системы усовершенствованного управления с учетом упомянутых особенностей задач управления имеет вид двух- или трехуровневой иерархической системы. Предлагается использовать структуру адаптивной СУ, представленную на рисунке, включающую имитационную модель технологического объекта.
На рисунке приняты обозначения: R -множество регуляторов, М - модель объекта, А - адаптатор, Ор - оптимизатор, и - вектор управляющих воздействий, Y - канал передачи контролируемых технологических параметров, Р
- множество расчетных ПК, Р' - множество ПК, определенных в оперативном режиме или лабораторным путем, Т - множество ПТЭЭ, VUm - множество ограничений по технологическим па-
раметрам, ПК и ПТЭЭ, иМ - канал передачи м оделируемых управляющих воздействий, Ум - реакция модели на моделируемые воздействия, ZR, ZP и ZМ -корректирующие воздействия на регуляторы (изменение структур и параметров регуляторов), процедуру ра счета ПК (коррекция структуры и коэффициентов функций) и модель соответственно, ^ - корректирующие воздействия н а регулятор со стороны оптимизатора (изменение уставок регулято-
ров). Объектом управления является не только технол огическая часть М/Т, к которой относя тся ос новные технологические процессы с выходными параметрами Y , но и процедуры определения ПК (М/ПК) и ПТЭЭ (И/ПТЭЭ).
Для подобных сложных СУ анализ путей улучшения процессов управления и разработки перспективных вариантов может быть основан на идеологии имитационного моделировани я, включающей сбор и обработку исходных
gPLISENS
Производитель контрольно-измерительной аппаратуры 129345, Москва, ул. Летчика Бабушкина, д, 39, кор, 3.
Щ (495} 726-34-61, (495) 234-61-10, (495) 368-32-41 www,aplisens,ru E-mail: info@aplisens.ru
Гидростатические уровнемеры
Преобразователи даапения
і
Преобразователи разности давлений
APR-2000AL и нте л л актуальный преобразователь разности давлений
выходной С И Г .■: L j і и Q...5MA -HHART I
А,.. 20,0..-20
Основная приведенная погрешность ± 0,075%
Искробезопасное исполнение
Завод изготовитель в Варшаве
на правах рекламы
Таблица 1. Методы идентификации объектов
№ Метод Виды моделей Учет фактора времени Возмож- ности on-line Вид исходн. данных Вид экспе- римента
1 Поисковый алгоритм минимизации интегральной функции оценки (М1) АУ, ПФ, ДУ, РУ, ПрС С, Д - П Пс
2 Решение систем уравнений статики (М2) АУ С + П Пс
3 Определение параметров РУ путем решения систем уравнений (М3) РУ Д + П Пс
4 Аппроксимация гиперповерхностями (М4) АУУ ДУ, РУ С, Д + П Пс
5 Методы корреляционного анализа (М5) АУ, РУ С, Д + В Пс
6 Аппроксимации по частным производным (М6) АУ, ДУ, РУ С, Д + П Пс
7 Метод Симою ПФ, ДУ, РУ Д + В Пс
8 Определение по аналогии с характеристиками типовых звеньев ПФ, ДУ, РУ Д - В Пс
9 Активная идентификация тестовыми сигналами ПФ, ДУ, РУ Д - В А
10 Частотные методы ПФ, ДУ, РУ Д + В Пс
11 Сканирование области допустимых входных сигналов АУ С - В А
12 Градиентный спуск в пространстве параметров модели (М7) АУ, ПФ, ДУ, РУ, ПрС С, Д + П Пс
13 Идентификация с помощью нейронных сетей НС С, Д + П Пс
Примечания: С - статика, Д - динамика, П - произвольные наборы исходных данных, В - выборочные наборы исходных данных, А - активный эксперимент, Пс - пассивный эксперимент.
Пояснения к таблице 1.
1) Поисковый алгоритм минимизации интегральной функции оценки, заключающийся в том, что задается некоторая оценка I (обычно квадратичного вида), обладающая свойством I ^ т!п при приближении моделируемых свойств свойствам ОУ [8].
2) Решение систем уравнений относительно параметров модели используется в случае, если структура операторов известна и параметры можно выделить явно как функции входных и выходных сигналов ОУ.
3) Определение параметров разностных уравнений путем решения систем уравнений.
4) Аппроксимация гиперповерхностями - поверхность в гиперпространстве входных координат заменяется гиперповерхностью с известными структурой и параметрами, проходящей через определенные точки исходной.
5) Каскадное определение коэффициентов через аппроксимации срезов может быть использовано в случае выборочного характера исходных данных, полученных, например, при активном эксперименте.
6) Аппроксимация по частным производным синтезирует разностные уравнения полиномиального вида.
7) Метод Симою определяет коэффициенты моделей динамики в виде ПФ и ДУ путем интегрирования ВХ.
8) Определение по аналогии с характеристиками типовых звеньев является наиболее распространенным методом быстрого приближенного определения коэффициентов ПФ и ДУ на основе сравнений экспериментальной ВХ с ВХ типовых звеньев [7].
9) Активная идентификация тестовыми сигналами заключается в подаче на вход ОУ тестовых сигналов определенного вида, причем количество сигналов равно количеству коэффициентов выбранной ПФ [9, 10].
10) Частотные методы, использующие разложение сигналов в ряды Фурье в целях определения по ним коэффициентов ПФ и ДУ.
11) Сканирование области допустимых входных сигналов ОУ. Данный метод активной идентификации позволяет построить статическую характеристику в виде гиперповерхности.
12) Метод градиентного спуска в пространстве параметров модели относится к методам минимизации интегральных функций оценок количественной адекватности свойств модели и ОУ; использует алгоритм минимизации функции по значениям градиентов [8]; метод может применяться при автоматической подстройке модели в рабочем режиме СУ.
данных с итерационным подбором параметров моделей [6].
Рассмотрим этапы проектирования системы адаптивного управления более подробно.
При построении моделей технологического объекта структурного и параметрического уровней используются эмпирические знания о технологическом объекте и экспериментальные данные. Эмпирические знания могут быть по-
лучены на основе анализа теоретической информации и экспериментальных наблюдений. При моделировании объектов добычи и подготовки нефти наибольшее распространение получили классы [7]:
- алгебраические модели, представляющие собой системы алгебраических уравнений (АУ);
- системы дифференциальных уравнений (ДУ);
- системы передаточных функций (ПФ);
- частотные характеристики (ЧХ);
- уравнения пространства состояний (ПрС), имеющие общий вид [7, 8]:
, ' & = Ф(х, ю
' Y = І(Х Ю,
где & - вектор скорости изменения переменных состояния І&;
- разностные уравнения (РУ), описывающие динамику дискретных процессов;
- временные характеристики (ВХ), опи-
«<
сывающие зависимости параметров от времени t в виде графиков, таблиц, числовых показателей;
- продукционные системы, описывающие функционирование ОУ в виде наборов продукционных правил, которые сформулировал эксперт;
- нейронные сети (НС), аппроксимирующие связи между наборами наблюдаемых сигналов.
Для определения параметров моделей на основе экспериментальных данных разработан ряд методов идентификации (см. таблицу 1 с пояснениями).
Перечисленные методы ориентированы на расчет либо статических, либо динамических характеристик, либо
ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ ТОРГОВЫЙ ДОМ
СИБИРСКАЯ КАБЕЛЬНАЯ КОМПАНИЯ
/
/
/
/
/
КОНКУРЕНТНЫЕ ЦЕНЫ
ШИРОКИЙ АССОРТИМЕНТ СКЛАДСКОГО НАЛИЧИЯ КАЧЕСТВО ВЕДУЩИХ КАБЕЛЬНЫХ ЗАВОДОВ ОТМОТКА
ДОСТАВКА ПО РФ
634062, г. Томск, а/я 5060 E-mail: seaЫеJom@таil.ru URL: http: Wwww. sea Ые.ги
на правах рекламы
щ
і
статических характеристик, но с возможностями их расширения до динамических путем введения фактора вре-
Томск: (3822) 43-55-03 Новосибирск (383) 2-105-398 Красноярск; (3912) 99-63-31 Кемерово: (3842) 64-28-32 Новокузнецк: (3843) 45-64-94
мени в число входных координат (например, РУ).
При разработке алгоритмов автомати-
Таблица 2
исходная информация о структуре операторов G Характер наблюдаемых параметров
выборочный произвольный
Структура известна, но коэффициенты явно не определяются Мі, М7 Мі, М7
Структура известна, коэффициенты определяются явно Ml, M2, M3, M7 Ml, M2, M3, M7
Структура неизвестна, зашумленность измерений небольшая Ml, M5, M6 Ml, M6
Структура неизвестна, большая зашумленность измерений 6, M 5, M 4, M т-Н Ml, M4, M6, M7
ческой адаптации и интерпретации, реализуемых в СУ на микропроцессорных контроллерах, интерес представляют методы, не требующие большого объема оперативной памяти и позволяющие анализировать данные в оперативном режиме (on-line). Эти методы отмечены «+» в колонке «Возможности on-line» в таблице 1.
Поскольку была поставлена задача определения алгоритмизируемых методов расчета нелинейных моделей, которые могут быть реализованы в алгоритмах адаптации и интерпретации в целях идентификации объекта в оперативном режиме, а также, учитывая невозможность проведения активных экспериментов на объектах нефтедобычи, нефтепереработки и нефтехимии, можно сделать вывод, что из перечисленных методов наиболее подходящими являются методы, обозначенные в таблице 1 как М(. Данные методы в качестве одних из видов моделей используют АУ и РУ, наиболее легко реализуемые на большинстве промышленных микропроцессорных контроллеров, а также в программных пакетах математического моделирования. Отличия алгоритмов в применимости к различным условиям ведения процессов, характеру изменения входных и выходных координат, объему априорной и эмпирической информации. Области применения различных методов приведены в таблице 2.
Разработка управляющей части системы усовершенствованного управления
связана с применением современных технологий синтеза управляющих устройств, базирующихся на методах искусственного интеллекта, в том числе нейронных сетях, генетических алгоритмах, продукционных системах. Примеры разработки таких систем приведены в [11, 12].
Таким образом, стандартные задачи проектирования АСУТП дополняются проектными заданиями на разработку адаптивных моделей объектов управления, расчета ПК и ПТЭЭ, контуров адаптации в случае одного критерия или оптимизации в случае нескольких. Практика внедрения адаптивных СУ по ПК и ПТЭЭ показывает, что эффект может достигать 15 ... 20 % или 0,5 ... 1,0 доллара на м3 продукции, что подтверждает целесообразность развития проектирования таких систем [12].
литература
1. Веревкин А.П., Ельцов И.Д., Кирюшин О.В. К решению задачи оперативного управления процессами подготовки нефти.// Территория Нефтегаз, № 2, 2007. - С. 13 - 15.
2. Технология, экономика и автоматизация процессов переработки нефти и газа: Учеб. пособие / С.А. Ахметов, М.Х. Ишмияров, А.П. Веревкин, Е.С. Докучаев, Ю.М. Малышев; Под ред. С.А. Ахметова. -М.: Химия, 2005. -736 с.
3. Веревкин А.П., Ельцов И.Д., Кирюшин О.В. Задачи усовершенствованно-
го управления в технологических процессах добычи и транспорта нефти. // Территория Нефтегаз, № 5, 2007. - С. 14 - 17.
4. Ланин Н.А., Телегин И.Г., Ягафаров А.К. Анализ эффективности форсированного отбора жидкости на месторождениях ТПП «Покачевнефтегаз». // Территория Нефтегаз, № 10, 2007.
- С. 30 - 34.
5. Салаватов Т.Ш., Мамедзаде М.Р. Регулирование процесса разработки на основе адаптационного подхода.// Территория Нефтегаз, № 2, 2007. - С. 56 - 59.
6. Веревкин А.П., Кирюшин О.В. , Соловьев В.Я. Об оптимизации процессов добычи нефти в динамике. // Территория Нефтегаз, № 10, 2007. - С. 48 - 51.
7. Теория автоматического управления: Учеб. для вузов / С.Е. Душин, Н.С. Зотов, Д.Х. Имаев и др.; Под ред. В.Б. Яковлева. -М.: Высшая школа, 2003. -567 с.
8. Эйкхофф П. Основы идентификации систем управления. Пер. с англ. -М.: «Мир», 1975. -684 с.
9. Андрианова Л.П., Сурков Д.М. Испытательные сигналы специальной формы в задачах активной идентификации.// Электронный журнал «Исследовано в России». http://zhurnal.ape. relam.ru/articles/2001/110.pdf
10. Андрианова Л.П., Шаймарданов Ф.А. Идентификация коэффициентов передаточных функций динамических объектов. -Уфа: УГАТУ, 1997. -195 с.
11. Веревкин А.П., Ельцов И.Д., Зозуля Ю.И., Кирюшин О.В. Интеллектуализация управления системой поддержания пластового давления.// Автоматизация, телемеханизация и связь в нефтяной промышленности, № 4, 2007.
- ОАО «ВНИИОЭНГ». - С. 40 - 43.
12. Веревкин А.П., Ельцов И.Д., Зозуля Ю.И., Кирюшин О.В. Оперативное управление технологическими процессами подготовки нефти по техникоэкономическим показателям. // Автоматизация, телемеханизация и связь в нефтяной промышленности, № 3, 2006.
- ОАО «ВНИИОЭНГ». - С. 48 - 53.
скоростной подогреватель нефти спн
НАГРЕВАЕТ НЕФТЬ В ТРУБОПРОВОДАХ * ПЕРЕД УЗЛАМИ УЧЕТА ПОЗВОЛЯЯ УВЕЛИЧИТЬ ПРОИЗВОДИТЕЛЬНОСТЬ ПЕРЕКАЧКИ НЕФТИ В ТЕХНОЛОГИЧЕСКИХ ТРУБОПРОВОДАХ
Скоростной подогреватель нефти СПН, как и тепловой модульный узел ТИТАН-М, созданы на базе индукционных нагревателей -самого современного электронагревательного оборудования.
Ззвйд Сибирского ТеднслогичеСвгсщй- Машиностроении
630001. г. Новосибирск, а/я 124, ул. Сухарная. 35 а Теп./факс: (383) 204-77-32. 204-77-33. 204-77-34 Е-тцИ: zsfm.ru
ТЕПЛОВОЙ МОДУЛЬНЫЙ УЗЕЛ
ТЕПЛОВОЙ ПРЕДНАЗНАЧ ГОРЯЧЕГО ВОДОСНАБ МИКРОРАЙОНОВ И ПРЕДПР
Узел нагрева «Титан-отопление» + предназначен для отопления жилых и промышленных объектов.
Узел нагрева «Титан-вариант» может 4 функционировать для отопления или для горячего водоснабжения объектов.
Узел нагрева «Титан-комплекс» - это 4 комфортное решение комплексной задачи теплоснабжения.
спн-м
СКОРОСТНОЙ ПОДОГРЕВАТЕЛЬ НЕФТИ
ИМ-"-51
