Алгоритмы автоматизации и управления технологическими процессами газопромысловых объектов с применением компьютерных моделей Клепак Игорь Ярославович

Содержание к диссертации

Введение

Глава 1. Задачи совершенствования систем управления технологическими процессами газопромысловых объектов 17

1.1 Характеристика объекта управления 17

1.2 Описание технологической схемы сбора и подготовки газа на УКПГ 18

1.3 Проблемы управления ГПМкак большой системы 19

1.4 Применение SCADA-систем для реализации новых возможностей в процессах управления 23

1.5 Необходимость модернизации АСУ ТП газопромысловых объектов .28

1.6 Выводы 30

Глава 2. Компьютерное моделирование технологических процессов в УКПГ .32

2.1 Концептуальная модель процесса компьютерного моделирования сложных технических устройств и систем 32

2.2 Метод компонентных цепей 34

2.3 Интерпретация метода компонентных цепей для ФХС 35

2.3.1 Формализованное представление УКПГ для моделирования 35

2.3.2 Формализованное представление физико-химических систем для компьютерного моделирования в среде моделирования МАРС 37

2.3.3 Модели компонентов ФХС 41

2.4 Адаптация системы компьютерного моделирования для анализа процессов в УКПГ 60

2.5 Примеры компьютерного моделирования подсистем УКПГ 63

2.5.1 Пример сепараторного отделения от газа различных веществ 63

2.5.2 Пример абсорбционной осушки газа з

2.6 Выводы 66

Глава 3. Идентификация моделей УКПГ в процессе управления объектом 68

3.1 Обоснование целесообразности применения методов оптимизации и искусственного интеллекта в задачах управления газопромысловыми объектами 68

3.2 Построение оптимизационных моделей 81

3.3 Формальное описание целевых функций оптимизации для корректировки моделей 83

3.4 Примеры оптимизации модельных конструкций блоков УКПГ 88

3.4.1 Задача оптимизации параметров сепаратора 88

3.4.2 Задача оптимизации расхода метанола при абсорбционной осушке природного газа 90

3.4.3 Модель системы слежения за изменением концентрации влаги в выходном потоке 96

3.5 Система коррекции параметров прогнозной модели абсорбера 97

3.6 Выводы 101

Глава 4. Построение SCADA-систем с обучаемыми моделями в АСУ ТП газопромысловых объектов 102

4.1 Требования к современным АСУ ТП 102

4.2 Алгоритм управления технологическими процессами ГПМ с использованием корректируемых моделей 105

4.2.1 Функциональная схема алгоритма управления 105

4.2.2 Специальные модули системы управления 107

4.3 Оптимизация управления параметрами технологического процесса в АСУ ТП ГПМ

4.3.1 Сбор данных и база данных 110

4.3.2 Следящая система для корректировки параметров объекта

и модели 115

4.4 Комплексная схема работы современной SCADA-системы с прогнозной моделью 117

4.5 Алгоритмы интеллектуализации управления процесса сушки газа в УКПГ с использованием продукционных правил 119

4.5.1 Продукционные правила и модели 119

4.5.2 База знаний подсистемы диагностики состояния технологических процессов УКПГ 122

4.6 Алгоритм минимизации расхода ингибитора с использованием корректируемой модели 128

4.7 Выводы по главе 133

Заключение 134

Список использованных источников 136

• Применение SCADA-систем для реализации новых возможностей в процессах управления
• Формализованное представление физико-химических систем для компьютерного моделирования в среде моделирования МАРС
• Формальное описание целевых функций оптимизации для корректировки моделей
• Оптимизация управления параметрами технологического процесса в АСУ ТП ГПМ

Введение к работе

Актуальность работы. Рассматривается задача комплексного моделирования и автоматизации управления и контроля технологических процессов газопромысловых месторождений (ТП ГПМ), в которой выделяются две подзадачи: разработка и применение методик компьютерного моделирования физико-химических систем (ФХС), к которым относятся объекты ГПМ, и формирование требований к программно-техническим комплексам, включающим такие модели.

Суть решаемых задач заключается в расширении возможности исследования и управления такой сложной системы как ТП ГПМ в рамках единого эксперимента, учитывая взаимовлияние подсистем, представленных как компьютерными моделями (КМ), так и реальными.

Потребность в разработке названных методик обусловлена большой сложностью ТП ГПМ и алгоритмов оценки его текущего состояния, отсутствием способов всестороннего их анализа и структурного и параметрического синтеза.

Требуется на основе анализа и систематизации математических моделей (ММ) и алгоритмов определения параметров технологического процесса (ТП) и управления им разработать принципы построения интеллектуальной АСУ ТП газопромысловых объектов и провести ее структурный синтез с ориентацией на использование современных аппаратно-программных средства управления с учетом специфических особенностей рассматриваемых технологических процессов и условий эксплуатации комплекса в условиях Крайнего Севера Российской Федерации.

Исходя из этого, проанализировать функции и задачи каждого уровня управления автоматизированной системы, разработать ее структуру, сформулировать и систематизировать основные требования к аппаратным средствам, разработать и исследовать программное обеспечение системы, которое включает программы моделирования объекта для целей управления, прогнозирования и принятия решений.

С учетом этого в настоящее время приоритетным направлением является создание АСУ ТП ГПМ на основе интегрированных аппаратно-программных средств или SCADA-систем, которые дополняются прогнозными компьютерными моделями и набором продукционных правил.

Цель работы:

Разработка методики и алгоритмов компьютерного моделирования физико-химических процессов, происходящих в объектах ГПМ, и проведение структурного синтеза интеллектуальной АСУ ТП объектов ГПМ для повышения эффективности управления технологическими процессами.

Задачи исследования:

1. Произвести системный анализ и декомпозицию структуры установки комплексной подготовки газа (УКПГ) с целью выявления ее функциональных блоков и межблочных связей для построения ее компьютерной модели;

Create PDF files without this message by purchasing novaPDF printer ()

1. Разработать библиотеку моделей компонентов и функциональных блоков объектов ГПМ и методику повышения их адекватности для автоматизации моделирования ФХС;

2. Обеспечить автоматизированное решение задач анализа и параметрического синтеза компьютерных моделей (КМ) основных функциональных блоков УКПГ для поиска оптимальных режимов работы этих блоков;

3. Исследовать алгоритмы, основанные на продукционных моделях знаний, для обеспечения интерактивного режима управления;

4. Выполнить структурный синтез АСУ ТП на основе современных SCADA-систем, дополненных компьютерными моделями объектов ГПМ и продукционными моделями знаний.

Объект и предмет исследования. Объектом исследования являются автоматизированные системы управления ТП объектов ГПМ, ориентированные на использование современных аппаратно-программных средств управления.

Предмет исследования - алгоритмы компьютерного моделирования и структурный синтез интеллектуальной АСУ ТП для автоматизированного контроля и управления ТП на объектах ГПМ.

Теоретические основы выполнения работы. Для решения поставленных в диссертационной работе задач применялись методы системного анализа, теория больших систем управления, теоретические основы построения автоматизированных систем, современные информационные технологии, объектно-ориентированное проектирование, методы компьютерного моделирования, методы оптимизации, экспертные системы и эвристические процедуры принятия решений. Методическая база работы строилась на основе исследований и практической работы автора в области проектирования и разработки АСУ ТП ГПМ и моделирования технологических процессов.

В своей работе автор опирается на труды отечественных и зарубежных ученых по проблемам моделирования, оптимизации и интеллектуализации систем управления технологическими процессами, искусственного интеллекта, структуризации информационных систем.

Научная новизна диссертации:

1. На основе формализованного представления УКПГ, как объекта физико-химической природы, впервые построена ее компьютерная модель для повышения эффективности управления технологическими процессами;

2. Разработана новая методика, включающая библиотеку моделей компонентов и функциональных блоков УКПГ в формате компонентных цепей, для автоматизации моделирования ФХС;

3. Предложены алгоритмы автоматизации решения задач оптимизации характеристик основных функциональных блоков УКПГ в среде моделирования МАРС;

4. Предложена оригинальная методика и алгоритм подключения продукционных моделей знаний, учитывающих характер технологических отклонений в УКПГ и способствующих повышению качества управления;

Create PDF files without this message by purchasing novaPDF printer ()

5. Синтезирована функциональная схема интеллектуальной АСУ ТП объектов ГПМ в составе основного контура SCADA-системы, дополненного компьютерными моделями с корректируемыми параметрами и продукционными моделями знаний, на основе которой предложен алгоритм минимизации расхода ингибитора при абсорбционной осушке природного газа.

Практическая и теоретическая ценность диссертации. Предложенные методики и алгоритмы развивают теорию моделирования многофракционных физико-химических систем, позволяют выполнить комплексное исследование и автоматизацию контроля и управления технологического процесса в ГПМ. Использование компьютерных и продукционных моделей и структур позволяет снизить затраты времени и средств на создание адекватных моделей технологического процесса, обеспечивает большую эффективность программно-аппаратных подсистем, а также позволяет расширить класс объектов моделирования и повысить уровень автоматизации АСУ ТП ГПМ. Разработанные алгоритмы компьютерного моделирования технологических процессов ГПМ позволяют практически использовать предложенные методики для построения тренажеров операторов-технологов объектов ГПМ.

Основные защищаемые положения

5. Компонентная цепь УКПГ с многофракционными потоками в связях, построенная на основе ее формализованного представления для автоматизации моделирования физико-химических процессов;

6. Методика компьютерного моделирования ФХС, на основе которой реализована библиотека моделей компонентов и функциональных блоков УКПГ в формате компонентных цепей;

7. Алгоритмы оптимизации характеристик блоков УКПГ в среде моделирования МАРС, позволяющие автоматизировать поиск оптимальных режимов работы УКПГ;

8. Методика и алгоритм подключения продукционных моделей знаний для учета технологических отклонений в УКПГ и факторов внешней среды, которые не определены в структуре компьютерной модели;

9. Функциональная схема интеллектуальной АСУ ТП объектов ГПМ, в которой основной контур SCADA-системы дополнен компьютерной моделью управляемого объекта с корректируемыми параметрами и продукционными моделями знаний для учета технологических отклонений с целью минимизации расхода ингибитора при абсорбционной осушке природного газа.

Реализация результатов (из актов). Результаты исследований и доведенные до инженерного уровня реализации методики и алгоритмы внедрены в филиале «Промстройкомплексмонтаж» ОАО «СибКомплексмонтаж», в Ямало-ненецком отделении ООО «Стройтрансгаз-М» и в Высшем колледже информатики, электроники и менеджмента ТУ СУР.

Апробация работы и публикации. Основные теоретические результаты, а также результаты прикладных исследований и разработок, докладывались и получили одобрение на международных и региональных конференциях, пуб-

Create PDF files without this message by purchasing novaPDF printer ()

ликовались в сборниках трудов и в центральной печати: 5 статей (в том числе 2 в центральной печати: журнал «Приборы+Автоматизация»), тезисов 6-й докладов, выпущено 1 учебное пособие. На предложенные методики, разработанные алгоритмы и программные модули (модели физико-химических систем и алгоритмы оптимизации в среде моделирования МАРС) получено 2 свидетельства об отраслевой регистрации разработок.

Достоверность полученных результатов обеспечивается исходными теоретическими, методологическими и практическими данными исследований и подтверждается использованием современных методов, источников по теме диссертации, апробацией результатов, эмпирическим исследованием функционирования разработанных методик и алгоритмов.

Личный вклад автора.

Постановка задач и разработка концептуальных положений диссертации осуществлялась совместно с научным руководителем д.т.н., профессором Дмитриевым В.М.

Автором осуществлялась разработка ряда положений предложенных методик комплексного моделирования и автоматизации управления ТП ГПМ, проведение обзорных и теоретических исследований, доведение разработок до инженерных решений, конкретных алгоритмов, функциональных схем АСУ ТП ГПМ, алгоритма минимизации расхода ингибитора при абсорбционной осушке природного газа, интерпретация полученных результатов. Автор благодарит также доцента, к.т.н. Ганджу Т.В. за помощь в построении и практической отладке программных материалов.

Структура работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, приложений и содержит 169 страниц основного текста, 40 рисунков, 7 таблиц, 92 использованных источника и 7 приложений.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Во введении содержится обоснование актуальности темы работы, а также приведен обзор методов, имеющих отношение к исследуемым проблемам. Формулируется цель и основные задачи, решаемые в диссертации. Определяется практическая значимость полученных результатов, дается общая характеристика работы.

В первой главе «Задачи совершенствования систем управления технологическими процессами газопромысловых объектов» исследуются традиционные и современные подходы к решению проблем управления ГПМ как большой технической системы. Дается описание технологического комплекса добычи и подготовки газа на примере Валанжинских залежей УКПГ-1В, Ям-бургского месторождения, расположенных в зоне суровых природно-климатических условий в заполярной части Западно-Сибирской равнины.

Представлено описание технологической схемы УКПГ, выделяются основные функциональные блоки, связанные с очисткой природного газа от различных примесей и его осушкой.

Create PDF files without this message by purchasing novaPDF printer ()

Кусты скважин

Сырой неочищенный природный газ

Сепаратор С-1

Сырой

очищенный

природный газ

Абсорбер

влаги

А-1

Межпромысловый коллектор

Сухой

очищенный

природный газ

Парк углеводородов

Конденсат

Хозрасчетный замерной узел

Готовый газ

«газ-конденсат»

теплообменники

Готовый конденсат

Узел подготовки углеводородов

Осушенный

охлажденный

газовый конденсат

Газ, отделенный от углеводородов

Рисунок 1 - Структурная схема установки комплексной подготовки газа

Потоки, циркулирующие между функциональными блоками УКПГ, являются многофракционными и изменяются от блока к блоку давлением и температурой.

Исследования проблем управления объектами ГПМ показали необходимость всестороннего обследования существующей системы функционирования и управления такого объекта, как ГПМ, и формулирования требований к организации работ в условиях функционирования информационно-управляющей системы (ИУС).

Отмечено, что SCADA -системы (Supervisory Control And Data Acquisition -система сбора данных и оперативного диспетчерского управления) являются в настоящее время наиболее перспективным инструментом автоматизированного управления сложными динамическими системами (процессами) в жизненно важных и критичных с точки зрения безопасности и надежности областях.

На основе краткого рассмотрения в диссертации типовых функций известных SCADA-систем делается вывод, что современные разработки в области АСУ ТП таких крупных технических систем, как объекты ГПМ, должны ориентироваться на внедрение в их структуру SCADA-систем, в том числе с функциями автоматизированного принятия управленческих решений, реализация которых возможна при использовании компьютерных моделей (КМ).

Объектом исследования в диссертационной работе является интеллектуальная система управления технологическим процессом в УКПГ. Для ее эффективной реализации предлагается структура современной SCADA-системы, дополненная КМ установки с корректируемыми параметрами для целей оперативного прогноза ее технологических характеристик. С целью учета действия факторов внешней среды и возникающих в процессе эксплуатации технологи-

Create PDF files without this message by purchasing novaPDF printer ()

ческих отклонений в контур управления вводится библиотека продукционных моделей знаний, которые формируются в процессе эксплуатации реальной УКПГ и хранятся в базе знаний (рис. 2).

Внешние факторы и технологические отклонения

Объект УКПГ

Структура и параметры

ЇУправляющие воздействия

SCADA-система ТП УКПГ

Модели

методов

оптими-

зации

Блок коррекции параметров

Результаты прогноза раобты УКПГ из модели

Результаты

продукционных

правил

Структурная схема SCADA-системы установки комплексной

подготовки газа

Компьютерная

модель объекта

УКПГ

Состояние г объекта Скорректированньї' параметры модели

База данных объекта

Значения Данные об объекте

установленных параметров

Рисунок 2

Экспертная система

Модели функциональных блоков объекта

База данных

компьютерных

моделей

Продукционные правила

Библиотека

продукционных

моделей знаний

Компьютерная модель УКПГ (рис. 1) состоит из моделей основных ее функциональных блоков и связей между ними. Для учета внешних факторов и технологических отклонений, которые не могут быть учтены в компьютерной модели объекта, используется библиотека продукционных моделей знаний, пополняемая оператором в процессе обучения модели. Для корректировки параметров компьютерной модели и решения задач оптимизации параметров установки используется блок коррекции параметров, с помощью которого параметры модели корректируются при отладке и обучении модели, и параметры реального объекта при решении задач параметрического синтеза. Все полученные результаты работы модели, а также измеренные величины реальной установки заносятся в базу данных объекта, и используются при обучении компьютерной модели.

Результатом данной работы должны стать разработанные модели основных функциональных блоков УКПГ, блок коррекции параметров модели, библиотека логико-лингвистических моделей внешних факторов и технологических отклонений.

Во второй главе «Компьютерное моделирование технологических процессов в УКПГ» теоретически обосновывается и практически реализуется возможность применения компьютерного моделирования на основе метода компонентных цепей как составной части SCADA-системы УКПГ. С этой целью рассматриваются цели и задачи компьютерного моделирования ТП в УКПГ.

Create PDF files without this message by purchasing novaPDF printer ()

Выявлена необходимость построения и использования КМ таких установок как УКПГ, которая диктуется рядом практических причин, связанных в основном с автоматизацией и управлением технологическим процессом в ней.

В работе показано, что при выборе расчетно-моделирующих систем, способных решать подавляющее большинство из существующих задач, приходится учитывать наличие в этих системах следующих возможностей:

1. быстродействующей вычислительной части моделирующих систем для расчета многомерных потоков в подсистемах ГПМ и в целях создания тренажеров для операторов-технологов;

2. библиотеки моделей компонентов физико-химических систем (ФХС), построенной и отлаженной на практических тестах;

3. управления библиотеками моделей компонентов (БМК) для оперативной настройки моделирующей системы на заданный класс объектов;

4. возможностью создания кросс-средств, объединяющих моделирующую часть системы и подсистемы идентификации и оптимизации параметров и характеристик моделей блоков и устройств;

5) отладку контроллеров SCADA-систем на виртуальных моделях без
вмешательства в реальный технологический процесс на объекте.

В диссертации на основе сравнительного анализа произведен обоснованный выбор среды автоматизированного моделирования сложных технических устройств и систем СМ МАРС, построенной на базе метода компонентных цепей (МКЦ).

Одной из задач исследований является интерпретация данного метода для целей моделирования ФХС, к классу которых относится и УКПГ.

Исследуются основные характеристики формализма МКЦ для применения его к задачам моделирования подсистем ГПМ. При рассмотрении данного метода отмечаются его отличия от других методов компьютерного моделирования физических систем различной природы.Приведено формализованное представление схемы УКПГ (рис. 1) для целей компьютерного моделирования в формате компонентных цепей (КЦ). Эта задача потребовала расширить данный формализм для моделирования многофракционных потоков ФХС, находящихся под разным давлением и температурой.

На первом этапе строится словесный портрет системы для построения КЦ объекта и путем анализа в нем выделяются следующие структурные единицы: компоненты-объекты; параметры компонентов; связи компонентов; потоки в связях; переменные потоков; топологические узлы.

Вводится КЦ общего вида. На ее основе с учетом словесного портрета синтезируется цепь для анализа УКПГ, обеспечивающая достаточную гибкость и универсальность для отображения нужных характеристик объектов.

Совместное моделирование гидро- и термодинамических систем становится необходимым при расчете процессов, протекающих в ФХС, каковыми и являются подсистемы УКПГ.

Create PDF files without this message by purchasing novaPDF printer ()

В диссертации отмечаются особенности компьютерного моделирования физико-химических систем и рассматриваются особенности построения моделей многофракционных ФХС на простейших схемах, включающих два типа компонентов: терминаторы, как бесконечно большие емкости с заданным давлением на входе, и сопротивления потоку. Чаще всего входное давление терминатора принимается равным нулю.

В работе описаны особенности моделирования много фракционных систем, которые потребовали реализации нового подкласса вычислительных компонентов, связанных с учетом концентраций потоков веществ, протекающим по их связям. К данным особенностям можно отнести нефиксированное число компонентных уравнений в моделях компонентов ФХС, ввод переменной составляющей топологического закона, учитывающего содержание потока. При этом поток разбивается на фракции, в каждой из которых протекает отдельное вещество со своей концентрацией, сумма которых в каждом потоке в каждый момент времени должна равняться единице.

Основные компоненты гидродинамической подсистемы: емкость; сопротивление потоку; источник потока; источник давления; терминатор; ключ; измерители.

Переменными термодинамической подсистемы являются температура Т и тепловой поток Q. Введены и построены модели элементарных компонентов тепловой подсистемы: тепловая емкость; тепловое сопротивление; источник теплового потока; тепловой терминатор; измерители.

Термодинамическая подсистема является подчиненной и параметрически зависимой от гидродинамической подсистемы. Это значит, что параметры части компонентов термодинамической подсистемы зависят от процессов, протекающих в гидродинамических подсистемах. Поэтому введены три макрокомпонента, позволяющих связать термодинамическую и гидродинамическую подсистемы: макро-емкость, макро-сопротивление, макро-терминатор.

&ТІ

>То

»Г2_

Введено формализованное представление многосвязной ФХС, на основе которого строятся модели агрегатов и блоков ФХС. Смесь веществ в связях компонентов характеризуется давлением и температурой, а также концентрацией веществ, входящих в ее состав. При этом в каждой точке ФХС сумма концентраций веществ должна равняться единице.

Са-\

Cj22

С₀1— С₀22

Учитывая все вышесказанное, введен обобщенный физико-химический компонент (рис. 3):

с,

Рисунок 3 - Обобщенный

компонент физико-химической

системы

Множество входных S_Ti и выходных связей S_To являются термодинамическими и характеризуется потенциальной переменной Т - температура и потоковой переменной Q - поток теплоты.

Create PDF files without this message by purchasing novaPDF printer ()

Множество входных Sat и выходных связей S_Go являются гидравлическими и характеризуются потенциальной переменной Р, выраженной давлением смеси, и потоковой переменной Q - расход газообразной или жидкой смеси. Также каждая гидравлическая связь характеризуется вектором концентраций (Сц....С_ІР), (C_ol....C_oF), каждый элемент которого характеризует долю содержания того или иного вещества в данной смеси.

Связь Sq является термодинамической и выражает количество теплоты, подводимой к данному компоненту ФХС из внешних источников без взаимодействия веществ. Если потоковая переменная, выражающая тепловой поток, положительная, то вещество ФХК нагревается, следовательно, поглощает тепло. Если же данная переменная меньше 0, то вещество, находящееся в данном компоненте, отдает тепло или охлаждается.

Примерами агрегатов и блоков ФХС являются: источник многофракционной смеси веществ, источники постоянного давления и потока, химический реактор, сепаратор, абсорбер, описанные в диссертации и реализованные в рамках библиотеки моделей компонентов ФХС среды моделирования МАРС.

Газ Bona Метанол

| С = 1 | | с = о | | с = о

Н<2 = 29 75 м^ЛЭ/с

НС!= 15.25 м-З/с

J Jj

Рисунок 4 - Компонентная цепь подсистемы абсорбционной осушки газа

На основе описанных в БМК ФХС компонентов построены примеры компьютерного моделирования подсистем УКПГ, к которым относятся подсистема сепараторного отделения от газа различных механических веществ и подсистема абсорбционной осушки газа. На рисунке 4 приведена компонентная цепь подсистемы абсорбционной осушки газа.

В третьей главе «Идентификация моделей УКПГ в процессе управления объектом» исследуются и реализуются алгоритмы коррекции параметров компьютерных моделей, на базе методов поисковой оптимизации для целей повышения качества управления. На первом этапе вводится обобщенная схема связи функциональных уравнений системы. Выявленные на основе исследований векторы входных воздействий X, в том числе управляемых переменных U и возмущений Z, а также выходных переменных Y связаны между собой функциональными уравнениями, отражающими связь между ними. Эти уравнения, являющиеся математическими моделями процесса, в наиболее обобщенном

Create PDF files without this message by purchasing novaPDF printer ()

виде можно подразделить на три группы: уравнения собственно объекта УКПГ, уравнения показателей экономической эффективности и уравнения управления, включающие уравнения связей, налагаемых системой автоматики (рис. 5).

Процесс нахождения оптимальных решений сопровождается реализацией ряда процедур, основными из которых являются:

Рисунок 5 - Связь функциональных уравнений системы

постановка задачи оптимизации параметров технологического режима объекта управления;

разработка алгоритмов сбора и обработки технологической информации;

идентификация математических моделей технологического объекта;

расчет оптимальных режимных параметров;

расчет технико-экономических показателей функционирования технологического объекта с учетом реализации расчетного оптимального режима.

Real Canal ОбъектУКПГ

Virtual Canal

Модель УКПГ в

Несмотря на то, что методология постановки и решения задачи оптимизации процессов объектов ГПМ была достаточно отработана, последующая практика показала, что, оптимизация технологических процессов на газопромысловых объектах на базе математических моделей, построенных на основе методов классической математики, обладает недостатками из-за их неадекватности реальным технологическим процессам, протекающим на этих объектах. В диссертации рассмотрены оптимизационные процессы на основе построенных в предыдущей главе компьютер-

ных моделей

Показание

Характеристика

Число

Массив

Целевая функция

Коррекция параметров

Оптимизатор

Для того чтобы КМ ФХС наиболее адекватно отображала реальные процессы, она непрерывно или периодически корректируется на основе накапливаемой истории процесса. Целевая функция (ЦФ) при этом образуется из двух потоков данных: данные, поступающие с датчиков -реальный (физический) канал; данные, поступающие с компьютерной модели - виртуальный канал (рис. 6).

Рисунок 6 - Схема коррекции параметров модели

Параметрическая оптимизация предполагает, что по известным входным воздействиям и откликам цепи, а также структуре объекта,

Create PDF files without this message by purchasing novaPDF printer ()

производится поиск значений его параметров, оптимальных при заданном критерии.

Задача оптимизации формулируется как задача поиска минимума ЦФ в допустимой области поиска: min F(Y(X)). Результатом оптимизации является наименьшее значение ЦФ и соответствующие ему оптимальные значения корректируемых параметров. Дается формальное описание целевых функций оптимизации для корректировки моделей. Целевая функция F(Y(X)) реализует заданный пользователем критерий оптимальности. Она формируется на основании различных критериев оптимизации и вычисляется в процессе моделирования в среде МАРС, где производится анализ модели цепи. Формирование ЦФ производится путем ее аналитического описания, а в случае использования критерия формы - посредством задания дополнительно эталонной (желаемой) функции.

Для задания ЦФ реализован компонентный подход в рамках СМ МАРС. Для этого предложена модель компонента «Оптимизатор» (рис. 7). Узлы N\, N₂, ..., N„ данного компонента соответствуют параметрам ЦФ, являющихся подмножеством множества параметров компонентов КЦ исследуемого объекта. Узлы N_n+\, N_n+2, ..., N_n+m соответствуют переменным целевой функции, которые являются одновременно и переменными исследуемой КЦ. В качестве параметров компонента «Оптимизатор» пользователь может задавать: алгоритм (метод) оптимизации; для параметров целевой функции - имя Х„ с которым этот параметр входит в со-N„_+l став целевой функции, его начальное значение Хоі (для методов с ^я+2 ограничениями - интервалы изменения переменной) и начальный шаг изменения значения; для

і V и +И7 т т _Х-

переменных ЦФ - имена, которы-

Рисунок 7 - Компонент «Оптимизатор» ^ми они представлены в целевой

функции. Целевая функция формируется пользователем в редакторе математических выражений относительно имен переменных ЦФ и (или) имен ее параметров и далее преобразуется и встраивается в основную компонентную цепь, набранную в схемном редакторе СМ МАРС.В работе на основе компонента «Оптимизатор» предлагается автоматизированное решение задач нахождения различных параметров объекта и задающих источников, при которых сформированная целевая функция достигает своего минимума. Такие задачи решаются для стационарного режима с постоянными во времени параметрами и задающими воздействиями, а также для нестационарного режима, когда задающие воздействия постоянны, а параметры компонентов или входных потоков могут меняться. Для решения задач динамической оптимизации характеристик УКПГ были выбраны Метод золотого сечения - для ЦФ с одним аргументом и Метод покоординатного спуска - для многоаргументных ЦФ.

Create PDF files without this message by purchasing novaPDF printer ()

Оптимизация параметров сепаратора. Одной из целей функционирования подсистемы сепаратора является регулирование давления газа на входе сепаратора при заданном давлении газа на его выходе. Единственным варьируемым параметров является Р_} - давление неочищенного газа на входе сепаратора. В качестве целевой функции выбрана функция:

р(Рі)=(р₂-Рз(ріД))²

где Р₂ - необходимое заданное давление газа на выходе сепаратора; Р₃ - текущее давление газа на выходе сепаратора, рассчитываемое на основе компьютерной модели; Pi - давление газа на входе сепаратора, которое изменяется от 1 до 100 МПа; С, - вектор концентраций веществ во входном потоке для текущего цикла оптимизации.

Для минимизации введенной целевой функции в работе используется метод золотого сечения, результаты работы которого в системе моделирования МАРС представлены на рис. 8 (а - концентрация примесей 10%, б - концентрация примесей 30%).

ЕВ оптим_давление_сепаратор

CD_Opt1

7.77е-КЮ0

Р2_ — Р3_ — Р2 <

ЕОП ^U1

_—(U)

IP5

Примеси

С = 0

Р = 22.222МПа Р = 11.111 МПа Р = 10МПа

SEP2

Примеси

| С = 0.1

Р= 1.111 МПа

С Примеси

R3

С = 1

Create PDF files without this message by purchasing novaPDF printer ()

ЕВ оптимлавление сепаратор

CD_0pt1

1Э4е+001

Р2_ — Р3_ —

Р2 о

_—(U)

IP5

Примеси

С = 0

Р = 28.571 МПа Р = 14.286 МПа Р = 10МПа

Т1

SEP2

Примеси

Р = 4.286 МПа

Т2

С = 0.3

Примеси

С = 1

б)

Рисунок 8 - Результаты регулирования давлением на входе сепаратора

при различных концентрациях примесей: а) 10%; б) 30%

Оптимизация расхода метанола при абсорбционной осушке газа. Целью оптимизации является поиск минимального давления метанола на входе абсорбера, при котором выходящий из абсорбера газ будет полностью осушен. Варьируемым параметров является давление Рг источника метанола PS2, который изменяется с целью поиска минимального значения целевой функции

' \² 2)~І^вода І ^тІ^вода ^водаї

где Свода ~ концентрация воды в газовой фазе на выходе абсорбера; С^да -концентрация воды в жидкой фазе на выходе абсорбера; С_ВОда ~ предельно-допустимая концентрация воды в жидкой фазе на выходе абсорбера.

Давление источника метанола Рг, являющееся единственным варьируемым параметром целевой функции, изменяется в пределах от 1 до 15 МПа.

Create PDF files without this message by purchasing novaPDF printer ()

Для минимизации такой целевой функции применяется метод золотого сечения, который реализуется в компоненте CD_Opt (рис. 9). Результатом данной оптимизации является минимальное значение давления метанол на входе абсорбера, при котором газ будет полностью осушен.

PS2: Регулятор подачи _Fn,, ингибитора

:,.:

Вода

| С - 0.001 I ICG1

Вода

Р = 100кПа~| | С = 0.15 ~~|

Р = 05.057 кПа

—|G] = 100000 м"-3/с |—

-\о - ::::' :' -:-

^

| Р = 27.75 кПа |

—| Q = 2775D м'З/с |

Bona

I C-D I

Ингибитор

I c = i |

—^—

Рисунок 9 - Результаты оптимизации расхода метанола в системе абсорбционной осушки газа УКПГ

На основе компонента «Оптимизатор» в рамках среды моделирования МАРС в данной работе предложена система коррекции параметров компьютерной модели абсорбера с целью адекватного описания процессов, протекающих в реальном абсорбере УКПГ Ямбурского ГКМ. Для этого было проведено исследование реального абсорбера, в ходе которого были проведены замеры его входных и выходных характеристик.

Методика коррекции параметров модели абсорбера. Задача коррекции параметров модели абсорбера заключается в поиске таких значений ее параметров, при которых при тех же входных воздействиях переменные на выходе модели имели бы те же значения, что и выходные характеристики реального абсорбера. Для решения данной задачи на основе среднеквадратичного критерия, рассмотренного в диссертации, была сформирована целевая функция:

F(Pr,Qr,Pa,Q^)=(Pr -Or -Pf -Off +( -On -Pa. -Oaf

Create PDF files without this message by purchasing novaPDF printer ()

где Р_т, Qt - давление и скорость потока газа на выходе модели абсорбера; Р_и, 2и - давление и скорость потока ингибитора на выходе модели абсорбера; ^г, (fr - давление и скорость газа на выходе абсорбера; F^n, (/и - давление и скорость потока ингибитора на выходе абсорбера;

Независимыми аргументами целевой функции являются параметры модели абсорбера: S - площадь поверхности контакта фаз; В - коэффициенты массопередачи в отдающей и принимающей фазах.

_{В т}

На основе исследования рельефа целевой функции для ее оптимизации был выбран метод покоординатного спуска, который реализован в компоненте «Оптимизатор» как метод многопараметрической оптимизации. Схема коррекции параметров модели абсорбера, реализованная в среде МАРС, представлена на рис. 10.

Рисунок 10 - Система коррекции параметров модели абсорбера в среде моделирования МАРС

На основании изложенных в диссертации методов разработана технология оптимизации параметров модели объекта в процессе его функционирования. Применение данного подхода позволит корректировать параметры и режимы модели, повышая ее адекватность и точность управления объектом.

В четвертой главе «Построение SCADA-систем с обучаемыми моделями в АСУ ТП газопромысловых объектов» исследуется процессы применения современных SCADA-систем для автоматизированного управления

Create PDF files without this message by purchasing novaPDF printer ()

сложными динамическими системами и технологическими процессами. Отмечается, что SCADA-системы являются на сегодняшний день наиболее эффективным инструментов совершенствования автоматизированных систем управления. В данное время актуальной проблемой является повышение точности и надежности систем диспетчерского управления, которая является одной их предпосылок появления нового подхода при разработке таких систем.

В работе предлагается дополнить современную АСУ ТП компьютерной моделью объекта управления, которая могла бы предсказывать поведение реального объекта.

Для повышения точности моделирования предложено использовать компьютерную модель с корректируемыми (обучаемыми) параметрами в составе SCADA-систем. Показано, что её отличие от классической детерминированной модели состоит в том, что она представляет исследуемый объект в его прямом отображении, то есть сохраняются все действующие компоненты-объекты, их первичные параметры и связи между ними и внешней средой, в ней возможен учет отклонений от технологического режима. Ряд параметров входящих в объекты ГПМ компонентов, введены с возможностью их коррекции, как в процессе моделирования, так и в реальном масштабе времени. Значения этих параметров изменяются в процессе работы системы, т.е. происходит постоянное обучение модели.

Для учета факторов, которые невозможно учесть в компьютерной модели, вводятся продукционные модели знаний в форме «если А, то В». Взаимное дополнение данных структур моделей отражает функциональная схема АСУ ТП с элементами обучения (рис. 2). Программно-техническая реализация данной схемы, а также алгоритмы интеллектуализации управления процессом осушки природного газа в УКПГ с использованием продукционных моделей знаний рассмотрены в диссертации.

На основе разработанной структурной схемы SCADA-системы реализован алгоритм минимизации расхода ингибитора с использованием корректируемой модели (рис. 11).

Опрос датчиков УКПГ (блок № 1 и № 5 рис. 11) производится с целью занесения в базу данных (п. 4.3.1) реальных текущих характеристик на выходе абсорбера.

Замеренные в блоке 1 значения поступают в блок № 2 «Коррекция параметров модели абсорбера», где по методике коррекции параметров модели абсорбера с помощью поисковой оптимизации определяются параметры модели - площадь поверхности контакта фаз S и коэффициент массопередачи (3, при которых модель адекватно описывает процессы, протекающие в реальном абсорбере влаги УКПГ. Поиск данных параметров производится с помощью компонента «Оптимизатор» (блок № 10), реализованного в рамках среды моделирования МАРС. Найденные параметры модели абсорбера передаются в блок № 3 «Поиск оптимального режима работы УКПГ». В данном блоке путем решения задач оптимизации с помощью компонента «Оптимизатор» выполня-

Create PDF files without this message by purchasing novaPDF printer ()

ется поиск минимально допустимого значения давления ингибитора на входе абсорбера Pi„gj„, при котором газ, выходящий из абсорбера, будет иметь заданную степень осушки. Решение данной задачи было представлено на рис. 9.

Запуск системы

БДРО

1. Опрос датчиков УКПГ

Qg_r,

Ping г,

Qinq г

2.Коррекция параметров

модели абсорбера

S.P

3. Поиск

оптимального

режима работы

УКПГ

Нормативный режим работы

Интерфейс оператора

9. Воздействие на объект и (или) модель

10. Оптимизатор

Pint_in_opt

Интерфейс оператора

4. Вывод Ping int_opt в

качестве рекомендательного значения

БДРО

Рекомендации персоналу

8. Применение

продукционных моделей

знаний для выявления

технологической

ситуации (алгоритм)

Нет превышения допустимых отклонений

6. Вычисление отклонения параметров

7. Time Out

Pg_r, Qg_r,

Ping г, Qing_r

Сигнал к измерению данных УКПГ

БДРО I

5. Опрос датчиков УКПГ

Pg_r, Qg_r, Ping_r, Qing_r Pg_m, Qg_m,Ping_m, Qing_m

Рисунок 11 - Алгоритм минимизации расхода ингибитора на основе SCADA-системы и компьютерной модели УКПГ

Оптимальное значение P_{ing in} поступает в блок № 4, где выводится на интерфейс оператора SCADA-системы как рекомендуемое значение давления ингибитора на входе абсорбера. Когда значение P_ingj„ установлено в реальной установке модель будет считаться прогнозной и по сигналу оператора с ее помощью отслеживается отклонение реального объекта от модельных значений.

С периодичностью, которая обеспечивается блоком № 7, производится опрос датчиков УКПГ (блок № 5). Измеренные значения через базу данных поступают на вход блока № 6, где производится вычисление текущих отклонений характеристик и их сравнение с допустимыми.

В случае превышения допустимого значения отклонения, установленного технологическим регламентом, производится переход к блоку № 8, где на основе реальных (Pg_r, Qg_r, Pingr, Qingr) и модельных (Pgjn, Qgjn, Pingjn, Qingjri) значений контролируемых параметров, а также накопленных в библиотеке экспертной системы (рис. 2) продукционных моделей знаний производится выявление сложившейся технологической ситуации и выработка ре-

Create PDF files without this message by purchasing novaPDF printer ()

комендаций персоналу по воздействию на объект и (или) его модель (блок № 9), приводящие работу объекта и SCADA-системы к нормативному режиму.

Представленный алгоритм (рис. 11), реализованный на основе структурной схемы SCADA-системы с корректируемой моделью (рис. 2), позволяет автоматически обнаруживать отклонения технологического процесса в УКПГ от нормативного режима, связанные, в том числе, с недостачей или перерасходом ингибитора, выявлять их причины на основе накопленных продукционных моделей знаний и предлагать оператору SCADA-системы рекомендуемое воздействие на объект и (или) его компьютерную модель. Применение рассмотренной функциональной структуры SCADA-системы и реализация на ее основе данного алгоритма позволит экономить ингибитор в абсорберах влаги УКПГ газоконденсатных месторождений при осушке природного газа. Расчет условного экономического эффекта от экономии ингибитора представлен в приложении к диссертации.

Таким образом, описанный в диссертации подход предоставляет возможность на базе SCADA-системы и среды моделирования МАРС создать программно-технический комплекс, позволяющий моделировать состояние объекта управления; поддерживать модель в состоянии, адекватном реальному объекту, за счёт ее обучения и оптимизации; производить расчет необходимых значений параметров ТП и объекта управления; прогнозировать состояние ТП и объекта управления; моделировать нештатные ситуации.

Новые возможности позволили приступить к созданию тренажеров для обучения персонала, в т.ч. для работы в условиях нештатных ситуаций.

Применение SCADA-систем для реализации новых возможностей в процессах управления

Вышеуказанный перечень решаемых задач обеспечивает верхнему уровню АСУ ТП промыслов достаточно широкие функциональные возможности в части оперативного управления промыслами. Однако в настоящее время из-за целого ряда факторов эффективность функционирования этого уровня управления не удовлетворяет современным требованиям.

Второй уровень АСУ ТП промыслов газоконденсатного месторождения — АСУ ТП УКПГ был разработан и внедрен в производство, так же как и верхний уровень управления, в середине 1980-х гг. и был реализован на базе управляющего вычислительного комплекса УК-2. Разработчиком этого комплекса (включая его программное обеспечение) и производителем является СПКБ «Промавтоматика» (г. Краснодар) [11].

В течение уже более 15 лет управляющий вычислительный комплекс УК-2 эксплуатируется на УКПГ. За это время структура, программное, техническое и информационное обеспечение АСУ ТП УКПГ подверглись существенным изменениям, которые обусловлены улучшением характеристик самой системы, с одной стороны, и стремительным развитием вычислительной техники, с другой. В результате модернизации УК-2 Ямбургского газоконденсатного месторождения в состав этого комплекса были введены автоматическое рабочее место (АРМ) оператора УКПГ на базе IBM PC и устройство связи с технологической сетью на УКПГ. Однако, несмотря на проведение работ по частичной модернизации УК-2, к настоящему моменту он является морально устаревшим и не отвечает современным требованиям, предъявляемым к комплексам технических средств, составляющих основу АСУ ТП УКПГ, расположенных на Ям-бургском газоконденсатном месторождении. К тому же АСУ ТП газопромы 23 еловых объектов в основном функционируют в информационно-измерительном режиме и в режиме дистанционного отключения и включения исполнительных механизмов.

Таким образом, морально устаревший управляющий вычислительный комплекс УК-2 не позволяет реализовать современные методы и алгоритмы управления и поэтому, естественно, становится серьезным препятствием на пути решения и реализации задач АСУ ТП УКПГ.

Система сбора данных и оперативного диспетчерского управления SCADA (Supervisory Control And Data Acquisition) [12] является в настоящее время наиболее перспективным методом автоматизированного управления сложными динамическими системами (процессами) в жизненно важных и критичных с точки зрения безопасности и надежности областях. SCADA - процесс сбора информации в режиме реального времени с удаленных точек (объектов) для обработки, анализа и возможного управления удаленными объектами. Требование обработки реального времени обусловлено необходимостью доставки (выдачи) всех необходимых событий (сообщений) и данных на центральный интерфейс оператора (диспетчера).

Управление технологическими процессами на основе систем SCADA стало осуществляться в передовых западных странах в 80-е годы. Область применения охватывает сложные объекты электро- и водоснабжения, химические, нефтехимические и нефтеперерабатывающие производства, железнодорожный транспорт, транспорт нефти и газа и др.

В России диспетчерское управление технологическими процессами опиралось, главным образом, на опыт оперативно-диспетчерского персонала. Поэтому переход к управлению на основе SCADA-систем стал осуществляться несколько позднее. К трудностям освоения в России новой информационной технологии, какой являются SCADA-системы, относится как отсутствие эксплуа 24 тационного опыта, так и недостаток информации о различных SCADA-системах. В мире насчитывается не один десяток компаний, активно занимающихся разработкой и внедрением SCADA-систем. Каждая SCADA-система -это "know-how" компании и поэтому данные о той или иной системе не столь обширны.

Формализованное представление физико-химических систем для компьютерного моделирования в среде моделирования МАРС

Макро-терминатор состоит из независимых терминаторов - гидравлического и теплового, полностью описывающих гидравлические и тепловые

Модели агрегатов и блоков ФХС. Рассмотрим формализованное представление многосвязного компонента ФХС, на основе которого и будут строиться модели агрегатов и блоков ФХС. Напомним, что физико-химической системой является система, предназначенная для транспортирования и преобразования физико-химической смеси разнообразных веществ, находящейся в жидком или газообразном состоянии. Смесь веществ характеризуется давлением и температурой, а также концентрацией веществ, входящих в ее состав. При этом в каждой точке ФХС сумма концентраций веществ должна равняться единице. Учитывая все вышесказанное, обобщенный компонент ФХС будет иметь вид (рис. 2.9) [3,51]:

Множество входных STl и выходных связей STO являются термодинамическими и характеризуется потенциальной переменной Г- температура и потоковой переменной в - поток теплоты.

Множество входных Sa и выходных связей SCo являются гидравлическими и характеризуются потенциальной переменной Р, выраженной давле 51 ниєм смеси, и потоковой переменной Q, представляющей собой расход газообразной или жидкой смеси.

Также каждая гидравлическая связь характеризуется вектором концентраций, каждый элемент которого характеризует долю содержания того или иного вещества в данной смеси.

Связь Se является термодинамической и выражает количество теплоты, подводимого к данному компоненту ФХС из внешних источников, без взаимодействия веществ. Если потоковая переменная, выражающая тепловой поток, положительная, то вещество ФХК нагревается, следовательно поглощает тепло или нагревается. Если же данная переменная меньше 0, то вещество, находящееся в данном компоненте, отдает тепло или охлаждается.

Модель реального химического реактора [52] может быть представлена как одной емкостью (для простых моделей), так и сложной совокупностью различных компонентов, позволяющей моделировать структуру потоков внутри химического реактора. Во втором случае компонентам «емкость» и «сопротивление потоку» не сопоставлены реальные конструктивные единицы моделируемой системы. Модели, в которых для представления одного химического реактора или его конструктивно однородной части используется несколько определенным образом соединенных элементарных компонентов, называются комбинированными. При построении комбинированных моделей полагают, что химический реактор состоит из отдельных зон, соединенных определенным образом, в которых наблюдаются различные структуры потоков. Наличие потоков различных видов устанавливается по опытным кривым отклика реактора на типовое (ступенчатое или импульсное) возмущение [47].

В качестве примера комбинированной модели рассмотрим модель реактора с входом и выходом, расположенными в верхней части реактора, и мешалкой, расположенной в средней части. В простейшем случае модель такого реактора может состоять из одного компонента - емкости. Однако в таком случае не учитывается структура потоков внутри реактора, которая существенно влияет на его выходные характеристики [53].

Пример комбинированной модели А - зона проскальзывания. Вследствие близкого расположения входа и выхода реактора, часть поступающего на вход вещества практически сразу попадает на выход, не принимая участия во внутренних процессах.

В - зона смешения. В этой части реактора происходит активное перемешивание фракций, вещества с входа реактора практически беспрепятственно попадают в зону В и также легко попадают на выход.

С - застойная зона. В этой части реактора смесь фракций задерживается, так как проточное движение вещества отсутствует. Состав смеси в этой зоне может в течение длительного времени оставаться практически независимым от концентрации поступающего на вход потока и мало влиять на концентрацию выходного потока.

Структура потоков внутри реактора существенно зависит от номиналов компонентов, составляющих его схему. Например, сопротивления потоку R4 и R5 должны быть значительно больше сопротивлений потоку R2 и R3. В таком случае поток через ветвь, проходящий через зону С, значительно замедлится.

Модель абсорбера является детерминированной моделью абсорбционного процесса осушки природного газа, являющегося одним из основных процессов УКПГ, использующихся в условиях Крайнего Севера.

Формальное описание целевых функций оптимизации для корректировки моделей

Для поиска минимального давления на входе жидкой фазы абсорбера используем компонент «Оптимизатор» (Opt_PSl), с помощью которого минимизируется концентрация воды в газовой фазе выхода абсорбера, при изменении давления метанола на входе жидкой фазы абсорбера. При этом давление метанола на данном входе выберем заведомо меньше, чем давление, при котором газ будет полностью осушаться при прохождении через абсорбер.

Поиск минимально необходимого для полной осушки газа давления, при котором газ при прохождении через абсорбер полностью осушается, производится компонентом «Оптимизатор» методом золотого сечения [77, 86]. Пусть первоначально метанол подается в абсорбер через источник PS2 под давлением 5 кПа. Состояние системы и значения основных переменных при данном давлении приведено на рис. 3.10. Ш вшшЙ шйш і мт

Результатом оптимизации будет минимально необходимое давление источника метанола PS2, при котором газ на выходе абсорбера будет полностью осушен, т.е. концентрация воды на данном выходе абсорбера будет равна 0. Оптимизация производится методом золотого сечения при варьировании одного параметра - давления источника PS2.

На основе компонента «Оптимизатор» реализуется компонент «Система слежения», который в отличие от первого не только находит минимум введенной целевой функции при заданных параметрах компонентов исследуемой компонентной цепи, но и позволяет в режиме реального времени поддерживать минимум целевой функции при изменении любого из параметров входящих в цепь компонентов тем самым реализуя прогнозную модель.

В качестве примера предлагается компонентная цепь следящей системы (рис. 3.12), в которой давление подачи газа в абсорбер регулируется бегунком регулятора. При его изменении автоматически происходит поиск минимально необходимого для полной осушки газа давления, с которым на вход в абсорбер

Аналогичным образом могут изменяться различные входные параметры системы (давления на входах абсорбера и концентрация веществ в потоках) и сообщаться в модель системы с помощью разнообразных средств, например, через платы сбора данных в SCADA-системах. В модели будет найдено оптимальное значение давления метанола, которое может быть передано на реальный объект, описываемый данной моделью.

Таким образом, решена задача оптимального расхода метанола при абсорбционной осушке природного газа в абсорбере с подвижным контактом раздела фаз при изменении параметров технологического процесса в УКПГ.

Необходимо найти параметры модели абсорбера, при которых она адекватно бы описывала процессы, протекающие в реальном абсорбере, функционирующем на УКПГ Ямбургского газоконденсатного месторождения. При его исследовании были проведены замеры входных и выходных характеристик:

Данная задача заключается в поиске таких значений параметров модели абсорбера (табл. 2.4), при которых при тех же значениях входных воздействий (входные давления газа и ингибитора и концентрации воды во входном газе) переменные на выходе модели абсорбера имели бы те же значения, что и выходные характеристики реального абсорбера. Для ее решения из представленных в пункте 3.3 критериев оптимизации целевая функция может быть сформирована на основе среднеквадратичного критерия (3.8), выражающего сумму квадратов разностей между реальными и модельными характеристиками:

Рг- давление газа на выходе модели абсорбера; Qr— скорость потока газа на выходе модели абсорбера; Ри - давление ингибитора на выходе модели абсорбера; Qn - скорость потока ингибитора на выходе модели абсорбера; давление газа на выходе абсорбера; Qr- скорость потока газа на выходе абсорбера; давление ингибитора на выходе абсорбера; (f и- скорость потока ингибитора на выходе модели абсорбера. Независимыми аргументами целевой функции (3.9) являются параметры модели абсорбера: площадь поверхности контакта фаз 5; - коэффициенты массопередачи в отдающей и принимающей фазах /7. Следовательно, необходимо при их варьировании определить минимум разработанной целевой функции. С целью выбора алгоритма оптимизации для системы коррекции параметров модели абсорбера была исследована целевая функция (3.9) в интервалах изменения ее параметров:

Оптимизация управления параметрами технологического процесса в АСУ ТП ГПМ

Замеренные в блоке 1 значения поступают на блок № 2 «Коррекция параметров модели абсорбера», где по методике, описанной в п. 3.5, с помощью поисковой оптимизации определяются параметры модели - площадь поверхности контакта фаз S и коэффициент массопередачи /?, при которых модель адекватно описывает процессы, протекающие в реальном абсорбере влаги УКПГ. Поиск данных параметров производится с помощью компонента «Оптимизатор» (блок № 10), реализованного в рамках среды моделирования МАРС.

Найденные параметры модели абсорбера передаются в блок № 3 «Поиск оптимального режима работы УКПГ». В данном блоке путем решения задач оптимизации с помощью компонента «Оптимизатор» (блок № 10) выполняется поиск минимально допустимого значения давления ингибитора на входе абсор 130 бера Pjnsjn, при котором газ, выходящий из абсорбера, будет иметь заданную степень осушки. Решение данной задачи приводится в пункте 3.4.2.

Оптимальное значение Pmgjn поступает в блок № 4, где выводится на интерфейс оператора SCADA-системы как рекомендуемое значение давления ингибитора на входе абсорбера. Когда значение Pi„gj„ установлено в реальной установке полученная скорректированная модель будет считаться прогнозной и по сигналу оператора отслеживается отклонение реального объекта от модельных значений.

С периодичностью, которая обеспечивается блоком № 7, производится опрос датчиков УКПГ (блок № 5). Измеренные значении через базу данных поступают на вход блока № 6, где производится вычисление текущих отклонений характеристик и их сравнение с допустимыми отклонениями.

В случае превышения допустимого значения отклонения, установленного технологическим регламентом, производится переход к блоку № 8, где на основе реальных (Pg_r, Qgjr, Pingjr, Qingjr) и модельных (Pg_m, Qg_m, Pingjn, Qing_m) значений контролируемых параметров, а также накопленных продукционных моделей знаний (п. 4.5) производится выявление сложившейся технологической ситуации и выработка рекомендаций персоналу по воздействию на объект и (или) его модель (блок № 9), приводящие работу объекта и SCADA-системы к нормативному режиме.

Представленный алгоритм (рис. 4.9), реализованный на основе функциональной схемы SCADA-системы с корректируемой моделью (рис. 4.1), позволяет автоматически обнаруживать отклонения технологического процесса в УКПГ от нормативного режима, связанные в том числе с недостачей или перерасходом ингибитора, выявлять их причины на основе накопленных продукционных моделей знаний и предлагать оператору SCADA-системы рекомендуемое воздействие на объект и (или) его компьютерную модель.

Для проверки работоспособности алгоритма были взяты реальные данные работы абсорбера влаги УКПГ Ямбурского газоконденсатного месторождения, на основе которых показано, как с помощью данного алгоритма может быть минимизирован расход ингибитора для осушки природного газа.

Если сумма квадратов отклонений превысит заданное предельное число , в данном случае =10, то согласно рассматриваемому алгоритму, применяются продукционные модели знаний для выявления технологической ситуации. Такие даты в таблице отмечены курсивом. После устранения технологической ситуации и приведения системы к нормативному режиму работы производится коррекция компьютерной модели абсорбера. Результаты проведенной коррекции подчеркнуты.

Применение рассмотренной функциональной структуры SCADA-системы и реализация на ее основе данного алгоритма позволит экономить ингибитор в абсорберах влаги УКПГ газоконденсатиых месторождений при осушке природного газа. Расчет условного экономического эффекта от экономии ингибитора представлен в Приложении 4.

Целью настоящей работы было построение методик и реализация алгоритмов компьютерного моделирования физико-химических процессов, происходящих в газопромысловых объектах (ГПМ) и проведение синтеза интеллектуальной АСУ ТП газопромысловых объектов с ориентацией на использование современных аппаратно-программных средств управления. Для достижения поставленной цели удалось успешно решить сформулированы задачи исследования, результатами которых стало следующее:

Предложенные методики и алгоритмы развивают теорию моделирования, позволяют выполнить комплексное исследование и автоматизацию контроля и управления технологическим процессом в ГПМ, увеличивая адекватность моделей реальным процессам и подсистемам. Использование компьютерных и продукционных моделей позволяет снизить затраты времени и средств на создание адекватных моделей технологического процесса, обеспечивает большую эффективность программно-аппаратных подсистем, а также позволяет расши 135 рить класс объектов моделирования и повысить уровень автоматизации АСУ ТП ГПМ. Разработанные алгоритмы компьютерного моделирования технологических процессов ГПМ, позволяют практически использовать предложенные методики для решения широкого круга прикладных задач на ГПМ.