В статье рассмотрена задача создания интеллектуально-технического комплекса, реализующего систему адаптивного управления процессом обезвоживания нефти в режиме реального времени. В ходе решения поставленной задачи разработана функциональная модель, которая представляет технологический процесс обезвоживания нефтяных эмульсий как многомерный и многосвязный нелинейный объект управления. Данная модель стала основой разработки адаптивной системы автоматизированного управления. Система включает три контура адаптации. В первом контуре проводится адаптация управляющего воздействия с учетом реакции эталонной модели. Во втором контуре выполняется адаптация расчетного управляющего воздействия к объекту управления с учетом действующих на него помех. В третьем контуре осуществляется сбор информации об управляющих воздействиях и реакциях объекта управления с целью дальнейшей периодической актуализации эталонной модели в первом контуре. Для обеспечения принятия управленческих решений построена искусственная нейронная сеть. Обучение нейронной сети проведено с использованием экспериментальных данных из отчета по разработке технико-технологических рекомендаций по подготовке нефти, выполненного специалистами Промыслового отдела АО «Гипровостокнефть». Разработанная адаптивная система обеспечивает управление остаточным содержанием воды в нефти, а также контроль входных параметров процесса обезвоживания. Она учитывает транспортное запаздывание процесса отстаивания водонефтяной эмульсии и обеспечивает управление в соответствии с расчетными значениями модели процесса обезвоживания. Структуру системы управления можно интегрировать в действующие промышленные установки, а также использовать для новых установок подготовки нефти. При этом эталонная модель должна разрабатываться индивидуально для каждого объекта с учетом свойств и состава нефтяной эмульсии. Адаптивная система управления может быть составной частью общей автоматической системы управления объектом подготовки нефти. Предложенная система является одним из этапов внедрения безлюдных технологий производства, так как позволяет создать автономную установку, не требующую постоянного присутствия персонала для ее обслуживания.
Список литературы
1. Позднышев Г.Н. Стабилизация и разрушение нефтяных эмульсий. – М: Недра, 1982. – 221 c.
2. Тронов В.П. Промысловая подготовка нефти. – Казань: ФЭН, 2000. – 416 с.
3. Путохин В.С. Математическое моделирование технологического процесса обезвоживания нефти на промыслах. В. Сб.: Нефть и газ. – М.: МИНХ и ГП, 1977. – С. 37–42.
4. Оперативное управление технологическими процессами подготовки нефти по технико-экономическим показателям / А.П. Веревкин, И.Д. Ельцов, Ю.И. Зозуля, О.В. Кирюшин // Автоматизация, телемеханизация и связь в нефтяной промышленности. – 2006. – № 3. – С. 48–53.
5. Автоматизация технологических процессов добычи и подготовки нефти и газа / Е.Б. Андреев, А.И. Ключников, А.В. Кротов [и др.]. – М.: ООО «Недра-Бизнесцентр», 2008. – 399 с.
6. Артюшкин И.В. Возможность создания комплексной экспертной автоматизированной системы управления процессом промысловой подготовки нефти // Нефтяное хозяйство. – 2016. – № 6. – С. 29–31.
7. Артюшкин И.В., Максимов А.Е. Разработка автоматической системы управления процессом термохимического обезвоживания нефтяных эмульсий на основе искусственной нейронной сети // Вестник Самарского государственного технического университета. Сер. Технические науки. – 2017. – Вып. 1 (53). – С. 7–15.
8. Некоторые результаты лабораторных экспериментов по разрушению водонефтяной эмульсии под воздействием равномерного электрического поля / А.Е. Бортников, К.Е. Кордик, А.В. Савиных, А.С. Ницин // Геология, геофизика и разработка нефтяных и газовых месторождений. – 2013. – Вып. 9. – С. 48–56.
9. Grzymala-Busse Jerzy W., Mroczek Teresa. Definability in Mining Incomplete Data // Procedia Computer Science. – 2016. – V. 96. – Р. 179–186.
10. Аксенов С.В., Новосельцев В.Б. Организация и использование нейронных сетей (методы и технологии). – Томск: Изд-во НТЛ, 2006. – 128 с.
11. Каплан Р. Основные концепции нейронных сетей. – М.: Издательский дом «Вильямс», 2001. – 287 с.
12. Neural Network Software, About NeuroSolutions. – http:// www.neuroproject.ru/aboutproduct.php
13. Хайкин С. Нейронные сети: полный курс = Neural Networks: A Comprehensive Foundation: 2-е изд. – М.: Вильямс, 2009. – 937 с.
14. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая линия – Телеком, 2006. – 452 с.
15. Сташкова О.В., Шестопал О.В. Использование искусственных нейронных сетей для восстановления пропусков в массиве исходных данных // Известия вузов. Северо-Кавказский регион. Сер. Технические науки. – 2017. – Вып. 1. – С. 37–42.
16. A Design of an adaptive predictive control strategy for crude oil atmospheric distillation process / A. Raimondi, A. Favela-Contreras, F. Beltrán-Carbajal [et al.] // Control Engineering Practice. – V. 34. – 2015. – January. – P. 39–48.
