НОВЫЕ ТЕХНОЛОГИИ

Интеллектуальные системы при прогнозировании наработки на отказ

Косыгина Т.Н., Терентьев В.Ю., Крать Н. И., ТюмГНГУ, г. Тюмень

Одним из основных показателей, характеризующих экономическую эффективность и техническое совершенство УЭЦН, является показатель наработки на отказ. В статье рассмотрены преимущества применения интеллектуальных систем в нефтедобыче.

Проблема повышения наработки на отказ машин, механизмов и приборов относится к числу наиболее актуальных и важных проблем, возникших с развитием техники. Для решения основных задач в сфере повышения эффективности механизированной добычи специалисты Департамента внутрискважинных работ определили технологические приоритеты, которые позволили бы снизить удельные затраты на подъем жидкости из скважин. Решение этой задачи потребует увеличения наработки на отказ насосного оборудования до 700 суток [1].

Согласно международному стандарту МЭК 50 (191)-90, понятие наработки на отказ отражает полную продолжительность наработки объекта с момента его первого ввода в работоспособное состояние до отказа или с момента его восстановления до следующего отказа. При этом отказом считается утрата объектом способности выполнять требуемую функцию.

Для глубинно-насосного оборудования отказом считается любая неисправность, повлекшая за собой замену подземного оборудования или его части на работоспособный комплект оборудования или его часть. Отказом не является демонтаж работоспособного оборудования с целью проведения геолого-технических мероприятий.

Показатель наработки на отказ характеризуется отношением суммы наработок отказавшего оборудования за скользящий год к количеству отказов за скользящий год:

i 1

где Тн — показатель средней наработки на отказ оборудования, сут.; М — учетный период, мес. (как правило, 12 месяцев); NI — количество отказов оборудования в i-ом месяце; t — наработка j-ой единицы оборудования, отказавшего в i-ом месяце, сут.

Постоянное совершенствование техники и технологии добычи нефти, улучшение конструкции УЭЦН, повышение квалификации обслуживающего персонала ведут к росту наработки на отказ, т. е. показатель наработки на отказ не является постоянной величиной, а имеет динамичное развитие [2]. В этих условиях необходимо временное ограничение выборки отказов для отражения численно выраженной текущей характеристики надежности и качества эксплуатации оборудования, в противном

271

случае среднеарифметический показатель наработки на отказ был бы значительно занижен.

Выявление причин отказов УЭЦН — это сложный и трудоемкий процесс. Процесс качественного расследования отказа одной установки электроцентробежного насоса занимает в среднем 4–8 часов и к нему привлекаются ведущие специалисты предприятия в области техники и технологии добычи нефти, подземного ремонта скважин, ремонта и эксплуатации УЭЦН, энергообеспечения и т. д.

Процесс прогнозирования наработки на отказ УЭЦН должен учитывать максимально возможное количество факторов, влияющих на работоспособность оборудования. Обработка такого объема информации связана с многочисленными и трудоемкими вычислениями статистического и вероятностного характера, что определяет необходимость применения для решения данной задачи компьютерных технологий [3].

Таким образом, одной из основных задач подготовки к прогнозированию наработки на отказ УЭЦН является накопление статистической информации в электронном виде.

Можно выделить три основных направления работы с информационной базой, необходимой для качественного прогнозирования наработки на отказ: выявление истинных причин отказа глубинно-насосного оборудования; определение эффективности разрабатываемых мероприятий (ожидаемое увеличение наработки на отказ); накопление статистической информационной базы, характеризующей текущее состояние эксплуатационного фонда УЭЦН, фонда скважин, причин отказов, проводимых мероприятий и т. п.

В настоящее время темпы повышения объѐмов добычи нефти, а также понятное желание нефтяных компаний снижать себестоимость добычи приводят к необходимости создания так называемых интеллектуальных систем поддержки принятия решения, позволяющих получать информацию о параметрах работы насосной установки. Контроллер станции управления на основе данных от датчиков должен на основе получаемой информации по специальному алгоритму управлять работой насосной установки с целью обеспечения заданного режима работы, например, поддержания забойного давления.

Нейросетевые технологии искусственного интеллекта находят растущее применение при разработке интеллектуальных датчиков, систем обработки информации в нефтегазовой и других стратегически важных отраслях промышленности. Они позволяют создавать нейросетевые модели объектов автоматизации и прикладные нейросистемы, благодаря которым существенно облегчается контроль технического состояния объектов нефтегазовой отрасли, реализуется их структурная и параметрическая идентификация, осуществляемая с использованием алгоритмов обучения нейронных сетей [4].

272

Эффективность промышленных систем в нефтегазовой отрасли, создаваемых на базе искусственных нейронных сетей, определяется: достигнутой степенью адекватности нейросетевых моделей объектам автоматизации, которая во многом зависит от правильного выбора структурнофункциональной организации (спецификации) используемых нейронных сетей; качеством предварительной обработки информации, реализуемой нейронными сетями интеллектуальных датчиков и анализаторов данных; наличием у анализаторов нейросетевых систем обработки информации функций, необходимых для интеллектуального анализа данных реального времени (datamining);

Какой эффект ожидается получить от использования технологии и насколько рентабельна концепция, например, «умных месторождений»?

Во-первых, это оптимизация добычи. Системы умных месторождений позволяют получать самую детальную информацию о работе скважины, в том числе условиях работы ЭЦН и состояния коллектора. На основе детального анализа получаемой информации мы создаем на каждой скважине такие условия нефтедобычи, какие оптимально подходят для ее полноценной эксплуатации. Таким образом, повышается нефтеотдача пласта, а также темпы добычи.

Во-вторых, это сокращение затрат. Во многом это связано с автоматизацией производства при внедрении системы «умных месторождений». У дежурного оператора теперь нет необходимости посещать кустовые площадки, он получает все необходимые данные в режиме реального времени прямо на компьютер. Таким образом, он меньше подвергается риску и имеет больше времени для качественного выполнения других важных производственных задач.

Литература

1.Акопян Б. Инновации в механизированной добыче: концептуалный подход к внедрению новой техники и технологий.//Инноватор, 2012 №1. - С.30-

2.Гайдышев И. Анализ и обработка данных. СПб.: Питер, 2001.- 752 с.

3.Тюрин Ю. Н., Макаров А. А. Анализ данных на компьютере. М.: ИНФРА-

М, 1995. - 384 с.

4.Егоров А.А. Роль интеллектуальных систем в нефтегазовой отрасли: предпосылки и перспективы //Автоматизация и IT в нефтегазовой области, 2012. №1. С 15-18.

Научный руководитель: Кузяков О.Н., д.т.н., доцент

273

Метод понижения динамического порядка модального регулятора

Паршуков А.Н., ТюмГНГУ, г. Тюмень

В настоящей статье разработана вычислительная технология расчета регулятора и исследования робастного качества управления в условиях структурно-параметрической неопределенности описания в объекте управления. Полученные в работе результаты могут быть реализованы на ЭВМ.

Актуальность и постановка задачи. Классическая постановка за-

дачи синтеза модального регулятора может быть сформулирована следующим образом. Линейный одномерный динамический объект управления P назначается дифференциальным уравнением n-го порядка, записанном в

здесь u – входной (управляющий) сигнал, y – выходной (управляемый) сигнал, t – непрерывное время; a n, p и b m, p дифференциальные опе-

раторы; здесь и далее под записью f l, p понимается полиномиальный оператор степени l:

f l, p f0 f1 p fi pi fl pl ,

где f0 , f1 , … , fl – коэффициенты, pi - оператор дифференцирования по времени: pi d i d ti .

Качество управления назначается односвязной областью S , определяющей допустимое расположение полюсов передаточной функции (ПФ) на комплексной плоскости C . В технологии синтеза модального регулятора (описанной в работе [1]) регулятор R ищется в виде динамического зве-

g t – программный сигнал. В результате ПФ замкнутой системы имеет

s – переменная преобразования Лапласа.

Известно, что для объекта управления, заданного дифференциальным уравнением n-го порядка любое наперед заданное расположение полюсов ПФ замкнутой системы возможно обеспечить динамическим регулятором

(2) порядка n - 1 (и выше) [2]. При этом настройки регулятора находятся из

274

где «эталонный» полином aý 2n 1, s определяет расположение корней характеристического полинома замкнутой системы; за aý обозначено

все множество корней полинома aý 2n 1, s .

Подобная задача усложняется, если в описании объекта присутствует неопределенность. Будем выделять неопределенность объекта, связанную с неопределенностью коэффициентов дифференциального уравнения (1) (параметрическая неопределенность), и неопределенность, связанную с неточностью задания порядка дифференциального уравнения (структурная неопределенность). Проблема синтеза регулятора и последующего анализа качества управления в условиях как параметрической так и структурной неопределенностей описания в объекте P достаточно широко представлена в литературе: [2]-[4] и др. В основу значительной части работ на эту тему положены результаты работы Цыпкина Я. З. и Поляка Б. Т. [4], где был сформулирован общий критерий исследования робастной устойчивости и робастного качества управления (получивший название принципа исключения нуля). В настоящей работе на основе принципа исключения нуля разрабатывается вычислительная технология исследования качества управления в условиях структурно-параметрических неопределенностей в объекте. Обратимся к постановке задачи.

липсоида (5) в пространстве коэффициентов.

Регулятор R рассчитывается из условия (3) для «основной динамики». Характеристический полином замкнутой системы принимает вид:

aç.ñ. 2n l 1, s e l, s a n, s n 1, s e l, s b m, s n 1, s ,

275

Проектирование базы данных автоматизированной системы управления перинатальным центром

Таранов Ю.А., ТюмГНГУ, г. Тюмень

Информационные системы для сбора, обработки, хранения и анализа данных используются во всех отраслях, в т.ч. и в медицине. В связи с тем, что в медицине требуется оперативная обработка информации и незамедлительное реагирование на происходящие события, постоянно актуальна проблема сбора и анализа данных.

Автором ведутся работы по созданию комплексной автоматизированной системы для перинатальных центров (проект «Cyberdoctor»), в рамках которой реализована часть системы для сбора и обработки информации, предназначенная для ведения электронного журнала родов [1,2] и успешно внедренная ранее на территории ГЛПУ ТО «Перинатальный центр».

В данной работе для расширения функциональных возможностей системы, удовлетворения требований безопасности при обработке персональных данных и с целью унификации проведена модернизация системы и перепроектирована база данных.

При модернизации системы ориентировались на кроссплатформенность, веб-ориентированность, географическую независимость, возможность автоматического контроля критических случаев и реализацию функции управления персоналом. Разработка системы ведется на основе фреймворка Catalyst, язык разработки – Perl; приоритетный веб-сервер — nginx; работа системы представляет обработку Perl-скрипта сервером в FastCGI-режиме. Клиентская часть разрабатывается на HTML с использованием javascript-фреймворка DoJo, позволяющего создавать удобные и динамичные интерфейсы.

При проектировании базы данных ориентировались на возможность использования любой СУБД, обрабатываемой модулем DBIx::Class. В качестве СУБД для хранения информации ядра модулей могут использоваться такие, как PostgreSQL, MySQL, MSSQL. Универсальный класс работы с базами данных позволяет разработчику модуля сосредоточиться на функциональности, не привязываясь к конкретной СУБД. В зависимости от выбранной СУБД ядро предоставляет соответствующие функции работы с ней.

В качестве приоритетной выбрана СУБД PostgreSQL, так как она предоставляет темпоральность хранения данных, является надежной, удовлетворяет требованиям по безопасности, быстродействию и является свободно распространяемой.

Структура спроектированной базы данных для ведения электронного журнала родов представлена на рис.1. База представляет собой достаточно разветвленную сеть таблиц. При этом используются базовые типы отно-

277

шений: ключевые отношения, характеристические сущности и справочники.

Ключевыми отношениями в данной базе специфичные отношения и «Пользователи системы». Остальные сущности представляют собой либо справочники, либо дополнительные данные о ключевых сущностях.

Как видно из рис.1, база данных разделена на несколько связанных между собой частей. Каждая из них представляет какую-либо крупную единицу системы: собственно журнал родов, карта роженицы, карта новорожденного и служебная структура.

Части связаны между собой, и эти связи позволяют быстро и максимально просто извлекать из базы нужные данные. Для более качественного построения базы данных она была спроектирована в пакете ERWin, что позволило выделить наиболее слабые места и уже на этапе проектирования избежать многих сложностей.

В базе минимизирована избыточность хранения данных, количество NULL-значений, а так же количество сущностей. Тщательно продуманы связи между отношениями, первичные и внешние ключи.

3

1

4

2

Рис. 1. Структура базы данных:

1 – журнал родов, 2 – карта роженицы, 3 – карта новорожденного, 4 – служебная структура

Для формирования журнала родов и его составных частей и сокращения времени заполнения журнала и карт база данных содержит целый ряд справочников. Для ввода персональных данных пациентов

278

используются базы Ф.И.О., населенных пунктов и т.п., которые являются пополняемыми. Для заполнения специфической медицинской части карт в системе имеются справочники диагнозов в соответствии с международной классификацией болезней (поиск по классификатору МКБ-X) и операций, а также справочники ЛПУ, врачей и т.п. Предусмотрены также справочники для определения групп риска у пациентов.

Для организации контроля и управления в базе данных хранятся учетные записи пользователей, работающих в системе с выделением следующих категорий пользователей: врачи; главные врачи; медицинские статистики; администрация лечебного учреждения; конфигураторы. Каждая категория пользователей имеет доступ к системе с учетом своих компетенций.

Впредлагаемой разработке заложены функции как автоматического контроля критических случаев (оповещение руководства и ответственных лиц о происходящих инцедентах), так и функции управления персоналом (отправка замечаний врачам, информирование руководства об ошибках их подчиненных, мониторинг устранения неточностей в работе персонала), основанные на системе поддержки принятия решений.

Работа с базой данных для конечного пользователя максимально прозрачна. Интерфейс – связующее звено между пользователем и базой данных – тщательно продуман и позволяет выполнять все требуемые функции.

Впроцессе разработки находятся расширения данной базы, которые позволят хранить дополнительные объемы информации.

Разработка имеет большое практическое значение для организации работы перинатальных центров и ориентирована на ГБУЗ ТО «Перинатальный центр» и подведомственные ему лечебно-профилактические учреждения юга Тюменской области.

Литература

1.Таранов Ю.А. Борзых Э.В. Разработка АСУ лечебнодиагностическим процессом в перинатальном центре.// Фундаментальные исследования.- 2009.- №9 – с. 75-76.

2.Таранов Ю.А. Разработка автоматизированной системы контроля

иуправления лечебно-диагностическим процессом в перинатальном центре// Научно-практическая конференция студентов, аспирантов и молодых ученых «Новые технологии – нефтегазовому региону», Тюмень: ТюмГНГУ.- 2010 г, т.2, с.98-101.

Научный руководитель: Борзых В.Э., д.ф-м.н., профессор

279

Оптимальное управление эксплуатационными режимами электронасосной скважины с нестационарной продуктивностью

Федоров В.А., Кондратенко М.А., Фомин В.В.

Для достижения эффекта от рациональной эксплуатации установки электроцентробежных насосов (УЭЦН) на ряду с совершенствованием технологии использования гравийных фильтров, жидкостей глушения, и т.д., а также развития технологий оптимального управления в режиме реального времени [1], требуется объединять этап проектирования и этап последующей эксплуатации в одну комплексную технологию управления и наблюдения за эксплуатационным фондом скважин, как изложено в работе

[2]на примере периода вывода скважины на режим.

Внастоящей работе предлагается подход к проектированию скважинной системы с возможным переходом на режим периодической эксплуатации. Актуальной остается задача, связанная с выбором типоразмера погружной установки и глубины погружения, если динамика снижения продуктивности скважины оказывается выше динамики износа погружного оборудования. Поэтому, авторам видится актуальным следующее:

а) внести ясность в формирование формальных постановок оптимальных задач по выбору конструкции погружной установки в условиях деградации продуктивности скважины,

б) на вычислительном эксперименте проиллюстрировать варианты использования предложенной технологии.

Вданной работе, при анализе выбора конструкции скважины в условиях «деградации» коэффициента продуктивности, ресурс погружной установки, с некоторой степенью приближения, будем исчислять суммарным объемом добычи до выхода установки на отказ

где qn - номинальный расход для n -ого типоразмера, Tn - время наработки

на отказ.

Известно, что с увеличением типоразмера погружной установки ( n ) время наработки на отказ уменьшается ( Tn ). Однако, в неноминальных

условиях эксплуатации, ресурс расходуется интенсивнее, что сокращает суммарный объем добычи от:

Тогда уточненная модель освоенного ресурса представима в виде:

280