Автоматизированная информационная система анализа качества природного газа
- Авторы: Брокарев И.А.1, Васьковский С.В.2, Фархадов М.П.2
-
Учреждения:
- РГУ нефти и газа (НИУ) имени И.М. Губкина, Москва, ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
- ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
- Выпуск: № 108 (2024)
- Страницы: 174-191
- Раздел: Управление техническими системами и технологическими процессами
- URL: https://bakhtiniada.ru/1819-2440/article/view/284360
- DOI: https://doi.org/10.25728/ubs.2024.108.10
- ID: 284360
Цитировать
Полный текст
Аннотация
Рассматривается и исследуется автоматизированная информационная система определения энергетических параметров природного газа, приведены её основные узлы, показан вариант работы системы на экспериментальных данных. Разработанная архитектура автоматизированной системы состоит из следующих узлов: информационная подсистема, реализующая разработанные алгоритмы; подсистема измерительной информации; подсистема проведения анализа. Рассмотрен метод анализа качества природного газа на основе нейронных сетей. Основные достоинства метода и системы на его основе заключаются в следующем: преимуществом каждой из подсистем является их многофункциональность, позволяющая модифицировать систему на каждом этапе под определенную задачу и осуществлять получение необходимой измерительной информации коммерчески доступным и относительно недорогим измерительным оборудованием. Разработка модели для решения задачи анализа качества природного газа включает в себя ряд этапов: выбор данных для обучения модели; выбор архитектуры модели; выбор метода обучения модели; оценка точности работы модели. Система апробирована с использованием результатов экспериментов, проведенных в лабораторных условиях на данных реальных газовых смесей. Рассчитаны показатели точности определения энергетических параметров, по которым можно сделать вывод о возможности применения исследуемого метода и системы на его основе для анализа качества реальных газовых смесей. Реализованная архитектура автоматизированной информационной системы обеспечивает анализ качества газа с низкими временными затратами.
Об авторах
Иван Андреевич Брокарев
РГУ нефти и газа (НИУ) имени И.М. Губкина, Москва, ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
Email: brokarev.i@gubkin.ru
Москва
Сергей Владимирович Васьковский
ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
Email: v63v@yandex.ru
Москва
Маис Паша оглы Фархадов
ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
Email: mais@ipu.ru
Москва
Список литературы
- КЕЛЛЕР Ю.А. Разработка искусственных нейронных се-тей для предсказания технологической эффективности от выравнивания профиля приемистости // Известия Томского политехнического университета. Информаци-онные технологии. – 2014. – № 5. –C. 60–65.
- КОЧУЕВА О.Н. Аппроксимация коэффициента сжима-емости газа на основе генетических алгоритмов // Ав-томатизация и информатизация ТЭК. – 2023. – №11(604). – С. 59–68. – doi: 10.33285/2782-604X-2023-11(604)-59-68.
- КОЧУЕВА О.Н. Разработка моделей прогнозирования выбросов оксидов углерода и азота газовых турбин на основе генетических алгоритмов // Деловой журнал Neftegaz.RU. – 2022. – №5-6(125-126). – С. 14–20.
- КОЧУЕВА О.Н., СКОРОВ Д.С., ЛЕБЕДЕВА А.Ю Оценка применимости методов увеличения нефтеотдачи с ис-пользованием искусственной нейронной сети // Автома-тизация, телемеханизация и связь в нефтяной промыш-ленности. – 2020. – №1(558). – С. 8–13. – doi: 10.33285/0132-2222-2020-1(558)-8-13.
- ЛЕОНОВ М.Г., ЖИРНОВ Б.С. Обработка эксперимен-тальных данных процесса коксования с помощью нейронных сетей // Нефтегазовое дело. – 2014. –№2. – С. 151–165.
- МАНДРИК И.Э., ШАХВЕРДИЕВ А.X., СУЛЕЙМА-НОВ И.В. Оценка и прогноз нефтеотдачи на основе мо-делирования нейронными сетями // Нефтяное хозяйство. – 2005. –№10. – С. 31–34.
- ПЧЕЛЬНИКОВ И.В., БОРХОВИЧ С.Ю., НАТАРОВ А.Л. Перспективы прогнозирования эффективности ГТМ на основе нейросетевого моделирования // Нефть. Газ. Но-вации. – 2016. –№4. – С. 37–40.
- СОЛОМАТИН Г.И., ЗАХАРЯН А.З., АШКАРИН Н.И. Прогнозирование работы скважин с помощью искус-ственных нейронных сетей // Нефтяное хозяйство. – 2002. –№10. – С. 92–96.
- ASHENA R., THONHAUSER G Application of Artificial Neural Networks in Geoscience and Petroleum Industry // Artificial Intelligent Approaches in Petroleum Geosciences. – 2015. – P. 127–166.
- BROKAREV I.A., FARKHADOV M.P., VASKOVSKII S.V. Recurrent neural networks to analyze the quality of natural gas // Vestnik Tomskogo Gosudarstvennogo Universiteta – Upravlenie, Vychislitel'naya Tekhnika i Informatika. – 2021. – No. 55. – P. 11–17.
- BROKAREV I.A., VASKOVSKII S.V. Gas Quality Determi-nation Using Neural Network Model-based System // Proc. of the 2nd Int. Workshop on Stochastic Modeling and Ap-plied Research of Technology (SMARTY 2020). – Petroza-vodsk: Institute of Applied Mathematical Research, Karelia Research Centre of the Russian Academy of Sciences, 2020. – Vol. 2792. – P. 113–128.
- BROKAREV I.A., VASKOVSKII S.V. Investigation of Reli-ability for Information System for Natural Gas Quality Anal-ysis // Advances in Systems Science and Applications. – 2022. – Vol. 22, No. 2. – P. 11–20.
- BROKAREV I.A., VASKOVSKII S.V. Multi-criteria estima-tion of input parameters in natural gas quality analysis // Advances in Systems Science and Applications. – 2020. – Vol. 20, No. 2. – P. 60-69.
- DÖRR H., KOTURBASH T., KUTCHEROV V. Review of impacts of gas qualities with regard to quality determination and energy metering of natural gas // Measurement Science and Technology. – 2019. – Vol. 30, No. 2. – P. 1–20.
- JIMENEZ DE LA CRUZ G., RUZ-HERNANDEZ J., SHELO-MOV E., SALAZAR-MENDOZA R. Optimization of an Oil Production System using Neural Networks and Genetic Algo-rithms // Proc. of the Joint 2009 Int. Fuzzy Systems Associa-tion World Congress and 2009 European Society of Fuzzy Logic and Technology Conference. – 2009. – P. 1815–1820.
- KAUR J., ADAMCHUK V., WHALEN J., ISMAIL A. De-velopment of an NDIR CO2 Sensor-Based System for As-sessing Soil Toxicity Using Substrate-Induced Respiration // Sensors. – 2015. – No. 15. – P. 4734–4748.
- KOTURBASH T., BICZ A., BICZ W. New instrument for measuring velocity of sound and quantitative characteriza-tion of binary gas mixtures composition // Measurement Au-tomation Monitoring. – 2016. – P. 254–258.
- KOTURBASH T., BICZ A., KUTCHEROV V.G. Real-time quality metering of propanated biomethane. – 2021. – Vol. 27, No. 1. – P. 8.
- Matlab 2019b Software. – URL: https://www.mathworks.com (Дата обращения: 30.05.2023).
- MIRZAEI-PAIAMAN A., SALAVATI S. The Application of Artificial Neural Networks for the Prediction of Oil Produc-tion Flow Rate // Energy Sources, Part A: Recovery, Utiliza-tion, and Environmental Effects. – 2012. – No. 34:19. – P. 1834–1843.
- PETCULESCU A. An acoustic approach to assess natural gas quality in real time // The Journal of the Acoustical So-ciety of America. – 2017. – No. 142. – P. 2547.
- REFPROP Software. – URL: https://www.nist.gov/srd/refprop (Дата обращения: 30.05.2023).
- WU F., YAN Y., YIN C. Real-time microseismic monitoring technology for hydraulic fracturing in shale gas reservoirs: A case study from the Southern Sichuan Basin // Natural Gas Industry. – 2017. – Vol. 4, Iss. 1. – P. 68–71.
- YI P., LIZHI X., YUANZHONG Z. Remote real-time moni-toring system for oil and gas well based on wireless sensor networks // Int. Conf. on Mechanic Automation and Control Engineering. – 2010. – P. 2427–2429.
Дополнительные файлы
