Моделирование технологических процессов подготовки природного газа нечеткими системами

Актуальность темы

В России газовая промышленность в настоящее время является важнейшей отраслью народного хозяйства. Применение газа в качестве энергоресурса повышает эффективность технологических процессов, повышает производительность труда. Одновременно природный газ является незаменимым сырьем для химической промышленности и топливом для населения. Развитие газодобывающей промышленности связано с эксплуатацией и сооружением крупных промыслов и созданием мощных магистральных газопроводов. На газовых промыслах организуется комплексная обработка и подготовка газа к дальнему транспорту. Технологическое и аппаратурное оформление промышленных процессов чрезвычайно многообразно и требует внедрения автоматизированных систем управления. Одинаковые по своей физической природе процессы могут применяться на различных стадиях технологического процесса. Для обеспечения высокого качества продукции и необходимых свойств требует решения задач в области управления производством, проектирования, анализа, прогнозирования и регулирования разработки газовых и газоконденсатных месторождений.

Научные основы разработки газовых месторождений в России созданы академиком JI.C. Лейбензоном. Основополагающий вклад в создание теории разработки газовых месторождений внесли Б. Б. Лапук, В. П. Савченко, А. Л. Козлов, Н. М. Николаевский. Теоретические и практические вопросы газодобычи нашли отражение в работах С. Н. Закирова, М. Х. Шахназарова, И. Н. Стрижова, P.M. Тер-Саркисова, А. Х. Мирзаджанзаде, М. Т. Абасова. Значительный вклад в технологическое совершенствование процессов подготовки газа внесли Г. А. Ланчаков, Г. К. Зиберт, А. И. Скобло и др.

Вода, присутствующая в газе в парообразном состоянии, образует с метаном, этаном и пропаном гидраты углеводородов, оседающие в газопроводе в виде твердой фазы. Для избежания образования гидратов, нужно осушить газ при подготовке газа в промысловых условиях. Полный расчет всей технологической цепочки подготовки природного газа чрезвычайно сложен. Для многостадийных процессов, в которых многостадийных процессов, в которых осуществляются разнообразные физические, химические явления, построение детерминированных математических моделей становится очень сложной задачей. В таких случаях возможны подходы, основанные на методах системного моделирования.

В условиях имеющейся неопределенности воздействия множества факторов на производственные процессы, применение подходов системного моделирования, таких как методы нечеткой логики, нейросетевые методы, эволюционные алгоритмы, является актуальной задачей.

Объектом исследования являются технологические процессы и аппараты подготовки природного газа к транспорту в промысловых условиях.

Предметом исследования являются методическое обеспечение расчетов и проектирования технологических процессов осушки природного газаметоды нечеткого моделирования сложных системматематическое описание алгоритмов и методов оптимизации.

Целью работы является проведение комплексных исследований, направленных на получение научно-обоснованных технических и методических решений по разработке и обоснованию возможности моделирования сложных технологических процессов подготовки природного газа нечеткими и нейронными сетями, обучение которых осуществляется эволюционными методами многокритериальной оптимизации, что позволит установить основные факторы, влияющие на параметры осушки газа, а также даст возможность провести структурную и параметрическую оптимизацию производства, направленную на повышение уровня качества подготовки природного газа.

Для реализации поставленной цели необходимо решить следующие задачи:

— систематизация физических процессов, протекающих в технологической цепи подготовки природного газа;

— определение зависимости влагосодержания природного газа от термодинамических параметров с помощью нейронных сетей типа многослойного персептрона;

— выработка научно-технических решений для построения нечетких причинно-следственных сетей, моделирующих сложные технологические процессы осушки газа;

— разработка эффективного метода обучения нечетких сетей на основе генетического алгоритма с вещественным кодированием, позволяющего решать задачи многокритериальной оптимизации;

— построение имитационной модели технологического процесса подготовки природного газа на основе эмпирических и экспертных данных.

Методы исследования. В работе применялись методы системного анализа и извлечения знаний из эмпирических данных.

При построении причинно-следственной сети, моделирующей технологические процессы подготовки газа, использовались методы нечеткой логики и нейросетевые методы. Обучение системы и идентификация моделей проводились на основе теоретических методов структурно-параметрической адаптации.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, а также данными процесса промысловой подготовки природного газа Сеноманской залежи.

Математические модели и алгоритмы, используемые в работе, основаны на положениях теории обычных и нечетких множеств, на методах теоретической и экспериментальной гидродинамики, а также на фундаментальных основах построения экспертных систем.

Научная новизна результатов диссертационного исследования, полученных лично автором:

1. Рассмотрен способ построения и подход к проблемно-целевому анализу сложных организационно-технических систем на основе нечеткого моделирования. Для этого некоторый производственно-технологический процесс представлен в виде нечеткой причинно-следственной сети содержащей множество элементов и множество связей между ними. В этом случае, моделируемая система представляется в виде совокупности элементов и подсистем, связанных между собой нечеткими связями. В результате последовательное осуществление нечеткого логического вывода приводит к реакции выходных сигналов на изменение входных сигналов и внешних условий.

2. Предложен метод обучения нечетких сетевых моделей с применением генетического алгоритма с вещественным кодированием. Применение вещественного кодирования в генетических алгоритмах может повысило точность найденных решений и скорость нахождения глобального минимума или максимума. Скорость повышается из-за отсутствия процессов кодирования и декодирования хромосом на каждом шаге алгоритма. Установлено, что для вещественного алгоритма стандартные операторы скрещивания и мутации не подходят, по этой причине автором были разработаны и исследованы специальные операторы.

3. Результаты численных исследований обучения нечетких сетевых моделей показали на тестовых функциях Розенброка, Расстригина, Шефела и др., что кроссовер BLX дает самую низкую скорость сходимости к экстремуму. Следующим является оператор fit. Кроссоверы Binl и Bin2, имитирующие бинарное скрещивание, оказались наиболее эффективными. Кроссовер Bin2 обладает наилучшими показателями по скорости сходимости для всех тестируемых функций. Показано, что в общем случае целесообразно рассматривать все операторы скрещивания. При проведении каждой операции скрещивания случайным образом выбирается один из кроссоверов. В этом случае используются все положительные качества всех операторов скрещивания. Ценой за это является некоторое снижение скорости сходимости в отдельно взятом итерационном процессе.

4. Предложен модифицированный алгоритм многокритериальной оптимизации на основе генетического подхода, не требующий введения дополнительных подгрупп популяций и вмешательства пользователя в выбор оптимального по Парето решения. По данному алгоритму отбор для скрещивания проводится турнирным методом. При использовании вещественного оператора скрещивания fit значение функции приспособленности выбирается случайным образом. Полученное в результате реализаций ряда итераций решение является однозначным и оптимальным по Парето. В результате вместо задачи векторной оптимизации решается задача скалярной оптимизации.

5. Построена нечеткая имитационная модель технологического процесса подготовки природного газа на основе эмпирических и экспертных данных. Схеме технологического процесса осушки газа составилась в соответствие нечеткая причинно-следственная модель. Отношения между рассматриваемыми элементами имитационной модели технологического процесса разделены на две группы. Первая группа представляет преобразования, изменяющие свойства газа, обрабатываемого в технологическом оборудовании. Такое преобразование осуществляется с помощью нейронной сети, описываемой матрицей коэффициентов преобразования, определяемой в процессе обучения сети. Обучающая выборка содержит результаты испытаний аппаратов и измерений, полученных в ходе эксплуатации оборудования. Вторая группа отношений строится на основе экспертных заключений и методах нечеткого логического вывода. Основой для проведения операции нечеткого логического вывода является вид связей между элементами нечеткой системы, содержащих правила, названия термов и функции принадлежности термов. Значение переменной, соответствующей элементу с входящими связями, находится взвешенным суммированием по всем входящим связям.

Практическая полезность исследования состоит в том, что применение методики нечеткого моделирования технологических процессов позволяет дать оперативную оценку показателей природного газа, подготовленного к транспортировке, при изменении условий добычи. Применение модели дает возможность структурной и параметрической оптимизации производства, направленной на повышение уровня качества подготовки природного газа.

Реализация работы в производственных условиях. При участии автора была разработана и реализована, описанная в данной работе, система моделирования, построенная на принципах нечеткого логического вывода. Работа системы осуществлена с применением промысловых данных газовых месторождений Западной Сибири. Работа может быть использована предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геофизической и промысловой информации.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на российских и международных научно-технических конференциях и конгрессах: Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2004) — Международной НТК «Искусственный интеллект-2005» (Таганрог, 2005) — Международном симпозиуме «Надежность и качество» (Пенза, 2005;2006) — 33 Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2006) — Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2006).

Публикации. Основные научные результаты по теме диссертации опубликованы в 11 научных работах.

Публикации. Результаты работы отражены в 11 научных трудах: 2 статьи в центральной печати, 9 публикаций в сборниках материалов всероссийских и международных научно-технических конференций. Автор имеет 3 научных труда в изданиях, рекомендуемых ВАКом для публикации основных результатов диссертаций.

Диссертация содержит введение, 3 главы и заключение, изложенные на 143 с. машинописного текста. В работу включены 47 рис., 6 табл., список литературы из 106 наименований.

ЗАКЛЮЧЕНИЕ

И ВЫВОДЫ.

В результате диссертационных исследований проведена систематизация физических процессов, протекающих в технологической цепи подготовки природного газа, приведшая к выработке научно-обоснованных решений для построения нечетких сетей, моделирующих сложные технологические процессы осушки газа. Разработан метод обучения нечетких сетей на основе генетического алгоритма с вещественным кодированием. Итогом работы является построение имитационной модели технологического процесса подготовки природного газа на основе эмпирических и экспертных данных. По результатам проведенных исследований получены следующие выводы.

1. Разработан метод моделирования сложных технологических процессов с помощью причинно-следственной сети на основе комбинированного применения нечеткого логического вывода и нейросетевой аппроксимации. Предложен метод обучения нечетких сетевых моделей с применением генетического алгоритма с вещественным кодированием.

2. Систематизация физических процессов, протекающих в технологической цепи подготовки природного газа, позволила установить основные факторы, влияющие на параметры осушки: скоростной режим движения дисперсно-кольцевых потоков в массообменных элементахтемпература, давление и влажность газаконцентрация абсорбента.

3. Комбинированное применение нечеткого логического вывода и нейросетевой аппроксимации позволило разработать метод сетевого моделирования сложных технологических процессов.

4. Для обучения нечетких систем необходимо применять методы многоэкстремальной оптимизации. Высокую эффективность показал разработанный генетический алгоритм с вещественными операторами скрещивания.

5. Решение задач многокритериальной оптимизации, встречающихся при идентификации нечетких моделей, осуществлено на основе генетического алгоритма. Предложенный подход не требует экспертной оценки важности критериев и позволяет получить однозначное решение, оптимальное по Парето. Предложен подход к скаляризацни векторного критерия оптимизации на основе генетического алгоритма.

6. Построенная на основе эмпирических и экспертных данных, нечеткая имитационная модель технологического процесса подготовки природного газа позволяет проводить при изменении условий добычи оперативную оценку показателей природного газа, подготовленного к транспортировке. Применение модели дает возможность структурной и параметрической оптимизации производства, направленной на повышение уровня качества подготовки природного газа.