Электронная библиотека Веда
Цели библиотеки
Скачать бесплатно
Доставка литературы
Доставка диссертаций
Размещение литературы
Контактные данные
Я ищу:
Библиотечный каталог российских и украинских диссертаций

Вы находитесь:
Диссертационные работы России
Технические науки
Роботы, мехатроника и робототехнические системы

Диссертационная работа:

Коровин Яков Сергеевич. Методы и средства оперативной диагностики состояния электроцентробежных насосов нефтедобывающих скважин на основе нейронных сетей : диссертация ... кандидата технических наук : 05.02.05 / Коровин Яков Сергеевич; [Место защиты: Юж. федер. ун-т].- Таганрог, 2009.- 164 с.: ил. РГБ ОД, 61 09-5/3019

смотреть введение
Введение к работе:

Актуальность темы исследования. Нефтегазодобывающая отрасль является страгеги чески важной в условиях современного уровня развития экономики Российской Федерации. Неисправности, аварии, отказы, возникающие в непрерывном процессе добычи нефти и газа, влекут за собой тяжелые экономические и экологические последствия.

Нефтегазодобывающий производственный процесс осуществляется за счет функционирования комплекса нефтегазодобывающего оборудования, представляющего собой совокупность мехатронных объектов различной степени сложности. Центральное место среди сложных мехатронных объектов нефтедобычи занимают установки электроцентробежных (электропрнводных центробежных) насосов (УЭЦН), применяющиеся для извлечения продукции на высокодебитовых скважинах. Отказы в режимах функционирования УЭЦН являются основной причиной незапланированных внутрисменных простоев добывающего фонда скважин, что приводит к значительным материальным потерям.

В настоящее время качество и оперативность принимаемого диагностического решения о состоянии УЭЦН в значительной степени зависит от квалификации оператора (технолога нефтегазодобываюшего управления, оператора цеха, инженера центральной технологической службы).

Учитывая большую номенклатуру анализируемых параметров и, как правило, огромные объемы анализируемой информации о режимах функционирования УЭЦН, вероятность ошибки оценки его состояния и непринятия оператором соответствующего оперативного управленческого решения достаточна велика.

. В этой связи актуальной выступает задача разработки автоматизированной системы поддержки принятия решений (СППР) операторов УЭЦН нефтедобывающих скважин.

Целью диссертационной работы является сокращение числа отказов мехатронного комплекса фонда электроцентробежных насосов нефтедобывающих скважин за счет оперативной диагностики их состояния.

С учетом особенностей предметной области методы и подходы, применяемые в СІ.ІГІР операторов УЭЦН, должны обеспечивать качественную обработку диагностической информации в жестких временных рамках в условиях неполноты и противоречивости поступающих данных.

Данным требованиям соответствуют нейросетевые технологии анализа информации как наиболее эффективный метод обработки оперативных данных в многопараметрических, трудно формализуемых условиях нефтегазодобывающей отрасли.

В этой связи актуальная научная задача, решению которой посвящена диссертация, - разработка новых методов и средств оперативной диагностики состояния УЭЦН нефтегазодобывающей отрасли на основе технологии искусственных нейронных сетей.

Для достижения поставленной цели необходимо решить следующие задачи:

-провести анализ существующих систем диагностики состояния У ЭЦП нефтегазодобывающей отрасли для определения недостатков применяемых в них методов и подходов:

обосновать целесообразность разработки автоматизированной нейроеетевой системы поддержки принятия решений (СППР) операторов УЭЦН нефтедобывающих скважин;

провести анализ существующих нейросетевых методов и алгоритмов обработки информации на предмет их эффективности в условиях соблюдения требований обеспечения качественной диагностики состояния УЭЦН в режиме реального времени:

модифицировать существующие и разработать новые нейросетевые методы анализа данных для их применения в разрабатываемой СППР;

разработать методику оперативной диагностики состояния УЭЦН;

разработать архитектуру и основные принципы функционирования автоматизированной нейроеетевой СППР для оперативной диагностики состояния УЭЦН;

программно реализовать предлагаемые методы и экспериментально исследовать эффективность их применения в реальных производственных условиях.

Объект исследования - нейросетевая система поддержки принятия решений операторов УЭЦН нефтедобывающих скважин.

Методы исследований основаны на теории мехатроники и робототехники, теории экспертных систем, теории множеств, теории системного анализа, теории вероятности, методах интеллектуального и кластерного анализа данных.

Достоверность и обоснованность научных исследований подтверждается практически полным совпадением теоретических положений с результатами испытаний созданного на их основе промышленного образца СППР для диагностики сосгояния установок ЭЦН, а также апробацией полученных научных результатов на международных и всероссийских конференциях.

Научная новизна полученных в диссертации результатов состоит в следующем:

научно обосновано положение, что существует разбиение множества состояний мехатронного объекта на пересекающиеся подмножества признаков состояния, каждое из которых распознается отдельной нейронной сетью, такое, что при фиксированных аппаратных затратах позволяет распознавать состояние мехатронного объекта на основе конъюнктивной сборки с заданной вероятностью;

разработан метод определения конфигурации нейронной сети, отличающийся тем, что определение конфигурации архитектуры нейронной сети с соогвегствующими весовыми коэффициентами осуществляется с применением метода дизъюнкивных нормальных форм, что позволяет производить нейросетевую интерпретацию априорных правил о функционировании мехатронного объекта;

разработан метод извлечения правил из нейронной сети, отличающийся тем. что позволяет извлекать новые неизвестные закономерности (правила) о функционировании УЭЦН по результатам нейроеетевой обработки;

разработана методика оперативной диагностики состояния мехатроппых объектов нефтегазодобычи на основе технологии нейронных сетей, позволяющая качественно оценивать состояние оборудования;

разработана архитектура нейросетевой CHI IP операторов УЭЦН, отличающаяся тем, что анализ данных производится при одновременном использовании нейронной сети, обучаемой методом обратного распространения ошибки, и необучаемой нейронной сети с пороговой функцией активации, что позволяет в режиме реального времени производить

.диагностику текущего состояния мехатронного объекта с определением тенденции развития ситуации.. Новизна полученных результатов подтверждается отсутствием аналогичных результатов в открытых доступных источниках.

Положения и результаты, выносимые на зашиту:

  1. нейросстевая система поддержки принятия решений операторов УЭЦН нефтедобывающих скважин позволяет сократить число отказов в работе погружного оборудования за счет оперативной диагностики состояния УЭЦН:

  2. существует разбиение множества состояний мехатронного объекта на пересекающиеся подмножества признаков состояния, каждое из которых

. распознается отдельной нейронной сетью, такое, что при фиксированных аппаратных затратах позволяет распознавать состояние мехатронного объекта на основе конъюнктивной сборки с заданной вероятностью;

  1. метод нейросетевой интерпретации жестких правил о функционировании сложного мехатронного объекта.

  2. методика оперативной диагностики состояния мехатронных объектов нефтегазодобычи на основе технологии нейронных сетей.

Научная и практическая ценность полученных в диссертации результатов состоит в разработке формальной методики диагностики оперативного состояния УЭЦН на основе технологии искусственных нейронных сетей.

Созданные на основе данной методики архитектура и программная реализация нейросетевой СППР операторов УЭЦН позволяют решать задачу оперативного предупреждения наступления отказов в режимах функционирования погружного оборудования с высоким качеством обработки данных и быстродействием в 5-6 раз выше аналогичных систем, построенных на жестких алгоритмах, что позволяет операторам мехатронного комплекса фонда УЭЦН принимать соответствующее управляющее решение.

Реалишция результатов работы. Программный комплекс "УЭЦН-НС". разработанный в рамках х/д №555221 от 01.09.2005 г. (шифр "Альфа") между НИИ МВС ТРТУ и ОАО "Сургутнефтегаз" (ПК СППР "УЭЦН-НС") успешно внедрен в промышленную эксплуатацию в нефтегазодобывающих управлениях ОАО "Сургутнефтегаз" в 2006 году. Данный программный комплекс выполняет функции диагностирования работы УЭЦН путем проведения нейросетсвого анализа данных о его функционировании, поступающих по каналам телеметрии, данных технологических замеров и иных параметров.

За период промышленной эксплуатации СППР "УЭЦН-НС" был предотвращен ряд отказов оборудования, что позволило исключить высокие экономические потери, обусловленные затратами на демонтаж, ремонт ЭЦН, повторный запуск и вывод скважин на режим, а также убытками от незапланированного простоя единиц добывающего фонда.

Апробация работы.

Результаты диссертационной работы использовались: -в НИР "Разработка самообучаемой реконфигурируемой системы поддержки принятия решений по контролю состояния установок электроцентробежных насосов на основе нейронной сети» (№ 00-07-71)", проведенного в рамках программы Президиума РАН "Поддержки инноваций и разработок":

-в НИР "Разработка и исследование методов и средств повышения безопасности и эффективности функционирования распределенных информационно-управляющих систем сложных технических объектов" (№ г/р 01200852701) в рамках ФЦП "Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы":

-в НИР "Разработка и исследование методов и алгоритмов создания интеллектуальных функциональных компонентов отказоустойчивых распределенных информационно-управляющих систем (РИУС) (№г/р 01200953310) в рамках аналитической ведомственной целевой программы "Развитие научного потенциала научной школы (2009-2010)".

Основные положения диссертационной работы докладывались и получили одобрение на:

-Международной научной конференции "Интеллектуальные и многопроцессорные системы (ИМС-2005)" (с. Дивноморское, Россия, 2005 г.):

-Международной научной конференции "Искусственный интеллект. Интеллектуальные и многопроцессорные системы (ИМС-2006)" (с. Кацивели, Украина, 2006):

Международной научной мультиконференции "Мсхатроника, автоматизация, управление (МЛУ-2007)" (с. Дивноморское. Россия, 2007 г.):

Научно-технической конференции "Высокопроизводительные вычислительные системы (В1IBC-2008)" (г. Таганрог. Россия, 2008);

на II, III и IV Ежегодной научной конференции студентов и аспирантов базовых кафедр Южного научного центра (ЮНЦ) Российской академии наук (РАН) (2006,2007, 2008 гг., г. Ростов- на-Дону);

на II Всероссийской Школе-семинаре молодых ученых "Управление большими системами" (2007, г. Воронеж);

на I (аучяо-технической школе-семинаре по мехатронике и робототехнике (Санкт-Петербург, Россия, 2007 г.).

Несколько докладов были выделены как лучшие и были отмечены призовыми местами.

Публикации. По теме диссертации опубликованы 16 работ, из которых 7 статей в ведущих научных отечественных журналах и зарубежных изданиях (включенных в

перечень ВАК); 2 статьи опубликованы автором единолично, 8 тезисов докладов, получено 1 свидетельство об официальной регистрации программы для ЭВМ.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений.

Диссертация содержит 125 страниц печатного текста (162 страницы с приложениями), 26 рисунков, 5 таблиц, список используемой литературы из 102 источников.


© Научная электронная библиотека «Веда», 2003-2013.
info@lib.ua-ru.net