автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Интеллектуальная автоматизированная система управления установкой электроцентробежного насоса

На правах рук^п^си

КОМЕЛИН Алексей Владимирович

ИНТЕЛЛЕКТУАЛЬНАЯ АВТОМАТИЗИРОВАННАЯ СИСТЕМА УПРАВЛЕНИЯ УСТАНОВКОЙ ЭЛЕКТРОЦЕНТРОБЕЖНОГО НАСОСА

Специальность 05,13.06 -Автоматизация и управление технологическими процессами и производствами

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических паук

Уфа 2006

Работа выполнена на кафедре технической кибернетики в Уфимском государственном авиационном техническом университете:

Научный руководитель засл. деятель науки и техн. РФ,

д-р техн. наук, проф. ИЛЬЯСОВ Барый Галеевич

Официальные оппоненты

д-р техн. наук, проф. ВЕРЕВКИЫ Александр Павлович:

канд. техн. наук ЛАТЫПОВ Альберт Рифович

Ведущая организация

ООО «Катконефть»

Защита диссертации состоится «_»_2006 г. в_часов

на заседании диссертационного совета Д-212.288.03 при Уфимском государственном авиационном техническом университете по адресу: 450000, Уфа-центр, ул. К.Маркса, 12, УГАТУ

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан «_» ноября 2006 г.

Ученый секретарь диссертационного совета д-р техн. наук, проф.

£ООб А

Z6373

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Современное состояние сырьевой базы нефтяной промышленности на территории Западной Сибири характеризуется изменением структуры и качества запасов как на разрабатываемых, так и на вновь открываемых месторождениях. Все большее число месторождений вступает в позднюю и завершающую стадию разработки, характеризующуюся значительным снижением добычи нефти при резком росте обводненности продукции.

По мере истощения нефтяной залежи особую актуальность приобретают проблемы повышения эффективности разработки месторождений, увеличения добычи нефти, снижения отбора попутных воды и газа, повышения нефтеотдачи пластов, обоснования и выбора оптимальных управляющих воздействий, оценки технологической эффективности проводимых геолого-технологических мероприятий, продления жизненного цикла разработки месторождений, достижения экономической эффективности и другие.

Достижение наиболее эффективного, экономически обоснованного и полного извлечения углеводородного сырья возможно при научно обоснованных технологиях его добычи и адекватных регулирующих воздействиях с рациональным использованием энергии пласта.

Для решения этих проблем необходима как полнота и достоверность, так и комплексная обработка всей накопленной геолого-геофизической и промысловой информации о строении и свойствах продуктивных пластов. Значительные объемы такой информации концентрируются у технологов, геологов, геофизиков в процессе разведки, разбуривания месторождения, исследования и эксплуатации скважин. Эта информация, как правило, точно характеризует строение, свойства и процессы в нефтяных пластах. В интеграции этих данных, в их комплексной обработке с помощью адекватных моделей и высокопроизводительных ЭВМ кроются значительные резервы повышения эффективности эксплуатации месторождений.

Поэтому в решении названных проблем повышения эффективности нефтедобывающего производства немаловажную роль играет его информатизация, создание информационных систем для решения задач мониторинга, геолого-промыслового анализа, математического моделирования и прогноза систем разработки месторождений не только на этапе их проектирования, но и на этапе разработки месторождений в условиях нефтедобывающих предприятий.

С появлением технологий искусственного интеллекта, используемых при обработке и интерпретации данных реального времени, все большее значение приобретают методы, основанные на знаниях (knowledge-based methods). Их возможное применение для анализа состояния и управления УЭЦН связано с использованием разнообразных дополнительных априорных и опытных данных о функционировании и нарушениях в работе, иммппшу пстр.рм^нирпияннмй или случайный характер. Одними из наиболее перс i

С.-Петербург ОЭ •гоо^акт^б"

дов являются нейросетевые методы. Они позволяют в нейросетевом базисе автоматически генерировать управляющие воздействия на объект управления, параметры которого могут быть найдены на основе неполных и противоречивых данных реального времени с использованием известных алгоритмов обучения нейронных сетей. Однако конкретных рекомендаций и методик применения нейросетевых технологий в создании автоматизированных систем управления и диагностики состояния нефтедобывающих установок мало.

На сегодняшний день существует тенденция возлагать на АСУ ТГ1 функции верхних уровней управления: бухгалтерию, финансовую отчетность, маркетинг и т.д. Другими словами, АСУ ТП раздвигают до пределов MES (Manufacturing Execution Systems - система управления производством) систем. Это в корне неправильно, так как в этом случае программное обеспечение получается громоздким, его трудно внедрять и поддерживать, а также обучать персонал.

Вопросам разработки интеллектуальных автоматизированных систем управления посвящены работы А.Й. Галушкина, В.И.Васильева, Ю.И. Зозули, в которых рассматриваются вопросы практического применения нейросетевых алгоритмов обработки информации. Управление распределенными объектами рассмотрено в работах А.Г. Бутковского, JI.C. Понтрягина, Р. Беллмана, Н.Н. Красовского, Т.К. Сиразетдинова в 60-70 годах XX века. М.В. Мееровым в 1965 году рассмотрена возможность организации системы автоматического управления добычей нефти, А.Г. Бутковским, кроме этого, в 1965 году ставилась задача оптимизации добычи нефти, но дальнейшего развития их работы не получили.

Цель работы

Разработать интеллектуальную автоматизированную систему управления установкой электроцентробежного насоса согласно предложенной концепции и оценить эффективность ее работы путем имитационного моделирования

Задачи исследования

Для достижения поставленной цели в работе сформулированы и решены следующие задачи:

1. Провести системный анализ факторов, влияющих на работу установки электроцентробежного насоса. Определить группу факторов, влияние которых играет ключевую роль в управлении УЭЦН.

2. Разработать концепцию на основе интеллектуальных методов управления: разработать систему принятия решений; разработать алгоритмы управления УЭЦН согласно принятому решению.

3. Разработать структуру интеллектуальной автоматизированной системы управления установкой электроцентробежного насоса.

4. Разработать автоматизированную систему имитационного моделиро-

вания работы интеллектуальной АСУ УЭЦН.

5. Оценить зффеетивность предложенной автоматизированной системы правления УЭЦН по результатам имитационного моделирования.

Методы решения

Для решения поставленных- в работе задач использовались методы системного анализа, теории управления, теории имитационного моделирования, теории нейронных сетей. Использовались программные средства GENESIS32, UltraLogik32, Matlab 6.5 и Simulink 5.0.

На защиту выносится:

1. Результаты системного анализа факторов, влияющих на работу уста-3 новки электроцентробежного насоса.

2. Концепция интеллектуального управления установкой электроцентробежного насоса.

3. Структура интеллектуальной автоматизированной системы управления установкой электроцентробежного насоса.

4. Автоматизированная система имитационного моделирования работы интеллектуальной АСУ УЭЦН.

5. Результаты имитационного моделирования и оценка эффективности разработанной интеллектуальной АСУ УЭЦН.

Научная новизна:

1) результатов системного анализа заключается в выявлении группы факторов (геологических, конструктивных, внешних) и их совместного влияния на процесс управление УЭЦН;

2) предложенной концепции состоит в том, что принятие решений по управлению УЭЦН в процессе ее работы, в отличие от классического подхода к управлению УЭЦН, происходит на основе анализа как динамической (текущее состояние УЭЦН), так и статической (историю скважины) инфор-маций;

3) структуры интеллектуальной автоматизированной системы управления установкой элекгроцентробежного насоса заключается в том, что она включает систему принятия решений, основанную на синтезе нейросетевой технологии и вывода на основе прецедентов;

4) автоматизированной системы имитационного управления в том, что она реализует предложенную концепцию, и может быть использована как в режиме решения исследовательских задач, так и в режиме оперативного управления УЭЦН.

Практическая ценность полученных результатов

Практическая ценность разработанной интеллектуальной АСУ заключается в том, что она позволяет:

• за счет интеллектуального управления УЭЦН увеличивать продолжительность работы установок в скважине на 10 %;

• автоматизировать ряд управляющих функций;

• расширить функциональные возможности постоянной части станции управления, за счет интеграции различных источников динамической и статической информации, используемой для управления УЭЦН;

• воспроизводить процессы управления реальных скважин, используя истории их работ;

• выступать, благодаря ОРС - технологии, в качестве постоянной части станции управления и управлять реальным технологическим процессом;

• имитировать ситуации, путем составления таблицы входных векторов.

Апробация работы и публикации

• Молодежная научно-техническая конференции «Управление в технических системах». Уфа, 2003.

• VII международная научно-практическая конференция «Системный анализ в проектировании и управлении». Санкт-Петербург, 2003.

• Международная научно-техническая конференция «Computer Science and Information Technologies». Уфа, 2005.

• Вторая всероссийская международная научно-техническая конференция с международным участием «Мехатроника, автоматизация, управление». Уфа, 2005.

• Оценка эффективности работы системы в промысловых условиях на базе сервисного предприятия ЗАО «ЛУКОЙЛ ЭПУ Сервис». Когапым, 2005.

Основные результаты диссертационной работы отражены в 8 публикациях, в том числе в виде 3 научных статей в рецензированных журналах из списка ВАК, в 3 сборниках материалов конференций, 2 статей в других изданиях.

Структура работы

Диссертационная работа излшсена на 132 страницах машинописного текста и включает в себя введение, четыре главы основного материала, заключение; рисунки на 55 страницах, библиографический список из 120 наименований на 10 страницах и приложение на 2 страницах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы исследований, формулируется цель работы и задачи исследования, обсуждается новизна и практическая значимость выносимых на защшу результатов работы.

В первой главе выявлены основные проблемы отрасли, которые необходимо решить для создания качественной системы управления установкой электроцентробежного насоса. В результате анализа существующих автоматизированных систем управления (АСУ) УЭЦН показано, что рассмотренные системы не способны самостоятельно принимать решения по управлению установкой с целью достижения желаемых технологических параметров, и поэтому их нельзя причислить к интеллектуальным АСУ.

Проведенный системный анализ позволил классифицировать факторы, действующие на работу установки, а также классифицировать существующие способы сбора и обработки информации в процессе добычи нефти.

Показано, что при работе классических станций в процессе управления не учитываются следующие факторы: геологические (газ, вода, отложение солей и парафина, наличие мехпримесей в добываемой из пласта жидкости, вязкость), поскольку своим происхождением они обязаны условиям формирования залежи; конструктивные (диаметр эксплуатационных колонн, кривизна скважин, большая глубина подвески, исполнение узлов и деталей УЭЦН); характеристики скважины (продуктивность, индикаторная кривая, история работы); характеристики насоса (текущая производительность, напор, подача, КПД, рабочий диапазон); динамические характеристики (динамический уровень, температура жидкости на забое, забойное давление, вибрация установки, температура ПЭД и т.д.).

Для достижения качественного управления УЭЦН необходимо: изменить конструкцию станции управления с целью расширения ее функциональных возможностей; добиться взаимозаменяемости станций и установок; разработать единый интерфейс взаимодействия оператора со станцией управления.

Во второй главе предлагается концепция интеллектуального управления установкой электроцентробежного насоса, которая базируется на четырех принципах:

• Станция управления состоит из двух частей: постоянной и переменной.

• Постоянная часть едина (программно, функционально, аппаратно) для

всех типов переменных частей и не зависит от них.

• Интерфейсы, порты, протоколы, внешние разъемы постоянной и переменной частей строго регламентированы и открыты для третьих фирм.

• Постоянная часть является интеллектуальной системой, способной самостоятельно принимать решения.

Декомпозиция станции управления на постоянную и переменную части показана на рис. 1.

1 СУ тип А | СУ тип В 1 СУ тип С I СУ тип В

постоянная часть 1 постоянная часть ! постоянная часть | постоянная часть

Единый интерфейс 1 1 > 1 1 Единый интерфейс 1 1 1 1 * Единый интерфейс 1 1 1 1 1 Единый интерфейс

л \ Л ! Л : Л

Единый протокол обмена • 1 1 Единый протокол обмена 1 1 • I 1 Единый протокол обмена 1 1 1 1 Единый протокол обмена

Контроллер СУ типа А 1 1 1 1 ( Контроллер СУ типа В > 1 1 1 • Контроллер СУ типа С 1 1 1 1 1 Контроллер СУ типа I)

л \ 51 ; 11 ! Л

Стандартные компонента 1 1 1 • 1 1 1 Стандартные компоненты ^•„.СУ^у,..^ 1 1 • • • • 1 компоненты 1 1 1 1 1 1 1 - ■ ".-V '¡л. :; . ' '".■ Стандартные компоненты -..........сж________

СУ тип А | СУ тип В I су тип с ; СУ тип Б

переменная часть } переменная часть | л 1 переменная часть ; переменная часть

Рисунок 1

Разделение станции управления на постоянную и переменную части даст следующие преимущества:

1) Единый интерфейс оператора. Другими словами, на компьютере оператора будет всего одна программа для считывания истории работы установок любого типа. Отсюда единство вида хранения информации и автоматическая генерация отчета, эти функции берет на себя база данных и система управления базой данных.

2) В постоянной части можно хранить уставки всех типов используемых на данном месторождении установок электроцентробежных установок. Оператору при запуске необходимо только выбрать нужный тип установки, а уставки запишутся в контроллер автоматически. Более того, появляется возможность редактировать уставки не на контроллере, что занимает много времени, а на компьютере оператора. Исключается ввод некорректного значения уставки (ошибка оператора).

3) Постоянная часть всегда остается на месторождении и может использоваться для других целей: подключение приборов геофизики, уровнемеров, устройств для проведения ремонтных работ и т.д.

4) Появляется возможность третьим фирмам производить свои постоянные части СУ, не задумываясь об аппаратной и программной совместимости частей.

5) В пределах куста (группы скважин) одна постоянная часть может обслуживать несколько переменных частей станции управления.

Разделение станции управления на части определило новое важное свойство - универсальность. Это свойство станции управления существенно расширяет ее функциональные возможности.

Универсальность постоянной части заключается в том, что, во-первых, с ней могут работать любые устройства, поддерживающие единый протокол обмена, во-вторых, она является интегратором различных источников динамической и статической информации.

Расширение функциональных возможностей за счет приобретенного свойства универсальности, позволяющего увеличить количество источников информации, показано на рис. 2.

Статическая информация

-Ч

Характеристики скважины

Конструктивные факторы

История скважины

СТАНЦИЯ УПРАВЛЕНИЯ постоянная часть

ж

и-Кг

Динамическая информация

СТАНЦИЯ УПРАВЛЕНИЯ переменная часть

Ж

УЭЦН

Геологические факторы

Внешние факторы

Характеристики ЭЦН

Динамические характеристики

Рисунок 2

На рис. 2 сплошной черной стрелкой показано, какая информация используется для управления классической СУ. Другими словами, станция управления использовала только динамические характеристики, а именно: фазные токи и напряжения погружного электродвигателя, дисбаланс токов и напряжений, сопротивление изоляции, потребляемую мощность, давление на приеме насоса, температуру и вибрацию ПЭД (при наличии погружного блока телеметрии).

Свойство универсальности позволяет постоянной части СУ учитывать при управлении установкой электроцентробежного насоса помимо динамических характеристик и истории скважины (работ, проводимых на скважине) следующие факторы (рис. 2): геологические, конструктивные, внешние, а также характеристики скважины и ЭЦН.

К основным геологическим факторам, которые существенно влияют на работу установки электроцентробежного насоса, относятся: газ, вода, отложение солей и парафина, наличие механических примесей в добываемой из

пласта жидкости, температура в скважине.

Максимальные значения вязкости характерны для эмульсий с обводненностью 55-75%. При работе насоса в интервале обводненности 55-75% коэффициент относительной подачи насоса в среднем уменьшился примерно в 1,6 раза, а продолжительность безотказной работы насоса сократилась в 1,5 раза. К другой группе факторов, влияющих на работу УЭЦН, относятся осложнения, связанные с конструкцией скважины, а также с компоновкой насосного агрегата.

Для создания форсированного отбора жидкости из скважины необходимо увеличить перепад давления. Это достигается спуском насосного агрегата на большую глубину. Для того чтобы продукция скважины могла преодолевать более высокое давление, создаваемое столбом жидкости, находящейся в НКТ, насосу придется повысить напор. Но повышение напора приведет к изменению рабочей характеристики насоса. Если насос до спуска работал в рабочей области (в области максимального КПД), то после спуска произойдет перемещение рабочего режима насоса по кривой Н-С2 влево (в область увеличения напора). Вместе с этим произойдет уменьшение КПД. Снижение КПД установки обусловлено уменьшением величины полезно затраченной работы. А как показывает практика нефтедобычи разность, равная уменьшению полезной работы насоса, идет на создание новых осложнений при эксплуатации УЭЦН.

Анализ отказов установок электроцентробежных насосов показывает, что 40 % отказов происходит по вине гидрозащиты (ГЗ). Гидрозащита является самым важным компонентом в составе установки, так как от нее зависит работоспособность погружного двигателя, и, следовательно, всей УЭЦН.

Рассмотрим процессы, протекающие в гидрозащите на примере диа-фрагменной гидрозащиты П92Д, которая испытывалась на стенде тестирования. Результаты работы диафрагм гидрозащиты показаны на рис. 3.

В начальный момент времени / = 0 в диафрагмах существует давление, так как ГЗ полностью заправлена маслом. Давление в нижней диафрагме больше давления верхней диафрагмы , так как на нее давит столб жидкости верхней диафрагмы. В момент времени /=/, давление нижней диафрагмы достигает давления открытия, диафрагма открывается и сбрасывает избыточное давление. В этот самый момент давление верхней диафрагмы резко возрастает и при достижении давления открытия излишки масла сбрасываются в пластовую жидкость.

Для нижней диафрагмы Р„ ср есть ни что иное как давление масла в полости двигателя. А для верхней диафрагмы Ра ср - это давление в скважине. Эти значения всегда равны между собой, в этом заключается смысл работы ГЗ. Вид графиков давлений диафрагм (рис. 3) позволяет судить о том, что диафрагмы являются нелинейными динамическими звеньями, а ГЗ - нелинейная система 2 класса, так как содержит две последовательно соединенные диафрагмы.

3 Таким образом, установка электроцентробежного насоса является

сложным по конструкции динамическим объектом. Согласно системному принципу адекватности (соответствия), в теории автоматического управления сложному динамическому объекту должна соответствовать управляющая система, имеющая не меньший уровень сложности, чем объект.

Интеллектуальный подход к управлению УЭЦН регламентирует единый протокол обмена информации между частями станции управления для всех разработчиков. Спецификации такого стандарта обеспечивают унифицированные типы входных/выходных сигналов, их количество, протоколы обмена, форм-факторы разъемов и т.д. Это позволит нефтяным компаниям приобретать переменные части СУ любых производителей, которые поддер-д, живают данный стандарт.

Интеллектуальная АСУ обладает способностью принимать правильные (эффективные) управленческие решения в условиях неопределенности функционирования на основе анализа протекающих на объекте управления процессов и поведения внешней среды, а также механизма принятия (формирования) решений, основанных на накопленных ранее знаниях и опыта.

Для принятия решений в процессе управления УЭЦН разработана схема цикла вывода решения на основе прецедентов (рис. 4).

В ходе разработки интеллектуальной АСУ из всего множества возможных решений было определено 10, наиболее часто принимаемых на практике решений:

- решение 1 «Изменить тип установки»;

- решение 2 «Демонтаж установки»;

- решение 3 «Заявка на установку»;

Рисунок 4

- решение 4 «Скважина на замер»;

- решение 5 «Изменить обороты ПЭД»;

- решение 6 «Отключить установку»;

- решение 7 «Запуск установки»;

- решение 8 «Вывод на режим»;

- решение 9 «Оптимальная работа»;

- решение 10 «Блокировка станции управления».

Рассмотренные решения являются основными (базовыми), однако их количество не ограничивается десятью. При необходимости можно добавить в базу знаний новые решения.

В третьей главе разработана функциональная схема интеллектуальной АСУ установкой электроцентробежного насоса (рис. 5).

Нормализация г

и препроцес-

сирование

Система принятия решений на основе интеллекта

Прецедентна!

Решение №1

Алгоритм №1

Решенной/

Ретине №2 —* Алгоритм № 2

Прецедент № /

Алгоритм № I

! Прецедент № п

Решение № п

Алгоритм № я

ЗЕ

Объект управления УЭЦН

Ж

Динамическая и статическая информация (мониторинг системы)

Рисунок 5

К группе управляющих параметров относятся параметры, одновременное изменение которых в процессе управления однозначно определяют ту

или иную ситуацию (табл. 1). Таблица 1

Параметр Название

0» Дебит установки по жидкости (производительность)

Яд Динамический уровень в скважине

•Рпэд Давление масла в ПЭД

Руст Устьевое затрубное давление

I Ток двигателя

и Напряжение двигателя

/ Температура двигателя

Ц Коэффициент продуктивности скважины

Я Сопротивление изоляции

в Гарантийный срок работы установки

Лип Признак работы установки

Значения управляющих параметров являются основой для принятия решения системой. Поэтому их необходимо проверять на противоречивость и допустимость значений. Этой функцией занимается блок препроцессирования и нормализации сигналов.

Разработана структура информационных потоков, реализующая интеллектуальный подход управления установкой электроцентробежного насоса (рис. 6).

Статическая и динамическая информация

Анализ

Оператор ЭПУ

Станция управления постоянная часть

Синтез

X

Решение

Станция управления неременная часть

запрос на реализацию

подтверждение реализации

Технолог

Реализация

Иное решение технолога

Сервис ЭПУ

УЭЦН

Рисунок 6

Интеллектуальное управление УЭЦН предлагает переложить обязанность принятия решений с технолога на постоянную часть СУ.

Постоянная часть станции управления имеет доступ к статической и динамической информации (рис. 6). Анализируя значения управляющих па-

раметров (табл.1), система принимает решение и генерирует запрос к технологу на его реализацию. Если технолог подтверждает принятое системой решение, то система реализует соответствующий алгоритм. Если технолог не согласен с системой, то он принимает свое решение.

Интеллектуальный подход к управлению УЭЦН делает постоянную часть станции управления активным участником процесса, способным самостоятельно принимать решения, используя при этом информационную модель, основанную на различных подсистемах работы с информацией.

Структура системы принятия решений на основе синтеза технологии нейросети и вывода на основе прецедентов показана на рис. 7.

НЕИРОСЕТЕВАЯТЕХНОЛОГИЯ

Входной | - весовые

вектор I коэффициенты сети I I

Определение близости между | Номер входным вектором и весами ней- I нейропа-рона ' победителя

эвклидова мера

активация нейрона - победителя

Ситуация I База знаний I

р=1 Решение 1

р = 2 Решение 2

р = 3 Решенне 3

р = 4 Решение 4

р = 5 Решение 5

р = 6 Решение б

р = 7 Решение 7

р = 8 Решение 8

р = 9 Решение 9

р = 10 Решение 10

I кого прецедента

Индексация прецедента

База

прецедентов

ВЫВОД НА ОСНОВЕ ПРЕЦЕДЕНТОВ

Рисунок 7

Множество входных векторов - есть множество ситуаций, которые мо-

гут возникнуть в процессе управления УЭЦН. Весовые коэффициенты нейронов представляют собой базу знаний о возникающих ситуациях. Таким образом, решается проблема разработки структуры базы знаний, а также системы управления базой знаний, т.к. знания - это числа, которые можно хранить в любой существующей базе данных.

Процесс определения близости между входным вектором и весами нейрона есть ни что иное, как определение близкого прецедента. Другими словами, с помощью простой евклидовой меры мы определяем наиболее близкий к возникшей ситуации прецедент. Таким образом, решается одна из трудных в теории прецедентов задач - определение близкого прецедента.

Номер нейрона-победителя есть ни что иное, как индекс прецедента в базе прецедентов. Таким образом, снимаются проблемы индексации и поиска прецедентов в базе.

Вывод: синтез нейросетевой технологии и вывода на основе прецедентов придает системе принятия решений новые возможности, недоступные при использовании какой-либо технологии в отдельности.

Каждому решению системы соответствует свой алгоритм, который при подтверждении технолога реализуется постоянной частью станции управления.

В качестве примера рассмотрим решение системы о смене типа установки, после принятия которого система работает по следующему алгоритму:

1. Останавливает установку.

2. Запускает процедуру подбора УЭЦН к скважине по утвержденной нефтяной компанией методике.

3. Рассчитывает время, к которому установка должна быть доставлена на скважину.

В сервисную службу ЭПУ делается запрос на наличие требуемого типа УЭЦН, а в службу ПРС запрос, когда бригада сможет произвести спуско-подъемные операции. Служба ЭПУ определяет время (эп„, в течение которого она сможет доставить на скважину требуемую установку, а ПРС время, в течение которого они смогут произвести эти работы /ПРС. Если ¡эпу > /„„., то за (0 примем время заявки в ЭПУ. Тогда время заявки в ПРС будет равно ' = 'о + 'эпу - 'л« - Аналогично будет определяться время заявки и при условии 'элу <1пк •

4. Определяет причину перехода на новый тип УЭЦН. Несоответствие рабочих характеристик скважины и ЭЦН - по текущему дебиту и динамическому уровню. Дебит, недостаточный для охлаждения ПЭД - по дебиту и температуре ПЭД.

5. Из истории работы скважины выводит данные по 5 последним установкам, работающих на скважине с причинами их замены.

Алгоритмы разрабатываются и изменяются независимо от системы принятия решений согласно регламентирующим документам и хранятся в постоянной части станции управления в виде программных процедур, обращение к которым происходит в моменты принятия соответствующих реше-

ний. Такая независимость алгоритмов от принятых системой решений придает разрабатываемой АСУ свойство универсальности.

В четвертой главе проводится оценка эффективности интеллектуальной АСУ УЭЦН на основе сравнения работы реальной скважины под управлением существующей системы на промысле и результатов имитационного моделирования работы этой же скважины под управлением разработанной автоматизированной системы управления.

С этой целью разработана автоматизированная система имитационного моделирования, структура которой показана на рис. 8.

Рисунок 8

Результаты моделирования работы установок на скважине №8013 в период с 13.02.06 по 13.08.06, расположенной на кусте № 74 Тевлино-Русскинского месторождения показаны на рис. 9. «Левые» столбики диаграммы составлены по истории работы скважины, т.е. как она работала в указанный период без предлагаемой системы управления. «Правые» столбики показывают результат моделирования работы этой же скважины, но под управлением интеллектуальной системы.

Скважина под управлением классической системы из 210 суток находилась в работе 188 суток и при этом добыла 8 403 м3 пластовой жидкости. Учитывая 80% обводненность, дебит скважины составил 1 680 м3. Другими словами скважина дает примерно 8,9 м3/сут. Аналогичные расчеты при управлении интеллектуальной системы дали результат 9,3 м3/сут. На первый взгляд, прирост от смены системы управления небольшой всего 0,4 м3/сут., однако если учесть что установка при интеллектуальном управлении проработала на 19 суток больше, то это составляет примерно 177 м .

Таким образом, эффективность, в процентах, разработанной интеллектуальной автоматизированной системы управления УЭЦН составляет 14,7% и позволяет увеличить продолжительность работы скважины на 10 %.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. В результате системного анализа выявлена группа управляющих параметров, одновременное изменение которых в процессе управления, однозначно определяет текущее состояние УЭЦН с учетом влияния геологических, конструктивных, внешних факторов, а также характеристик скважины и УЭЦН.

2. Предложенная концепция интеллектуального управления УЭЦН базируется на 4 принципах:

• Станция управления состоит из двух частей: постоянной и переменной.

• Постоянная часть едина (программно, функционально, аппаратно) для всех типов переменных частей и не зависит от них.

• Интерфейсы, порты, протоколы, внешние разъемы постоянной и переменной частей строго регламентированы и открыты для третьих производителей.

• Постоянная часть станции управления проецируется в классе интеллектуальных систем, способных самостоятельно принимать решения.

3. Структура интеллектуальной автоматизированной системы управления установкой электроцентробежного насоса включает систему принятия решений, основанную на синтезе технологий прецедентов и нейросетей, которая превращает постоянную часть СУ в активного участника процесса управления установкой, способного самостоятельно выполнять часть функции управления технолога.

4. Автоматизированная система имитационного моделирования: вое-

производит процессы управления реальных скважин, используя истории их работ; выступает, благодаря ОРС - технологии, в качестве постоянной части станции управления реальным технологическим процессом; имитирует любые ситуации, путем составления таблицы входных векторов.

5. Внедрение интеллектуальной АСУ УЭЦН увеличивает продолжительность работы установок на скважине до 10%, что обеспечивает, по результатам имитационного моделирования четырнадцати процентный прирост дебита нефти.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ В рецензируемых журналах из списка ВАК:

1. Автоматизация процесса добычи нефти на основе нейронных сетей / Б.Г. Ильясов, К.Ф. Тагирова, A.B. Комелин // Технологии ТЭК. М.:2005. №3. С. 89-94.

2. УЭЦН как сложный динамический объект- управления / Б.Г. Ильясов, К.Ф. Тагирова, A.B. Комелин // Технологии ТЭК. М.:2005. №5. С. 94-99.

3. Самоорганизующаяся нейросстевая система диагностики установки электроцешробежного насоса / Б.Г. Ильясов, К.Ф. Тагирова, A.B. Комелин // Автоматизация, телемеханизация и связь в нефтяной промышленности. М.: ВНИИОЭНГ, 2005. №10. С. 20-23.

В других изданиях:

4. Автоматизированная система управления стендами тестирования погружного электрооборудования / A.B. Комелин // Современные технологии автоматизации. М.,2004. №3. С. 16-22.

5. Интеллектуальная система обработки информации в автоматических системах управления процессом добычи нефти на основе нейросетевых технологий / Б.Г. Ильясов, К.Ф. Тагирова, A.B. Комелин // Мехатроника автоматизация управление: Тр. междунар. второй всерос. науч.-техн. конф. с междунар. участием. М., 2004. С. 76-80.

6. Автоматизированная система управления стевдом тестирования гидрозащиты электродвигателя / A.B. Комелин // Современные технологии автоматизации. М.:2005. №2. С. 58-61.

7. Нефтедобыча. Системный подход / Б.Г. Ильясов, К.Ф. Тагирова, A.B. Комелин, P.P. Бадамшин // Тр. седьмой междунар. конф. CSIT' 2005. Уфа, 2005. Т.1. С. 16-19 (Статья на англ. яз.).

8. Анализ структуры и процесса функционирования установки электроцентробежного насоса как сложного объекта управления / К.Ф. Тагирова, A.B. Комелин // Вопросы управления и проектирования в информационных и кибернетических сист.: Межвуз. науч. сб. Уфа: УГАТУ, 2005.С. 166-171.

Диссертант

Комелин A.B.

КОМЕЛИН Алексей Владимирович

ИНТЕЛЛЕКТУАЛЬНАЯ АВТОМАТИЗИРОВАННАЯСИСТЕМА УПРАВЛЕНИЯ УСТАНОВКОЙ ЭЛЕКТРОЦЕНТРОБЕЖНОГО НАСОСА

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Подписано к печати 08.11.2006. Формат 60x84 1/16. Бумага офсетная. Печать плоская. Гарнитура Тайме. Усл. печ. л. 1,0. Усл. кр.-отт. 1,0. Уч.-изд. л. 0,9. Тираж 100 экз. Заказ №561.

ГОУВПО Уфимский государственный авиационный технический университет Центр оперативной полиграфии 450000, Уфа-центр, ул. К. Маркса, 12

<po¿&A г<33?3

7Ъ

Введение

Глава 1 Анализ проблем автоматизации процесса добычи нефти установкой электроцентробежного насоса

1.1 Актуальность разработки автоматизированной системы управления процессом добычи нефти УЭЦН

1.2 Технологический процесс добычи нефти УЭЦН

1.3 Современные подходы к решению проблем автоматизации технологического процесса добычи нефти УЭЦН

1.4 Цель и задачи исследования 36 Выводы по первой главе

Глава 2 Построение АСУ УЭЦН на основе методов искусственного интеллекта

2.1 Декомпозиция станции управления

2.2 Универсальность постоянной части станции управления

2.3 Единый интерфейс взаимодействия постоянной и переменной частей станции управления

2.4 Интеллект постоянной части станции управления 74 Выводы по второй главе

Глава 3 Интеллектуальная АСУ УЭЦН

3.1 Функциональная схема интеллектуальной АСУ УЭ1Щ

3.2 Информационная модель АСУ УЭЦН

3.3 Система принятия решения по управлению УЭЦН на основе синтеза технологии нейросети и прецедентов

3.4 Алгоритмы работы АСУ УЭЦН 101 Выводы по третьей главе

Глава 4 Практическая реализация и оценка эффективности разработанной АСУ УЭЦ

4.1 Автоматизированная система имитационно1 о моделирования

4.2 Программно-аппаратная реализация АСУ УЭЦН

4.3 Оценка эффективности разработанной АСУ УЭЦ11 126 Выводы по четвертой главе 131 Заключение 132 Литература 134 Приложение

Актуальность темы

Современное состояние сырьевой базы нефтяной промышленности на территории Западной Сибири характеризуется изменением структуры и качества запасов как на разрабатываемых, так и на вновь открываемых месторождениях. Все большее число месторождений вступает в позднюю и завершающую стадию разработки, характеризующуюся значительным снижением добычи нефти при резком росте обводненности продукции [9].

По мере истощения нефтяной залежи особую актуальность приобретают проблемы повышения эффективности разработки месторождений, увеличения добычи нефти, снижения отбора попутных воды и газа, повышения нефтеотдачи пластов, обоснования и выбора оптимальных управляющих воздействий, оценки технологической эффективности проводимых icojioio-технологических мероприятий, продления жизненного цикла разработки месторождений, достижения экономической эффективности и другие [10].

Достижение наиболее эффективного, экономически обоснованного и полного извлечения углеводородного сырья возможно при научно обоснованных технологиях его добычи и адекватных регулирующих воздействиях с рациональным использованием энергии пласта [11].

Для решения этих проблем необходима как полнота и достоверность, так и комплексная обработка всей накопленной геолого-геофизической и промысловой информации о строении и свойствах продуктивных пластов. Значительные объемы такой информации концентрируются у технолотв, геологов, геофизиков в процессе разведки, разбуривания месторождения, исследования и эксплуатации скважин. Эта информация, как правило, точно характеризует строение, свойства и процессы в нефтяных пластах. В интеграции этих данных, в их комплексной обработке с помощью адекватных моделей и высокопроизводительных ЭВМ кроются значительные резервы повышения эффективности эксплуатации месторождений.

Поэтому в решении названных проблем повышения эффективности нефтедобывающего производства немаловажную роль играет его информатизация, создание информационных систем для решения задач мониторинга, геолою-иромыслового анализа, математического моделирования и прогноза систем разработки месторождений не только на этапе их проектирования, но и на этапе разработки месторождений в условиях нефтедобывающих предприятий.

С появлением технологий искусственного интеллекта, используемых при обработке и интерпретации данных реального времени, все большее значение приобретают методы, основанные на знаниях (knowledge-based methods). Их возможное применение для анализа состояния и управления УЭЦН связано с использованием разнообразных дополнительных априорных и опытных данных о функционировании и нарушениях в работе, имеющих детерминированный или случайный характер. Одними из наиболее перспективных среди этих методов являются нейросетевые методы. Они позволяют в нейросетевом базисе автоматически генерировать управляющие воздействия на объект управления, параметры которого могут быть найдены на основе неполных и противоречивых данных реального времени с использованием известных шп оритмов обучения нейронных сетей. Однако конкретных рекомендаций и методик применения нейросетевых технологий в создании автоматизированных систем управления и диагностики состояния нефтедобывающих установок мало.

На сегодняшний день существует тенденция возлагать на АСУ ТП функции верхних уровней управления: бухгалтерию, финансовую отчетность, маркетинг и т.д. Другими словами, АСУ ТП раздвигают до пределов MES (Manufacturing Execution Systems - система управления производством) систем. Это в корне неправильно, так как в этом случае программное обеспечение получается громоздким, его трудно внедрять и поддерживать, а также обучать персонал.

Вопросам разработки интеллектуальных автоматизированных систем управления посвящены работы А.И. Галушкина, В.И.Васильева, Ю.И. Зозули, в которых рассматриваются вопросы практического применения нейросетевых алгоритмов обработки информации. Управление распределенными объектами рассмотрено в работах А.Г. Бутковского, Л.С. Понтрягина, Р. Беллмана, Н.Н. Красовского, Т.К. Сиразетдинова в 60-70 годах XX века. М.В. Мееровым в 1965 юду рассмотрена возможность организации системы автоматического управления добычей нефти, А.Г. Бутковским, кроме этого, в 1965 году ставилась задача оптимизации добычи нефти, но дальнейшею развития их работы не получили.

Цель работы

Разработать интеллектуальную автоматизированную систему управления установкой электроцентробежного насоса согласно предложенной концепции и оценить эффективность ее работы путем имитационного моделирования.

Задачи исследования

Для достижения поставленной цели в работе сформулированы и решены следующие задачи:

1. Провести системный анализ факторов, влияющих на работу установки электроцентробежного насоса. Определить группу факторов, влияние которых играет ключевую роль в управлении УЭЦН.

2. Разработать концепцию на основе интеллектуальных методов управления: разработать систему принятия решений; разработать алгоритмы управления УЭЦП согласно принятому решению.

3. Разработать структуру интеллектуальной автоматизированной системы управления установкой электроцентробежного насоса.

4. Разработать автоматизированную систему имитационного моделирования работы интеллектуальной АСУ УЭЦН.

5. Оценить эффективность предложенной автоматизированной системы управления УЭЦ11 по результатам имитационного моделирования.

Методы решения

Для решения поставленных в работе задач использовались методы системного анализа, теории управления, теории имитационного моделирования, теории нейронных сетей. Использовались программные средства GENIZSIS32, UltraLogik32, Matlab 6.5 и Simulink 5.0.

На защиту выносится:

1. Результаты системного анализа факторов, влияющих на работу установки электроцентробежного насоса.

2. Концепция интеллектуального управления установкой электроцентробежно1 о насоса.

3. Структура интеллектуальной автоматизированной системы управления установкой электроцентробежного насоса.

4. Автоматизированная система имитационного моделирования работы интеллектуальной АСУ УЭЦП.

5. Результаты имитационного моделирования и оценка эффективности разработанной интеллектуальной АСУ УЭЦН.

Научная новизна:

1) результатов системного анализа заключается в выявлении группы факторов (геологических, конструктивных, внешних) и их совместною влияния на процесс управление УЭЦН;

2) предложенной концепции состоит в том, что принятие решений по управлению УЭЦН в процессе ее работы, в отличие от классического подхода к управлению УЭЦН, происходит на основе анализа как динамической (текущее состояние УЭЦН), так и статической (историю скважины) информации;

3) структуры интеллектуальной автоматизированной системы управления установкой электроцентробежного насоса заключается в том, что она включает систему принятия решений, основанную на синтезе нейросетевой технологии и вывода на основе прецедентов;

4) автоматизированной системы имитационного управления в том, что она реализует предложенную концепцию, и может быть использована как в режиме решения исследовательских задач, так и в режиме оперативного управления УЭЦН.

Практическая ценность полученных результатов

Практическая ценность разработанной интеллектуальной АСУ заключается в том, что она позволяет:

• за счет интеллектуального управления УЭЦН увеличивать продолжительность работы установок в скважине на 10 %;

• автоматизировать ряд управляющих функций;

• расширить функциональные возможности постоянной части станции управления, за счет интеграции различных источников динамической и статической информации, используемой для управления УЭЦ11;

• воспроизводить процессы управления реальных скважин, используя истории их работ;

• выступать, благодаря ОРС - технологии, в качестве постоянной части станции управления и управлять реальным технологическим процессом;

• имитировать ситуации, путем составления таблицы входных векторов.

Структура работы

Диссертационная работа изложена на 132 страницах машинописного текста, и включает в себя введение, четыре главы основного материала, заключение; рисунки на 55 страницах, библиографический список из 120 наименований на 10 страницах и приложение на 2 страницах.

Основные выводы и результаты

1. В результате системного анализа выявлена группа управляющих параметров, одновременное изменение которых в процессе управления, однозначно определяет текущее состояние УЭЦП с учетом влияния геологических, конструктивных, внешних факторов, а также характеристик скважины и УЭЦН.

2. Предложенная концепция интеллектуального управления УЭЦН базируется на 4 принципах:

• Станция управления состоит из двух частей: постоянной и переменной.

• Постоянная часть едина (программно, функционально, аппаратно) для всех типов переменных частей и не зависит от них.

• Интерфейсы, порты, протоколы, внешние разъемы постоянной и переменной частей строго регламентированы и открыты для третьих производителей.

• Постоянная часть станции управления проецируется в классе интеллектуальных систем, способных самостоятельно принимать решения.

3. Структура интеллектуальной автоматизированной системы управления установкой электроцентробежного насоса включает систему принятия решений, основанную на синтезе технологий прецедентов и пейросетей, которая превращает постоянную часть СУ в активного участника процесса управления установкой, способного самостоятельно выполнять часть функции управления технолога.

4. Автоматизированная система имитационного моделирования: воспроизводит процессы управления реальных скважин, используя истории их работ; выступает, благодаря ОРС - технологии, в качестве постоянной части станции управления реальным технологическим процессом; имитирует любые ситуации, путем составления таблицы входных векторов.

5. Внедрение интеллектуальной АСУ УЭЦН увеличивает продолжительность работы установок на скважине до 10%, что обеспечивает, по результатам имитационного моделирования четырнадцати процентный прирост дебита нефти.

134

Заключение

1. Абиев Р.Г., Алиев Р.А., Алиев P.P. Синтез САУ с обучаемым на нейронной сети нечетким контроллером // Техническая кибернетика. - 1994. № 2. -С. 192-197

2. Автоматическое проектирование информационно-управляющих систем. Проектирование экспертных систем на основе системного моделирования / Г.Г. Куликов, А.Н. Набатов, А.В. Речкалов и др. Уфа: УГАТУ, 1999. - 233 с.

3. Адонин А.Н. Выбор способа добычи нефти // М.: 11едра. 1981.

4. Алиев Т.М., Мелик-Шахназаров A.M., Тер-Хачатуров А.А. Измерительные информационные системы в нефтяной промышленности. // М.: Недра 1981.

5. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. СПб.: Питер, 2000. - 384 с.

6. Балагин В.В. Теоретические основы автоматизированног о управления. //Минск: Высшая школа, 1991.

7. Беркинблит М. Б. Нейронные сети. М.: МИРОС, 1993. - 452 с.

8. Бессекерский В.А., Попов Е.П. Теория систем автоматического управления / В.А. Бессекерский, Е.П. Попов. Изд. 4-е, перераб. и доп. - СПб.: Изд-во «Профессия», 2003. - 752 с.

9. Бойко B.C. Разработка и эксплуатация нефтяных месторождений. М.: Недра, 1990.- 437с.

10. Борисов Ю.П., Рябинина З.К., Воинов В. Особенности проектирования разработки нефтяных месторождений. М.: Недра, 1976. - 375 с.

11. Булыгип В.Я. Гидромеханика нефтяного пласта. М.: 11едра, 1974.230с.

12. Бусленко В.Н. Автоматизация имитационного моделирования сложных систем. М.: «Наука» 1997. -232с.

13. Бухаленко Е.И., Лбдуллаев Ю.Г. Монтаж, обслуживание и ремонт нефтепромыслового оборудования: Учебник для учащихся профтехобразования и рабочих на производстве. 2-е изд., псрераб. и доп. - М.: Недра, 1985. - 391 с.

14. Валесв М.Д. Хасапов М.М. Глубиннонасосная добыча вязкой нефти. Уфа Башкирское книжное издательство. 1992.

15. Вальков В.М., Вершин В.Е. Автоматизированные системы управления технологическими процессами. -JI.: Политехника, 1991.

16. Васильев С.Н., Жерлов А.К., Федосов Е.А. и др. Интеллектуальное управление динамическими системами. М.: Физико-математическая литература, 2000.-352 с.

17. Венда В.Ф. Системы гибридного интеллекта: Эволюция, психология, информатика.-М.: Машиностроение, 1990.-448 с.

18. Вендров A.M. Проектирование программного обеспечения экономических информационных систем: Учебник. М.: Финансы и статистика, 2003.-352 с.

19. Веревкин А.П., Дадаян Л.Г. Анализ и синтез автоматических систем регулирования сложных объектов нефтепереработки и нефтехимии: Учебное пособие. Уфа: Изд. Уфим. нефт. ин-та, 1989. - 94 с.

20. Веревкин А.П., Кирюшин О.В., В.Я. Соловьев. Моделирование и оптимизация процессов добычи нефти в динамике. // Вопросы управления и проектирования в информационных и кибернетических системах. Уфа, Издательство УГАТУ, 2003.

21. Габдуллин Р.Ф. Эксплуатация скважин оборудованных УЭЦН в осложненных условиях // Нефтяное хозяйство, 2002 -№4.- с.62-64

22. Гаскаров Д.В. Интеллектуальные информационные системы. Учеб. Для вузов. М.: Высш. шк., 2003. - 431 с: ил.

23. Геология и геохимия нефти и газа. Под ред. Бакирова А.А. М.: Недра1982

24. Горбань А., Росиев Д. Нейронные сети на персональном компьютере. -Новосибирск: 11аука, 1996. — 215 с.

25. Гордиенко Е.К., Лукьяница А.А. Искусственные нейронные сети. I. Основные определения и модели // Изв. РАН. Техническая кибернетика. 1994. -№ 5. - С.79-92

26. Грей Форест Добыча нефти / Пер. с англ. М.: ЗАО «Олимп-Бизнес», 2001.-416с.

27. Гулиев М.А., Гусейнзаде М.А., Максимов М.М. Методы моделирования и расчета термо- и гидродинамических процессов в нефтяном пласте. М., Недра, 1984 -321с.

28. Гультяев А. К. Визуальное моделирование в среде MATLAB: Учеб. курс. СПб: Питер, 2000. - 432 с.

29. Гультяев А.К. MATLAB 5.2. Имитационное моделирование в среде Windows: Практическое пособие, http://www.phys-campus.bspu.secna.ru/db/msg/1078229666/

30. Дудников В., Япкина М. и др. АСУ ТП на базе SCADA-пакета GENESIS32: опыт, решения, наработки. М.: Современные технологии автоматизации №3 2003.

31. Дьячук И.А., Ильясов Б.Г., Шаньгин Е.С. Системный подход к построению модели организации процесса эксплуатации месторождения нефти // 11ефтепромысловое дело. 2003. № 4.

32. Еремин Д.М., Мадыгулов Р.У. Определение параметров нейроподобных сетей, используемых при управлении динамическими объектами // Вопросы кибернетики, устройства и системы: Межвуз. сб. науч. тр. М.: МИРЭА, 1995.

33. Желтов Ю.П. Разработка нефтяных месторождений: Учеб. Для вузов. -2-е изд., перераб. и доп. М.: ОАО «Издательство «НЕДРА», 1998. - 365 е.: ил.

34. Золотарев С.В. Системы SCADA // Мир ПК. 1996. - ЛЬ 4. - С. 114-119

35. Иванова М.М. Динамика добычи нефти из залежей. — М.: Недра, 1976.

36. Ильясов Б. Г., Исмагилова J1. А., Валеева Р.Г. Моделирование производственно-рыночных систем.-Уфа: Изд. УГАТУ, 1995. -321 е.: ил.

37. Ильясов Б.Г., Тагирова К.Ф., Комелин А.В. Бадамшин P.P. Нефтедобыча. Системный подход // Тр. седьмой междунар. С SIT' 2005. Уфа, 2005. Т. 1. С. 16- 19 (Статья па англ. яз.)

38. Ильясов Б.Г., Тагирова К.Ф., Комелин А.В. УЭЦН как сложный динамический объект управления //Технологии ТЭК. М.:2005. -№5. - С.94-99

39. Инструментальная система программирования логических контроллеров UltraLogik32. Учебное пособие. Издание второе, перераб. и дополн./ М.А. Шамашов. Самара: Самарский муниципальный комплекс непрерывною образования «Университет Наяновой», 1997. - 118 с.

40. Интеллектуальные системы управления с использованием нейронных сетей: Учеб. пособие. / В.И. Васильев, Б.Г. Ильясов, С.С. Валеев и др.; Уфимск. гос. авиац. техн. ун-т. Уфа, 1997. 92 с.

41. Иртегов Д.В. Введение в сетевые технологии. СПб.: БХВ-Петербург, 2004.-560 е.: ил.

42. Искусственный интеллект: В 3-х кн. Справочник./ Под ред. Захарова B.I I., Хорошевского В.Ф.-М.: Радио и связь, 1990. Кн. I 426 е., кн. 2 - 304 е., кн 3 -368 с.

43. К вопросу моделирования и управления непрерывными технологическими процессами с помощью нейронных сетей // Теоретические основы химической технологии. 1995, Т. 29. - № 2. - С.205—212

44. Каплан JI.C. Параметры работы УЭЦН. Учеб. для вузов. 6-е изд. перераб. - М.: Высш. шк., 2000. - 542 е.: ил.

45. Кейн JI. Справочник современных АСУ ТП // Нефть, газ и нефтехимия за рубежом. -1987. -№ 3. С.87-125

46. Керридж А.Е. Использование экспертных систем // Нефть, i аз и нефтехимия за рубежом. -1987. -№ 9. С. 107-110

47. Клир Дж. Системология. Автоматизация решения системных задач. -М.: Радио и связь, 1990.-343 с.

48. Клюев А.С. Автоматическое регулирование. Изд. 2-е, перераб. и доп. -М.: Энергия, 1973.-392 е., ил.

49. Козлов В.Н. Системный анализ и принятие решений: Учебное пособие. СПб.: Изд-во СПбГТУ, 2000. - 190 с.

50. Комелин А.В. Автоматизированная система управления стендами тестирования погружного электрооборудования // Современные технологи автоматизации. 2004. - №3. - С.16-19

51. Комелин А.В. Автоматизированная система управления стендом тестирования гидрозащиты электродвигателя // Современные технологии автоматизации. 2005. - №2. - С.58-60

52. Комелин А.В., Ильясов Б.Г., Тагирова К.Ф. Автоматизация процесса добычи нефти на основе нейронных сетей // Технологии ТЭК. М.: 2005.-№3. -С.89-94

53. Комелин А.В., Ильясов Б.Г., Тагирова К.Ф., Самоорганизующаяся нейросетевая система диагностики установки электроцентробежною насоса // Автоматизация, телемеханизация и связь в нефтяной промышленности. -М.:ВНИИОЭНГ, 2005.-№10.-С.20-23

54. Короткий С.Г. Нейронные сети: алгоритм обратного распространения // BYTE/Россия. 2000. - № 5. - С.26-29

55. Короткий С.Г. Нейронные сети: основные положения // BYTE/Россия. -2000.-№5.-С. 18-21

56. Костюченко С.В., Ямпольский В.З. Мониторинг и моделирование нефтяных месторождений. Томск: Изд-во 11ГЛ, 2000. - 246 е.: ил.

57. Кругляк К. Одноплатные компьютеры для встраиваемых систем. М.: Современные техноло1 ии автоматизации №4 2003.

58. Кузнецов А. SCADA-системы: программистом можешь ты не быть. // Современные технологии автоматизации, 1996.-№ 1.-С.32-35

59. Куликов Г.Г., Брейкин Т.В., Арьков В.Ю. Интеллектуальные информационные системы: Учеб. пособие.-Уфа: УГАТУ, 1999. 129 с.

60. Кунцевич Н.А. SCADA-системы и муки выбора // Мир компьютерной автоматизации. 1999. - № 1. - С.72-78

61. Лазарев Ю. Ф. MatLAB 5.x. Киев: Издат. группа ВНУ, 2000. - 384 с.

62. Ларьер Ж.-Л. Системы искусственною интеллекта: Пер. с франц. -М.: Мир, 1991.-568 е., ил.

63. Липаев В.В. Системное проектирование сложных программных средств для информационных систем. М.: СИНТЕГ, 2004.

64. Локотков А. Что должна уметь система 8САОА//Современные технологии автоматизации, № 3.1998. С. 44-46.

65. Лысенко В.Д. Инновационная разработка нефтяных месторождений. -М.:000 «Недра-Бизнесцентр», 2000. 516 е.: ил.

66. Лысенко В.Д. Оптимизация разработки нефтяных месторождений. -М: Недра, 1991.

67. Лысенко В.Д. Проектирование разработки нефтяных месторождений. -М: Недра, 1987.

68. Лысенко В.Д. Разработка нефтяных месторождений. Теория и практика.-М.: Недра, 1996.

69. Лысенко В.Д. Теория разработки нефтяных месторождений. М.: Недра, 1993.

70. Лысенко В.Д., Мухарский Э.Д. Принципы выбора сетки скважин на нефтяной залежи // В кн.: Влияние плотности сетки скважин и их размещения на нефтеотдачу пластов.-М.: изд. ВНИИОЭПГ, 1968.

71. Лысенко В.Д., Мухарский Э.Д. Проектирование интенсивных систем разработки нефтяных месторождений. М.: Недра, 1975.

72. Любарский Ю.Я. Интеллектуальные информационные системы. М.: Наука, 1990.-232 с.

73. Максимов В.П. Влияние геологических факторов на pa6oiy УЭЦН. -М.: НЕДРА, 2000.-231 с.

74. Медведев B.C., Потемкин В.Г. Нейронные сети. MATLAB 6 / Под общ. ред. к.т.н. В.Г. Потемкина. -М.: ДИАЛОГ-МИФИ, 2002. 496 с.

75. Методы математического моделирования объектов и процессов разработки нефтяных месторождений М., Всесоюз. нефтегаз. науч.-исслед. ин-т, 1991

76. Микони С.В. Модели и базы знаний. Учебное пособие. СПб.: СПГУПС, 2000.-155 с.

77. Мишулина О. А., Лабинская А. А., Щербинина М. В. Лабораторный практикум по курсу "Введение в теорию нейронных сетей". -М.: МИФИ, 2000. -204 с.

78. Модели систем автоматического управления и их элементов. 11од редакцией Б.Г. Ильясова. М:. Машиностроение 2003

79. Нефтепромысловое оборудование: Справочник / Под ред. Е. И. 1>ухаленко. 2-е изд., перераб. и доп. - М.:Недра, 1990. - 559 е.: ил.

80. Нильсон Н. Искусственный интеллект. Методы поиска решений. М.: Мир, 1973.

81. Омату С., Халид М., Юсоф Р. Нейроуправление и его приложения. -М.: ИПРЖРБ, 2000.-272 с.

82. Осипов Г.С. Приобретение знаний интеллектуальными системами. -М.: Наука, 1997.

83. Оссовский С. Нейронные сети для обработки информации / Пер. с польскою И.Д. Рудинского. -М.: Финансы и статистика. -2004. 344 е.: ил.

84. Открытые технологии и базовые аппаратно-программные средства для систем промышленной автоматизации и телекоммуникаций. Каталог. -М.: R'ISoft, 2000.- 100 с.

85. Потемкин В. Г. Инструментальные средства MATLAB 5.x. -М.: Диалог-МИФИ, 2000. 336 с.

86. Проблемы управления сложными динамическими объектами в критических ситуациях на основе знаний / Р.А. Бадамшин, Б.Г. Ильясов, JI.P. Черняховская. М.: Машиностроение, 2003 - 240 с.

87. Рапопорт Г.Н. и др. Автоматизированные системы управления технологическими процессами. М:. Машиностроение 1977

88. Рапосин Д.В. Промышленные сети. М:. Машиностроение 1999

89. Рей У. Методы управления технологическими процессами: Пер. с англ. -М.: Мир, 1983.-368 е., ил.

90. Роберт Хехт-Нильсен. Нейрокомиьютинг: история, состояние, перспективы // Открытые системы. № 4-5. - 1998. -С.23-28

91. Розенблатт Ф. Принципы нейродинамики. Персептроны и теория механизмов мозга. М.: Мир, 1965.

92. Руководство по программированию промышленных контроллеров в среде UltraLogik32. М.: ПРОСОФТ, 2005.

93. Рыбина Г.В. Проектирование систем, основанных на знаниях: Учеб. псобие. М.: МИФИ, 2000. - 104 с.

94. Середа Н. Г., Сахаров В. А., Тимашев А. Н. Спутник нефтяника и газовика: Справочник. М.: Недра, 1986

95. Системы диспетчерского управления и сбора данных (SCADA-системы) // Мир компьютерной автоматизации. 1999. - № 3. -С.4-9

96. Соболев B.C. Программное обеспечение современных систем сбора и обработки измерительной информации // Приборы и системы управления. 1998. -№ I.-С.55-59

97. Соколов В.А. Нефть. М:. Недра 1970.

98. Способ разработки зонально неоднородных по коллекторским свойствам залежей нефти / В.И. Грайфер, АИ. Комаров, В.Д. Лысенко и др. / Изобретение. Ас. 356344.

99. Справочное руководство по проектированию разработки и эксплуатации нефтяных месторождений: Добыча нефти / Под ред. Ш.К Гиматудинова. -М: Недра, 1983.

100. Справочное руководство по проектированию разработки и эксплуатации нефтяных месторождений: Проектирование разработки /Под ред. Ш.К Гиматудинова.-М.: Недра, 1983.

101. Стабин И.П., Моисеева B.C. Автоматизированный системный анализ. -М.: Машиностроение, 1984. 312 е.: ил.

102. Стандарт ОАО «ЛУКОЙЛ» «Виды исследований скважин и периодичность их замеров», 2006 г.

103. Сургучев М.А Вторичные и третичные методы увеличения нефтеотдачи пластов. М.: Недра, 1985.

104. Технология и техника добычи нефти: Учебник для вузов / А.Х. Мирзаджанзаде, И.М. Ахметов, A.M. Хасаев, В.И. Гусев. Под ред. проф. А.Х. Мирзаджанзаде.-М.: Недра, 1986. -382 с.

105. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. -М.: СИНТЕГ, 1998.-376 с.

106. Фрэнк Дж. Бартос. Искусственный интеллект: принятие решений в сложных системах управления // Мир компьютерной автоматизации. -№ 4. 1997 -С.2-21

107. Эксплуатация осложненных скважин центробежными электронасосами под ред. Л.С. Каплан, -М.: Недра, 2001. -382 с.

108. Юсупов И.Ю. Автоматизированные системы принятия решений. М.: Наука, 1983.-88 с.

109. Ш.Юсупов P.M., Зоболотский В.П. Научно-методологические основы информатизации. СПб.: Наука, 2000. - 455 е.: 69 ил.

110. Hugh J. Dynamic System Modeling and Control. claymore.engineer.gvsu.edu/~jackh/books/model/pdf/model 1 .pdf

111. Lurie J.B., Enright P.J. Classical feedback control with MATLAB. http://www.scientific-library.net/data/index.phppath=voll/djvu/MMathematics/MNNumerical%20methods/MNwWavelets%2C% 20signal%20processing/

112. Manassah. Using Matlab. http://www.scientific-library.net/data/index.php?path=vol 1/dj vu/SSoftware/

113. Mathews, Fink, Numerical Methods Using MATLAB, 1999. http://www.scientific-library.net/data/index.php?path=voll/CMC/

114. Regular!zation Tools (Matlab Package), Hansen P. http://0xcd.com/scilib/desc/57607.040224230400.djvu.html