автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Повышение эффективности автоматизированной системы обнаружения утечек из нефтепродуктопроводов на основе интеллектуальных технологий

На правах рукописи

БУЛАТОВ Артур Фларитович

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОБНАРУЖЕНИЯ УТЕЧЕК ИЗ НЕФТЕПРОДУКТОПРОВОДОВ НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ

Специальность 05.13.06 «Автоматизация и управление технологическими процессами и производствами» (в промышленности)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

3 МАР 2015

Уфа-2015

005559974

005559974

Работа выполнена в ФГБОУ ВПО "Уфимский государственный авиационный технический университет" на кафедре автоматизации технологических процессов

Научный руководитель д-р техн. наук, проф.

ЛЗОТОВ Алексей Германович

Официальные оппоненты д-р техн. наук, проф.

КУЗНЕЦОВ Владимир Александрович профессор кафедры технологических машин и оборудования ФГБОУ ВПО «Башкирский государственный университет»

канд. техн. наук

ФАЙЗУЛИН Руслан Наилович

декан факультета промышленной и

энергетической безопасности

НОУ «Межотраслевой институт», г. Уфа

Ведущее предприятие ФГБОУ ВПО «Уфимский государствен-

ный нефтяной технический университет»

Защита диссертации состоится 27.03.2015 г. в 1200 час. на заседании диссертационного совета Д-212.288.03 на базе ФГБОУ ВПО «Уфимский государственный авиационный технический университет» по адресу: 450000, г. Уфа, ул. К. Маркса, 12

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Уфимский государственный авиационный технический университет» и на сайте http://www.ugatu.su

Автореферат разослан «^Г» 02. 2015 г.

Ученый секретарь диссертационного совета Д-р техн. наук, проф. / ^МъЦфрч ' В.В.Миронов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. На долю транспортировки нефтепродукта по магистральным трубопроводам приходится более 50 % от их общего объёма. В настоящее время система трубопроводного транспорта России продолжает развиваться: на юге страны - создание нового экспортного потока через порт Новороссийск, подключение Волгоградского нефтеперерабатывающего завода к системе магистральных нефтепродуктопроводов; на севере — развитие системы магистральных трубопроводов для увеличения поставок нефтепродуктов в порт Приморск (до 15 млн. т. в год).

Основной причиной утечек нефтепродуктов из магистральных трубопроводов является устаревшее эксплуатациошюе оборудование: 31 % трубопроводов эксплуатируются более 50 лет и еще 26 % трубопроводов находятся в возрасте от 30 до 50 лет.

Старение эксплуатационного оборудования обуславливает необходимость снижения рисков возникновения аварийных и чрезвычайных ситуаций, вредного экологического воздействия на окружающую среду и требует повышения уровня надежности систем диагностики. Утечки продукта из магистральных трубопроводов наносят значительный экономический ущерб предприятию, что выражается в:

- потере значительного объёма перекачиваемого нефтепродукта;

- выплате штрафных санкций за загрязнение окружающей среды;

- затратах на аварийно-восстановительные ремонтные работы.

Применение современных технологий систем SCADA (Supervisory Control

And Data Acquisition), микропроцессорных средств автоматики в магистральном транспорте нефти и нефтепродуктов создало предпосылки для разработки систем диспетчерского контроля и управления (СДКУ), которые позволяют:

- повысить оперативность принятия решений;

- расширить аналитические возможностей служб, эксплуатирующих разветвленные сети;

- отслеживать тенденции развития процессов в трубопроводах;

- интерпретировать в ясных для пользователя понятиях собранные системой SCADA параметры технологического процесса перекачки;

- представлять результаты контроля и диагностирования в удобной для анализа и дальнейшего принятия решения форме.

Составной частью СДКУ является система, контролирующая герметичность магистрального трубопровода, и называемая системой обнаружения утечек (СОУ).

Степень разработанности темы. Большинство теоретических разработок отражается в исследованиях отечественных учёных. Первые методы обнаружения утечек на основе сканирующих и отрицательных ударных волн были описаны в исследованиях Н. Е. Жуковского. Также исследования в этой области отражены в работах В. Н. Антипьева, А. В. Бабкова, А. П. Верёвкина, Е. В. Вязунова, В. Б. Галеева, А. К. Галлямова, Р. Ф. Ганиева, А. А. Гольянова, А. Г. Гумерова, М. А. Гусейн-Заде, А. С. Джарджиманова, Л. А. Дымшица, К. А. Забелы,

Ф. С. Зверева, Ю. Д. Земенкова, Ю. й. Зозули, А. С. Казака, А. А. Кандаурова, Е. М. Климовского, А. В. Ковардакова, Л. Б. Кублановского, С. Е. Кутукова, Л. С. Лейбензона, М. Р. Лукманова, М. В. Лурье, А. X. Мирзаджанзаде, X. Н. Низамова, Л. Б. Полянской, В. А. Саенко, Р. Н. Столярова, С. А. Христиановича, И. А. Чарного, К. В. Черняева, А. С. Шумайлова, А. М. Шаммазова, В. А. Юфина и др.

На основе теоретических исследований создано множество методов и систем обнаружения утечек: от примитивного обхода трубопровода линейными обходчиками с использованием течеискателей до использования дорогих волокно-оптических кабелей-датчихов и спутниковых систем слежения. В настоящее время, несмотря на многообразие применяемых способов и методик, не существует универсального метода, способного достаточно точно определить местоположение утечки и при этом не требующего больших затрат на реализацию и эксплуатацию. Каждый из существующих методов не лишён недостатков.

В связи с этим, в настоящее время актуальными остаются исследования в области обнаружения истечения нефтепродукта из магистральных трубопроводов.

Объектом исследования является нефтепродуктопровод с постоянным диаметром трубы, пролегающий между двумя перекачивающими станциями, не имеющий отводы и самотечные участки, по которому перекачивается однородный нефтепродукт преимущественно одним режимом транспортировки.

Предметом исследования является герметичность нефтепродуктопровода, нарушаемая при появлении в нем утечек, возникших вследствие эксплуатационных работ, старения труб, несанкционированных врезок.

Целью диссертационной работы является повышение эффективности автоматизированной системы обнаружения утечек из нефтепродуктопроводов.

Основные задачи исследования:

1. Исследование и анализ методов и способов современных систем обнаружения утечек.

2. Построение нейросетевой модели процесса транспортировки жидкости при её истечении из нефтепродуктопровода.

3. Разработка метода автоматического обнаружения утечки при переходных процессах и в условиях зашумлённости давления в трубопроводе.

4. Разработка алгоритма расстановки датчиков давления в магистральном трубопроводе на основе разработанной нейросетевой модели с учетом уровня зашумлённости давления в трубопроводе и погрешности датчиков.

5. Оценка эффективности автоматизированной системы обнаружения утечек из нефтепродуктопроводов на основе интеллектуальных технологий.

Научная новизна:

1. Разработана нейросетевая модель, описывающая процесс транспортировки жидкости при её истечении из нефтепродуктопровода, отличающаяся тем, что учитывает математическую зависимость между давлением, расходом и координатой утечки. Нейросетевая модель способна адаптироваться под конкретный участок трубопровода, без априорного ввода параметров самого трубопровода, таких как диаметр трубы, геодезическая высота, толщина стенок, шероховатость и т.д.

Применение нейросетевой модели позволяет повысить точность нахождения координаты утечки.

2. Разработан метод автоматического обнаружения утечки при переходных процессах и в условиях зашумлённости давления в трубопроводе, основанный на математических расчётах давления в середине участка по известным значениям давления в крайних точках трубопровода с учётом скорости распространения волны в трубопроводе. Оппгчается тем, что математическая зависимость находится путём обучения нейронной сети на примерах, причём архитектура нейронной сети определяется с помощью генетических алгоритмов. Обученная нейронная сеть способна учитывать изменения давления при переходных процессах и в условиях шумов давления, вызванных работой насосных агрегатов, что позволяет улучшить чувствительность СОУ.

3. Разработан алгоритм для выработки рекомендаций по расстановке датчиков давления в магистральном трубопроводе с учётом уровня шумов давления и погрешности датчиков, отличающийся тем, что строится на основе нейросетевой модели транспортировки жидкости при её истечении из нефтепродуктопровода. Данный алгоритм позволяет определить рациональное местоположение и достаточное число датчиков давления для обнаружения утечки с заданным расходом.

Теоретическая и практическая значимость работы заключается в следующем:

1. Нейросетевая модель процесса транспортировки жидкости при её истечении из нефтепродуктопровода описывает математическую зависимость между давлением, расходом и координатой утечки. Эта зависимость адаптируется под используемый трубопровод за счёт изменения коэффициентов весов синаптиче-ских связей. Данная нейросетевая модель позволяет уменьшить погрешность определения координаты утечки.

2. Метод автоматического обнаружения утечки при переходных процессах и в условиях зашумлённости работает путём вычисления нейронной сетью, архитектура которой определена с помощью генетических алгоритмов, значений давления и сравнения их с реальными значениями датчиков, что даёт возможность выявить нештатные изменения давления связанные с нарушением герметичности трубопровода.

3. Алгоритм расстановки датчиков давления позволяет найти рациональное местоположение и достаточное число датчиков давления для обнаружения утечки с заданным пользователем расходом. Данный алгоритм реализуется на основе разработанной нейросетевой модели, также учитывается шумы давления в трубопроводе и погрешность датчиков.

Методы решения задач. При построении модели применялись методы теории искусственных нейронных сетей. Поиск оптимальной архитектуры нейронной сети выполнялся на основе методов, использующих генетические алгоритмы. Алгоритмы расчёта координаты утечек и рационализации расстановки датчиков давления разработаны на основе современных методов алгоритмизации и программирования.

Положения, выносимые на защиту:

1. Нейросетевая модель, описывающая процесс транспортировки жидкости

при её истечении из нефтепродуктопровода.

2. Метод автоматического обнаружения утечки при переходных процессах и в условиях зашумлённости.

3. Алгоритм расстановки датчиков давления на основе нейросетевой модели п.1 с учётом влияния шумов давления и погрешности датчиков.

Апробация работы

Основные материалы докладывались:

V, VII Всероссийская молодежная научная конференция «Мавлютовские чтения», г. Уфа, 2011, 2013 гг.

Отборочный тур конкурса молодёжи ОАО «Уралтранснефтепродукт» на лучшую научно-техническую разработку, г. Уфа, 2011 г.

VII, VIII, IX Всероссийская зимняя школа-семинар аспирантов и молодых учёных, г. Уфа, 2012, 2013, 2014 гг.

Первый тур конкурса молодёжи ОАО «Уралтранснефтепродукт» на лучшую научно-техническую разработку, г. Уфа, 2012 г.

V Всероссийская научно-практическая конференция «Наукоёмкие технологии в машиностроении», г. Ишимбай, 2013 г.

Всероссийская научно-практическая конференция АУТПП, г. Уфа 2013 г.

XII научно-техническая конференция молодёжи ОАО «Уралсибнефтепро-вод», г. Уфа, 2013 г.

XII научно-техническая конференция молодёжи АК «Транснефть», г. Санкт-Петербург, 2014 г.

Публикации. По материалам диссертации опубликовано 9 научных работ, в том числе две работы в рецензируемых журналах из списка ВАК.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, основных результатов, списка литературы и приложений, содержит 235 листов и включает 96 рисунков, 29 таблиц, 158 наименование использованной литературы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении описывается актуальность темы повышения эффективности автоматизированной СОУ, формируется цель работы и задачи исследования, обсуждается новизна и практическая значимость выносимых на защиту результатов работы.

В первой главе приводится сравнительный анализ состояния средств и методов современных систем обнаружения утечек.

Описаны основные причины и последствия возникновения утечек. Показана актуальность применения систем обнаружения утечек. Приведена классификация СОУ по принципам действия и типам применяемого оборудования (рисунок 1).

В ходе критического анализа существующих методов выявлены недостатки для каждого из них:

— общим недостатком периодических методов является отсутствие возможности оперативно обнаружить утечки;

- методы контроля с использованием измерения дополнительных параметров могут достаточно точно обнаружить утечки. Но для юс использования требу-

ются значительные затраты, поэтому их применяют ограничено только на опасных участках трубопровода;

- методы контроля с использованием средств измерения технологических параметров имеют низкую стоимость внедрения, облуживания и модернизации, однако имеется значительная погрешность при расчёте местоположения утечки.

Рисунок 1 — Классификация СОУ

В настоящее время не существует универсального единого метода, способного достаточно точно определить местоположение утечки и при этом не требующего больших затрат на реализацию и эксплуатацию. Каждый из существующих методов не лишён недостатков. Таким образом, на данный момент остаются актуальными исследования в области разработки методов с повышенной точностью локализации утечек, не требующих при этом капитальных затрат на реализацию и обслуживание.

Вторая глава посвящена разработке нейросетевой модели утечки и алгоритма определения её оптимальной архитектуры и параметров.

Известно, что образование утечки с расходом (Зут ведёт к снижению напора, а соответственно и давления жидкости в трубопроводе. Падение давление АР в любой точке трубопровода в общем виде может быть описано формулой:

*Рх1 =Г((2ут,1уТ,гуТ,Х1У,К,ь,т0,х1), (1)

где ()ут1 1ут, - величина, координата и время возникновения утечки соответственно; Х,У- векторы параметров основных и подпорных насосов (скорость вращения, время включения, отключения и т. д.); К — вектор параметров качества нефтепродуктов (например, плотность, вязкость и т. д.); Ь — параметры задвижек на линейном участке (положение задвижки, время открытия/закрытия, координата задвижки относительно нулевой точки и т. д.); 7° — температура нефтепродукта; х, - координата точки, на которой будет вычисляться падение давления АРх1\/— некоторая функция описывающая зависимость падения давления АР.

По известной зависимости /, зная АР и значения остальных параметров процесса перекачки нефтепродукта можно вычислить месторасположение утечки 1ут. Задача аппроксимации функции решается с помощью искусственных нейронных сетей.

В качестве основных данных, описывающих процесс транспортировки нефтепродукта в трубопроводе, были выбраны следующие параметры: давление (АР) и расход (£2ут)• Во-первых, эти параметры наиболее существенно изменяются при возникновении утечки. Во-вторых, они легко поддаются измерению датчиками, и это не требует больших затрат на их реализацию и эксплуатацию.

Рассмотрена таблица значений падения давления зафиксированного датчиком давления, при различном местоположении утечки относительно датчика давления и разном расходе утечки (таблица 1). Данные были получены экспериментальным путём при испытании СОУ на магистральном трубопроводе. Во время испытания СОУ производилась имитация утечки жидкости в трубопроводе, путём отбора нефтепродукта из нефтепродуктопровода в безнапорную ёмкость.

Таблица 1- Падение давления при различной величине расхода и расстоя-

Расход утечки, л/мип Расстояние между местом утечки и датчиков, км

79 60 53 44 40

160 3,481 4,413 4,903 5,590 6,129

120 2,991 3,776 4,217 4,854 5,247

100 2,844 3,530 3,923 4,560 4,903

80 2,599 2,726 2,785 2,942 3,089

60 - - - 2,354 2,432

40 - - - - 1,912

Обучение и проверку нейронной сети проведены согласно методу перекрёстной вариации. Поочередно исключался один столбец из таблицы, без которого нейронная сеть обучается заново на оставшихся примерах. После обучения определено значение ошибки для исключённого столбца. Таким образом, каждый пример может считаться как обучающим, так и тестовым. Для совокупного учёта всех погрешностей нейронной сети на тестовых множествах рассчитана среднеквадратичная погрешность нейронной сети.

В качестве нейронных сетей, аппроксимирующих функцию подобраны наиболее приемлемые для решения этой задачи многослойный персептрон, каскадная сеть и радиально-базисная сеть.

Результаты расчёта среднеквадратичной погрешности отображены в табличном виде (таблица 2). Там же отображены значения максимальной погрешности нейронной сети. Из таблицы видно, что наилучшие результаты нейросетевая модель показывает при радиально-базисной архитектуре.

На рисунке 2 приведена функция двух переменных АР = /((?уг, /ух), полученная радиально-базисной нейронной сетью в результате аппроксимации данных из таблицы 1. Полученная функция двух переменных не имеет резких переходов, плавно изменяется и имеет хорошую точность не только в точках обучения, но и в проверочных точках. Однако имеется несоответствие значения АР реальным зна-

чениям при утечке 40 л/мин на расстоянии 79 км от датчика, которое объяснятся отсутствием статистики в этой области данных.

Таблица 2 - Погрешность нейронной сети при определении местоположения утечки_____

Архитектура нейронной сети Многослойная нейронная сеть Каскадная нейронная сеть Радиально-базисная нейронная сеть

Средняя квадратичная погрешность, км 2,03 7,5 1,8

Максимальная погрешность, км 5,5 3,16 3

Время обучения, с 2 1 2

Количество эпох 24 87 -

100

Расход утечки, л/мин

Рисунок 2 - Функция, АР - ] ( <2

ут > ^ ут

)

вычисленная радиально-базисной сетью

Произведено сравнение эффективности метода с применением нейросетевой модели с эффективностью существующих методов (таблица 3). Наиболее популярными остаются параметрические методы обнаружения утечки нефтепродукта из трубопровода, поскольку имеют низкую стоимость внедрения и обслуживания. Но имеют достаточно большую погрешность расчёта местоположения утечки. Применение нейросетевой модели позволяет повысить эффективность параметрической СОУ, т.е. улучшить точность определения координаты утечки. Причём, не требуются значительные затраты на реализацию, т.к. её можно реализо-

вать на основе существующих датчиков и контроллеров.

Третья глава посвящена методам автоматического обнаружения утечки при стационарных и переходных режимах работы трубопровода.

Одной из важнейших задач системы обнаружения утечек является выявить непосредственно образование утечки. Обнаружить утечку можно анализируя изменяющиеся во времени гидродинамические параметры перекачки нефтепродукта.

Из уравнения Вернули выражена зависимость давления р2 на линейном участке от давления на выходе станции: . _ /-_ I

Р*. = - г*. - ь р*

Эти параметры разделены на константы и динамические. К константам относятся: г/ и 22 - геодезическая высота в первой и второй точке, % - ускорение свободного падения. Остальные параметры (р¡, р2, кс - потеря напора от точки 1 до точки 2) относятся к динамическим. Таким образом, р2 представлена в виде

неопределённой динамической функции:

Р2=^[р1(0,р(с),/1с(0д]. (3)

Таблица 3 - Сравнительная характеристика методов обнаружения утечек

жидкости из трубопровода

Название метода Визуальный осмотр трубопровода Использование внутри-трубных дефектоскопов Метод по «волне давления» Параметрические методы Акусто-эмиссионный метод Волокно-огггический контроль Метод на основе нейросе-тевой модели

Позволяет

Преимущества Простота реализация, низкая стоимость Обнаруживает мелкие трещины в трубопроводе Простота реализация, низкая стоимость Простота реализация, низкая стоимость Позволяет регистрировать мелкие утечки,с высокой точностью определяет их местоположение регистрировать мелкие утечки и криминальные врезки, с высокой тонностью определяет их местоположение Простота реализация, низкая стоимость

Точность метода 100 м 0,01 м -±300 м ~± 5 км ~±5 м ~±5м ~±3 км

Экономическая составляющая Не требуются затраты на внедрение Один запуск обходится порядка несколько миллионов рублей Не требуются затраты на внедрение Не требуются затраты на внедрение Требуются значительные затраты на установку большого числа датчиков Требуются значительные затраты на прокладку протяжённого волокно-оптического кабеля-датчика Требуется покупка программного обеспечения

Примечание 1. Внедрён на действующих трубопроводах 2. Отсутствие оперативности, определяет только видимые утечки 1. Внедрён на действующих трубопроводах 2. Отсутствие оперативности, дороговизна эксплуатации 1. Внедрён на действующих трубопроводах 2. Не способен обнаружить медленно развивающиеся утечки 1. Внедрен на действующих трубопроводах 2. Низкая точность при определении местоположения утечек 1. Внедрён на особо опасных участках 2. Требуется установка датчиков через каждые 3 км Большое число ложных срабатываний, дороговизна реализации Реализуется на основе существующих датчиков и контроллеров

Причиной гидравлических сопротивлений кс являются трение и деформация жидкости в потоке, механизм которых довольно сложен, поэтому в настоящее время получить теоретические зависимости можно лишь в ограниченных случаях. На гидравлическое сопротивление влияют геометрические и динамические пара-

метры потока: форма сечения потока, характеристика шероховатости, скорости протекания жидкости, вязкости и т.д. В свою очередь скорость протекания жидкости зависит от расхода. Таким образом, количество переменных в неопределённой функции можно расширить:

Рг = ^[лЮ.рСО.ЛСО. <2(0, с]. (4)

При транспортировке однородного нефтепродукта в трубопроводе его плотность и вязкость практически не меняются. Расход нефтепродукта зависит от технических характеристик используемых магистральных насосных агрегатов. В I данной работе рассматривается трубопровод с постоянным диаметром, работающий преимущественно в одном режиме транспортировки, поэтому расход и скорость движения нефтепродуктов можно считать константой. В итоге получен более сокращённый вариант формулы:

Р2=Р\Р1Ш1 (5)

Шумы давления, вызванные магистральными насосными агрегатами, образуются на выходе станции с амплитудой '(*о) в момент времени /0 через г секунд повторяется в другой точке с амплитудой рг '(Ъ+т) (рисунок 3). С помощью формулы (5) рассчитывается амплитуда скачков и тем самым учитываются шумы при анализе технологических временных рядов датчика давления.

Для аппроксимации указанной функции использована многослойная нейронная сеть. Значения давления на выходе станции р! разложены во временной ряд с дискретностью 1 секунда.

Р2 = ..., РГ1, Р\, РГ1.....РГ% (6)

где р/ — давление на выходе станции г секунд назад от момента измерения р2, а — небольшой запас. Небольшой запас необходим ввиду погрешности расчёта скорости распространения волны давления. Во время обучения нейронная сеть более точно определит скорость распространения волны давления, г — время за которое волна давления проходит расстояния от датчика 1 до датчика 2. Число т можно вычислить по формуле:

т = -, (7)

с

где с1 - расстояние между датчиками давления, с - скорость распространения волны давления. Представлена модель аппроксимирующей нейронной сети (рисунок

4).

Вопрос о структуре скрытых слоев является отдельной задачей решаемой экспертами различными способами. Одним из таких способов являться поиск оптимальной структуры нейронной сети с помощью генетических алгоритмов.

55м<(5о 56нООа

Рисунок 3 - Отражение скачков давления на следующем датчике

Для оптимизации скрытого слоя параметры нейронной сети представлены в виде двоичного кода Грея и затем объединены в одну хромосому (рисунок 5).

р1а

р?

рГ

рГ

Нейросетевая модель расчёта давления

Рисунок 4 - Модель аппроксимирующей нейронной сети

Рисунок 5 - Хромосома параметров нейронной сети

Здесь ¡0 - количество скрытых слоев нейронной сети (от 1 до 4); ,яЗ, $5, 57- количество нейронов в 1-4 слоях соответственно (от 1 до 32); 52 ,$4, зб, функции активации в 1-4 слоях соответственно (от 1 до 8).

Первоначально сгенерирована случайная популяция хромосом 5. Число хромосом в популяции М равно 60 исходя из правила п<М<2п, где п - число генов в хромосоме.

Полученная случайная двоичная популяция хромосом преобразована в десятеричную с помощью кода Грея. На основе значений из 60 десятеричных хромосом смоделированы многослойные нейронные сети. Затем проведено обучение нейронных сетей на примерах, каждый пример состоит из 5 последовательный показаний датчиков давления, которые подаются на входной слой нейронной сети.

В качестве функции пригодности хромосомы использовано обратное значение среднеквадратичной функции ошибок нейронной сети на тестовом множестве.

На основе вычисленных функций пригодности произведён отбор индивидуумов. В качестве отбора использован метод «колеса рулетки» с элитным отбором. Прошедшие отбор хромосомы в свою очередь скрещивались по схеме многоточечного кроссинговера. После кроссинговера есть небольшая вероятность инверсии хромосомы.

На рисунке 6 представлены изменения усреднённого значения функции пригодности ДБ) при 40 итерациях. В результате после 40 итераций найдены оптимальные архитектуры многослойной нейронной сети. Преобладают нейронные сети с двумя скрытыми слоями: с гиперболической тангенциальной функцией активации в первом скрытом слое и радиально-базисной функцией во втором скрытом слое. В первом скрытом слое она содержит 24 нейрона, во втором 8. Обучение нейронной сети проводилось при помощи алгоритма Левенберга-Марквардта.

Для обучения потребовалось 79 секунд и 167 эпох.

В качестве неизвестного для нейронной сети тестового примера задано переключение на резервуар с более высоким уровнем нефтепродукта. В результате чего произошло повышение давления по всему участку трубопровода. Зная, каким образом, повысилось давление на выходе станции, нейронная сеть смоделировала повышение давления на последующем датчике (рисунок 7). Таким образом, несоответствие между вычисленными и реальными значениями можно расценивать как отклонение от режима работы трубопровода. Достоинством нейросетевой является возможность определения утечек при переходных процессах.

Рисунок 6 - Изменения усреднённого значения функции пригодности

Рисунок 7 - Сравнение показание давления, при переключении резервуара вычисленное нейронной сетью с реальным значением

Произведена проверка разработанной модели, с помощью множества данных полученные при испытаниях СОУ. Рассмотрен пример отбор нефтепродукта с расходом 40 л/мин на расстоянии 40 км от датчика давления (рисунок 8).

Время, с

15,945 15,94 515,935 й 15,93 £15,925 « 15,92 »15,915 Ч 15,91 15,905 15,9

Рисунок 8 - Сравнение значений давления при утечке нефтепродукта 40 л/мин, вычисленное нейронной сетью с реальным значением

Как видно из рисунка образование утечки с расходом 40 л/мин ведёт к отклонению между давлением, вычисленным нейронной сетью и реальным значением давления.

Таким образом, разработан метод обнаружения утечек, с помощью которого на основе показаний получаемых с датчиков давления и сравнивая их с расчётным значением можно выявить непосредственно образование утечки и соответственно величину снижения давления АР.

Четвёртая глава повещена вопросу практической реализации разработанных моделей и методов. Приводится математическое описание уровня шумов, возникающих из-за работы агрегатов, с учётом релаксационного поглощения. Разработана система алгоритмов расстановки датчиков давления с учётом погрешности средств измерений и шумов давления в трубопроводе (рисунок 9).

Принцип работы системы заключается в следующем. Первоначально необходимо задать информацию о погрешности существующих или предполагаемых к использованию средств измерений. С помощью формулы р'(г) = р'0 ■ е~Рг, описывающую зависимость амплитуды шумов давления р' от расстояния г, (где р '0 -амплитуда шумов на выходе станции, /? — коэффициент релаксационного поглощения) находится шумовая характеристика МНПП (затухание вдоль трубопровода амплитуды шумов давления р, образованных работой магистральных насосных агрегатов). Также для работы системы задаётся нейросетевая модель утечки, описанная во второй главе диссертации.

Для более эффективного обнаружения утечек необходимо рационализировать расстановку датчиков давления. При этом необходимо расставить датчики так, что бы с помощью них можно было определять утечки на максимально возможной зоне чувствительности системы.

Зона чувствительности датчика обозначена как С^ = Е/"^* Сдут)> ГДС С0(1ут) - чувствительность датчика г к утечке с расходом Q образованной в точке , ~ - Г1П л I"1' РеОут) > Р'ОО ЛР^ > родгй

!ут трубопровода. С10(1у^ = | . датчик чувстви-

10. РдОуг) ^ Р (г1) V р^ < родгй телен к утечке с расходом Q (С д(1ут)-1) если величина изменения давления р'йО-ут), возникающая вследствие образования утечки с расходом ¡2 в точке 1ут трубопровода, больше чем амплитуда шумов давления р '(г), образованных работой насосных агрегатов в точке г1, где установлен датчик и больше чем погрешность датчика давления ро^с!. Для того, чтобы система «почувствовала» утечку с расходом Q (Сд= 1) необходимо, чтобы её «почувствовали» два датчика, причём один должен располагаться до точки утечки, а другой после. В целом чувствительность системы к утечке с расходом £} представим как сумму чувствителыю-стей системы к утечке на каждом километре трубопровода Сд — Сд^ут),

1уттпх - длина рассматриваемого трубопровода.

Найдены участки трубопровода, где шумы давления, возникающие из-за работы агрегатов, будут меньше погрешности датчиков давления, т.е. определим зону Хг, где главным фактором, влияющим на достоверность обнаружения утечки, является погрешность датчиков давления.

Рисунок 9 - Система алгоритмов расстановки датчиков в трубопроводе

В зоне Хг с помощью алгоритма расстановки датчиков давления с учётом погрешности средств измерений вычислены рациональные координаты датчиков давления г'0, г20,..., для выявления в трубопроводе утечки с расходом <2

(выбранное пользователем).

Затем вне зоны X, определено достаточное число дополнительных г датчиков и их координаты гооа+', г00-,2, ..., для увеличение зоны чувствительности

системы к утечки с расходом Q.

Далее в программе пользователю предложена дальнейшая рационализация но двум вариантам.

1 Вариант рационализации по количеству установленных дополнительных датчиков давления. В этом случае решается обратная задача, по фиксированному числу датчиков О установить их так, чтобы максимально увеличилась зона чувствительности системы к утечке. Величину утечки программа определяется исходя из количества дополнительных датчиков.

2 Вариант рационализации по величине минимальной утечки <2г, заданной пользователем. Алгоритм выполняется аналогично алгоритму расстановки датчиков давления для определения утечки с расходом Q с учётом работы насосных агрегатов.

Для практической реализации и применения, разработанных нейросетевых моделей необходимо добавить их в состав существующей параметрической системы обнаружения утечек (рисунок 10). Нейросетевые модели в составе АРМ системы будут получать, и обрабатывать информацию поступающих с датчиков давления и расхода. В частности нейросетевая модель расчёта давления, получая информацию о значениях датчика давления на выходе станции, будет рассчитывать давление в середине участка. При возникновении утечки образуется рассогласование между расчётным и фактическим значением давления - АР. Зная величину падения давления АР и расход утечки <2ут (определённого с помощью метода баланса) нейросетевая модель утечки позволяет вычислить координату места образования утечки 1ут.

Для учёта свойств перекачиваемого нефтепродукта на вход нейросетевых моделей дополнительно подаются параметры качества нефтепродукта, такие как температура г, плотность р, кинематическая вязкость V. Но при этом требуется предварительно обучить нейронную сеть на соответствующих примерах.

Ожидаемые результаты при внедрении метода с применением нейросетевой

модели - повышение точности системы в среднем в 2,5 раза, повышение чувствительности метода в условиях зашумлённости и при переходных процессах.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Критический анализ существующих способов и методов обнаружения утечек показал, что в настоящее время, несмотря на большие число разнообразных СОУ не существует универсального метода. Каждый из методов не лишён недостатков. Основными недостатками являются дороговизна реализации, низкая точность локализации, большое число ложных срабатываний, сложность реализации. Таким образом, проблема исследования новых способов обнаружения утечек остаётся открытой и актуальной.

2. Предложена модель утечки жидкости из нефтепродуктопроводов, содержащая математическое описание процесса транспортировки жидкости при её истечении из нефтепродуктопровода, отличающаяся тем, что в основе модели лежит нейронная сеть, которая адаптируется и обучается на множестве данных, полученных при испытаниях. Данная нейросетевая модель способна адаптироваться под параметры конкретного трубопровода путем настройки коэффициентов весов синаптических связей, что позволяет более точно математически описать утечку, следствием чего является уменьшение погрешности определения координаты утечки. Для реализации предлагаемого подхода не требуется установка дополнительного оборудования.

3. Разработан метод обнаружения утечек при переходных режимах и в условиях шумов давления в трубопроводе, основанный на математических расчётах давления в середине участка по известным значениям давления в крайних точках технологического участка, отличающийся тем, что расчёты выполняются с помощью предварительно обученной нейронной сети. Это позволяет спрогнозировать шумы и изменение давления в середине участка, тем самым повышается чувствительность системы обнаружения утечек при переходных процессах и в условиях шумов давления.

4. Разработаны алгоритмы расстановки датчиков в трубопроводе с учётом шумов давления в трубопроводе и погрешности средств измерений, отличающиеся тем, что основаны на нейросетевой модели транспортировки жидкости при её истечении из нефтепродуктопровода. Это позволяет определить рациональное местоположение датчиков давления и их достаточное количество для обнаружения утечки с заданньм расходом.

5. Представлены результаты численного моделирования, показывающие эффективность применения интеллектуальных технологий. Применение нейронных сетей при низких затратах на реализацию метода позволило повысить точность определения координаты утечки в среднем в 2,5 раза. В результате чего увеличивается скорость обнаружения утечки и уменьшается время ликвидации разлива, что приводит к снижению потерь нефтепродукта, снижению вредного экологического воздействия на окружающую среду, снижению экономических затрат на простой предприятия, снижению риска возникновения чрезвычайной ситуации.

ПУБЛИКАЦИИ, ОТРАЖАЮЩИЕ РЕЗУЛЬТАТЫ РАБОТЫ

В рецензируемых журналах из списка ВАК

1. Разработка способа расчёта местоположения утечки в магистральном трубопроводе с помощью нейронных сетей / А. Г. Лютов, А. Ф. Булатов // Нейрокомпьютеры: разработка, применение. 2013. № 3. С 40-43.

2. Автоматизированная система обнаружения утечки из трубопровода в условиях зашумлённости / А. Г. Лютов, А. Ф. Булатов // Вестник УГАТУ: научн. журн. Уфимск. гос. авиц. техн. ун-та. 2013. Т. 13, № 5 (58). С. 86-92.

В других изданиях

3. Оперативная диагностика состояния работоспособности инженерных коммуникационных сетей / А. Г. Лютов, А. Ф. Булатов // Мавлютовские чтения: Российская НТК, посвященная 85-летию со дня рождения член-корр. РАН, д-ра техн. наук, проф. Р. Р. Мавлютова (Уфа, 25-27 октября 2011). Уфа: УГАТУ, 2011. Т. 2. С. 245-246.

4. Разработка метода непрерывного контроля герметичности трубопровода. / А. Ф. Булатов // Актуальные проблемы в науке и технике: сб. тр. 7-й Всерос. зимн. шк.-сем. аспирантов и молодых ученых (Уфа, 14-16 февраля 2012). Уфа: УГАТУ, 2012. Т 1. Информатика, управление и компьютерные науки. С. 265-268.

5. Разработка способа расчёта местоположения утечки в магистрально трубопроводе на основе нейронных сетей / А.Ф. Булатов // Актуальные проблемы в науке и технике: сб. тр. 8-й Всерос. зимн. шк.-сем. аспирантов и молодых ученых (Уфа, 19-21 февраля 2013). Уфа: УГАТУ, 2013. Т. 1. Информатика, управление и компьютерные науки. С. 66-69

6. Нейросетевой метод расчёта местоположения утечки в магистральном трубопроводе / А. Г. Лютов, А. Ф. Булатов. // Материалы Всероссийской НПК АУТПП-2013 (Уфа, 14-15 мая 2013). Уфа: УГАТУ, 2013. С. 111-116.

7. Выбор оптимальной архитектуры нейронной сети для задач диагностики / А.Ф. Булатов // Наукоёмкие технологии в машиностроении: материалы Всероссийской НПК (Ишимбай, 17-18 мая 2013). Уфа: УГАТУ, 2013. С.32-33.

8. Контроль целостности магистрального трубопровода при нестационарных режимах / А.Ф. Булатов // Мавлютовские чтения: Всероссийская молодёжная научно-техническая конференция (Уфа, 22-24 октября 2013). Уфа: УГАТУ, 2013 Т. 2 С. 216-218.

9. Разработка алгоритма оптимизации расстановки датчиков давления на магистральном трубопроводе / А. Ф. Булатов // Актуальные проблемы в науке и технике: сб. тр. 9-й Всерос. зимн. шк.-сем. аспирантов и молодых ученых (Уфа, 25-27 февраля 2014). Уфа: УГАТУ, 2014. Т. 1. Информатика, управление и компьютерные науки.

Соискатель

А. Ф. Булатов

БУЛАТОВ Артур Фларитович

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОБНАРУЖЕНИЯ УТЕЧЕК ИЗ НЕФТЕПРОДУКТОПРОВОДОВ НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ

Специальность 05.13.06 «Автоматизация и управление технологическими процессами и производствами» (в промышленности)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Подписано в печать 23.01.2015. Формат 60x84 1/16 Бумага офсетная. Печать плоская. Гарнитура Times New Roman. Усл. печ. л. 1,0. Уч.-изд. л. 0,9. Тираж 100 экз. Заказ № 29.

ФГБОУ ВПО «Уфимский государственный авиационный технический универигтет» Центр оперативной полиграфии 450000, Уфа-центр, ул. К. Маркса, 12