автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Система автоматического управления сбором продукции газоконденсатного месторождения на этапе падающей добычи

На правах рукописи

ПОЛИЩУК Юрий Владимирович □ □30557'22

СИСТЕМА АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ СБОРОМ ПРОДУКЦИИ ГАЗОКОНДЕНСАТНОГО МЕСТОРОЖДЕНИЯ НА ЭТАПЕ ПАДАЮЩЕЙ ДОБЫЧИ

05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Оренбург-2007

003055722

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Оренбургский государственный уни-

верситет».

Научный руководитель доктор технических наук, профессор Пищухин Александр Михайлович

Официальные оппоненты: доктор технических наук, профессор

Лысов Владимир Ефимович;

кандидат технических наук, доцент Мухтаров Рашит Галиуллович

Ведущая организация: ООО «Комплексный научно-исследовательский

и внедренческий центр «Геоэкология» (г. Оренбург)

Защита состоится 15 февраля 2007 г. в 10.00 на заседании диссертационного совета Д 212.181.02 в ГОУ ВПО «Оренбургский государственный университет» по адресу: 460018, г. Оренбург, пр. Победы, 13, ауд. 6205.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Оренбургский государственный университет».

Автореферат разослан 14 января 2007 г.

Ученый секретарь диссертационного совета

В.И. Рассоха

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Интенсивное развитие газодобывающей промышленности требует повышения эффективности процессов добычи природного газа, увеличения отдачи газоносных пластов, совершенствования систем разработки и способов эксплуатации газовых и газоконденсатных месторождений.

Актуальность темы. Опыт газодобывающей промышленности показывает, что основной проблемой является увеличение объемов добычи и полноты извлечения газа из продуктивных пластов. Эксплуатация газоконденсатного месторождения на этапе падающей добычи, основанная на использовании коллекторно-лучевой системы сбора (КСС) продукции со скважин месторождения, должна проводиться в оптимальных условиях. Газоконденсатное месторождение представляет собой сложную систему, состоящую из большого числа устройств отбора газа (скважин), связанных трубопроводами в коллекторно-лучевые системы и взаимодействующих между собой и с продуктивным пластом. Как правило, это взаимодействие носит неопределенный характер.

Характерная особенность процесса разработки газоконденсатного месторождения — ограниченный объем сведений о свойствах системы. Это связано как с непрерывным изменением фонда действующих скважин, так и с ограниченностью имеющихся измерительных приборов и систем. В сочетании со сложностью объектов исследования (пластовая система, скважина) это затрудняет использование существующих методов моделирования.

Несмотря на то, что разработаны различные варианты оптимизации технологического процесса разработки газоносного пласта, разработка газоконденсатных месторождений ведется недостаточно эффективно. Это связано не только с многомерностью задачи и большим объемом исходных данных, но и с тем, что эти данные, как правило, являются неполными. Существующие методы и алгоритмы не в состоянии оптимизировать данные системы. При этом некорректно установленные режимы эксплуатации скважин приводят к неэффективной разработке месторождения, возникновению зон пониженного пластового давления, «задавливанию» скважин (снижению их дебита ниже рентабельного) и преждевременному возникновению необходимости ввода в действие дожим-ных компрессорных станций.

Особенностью проблемы является то, что, начиная с семидесятых годов прошлого столетия, работы по изучению газовой скважины как объекта автоматического регулирования и как объекта контроля практически прекратились. Была принята и официально закреплена Мингазпромом СССР в «Основных положениях по автоматизации процессов добычи газа» концепция, что скважина не является объектом автоматизации. Все это определяет актуальность задачи применения более эффективных подходов к оптимизации существующих систем сбора газа и разработки системы управления КСС.

Работа выполнена в рамках темы г/б НИР № 01890036607 «Синтез, реализация и исследование эффективности оптимальных технических и организационных систем» ГОУ ВПО «Оренбургский государственный университет».

Объект исследования - система сбора газа.

Предмет исследования - разработка системы управления на основе ими-

тационного и оптимизационного моделирования параметров КСС сбора газа.

Цель работы — увеличение объемов добычи газа и уменьшение затрат при разработке месторождения на основе оптимального управления.

Задачи исследования:

- сформировать функционально-структурное представление КСС;

- разработать методику интеллектуального анализа промысловой информации, позволяющую идентифицировать математическую модель движения газа в КСС и прогнозировать состояние КСС;

- исследовать свойства параметров КСС методом имитационного моделирования;

- произвести векторную оптимизацию КСС;

- разработать алгоритм управления КСС.

Методы исследования. Поставленные задачи решались с использованием методов системного анализа, математического моделирования, теории автоматического управления, методов векторной оптимизации, прикладных методик и моделей, используемых при расчете КСС.

Достоверность полученных результатов. Исследования проведены на базе фундаментальных закономерностей динамики газовых потоков. Статистическая обработка баз данных производилась стандартными программными средствами.

Научная новизна заключается в следующем:

- разработана модель краткосрочного прогнозирования эксплуатационных параметров скважин, КСС и групп КСС, подключенных к одной установке комплексной подготовки газа (УКПГ);

- проведена идентификация математической модели движения газа в КСС для условий Оренбургского газоконденсатного месторождения;

- применен метод векторной оптимизации КСС на дискретном множестве.

Практическая значимость:

- разработана база данных эксплуатационных параметров скважин, защищенная свидетельством РОСПАТЕНТА № 2006620003;

- разработан алгоритм управления дебитом системы КСС в условиях падающей добычи;

- разработано программное обеспечение для моделирования и оптимизации КСС, защищенное свидетельством РОСПАТЕНТА № 2006610001.

Положения, выносимые на защиту:

- функционально-структурное представление КСС;

- свойства базовых кривых эксплуатационных параметров скважин и фильтрационных коэффициентов призабойной зоны;

- свойства КСС, характеризующие движение газа;

- комплекс параметров эффекта для проведения оптимизации КСС;

- структура подсистемы управления КСС, интегрированной в систему управления УКПГ.

Реализация результатов работы. Результаты работы в 2006 году переданы для использования в Газопромысловое Управление ООО «Оренбурггазпром».

Результаты исследований послужили основой создания учебно-методических материалов по интеллектуальному анализу данных, используемых в учебном процессе ГОУ ВПО «Оренбургский государственный университет» при подготовке студентов специальности 080801 - прикладная информатика.

Апробация работы. Основные положения и результаты работы докладывались и были одобрены на международной научно-технической конференции «Проблемы автоматизации и управления в технических системах» (Пенза, 2004) и всероссийских научно-практических конференциях «Современные информационные технологии в науке, образовании и практике» (Оренбург, 2004,2005,2006).

Публикации. Основное содержание диссертации изложено в 10 публикациях, получены 2 свидетельства о регистрации программных средств.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав, заключения, списка использованных источников (173 наименования) и приложений. Диссертация изложена на 166 страницах, содержит 36 рисунков и 14 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Введение посвящено обоснованию актуальности темы и краткому изложению положений, которые выносятся на защиту.

В первой главе рассмотрены методы и средства интеллектуальной обработки информации, в том числе методом, обозначаемым в зарубежной литературе термином Data mining. Приведена классификация методов интеллектуального анализа данных. Дан обзор предметно-ориентированной методологии, статистических методов, нейронных сетей, систем рассуждений на основе аналогичных случаев, деревьев решений, генетических алгоритмов, алгоритмов ограниченного перебора, методов векторной (многокритериальной) оптимизации, метода рабочих характеристик, весового метода, метода последовательного сужения множества Парето по материалам работ G. Piatetsky-Shapiro, U. Fayyad, В. Дюка, А. Самой-ленко, В.А. Филиппова, Т.А. Дуброва, В.В. Кругова, Т.Р. Брахмана, П.С. Красно-щекова, В.Д. Ногина, В.Г. Гмошинского и других авторов, посвященных различным аспектам рассматриваемой проблемы.

Проанализировано современное состояние хранилищ информации. Рассмотрена концепция хранилищ данных и их использование в системе поддержки принятия решений. Рассмотренная концепции использования хранилищ данных в аналитических системах базируется на работах В. Inmon, С. Я. Архи-пенкова, Э. Спирли, Г. Гарсиа-Молина и других авторов.

В соответствии со сформулированной целью исследования на основании проведенного обзора современного состояния методов и средств анализа баз данных определены задачи исследования.

Во второй главе рассмотрена методика формирования объектов с использованием методов векторной оптимизации.

Дано математическое описание процесса получения продукции с применением КСС.

Рассмотрим подробнее КСС совместно с насосно-компрессорными трубами (НКТ) и контурами влияния.

На рисунке 1 изображена схема наиболее распространенной КСС, которая обеспечивает сбор продукции с трех скважин.

пшт

Продукция поступает к забою скважины из пласта. В пласте продукция находится под пластовым давлением рпл. При движении к забою скважины происходит снижение давления до значения р3ц. Таким образом, в границах контура влияния скважины образуется депрессионная воронка, изображенная на рисунке конусом. Далее продукция попадает в НКТ, по которым происходит подъем от забоя скважины до КСС. На входе в КСС давление снижается до значения устьевого ру. Здесь установлена задвижка с местным сопротивлением Др3д. При перемещении продукции по КСС падение давления в шлейфах происходит таким образом, что в тройниках давление по двум направлениям выравнивается. При дальнейшем движении по шлейфу падение давления происходит так, чтобы продукция на вход в блок входных ниток (БВН) попадала с давлением, заданным технологическим режимом.

Границы рассматриваемой системы определены заранее заданными статическими давлениями газа. Пластовое давление рП1 определено геологией

продуктивного пласта, а давление на блоке входных нитей р , - технологией//

ческим режимом эксплуатации месторождения. Таким образом, внутренней характеристикой рассматриваемой системы, схема которой представлена на рисунке 2, является давление газа.

Определив давление газа на границах участков КСС, можно полностью определить все параметры данной системы. Основными элементами системы являются, кроме пласта и БВН, забои скважин, насосно-компрессорные трубы, соединительные трубопроводы (нитки) и тройники. Пласт, забой скважины, БВН и тройники характеризуются величиной статических давлений, а трубопроводы, насосно-компрессорные трубы - падениями статических давлений

между границами участков, которые определены постоянными значениями множества конструктивно-технологических параметров К.

Блок входных ннтгй

Рбм.

Вкшм нить Входная нить Входная нить

ЛРиодкиЙ МШ* ДРиодной нити APixoiMud нкщ

| Kl | ГкЛ ГкЛ

ГкЛ ... ГкЛ ... ГкГ|

СЮ СЮ СЮ

Тройник

Ртройнмп

Тройник Р тройниИ Тройник РтрийНИМ

1 1 1

Трубопровод № 1 гкл ГкЛ СЮ Трубопровод № 2 гкп ГкЛ [¿3 • • • Тр)*»опровод ift п-1 ГкЛ ГкЛ СЮ Трубопровод № п ГкП ГкЛ СЮ

Управление КСС

Задвижка ^задвижки Задвижка ^задвижки Задвижка ^задвижки Задвижка ^^за движки

-1- -1- -1- -1-

HKTJfi 1 ГкЛ ГкГ| СЮ НКТЛ"! 2 ГкЛ ГкЛ СЮ • • • НКТ№ п-1 (ЗрП ГкЛ [Ю НКТ№ п сю

1 1 1 1

Забой скважины >! 1 Рнбиймце № 1 Забой скважины X? 2 Рмбойнос S? 2 Забой скважины Л* п-1 Р].Сюйн.«>«П-| Забой скважины № п Рмбойнос № п

Гаюносный пласт

Рисунок 2 - Структурная схема КСС

Потери статического давления при движении потока от газоносного пласта до БВН описываются известными зависимостями и складываются из трех составляющих: потерь в призабойной зоне скважин; потерь на подъем газа на поверхность и трение о стенки ствола; потерь давления при движении по трубопроводам. Потери статического давления в призабойной зоне описываются уравнением притока

где Q — дебит скважины; А, В — фильтрационные коэффициенты.

При движении газа в пласте с невысокими скоростями В можно принять равным нулю.

Потери статического давления, затрачиваемые на подъем газа на поверхность и трение о стенки ствола, описываются формулой

¡Рзб-вЯ2

Ру \ ехр(2*) '

(2)

где

0 =

о,отхг2т^р(еъ -I)

(3)

£)фт — внутренний диаметр фонтанных труб, м; Я — коэффициент гидродинамического сопротивления; Z - коэффициент сжимаемости газа; Тср — средняя

температура в скважине, °К.

Коэффициент гидродинамического сопротивления х определяется по результатам фактических измерений давлений на забое и устье скважины в процессе исследований

0,03415рНс -у г ' <4>

^ср'ср

5 = -

где р — относительная плотность газа (определяется экспериментально); Нс — глубина скважины, м; 2ср — коэффициент сжимаемости газа при средних давлении и температуре.

7 =

**ср

0,41ё

гт \

ср

Т

1 кр \ н /

+ 0,73

у ' /

+ 0,1^ Р

1 кр

где Ткр — критическая температура газа, °К,

Ткр =94,717 + 170,8р;

Рср=Т

Рпл +

Ру

(.Ру + Рпл)

(5)

(6) (7)

ркр — критическое давление, бар,

Ркр =4,892-0,4048р.

(8)

Потери статического давления, затрачиваемые при движении газа по трубопроводу, описываются уравнением:

где рн - давление в начале участка трубопровода; рк - давление в конце участка трубопровода; Тг — средняя по участку газопровода температура газа; Ь — длина участка; О— диаметр участка; Е— поправочный коэффициент, учитывающий влияние жидкости на снижение пропускной способности (при отсутствии жидкости £=1); к — размерный коэффициент (зависит от входящих в него параметров и размерностей единиц); Я- коэффициент гидродинамического сопротивления.

Приняв предложенную В.Г. Гмошинским для метода инженерного прогнозирования нормирующую функцию весомостей характеристик технического объекта, используем пять параметров эффекта, что обеспечит требуемую точность. Оптимизацию системы будем проводить по следующим пяти параметрам эффекта.

В качестве первого параметра эффекта принят коэффициент эффективности КСС, который имеет вид

где Ц— соответственно изменение статического давления, массовый

расход и длина /-го участка; — соответственно забойное и

устьевое давления, массовый расход и длина ствола 7-ой скважины.

Коэффициент эффективности представляет собой свертку средних геометрических значений величины градиента давления, приведенного к массовому расходу смеси. Этот параметр позволяет оценить эффективность расходования энергии пласта на перемещение смеси по трубам КСС. С точки зрения сохранения энергии пласта этот параметр должен быть минимизирован.

Вторым параметром эффекта был выбран дебит КСС как сумма дебитов

экономический параметр КСС. Он должен быть максимальным.

Остальные параметры вводятся как ограничения.

В качестве параметра, обеспечивающего работоспособность скважины, принята депрессия по каждой из скважин, которая не должна превышать заданного значения, определенного технологическим режимом. Дебит каждой из скважин должен превышать минимальный рентабельный дебит для данного месторождения.

В качестве параметра, характеризующего работоспособность КСС, выбрано давление на БВН. Его величина не может быть ниже значения, требуемого технологическим режимом.

,/=!,...,/я,/ = !,...,л, (Ю)

п

с^ входящих в него скважин Q= ^ . Дебит выбран как основной технико-

7=1

В третьей главе описаны средства моделирования КСС и обработки данных информационной системы КСС.

Программа моделирования однофазных потоков в системе газоносный пласт - блок входных ниток (свидетельство РОСПАТЕНТА № 2006610001) создана на основе алгоритма, составленного по математической модели, описанной во второй главе. Она позволяет проводить математическое моделирование процесса сбора продукции с газовых скважин, подключенных к единому трубопроводу, с учетом конструктивных особенностей подключения скважин к трубопроводу и конструкции скважин. При этом определяются дебиты каждой скважины и давление во всех ключевых узлах КСС, которое является внутренней характеристикой системы данного технологического объекта, что дает возможность сформировать комплекс параметров эффекта процесса добычи газа.

В процессе эксплуатации Оренбургского газоконденсатного месторождения (ОГКМ) с 1974 года производился сбор информации по необходимым эксплуатационным параметрам скважин: дебитам, значениям пластовых, забойных и устьевых давлений и другим параметрам. Из накопленных данных была сформирована база данных (БД), хранящая динамику изменений эксплуатационных параметров скважин месторождения. В БД хранится информация более, чем по 850 газовым скважинам. Ее можно рассматривать как табличное представление функции состояния скважин месторождения.

Структура БД была спроектирована на основании требований математической модели КСС из хранилища данных истории эксплуатации ОГКМ и использована для хранения эксплуатационных параметров скважин. По каждой из залежей в хранилище данных поступает информация из пяти отчетов: геолого-технического отчета, технологического режима, паспортов скважин, журналов исследования скважин, фонда скважин. БД, хранящая состояние эксплуатационных параметров скважин, защищена свидетельством РОСПАТЕНТА №2006620003.

В главе рассмотрена методика обработки информации БД, основанная на методе базовых кривых.

В четвертой главе приведены результаты математического моделирова-

на основании анализа функций предложена зависимость кривой падения основных эксплуатационных показателей

где и' - рассматриваемый параметр; м'0 - смещение базовой кривой; Т - количество отработанных дней с начала эксплуатации; #2 — коэффициенты.

Неизвестные коэффициенты В1 находятся методом наименьших квадратов на всем интервале аппроксимации для функции (11) по условию

ния КСС.

(П)

где Тн - дата начала интервала аппроксимации; Тк - дата конца интервала аппроксимации, п* - фактическое значение параметра.

После нахождения 5, выбирается в качестве аппроксимирующей та функция, для которой (12) дает наименьшее значение.

Функцию (11) можно использовать для описания кривых падения дебита, пластового, забойного и устьевого давлений.

На рисунке 3 изображен график падения дебита характерной скважины № 1003 УКПГ № 1 ОГКМ.

.....г'

. I :

.и

ГО

л

о

*4

Н ?л

н о

ло

Н

О

! ^

Время эксплуатации, мес Рисунок 3 - График падения дебита скважины № 1003

Из графика видно, что кривая падения может быть достаточно точно описана функцией (11) с параметрами 5] = 231,7 ст.тыс.м3/сутки и В^=2,11 -10 ^

сут."' с относительной погрешностью а =1,2 % и коэффициентом достоверности аппроксимации Я2 = 0,92. Экстраполяция показала, что в следующем году скважина будет работать со средним дебитом - 229,9 ст.тыс.м3/сут.

Верификация модели, проведенная по 19 предыдущим годам эксплуатации скважины, показала, что метод имеет среднюю относительную погрешность 4,1 %.

Кроме того, была построена аппроксимирующая кривая падения дебита для УКПГ Л« 1 ОГКМ. Экстраполяция показала, что в следующем году УКПГ Л'» 1 будет работать со средним дебитом ц =120,8 ст.тыс.м7сут.

Верификация модели, проведенная по 24 предыдущим годам эксплуатации скважин УКПГ № 1, показала, что метод имеет среднюю относительную погрешность 3,8 %.

Подключение УКПГ к дожимной компрессорной станции (ДКС) позволяет постепенно снизить до определенного значения давление на БВН.

В процессе этого снижения средний дебит газа удерживается на одном уровне за счет увеличения депрессии на пласт.

На рисунке 4 изображен график падения дебита для УКПГ № 2 ОГКМ, на котором проявляется эффект от подключения к ДКС.

•1

V ¿4

I Ш11111» Т11Г.К 11

ПО' Т ПП_1>- 1Кг>»)11!И к Д1\Х'

Время чксилуатлши. мес. Рисунок 4 - График падения дебита газа для УКПГ № 2

Вертикальными линиями на графике выделены два интервала, один из которых предшествует подключению к ДКС, а другой содержит участок экспоненты, примыкающий к области, вызванной возмущением, обусловленным подключением к ДКС. Каждый выделенный интервал соответствует временному отрезку в 24 месяца.

УКПГ № 2 введено в эксплуатацию в январе 1974 года. Подключение к ДКС № 2 проходило в два этапа. Первая часть скважин была подключена к ДКС в ноябре 1988 года, оставшиеся скважины были подключены в октябре 1989 года. По состоянию на декабрь 2004 года на УКПГ № 2 дают продукцию 9,2 % скважин от всего фонда работающих скважин.

Изложена методика определения фильтрационного коэффициента А на основании данных эксплуатации скважины и метода базовых кривых.

Изменение фильтрационного коэффициента А описывается формулой

А = А1Т2 + А2Т2+А3Т + А4, (13)

где А\,А2,А3,Ац— коэффициенты; Т— количество отработанных дней с начала эксплуатации.

Проведено имитационное моделирование, результаты которого позволяют судить о необходимости оптимизации работы КСС и выбирать условия для проведения оптимизации базового шлейфа.

Оптимизацию системы проведем по параметрам эффекта, выбранным во второй главе.

Ограничения параметров эффекта приведены в таблице 1.

Таблица 1 - Условия проведения векторной оптимизации КСС

Наименование параметра Ед. измерения Ограничения

Депрессия бар 50

Дебит скважины кг/с 0,048

Давление на БВН бар 26

Рассмотрим вариант оптимизации базовой КСС (рисунок 5).

В схеме базовой КСС скважины 2, 4, 5 обладают следующими характеристиками: глубина скважины 1800 метров, внутренний диаметр НКТ 0,1 метра, пластовое давление скважин 2, 4, 5 составило 80, 61, 100 бар соответственно, скважины обладают одинаковыми фильтрационными характеристиками - коэффициентом А = 50 бар2сут./ст.тыс.м3 и коэффициентом В-0.

Была проведена оптимизация базовой КСС изменением положения задвижки, установленной на устье скважины 5. Результаты приведены в таблице 2.

Таблица 2 - Результаты оптимизации базовой КСС

Наименование параметра Ед. измерения Значение параметра

исходное оптимальное

Давление на БВН бар 26 26

Дебит скважины 2 кг/с 2,36 2,31

Дебит скважины 4 кг/с 0 0,43

Дебит скважины 5 кг/с 3,37 3,27

Депрессия скважины 2 бар 21,8 20,7

Депрессия скважины 4 бар 0 0,5

Депрессия скважины 5 бар 35,43 32,93

Дебит КСС кг/с 5,73 6,01

Коэффициент эффективности КСС барс/мкг - 7,84-10'8

Оптимизация показывает, что на основе принятых параметров эффекта можно осуществить параметрический синтез КСС, удовлетворяющий предъявляемым технологическим требованиям.

Результатом параметрического синтеза является увеличение дебита КСС и восстановление работоспособности «задавленных» скважин.

На рисунке 6 представлена укрупненная схема алгоритма управляющего воздействия на дебит КСС.

Рисунок 6 - Укрупненный алгоритм управления дебитом КСС в условиях падающей добычи

Проведенный анализ показывает, что предлагаемую программу целесообразно использовать в качестве ядра системы управления сбором газа.

В пятой главе предложена импульсная система автоматизированного управления (САУ) КСС с амплитудно-импульсной модуляцией.

Произведена оценка колебательных процессов в газового столбе, позволяющая сделать вывод о том, что предложенная импульсная САУ КСС эквивалентна системе непрерывного действия.

Структурная схема скважины как объекта автоматического регулирования с учетом динамики пласта представлена на рисунке 7, где обозначено: Рс -давление газа в любой точке вертикального трубопровода скважины; qc - расход газа в любой точке вертикального трубопровода скважины; Wq - передаточная функция газового пласта; Щ - передаточная функция, описывающая динамику давления на устье скважины при изменении давления на забое и не-

изменном расходе газа на устье; - передаточная функция, характеризующая динамику давления на устье скважины при изменении расхода газа на устье при

РЛ(0.5)=Р(0.5) Ч„л(0.5

Рисунок 7 — Схема динамической модели газовой скважины

неизменном давлении на забое; Щ - передаточная функция, описывающая динамику расхода газа на забое скважины при изменении давления на забое и неизменном расходе газа на устье; - передаточная функция, характеризующая динамику расхода газа на забое скважины при изменении расхода на устье и неизменном давлении на забое; .г - оператор Лапласа. Цифра 0 относится к забою скважины, цифра 1 - к устью скважины.

Из анализа схемы можно сделать заключение, что инерционностью элементов динамической модели газовой скважины можно пренебречь, за исключением газового пласта.

При использовании импульсной САУ достаточно знать время восстановления забойного давления при полной остановке скважины, а минимальное время между воздействиями на скважину принять равным двойному времени восстановления забойного давления.

Период восстановления забойного давления определяется экспериментальным путем во время исследования скважин и является одинаковым для различных участков месторождения.

Приводится пример интеграции КСС в принципиально-технологическую схему СУ УКПГ и требования к САУ КСС.

Базовая САУ сбором газа при использовании КСС представлена на рисунке 8. На устье скважин размещаются регуляторы потока газа каждой скважины и датчик температуры. На БВН расположены расходомер, датчики давления и температуры. Они подключены к контроллеру управления скважинами. С контроллера информация передается на сервер обработки информации через аппаратуру приема-передачи. Там происходит обработка информации и фор-

мирование управляющих воздействий на КСС. После обработки информация о работе скважин и КСС в целом поступает в хранилище данных.

Куст скважин №1

от скв №1

от скв №Ь

Куст скважин

от скв №М

]

от скв Л^'Ы,

- регулятор расхода газа датчик давления газа

АГТПД

Ё1

АППД

•И

АППД

хд

САУ КСС

датчик температуры газа

- контроллер управления скважинами

- аппаратура приема передачи данных

Рисунок 8 - Базовая САУ сбором газа при использовании КСС

Рассчитанные показатели экономической эффективности свидетельствуют о том, что вложение денежных средств в АСУ КСС является экономически целесообразным.

ОБЩИЕ ВЫВОДЫ ПО РАБОТЕ

1. КСС описывается математической моделью движения потоков газа в границах от газоносного пласта до блока входных нитей.

2. Для идентификации системы КСС достаточно БД эксплуатационных параметров скважин, защищенной свидетельством РОСПАТЕНТА № 2006620003 и программного средства «Программа моделирования однофазных потоков в системе газоносный пласт - блок входных ниток», защищенного свидетельством РОСПАТЕНТА № 2006610001.

3. На этапе падающей добычи в условиях Оренбургского газоконденсат-ного месторождения кривые падения дебита газа, пластового, забойного, устьевого давлений описываются абонированным уравнением вида (11). При этом движение газа в призабойной зоне описывается фильтрационным коэффициентом, изменение которого в процессе эксплуатации определено уравнением (13).

4. Установлено, что наибольшее влияние на дебит газа КСС оказывают проходные диаметры трубопровода и место в системе скважины, обладающей наибольшей гидравлической мощностью. Повышение дебита КСС и увеличение давления на БВН конструктивно достигается увеличением проходного диаметра участка трубопровода, примыкающего к БВН.

5. Обеспечение максимального дебита КСС осуществляется регулированием положения задвижек на устьях скважин по разработанному алгоритму, который предотвращает «задавливание» скважин с малой гидравлической мощностью.

6. Оптимизация КСС обеспечивается удовлетворением требованиям комплекса параметров эффекта, заключающимся в выполнении ограничений по допустимой депрессии и минимальному рентабельному дебиту скважины, а также давлению газа на БВН при максимальном дебите газа и минимальном коэффициенте эффективности, который характеризует расходование энергии пласта на перемещение смеси по трубам КСС.

7. Предложенный алгоритм управления, основанный на регулировании гидравлических мощностей потоков газа, следует реализовать в подсистеме управления КСС, интегрированной в САУ УКПГ. Экономические расчеты подтвердили целесообразность его внедрения.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО МАТЕРИАЛАМ ДИССЕРТАЦИИ

1. Полищук, Ю.В. Проблемы перевода баз данных промышленных объектов на технологию клиент-сервер : труды международной научно-технической конференции «Проблемы автоматизации и управления в технических системах» / Ю. В. Полищук // Под ред. д.т.н., профессора М.А. Щербакова.-Пенза: ПГУ, 2004.-С. 189-191.

2. Полищук, Ю.В. Обработка информации в хранилищах данных по эксплуатации технических объектов : материалы всерос. науч.-практ. конф. (с ме-ждунар. участием) «Современные информационные технологии в науке, обра-

зовании и практике» / Ю.В. Полищук // Оренбург, гос. ун-т. - Оренбург : ОГУ, 2004.-С. 352-354.

3. Полищук, Ю.В. Формирование объектов с использованием методов векторной оптимизации / Ю.В. Полищук // Вестник Оренбургского государственного университета. - 2004. - № 12. - С. 142-146.

4. Полищук, Ю.В. Определение фильтрационных коэффициентов скважин по данным динамики добычи газоконденсатного месторождения / Ю.В. Полищук // Перспектива : сб. ст. молодых ученых ; Оренбург, гос. ун-т. -Оренбург : ОГУ, 2005. - № 5. - С. 264-270.

5. Полищук, Ю.В. Математическая модель добычи газа кустом скважин / Ю.В. Полищук // Перспектива : сб. ст. молодых ученых ; Оренбург, гос. ун-т. -Оренбург : ОГУ, 2005. - № 7. - С. 247-253.

6. Полищук, Ю.В. Исследование кривой падения дебита в условиях ОНГКМ / Ю.В. Полищук // Защита окружающей среды в нефтегазовом комплексе. - 2005. - № 8. - С. 67-70.

7. Полищук, Ю.В. Математическое моделирование шлейфов газового месторождения : материалы всерос. науч.-практ. конф. (с междунар. участием) «Современные информационные технологии в науке, образовании и практике» / Ю.В. Полищук // Оренбург, гос. ун-т. - Оренбург : ОГУ, 2005. - С. 69-72.

8. Свид. 2006610001 Российская Федерация. Программа моделирования однофазных потоков в системе газоносный пласт - блок входных ниток / Полищук Ю.В. (Россия) ; заявитель и патентообладатель Оренбург, гос. ун-т. -№ 2005612616 ; заявл. 13.10.05 ; опубл. 10.01.06, Бюл. №2.-4 с.

9. Свид. 2006610003 Российская Федерация. База данных, хранящая состояние эксплуатационных параметров скважин / Полищук Ю.В. (Россия) ; заявитель и патентообладатель Оренбург, гос. ун-т. - № 20055620247 ; заявл. 13.10.05 ; опубл. 10.01.06, Бюл. №2.-4 с.

10. Полищук, Ю. В. Векторная оптимизация коллекторно-лучевого комплекса сбора газа на этапе падающей добычи / Ю.В. Полищук // Вестник Оренбургского государственного университета. - 2006. - № 6. - Том 2. - С. 168-170.

11. Полищук, Ю.В. Имитационное моделирование коллекторно-лучевого комплекса сбора газа на этапе падающей добычи / Ю.В. Полищук // Защита окружающей среды в нефтегазовом комплексе. - 2006. - № 7. - С. 75-78.

12. Полищук, Ю. В. Оценка импульсно-амплитудной характеристики кол-лекторно-лучевой системы сбора продукции газоконденсатного месторождения : материалы всерос. науч.-практ. конф. (с междунар. участием) «Современные информационные технологии в науке, образовании и практике» / А. М. Пищухин, Ю.В. Полищук // Оренбург, гос. ун-т. - Оренбург : ОГУ, 2006. - С. 154-155.

Отпечатано в типографии «Экспресс-печать» 12.01.2006 г Свидетельство ЮО 17472 Г.Р.Н 304561003400204 Формат 60x84. Усл. печ. л. 1,25 Тираж 120 экз. зак. 2 г. Оренбург, ул. Пролетарская 33.

1 СОВРЕМЕННОЕ СОСТОЯНИЕ МЕТОДОВ И СРЕДСТВ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ЭКСПЛУАТАЦИОННЫХ ПОКАЗАТЕЛЕЙ ГАЗОКОНДЕНСАТНОГО МЕСТОРОЖДЕНИЯ.

1.1 Общие представления об интеллектуальном анализе данных.

1.2 Математические методы и алгоритмы интеллектуального анализа данных.

1.3 Современное состояние хранилищ информации.

1.4 Общие сведения о технологическом процессе разработки. газоносного пласта.

1.5 Задачи исследования.

2 ПОСТРОЕНИЕ МОДЕЛИ СБОРА ГАЗА НА ГАЗОКОНДЕНСАТНОМ МЕСТОРОЖДЕНИИ.

2.1 Формирование технологических объектов с использованием методов векторной оптимизации.

2.2 Модель коллекторно-лучевой системы сбора газа.

2.3 Определение внутренней характеристики системы.

2.4 Решение задач прогноза функционирования системы.

2.5 Формирование комплекса параметров эффекта для векторной оптимизации.

2.6 Выводы по главе.

3 РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ И МЕТОДИК ОБРАБОТКИ ИНФОРМАЦИИ.

3.1 Проектирование информационного обеспечения системы КСС.

3.2 Выбор методов системных исследований для оптимизации технологических объектов.

3.3 Разработка программного обеспечения.

3.4 Описание структуры базы данных.

3.5 Методика обработки информации базы данных.

3.6 Выводы по главе.

4 РЕЗУЛЬТАТЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ КСС.

4.1 Построение базовых кривых.

4.2 Определение фильтрационных коэффициентов.

4.3 Имитационное моделирование КСС.

4.4 Оптимизационное моделирование КСС.

4.5 Выводы по главе.

5 РАЗРАБОТКА СИСТЕМЫ УПРАВЛЕНИЯ КСС.

5.1 Оценка свойств автоматической системы управления КСС.

5.2 Экономическое обоснование разработки.

5.3 Выводы по главе.

Интенсивное развитие газодобывающей промышленности требует повышения эффективности процессов добычи природного газа, увеличения отдачи газоносных пластов, совершенствования систем разработки и способов эксплуатации газовых и газоконденсатных месторождений.

Актуальность работы. Опыт газодобывающей промышленности показывает, что основной проблемой является увеличение объемов добычи и полноты извлечения газа из продуктивных пластов. Эксплуатация газокон-денсатного месторождения на этапе падающей добычи, основанная на использовании коллекторно-лучевой системы сбора продукции со скважин месторождения (КСС), должна проводиться в оптимальных условиях.

Газоконденсатное месторождение представляет собой сложную систему, состоящую из большого числа устройств отбора газа: скважин, связанных трубопроводами в коллекторно-лучевые системы и взаимодействующих между собой и с продуктивным пластом. Как правило, это взаимодействие носит неопределенный характер.

Характерная особенность процесса разработки газоконденсатного месторождения - ограниченный объем сведений о свойствах системы. Это связано как с непрерывным изменением фонда действующих скважин, так и с ограниченностью имеющихся измерительных приборов и систем. В сочетании со сложностью объектов исследования (пластовая система, скважина и т. п.) это затрудняет использование существующих методов моделирования.

Несмотря на то, что разработаны различные варианты оптимизации технологического процесса разработки газоносного пласта, разработка газоконденсатных месторождений ведется недостаточно эффективно. Это связано не только с многомерностью задачи и большим объемом исходных данных, но и с тем, что эти данные, как правило, являются неполными. Существующие методы и алгоритмы не в состоянии оптимизировать данные системы. При этом некорректно установленные режимы эксплуатации скважин приводят к неэффективной разработке месторождения, возникновению зон пониженного пластового давления, «задавливанию» скважин (снижению их дебита ниже рентабельного) и преждевременному возникновению необходимости ввода в действие дожимных компрессорных станций (ДКС).

Особенностью проблемы является то, что начиная с семидесятых годов прошлого столетия, работы по изучению газовой скважины как объекта автоматического регулирования и как объекта контроля практически прекратились. Была принята и официально закреплена в «Основных положениях по автоматизации процессов добычи газа» концепция, что скважина не является объектом автоматизации.

Все это определяет актуальность задачи применения более эффективных подходов к оптимизации существующих систем сбора газа и разработки системы управления КСС.

Работа выполнена в рамках темы г/б НИР № 01890036607 «Синтез, реализация и исследование эффективности оптимальных технических и организационных систем» ГОУ ВПО «Оренбургский государственный университет».

Объект исследования - система сбора газа.

Предмет исследования - разработка системы управления на основе имитационного и оптимизационного моделирования параметров КСС сбора газа.

Цель работы - увеличение объемов добычи газа и уменьшение затрат при разработке месторождения на основе оптимального управления.

Задачи исследования:

- сформировать функционально-структурное представление КСС;

- разработать методику интеллектуального анализа промысловой информации, позволяющую идентифицировать математическую модель движения газа в КСС и прогнозировать состояние КСС;

- исследовать свойства параметров КСС методом имитационного моделирования;

- произвести векторную оптимизацию КСС;

- разработать алгоритм управления КСС.

Методы исследования. Поставленные задачи решались с использованием методов системного анализа, математического моделирования, теории автоматического управления, методов векторной оптимизации, прикладных методик и моделей, используемых при расчете КСС.

Достоверность полученных результатов. Исследования проведены на базе фундаментальных закономерностей динамики газовых потоков. Статистическая обработка баз данных производилась стандартными программными средствами.

Научная новизна заключается в следующем:

- разработана модель краткосрочного прогнозирования эксплуатационных параметров скважин, КСС и групп КСС, подключенных к одной установке комплексной подготовки газа (УКПГ);

- проведена идентификация математической модели движения газа в КСС для условий Оренбургского газоконденсатного месторождения;

- применен метод векторной оптимизации КСС на дискретном множестве.

Практическая значимость:

- разработана база данных, эксплуатационных параметров скважин, защищенная свидетельством РОСПАТЕНТА № 2006620003;

- разработан алгоритм управления дебитом системы КСС в условиях падающей добычи;

- разработано программное обеспечение для моделирования и оптимизации КСС, защищенное свидетельством РОСПАТЕНТА № 2006610001.

Положения, выносимые на защиту:

- функционально-структурное представление КСС;

- свойства базовых кривых эксплуатационных параметров скважин и фильтрационных коэффициентов призабойной зоны;

- свойства КСС, характеризующие движение газа;

- комплекс параметров эффекта для проведения оптимизации КСС;

- структура подсистемы управления КСС, интегрированной в систему управления УКПГ.

Реализация результатов работы.

Результаты работы в 2006 году переданы для использования в Газопромысловое Управление ООО «Оренбурггазпром». Результаты исследований послужили основой создания учебно-методических материалов по интеллектуальному анализу данных, используемых в учебном процессе ГОУ ВПО «Оренбургский государственный университет» при подготовке студентов специальности 080801 по дисциплине «Предметно-ориентированные информационные системы».

Апробация работы.

Основные положения и результаты работы докладывались и были одобрены международной научно-технической конференции «Проблемы автоматизации и управления в технических системах» (Пенза, 2004), и всероссийских научно-практических конференциях «Современные информационные технологии в науке, образовании и практике» (Оренбург, 2004, 2005,2006).

Публикации.

Основное содержание диссертации изложено в 10 публикациях, получены 2 свидетельства о регистрации программных средств.

Структура и объем диссертации.

Диссертация состоит из введения, пяти глав, заключения, списка использованных источников (173 наименования) и приложений. Диссертация изложена на 166 страницах, содержит 36 рисунков и 14 таблиц.

ОБЩИЕ ВЫВОДЫ ПО РАБОТЕ

1. КСС описывается математической моделью движения потоков газа в границах от газоносного пласта до блока входных нитей.

2. Для идентификации системы КСС достаточно БД эксплуатационных параметров скважин, защищенной свидетельством РОСПАТЕНТА № 2006620003 и программного средства «Программа моделирования однофазных потоков в системе газоносный пласт - блок входных ниток», защищенного свидетельством РОСПАТЕНТА № 2006610001.

3. На этапе падающей добычи в условиях Оренбургского газоконден-сатного месторождения кривые падения дебита газа, пластового, забойного, устьевого давлений описываются абонированным уравнением вида (3.1). При этом движение газа в призабойной зоне описывается фильтрационным коэффициентом, изменение которого в процессе эксплуатации определено уравнением (3.5).

4. Установлено, что наибольшее влияние на дебит газа КСС оказывают проходные диаметры трубопровода и место в системе скважины, обладающей наибольшей гидравлической мощностью. Повышение дебита КСС и увеличение давления на БВН конструктивно достигается увеличением проходного диаметра участка трубопровода, примыкающего к БВН.

5. Обеспечение максимального дебита КСС осуществляется регулированием положения задвижек на устьях скважин по разработанному алгоритму, который предотвращает «задавливание» скважин с малой гидравлической мощностью.

6. Оптимизация КСС обеспечивается удовлетворением требованиям комплекса параметров эффекта, заключающимся в выполнении ограничений по допустимой депрессии и минимальному рентабельному дебиту скважины, а также давлению газа на БВН при максимальном дебите газа и минимальном коэффициенте эффективности, который характеризует расходование энергии пласта на перемещение смеси по трубам КСС.

7. Предложенный алгоритм управления, основанный на регулировании гидравлических мощностей потоков газа, следует реализовать в подсистеме управления КСС, интегрированной в САУ УКПГ. Экономические расчеты подтвердили целесообразность его внедрения.

1. Дкж, В. Data mining : учеб. курс / В. Дюк, А. Самойленко. -СПб. : Питер, 2001.-386 с.

2. Филиппов, В. А. Интеллектуальный анализ данных: методы и средства / В. А. Филиппов. М. : Эдиториал УРСС, 2001. - 52 с.

3. Базы данных. Интеллектуальная обработка информации / В. В. Корнеев и др.. М. : Молгачева С. В. : Нолидж, 2001. - 496 с.

4. Забежайло, М. И. Интеллектуальный анализ данных новое направление развития информационных технологий / М. И. Забежайло // НТИ. Сер. 2 : Информационные процессы и системы. - 1998. - № 5. - С. 6.

5. Загоруйко, Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. Новосибирск : Изд-во Ин-та математики СО РАН, 1999. -268 с.

6. Методы и модели анализа данных: OLAP и Data Mining / А. А. Барсегян и др.. СПб. : БХВ-Петербург, 2004. - 336 с.

7. Дуброва, Т. А. Статистические методы прогнозирования / Т. А. Дуброва. -М. : Юнити-Дана, 2003. 208 с.

8. Дубров, А. М. Многомерные статистические методы / А. М. Дубров, В. С. Мхитарян, JI. И. Трошин. М. : Финансы и статистика, 1998. -352 с.

9. Кругов, В. В. Искусственные нейронные сети. Теория и практика /В. В. Кругов, В. В. Борисов. М. : Горячая линия : Телеком, 2001. - 247 с.

10. Кругов, В. В. Нечеткая логика и искусственные нейронные сети / В. В. Кругов, М. И. Дли, Р. Ю. Годунов. М. : Физматлит, 2001. - 156 с.

11. Осовский, С. Нейронные сети для обработки информации / С. Осовский. М. : Финансы и статистика, 2002. - 240 с.

12. Медведев, В. С. Нейронные сети. MATLAB 6. / В. С. Медведев, В. Г. Потемкин. М. : Диалог-МИФИ, 2000. - 294 с.

13. Круглов, В. В. Гибридные нейронные сети / В. В. Круглов, В. В. Борисов. Смоленск : Русич, 2001. - 228 с.

14. Дунин-Баковский, В. Л. Информационные процессы в нейронных структурах / В. Л. Дунин-Баковский. М.: Наука, 1978. - 163 с.

15. Касаткин, А. М. Нейроподобные сети и системы, основанные на знаниях / А. М. Касаткин, Л. М. Касаткина // Знания-диалог-решения. Киев : КНВВТ, 1990. - Ч. 1. - С. 92-116.

16. Куссуль, Э. М. Основные свойства нейроподобной сети с ассоциативно-проективной структурой / Э. М. Куссуль // Нейроподобные сети и нейрокомпьютеры : сб. науч. тр. Киев, 1991. - С. 4-11.

17. Гордиенко, Е. К. Искусственные нейронные сети I. Основные определения и модели / Е. К. Гордиенко, А. А. Лукьяница // Техн. кибернетика. 1994. -№ 5. - С. 79-91.

18. Уоссермен, Ф. Нейрокомпьютерная техника: теория и практика : пер. с англ. / Ф. Уоссермен. М.: Мир, 1992. - 240 с.

19. Нейросетевые системы управления / В. А. Терехов и др.. -СПб. :СПГУ, 1999.-265 с.

20. Мкртчан, С. О. Нейроны и нейронные сети / С. О. Мкртчан. -М.: Энергия, 1971.-232 с.

21. Нейросетевые системы управления / В. А. Терехов и др.. -СПб.: Изд-во С.-Петербург, ун-та, 1999.-256 с.

22. Галушкин, А. И. Теория нейронных сетей / А. И. Галушкин. -М. :ИПРЖР, 2000.-415 с.

23. Назаров, А. В. Анализ прогнозирующих свойств нейронных сетей прямого распространения по результатам экспериментальных исследований / А. В. Назаров, Г. И. Козырев, С. В. Шкляр // Нейрокомпьютеры: разработка и применение. 2002. - № 7. - С. 23-25.

24. Розенблатт, Ф. Аналитические методы изучения нейронных сетей / Ф. Розенблатт // Нейрокомпьютер. 1997. - № 3-4. - С. 49-65.

25. Балухто, А. Н. Нейросетевые системы обработки информации и их применение в космической технике / А. Н. Балухто. М. : СИП РИА, 2000.- 152 с.

26. Ефимов, В. В. Нейроподобные сети в бортовых информационно-управляющих комплексах летательных аппаратов. Решение оптимальных задач / В. В. Ефимов. СПб, 1996. - 113 с.

27. Уоссермен, Ф. Нейрокомпьютерная техника / Ф. Уоссермен. -М.: Мир, 1992.-215 с.

28. Гилмор, Д. В. Автоматизированное приобретение знание с помощью нейронных сетей / Д. В. Гилмор // Техн. кибернетика. 1994. - № 5. - С. 93-96.

29. Куссуль, Э. М. Некоторые принципы организации нейроподоб-ных сетей для решения задач искусственного интеллекта / Э. М. Куссуль, Т. Н. Байдык // Нейрокомпьютер как основа мыслящих ЭВМ. -М.: наука, 1993. -168 с.

30. Гаврилкевич, М. Введение в нейроматематику / М. Гаврилкевич // Обозрение прикладной и промышленной математики. М. : ТВП, 1994. -С. 3-8.

31. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский и др.. Харьков : Основа, 1997.-261 с.

32. Холланд, Дж. Генетические алгоритмы / Дж. Холланд // В мире науки. 1992. - № 9. - С. 32-40.

33. Курейчик, В. М. Генетические алгоритмы. Обзор и состояние / В. М. Курейчик // Новости искусственного интеллекта. 1998. - № 3. - С. 38-40.

34. Скурихин, А. Н. Генетические алгоритмы / А. Н. Скурихин // Новости искусственного интеллекта. 1995. - № 4. - С. 6-46.

35. Жуков-Бережников, Н. Теория генетической информации : тео-рет. и эксперим. очерк / Н. Жуков-Бережников. М.: Мир, 1966. - 320с.

36. Косолапова, JI. Г. Эволюция популяций. Дискретное математическое моделирование / JI. Г. Косолапова, Б. Г. Ковров. Новосибирск : Наука, 1988.-93 с.

37. Genetic Training Option : справ, и рук. для пользователя. М. : Тора-Центр, 1995.-216 с.

38. Брахман, Т. Р. Многокритериальное^ и выбор альтернативы в технике / Т. Р. Брахман. М.: Радио и связь, 1984. - 288 с.

39. Дубов, Ю. А. Многокритериальные модели формирования и выбора вариантов систем / Ю. А. Дубов, С. И. Травкин, В. Н. Якимец. М. : Наука, 1986.-294 с.

40. Карлин, С. Математические методы в теории игр, программировании и экономике / С. Карлин. М.: Мир, 1964. - 838 с.

41. Геймейер, 10. Б. Введение в теорию исследования операций / Ю. Б. Геймейер. М.: Наука, 1971. - 384 с.

42. Подиновский, В. В. Оптимизация по последовательно применяемым критериям / В. В. Подиновский, В. М. Гаврилов. М.: Сов. радио, 1975. -192 с.

43. Ногин, В. Д. Парето-оптимальные решения многокритериальных задач / В. Д. Ногин, В. В. Подиновский. М. : Наука, 1982. - 256 с.

44. Салуквадзе, Н. Е. Задачи векторной оптимизации в теории управления / Н. Е. Салуквадзе. Тбилиси : Мецниереба, 1975. - 201 с.

45. Аоки, М. Введение в методы оптимизации : пер. с англ. / М. Ао-ки. М.: Наука, 1977.-343 с.

46. Гмошинский, В. Г. Теоретические основы инженерного прогнозирования / В. Г. Гмошинский, Г. И. Флиорент. М.: Наука, 1973. - 304 с.

47. Ногин, В. Д. Основы теории оптимизации : учеб. пособие / В. Д. Ногин, И. О. Протодьяконов, И. И. Евлампиев ; под ред. И. О. Протодьяконо-ва. М.: Высш. шк., 1986. - 384 с.

48. Ногин, В. Д. Принятие решений в многокритериальной среде: количественный подход / В. Д. Ногин. М.: ФИЗМАТЛИТ, 2002. - 176 с.

49. Архипенков, С. Я. Хранилища данных / С. Я. Архипенков, Д. В. Голубев, О. Б. Максименко. М.: Диалог-МИФИ, 2002. - 528 с.

50. Спирли, Э. Корпоративные хранилища данных. Планирование, разработка и реализация / Эрик Спирли. Вильяме, 2001. - 400 с.

51. Гектор Гарсиа-Молина. Системы баз данных. Полный курс / Гектор Гарсиа-Молина, Джеффри Ульман, Дженнифер Уидом. Вильяме, 2003.- 1088 с.

52. Формирование технических объектов на основе системного анализа / В. Е. Руднев и др.. М.: Машиностроение, 1991. - 320 с.

53. Теория выбора принятия решений / И. М. Макаров и др.. М. : Наука, 1982.-327 с.

54. Проблемы принятия решения / под ред. П. К. Анохина, В. Ф. Ру-бахина. М.: Наука, 1976. - 319 с.

55. Гмошинский, В. Г. Инженерное прогнозирование / В. Г. Гмошинский. М.: Энергоиздат, 1982. - 208 с.

56. Карташов, Л. П. Системный синтез технологических объектов АПК / Л. П. Карташов, В. Ю. Полищук. Екатеринбург : УрО РАН, 1998. -185 с.

57. Новые принципы и технологии разработки месторождений нефти и газа / С. Н. Закиров и др.. М., 2004. - 520 с.

58. Физика пласта, добыча и подземное хранение газа / О. М. Ермилов и др.. М.: Наука, 1996. - 541 с.

59. Рабинович, Е. 3. Гидравлика / Е. 3. Рабинович. М. : Недра, 1978.-304 с.

60. Коротаев, Ю. П. Эксплуатация газовых месторождений / Ю. П. Коротаев. М.: Недра, 1975. - 415 с.

61. Колтун, А. А. Компьютеризация процесса оценки эффективности геолого-технических мероприятий на нефтяных месторождениях / А. А. Колтун // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2004. - № 12. - С. 16-20.

62. Краснощекое, П. С. Принципы построения моделей / П. С. Краснощеков, А. А. Петров. М.: Фазис, 1983. - 241с.

63. Марко Кэнту. Delphi 7 для профессионалов / Марко Кэнту. -СПб.: Питер, 2004.- 1104 с.

64. Галисеев Г. В. Компоненты в Delphi 7. М.: Вильяме, 2004. - 624 с.68. www.sis.slb.com

65. Дюк, В. А. Осколки знаний / В. А. Дюк // Экспресс- электроника. 2002.-№ 6. - С. 60-65.

66. Инструкция по комплексному исследованию газовых и газокон-денсатных пластов и скважин / под ред. Г. А. Зотова, 3. С. Алиева. М. : Недра, 1980.- 301 с.

67. Демидович, Б. П. Основы вычислительной математики / Б. П. Демидович, И. А. Марон. М.: ГИФМЛ, 1960. - 659 с.

68. Кашпаров, М. М. Оценка производительности скважин куста / М. М. Кашпаров, О. А. Конторщикова // Газовая промышленность. 2003. -№ 3. - С. 44-46.

69. Полищук, Ю. В. Математическая модель добычи газа кустом скважин / Ю. В. Полищук // Перспектива. 2005. - № 7. - С. 32-34.

70. Тер-Саркисов, Р. М. Разработка месторождений природных газов / Р. М. Тер-Саркисов. М.: Недра, 1999. - 659 с.

71. Коротаев, Ю. П. Теория и проектирование разработки газовых и газоконденсатных месторождений / 10. П. Коротаев, С. Н. Закиров. М. : Недра, 1981 .-294 с.

72. Вяхирев, Р. И. Теория и опыт добычи газа / Р. И. Вяхирев, Ю. П. Коротаев, Н. И. Кабанов. М.: Недра, 1998. - 479 с.

73. Освоение скважин / А. И. Булатов и др.. М. : Недра, 1999.472 с.

74. Коротаев, Ю. П. Системное моделирование оптимальных режимов эксплуатации объектов добычи природного газа / Ю. П. Коротаев, В. Г. Таги-ев, Ш. К. Гергедава. М.: Недра, 1989. - 264 с.

75. Васильевский, В. Н. Техника и технология определения параметров скважин и пластов / В. Н. Васильевский, А. И. Петров. М.: Недра, 1989. -272 с.

76. Васильев, Ю. Н. Автоматизированная система управления разработкой газовых месторождений / Ю. Н. Васильев. М. : Недра, 1987. - 141 с.

77. Разработка газоконденсатных месторождений / А. X. Мирзаджан-заде и др.. М. : Недра, 1967. - 326 с.

78. Ширковский, А. И. Разработка и эксплуатация газовых и газоконденсатных месторождений / А. И. Ширковский. М. : Недра, 1987. - 312 с.

79. Никоненко, И. С. Создание систем автоматизированного управления в добыче газа / И. С. Никоненко. М. : Недра-Бизнесцентр, 2001. - 191 с.

80. Никоненко, И. С. Газодобывающее предприятие как сложная система / И. С. Никоненко, Ю. Н. Васильев. М. : Недра, 1998. - 343 с.

81. Регулирование разработки газовых месторождений Западной Сибири / А. И. Гриценко и др.. М. : Недра, 1991. - 304 с.

82. ОАО "Газпром": Производство и технологи: Газпром и конверсия. -2000. Режим доступа: http://www.gazprorn.ru/rus/product/scienceconvers.php.

83. Брюханов, В. Н. Теория автоматического управления: учеб. для машиностроит. спец. вузов / В.Н. Брюханов, М.Г. Косов, С.П. Протопопов и др.; под ред. Ю.М. Соломенцева. 4-е изд., - М.: Высш.шк.; 2003. - 268 с.

84. Ерофеев, А. А. Теория автоматического управления: учебник для вузов / A.A. Ерофеев. 2-е изд., - СПб.: Политехника, 2003. - 3002 с.

85. Юревич, Е. И. Теория автоматического управления / Е.И. Юре-вич. JL, «Энергия», 1975. - 416 с.

86. Егоров, К. В. Основы теории автоматического регулирования: учебное пособие для вузов / К.В. Егоров. 2-е изд., - M.: «Энергия», 1967. -648с.

87. Корженко, М. А. Математическая модель газовой скважины как объекта автоматического регулирования устьевого давления: сборник трудов / М.А. Корженко, Б.Ф. Тараненко, П.Н. Францев, К., «Иф-альянс», 2004. -С. 79-95.

88. Hand, D. Principles of Data Mining / David Hand, Heikki Mannila, Padhraic Smyth. New York : The AMT Press, 2001. - 546 p.

89. Introduction to Data Mining and Knowledge Discovery. New York : Crows Corporation, 1999. - 344 p.

90. Rud, 0. P. Data Mining Cookbook / Olivia Parr Rud. London : Whily Computing Publishing, 2001. - 456 p.

91. Proceedings of KDD-98: 4th International Conf. on Knowledge Discovery and Data Mining / ed. R. Agrawal, P. Stolorz, G. Piatetsky-Shapiro. New York : AAAI Press, 1998.

92. Advances in Knowledge Discovery in Databases / ed. U. Fayyad et al.. New York : AAAI/MIT Press, 1996.

93. Mini-symposium on KDD vs. Privacy // IEEE Expert. 1995. - April, (full text of a draft)

94. Special issue of Intelligent Information Systems on Knowledge Discovery in Databases / ed. G. Piatetsky-Shapiro. New York : AAAI Press, 1995.

95. KDD-93: Proceedings of AAAI-93 Workshop on KDD / ed. G. Piatetsky-Shapiro. New York : AAAI Press Report, 1993.

96. Knowledge Discovery in Databases / ed. G. Piatetsky-Shapiro, W. Frawley. New York : AAAI/MIT Press, 1991.

97. Knowledge Discovery in Real Databases // AI Magazine. 1991. -Vol. 11,N5.-P. 12-16.

98. Matheus, C. Systems for Knowledge Discovery in Databases / C. Ma-theus, P. Chan, G. Piatetsky-Shapiro // IEEE Transactions on Data and Knowledge Engineering. 1993. - N 5-6 (dec.). - P. 22-24.

99. Piatetsky-Shapiro, G. Knowledge Discovery in Personal Data vs. Privacy / G. Piatetsky-Shapiro // IEEE expert. 1995. - April.

100. Improving Classification Accuracy by Automatic Generation of Derived Fields Using Genetic Programming / B. Masand, G. Piatetsky-Shapiro // Advances in Genetic Programming II. New York : MIT Press, 1996.

101. Piatetsky-Shapiro, G. Expert Opinion: The data-mining industry coming of age / G. Piatetsky-Shapiro // IEEE Intelligent Systems. 1999. - Vol. 14, N 6 (November/December).

102. UsamaFayyad. From Data Mining to Knowledge Discovery in Databases / Usama Fayyad, G. Piatetsky-Shapiro, Padhraic Smyth // AI Magazine. 1996. -N 17(3). - P. 37-54.

103. Goldberg, D. E. Genetic algorithms in search, optimization and machine learning / D. E. Goldberg. Reading, MA, 1989.

104. Muller, B. Neural Networks: an introduction, Springer-Verlag / B. Muller, J. Reinhart. Berlin : Heidelberg, 1990.

105. Saertns, R .M. Aneural controller based on back propagation algorithm / R .M. Saertns, A. Soquet // Proc. of First IEEE Int. Conf. on Artificial Neural Networks. London, 1989. - P. 211-215.

106. Haykin, S. Neural Networks: A Comprehensive Foundation / S. Haykin. London : Macmillan Publishing Company, 1994.

107. Nielson, R. Hecht Neurocomputing Addison-Wesley / R. Nielson. -New York, 1990.

108. Chong, E. An Introduction to Optimization / E. Chong, S. Zak. -London: Wiley, 1996.

109. Lippmann, R. An Introduction to Computing with Neural Nets / R. Lippmann // IEEE/ASSP Magazine. 1987. - April. - S. 4-22.

110. Bilski, J. Szybkie algorytmy uczenia sieci neuronowych / J. Bilski, Krakow : AGH, 1995. praca doktorska.

111. Findeisen, W. Teoria i metody obliczeniowe optymalizacji / W. Findeisen, W. Szymanowski, A. Wierzbicki. Warszawa : PWN, 1977.

112. Hertz, J. Wstep do teori obliczen neuronowych / J. Hertz, A. Krogh, R.G. Palmer. Warszawa : WNT, 1993.

113. Kacprzak, T. Sieci neuronowe komorkowe / T. Kacprzak, K. Slot. -Warszawa-Lodz: PWN, 1994.

114. Karayiannis, N. B. Artificial Neural Networks / N. B. Karayiannis, A. N. Venetsanopoulos. Kluwer Academic Publishers, 1993.

115. Osowski, S. Sieci neuronowe w ujeciu algorytmicznym / S. Osows-ki. Warszawa : WNT, 1996.

116. Rutkowski, L. Filtry adaptacyjne i adaptacyjne przetwarzanie syg-nalow / L. Rutkowski. Warszawa : WNT, 1994.

117. Tadeusiewicz, R. Problemy biocybernetyki / R. Tadeusiewicz. Warszawa : PWN, 1991.

118. Tadeusiewicz, R. Sieci neuronowe / R. Tadeusiewicz. Akademicka Oficyna Wydawnicza Warszawa, 1993.

119. Jain, A. K. Artificial Neural Networks: A Tutorial / A. K. Jain, J. M. Mohiuddin // Computer March. 1996. - P. 31-44.

120. Lawrence, J. Introduction in Neural Networks: Design, Theory and Applications / J. Lawrence. California : Scientific Software, 1994. - 423 p.

121. Kohonen, T. Self-Organizing Maps / T. Kohonen. Springer, 1995.

122. Kohonen, T. Self-Organizing Maps / T. Kohonen. 2 th. ed. -Springer, 1997.

123. Hopfield, J. Neural networks and physical systems with emergent collective computational abilities / J. Hopfield // IN: Proc. Nat. Acad. Scio. USA. -1982.-Vol. 79.-P. 2554-2558.

124. Hornick, S. Multilayer Feedforward Networks are Universal Approximators / S. Hornick // Neural Networks. 1989. - Vol. 2, N 5. - P. 54-58.

125. Cybenko, S. Approximation by Superpositions of a Sigmoidal Function / S. Cybenko // Mathematical Control Signals Systems. 1989. - Vol. 2.

126. Funahashi. On the Approximate Realization of Continuous Mappings by Neural Networks / Funahashi // Neural Networks. 1989. - Vol. 2, N 3.

127. Leake, D. Case-Based Reasoning: Expriences, Lessons, & Future Directions / D. Leake. Menlo Park California : AAAI Press, 1996.

128. Kolodner, J. Case-Based Reasoning. / J. Kolodner. San Francisco ; California : Morgan Kaufmann, 1993.

129. Riesbeck, C. Inside Case-Based Reasoning. Hillsdale / C. Riesbeck R. Schank. New York : Lawrence Erlbaum, 1989.

130. Schank, R. Inside Case-Based Explanation. Hillsdale / R. Schank, C. Riesbeck, A. Kass. New York : Lawrence Erlbaum, 1994.

131. Aamodt, A. Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches / A. Aamodt, E. Plaza // AI Communications. 1994. - Vol. 7(1). - P. 39-52.

132. Proceedings of the DARPA Case-Based Reasoning Workshop / J. Ko-lodner et al.. San Francisco : Calif. Morgan Kaufmann, 1988.

133. Proceedings of the DARPA Case-Based Reasoning Workshop / ed. K. Hammond. San Francisco ; California : Morgan Kaufmann, 1989.

134. Proceedings of the DARPA Case-Based Reasoning Workshop / ed. R. Bareiss. San Francisco ; California : Morgan Kaufmann, 1991.

135. Case-Based Reasoning: Papers from the 1993 AAAI Workshop. Technical Report WS-93-01. / ed. D. Leake. Menlo Park California : AAAI Press, 1993.

136. Case-Based Reasoning: Papers from the 1994 AAAI Workshop. Technical Report WS-94-01 / ed. D. Aha. Menlo Park California : AAAI Press, 1994.

137. Topics in Case-Based Reasoning / ed. S. Wess, K. Althoff, M. Richter. Berlin : Springer Verlag, 1994.

138. Advances in Case-Based Reasoning: Second European Workshop / ed. J.-P. Haton, M. Keane, M. Manago. Berlin : Springer Verlag, 1995.

139. Progress in Case-Based Reasoning: First United Kingdom Workshop / ed. I. Watson. Berlin : Springer Verlag, 1995.

140. David Poole. Computational Intelligence: A Logical Approach / David Poole, Alan Mackworth, Randy Goebel. New York : Oxford University Press, 1998.

141. Tom Mitchell. Machine Learning / Tom Mitchell. McGraw Hill,1997.

142. Wong, M. L. The genetic logic programming system / M. L. Wong, K. S. Leung // IEEE Expert. 1995. - Oct. - P. 68-76.

143. Tajima, K. Genetic algorithms and ther practical application / K. Ta-jima // FUJITSU Sei. Tech. Joum. 1996. - Vol. 32, N 2. - P. 271-286.

144. Reynolds, D. Stochastic modeling of genetic algorithms / D. Reynolds, J. Gomatam // Artificial Intelligence. 1996. - Vol. 82, N 1. - P. 303-330.

145. Reynolds, D. Similarities and distinctions in sampling strategies for genetic algorithms / D. Reynolds, J. Gomatam // Ibid. 1996. - Vol. 86, N 2. -P. 375-390.

146. Ackley, D. H. A connectionist machine for genetic hillclimbing / D. H. Ackley. Boston : Kluwer Academic Publishers, 1987.

147. Brindle, M. Genetic Algorithms for Function Optimization, Ph. D. dissertetion / M. Brindle. University of Alberta, 1981.

148. Chong, E. K. An Introduction to Optimization / E. K. Chong, S. H. Zak. London : Wiley, 1996.

149. Cytowski, J. Algorytmy genetyczne. Podstawy i zastosowania, Aka-demicka Oficyna Wydawnicza / J. Cytowski. Warszawa : PLJ, 1996.

150. Davis, L. Handbook of Genetic Algorithms, Van No strand Reinhold / L. Davis. New York, 1991.

151. Koza, J. R. Genetic programming II. Automatic Discovery of Reusable Programs / J. R. Koza. New York : MIT Press, 1994.

152. Michalewicz, Z. Genetic Algorithms + Data Structures = Evolution Programs / Z. Michalewicz. Springer-Verlag, 1992.

153. Whitley, D. Genetic algorithms and neural networks: Optimizing connections and connectivity / D. Whitley, T. Starkweather, C. Bogart // Parallel Computing. 1990. -N 14. - P. 347-361.

154. Balas, E. Optimized crossover-based genetic algorithms for the maximum cardinality and maximum weight clique problems / E. Balas, W. Niehaus // J. Heuristics. 1998. - Vol. 4, N4. - P. 107-122.

155. Eremeev, A. V. A genetic algorithm with a non-binary representation for the set covering problem / A. V. Eremeev // Operations Research Proceedings 1998. Berlin : Springer Verlag, 1999. - P. 175-181.

156. Holland, J. H. Adaptation in natural and artificial systems / J. H. Holland. Ann Arbor : University of Michigan Press, 1975.

157. Johnson, D. S. The traveling salesman problem: a case study Local search in combinatorial optimization / D. S. Johnson. Chichester : Wiley, 1990.-P. 215-310.

158. Kirkpatrick, S. Configuration space analysis of traveling salesman problems / S. Kirkpatrick, G. Toulouse // J. de Phys. 1985. - Vol. 46. - P. 12771292.

159. Muhlenbein, H. Parallel genetic algorithm, population dynamics and combinatorial optimization / H. Muhlenbein // Proc. Third Inter : conf. Genetic Alg. San Mateo: Morgan Kaufman, 1989. - P. 416-421.

160. Rechenberg, I. Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der Biologischen Information /1. Rechenberg. Freiburg : From-man, 1973.

161. Schwefel, H. P. Numerical optimization of computer models / H. P. Schwefel. Chichester : Wiley, 1981.

162. Inmon, W. H Building the Data Warehouse / W. H. Inmon. 2th. ed., NewYor: J. Wiley, 1998

163. Inmon, W. H. Exploration Warehousing / W. H. Inmon. New Yor : J. Wiley, 2000.

164. Inmon, W. H. The Corporate Information Factory / W. H. Inmon. -New Yor. 2th. ed. - New Yor : J. Wiley, 2000.

165. Inmon, W. H. Building the Operational Data Store / W. H. Inmon. -New Yor. 2th. ed. - New Yor : J. Wiley, 1999.

166. Bruins, R. Edelstein, Building, Using, and Managing the Data / R. Bruins, A. Herbert. Prentice Hall, 1997.