автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Система поддержки принятия решений при автоматизированном оперативно-диспетчерском управлении объектами добычи и транспорта газа

На правах рукописи

00316764"?

БАЛАБАНОВ АЛЕКСАНДР АНАТОЛЬЕВИЧ

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ АВТОМАТИЗИРОВАННОМ ОПЕРАТИВНО-ДИСПЕТЧЕРСКОМ УПРАВЛЕНИИ ОБЪЕКТАМИ ДОБЫЧИ И ТРАНСПОРТ/А ГАЗА

Специальность 05 13 06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 2008

003167647

Работа выполнена в Московском автомобильно-дорожном институте (государственном техническом университете)

Официальные оппоненты

Научный руководитель

Кандидат технических наук, доцент Бернер Леонид Исаакович Доктор технических наук, профессор Суворов Дмитрий Наумович, профессор МАДИ(ГТУ)

Кандидат технических наук Панкратов Владимир Семенович, Главный инженер ООО «Информтрансгаз»

Ведущая организация Открытое акционерное общество «Научно-производственное объединение «Промавтоматика», г Краснодар

Защита состоится апреля 2008г в 10 часов на заседании диссертационного совета Д 212 126 05 при Московском автомобильно-дорожном институте (государственном техническом университете) по адресу 125319, ГСП А-47, Москва, Ленинградский пр , д 64

С диссертацией можно ознакомиться в библиотеке МАДИ(ГТУ)

Текст автореферата размещен на сайт'.; Московского автомобильно-дорожного института (государственного технического университета) www madi ru

Автореферат разослан £><?"марта 2008 г

Отзыв на автореферат в одном экземпляре, заверенный печатью, просим направлять в адрес совета института

Ученый секретарь диссертационного совета, кандидат технических наук, доцент

Михайлова Н В

Общая характеристика работы

Актуальность проблемы

Одно из направлений развития АСУ технологическими процессами газовой отрасли является диспетчерское управление, организованное в рамках отраслевой системы оперативно-диспетчерского управления (ОСОДУ) В иерархии управления газодобывающего и газотранспортного предприятия диспетчерской службе отводится важная функция по интегрированию управления всеми технологическими объектами, обеспечивающими процесс добычи и транспорта газа Современные системы автоматизации производств должны удовлетворято предъявляемым к ним требованиям в условиях необходимости принятия ответственных решений в ограниченные сроки Системы оперативного диспетчерского управления технологическими процессами должны располагать потенциалом для выявления и диагностики нештатных и аварийных ситуаций на основе методов поддержки принятия решений

На действующем производстве цена диспетчерского решения очень велика, что психологически давит на диспетчера Сложность принятия решения возрастает при отсутствии или недостоверности части параметров Кроме того, с течением времени тенденция ухудшения ситуации может нарастать, в связи с чем, резко уменьшится резерв времени на принятие решения Это время необходимо постоянно отслеживать и определять заново Проблемы взаимодействия человека и машины стали в настоящее время общими для атомной энергетики, нефтяной и газовой промышленности, химического производства, авиации, транспорта и других отраслей народного хозяйства Анализ ряда аварий в этих отраслях показал, что одной из причин аварий являются ошибки диспетчерского персонала непринятие или принятие неправильных управляющих решений Таким образом, в увеличении степени технологического риска и снижении производственной безопасности в системе «человек - машина» существенную роль играет человеческий фактор Возрастают требования, предъявляемые к качеству выполнения оперзтовами и диспетчерами своих функций в человеко-машинной системе управления Особенно это важно для таких мощных систем, как Единая элеетроэнергетическая система, Единая система газоснабжения

Предметом исследования являются диспетчерское управление технологическими объектами добычи и транспорта газа, современные методы и подходы к автоматизации технологических процессов газовой отрасли

Цель и основные задачи исследования

Целью работы является разработка и внедрение современных методов, реализуемых в системе поддержки принятия диспетчерских решений, что должно обеспечить повышение оперативности диагностики состояния производственных объектов, выявления аварийных и нештатных ситуаций, посредством этого - повышение степени аварийной защиты оборудования, повышение качества управления технологическим процессом и сокращение ошибок диспетчерского персонала при действиях в различных ситуациях за счет информационно-аналитической поддержки и предоставления персоналу подробной информации о состоянии оборудования

Для достижения данной цели в работе решаются следующие задачи

• анализ и формализованное описание свойств технологических объектов управления и диспетчерского управления объектами добычи и транспорта газа,

• анализ моделей представления знаний в системах поддержки принятия решений по добыче и транспортировке газа,

• разработка методов и моделей системы поддержки принятая решений при управлении газодобывающим предприятием,

• разработка статистических методов анализа и прогнозирования добычи и давления в скважинах в зависимости от географического местоположения,

• разработка имитационной модели функционирования вычислительного комплекса автоматизированной системы управления газокомпрессорной станцией,

• разработка программно-моделирующего комплекса системы управления добычей и транспортировкой газа

Методы исследования

При разработке формальных моделей компонент в диссертации использовались методы общей теории систем и классический теоретико-множественный аппарат Системный анализ функционирования систем оперативно-диспетчерского управления проводился на базе реальных статистических данных с использованием стандартных математических и статистических пакетов При разработке моделей и алгоритмов оптимизации функционирования многоуровневых распределенных систем диспетчерского управления использовалась теория графов, методы математического программирования, теория случайных процессов, имитационное моделирование, теория массового обслуживания и др

Научная новизна

Научная новизна работы заключается в рассмотрении вопросов взаимодействия диспетчера газотранспортной системы с АСУТП, конкретных задач, которые он решает, контролируя работу

газотранспортной системы (ГТС) Вопросы обусловленности и обоснованности принятия диспетчером управляющих решений при возникновении нештатных ситуаций, определение

последовательности управляющих воздействий, максимально нивелирующих неблагоприятное развитие процесса и возвращающих его на стабильный уровень, возможно не оптимальный, но лучший в данной конкретной ситуации, и оценки результата

На защиту выносятся

• вероятностная модель анализа неисправностей агрегатов,

• модели прогноза давления и добычи, а также регрессионная модель зависимости давления газа от географического расположения скважины,

» имитационная модель газовой скважины и методика подготовки и проведения оптимального эксперимента,

• методика проектирования СППР газодобывающих предприятий

Достоверность научных положений, рекомендаций и

выводов

Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием современных математических методов и моделей, предварительным статистическим анализом процессов обработки информации в распределенных информационных системах предприятий добывающих отраслей, согласованностью результатов аналитических и имитационных моделей Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения результатов работы в ряде организаций

Практическая ценность и реализация результатов работы

Иаучные результаты, полученные в диссертации, доведены до практического использования Они представляют непосредственный интерес б области проектирования и эксплуатации систем оперативно-диспетчерского управления предприятий

газодобывающей отрасли включающих в свой состав СППР

Методы и алгоритмы а также программные средства могут быть использованы при решении задач анализа и синтеза структуры системы оперативно-диспетчерского управления предприятиями добывающих отраслей Внедрение результатов работы позволяет повысить качество и эффективность функционирования добывающего предприятия за счет автоматизации процессов поддержки принятия решений

Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения з ряде предприятий газодобывающей отрасли

Апробация работы

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение

• на Российских и межрегиональных научно-технических конференциях, симпозиумах и семинарах (2002-2007гг),

• на заседании кафедры АСУ МАДИ(ГТУ)

Совокупность научных положений, идей и практических результатов исследований в области автоматизации проектирования и выбора оптимальных режимов эксплуатации систем оперативно-диспетчерского управления составляет актуальное направление в области теоретических и практических методов принятия решений по автоматизации технологических процессов предприятий добывающей отрасли с использованием СППР

СОДЕРЖАНИЕ РАБОТЫ

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и алгоритмов

Во введении обосновывается актуальность работы Ставятся цели и задачи исследований Приводится краткое содержание глав диссертации

В первой главе выполнен анализ методов построения СППР управления технологическими процессами газодобывающих предприятий

Газодобывающее предприятие (ГДП) - одно из важнейших звеньев единой динамической системы, охватывающее газоносный пласт или ряд расположенных друг над другом газоносных пластов, сеть газовых скважин, дренирующих эти пласты, а также газопромысловые установки для подготовки газа к дальнему транспорту и систему внутрипромысловых газосборных сетей -межпромысловый коллектор Схема подготовки и транспорта газа сложившаяся на газодобывающих предприятиях Крайнего Севера, представлена на Рис 1

Скважины, газосборная сеть (ГСС) и вспомогательные объекты составляю^ газовый промысел (ГП) Все объекты газопромыслового управления (ГПУ) соединены межпромысловым коллектором (МПК) В состав газодобывающего предприятия может входить несколько ГПУ Хотя отдельные элементы этой системы рассредоточены на площади несколько десятков и даже сотен квадратных километров, но все они взаимосвязаны и участвуют в едином технологическом процессе добычи газа Газодобывающее предприятие создается для эксплуатации пласта и одна из его основных задач - поддержание рационального режима разработки залежи, в чем и заключаются функции технологических объектов основного производства

В результате анализа функционирования технологических объектов газовой отрасли были вскрыты следующие специфические

по сравнению с традиционными объектами управления свойства, приведенные ниже Каждое из указанных свойств может быть охарактеризовано следующим образом

1) слабая организованность заключается в неоднозначности реакции объекта на одинаковые управляющие воздействия Управляющие воздействия в некоторые моменты времени могут привести к ситуации Я,, не соответствующей заранее

прогнозируемой ситуации 3,о 5 , и,

Схема подготовки и транспорта газа

газсдозывающее ПРЕДПРИЯТИЕ

"*1 о <

ГАЗОПРОМЫСЛОВОЕ УПРАВЛЕНИЕ

мэсвы "роуыгед

Вчцисм сегаЕа~р

| I

Ь 8

И

5КС ,

(гви/^аяКС1 I

Пс1Л8уЛ0(Л9ЛИ }

Каыресс-уль лцех |

>ЕО (аг "яр^Та.

ГАЭСЕЫ/1ГРО ¿ЫСЕГ.

АОСБе-И, 1РРМЫ--ЕЛ

н

ГА ОПРОКьСПБВСЕУПРУФ'Б-гЕ

Рис 1

2) уникальность заключается в индивидуальности структуры разнообразии состава и свойств газа, наличии специфических условий функционирования технологического оборудования таких, как природные условия, влажность и запыленность газа, различия в ограничениях и возможностях выбора управляющих воздействий Принципиально не существует двух одинаковых ГП или ГТС

0,*0,,1Ф ] (2)

3) неформализуемость описания - принципиальная невозможность составить математическое описание всего

многообразия организационно-технических мероприятий для разнообразных нестереотипных ситуаций, возникающих при функционировании ГТС, т е существуют ситуации, развитие которых невозможно предсказать ни по одной из формализованных моделей

35о, и, 10 (3)

Для описания качественных понятий и характеристик объектов необходимо использозать лингвистические переменные

4) эволюционность заключается в изменении состава элементов ГТС и структуры связей между ними во времени, изменение свойств и состояния технологических элементов ГТС при их взаимодействии изменение состава перекачиваемого газа, совершенствование методов и средств управления

ЧД > Ч ■ <2 ч > <г \ - « Е,о, а, <2 Й0 (4)

5) функциональная ситуационность заключается в зависимости цели функционирования, критериев и способов управления ГТС от конкретной ситуации на объекте, то есть V, = ).

6) многокритериальное^ функционирования обусловлена наличием разнообразных целей функционирования и необходимостью использования различных качественных критериев для оценки рациональности принимаемых управляющих решений, наличием противоречивых критериев при выборе управлений в некоторых ситуациях

А(5,о) => и{,АГ5(0)=>и2;1/1* Щ (6)

т е выбор критерия управления существенно зависит от интуиции и личностного характера диспетчера

7) статическая неинтерпретируемость проявляется в том, что одинаковым контролируемым изменением параметров могут соответствовать различные ситуации и значения неконтролируемых переменных, т е описание полной ситуации по контролируемой может оказаться неверным

\О) = ^(2) => 5/оО) V 5/о (2),^ (\) * 5/о (2) (7)

Важным для оценки режимов течения газа являются также скорость изменения параметров во времени Это приводит к тому, что распознать ситуацию часто можно только на большом интервале наблюдения, используя также дополнительные измерения переменных,

8) нестационарность системы обусловлена изменением параметров ГТС и переменных состояний во времени

изменением потребления и поставок газа, погодных условий, случайными возмущениями, управляющими воздействиями и другими причинами

Отмеченные особенности и другие особенности, приведенные в диссертации, необходимо учитывать при создании систем оперативного управления объектами газотранспортной системы Для использования различных видов знаний об объекте, как декларативных, так и процедуральных, необходимо разрабатывать АСУ с исполозованием методов искусственного интеллекта Это обеспечит простоту адаптации процедуры выбора управляющих решений изменяющейся структуры объекта к конкретным условиям его функционирования, устойчивость к неполноте и неопределенности информации, расширяемость за счет новых знаний, выявленных в ходе эксплуатации системы Необходимо иметь возможность изменения алгоритмов управления в зависимости от ситуации на объекте и объяснять принимаемые решения

Вышеотмеченные особенности технологических процессов добычи и транспорта газа накладывают серьезные ограничения на системы управления этим процессом, придавая каждой АСУТП как общие для конкретного процесса, так и специфические, присущие только ей, черты

Проведен анализ системы управления Единой системой газоснабжения, которая построена по иерархической схеме Центральный производственно-диспетчерскии департамент (ЦПДД) ОАО «Газпром» - Центральные диспетчерские службы (ЦДС) предприятий - диспетчерские пункты линейных производственных управления магистральных газопроводов (ЛПУМГ), компрессорных станций (КС), установок комплексной подготовки газа (УКПГ), подземных хранилищ газа (ПХГ) - посты управления технологическим оборудованием компрессорного цеха (КЦ) компрессорной станции

1 уровень управления Единой системой газоснабжения - ЦПДД ОАО «Газпром», г Москва Основные функции оперативно-диспетчерского управления ЦПДД, поддерживаемые АСДУ ЕСГ

2 уровень управления транспортом газа - ЦДС предприятия с основными функциями контроля состояния технологического оборудования КЦ, КС, линейной части магистральных газопроводов, ГРС, ПХГ в реальном времени

3 уровень управления тоанспортом и добычей газа -диспетчерский пункт ЛПУМГ, УКПГ с основными функциями оптимизации и контроля режима работы КС, УКПГ

4 уровень управления - пост управления компрессорного цеха с основными функциями автоматической стабилизации режима работы КЦ, включая распределение нагрузки между работающими газоперекачивающими агрегатами (ГПА)

При автоматизации, с использованием информационных технологий в диспетчерских службах потребовались компьютерные расчетные комплексы моделирования технологического процесса для решения диспетчерских задач Все компьютерные расчетные комплексы при решении режимно-технологических задач используют представление технологической системы транспорта газа в терминах расчетных объектов и схем От того, как выполнена эта работа в том или ином комплексе, во многом зависит выбор соответствующих алгоритмов и вычислительных процедур для решения соответствующих режимно-технологических задач

Основой любого комплекса моделирования и оптимизации режимов газотранспортных систем является блок графического, информационного, алгоритмического представления «Расчетных схем газотранспортных систем» Расчетные схемы составляются из «Расчетных объектов», которые являются информационным аналогом реальных технологических объектов Любая технологическая газотранспортная система может быть представлена графом, дугами которого являются технологические объекты трубопроводы, краны, перемычки, компрессорные цеха, отводы к газораспределительным станциям (ГРС) и так далее Вершинами графа являются либо узлы соединения нескольких технологических объектов, либо узлы слияния/разделения потоков газа Расчетные объекты отражают основной состав и типы оборудования реальной «Технологической схемы», граф схемы - их технологические связи Если «Расчетную схему» дополнить объектами «Внешняя среда» и «Газовый поток», а состав параметров «Расчетных объектов» (помимо паспортных) дополнить режимно - технологическими параметрами, в частности -состоянием объектов (включен/выключен), то получится «Моделируемая схема» То есть схема, на которой можно выполнять расчеты по моделированию газовых потоков и режимов работы объектов перекачки газа

Более того, для соблюдения однозначного соответствия «Технологической» и «Расчетной» схем, классификация «Расчетных объектов» должна быть такой же, как и «Технологических объектов»

В то же время, классификация «Технологических схем» на категории \ лучевой, магистральный газопровод, система магистральных газопроводов, система с межсистемными перемычками, газотранспортная система, трубопроводная система и так далее не является жесткой и однозначно определенной, поскольку не диктуется технологическим процессом

«Моделируемые схемы» (рис 2) требуют более четкой классификации, поскольку применяемые методы и алгоритмы моделирования и в особенности оптимизации газовых потоков

существенно отличаются для разных категорий «Расчетных технологических систем»

Этапы формирования моделируемых схем

■"раЛ связей

Состсян/е о5юектов режим но-технологи^еские параметры параметры газовых потоков в краевых узлах параметры .внешней среды

Рис 2

В дальнейшем будут использоваться оба термина «Расчетная схема» и «Моделируемая схема» в соответствии с их содержанием Поскольку «Расчетная схема» является упрощенным отражением «Технологической схемы», то все требования к обозначениям объектов правилам их графического изображения на «Технологической схеме» должны быть перенесены на «Расчетную схему»

Во второй главе диссертации разработана имитационная модель функционирования вычислительного комплекса автоматизированной системы управления компрессорной станцией

В данной ситуации модель объекта или процесса в системе моделирования представляет собой динамическую продукционную систему Ее база данных (БД) содержит описания ресурсов моделируемого объекта или процесса, а база знаний (БЗ) - описания

действий, выполняемых ресурсами и над ними Адаптация к конкретному объекту заключается в описании ресурсов и действий на формальном языке и введении их в БД и БЗ В системе моделирования существует однозначное отображение моделируемого объекта или процесса в его информационное представление (рис 3 )

Основным составляющим объекта моделирования, каковыми являются его элементы, процесс, законы функционирования, соответствуют информационные объекты ресурсы, действия и нерегулярные события, операции При этом используются некоторые черты объектно-ориентированного подхода Из указанных элементов, множества ресурсов и операций О образуют модель Процесс в объекте моделирования представляет собой временную последовательность действий А и нерегулярных событий Е Система управления объекта моделирования соответствует модулю вывода динамической продукционной системы

Представление объекта моделирования

Моделируемый объект

Элементы объекта

Правила * функционирования

Дискретный процесс

РДО-представление

Модель объекта

Ресурсы

► -Я * -

Система логического вывода

Операции ' О

Система сбора показателей

Действия ' А.

Нерегулярные * события Е

Модель процесса

РисЗ

Моделирование нерегулярных событий

Система моделирования

Модель получается добавлением к динамической продукционной системе аппарата событий, аналогичного подобным аппаратам в системах и языках имитационного моделирования Моменты окончания действий определяются блоками имитации элементов объекта моделирования, а моменты наступления нерегулярных событий - блоком имитации этих событий Система моделирования

включает в себя также подсистему сбора показателей, служащую для сбора результатов моделирования и их первичной обработки

Процесс функционирования сложной динамической системы (СДС) можно представить как временную последовательность действий и нерегулярных событии

П = (деЦ, (9)

где А - множество действий, Ё - множество нерегулярных событий х - отношение предшествования во времени

Для регулярного события можно указать алгоритм F преобразования с—^с* который определяется закономерностями функционирования СДС Поэтому действие Я можно представить следующим образом

а = (FH{C-K(R*)),FK(C-K(RS11н, tK) (10)

где FH,FK - алгоритмы преобразования параметров, описывающих

состояние ресурсов пои событиях ен и eK, C^H[Ra) - состояние

ресурсов релевантных действию df i до событий начала и конца действия

Действие Q может начаться, если значения параметров его релевантных ресурсов C„(Ra) отвечает некоторому условию Например, действие обслуживания клиента может начаться, если имеется клиент и обслуживающий аппарат (OA) свободен 5 противном случае действие начаться не может Условие начала действия можно представить как некоторое логическое выражение Р{ЛС), принимающее значения ИСТИНА или ЛОЖЬ (TRUE, FALS), в зависимости от текущего состояния релевантных действию ресурсов

Действие привязано к временной оси начинается в момент tH и кончается в tK Если в описании действия исключить привязку к временной оси, оставив лишь длительность его выполнения At то получим виртуальное действие (возможное) Виртуальное действие может начаться (но не обязательно начнется), если для

множества R" релевантных ему ресурсов выполняется условие p(Ri')=TRUE Таким образом, виртуальное действие можно представить как

и = (Р(/Г }, FH (С« (/Г )), Fy )), At) (11)

Виртуальное действие отражает (алгоритмы FH,FK и условие P{RV)) логику взаимовлияния ресурсов СДС в процессе функционирования Всякий раз, когда состояние СДС удовлетворяет условию начала виртуального действия, может произойти действие

в, соответствующее данному виртуальному и имеющее определенные времена То есть виртуальное действие

описывает, что может произойти в СДС и при каких условиях, а действие - что произошло/происходит/произойдет и в какое время Множество виртуальных действий V = = 1,2,...,С?},

относящихся к определенной системе, может быть разбито на небольшое число подмножеств действий, имеющих одинаковую природу Виртуальные действия, принадлежащие такому подмножеству У} с V, имеют одинаковую логику взаимодействия ресурсов, и различаются лишь конкретными ресурсами в них участвующими Подмножество описывается следующим образом

где множество всех возможных множеств /?' релевантных ресурсов, с использованием которых можно выполнить виртуальное действие V е Мг а ср(с^ (/?")) - длительность выполнения виртуального

действия, зависящая от состояния используемых виртуальных ресурсов СДС

Таким образом, принадлежность виртуальных действий к определенному типу означает, что для них и

рДсй (/?")) одинаковы, т е действия одного типа одинаковым образом меняют состояние релевантных ресурсов, требуют одинаковых условий начала по всем ресурсам, и отличаются лишь множествами Р", используемых ресурсов и временем выполнения

Для формального описания логики виртуальных действий, принадлежащих подмножеству введем понятие операции Операция о есть формальное описание множества однотипных виртуальных действий

о=(13) где £(у) - описание множества к° - множество формальных ресурсов операции

Операцию о в некотором смысле можно уподобить подпрограмме, в котооой р(р°), Рн(с„(я°)) и - условие выполнения и

алгоритмы, описанные в формальных параметрах

При задании фактических параметров получаем из операции виртуальное действие Для этого на место каждого формального ресурса г, е операции о необходимо подставить любой ресурс из некоторого непустого множества однотипных ресурсов

Операция, следовательно, отражает логику взаимодействия ресурсов системы в процессе функционирования Всякий раз, когда

состояние системы соответствует p[r°), может происходить действие а, описываемое операцией о, с различными tH и tK Операция описывает, как происходит действие или виртуальное действие и с какими множествами релевантных ресурсов, те что может произойти в СДС при определенных условиях, а действие - что произошло, происходит, произойдет и в какое время

Приведенное понятие операция может быть представлено как модифицированное правило продукции

ЕСЛИ(условие) Т01 (событие 1) ЖДАТЬ(Ф(с^(я0))) Т02(событие 2)

В рамках предложенной концепции моделирования СДС разработана имитационная модель функционирования вычислительного комплекса автоматизированной системы управления технологическими процессами на компрессорной станции транспортировки газа, структура которого приведена на рис 4

Рис 4

Моделируемый комплекс включает

• сервер, обеспечивающий прием и обработку информации от терминальных устройств,

• терминальные устройства (терминалы), поставляющие технологическую информацию от различных компонент компрессорной станции;

• оконечные устройства,

• каналы связи

На сервере решаются прикладные задачи по каждому терминалу, необходимые для обеспечения управления технологическими процессами

Каждый терминал связан с оконечным устройством, представляющим собой либо датчик, измеряющий технологические параметры некоторой подсистемы компрессорной станции либо исполнительную сервосистему Для каждого оконечного устройства

терминал генерирует запрос к серверу для выполнения некоторой обрабатывающей процедуры Получив ответ, терминал, спустя некоторое время, генерирует новый запрос к серверу для следующего оконечного устройства и тд Сервер работает в режиме разделения времени между запросами терминалов Задачей моделирования явилось определение оптимального значения кванта времени, выделяемого серверу на решение запроса от терминала

В качестве целевой функции (критерия эффективности)

V

рассматривалась следующая характеристика где V -

о

действительное время решения задачи, В - нормативное время решения задачи Эта характеристика может интерпретироваться как штраф за удлинение времени решения задачи относительно нормативного времени

44

38

» 32 | 26

I 20

14

0 5 1 5 2 5 3 5 4,5 5,5 6 5

ЗНАЧЕНИЕ КВАНТА

Рис 5

В соответствии с методикой проведения оптимизации методом стохастической аппроксимации Кифера - Вольфовица, выполнен анализ области экстремума с использованием алгоритма с постоянной длиной шага Параметры алгоритма Х0=5, а<0>=0 3, с<0>=0 3

Распределение потока запросов было аппроксимировано смесью двух экспоненциальных распределений с параметрами с вероятностью Р - среднее время равно Т,, с вероятностью 1-Р - среднее время равно Т2 (Т1»Т2)

Вид целевой функции в зависимости от Р

Исследован вид целевой функции в зависимости от кванта (рис 5) В качестве параметра выступает значение вероятности Р При этом Р1>Р2>РЗ>Р4

Из графиков хорошо заметна тенденция увеличения потерь при увеличении значения КВАНТА При очень малых значениях КВАНТА потери также растут, поскольку на эффективность функционирования системы начинает сказываться время восстановления Как видно из графиков, при увеличении доли задач, требующих большего времени решения, оптимальное значение кванта смещается в сторону увеличения

В третьей главе разработаны методы статистического анализа для прогнозирования добычи и давления, а также взаимосвязи характеристик скважин На рис 6 показана корреляционная зависимость динамики давления скважин При этом динамика добычи по всем скважинам имеет явную тенденцию увеличения при наличии выбросов (рис 7)

Взаимосвязь давления близлежащих скважин

Корреляции ФИЕХ! ЭТА 6ч"23с)

Рис б

Исследованы зависимости давления от географического местоположения скважин с учетом их неравномерного размещения В результате получена наглядная картина плотности расположения скважин на всей области газоразработок Чем ближе к центру разработок, тем глотность расположения скважин больше Совместный анализ также указывает на зависимость между плотностью расположения скважин и давления Чем больше скважин

на фиксированной площади, тем меньше давление в каждой из скважин

В диссертации поставлена и решена задача аналитического описания зависимости давления на скважине в зависимости от ее местоположения

1 8с6 1 6Е6 ,4Е6 1 2Е6 1Ь6 SE5 6Е5 4ES 2Е5

о

2Е5

Динамика добычи по всем скважинам

Диаграмма размаха (PREX STA7v*4599c)

22

d 25% 75% ~Г Размах без еыбр о Выбросе' * Краиние -очш

2 в 10 М

TMS

Рис 7

Задача состоит в поиске неизвестных параметров регрессии исходя из оптимизационной задачи

ß = argmmQ(ß), где = -/ixy,ßj)2

(14)

Нелинейность функции регрессии при расчете параметров регрессии, приводит к нелинейности системы нормальных уравнений ЗО(Р)

öß,

= 0, i = l. т Для оценки параметров в диссертации

используется рекуррентная поисковая схема

P^1)=pm.Yt[FT((3,t)) F{p®)+atA]-1 FT((3ro) Y(P('!) (15)

где yt>0, at>0, pwefi, t=0,1, , A - неотрицательно определенная матрица, [3(0)eO - начальное приближение параметров регрессии

С целью повышения точности прогноза добычи и давления в диссертации проведен факторный анализ характеристик скважин, включающий X,Y - координаты скважины, а - альтитуда (ALT), h -высота кровли в м (HKR), hf - полная высота залежи (HPOL), he -эффективная высота (HEF), ks - коэффициент песчаности (KPES), -относительная мощность скважины (МОТ), а1 - коэффициент

эффективности (АЕР), те - эффективная мощность (МЕР), кр -коэффициент проницаемости (КРЯОЫ) и др

Методом принципиальных компонент получено распределение информативности абстрактных показателей, представленное в таблице 1

Результаты анализа показали очень сильную значимость альтитуды Исследована значимость отличия параметра альтитуды для скважин различного рода разведочных и рабочих При этом альтитуда и высота кровли являются наиболее определяющими, что показано на рис 8

Таблица 1

Информативность абстрактных факторов

% ^а! I Сити! Сити!

Е]депуа1 Уапапсе | Е|депуа! %

1 4 45163 49 46252 4 451627 49 46252

2 1 43392 15 93246 5 885548 65 39497

3 0 95701 10 63348 6 842561 76 02845

4 0 82861 9 20676 7 671169 85 23521

5 0 69378 7 70866 8 364948 92 94387

6 0 40418 4 49090 8 769129 97 43477

Параметры рабочих и разведочных скважин

Фактор нагрузки фактор 1 и фактор 2 Врзщен/е без врэц Выделение Главные компоненту

о

КРРЮИ о

нкн

о

А'иТ

пЕР Л"ОТ о

02

00

л 02

а

о

та

€> 04

КРЬЭ

> о

I

1 О 1-------1-----1---1-1

10 08 Об 04 02 00 02 С 4 06 08 10

Фактор 1

Рис 8

Сравнивая полученные корреляции с корреляций по всем скважинам, можно увидеть существенную разницу структуры взаимосвязи показателей Последние три параметра почти не дают никакой информации о состоянии скважины

Далее в диссертации проводится качественный анализ неисправностей элементов ГТС и возникающих в связи с этим нештатных ситуаций

Предполагается, что автоматизированный технологический комплекс разбит на подсистемы, образующие некоторое упорядоченное множество N = {/7}, и в период эксплуатации пребывает в одном из состояний а, е 5, где 5 - множество всех возможных исправных и неисправных состояний Все множество 5 есть объединение трех подмножеств - исправных и

работоспособных состояний, - неисправных и неработоспособных (аварийных) состояний, в которых для АСУТП в лице защитной автоматики или диспетчера нет альтернатив при диагностике неисправности и принятия решения, - неисправных, но работоспособных состояний Каждое .у е Б представляет собой вектор 5, = (.у,1,.. компонент которого равен нулю, если в

этом состоянии подсистема автоматизированный технологический комплекс (АТК) п находится в исправном состоянии, и единице - в неисправном В состояниях, входящих в подмножество 53 путем изменения структуры АТК или режима его работы возможна реализация управляющих воздействий, в той или иной степени компенсирующих отказы подсистем с точки зрения эффективности работы АТК

Вероятность Л каждого состояния л, е 5 определяется из системы уравнений Колмогорова в установившемся режиме

Каждому неисправному состоянию одной из подсистем 5,п для е 53 соответствуют первичные (настоящие) и вторичные (будущие) потери эффективности Например, если в газотурбинной установке (ГТУ) имеется неисправность засорение одной из форсунок камеры сгорания, то первичная потеря эффективности - падение КПД ГТУ, вызывающее повышение количества сжигаемого топлива при той же мощности, а вторичная - обрыв одной из лопаток турбины со всеми вытекающими последствиями, образующими цепочку событий, например, разрушение роторной и статорной частей ГТУ, останов ГТУ, недопоставка газа, затраты на ремонт, что в итоге, вызывает ущерб потребителя, на один или несколько порядков превышающий первичные потери Следовательно, каждой л-й подсистеме технологический объект управления (ТОУ) может быть поставлен в соответствие вектор (р",..., р"р"), где р" - приведенные к единице времени потери эффективности технологического процесса

при отказе в состоянии подсистемы Для компенсации возможных потерь в каждом из в, е 83 (предполагается что аварийные состояния,

входящие в множество не компенсируются) может быть использовано одно из нескольких управляющих воздействий {К,},к, =1,К,, где к, - число альтернатив по управлению в состоянии Реализация каждого из управлений связана с соответствующими приведенными затратами, но уменьшает потери на рк1

Тогда, введя булеву переменную лА1, равную 1, если в состоянии 5, е принят вариант управления к, и 0 в противоположном случае, можно сформулировать задачу принятия решений на длительный период оперативного контроля за ГТС как минимизацию комплексного критерия потерь эффективности ^ от нештатных ситуаций на технологическом объекте, т е

Р = тт X Р, X Кск -РОхК + ЕАХ/. (16)

при ограничениях

1) на потери эффективности технологического процесса

А е^з Е кЕр."3")~Рк<1-Р. (17)

2)на стоимость управления

^^зЕ^Л-'г (18)

к,еК, 4 '

3) на единственность выбора управляющего решения

V*, е£3]>Х=1 (1д)

Л, вК/

4) на булев характер переменной

е /ОД; (20)

Постановка задачи (16)-(20), которая может быть дополнена и другими разумными ограничениями дает общую априорную оценку эффективности совокупности всех решений за достаточно длительный срок эксплуатации Эта постановка представляет собой задачу линейного булева программирования чрезвычайно большой размерности, имеющая к тому же кроме аналитических и алгоритмическое ограничение Решение этой задачи (в силу ее МР -сложности) вряд ли возможно без применения декомпозиционной схемы В сущности, оценка по критерию р складывается из оценок принятых решений в ходе ликвидации нештатных ситуаций С точки зрения диспетчера в определенный момент времени имеется нештатная ситуация, в которой надо однозначно определить, к какому из подмножеств относится з, (поставить диагноз), дать

прогноз развития событий и найти наилучшее управляющее решение

Для каждого з, из с Э возможных в данной ситуации т диагнозов, имеющих свою вероятность р, имеется набор

управляющих решений хк1 В свою очередь, применение для любого 8, бв^ какого-либо из хк1, к.еК,, приведет к тому, что неисправность, вызвавшая первичные потери, будет развиваться по одному из / е Ц неисправностей Ьк путей Эти пути определяются с

помощью решения задачи прогноза развития событий Каждый 1} взвешен как вероятностью развития неисправностей по Р]К так и величиной, на которую уменьшаются потери эффективности ТОУ

Тогда критерий минимума потере эффективности АТК при возникновении нештатной ситуации т, отражающей одно из состояний е Бт , может быть записан следующим образом

4=™« I р,{р,+ I ** (ск - X Рп,Р1к )} (21)

При ограничениях, аналогичных (17)-(20), а также при условии, что первичные потери эффективности технологического процесса не должны превышать потерь, при аварии, а также учитывая, что критерий (6) отражает эффективность процесса оперативного принятия решения, целесообразно ввести и ограничение на время поиска управляющего решения

«хк1)>7, (22)

Реализовать поставленные задачи можно с помощью системы поддержки принятия решений Типичная СППР имеет следующие компоненты базу знаний, базу данных, интерфейс пользователя подсистему вывода и подсистему

Общая процедура поиска рационального решения для конкретной нештатной ситуации может быть описана в виде алгоритма, состоящего из следующих укрупненных этапов

1) определение разладки АТК - фиксация нештатной ситуации,

2) проверка достоверности информации Если информация не достовеона, то выдаются рекомендации к восстановлению информации, устранению неисправностей в каналах измерения с последующей оценкой достоверности,

3) первичный прогноз развития ситуации, анализ ее стабильности,

4) опоеделение допустимого времени принятия решения,

5) заполнение базы данных текущей информацией,

6) постановка диагноза,

7) оценка качества поставленного диагноза Если диагноз поставлен, то переход к этапу 13, если нет - переход к этапу 8,

8)определение, осталось ли время на дополнительный анализ ситуации Если да - переход к этапу 10, если нет к этапу 9,

9) при отсутствии достаточного времени для продолжения поиска диагноза могут быть следующие исходы выработка управляющего

решения без постановки диагноза, передача полученных результатов на вышестоящий уровень принятия решения, принятие промежуточного решения с целью предотвращения возможного наихудшего развития ситуации Два последних исхода - это попытка получить выигрыш во времени для проведения дополнительного анализа,

10) если можно продолжить нахождение точного диагноза, то сбор дополнительной информации, в т ч с соседних объектов и других уровней управления, временная задержка с целью формирования временных рядов параметров, проигрывание ситуации на имитационных моделях технологического процесса,

11) постановка диагноза с учетом полученных на предыдущем этапе дополнительных данных,

12) если на предыдущем этапе не получен точный диагноз, а время на принятие решения исчерпано или нет возможностей получить более точную и полную информацию, то принятие управляющего решения по имеющемуся диагнозу, в противном случае - переход к этапу 13,

13) прогноз развития событий (если он информационно обеспечен) - построение дерева исходов,

14) выбор управляющего решения по критерию (6) с учетом введенных ограничений

Основу рассмотренной схемы составляют этапы 6, 11-14 Именно от них зависит эффективность принимаемых решений

В четвертой главе с целью снижения временных затрат и повышения вероятности принятия оптимального решения система телемеханики межпромыслового коллектора была дополнеьа системой поддержки принятия решений

Система поддержки принятия решений предназначена для оказания помощи диспетчеоу в анализе текущего режима работы МПК, включая идентификацию участка разрыва трубопровода, сигнализацию происшествий, классифицируемых как разрыв на участке трубопровода, представление диспетчеру справочной и рекомендательной информации при максимальном сохранении работоспособности коллектора и промыслов в целом К справочной информации относятся данные об участке обнаружения разрыва и его основных характеристиках К рекомендательной - набор указаний по локализации участка и правил вида <'если-то-иначе», нацеленных на информационную поддержку анализа происходящих процессов и тенденций, сужение круга рассматриваемых вариантов и сценариев развития

Поставленные цели достигаются благодаря следующему

• дополнительней первичной обработке данных в контроллере контролируемое пункта,

• проведению расчетов стационарного режима работы МПК, позволяющих определить величину и направление потоков газа на участках коллектора, запас газа;

• применению компонентов экспертной системы в виде заранее разработанных инструкций по действиям диспетчера в различных ситуациях.

Структура программно-технических средств системы телемеханики МПК, включающей систему поддержки принятия решений, приведена на Рис.9.

Структура СТМ МПК, включая СППР

кпстм

Рис. 9.

Основой СППР является база данных (БД), содержащая: * «базу знаний» - описание возможных аварийных ситуаций и набор инструкций по действиям диспетчера в этих ситуациях, формируется экспертами. Инструкции разработаны исходя из понимания режимов работы МПК и опыта предыдущих действий в аналогичных ситуациях. Все данные сохраняются в общей базе данных (БД) и доступны для редактирования, как средствами системы, так и используемой СУБД. Это обеспечивает переносимость и гибкость системы по информационному наполнению и сопряжению с другими системами.

• нормативно-справочную информацию об объектах и геометрии МПК, т е данные об участках трубопровода, объектах на нем, данные о запасах газа на участках и направлениях потоков

• данные «реального времени» о текущем режиме работы МПК Данные о положении телеуправляемых кранов, давлениях и температурах в измеряемых точках поступают от системы телемеханики МПК Положение нетелеуправляемых кранов, расходы по независимым поставщикам газа и ГКС вводятся диспетчером вручную Данные по УКПГ поступают с использованием автоматизированной системы сбора, передачи, обработки, отображения технологической информации (АССПООТИ),

• архив параметров реального времени

Для анализа текущего режима работы МПК используются расчеты с помощью программного комплекса (ПК) моделирования «Астра», разработки тюменского филиала ООО «Информгаз» В ПК «Астра» передаются данные обо всех источниках и потребителях газа, текущих положениях запорной арматуры Результаты расчета стационарного режима, который производится автоматически 1 раз в час, выгружаются в базу данных СППР Расчетные значения потоков и запаса газа в коллекторе выводятся на мнемосхему пункта управления СТМ Использование математической модели МПК, представление данных реального времени и результатов расчета на едином экране позволяют диспетчеру полнее идентифицировать текущий режим работы МПК, распределение потоков газа в коллекторе

В заключении представлены основные результаты работы

Приложение содержит документы об использовании результатов работы

Публикации По результатам выполненных исследований опубликовано 5 печатных работ, которые приведены в списке публикаций

Основные выводы и результаты работы

1 Проведен сравнительный анализ методов проектирования и моделирования распределенных информационных систем газодобывающих предприятий Определены основные тенденции развития информационных технологий

2 Проведен анализ и формализация свойств технологических объектов управления и диспетчерского управления объектами добычи и транспорта газа

3 Проведен анализ моделей представления знаний в системах поддержки принятия решений по добыче и транспортировке газа

4 Разработаны методы и модели системы поддержки принятия решений управления типовым газодобывающим предприятием

5 Разработаны статистические методы анализа и прогнозирования добычи и давления в скважинах в зависимости от географического местоположения

6 Разработана имитационная модель функционирования вычислительного комплекса автоматизированной системы управления газокомпрессорной станцией

7 Разработан программно-моделирующий комплекс системы оперативно-диспетчерского управления добычей и транспортировкой газа

8 Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде предприятий газодобывающей отрасли

Публикации по теме диссертационной работы

1 Балабанов А А , Ланчаков ГА , Никаноров В В , Бернер Л И , Ковалев А А Система поддержки принятия диспетчерских решений в АСУ ТП реального времени //Научно-технический производственный журнал «Промышленные АСУ и контроллеры» №2 2007г - С 13-15

2 Балабанов А А , Богданов И К , Зельдин Ю М , Трашков Б А Разработка и внедрение многоуровневой информационно-управляющей системы диспетчерского управления ООО «Таттрансгаза» //Научно-технический и производственный журнал «Автоматизация в промышленности» №7 2007г - С 3-5

3 Ростовцев А И , Балабанов А А , Моргунов Е В Экономические аспекты автоматизации предприятий и внедрения подсистем поддержки принятия решений //Сборник научных трудов Российская академия наук, Институт проблем рынка Проблемы развития рыночной экономики Выпуск 1, 2007г - С 140-161

4 Балабанов А А , Рощин А В , Баринов А П , Лукащук Р П Система поддержки принятия решения в АСУТП //Методы прикладной информатики в автомобильно-дорожном комплексе Сб науч тр МАДИ(ГТУ), 2007 С 65-70

5 Балабанов А А , Рощин А А Особенности технологии газовой отрасли как объектов автоматизации управления //Методы прикладной информатики в автомобильно-дорожном комплексе Сб науч тр МАДИ(ГТУ), 2007 С 94-100

Подписано в печать ^ 200 8т Формат 60x84/16 Уел Печ л 1,6 Уч -изд л 4 Тираж Р° экз Заказ <2 «Техполитграфцентр» Россия, 125319, г Москва, ул Усиевича, д 8а Тел/факс (495) 152-17-71

ВВЕДЕНИЕ.

1. АНАЛИЗ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ДОБЫЧИ И ТРАНСПОРТА ГАЗА КАК ОБЪЕКТОВ ДИСПЕТЧЕРСКОГО КОНТРОЛЯ И УПРАВЛЕНИЯ.

1.1. (Характеристика технологических процессов газовой отрасли.10!

1.2. Свойства технологических объектов управления.

1.3. Диспетчерское управление объектами добычи и транспорта газа.

1.3.1. Автоматизация диспетчерского управления.

1.3.2. Анализ моделей технологических процессов транспортировки газа.

1.4. Анализ моделей представления знаний.

1.4.1. Логические модели.

1.4.2. Сетевые модели.48v

1.4.3. Объектные модели.

1.4.4. Продукционные модели.

1.5. Программные аспекты создания систем поддержки принятия решений газодобывающих предприятий.56'

1.6. Анализ-моделей представления знаний для динамических сред.

1.6.1. Модели на основе логики умолчаний.

1.6.2. Модели представлениягзнаний на основе временных логик.

Выводы по главе 1.

2. РАЗРАБОТКА ОБЩИХ ПРИНЦИПОВ ПОСТРОЕНИЯ ГИБРИДНЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ УПРАВЛЕНИЯ ГАЗОДОБЫВАЮЩИМИ ПРЕДПРИЯТИЯМИ.

2.1. Формализованное представление процесса" управления диспетчеризацией.

2.1.1. Концептуальная постановка задачи принятия решений управления газодобычей.

2.1.2. Формализованная постановка задачи принятия решения- по обнаружению неисправностей.

2.1.3. Процедура поиска рационального решения для конкретной нештатной ситуации.

2.2. Ресурсы дискретной системы и управляемые события.

2.3-. Идентификация событий в динамической системе управления газодобычей.

2.4. Формализация понятий действий в системе моделирования.

2.5. Формализация понятий операции.

2.6. Интеллектуальная моделирующая система на основе РДО-модели.

2.7. Структура продукционного имитатора системы моделирования.

Выводы по главе 2.

3. РАЗРАБОТКА МЕТОДОВ СТАТИСТИЧЕСКОГО АНАЛИЗА И ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ СИСТЕМЫ УПРАВЛЕНИЯ ГАЗОДОБЫЧЕЙ.

3.1.' Разработка методов статистического анализа характеристик добычи газа.

3.1.1. Анализ зависимостей и прогнозов давления и добычи газа.

3.1.2. Регрессионные модели анализа давления в зависимости от местоположения скважин.

3.2. Анализ взаимозависимости характеристик разведочных и добывающих скважин.

3.2.1. Корреляционный анализ характеристик скважин.

3.2.2. Факторный анализ характеристик добычи.

3.2.3. Анализ параметров добывающих скважин.

3.3. Оптимизация параметров вычислительного комплекса АСУТП транспортировки газа.

3.3.1. Модель структуры вычислительного комплекса АСУТП газокомпрессорной станции.

3.3.2. Формализованная модель функционирования АСУТП.

3.3.3. Результаты моделирования по выбору оптимальных режимов квантования.

3.3.4. Анализ характеристик процедуры оптимизации.

Выводы по главе 3.

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ОБЪЕКТАМИ ЕСГ.

4.1. Особенности межпромыслового коллектора ООО «Уренгойгазпром».

4.2. Реализация системы поддержки принятия решений в составе системы телемеханики межпромыслового коллектора.

4.3. Методика построения СППР в системе управления газодобычей.

Выводы по главе 4.

Одно из направлений развития АСУ технологическими процессами газовой отрасли является диспетчерское управление, организованное в рамках отраслевой системы оперативно-диспетчерского управления (ОС0ДУ). В иерархии управления газодобывающего и газотранспортного предприятия диспетчерской службе отводится важная функция по интегрированию управления всеми технологическими объектами, обеспечивающими процесс добычи и транспорта газа. Современные системы автоматизации производств должны удовлетворять предъявляемым к ним требованиям в условиях необходимости принятия ответственных решений в ограниченные сроки. Системы оперативного диспетчерского управления технологическими процессами должны располагать потенциалом для выявления и диагностики нештатных и аварийных ситуаций, применения методов искусственного интеллекта и реализации систем поддержки принятия решений (СППР).

На действующем производстве цена диспетчерского решения очень велика, что* психологически давит на диспетчера. Сложность принятия решения возрастает при отсутствии или недостоверности части параметров. Кроме того, с течением времени тенденция ухудшения ситуации может нарастать, в связи с чем, резко уменьшится резерв времени на принятие решения. Это время необходимо постоянно отслеживать и определять заново в ходе поиска решения. Проблемы взаимодействия человека и машины стали в настоящее время общими для атомной энергетики, нефтяной и газовой промышленности, химического производства, авиации, транспорта и других отраслей народного хозяйства. Анализ ряда аварий в этих отраслях показал, что одной из причин аварий являются ошибки диспетчерского персонала, непринятие или принятие неправильных управляющих решений. Таким образом, в увеличении степени технологического риска и снижении производственной безопасности в системе «человек - машина» существенную роль играет человеческий фактор. Возрастают требования, предъявляемые к качеству выполнения операторами и диспетчерами своих функций в человеко-машинной системе управления. Особенно это важно для таких мощных систем, как Единая электроэнергетическая система, Единая система газоснабжения.

Предметом исследования являются диспетчерское управление технологическими объектами добычи и транспорта газа, современные методы и подходы к автоматизации технологических процессов газовой отрасли.

Во введении подчеркивается актуальность проведенных исследований, поставлена цель, сформулированы решаемые задачи и приводится краткое содержание глав диссертации.

Целью работы является разработка и внедрение методов искусственного • интеллекта, реализуемых в системе поддержки принятия диспетчерских решений, которая должна обеспечить повышение оперативности диагностики состояния производственных объектов, выявления аварийных и нештатных ситуаций, посредством этого - повышение степени аварийной защиты оборудования. Повышение качества управления технологическим процессом и сокращения ошибок диспетчерского персонала при действиях в различных ситуациях за счет информационно-аналитической поддержки и предоставления персоналу подробной информации о состоянии оборудования.

Для достижения данной цели в работе решаются следующие задачи:

• анализ и формализация свойств технологических объектов управления и диспетчерского управления объектами добычи и транспорта газа;

• анализ моделей представления знаний в системах поддержки принятия решений по добыче и транспортировке газа;

• разработка методов и моделей системы поддержки принятия решений управления газодобывающим предприятием;

•разработка статистических методов анализа и прогнозирования добычи и давления в скважинах в зависимости от географического местоположения;

• разработка имитационной модели управления газокомпрессорной станцией;

• разработка программно-моделирующего комплекса системы управления добычей и транспортировкой газа.

Научная новизна

Новизна работы заключается в рассмотрении вопросов взаимодействия диспетчера газотранспортной системы с АСУТП, конкретных задач, которые он решает, контролируя работу ГТС, вопросы обусловленности и обоснованности принятия диспетчером управляющих решений при возникновении нештатных ситуаций, определение последовательности управляющих воздействий, максимально нивелирующих неблагоприятное развитие процесса и возвращающих его на стабильный уровень, возможно не оптимальный, но лучший в данной конкретной ситуации, и оценки результата.

На защиту выносятся:

• вероятностная модель анализа неисправностей агрегатов;

• модели прогноза давления и добычи и регрессионная модель давления от географического расположения скважины;

• имитационная модель газовой котельной и методика оптимального эксперимента;

• методика проектирования СППР газодобывающих предприятий;

В первой главе выполнен анализ методов построения СППР управления технологическими процессами газодобывающих предприятий. В результате анализа функционирования технологических объектов газовой отрасли были вскрыты основные специфические по сравнению с традиционными объектами управления свойства. Показано, что выявленные особенности необходимо учитывать при создании систем оперативного управления объектами газотранспортной системы. Для использования различных видов знаний об объекте, как декларативных, так и процедуральных, необходимо разрабатывать АСУ с использованием методов искусственного интеллекта, которая обеспечила бы простоту адаптации процедуры выбора управляющих решений изменяющейся структуры объекта, конкретным условиям его функционирования, устойчивость к неполноте и неопределенности информации, расширяемость за счет новых знаний, выявленных в ходе эксплуатации системы. Необходимо иметь возможность изменения алгоритмов управления в зависимости от ситуации на объекте и объяснять принимаемые решения.

Во второй главе проводится качественный анализ неисправностей элементов ГТС и возникающих в связи с этим нештатных ситуаций. Показано, что реализовать поставленные задачи управления можно с помощью системы поддержки принятия решений. C1JLL1P должна иметь следующие компоненты: базу знаний, базу данных, интерфейс пользователя, объяснения (разъясняет логику вывода); В данной-ситуации модель объекта или процесса в системе моделирования представляет собой динамическую продукционную систему. Ее база данных содержит описания ресурсов моделируемого объекта или процесса, а база знаний - описания действий, выполняемых ресурсами и над ними. Адаптация к конкретному объекту заключается в описании ресурсов и действий на формальном языке и введении их в БД и БЗ.

В третьей главе диссертации разработана имитационная модель управления компрессорной станцией и методы статистического анализа для прогнозирования добычи и давления, а также взаимосвязи характеристик скважин. На основе проведенного анализа показана необходимость декомпозиции общей модели для включения подсистем и моделей прогнозирования добычи. Первая задача заключается в поиске закономерностей между объемом добычи и давлением в скважинах. Вторая задача направлена на поиск аналитических зависимостей давления в скважине от ее географического местоположения. Третья задача состоит в обоснованном выборе наиболее значимых факторов и формированию обобщенных критериев и показателей функционирования скважины, что повышает точность прогнозов добычи и давления.

В четвертой главе с целью снижения временных затрат и повышения вероятности принятия оптимального решения система телемеханики межпромыслового коллектора была дополнена системой поддержки принятия решений. Система поддержки принятия решений предназначена для оказания помощи диспетчеру в анализе текущего режима работы МПК, включая идентификацию участка разрыва трубопровода, сигнализацию происшествий, классифицируемых как разрыв на участке трубопровода, представление диспетчеру справочной и рекомендательной информации при максимальном сохранении работоспособности коллектора и промыслов в целом. К справочной информации относятся данные об участке обнаружения разрыва и его основных характеристиках. К рекомендательной - набор указаний по локализации участка и правил вида «если-то-иначе», нацеленных на информационную поддержку анализа происходящих процессов и тенденций, сужение круга рассматриваемых вариантов и сценариев развития.

Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием современных математических методов и моделей, предварительным статистическим анализом процессов обработки информации в распределенных информационных системах предприятий добывающих отраслей, согласованностью результатов аналитических и имитационных моделей. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения результатов работы в ряде организаций.

Научные результаты, полученные в диссертации, доведены до практического использования. Они представляют непосредственный интерес в области проектирования и эксплуатации СППР предприятий газодобывающей отрасли.

Методы и алгоритмы, а также программные средства могут быть использованы при решении задач анализа и синтеза структуры системы управления предприятиями добывающих отраслей. Внедрение результатов работы позволяет повысить качество и эффективность функционирования добывающего предприятия за счет автоматизации процессов поддержки принятия решений с использованием моделей искусственного интеллекта.

Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде предприятий газодобывающей отрасли, а также используются на кафедре АСУ МАДИ(ГТУ).

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение:

• на Российских и межрегиональных научно-технических конференциях, симпозиумах и семинарах (2002-2007гг.);

• на заседании кафедры АСУ МАДИ(ГТУ).

Совокупность научных положений, идей и практических результатов исследований в области автоматизации проектирования и выбора оптимальных режимов эксплуатации распределенных информационных систем составляет актуальное направление в области теоретических и практических методов принятия решений по автоматизации технологических процессов предприятий добывающей отрасли с использованием распределенной информационной системы.

Материалы диссертации отражены в 8 печатных работах.

Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 167 страницах машинописного текста, содержит 53 рисунка, 13 графиков и таблиц, список литературы из 125 наименований и приложения.

Основные выводы и результаты работы

1. Проведен сравнительный анализ методов проектирования и моделирования распределенных информационных систем газодобывающих предприятий. Определены основные тенденции развития информационных технологий.

2. Проведен анализ и формализация свойств технологических объектов управления и диспетчерского управления объектами добычи и транспорта газа.

3. Проведен анализ моделей представления знаний в системах поддержки принятия решений по добыче и транспортировке газа.

4. Разработаны методов и моделей системы поддержки принятия решений управления газодобывающим предприятием.

5. Разработаны статистические методы анализа и прогнозирования добычи и давления в скважинах в зависимости от географического местоположения. ч

6. Разработана имитационная модель управления газокомпрессорной станцией.

7. Разработан программно-моделирующий комплекс системы управления добычей и транспортировкой газа.

8. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде предприятий газодобывающей отрасли, а также используются на кафедре АСУ МАДИ(ГТУ).

1. Абузова Ф.Ф., Алиев Р.А., Новоселов В.Ф. и др. Техника и технология транспорта и хранения нефти и газа. — М.: Недра, 1992. — 320 с.

2. Автоматизированная система управления технологическими процессами установки комплексной подготовки газа (УКПГ-ЗС) Заполярного газонефтеконденсатного месторождения. Техническое задание. Саратов. 2003.

3. Алексеев Ю.В., Левыкин М.И. Принятие решений в сложном человеко-машинном комплексе. М.:Статистика, 1992.

4. АО «АтлантикТрансгазСистема». Перспективы разработки. Приборы и Системы. Управления, Контроль, Диагностика, № 5, 2002. С. 20-21.

5. Аристова Н.И., Корнеева А.И. Промышленные программно-аппаратные средства на отечественном рынке АСУТП. — М.: Научтехлитиздат, 2001.

6. Балавин М.А., Лазаревич С.В., Шайхутдинов А.З., Продовиков С.П, Нахшин Г.С. Опыт создания и внедрения систем автоматического управления. — М.: Газовая промышленность №8, 2006.

7. Балавин М.А., Продовиков С.П., Назаров О.В., Яковлев В.Б. и др. Автоматизация процессов газовой промышленности. — Спб.: Наука, 2003.

8. Башарин Г.П., Толмачев А.Л. Теория сетей массового обслуживания и ее приложения к анализу информационно-вычислительных систем // Итоги науки и техники. Теор. вероятн. Мат. стат. Теор. кибернетика. М.'ВИНИТИ, 1983. -Т.21. - С.3-119.

9. Бекиров Т.М., Ланчаков Г.А., Технология обработки газа и конденсата. М: НЕДРА, 1999.

10. Белов Е.Г. Об одной многокритериальной задаче распределения заданий. Маршрутно-распределительные задачи. :Урал. гос. техн. ун-т. — Екатеринбург, 1995. - С.4-9.

11. Беляков В.Г., Митрофанов Ю.И., Ярославцев А.Ф. Пакет прикладных программ для математического моделирования сетевых систем // XI Всесоюз. школа-семинар по вычислительным сетям: Тез. докл. М.: ВИНИТИ, 1986. - 4.IIL - С. 145-150.

12. Бернер Л.И., Богданов Н.К., Лыков А.Г. О решении задачи размещения оборудования при создании системы телемеханики нефтегазового промысла // Приборы и системы. Управление, контроль, диагностика, 2003. №5. - С.34-36.

13. Бернер Л.И., Богданов Н.К., Панькин К.В., Лыков А.Г. Применение методов графического анализа при решении задачи, размещения оборудования системы телемеханики нефтегазового промысла // Приборы и системы. Управление, контроль, диагностика, 2004. №1.

14. Бернер Л.И., Илюшин С.А., Лавров С.А., Сушков С.И., Лыков А.Г. Система сбора, передачи и обработки информации неэлектрифицированных кустов газовых скважин // Промышленные АСУ и контроллеры, 2004. №1.

15. Бертсекас Д., Галлагер Р. Сети передачи данных: Пер. с англ. -М.: Мир, 1989. 544 с.

16. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. -М.: Статистика, 1980.

17. Блэк Ю. Сети ЭВМ: протоколы, стандарты, интерфейсы: Пер. с англ. М.: Мир, 1990. - 506 с.

18. Богуславский Л.Б. Управление потоками данных в сетях ЭВМ. -М.: Энергоатомиздат, 1984. 168 с.

19. Боровков А.А. Предельные теоремы для сетей обслуживания // Теория вероятностей и ее применения. 1986. - Т. 31, вып. 3. - С. 474-490; 1987. - Т. 32, вып. 2. - С. 282-298.

20. Браго Е.Н., Ланчаков Г.А., Подюк В.Г., Сулейманов Р.С. Новые информационные технологии для управления разработкой газонефтеконденсатных месторождений // Наука и промышленность России. 2002 №8.

21. Бурков В.Н., Панова Л.Н., Шнейдерман М.В. Получение и анализ экспертной информации.-М:Изд-во Института проблем управления, 1981.

22. Бутовский А.Г., Пустыльников Л.М., Теория управления системами с распределенными параметрами. -М.: Недра, 1980.

23. Васильев Ю.Н. Автоматизированные системы управления разработкой газовых месторождений. -М.: Недра, 1987.

24. Гершберг А.Ф., Мусаев А.А., Нозик А.А., Шерстюк Ю.М. Концептуальные основы информационной интеграции АСУ ТП нефтеперерабатывающего предприятия. СПб: Альянс-строй, 2003.

25. Гиг Дж. Ван. Прикладная общая теория систем М.: Мир, 1981.Т. 1.-336 с.

26. Глушков В.М. О системной оптимизации Кибернетика.- 1980.-№5.- С.1-6.

27. ГОСТ 34.003-90. Информационная технология. Автоматизированные системы. Термины и определения //Информационная технология. Комплекс стандартов и руководящих документов на автоматизированные системы. М.: Комитет стандартизации и метрологии СССР, 1991.

28. Грешилов А.А., Стакун В.А., Стакун J1.A. Математические методы построения прогнозов. М., Радио и связь, 1997. - 112с.

29. Гридина Е.Г. Прогнозирование стационарных процессов с помощью оптимальных линейных систем. С.-Петерб. гос. электротех. ун-т. -СПб, 1995.-37с.

30. Гриценко А.И., Истомин В.А., Кульков А.Н., Сулейманов Р.С., Сбор и промысловая подготовка газа на северных месторождениях России. — М: НЕДРА, 1999.

31. Дегтярев Б.В., Бухгалтер Э.Б. Борьба с гидратами при эксплуатации* газовых скважин в северных районах. М., «Недра», 1976. -19-21с.

32. Дэвис Д., Барбер Д., Прайс У. и др. Вычислительные сети и сетевые протоколы. М.: Мир, 1982. - 562 с.

33. Емельянов В.В. Метод построения математических моделей сложных дискретных систем и процессов. Вестник МГТУ. Сер. Машиностроение. - 1993. - №1. - С.14-19.

34. Зайченко Ю.П., Гонта Ю.В. Структурная оптимизация сетей ЭВМ. Киев: Техника, 1986. - 169 с.

35. Зимин Ю.Н., Умрихин Ю.Д., Черкасов Ю.Н. Методология системного подхода к разработке организационных структур управления большими системами. М., Минрадиопром, 1981.- 82 с.

36. ИУС Берегового месторождения: АСУ ТП УКПГ и ОПВН. Техно-рабочий проект (Ца 17705.077). Краснодар: ОАО «НПО Промавтоматика», 2003^

37. ИУС Берегового месторождения. Система телемеханики кустов газовых скважин и газопровода подключения. Техно-рабочий проект (АТГС. АСУТП.034).- М.: АО «АтлантикТрансгазСистема», 2001.

38. Киселев М:, Соломатин Е. Средства добычи знаний в бизнесе и финансах // Открытые системы. 1997. — № 4. - С. 41- 44.

39. Коваленко Н.С., Мешельский В.М. Режимы взаимодействия неоднордных распределенных конкурирующих процессов. Кибернетика и сист. анал.- 1997.- №3. - С.31-43.

40. Коннолли Т., Бегг К., Страчан А. Базы данных; Проектирование, реализация и сопровождение. Теория, и практика. М.: Вильяме, .2001. — 1120с. ' . . ., • ■

41. Корнеев В:В., Гареев А.Ф;, Васютин С.В:, Райх В.В. Базы данных. Интеллектуальная обработка информации. // М.: Нолидж, 2001

42. Крейг С. Маллинс. Администрирование баз данных. Полное справочное руководство по методам и процедурам. М.: Кудиц-образ. 2003. - 752с.

43. Кречетов Н., Иванов Г1. Продукты для интеллектуального , анализа данных // ComputerWeek-МЬсква, 1997. - №14-15. - С. 32-39.

44. Куклин Г.В., Яковлев С.А. Информационные сети АСУ и вопросы автоматизации их проектирования // Автоматизация проектирования АСУП: Сб. статей. Киев: Знание, 1976. - С. 13-15.

45. Куклин Г.В., Яковлев С.А. Нахождение кратчайших путей в сети с многократной вариацией^ структуры // Теория и практика программирования на ЭВМ:. Тез. докл. VI Всес. шк.-сем. Владивосток, 1977.-С. 85-87.

46. Куцевич И.В. Инструментарий для интеграции разнородных подсистем // Мир компьютерной автоматизации. 2000. №1.

47. Ласло М. Вычислительная геометрия и компьютерная графика на С++: Пер. с англ. М.: «Издательство БИНОМ», 1997. - 304 с.

48. Лебедев В.М., Добровольский С.М. Вероятностные модели и статистические методы анализа и обработки информационных потоков. -Фунд. пробл. мат. и мех. Мат.Ч.1.:МГУ. -М., 1994. С.152-153.

49. Леньшин В., Синенко О. Интеграция на пути повышения эффективности предприятия // Мир компьютерной автоматизации. 2000. №1.

50. Лыков А.Г. Автоматизированная система управления технологическими процессами установки предварительной подготовки газа УППГ-2В Ямбургского газоконденсатного месторождения // Автоматизация в промышленности, 2003. №10. - С.8-10.

51. Лыков А.Г. Принципы построения и особенности применения систем пожарной автоматики на объектах добычи и транспорта газа //

52. Автоматизация в промышленности, 2003. №7. - С.6-7.

53. Лыков А.Г. Разработка алгоритма подачи метанола в поток газа на входе в шлейф // Моделирование и оптимизация в управлении. Сборник научных трудов МАДИ (ГТУ). Москва, 2003 - с.75-80.

54. Лыков А.Г., Лавров С.А., Демченко А.В. Система автоматизированного контроля и управления газовыми скважинами Заполярного газоконденсатного месторождения // Приборы и системы. Управление, контроль, диагностика, 2002. №5. - С.20-21.

55. Лэсдон Л.С. Оптимизация больших систем. М.: Наука, 1975.431 с.

56. Макаров Н.М., Виноградская Т.М., Рубчинский А.А. и др. Теория выбора и принятия решений. М.: Наука, 1982.

57. Маркелова Е.Ю. Некоторые алгоритмы последовательной оптимизации в маршрутно-распределительных задачах. Маршрутно-распределительные задачи: Урал. ГТУ Екатеринбург, 1995. - С.63-82.

58. Месарович М., Такахара И. Общая теория систем: математические основы. М.: Мир, 1978.- 344 с.

59. Мизин И.А., Богатырев В.А., Кулешов А.П. Сети коммутации пакетов. М.: Радио и связь, 1986. - 408 с. ч

60. Митрофанов Ю.И., Беляков В.Г., Кондратова Н.А., Ярославцев А.Ф. Об одной реализации метода конволюции для сетевых моделей обслуживания // XVI Всесоюз. школа-семинар по вычислительным сетям: Тез. докл. М: ВИНИТИ, 1991, Ч.Ш. - С. 154-158. ;

61. Мусаев А.А., Шерстюк Ю.М. Интеграция автоматизированных систем управления крупных промышленных предприятий: принципы, проблемы, решения // Автоматизация в промышленности. 2003. №10.

62. Нестеров А.Л. Проектирование АСУТП. Методическое пособие. Книга 1. Спб.: Издательство ДЕАН, 2006. - 552 с.

63. Никоненко Н.С. Создание систем автоматизированного управления в добычи газа. М.: Недра, 2001.

64. Основные положения по автоматизации, телемеханизации и созданию информационно-управляющих систем предприятий добычи и подземного хранения газа. РАО «Газпром». 1997.

65. Основные положения по автоматизации, телемеханизации и созданию информационно-управляющих систем предприятий добычи, переработки, транспорта газа, газового конденсата (нефти) и подземного хранения газа. ОАО «Газпром». 2003.

66. Остиану В.М. Характеристики распределенных автоматизированных систем управления и ПТК. М.: Промышленные АСУ и контроллеры №10, 2002.

67. Отраслевая система оперативно-диспетчерского управления ЕСГ России. Часть II. Требования к системам управления добычей и подземным хранением газа. ОАО «Газпром». 1999.

68. Панкратов B.C., Вербило А.С. Автоматизированная система диспетчерского управления ГТС. // Газовая промышленность. Серия: автоматизация, телемеханизация и связь в газовой промышленности. 2001.

69. Попадько В.Е. Проектирование SCADA систем. - М.: Изд-во РГУ нефти и газа им. И.М. Губкина, 2000.

70. Поспелов Д.А. Ситуационное управление, теория и практика. -М.: Наука, 1986.-288 с.

71. Прошин И.А., Прошин Д.И., Прошин А.И. Методика выбора математической модели при обработке экспериментальной статистической информации. Пенз. ГТУ - Пенза, 1997. - 20с.

72. Прошин И.А., Прошин Д.И., Прошин А.И. Методика обработки экспериментально-статистической информации. Пенз. ГТУ - Пенза, 1997. — 29с.

73. Радкевич В.В. Системы управления объектами газовой промышленности. М.: Серебряная нить, 2004. — 440л.

74. Радкевич В.В., Самарин А.А., Чернов В.М. и др. Система оперативного управления процессом добычи газа и конденсата на Оренбургском НГКМ. М.: Газовая промышленность №3, 2002.

75. Сабинин О.Н. Планирование и организация ускоренного статистического моделирования сложных производственно-экономических комплексов. — Изв. РАН Теор. и сист. упр. 1997. - №2. — С.117-123.

76. Сапунцов В.Д. Методы и средства проектирования информационных систем. М.: РГУ нефти и газа им. И.М. Губкина, 2000. — 64 с.

77. Сарданашвили С. А. Расчетные методы и алгоритмы (трубопроводный транспорт газа). М.: ФГУП Изд-во «Нефть и газ» РГУнефти и газа им. И.М. Губкина, 2005. - 577 с.

78. Синицкий А.Р. SCADA пакеты для САУ газоперекачивающими агрегатами и компрессорными цехами. — М.: Промышленные АСУ и контроллеры №3, 2000.

79. Славин Р. Единственный путь повышения эффективности производства интеграция «снизу - вверх». — Мир компьютерной автоматизации. 2000.№1.

80. Тараненко Б.Ф., Герман В.Т. Автоматическое управление газопромысловыми объектами. М., «Недра», 1976.

81. Татевосян Г.М. Обоснование экономической эффективности капитальных вложений с использованием методов оптимизации. Экон. и мат. моделир. - 1997. - 33, №1. - С.26-37.

82. Технические требования на создание АСУ ТП установки комплексной; подготовки газа (УКПГ-1С) Заполярного газонефтеконденсатного месторождения. ОАО «Газпром». 2000;

83. Уланов Г.М., Алиев Р.А., Кривошеев В.П. Методы разработки интегрированных АСУ . промышленными f предприятиями. М.: Энергоатомиздат, 1983.

84. Шахов В В. Некоторые задачи планирования имитационного эксперимента. Тр.конф.мол^уч.ВЦ СО РАН; Новосиб.март. - Новосибирск, 1995. - С.200-212.

85. Шварц М. Сети связи: протоколы, моделирование и анализ: Пер. с англ. М;: Наука, 1992. - 4.L - 336 с. - Ч.И. - 272 е.

86. Ясницкий Л:Н: Введение в искусственный интеллект. М.: Изд.: центр «Академия»; 2005. - 176 с.

87. Bernardo M., Donatiello L., Gorrieri R. A formal approach to the integration of performanceaspects in the modeling and analysis of concurrent systems. Information and Computation. - 1996. - v.144, №2. - P.83-154.

88. Blackshire J. Digital PIV (DPIV) Software Analysis System. NASA/CR-97-206285, December 1997. - P. 27.

89. Bostel A.J., Sagar V.K. Dynamic control system for AGVs. -Comput. and Contr. Eng. 1996. - 7,№4. - P. 165-176.

90. Buzen J.P. Compulational algorithms for closed queueing networks with exponential servers// Comm. ACM. 1973. - Vol. 16, № 9. - P. 527-531.

91. Carah B. Talking load and clear. Certain. Manag. - 1997. - №142. -P.61-62.

92. Carlos A., Patrick A. A Functional Simulator of Spacecraft Resources. Society of Computer Simulation Multiconference, Atlanta, Georgia, April 6-10, 1997.-P.6

93. Christopher A. Kennedy and Mark H. Carpenter, Comparison of Several Numerical Methods for Simulation of Compressible Shear Layers. NASA TP-3484, December 1997. - P.62

94. Classification and related methods of data analysis/ ed.Bock H. -Amsterdam: NORTH-HOLLAND, 1988.- 749 p.

95. Courtoils P.J. Decomposability queueing and computer system applications. New York: Academic Press, 1977. - 284 p.

96. Daduna H. Busy periods for subnetwork in stochastic networks: mean-value analysis// J.ACM. 1988. - Vol. 35, №. 3. - P. 668-674.

97. Dallery Y. An improved balanced job bound analysis of closed queueing networks // Oper. Res. Lett. 1987. - № 6. P. 77-82.

98. Fayyad U.M. et al., eds. Advances in Knowledge Discovery and Data Mining, AAAI/MIT Press, Menlo Park, Calif., 1996.

99. Frawley W.L., Piatetsky-Shapiro G., Matheus C.J. Knowledge discovery in database: An overview. AI Magazine. 1992. - №13(3). - P. 57-70.

100. Fuernkranz J. A Brief Introduction to Knowledge Discovery in Databases // OEGAI Journal. 1995. - № 14(4). - P. 14-17.

101. Gardarin G., Valduriez P. Relational database and knowledge bases.-N.Y.: Addison-Wesley, 1989.- 450 p.

102. Gelenbe E., Pujolle G. "The behaviour of a single queue in a general queueing network." Acta Imformatica, 1976, v.7, №2, P. 123-136.

103. Gerd G. Hillebrand, Paris C. Kanellakis, and Harry G. Mairson. Database query languages embedded in thetyped lambda calculus. Information and Computation, 15 June 1996. - v.127, №2. - P.l 17-144.

104. Haekhe C., Natter M., Som Т., Otrula H. Adaptive methods macroeconomic forecasting. Int J.Intell.Syst. - 1997. - 8, №1. - P.1-10.

105. Jer-Nan Juang and Minh Q. Phan, Recursive Deadbeat Controller Design/ NASA TM-112863, May 1997. - P.27

106. Joslin R. Direct Numerical Simulation of Evolution and Control of Linear and Nonlinear Disturbances in Three-Dimensional Attachment-Line Boundary Layers. NASA TP-3623, 1997. - P.39.

107. Jun K.P. Approximate analysis of arbitrary configurations of queuing networks with blocking and deadlock // Proc. of the First Intern. Workshop, Raleign, NC, USA, May 1988. Amsterdam: North-Holland, 1989. - P. 259-279.

108. Kramer W., Langenbach-Belz M. Approximation for the delay in thethqueueing systems GI | GI | 1. Congressbook, 8 ITC, Melbourne, 1976.

109. Ming-Yang K., Reif J., Tate S. Searching in an unknown environment: An optimalrandomized algorithm for the cow-path problem. -Information and Computation. 1996. - v. 131, №1. - P.63-79.

110. Nishizawa K. A method to find element of cycles in a incomplete directed graph an its applications binary ANP and Petri nets. - Comput. and Math. Appl. - 1997. - 33, №9. - P.33-46.

111. Punch W. The Problem-Dependent Nature of Parallel Processing in General Programming. Proc. First, Int. Conf. On Evolutionary Computation and Its Applications. June 24 - 27, Moscow. - 1996. - P. 154-164.

112. Ralescu A. A Note on Rule Representation in Expert Systems//Information Sciences. 1986. - v.38, №2. - P. 193-203.

113. Steward W.J. Recursive procedures for the numerical solution of Marcov chains// Proc. of the First Intern. Workshop, Raleigh, NC, USA, May 1983.- Amsterdam: North-Holland, 1989. P. 229-247.

114. Wallace V.L. Toward on algebraic theory of Marcovian networks// Proc.Symp.Computer Communications Network and Teletraffic. 1972. - P. 397408.