Вариант цифрового двойника показателей качества продукции установки подготовки нефти

На сегодняшний день при оценке качества выпускаемой продукции УПН применяются лабораторные методы выявления показателей их качества. Однако такой способ определения состояния выходной продукции не позволяет в оперативном режиме повлиять на устранение потенциально возможных негативных случаев, оказывающих влияние на показатели качества. В силу этого необходимы решения, способные в оперативном режиме получить необходимые данные по показателям качества [1, с. 12].

Существует разнообразное количество решений, способных выполнять обработку данных и определять прогнозные значения технологических параметров объектов нефтегазовой отрасли. Они основаны на применении пакетов моделирования, программных средств, интегрированных с автоматизированной системой управления технологическим процессом (АСУ ТП).

Одним из методов прогнозирования решений является цифровой двойник, который представляет информационную модель объекта (процесса), с инструментами моделирования и обработки информации.

Предложен вариант решения по визуализации результатов расчетов цифрового двойника (ЦД) процесса подготовки нефти в SCADA-системе. Применена Master SCADA, способная реализовывать расчетные операции, в т. ч. на основе линейного регрессионного анализа.

В работах специалистов АСУ ТП, в том числе д.т.н., профессора А.П. Веревкина [1, с.13] и к.т.н. Т.М. Муртазина [2, с. 16] подтверждается, что ситуационное управление объектом с нелинейными процессами по показателям качества обеспечивается путём реализации формальных и эвристических моделей, в том числе построенных на основе линейного регрессионного анализа.

Интеграция ЦД и SCADA-системы многовариантно и зависит от того, каким образом осуществляются расчётные операции моделей ЦД.

Существует множество решений и разрабатываются новые по реализации в АСУ ТП, что говорит о развитости направления усовершенствованных систем управления технологическим процессом [6, с. 16].

Интеграция цифрового двойника с действующей АСУ ТП является важным этапом развития для предприятий, подразумевающим постепенный переход к усовершенствованным системам управления [3, с. 12 – 13; 4, с. 38].

На рисунке 1 «Диаграмма потока данных при взаимодействии ЦД и АСУ ТП» приведен процесс передачи информации от технологического объекта управления (в дальнейшем, именуемый «ТОУ») к оператору АРМ через цифровой двойник. Зеленым цветом на диаграмме выделены основные действия на пути передачи данных, желтым цветом выделен персонал и ТОУ, серым цветом выделены базы данных, позволяющие ЦД выполнять свою работу.

Измеренные значения основных показателей качества выпускаемой продукции сначала собираются и передаются от ТОУ, затем обрабатываются и сохраняются на разных аппаратных средствах. При поступлении на АРМ ЦД необходимо выполнить расчёт и передать обработанные данные для конфигурирования статической модели в действующей АСУ ТП. В соответствии с установленными требованиями необходимо, чтобы основные расчётные операции по выявлению параметров ЦД были выполнены отдельным программным обеспечением на базе автоматизированного рабочего места (АРМ) инженера ЦД.

Конечная цель - синтез рекомендаций по эксплуатации УПН происходит на АРМ оператора – осуществляется за рамками работ ЦД.

Рисунок 1. Диаграмма потока данных при взаимодействии ЦД и АСУ ТП. Исходные данные играют важную роль в процессах моделирования. Выборка должна быть качественной, точно описывать процесс, периодически обновляться для того, чтобы предотвратить нарастание ошибки [7, с. 38].

Построение модели ЦД выполняется на основе подготовленных параметров процесса подготовки нефти, показанных в таблице 1.

Обводненность, плотность, температура нефти и расход подаваемого деэмульгатора выбраны для моделирования в силу своей значимости для высокоэффективного протекания производственного процесса подготовки нефти.

Обводненность влияет на коррозию оборудования, низкую эффективность протекания процесса сепарации газа и твердых частиц, снижение стоимости выходной продукции.

Плотность является основным физико-химическим классификатором, параметром стоимости и качества нефти.

Температура подогрева оказывает влияние на вязкость и плотность нефти, разрушение стойких эмульсий.

Расход подаваемого деэмульгатора отвечает за рентабельность и качество протекаемого производственного процесса подготовки нефти.

Таблица 1. Исходные данные с УПН за 01.04.2024-03.04.2024 гг. Временной шаг, ДД.ММ.ГГГГ ЧЧ:ММ:СС Обводненность нефтяной… — см. PDF статьи.

Основная формула в регрессионном анализе где X i – величина входного сигнала в итерации i; t – время выполнения итерации i; K 0 – член свободного коэффициента; e i – ошибка наблюдений; K – коэффициент полиномов.

Стоит учитывать, что в рассматриваемом варианте будет три коэффициента связи K значения которых показывают влияние каждой независимой переменной на целевую переменную 0 отражает начальный уровень зависимой переменной при нулевых значениях всех независимых переменных.

Для вычисления коэффициентов используется метод наименьших квадратов:

Составляется и решается система уравнений, откуда находятся искомые значения K Для вычисления коэффициентов корреляции и уравнения регрессии использовалась программа Approx.exe, автором которой является Кирюшин Олег Валерьевич, к.т.н.

Пример тренда прогнозного значения плотности на выходе из установки изображены на рисунке 2. На тренде по оси Х выводятся значения даты и времени выполнения замера параметра, по оси Y выводятся значения прогноза показателя качества нефти на выходе из установки.

Вычисленные значения коэффициентов регрессионного уравнения вводятся в SCADA-систему для визуализации тренда прогнозного значения плотности нефти.

Рисунок 2. Пример тренда прогнозного значения плотности нефти. Результаты моделирования являются информационной основой для выбора управленческих решений с целью минимизации негативных последствий лицом, принимающим решения.

Выводы и рекомендации

1. Апробирована работа цифрового двойника показателей качества установки подготовки нефти с использованием реальных данных с установки подготовки нефти. В цифровом двойнике достигнута синергия моделирования, временных рядов, диаграммы потока данных при взаимодействии ЦД и АСУ ТП (на примере АСУ ТП с использованием Master-SCADA).

2. Обработка данных выполнена с применением линейного регрессионного анализа.

Выходные значения, полученные в результате моделирования переданы в SCADA-систему для визуализации и принятия управленческих решений обученным персоналом в основной АСУ ТП (за пределами работы цифрового двойника). 3. Результаты показывают, что применение регрессионного анализа актуально для наращивания функций действующих систем за счет дополнительного модуля [5, с. 20-21]. Рекомендуется дальнейшее углубленное изучение влияния факторов внешней среды на моделируемые процессы и регулярное обновление обучающих выборок для поддержания адекватности и точности цифровой копии объекта исследования.