gototopgototop

Пути решения проблемы верификации данных в АСУ ТП

Газизов Ильнар Ильдарович – студент магистратуры по направлению «Автоматизация технологических процессов и производств» Казанского национального исследовательского технологического университета.

Харисов Ильдар Ниязович – студент магистратуры Казанского национально исследовательского технологического университета, направление: Автоматизация технологических процессов и производств.

Новрузов Руслан Маликович – студент магистратуры Казанского национально исследовательского технологического университета, направление: Автоматизация технологических процессов и производств.

Аннотация: Обозначены проблемы, возникающие при верификации данных в АСУ ТП. Рассмотрены пути решения верификации данных. Представлены особенности и достоинства выбранного метода.

Ключевые слова: Поверка, расходомер, газ, имитационный метод.

Введение

Финансовые потери при добыче и транспорте нефти и газа из-за недостоверных данных о технологических параметрах могут достигать величины до 3–5%. Поэтому многие компании уделяют большое внимание вопросам обеспечении достоверности данных в автоматизированных системах управления технологическим процессом (АСУТП).

Методы верификации

Методы достоверизации и верификации данных базируются на использовании моделей, посредством которых удается создать избыточность информации в информационно-измерительной системе [1–5].

В статье рассмотрено применение балансовых моделей для анализа и верификации информации в добыче и транспорте нефти и газа. Общая идея подхода состоит в том, что для расчетных значений расходов, полученных по моделям, задаются критерии идентичности балансов по измеренным и расчетным значениям для значимых отклонений параметров от средних. Далее формируется диагноз на основе анализа возможных источников дебалансов и возникновения значимой погрешности путем сопоставления аргументов разных моделей.

Прежде чем разработать подобные модели, нужно определиться с основными причинами, которые негативно влияют на достоверность данных при добыче и транспорте нефти и газа.

Основными причинами возникновения дебаланса являются:

  • неполнота информации о состоянии контролируемого процесса, которая, в основном, обусловлена отсутствием соответствующего количества измерительных приборов на технологических объектах;
  • искажение получаемой информации, которое возникает по причине использования устаревшего измерительного оборудования, чувствительного кпомехам и условиям окружающей среды, природных явлений (молнии и другие электрические разряды, магнитные бури и т.д.), либо же использования приборов с большой погрешностью измерения;
  • часто не учитывается динамика процесса, т.е.информация о значениях расходов потоков относится к разным моментам времени;
  • не учитывается влияние технологических параметров, таких как давление, температура, вязкость на расходы потоков.

Ниже для каждой из рассмотренных причин определены соответствующие типы моделей.

  1. Проблему неполноты информации в ряде случаев можно решить с помощью виртуальных датчиков и анализаторов. Виртуальные приборы и анализаторы представляют собой программную реализацию модели, связывающую не измеряемый параметр с другими измеряемыми параметрами [6]. Связь обычно носит статический характер, поэтому модель можно формировать на основе методов обработки статистики, либо по статистике можно определить только параметры, если структура модели задается эвристически (когнитивно). Одним из вариантов этого подхода является использование логического анализа для выявления несоответствия показаний прибора информации об объекте. Например, отслеживание скоростей изменения параметров на разных временных отсчетах в сочетании с информацией о состоянии исполнительных систем позволяет оценить состояние последних.

В случае, если этот прием не срабатывает, т.е.не удается найти такие взаимосвязи, можно применить метод аппаратного резервирования датчика.

  1. Решить проблему искажения получаемой информации можно посредством использования различного рода фильтров (цифровые, сглаживающие и т.д.) [7]. Например, цифровые фильтры могут реализовывать некоторые разностные уравнения, которые учитывают (аппроксимируют) динамику изменения параметров, поэтому для цифровой обработки сигнала имеются широкие возможности. Существуют также различные слаживающие фильтры и алгоритмы, которые минимизируют величину переменной составляющей тренда.
  2. Проблема учета динамики процесса, связана с дискретным характером сбора информации и использованием статических балансных моделей. Для того чтобы решить эту проблему необходимы модели динамики реального времени. В качестве моделей такого типа обычно используются системы разностных уравнений и различные приемы прогнозирования поведения временных рядов. Временным рядом является ряд значений, которые отображают изменения (динамику) какого-либо аргумента на определенном промежутке времени [8]. Главная идея моделирования временными рядами заключается в том, что все процессы добычи и транспорта нефти и газа на больших интервалах времени представляют собой случайные процессы соответствующих показателей. Если определить логику их изменения с помощью параметров временных рядов, то можно будет спрогнозировать динамику этих показателей. Математическим инструментом при моделировании временных рядов являются разностные уравнения и математическая статистика [9]. Показатели качества в процессах добычи и транспорта нефти и газа, как правило, измеряются через временные промежутки (от двух часов до нескольких суток). Поэтому использование этого метода оптимально для рассматриваемой проблемы.
  3. Проблему влияния технологических параметров на измерение расходов потоков, можно устранить с помощью более точного моделирования расходов в разных сечениях трубы, где значения объемного расхода различны. Причинами такого отличия могут быть следующими:
  • достаточно большая протяженность трубопроводов между объектами;
  • изменение температур и давлений в трубопроводе при прохождении профиля трассы, например, через русло реки;
  • изменения положения трубопровода и его геометрического профиля, которые могут быть вызваны природными явлениями.

Моделирование изменений объемных расходов в трубопроводах можно

осуществить посредством различных математических и когнитивных моделей [10].

Для верификации данных используются логические выводы о недостоверных параметрах. В основе вывода лежит идея выявления аргументов в моделях вычисления параметров и показателей (виртуальные датчики и показатели), значения которых существенно не совпадают с измеренными.

Изложенное позволяет сделать следующие выводы:

  1. Предложенная классификация факторов, влияющих на возможное возникновение дебалансов, позволяет предложить общий подход к выбору типа моделей для компенсации влияния этих факторов;
  2. Рассмотрены типы моделей, которые соответствуют выявленным факторам, определяющим возникновения дебалансов;
  3. Представлена общая схема верификации данных, основанная на сопоставлении измеренных и модельных параметров, как некоторая система принятия решений.

Список литературы

  1. Веревкин, А.П. Диагностика, верификация и достоверизация данных для автоматизированных систем управления / Электронный научный журнал «Нефтегазовое дело». №3. С.239-254. URL: // http://ogbus.ru/issues/3_2016/ogbus_3_2016_p239-254_VerevkinAP_ru.pdfС. 239-254.
  2. Кочнева Е.С. Достоверизация измерений электрической энергии методами теории оценивания состояния / Автореферат к.т.н. Екатеринбург, 2015. 24 с.
  3. Verevkin, A.P. ―Advaced‖ control systems engineering /Сборник трудов IV Всероссийской заочной научно-практической интернет-конференции. -Уфа: УГНТУ, 2020. C. 21-33. /Т.1 Проблемы автоматизации технологических процессов добычи, транспорта и переработки нефти и газа/рекол.: А.П. Веревкин и др.-227 с.
  4. Методы обеспечения достоверности данных в сложных системах/Н 34 Наука. Технология. Производство – 2016: Современные методы и средства диагностики электроэнергетического и электротехнического оборудования, средств и систем автоматики: материалы Всероссийской научно-технической конференции/редкол.: М.Г. Баширов и др.; под общ. Ред. проф. М.Г. Баширова. -Уфа: Изд-во УГНТУ, 2016. -301 с.
  5. Кизина И.Д., Гурин П.Г., Петров А.Б., Хуснутдинов А.А. Подсистема "оперативный анализ баланса материальных и энергетических потоков" в составе КИС «АРМИТС» в ОАО "ТАТНЕФТЬ"//Научно-технический журнал «Автоматизация, телемеханизация и связь в нефтяной промышленности». – 2010. – №4. – С. 46–53.
  6. Афонский А.А., Дьяконов В.П. Цифровые анализаторы спектра, сигналов и логики. –М.: СОЛОН-ПРЕСС. – 2009. – 248c.: ил.
  7. Хемминг Р. В. Цифровые фильтры. –М.: Советское радио. – 1980. –224c.: ил.
  8. Сажин Ю.В., Катынь А.В., Сарайкин Ю.В. Анализ временных рядов и прогнозирование: учебник. – Саранск: Изд-во Мордов. ун-та. – 2013. – 192 c.
  9. Дергачев В.М., Лелявин С.Н. Дифференциальные и разностные уравнения: учебное пособие. – М.: РУСАЙНС. – 2016. – 98 c.
  10. Клинов А.В., Мухаметзянова А.Г.Математическое моделирование химико-технологических процессов: учебное пособие. – Казань:Издательство Казанского государственного технологического университета. – 2009. – 136 c.

Интересная статья? Поделись ей с другими:

Внимание, откроется в новом окне. PDFПечатьE-mail