МАТЕМАТИЧЕСКИЕ МОДЕЛИ УПРАВЛЕНИЯ ПАРАМЕТРАМИ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ СЕТЕЙ ГАЗОРАСПРЕДЕЛЕНИЯ

Обслуживание сетей газораспределения является важной социально-экономической задачей развития региона. Крупнейшие промышленные предприятия Оренбургской области работающие в сфере энергетики, металлургии и переработки руд: Ириклинская ГРЭС, металлургический комбинат АО Уральская сталь (г. Новотроицк), ООО «Гайский завод по обработке цветных металлов», АО «Новотроицкий цементный завод» нуждаются в бесперебойной подаче природного газа и обеспечивают основное потребление природного газа в Оренбургской области. Сеть газораспределения начала формироваться более 70 лет назад, что обусловило накопление как различного технического оборудования, слабоструктурированной и неунифицированной документации.

В целях автоматизации  управления параметрами сетей газораспределения в АО «Газпром газораспределение Оренбург» разработана геоинформационная система, в которой использован ряд математических моделей. Так, одна из моделей построена на основе изучения общей схемы управления параметрами производственных процессов сетей газораспределения от газораспределительной станции до потребителя. Параметры, полученные на каждом этапе газораспределения, обрабатываются программными средствами, при этом результат передавался лицу, принимающему решение о дальнейших действиях, это мог быть диспетчер аварийной диспетчерской службы (АДС), мастер либо начальник комплексно- эксплуатирующей организации (КЭС), инженер производственно-технического отдела (ПТО).

Анализ результатов дал возможность разработки системы управления производственными процессами, интегрированной с существующими информационными системами и базами данных общества. Предотвращение авариных ситуаций требует прогнозирование выходного давления газа на пунктах редуцирования газа (ПРГ). Для анализа выходного давления использовались данные с системы телеметрии газорегуляторных пунктов (ГРП). Система телеметрии фиксировала каждое изменение давления газа, в различные промежутки времени. Использование искусственного усреднения значения в пределах одного часа путем нахождения среднего значения за каждый час, с округлением до требуемого уровня позволило проводить дальнейший анализ данных несмотря на разные временные метки значений параметров.

Для вычисления регулярной компоненты был выбран метод среднего скользящего. Метод сглаживания обеспечил исключение колебаний, связанных c погрешностью измерения давления газа, а также определил вид тренда (рисунок 1).

Рисунок. 1 – Сравнение начальных данных и после применения метода трехчленной скользящей средней Тренд находился путем анализа возможных моделей: линейная, параболическая и гиперболическая.

Для подтверждения выбора вида полинома использовался набор показателей корректности выбора: средняя квадратичная ошибка, критерий Фишера, коэффициент детерминации. Построенное уравнение тренда рассматривалось как уравнение, позволяющее получить прогноз на ближайшие сутки для выявления возможных аварийных ситуаций, что позволяло заблаговременно принять решение диспетчеру АДС.

Поскольку качество проводимого технического осмотра непосредственно влияет на безаварийное и бесперебойное газоснабжения потребителей, то стало необходимым оценить качество проведенных работ. Для оценки  качества технического осмотра использовалось оборудование, определяющее текущие географические координаты в on-line режиме - GPS трекеры. Устройства позволили отслеживать маршрут и определять нахождение бригад в зоне технического осмотра объектов газопровода (ГП) (количество объектов варьируется от 10 до 50). GPS трекеры, а также информация по аварийным ремонтам позволяет оценить качество технического осмотра по критериям. Критериями оценки являются нахождение бригады в зоне технического осмотра объекта и время нахождения на объекте, включенном в регламентированный маршрут, а также относительное время безаварийной работы объекта после проведения технического осмотра.

Полученные данные обладают неопределённостью, погрешностью определения GPS координат и преобразования географических проекций, в результате обработка данных требует использования аппарата нечетких множеств.

При использовании нечетких множеств совокупность объектов задается на отрезке [0,1]. Для выработки управленческого решения  использовалась оценка на вербальном уровне, при котором одни значения параметров внутри интервалов предпочтительнее других. В этом случае математическая формализация реализуется с помощью нечетких интервалов трапецеидального вида (таблица 1).

Отсутствие количественной информации затрудняет приведение нечетко-интервальной неопределённости к частотным распределениям. В качестве описания неопределенностей используем нечетко-интервальный подход.

Для сохранения части информации при переводе частотного распределения в нечетко-интервальные числа использовалась методика трансформации частотных распределений в нечеткие интегралы на основе кумулятивной кривой.

Таблица 1 – Характеристические функции

В построение частных нечетких критериев используется метод Е.С.Харрингтона, основанный на функции желательности, конкретный вид которой задавался лицом, принимающим решение (ЛПР), исходя из субъективных решений экспертов и экспериментов, проводимых с применением GPS трекеров на местности.

Задача с многокритериальным выбором решается путем перехода к однокритериальному виду. Построение интегрального показателя основан на методе аддитивной свертке, которая позволяет измерять частные критерии в абсолютной шкале.

Для решения проблемы нахождения обобщенных, групповых характеристик использовалось агрегирование частных критериев качества и лингвистической интерпретации нечетких множеств по Л. Заде.

Оценка значимости частных критериев выполнялась методом парных сравнений Саати. Матрица парных сравнений заполняется, исходя из поставленных оценок по критериям (μ1 и μ2). При преобладании μ1 над μ2 в ячейку ставится целое число, а в позицию с обратным сравнением - обратное ему - дробное. Таким образом, матрица парных сравнений обратно симметричная, ее диагональные элементы равны единице. Использование матрицы позволяет определить коэффициенты результирующего уравнения.

Разработанная ГИС основана на принципах объектно-ориентированного программирования (ООП), что обеспечивает модульную структуру системы, открытость и совместимость ( рисунок 2).

Рисунок 2 – Интерфейс многооконного режима ГИС АО «Газпром газораспределение Оренбург»

Использование стандартизации и унификации в ГИС предприятия позволило провести интеграцию с другими системами и оборудованием в кратчайшие сроки. ГИС учитывает специфику пространственных данных, которая обусловлена требованиям отраслевых и локально-нормативных актов, а также особенностями физических процессов и реализующих их технических объектов. Параметры пространственных данных требуют сочетания различных методов обработки и хранения. Ряд данных по параметрам сетей газораспределения обладает неопределённости, что обусловлено сложной топологией сети газораспределения и влиянием внешних условий. Прогнозирование данных позволило определить моменты пика потребления и спады давления в сети. Моделирование процессов с  применением прогнозирования снижает риски принятия решений.

Результатом разработки ГИС является доступ к пространственным данным 706 сотрудников различных уровней АО «Газпром газораспределение Оренбург», из 9 филиалов и 48 КЭС, что позволило автоматизировать актуальные задачи газораспределения для обеспечения безаварийного и бесперебойного снабжения 121 тыс. абонентов в Оренбургской области. Выбранные программные средства позволили реализовать методологию процессного подхода на всех этапах жизненного цикла газопровода – проектирования, строительство, эксплуатация.

Список литературы

1.        Белоновский П.В., Влацкая И. В. Автоматизация мониторинга обслуживания газораспределительных систем Оренбургской области // Вестник Оренбургского государственного университета . 2015. №4 (79). С. 172 – 176.

2.        Богданов, М. Применения GPS/ГЛОНАСС : [учеб. пособие для инж.-разработчиков и практиков]. –Долгопрудный : Интеллект, 2012. - 136 с..

3.        Канатов, И.В. Специфика модернизации системы телеметрии в ОАО «ОРЕНБУРГОБЛГАЗ» // И.В. Канатов, П.В. Белоновский Теплогазоснабжение: состояние, проблемы, перспективы. Сборник материалов всероссийской научно-практической конференции. – Оренбург: ООО «НикОС». – С.33- 38.

4.        Р Газпром 2-1.17-720-2013 Газораспределительные системы. Типовые технические решения к построению электронных схем газоснабжения на базе электронных схем местности. М.: Стандартинформ, 2015 – С. 13-29.