image
energas.ru

Территория Нефтегаз № 6 2017

Газораспределительные станции и системы газоснабжения

01.06.2017 10:00 О причинах разбаланса природного газа в системе газораспределения и методах прогнозирования его величины
Проводится анализ причин возникновения разбаланса природного газа при его реализации конечным потребителям. Анализ проведен c использованием методов математической статистики. Доказывается, что именно метрологический фактор вносит определяющий вклад в общую величину разбаланса газа, которую необходимо постоянно контролировать и поддерживать на допустимом уровне. Обосновывается необходимость создания специальных программно-вычислительных комплексов (ПВК), позволяющих прогнозировать величину разбаланса, а также вносить статистически накопленную информацию в систему в режиме on-line для повышения эффективности принятия управленческих решений при диспетчерском управлении Единой системой газоснабжения (ЕСГ).
Ключевые слова: разбаланс газа, метрологический фактор, коммерческий учет газа, диспетчерское управление, прогнозирование, регрессионный анализ.
Ссылка для цитирования: Тухбатуллин Ф.Г., Семейченков Д.С. О причинах разбаланса природного газа в системе газораспределения и методах прогнозирования его величины // Территория «НЕФТЕГАЗ». 2017. № 6. С. 14–20.
Открыть PDF


При распределении энергетических ресурсов, в том числе природного газа, всегда возникает ситуация, когда объемы поставленного Vпост и потребленного газа Vпотр не равны друг другу. Расхождение в величинах Vпост и Vпотр называется разбалансом: 

Vр = Vпотр – Vпост.                                           (1) 

Величина разбаланса природного газа оказывает прямое влияние на качество системы газоснабжения в целом, поскольку при отрицательных значениях разбаланса поставщик будет нести значительные материальные потери, а потребитель получит незаслуженную прибыль; в случае положительного значения разбаланса незаслуженную прибыль получит поставщик, а конечный потребитель будет терпеть убытки.

1_1_6.png

В процессе поставок природного газа достоверность коммерческого учета газа определяется его товарным балансом. Баланс газа определяется суммарным объемом газа, поставленного в газотранспортную (ГТС) или газораспределительную систему (ГРС), и объемом потребления конечными потребителями, а также объемом газа, расходуемого на собственные, технологические нужды и технологические потери. Разбаланс газа является основным критерием достоверного коммерческого учета: чем меньше разбаланс, тем более достоверен учет.

Для анализа причинно-следственной связи возникновения разбаланса применяется диаграмма Каору Исикавы, позволяющая выявить причины разбаланса и сосредоточиться на их устранении [2]. Диаграмма дает возможность определить главные факторы, оказывающие влияние на рассматриваемую проблему. Проблема обозначается главной стрелкой, факторы, усугубляющие проблему, – стрелками, расположенными «внутри» скелета, нейтрализующие проблему – «снаружи».

На диаграмме, представленной на рис. 1, демонстрируются основные причины разбаланса:

1) погрешность измерений (случайного и неслучайного характера);

2) технологические потери;

3) несанкционированный отбор;

4) аварийные ситуации;

5) изменение режимов перекачки газа;

6) учет газа у населения;

7) закрытие объемов при снятых счетчиках и корректорах (ремонт, поверка);

8) сложность учета газа вследствие перетоков в сетях газораспределения.

Из опыта эксплуатации Единой системы газоснабжения (ЕСГ) можно с уверенностью сказать, что метрологический фактор оказывает наибольшее влияние на величину разбаланса природного газа. Так, погрешность учета газа в 1 % при реализации 40 млрд m3/год приведет к разбалансу в 400 млн м3/год. .

1_1_7.png

Именно поэтому данную величину нужно постоянно контролировать и при необходимости регулировать определенные параметры.

Следует учесть, что погрешность узлов учета газа (УУГ) имеется не только у поставщика, но и у потребителя. Следовательно, необходимо провести анализ предельной относительной погрешности, полученной в результате учета газа на УУГ потребителей. Для этого вводится функция y = F(x1, x2, … xi):

 

y = x1 + x2 + … + xi,                           (2)

где y – сумма коммерческого расхода газа потребителей; x1, x2, xi – коммерческий расход газа i-го потребителя.

Согласно законам математической статистики абсолютная погрешность рассчитывается следующим образом:

1_1.png

 

где ∆y – суммарная абсолютная погрешность измерения расхода газа; ∆xi – абсолютная погрешность измерения расхода газа i-го потребителя.

Относительная погрешность рассчитывается по формуле:

 

1_1_1.png.                                                     (4)

 

Подставив выражение (2) и (3) в (4), получаем:

 

 

1_1_2.png

 

Учитывая, что у = F(хi), частная производная будет вычисляться следующим образом:

 

1_1_3.png.

 

Тогда выражение (5) примет вид:

 

1_1_4.png.               (6)

 

Для количественной оценки величин абсолютной и относительных погрешностей УУГ потребителей проведем анализ ГРС № 1, к которой привязаны девять потребителей газа, считая, что они получают газ только с этой ГРС.

По данным таблицы рассчитывается ∂y:

1_1_5.png 

.

1_1_8.png 

Получившаяся величина ∂y = 0,5 % значительно меньше каждой из величин относительных погрешностей i-го потребителя, что вызывает сомнения относительно применения формул (3) и, соответственно, (6). Полученное значение свидетельствует о недопустимости применения данных расчетных зависимостей к исследуемой модели.

Поскольку уровень разбаланса природного газа является случайной величиной, одним из способов его оценки может оказаться вычисление среднего значения квадрата отклонения – дисперсия. На первый взгляд может показаться, что проще вычислить все возможные отклонения случайной величины, а затем определить среднее значение, однако стоит помнить о том, что разбаланс может быть как положительным, так и отрицательным.

Дисперсия рассчитывается как разность между математическим ожиданием квадрата случайной величины xi и квадратом ее математического ожидания:

 

D(xi) = M(xi2) – [M(xi)]2,                  (7)

 

где Di – дисперсия i-го потребителя; M(xi) – математическое ожидание случайной величины;

 

M(xi) = xi.pi,                                        (8)

 

где xi – значение случайной величины; pi – вероятность выпадения случайной величины.

Все УУГ имеют калибровочные кривые, представляющие собой зависимость предельной относительной погрешности от расхода газа. Типичная калибровочная кривая представлена на рис. 2.

На основании данных метрологических характеристик УУГ строится таблица относительных погрешностей девяти УУГ потребителей, для которых единственным поставщиком газа является ГРС № 1, и относительные погрешности УУГ поставщика.

1_1_9.png

Считая, что объем потребления xi, представленный в табл. 1, максимальный, строится таблица абсолютных погрешностей для каждого из девяти УУГ потребителей и одного УУГ поставщика в виде, представленном в табл. 3.

Учитывая, что УУГ потребителей и поставщика работают в области допустимых режимов, можно предположить, что величина расхода будет находиться в пределах 0,1Qmax – 0,8Qmax с одинаковой вероятностью. То есть
p = 1/5 = 20 %.

Рассчитывается математическое ожидание M(xi), M(xi2) и дисперсия D(xi) абсолютных погрешностей всех потребителей газа:

 

M(x1) = 0,2*135 + 0,2*266 + 0,2*513 + 0,2*728 + 0,2*1017 = 532,

M(xi2) = 0,2*1352 + 0,2*2662 + 0,2*5132 + 0,2*7282 + 0,2*10172 = 383285,

D(x1) = 383285 – 282811 = 100474.

 

Результаты расчетов представлены в табл. 4.

Аналогичным образом рассчитывается математическое ожидание M(y), M(y2) и дисперсия D(y) абсолютной погрешности поставщика газа:

 

M(y) = 0,2*429 + 0,2*754 + 0,2*1389 + 0,2*1907 + 0,2*2660 = 1428,

M(y2) = 0,2*4292 + 0,2*7542 + 0,2*13892 + 0,2*19072 + 0,2*26602 = 2678993,

D(y) = 2678993 – 14282 = 640540.

 

Учитывая, что дисперсия суммы независимых величин равна сумме дисперсий этих величин, получаем:

 

D(x) = 100473 + 52995 +  … + 3487 = 739605.

 

Дисперсия абсолютных погрешностей потребителей D(x) значительно превышает дисперсию поставщика D(y): 739605 > 640540, что говорит о разных величинах разброса абсолютных погрешностей УУГ. Именно данные разбросы и приводят к постоянному наличию разбаланса в системе газораспределения.

Проведя анализ, можно сделать следующие выводы:

• разбаланс газа неизбежен, и величина его может быть значительной;

• увеличение числа потребителей ведет к увеличению разбаланса газа в системе;

• наибольший вклад в суммарную величину разбаланса вносят как потребители, так и поставщики газа, приборы учета которых имеют наибольшую погрешность измерений;

• имеется необходимость постоянного мониторинга величины разбаланса и поддержания его на допустимом уровне;

• требуется разработать методику, позволяющую улаживать разногласия между поставщиком и потребителем газа при постоянном наличии разбаланса газа.

Величина разбаланса природного газа оказывает существенное влияние на диспетчерское управление ЕСГ.

Диспетчерское управление – функциональный бизнес-процесс управления (регулирования) запасами и потоками природного газа в системах газоснабжения, а также поставками газа потребителям в целях выполнения договорных (контрактных) обязательств с максимально возможной надежностью и эффективностью.

Диспетчерское управление системами газоснабжения должно формироваться как процесс управления запасами газа путем распределения имеющихся в каждый момент времени ресурсов газа (добыча, хранение, импорт, запас в трубах) в виде потоков газа по системам газоснабжения путем создания оптимальных режимов работы объектов системы в целях обеспечения потребителей газом в соответствии с заключенными договорами (контрактами) при соблюдении условий безопасного функционирования системы газоснабжения.

С учетом огромного потока информации, получаемой диспетчерской службой, а также ограниченности во времени для принятия управленческих решений имеется острая необходимость внедрения специальных программных комплексов системы поддержки принятия диспетчерских решений (СППДР). В дочерних обществах ПАО «Газпром» уже внедрены такие программные комплексы, как «Астра», «ГазЭксперт», «ИУС-транспорт», «ИУС-ГАЗ», «Веста», и др. Данные программные комплексы позволяют решить широкий спектр задач, таких как прогнозирование поставок и потребления природного газа, расчет оптимальных режимов работы магистральных и распределительных газопроводов, расчет режимов работы газоперекачивающих агрегатов, сведение баланса газа по субъектам РФ и т. д. Однако ни один из данных программных комплексов не позволяет провести анализ величины разбаланса природного газа, имеющей довольно существенное значение для диспетчерского управления, особенно в зимнее время, в наиболее холодные сутки, когда некоторые потребители могут быть переведены на резервное топливо в связи с вводом ограничения на поставку газа. Поскольку главной задачей ПАО «Газпром» является бесперебойная подача газа потребителям и выполнение контрактных обязательств, вводимые ограничения должны быть минимальными.

Диспетчерская служба осуществляет постоянный мониторинг ЕСГ, а также постоянно прогнозирует поставку и потребление природного газа по всей территории РФ.

Прогнозированию поставки и потребления природного газа посвящено множество научных трудов, написан целый ряд различных пособий. Данные вопросы в настоящей работе рассматриваться не будут, однако особое внимание будет уделено прогнозированию величины разбаланса природного газа для наиболее эффективного принятия управленческих решений.

Существует множество методик прогнозирования, каждая из которых применяется в той или иной сфере деятельности. Классификация методов прогнозирования представлена на рис. 3.

Применение понятия «классификация» к методам прогнозирования требует разъяснения. Рисунок выделяет три группы методов: эвристические, аналитические и фактографические. Однако резкой границы между ними провести нельзя. Предложенную классификацию следует считать нечеткой, размытой, т. е. методы 4 и 5, например, следует считать не только эвристическими, но и аналитическими. При прогнозировании реальных процессов трудно оставаться только на формальной основе, эвристические оценки так или иначе будут приняты во внимание. Аналитическими методами названы те, для которых предложены четко определенные процедуры, алгоритмы действий. Под фактографическими понимаются методы, основанные на числовом материале (ретроспективной статистике).

Аппарат регрессионного анализа и временных рядов во многом основан на одних и тех же идеях. Принципиальное различие состоит в том, что временной ряд является случайным процессом, и в роли аргумента Х выступает время
t = 1, 2, …, а обрабатываемая выборка оказывается упорядоченной. В регрессионном же анализе порядок следования членов выборки (хi, yi) не имеет значения.

Метод регрессивного анализа позволяет провести интерполяцию и экстраполяцию статистически накопленной информации и, опираясь на законы математической статистки и теорию случайных процессов (разбаланс газа – случайная величина), построить математическую модель, наиболее адекватно описывающую возможные (прогнозируемые) значения величины разбаланса природного газа.

Для построения математической модели берутся статистически накопленная информация по ежемесячному сведению баланса газа на ГРС № 2 за 2015–2016 гг., а также среднемесячные значения температуры окружающей среды за указанные периоды.

За основу модели берется зависимость величины разбаланса природного газа только от температуры окружающей среды. Другими факторами, такими как влажность, скорость и направление ветра, ориентация потребителя на определенную отрасль и др., пренебрегаем.

По данным таблицы строится точечный график зависимости величины разбаланса от температуры, проводится аппроксимация данных с учетом того, что полученная модель должна быть адекватной.

По результатам аппроксимации получено следующее выражение:

 

y = 0,0317x5 – 0,6136x4 – 8,6842x3 + 128,01x2 + 2523,2x – 11469,                             (9)

 

где y – величина разбаланса, m3, x – среднемесячная температура окружающей среды, °С.

Достоверность модели характеризуется коэффициентом детерминации R2. Если все точки исследуемого массива (xi, yi) лежат на прямой y(x), то R2 = 1.
В нашем случае R2 = 0,8562, что говорит о достаточно высокой степени точности.

На основе аналогичного анализа данных по всем ГРС региона можно прогнозировать величину разбаланса газа в зависимости от погодных условий. Очевидно, что появляются два пути анализа:

1) проводить анализ каждой ГРС в отдельности и потом суммировать полученные значения;

2) проводить анализ баланса газа региона в целом, учитывая при этом перетоки и транзит газа в другие субъекты РФ.

Для реализации предложенных методов анализа требуется разработать специальные программно-вычислительные комплексы (ПВК), базирующиеся на накопленной статистической информации и позволяющие вносить актуальные данные в систему в режиме on-line для повышения эффективности принятия управленческих решений при диспетчерском управлении ЕСГ.

Выводы

1. Разбаланс газа неизбежен, и его величину необходимо постоянно контролировать.

2. Определены возможные причины разбаланса природного газа статистическими методами.

3. Доказана необходимость прогнозирования величины разбаланса природного газа, в том числе за счет внедрения программно-вычислительных комплексов (ПВК), позволяющих вести расчеты в режиме on-line.


Таблица 1. Данные газопотребления с ГРС № 1, m3

Table 1. The data of gas consumption with GDS №. 1, m3

№ 

No.

Объем потребления xi, m3 

The amount of consumption xi, m3

Относительная погрешность ∂xi, % 

The relative error ∂xi, %

Абсолютная погрешность ∆xi, m3 

The absolute error ∆xi, m3

1

115 568

1,2

1387

2

89 569

1,15

1030

3

35 268

1,6

564

4

254 987

1,05

2677

5

97 652

1,25

1221

6

45 688

1,45

662

7

78 100

1,4

1093

8

7568

1,85

140

9

14 598

1,75

255

Таблица 2. Относительные погрешности УУГ потребителей и УУГ поставщика, %

Table 2. Relative errors of the gas metering unit of consumers and the supplier, %

№ 

No.

0,1Qmax

0,2Qmax

0,4Qmax

0,6Qmax

0,8Qmax

1

1,17

1,15

1,11

1,05

1,1

2

1,13

1,12

1,07

0,95

1,05

3

1,55

1,48

1,35

1,3

1,42

4

1,02

1,01

0,97

0,93

0,98

5

1,21

1,18

1,15

1,12

1,17

6

1,41

1,37

1,34

1,28

1,39

7

1,38

1,34

1,27

1,25

1,33

8

1,8

1,75

1,71

1,59

1,7

9

1,71

1,67

1,63

1,58

1,61

10

0,58

0,51

0,47

0,43

0,45

Таблица 3. Абсолютные погрешности УУГ потребителей и УУГ поставщика, m3

Table 3. Absolute errors of the gas metering unit of consumers and the supplier, m3

№ 

No.

0,1Qmax

0,2Qmax

0,4Qmax

0,6Qmax

0,8Qmax

1

135

266

513

728

1017

2

101

201

383

511

752

3

55

104

190

275

401

4

260

515

989

1423

1999

5

118

230

449

656

914

6

64

125

245

351

508

7

108

209

397

586

831

8

14

26

52

72

103

9

25

49

95

138

188

10

429

754

1389

1907

2660

Таблица 4. Математическое ожидание M(xi), M(xi2) и дисперсия D(xi) i-х потребителей газа

Table 4. The expected value M(xi), M(xi2) and the variance D(xi) of i-consumer of gas

№ 

No.

M(xi)

[M(xi)]2

M(xi2)

D(xi)

1

532

282 811

383 285

100 473

2

390

151 788

204 783

52 995

3

205

42 025

57 273

15 248

4

1037

1 075 784

1 466 375

390 591

5

473

224 108

306 831

82 724

6

259

66 874

92 202

25 328

7

426

181 646

249 382

67 736

8

53

2852

3874

1022

9

99

9801

13 288

3487

Таблица 5. Баланс газа на ГРС № 2

Table 5. The balance of gas at gas distribution station № 2

Период 

Period

Vпост

Vпотр

Vр, m3

t, °С

Янв. 2015 

Jan 2015

3 513 580

3 492 682

–20 898

–4,5

Фев. 2015 

Feb 2015

2 956 533

2 955 147

–1386

–2,4

Мар. 2015 

March 2015

2 687 644

2 688 179

535

2,0

Апр. 2015 

Apr 2015

2 341 955

2 353 643

11 688

6,0

Май 2015 

May 2015

1 267 524

1 282 113

14 589

14,4

Июн. 2015 

June 2015

1 120 628

1 144 839

24 211

18,2

Июл. 2015 

Jule 2015

1 184 632

1 204 649

20 017

18,1

Авг. 2015 

Aug 2015

1 172 986

1 205 690

32 704

17,8

Сен. 2015 

Sep 2015

1 270 015

1 282 597

12 582

14,1

Окт. 2015 

Oct 2015

2 345 152

2 355 174

10 022

4,4

Ноя. 2015 

Nov 2015

2 758 962

2 736 412

–22 550

0,7

Дек. 2015 

Dec 2015

2 998 501

2 980 094

–18 407

0,1

Янв. 2016 

Jan 2016

3 818 754

3 793 754

–25 000

–10,0

Фев. 2016 

Feb 2016

2 848 532

2 830 339

–18 193

–0,7

Мар. 2016 

March 2016

2 903 714

2 889 186

–14 528

0,3

Апр. 2016 

Apr 2016

2 164 215

2 172 795

8580

8,2

Май 2016 

May 2016

1 336 825

1 355 949

19 124

15,3

Июн. 2016 

June 2016

1 211 945

1 229 661

17 716

18,3

Июл. 2016 

Jule 2016

1 279 238

1 307 250

28 012

21,1

Авг. 2016 

Aug 2016

1 387 763

1 404 235

16 472

19,5



← Назад к списку


im - научные статьи.