Оперативное диспетчерское управление газотранспортными системами является крайне сложной задачей из‑за особенностей технологического объекта, который характеризуется большим количеством входов и выходов, существенной инерционностью, изменением граничных условий в процессе работы, сложностью критериев оптимальности. Для оказания помощи диспетчеру в их управлении предназначены системы поддержки принятия диспетчерских решений. В статье описаны такие системы для управления газотранспортными сетями в штатных и нештатных режимах, разработанные в 2007–2020 гг. в составе систем оперативного диспетчерского управления СПУРТ. Прослежена эволюция системы поддержки принятия диспетчерских решений от экспертных систем с жесткой логикой до систем управления с прогнозирующей моделью, представлены дополнительные подсистемы, улучшающие точность моделирования – подсистема прогнозирования газопотребления, программный комплекс выявления проблемных данных. Описан процесс управления газотранспортной системой с прогнозирующей моделью (проактивного управления), выбор горизонта прогноза и определение наилучшей стратегии управления для повышения эффективности работы газотранспортного предприятия. Переход к проактивному управлению газотранспортной системой возможен при гарантированной адекватности математической модели, что достигается применением нестационарных моделей в режиме онлайн с идентификацией условно-постоянных параметров газотранспортной сети. Показано, что эффективность работы газотранспортного предприятия является многокритериальным понятием, которое включает минимальные энергозатраты, обеспечение режимов работы оборудования, исключающих его ускоренный износ, сохранение запаса газа в системе при соблюдении технологических и контрактных ограничений и т. п. Для выбора стратегий управления, обеспечивающих наилучшую эффективность работы предприятия, предложено использовать методы искусственного интеллекта – нечеткую логику и нейронные сети. Обучение нейронных сетей должно производиться с использованием математического моделирования газотранспортной системы и экспертных знаний диспетчерского персонала.
Ключевые
слова: ГАЗОТРАНСПОРТНАЯ СИСТЕМА, ОПЕРАТИВНОЕ ДИСПЕТЧЕРСКОЕ УПРАВЛЕНИЕ, СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ, ЭКСПЕРТНАЯ СИСТЕМА, УПРАВЛЕНИЕ С ПРОГНОЗИРУЮЩЕЙ МОДЕЛЬЮ.
Авторы:
УДК 621.398
В.В. Никаноров, к.т.н., ПАО «Газпром» (Санкт-Петербург, Россия), v.nikanorov@adm.gazprom.ru
М.А. Омельянцев, ПАО «Газпром», M.Omeliantsev@adm.gazprom.ru
С.Г. Марченко, ООО «Газпром трансгаз Москва» (Москва, Россия), marchenko@gtm.gazprom.ru
Л.И. Бернер, д.т.н., проф., АО «АтлантикТрансгазСистема» (Москва, Россия), berner@atgs.ru
Ю.М. Зельдин, к.т.н., АО «АтлантикТрансгазСистема», zeldin@atgs.ru
Литература:
1. Никаноров В.В., Видрашку А.С., Якимов О.Е., Мурзенко И.В. Вопросы создания систем оперативного диспетчерского управления в современных условиях // Газовая промышленность. 2012. Спецвыпуск № 680. С. 13–17.
2. Гусев А.В., Киреев А.Ю. Структурный анализ состояния и перспективы развития диспетчерского управления ЕСГ РФ // Газовая промышленность. 2019. № 2 (780). С. 16–22.
3. СТО Газпром 8–005–2013. Диспетчерское управление. Инструменты диспетчерского управления. Системы поддержки принятия диспетчерских решений. Общие требования. М.: ОАО «Газпром», 2014.
4. Ланчаков Г.А., Никаноров В.В., Бернер Л.И. и др. Система поддержки принятия решений в составе системы телемеханики межпромыслового коллектора // Газовая промышленность. 2007. № 5. С. 35–37.
5. Губкинский университет. Программно-вычислительный комплекс «Веста-Тренажер» [Электронный ресурс]. Режим доступа: https://gubkin.ru/general/structure/iiept/practical_realization/supervisory_control/Vesta-Trenajor(b... (дата обращения 24.05.2021).
6. Purdue University. Zak S.H. An Introduction to Model-based Predictive Control (MPC). ECE 680. 2017. [Электронный ресурс]. Режим доступа: https://engineering.purdue.edu/~zak/ECE680/MPC_handout.pdf (дата обращения 24.05.2021).
7. Марченко С.Г. Общая схема решения задачи оптимизации поставок природного газа потребителям промышленного кластера // Информационные технологии в науке, образовании и управлении. 2018. № 3. С. 43–47.
8. Анучин М.Г., Анучин М.Г., Анфалов А.А. и др. Моделирование транспорта природного газа в режиме онлайн. Программно-вычислительный комплекс «Волна» // Нефть. Газ. Новации. 2017. № 5(198). С. 27–35.
9. Зельдин Ю.М., Илюшин С.А., Плюснин И.П. Программный комплекс выявления проблемных данных в системах оперативного диспетчерского управления // Автоматизация в промышленности. 2017. № 4. С. 14–16.
10. Никаноров В.В., Марченко С.Г., Бернер Л.И. и др. Подсистема прогнозирования газопотребления // Автоматизация в промышленности. 2017. № 4. С. 20–21.
11. Сухарев М.Г., Попов Р.В. Состояние и перспективы совершенствования математического и компьютерного обеспечения в сфере оперативного управления и среднесрочного планирования режимов крупномасштабных газотранспортных систем // Вести газовой науки. 2018. № 2(34). С. 4–13.
+7 495 240-54-57
info@neftegas.info
