Территория Нефтегаз № 9 2018

ПРИКЛАДНЫЕ РЕЖИМНО-ТЕХНОЛОГИЧЕСКИЕ ЗАДАЧИ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ ДИСПЕТЧЕРСКИХ РЕШЕНИЙ, ОСНОВАННЫЕ НА ОНЛАЙН-ДАННЫХ

Основные задачи системы поддержки принятия диспетчерских решений (СППДР), основанные на онлайн-данных, представлены в стандарте ПАО «Газпром», регламентирующем диспетчерское управление [1] (рис. 1).

Решение перечисленных задач невозможно без математической модели, адекватно отражающей не только физические процессы, но и их динамику в реальном масштабе времени при изменяющихся условиях и факторах эксплуатации технологических реальных комплексов. Несмотря на то что многие программные средства моделирования, применяемые в ПАО «Газпром», позволяют использовать в расчетах актуальную телеметрическую информацию, в том числе полученную автоматическими системами измерения, комплексного решения проблем повышения достоверности результатов задач СППДР на сегодняшний день нет. Это обусловлено тем, что на адекватность получаемых результатов существенное влияние оказывают многочисленные факторы, основные из которых приведены на рис. 2.

Решение проблемы повышения достоверности результатов решения задач СППДР можно декомпозировать на четыре основных блока:

1) повышение достоверности массивов исходных параметрических данных, замеряемых системами телеметрии, посредством применения современных математических методов регрессионного, дисперсного, многофакторного анализов, методов математической статистики и проверки статистических гипотез;

2) выбор и применение на каждом временном отрезке моделируемого реального процесса (стационарного, квазистационарного, нестационарного, изотермического, неизотермического, адиабатического, политропического и т. д.) математической модели, отражающей его основные характеристики;

3) оценка статистической адекватности результатов моделирования замеряемым онлайн-параметрам реального процесса, при значимых расхождениях выполнение настройки модели на реальный процесс посредством ее математической адаптации методом идентификации различных поправок к эмпирическим (достоверно не определенным) внутренним параметрам модели;

4) ситуационный анализ значимых параметров, характеризующих состояние технологических объектов (оборудования) и системы в целом, которые могли быть ошибочно использованы в модели.

ПРОЦЕДУРЫ ПОВЫШЕНИЯ ДОСТОВЕРНОСТИ ОНЛАЙН-ДАННЫХ

Наиболее характерной особенностью онлайн-моделирования является то, что в качестве исходных данных применяются замеры датчиков, показания которых по мере прохождения по каналам связи, преобразований из аналоговых в цифровой формат, процедур защиты баз данных от переполнения и т. д. могут подвергаться модификации. Кроме того, на показания датчиков влияют факторы эксплуатационных условий (температура, давление, влажность, состав среды), изменений механизмов и свойств материалов.

Все это может приводить к значимым погрешностям исходных данных, которые передаются в компьютерные комплексы моделирования, возрастающих из-за погрешностей самих моделей и применяемых численных методов и в итоге к неадекватности полученных результатов в целом.

При использовании онлайн-моделирования обычно имеется набор замеров каждого параметра технологического процесса во времени) tj, (tj), который может быть представлен стохастическим временным рядом. Для обработки временных рядов могут быть использованы различные методы математической статистики, в частности следующие.

1. Сглаживание ряда непрерывными или кусочно-непрерывными функциями (tj), (отрезками функциональных рядов: тригонометрическими, степенными, сплайновыми, ортогональными и т. д.). Применение этого метода поз-воляет, во-первых, получить частоту квантования значений параметров с любым временным шагом, что наиболее актуально при использовании нестационарных моделей, а также при больших пропусках замеров параметров (при бездействии датчиков) во временных рядах. Во-вторых, при сглаживании выделяется детерминированная составляющая (оценка истинного значения) параметра и фильтруется влияние случайных погрешностей (различных шумов). Для сглаживания временных рядов замеров могут применяться методы линейной регрессии, сглаживания рядами Фурье, аппроксимации кубическим сплайнами. Так, в [2] представлена популярная методика адаптивной сплайн-аппроксимации, которая позволяет производить сглаживание c учетом заданных (в частности паспортных) погрешностей измерительных устройств.

При этом в качестве критерия завершения построения регрессионной функции стохастического ряда может быть (чтобы не доводить процесс до интерполяционной функции, лишенной свойств фильтрации случайного шума) предложен критерий проверки гипотезы о том, что эмпирическая дисперсия погрешности невязок rj = ((tj) – (tj)) сглаживания не превышает дисперсии погрешности измерений соответствующего параметра.

Для проверки данной гипотезы оценка математического ожидания выполняется по формуле:

,                                             (1)

несмещенная оценка эмпирической дисперсии S2 выполняется по формуле:

,                              (2)

оценка дисперсии погрешности измерений вычисляется на основе предположения, что случайная составляющая замеров c.c. имеет нормальное распределение.

Вероятность того, что детерминированная составляющая (tj) лежит в доверительном интервале (tj) – < p(tj) < < (tj) + , вычисляется по следующей формуле:

                (3)

где: – функция Лапласа; – теоретическая абсолютная погрешность показаний прибора (tj).

При условии значения вероятности доверительного уровня, равного P((tj) – – < pr(tj) < (tj) + ) = 0,975, оценку дисперсии погрешности измерительного прибора вычисляют по формуле:

                                               (4)

или рассчитывают среднюю дисперсию погрешности прибора на интервале замеров

.                                              (5)

В качестве критерия (для нормально распределенной случайной величи-ны rj) проверки гипотезы о том, что эмпирическая дисперсия S2 сглаживания не превышает дисперсии измерений , используется неравенство:

,                                             (6)

где = m – 1, – квантили распределения 2.

Гипотеза S2 < принимается, если выполняется неравенство (6).

2. Наличие систематических погрешностей показаний единичных датчиков может быть оценено на основании появления во временных рядах замеров устойчивых интервалов, на которых невязки rj = ((tj) – (tj)), рассогласования замеров (tj) и расчетных (tj) (по модели) значений параметра будут иметь статистически ненулевое математическое ожидание

.

Гипотеза о нулевом среднем = 0 принимается, если выполняются неравенства:

,                                             (7)

.                                              (8)

Критерий (7) применяется, если дисперсия погрешности измерений не известна, критерий (8) – если она известна.

3. Фильтрация аномальных выбросов показаний датчиков, которые могут быть обусловлены внезапным возникновением различных отрицательных эффектов в каналах связи или внешних импульсных воздействий на сами датчики. Для выявления выбросов, не обусловленных изменениями технологического процесса, могут применяться различные критерии и методы математической статистики, в частности метод Анскомба, критерий Диксона, а также методы, основанные на других статистических критериях, например Стьюдента [3].

Например, проверка гипотезы о наличии аномальных замеров методом Анскомба состоит в том, что k-й замер отбрасывается, если |k| > c.S, где c вычисляется из выражения:

,                             (9)

где – распределение Стьюдента, = m – 1.

Оставшаяся выборка j рассматривается как вновь полученная.

Если дисперсия задана, то величина c вычисляется через F-распределение:

,                              (10)

где q = , значение F1–q задается при степенях свободы.

Метод доверительного интервала исходит из предположения о нормальном распределении выборки невязок rj.

Доверительный интервал оценки случайной величины rj:

,              (11)

.               (12)

Замер считается аномальным, если для невязки rj не выполняется проверяемое неравенство. Данный подход к фильт-рации аномальных замеров обладает рядом недостатков:

• он позволяет статистически оценивать наличие одного или незначительного числа аномальных замеров в выборке, о которой достоверно известно, что она принадлежит нормальному распределению с условиями (0, );

• возможно, аномальное значение замеряемого параметра обусловлено технологическим процессом (переключениями крановой системы, включениями/отключениями газоперекачивающего агрегата, изменениями объемов подачи и отбора газа и т. п.), а не ошибкой прибора. В этом случае такой параметр будет отброшен ошибочно.

В результате применения описанных процедур можно получить оценки детерминированной составляющей, тем самым снизив влияние погрешности исходных данных на адекватность результатов онлайн-моделирования. На рис. 3 представлен пример применения описанных процедур для обработки замеров выходных параметров магист-рального газопровода «Ямал – Европа». Как можно увидеть на графиках, использование методов позволило не только сгладить ряд, но и выявить явно недостоверный замер расхода.

ПРОЦЕДУРЫ ПОВЫШЕНИЯ ДОСТОВЕРНОСТИ РЕЗУЛЬТАТОВ МОДЕЛИРОВАНИЯ

При моделировании режимов онлайн, и особенно при решении задач СППДР на основе результатов онлайн-моделирования, адекватность этих результатов приобретает особую значимость.

Оценка адекватности моделирования обычно проводится с использованием «избыточных» замеров, т. е. замеров параметров, которые не являются исходными данными для модели. Например, при расчете газотранспортной системы в качестве исходных данных для модели обычно используются показатели давления, расхода и температуры на входах и выходах системы. Замеры этих параметров в промежуточных точках системы, например на крановых площадках линейных участков, компрессорных цехов, в таком случае могут применяться для проверки адекватности модели. При онлайн-моделировании появляется возможность оценить адекватность модели в динамике, сравнить временные ряды замеров и расчетных параметров по избыточным данным.

Модель может считаться адекватной, если:

1) отклонения расчетных значений каждого параметра от замеров являются случайными величинами (модель отражает динамику процесса);

2) математическое ожидание отклонений расчетных значений параметра от замеров статистически равно 0, т. е. модель отражает динамику процесса и не имеет систематического смещения;

3) отклонения расчетных значений параметра от замеров не содержат аномальных значений, т. е. модель отражает волновые процессы изменения режима;

4) отклонения расчетных значений параметра от замеров статистически не превышают погрешности измерительных устройств замеров параметра, т. е. погрешность модели статистически не превышает погрешности измерений параметров моделируемого процесса.

Если выполняются все критерии, можно принять гипотезу об адекватности модели фактическому режиму.

Каждый из критериев адекватности может быть сформулирован в форме статистической гипотезы и проверен соответствующими методами математической статистики. В работе [4] авторами приводится вариант применения методики оценки адекватности модели на примере моделирования режимов магистрального газопровода «Голубой поток». Данная методика универсальна и может быть применена к анализу адекватности результатов моделирования любого онлайн-технологического процесса, технологического объекта или системы.

Самостоятельной проблемой являются оценка и анализ причин неадекватности результатов моделирования, особенно с учетом того факта, что рассматриваемые технологические комплексы, такие как газодобывающие, газотранспортные, газораспределительные, обычно содержат сотни и тысячи контрольных точек замеров параметров газового потока, для части которых результаты могут соответствовать замерам, а для другой – значимо расходиться с замерами. Для расхождений могут производиться оценка значимости и выявляться факторы их появления, например:

1) могут иметь место постоянно недостоверные показания соответствующих замерных датчиков (в замерах есть систематические погрешности);

2) в модель может быть передана неправильная информация о составе и состояниях объектов газотранспортной системы. Требуется актуализация расчетной схемы, чтобы она соответствовала фактической технологической схеме системы;

3) в модель может быть передана неверная информация о паспортных или фактических параметрах технологических объектов газотранспортной системы: труб, газоперекачивающих агрегатов, аппаратов воздушного охлаждения, крановых систем и т. д. Требуется актуализация данных о параметрах объектов;

4) в моделируемом технологическом комплексе происходят штатные или не-штатные процессы (изменения гидравлических характеристик объектов: тренды пропускной способности, газодинамические характеристики центробежных нагнетателей газоперекачивающих агрегатов, несанкционированные отборы и т. д.), которые не учитывались в модели;

5) для расчета параметров режима применяется модель, не соответствующая характеру фактического режима: например, режим нестационарный, а применялась стационарная модель; процесс неизотермический, а модель изотермическая; трубопроводы имеют значимые перепады высот, а модель построена для горизонтальных трубопроводов, и т. д.;

6) математическая модель требует проведения настройки (адаптации) к фактическим онлайн-режимам.

Основной целью адаптации моделей к заданным параметрам гидравлического режима является настройка расчетных режимов на фактические в соответствии с выбранными критериями, например:

                               (13)

где p, q, T – весовые коэффициенты; – вектор идентифицируемых эмпирических параметров модели газотранспортной системы; , , Tr* – замеры давления, расхода, температуры газа в контрольных точках газотранспортной системы; (), (), () – расчетные значения давления, расхода, температуры газа в контрольных точках системы.

Средством адаптации моделей является идентификация различных эмпирических коэффициентов , всегда входящих в состав моделей технологических систем, значения которых достоверно не известны либо меняются в течение эксплуатации оборудования.

Примерами таких эмпирических коэффициентов , в частности, являются:

• коэффициент гидравлической эффективности или коэффициент эквивалентной шероховатости внутренней поверхности трубопроводов;

• интегральный коэффициент тепло-обмена трубопроводов с окружающей средой;

• интегральные поправки на газодинамические характеристики газоперекачивающих агрегатов компрессорных цехов;

• для аппаратов воздушного охлаждения обычно используют поправку к расчетному коэффициенту теплообмена;

• для кранов регуляторов или кранов редуцирования давления может использоваться поправка к эффективному открытому сечению и т. д.

Критерий (13) может быть минимизирован с помощью стандартных методов оптимизации, при этом надо учитывать, что функция F() как по компонентам вектора оцениваемых параметров , так и по квадратам невязок давлению p, расходу газа q и температуре T может обладать плохими свойствами, в частности на порядки разной чувствительностью (так называемые овражные многомерные поверхности). Кроме того, разные методы (градиентные, неградиентные) обладают разной эффективностью (скоростью сходимости к решению) на разных участках поверхности в зависимости от расстояния (близости) к точке оптимума. Поэтому при выборе численных методов минимизации критерия (13) следует также учитывать возможности комбинации и чередования различных численных методов, задание различных весовых коэффициентов компонент критерия (13) и даже выбора на каких-то начальных этапах процедуры очередности покоординатного спуска по параметрам сравнения p, q, T. От учета всех этих факторов существенно зависит соотношение точности решения задачи и требуемых для этого вычислительных затрат (время решения задачи), которые могут оказаться неприемлемыми. Решение проблемы выбора критерия рассогласования F() множества эмпирических параметров модели численных методов решения задачи выходит за рамки данной статьи.

На рис. 4 представлена панель программы адаптации модели газотранспортной системы, реализованной авторами в программно-вычислительном комплексе «Веста-онлайн».

На данной панели показаны:

• список «Модель ТС», содержащий значения поправочных коэффициентов гидравлической эффективности Кэф и теплообмена Кто подсистем трубопроводов, диапазон изменения параметров;

• список «Модель крана», содержащий список кранов регуляторов и редуцирования давления газа, у которых показаны эффективный диаметр и текущее значение коэффициента гидравлического сопротивления;

• списки замеров и расчетных пара-метров: давление, расход, температура в узлах замеров для потребителей и поставщиков газа;

• списки замеров и расчетных пара-метров: давление, температура на входах и выходах компрессорного цеха, а также интегральные поправки на расчет политропического коэффициента полезного действия (Ккпд) и работу сжатия центробежного нагнетателя газоперекачивающего агрегата компрессорного цеха (Коб). Поправочный коэффициент на степень сжатия (Ке) в данной версии программы не используется.

В группе «Максимальные отклонения от замеров» можно задать погрешность замеров по давлению Р и расходу газа Q.

Можно задать значение критерия завершения итерационной процедуры адаптации.

В результате решения задачи адаптации может выполняться идентификация не самих эмпирических коэффициентов моделей, а поправок (идентифицируемых параметров) к ним. При этом одна поправка может относиться не к одному, а к группе однотипных объектов, например ко всем трубопроводам линейной части между компрессорными станциями или ко всем газоперекачивающим агрегатам одного компрессорного цеха.

На рис. 5 представлена общая схема процесса адекватного моделирования, планирования и управления онлайн-режимами газотранспортной системы.

Основу схемы составляет система телеметрии сбора онлайн-замеров, которая является источником данных реального времени. Поступающие из системы замеры обрабатываются процедурами повышения достоверности данных, в результате формируются непрерывные оценки детерминированной составляющей значений параметров. Эти оценки являются исходными данными для онлайн-моделирования, результаты которого проверяются на адекватность параметрам фактического режима. В случае появления значимых расхождений расчетных и замеренных данных выполняется ситуационный анализ возможных факторов, приводящих к неадекватности модели. Для получения адекватных результатов влияние этих факторов должно быть учтено в модели. При необходимости выполняется адаптация модели.

Адекватная модель используется для решения следующих задач поддержки принятия решений:

• контроль текущего режима;

• планирование управляющих воздействий;

• прогнозирование влияния воздействий на ход технологического процесса.

На основе решения этих задач формируются и реализуются диспетчерские управления объектами системы. Изменения режима вследствие управлений передаются в модель через систему сбора данных, и затем цикл повторяется.

Таким образом, общая схема планирования онлайн-режима основана:

• на применении адекватной онлайн-модели текущего режима технологического комплекса;

• на применении нестационарной модели прогноза поведения системы: что будет, если произойдут те или иные события или будут применены те или иные управления;

• на результатах ситуационного анализа текущего и оперативного прогноза перспективного состояния системы;

• на результатах оперативного прогноза объемов поставок газа от смежных сис-тем и объемов попутного потребления газа, его передачи в газораспределительные сети;

• на результатах оценки и прогноза изменений гидравлических характеристик линейной части и газоперекачивающего оборудования;

• на применении адекватных реальному технологическому процессу процедур автоматизированного и интерактивного многовариантного планирования режимов.

ПРОГРАММНО-ВЫЧИСЛИТЕЛЬНЫЙ КОМПЛЕКС ОНЛАЙН-МОДЕЛИРОВАНИЯ

Сотрудники РГУ нефти и газа (НИУ) имени И.М. Губкина уже третий десяток лет развивают программно-вычислительный комплекс «Веста», который успешно внедряется и эксплуатируется дочерними организациями ПАО «Газпром». Комплекс позволяет моделировать стационарные и нестационарные режимы газотранспортной системы, а также решать широкий набор режимно-технологических задач.

Описанные в работе процедуры нашли практическую реализацию в виде нового модуля «Веста-онлайн». Модуль позволяет решать такие задачи, как:

• интеграция с информационными системами газотранспортных и газодобывающих предприятий для обмена данными, в том числе замерами реального времени;

• предварительная подготовка замеров для онлайн-моделирования с помощью процедур повышения достоверности исходных данных;

• онлайн-моделирование режимов газотранспортной системы с применением нестационарной модели;

• анализ и оценка адекватности результатов онлайн-моделирования;

• адаптация математической модели к фактическим режимам газотранспортной системы;

• расчет аналитических показателей на основе онлайн-модели, в том числе запаса газа в системе, изменения запаса газа, баланса газа, товаротранспортной работы;

• представление информации о режиме и результатах моделирования в виде отчетных форм, графиков и т. д., а также визуализация информации непосредственно на экранных формах системы диспетчерского контроля и управления.

На рис. 6 представлен пример предварительной подготовки онлайн-замеров фактического режима Северо-Европейского газопровода для моделирования.

Программно-вычислительный комплекс «Веста-онлайн» в настоящий момент эксплуатируется ООО «Газпром трансгаз Санкт-Петербург» и позволяет осуществ-лять онлайн-моделирование, решать задачи планирования режимов на основе онлайн-модели, а также рассчитывать онлайн балансовые показатели. Завершено внедрение комплекса «Веста-онлайн» для первых двух пусковых комплексов (9 линейно-производственных управлений), сейчас ведутся работы по реализации третьей очереди (5 ЛПУ).

ЗАКЛЮЧЕНИЕ

Рассмотренные в статье методы повышения достоверности онлайн-данных и результатов моделирования режимов промысловых, магистральных, газораспределительных трубопроводных систем являются универсальными. В процессе апробации на реальных данных диспетчерских служб они продемонстрировали свою эффективность, позволяют повышать достоверность и адекватность результатов онлайн-моделирования сложных распределенных технологических комплексов. Однако многие проблемы, связанные с формализацией процедуры ситуационного анализа результатов неадекватного моделирования, а также оценки фактического состояния технологических объектов и системы в целом, остаются пока не решенными и являются предметом дальнейших исследований.

В статье изложена методика, позволяющая в оперативном режиме корректировать показания измерительных приборов на объекте Единой системы газоснабжения (ЕСГ). Тем самым повышается уровень, во-первых, технического состояния метрологического хозяйства производственного объекта и, во-вторых, достоверности исходных данных, что является обязательным условием адекватного моделирования трубопроводных систем. Ошибки в исходных данных приводят к некорректным результатам расчетов, что, в свою очередь, может быть причиной неверных или нерациональных управленческих решений при эксплуатации производственного объекта.

Одним из источников недостоверной информации являются ошибки при измерении параметров технологического режима. Для повышения качества замеров режимных параметров осуществляются поверка и калибровка измерительных приборов. Разработаны регламенты этих процедур, которые являются неотъемлемой частью технического обслуживания производственных объектов газовой отрасли.

Как правило, регламентированные процедуры метрологического обслуживания предусматривают проведение специальных испытаний, в рамках которых используются образцовые измерительные приборы. Зачастую для испытаний необходима длительная подготовка, предполагающая установку дополнительного оборудования. В то же время качественное улучшение метрологической базы открывает новые возможности, которые могут быть реализованы без значительных трудозатрат.

На современном уровне информатизации, как будет показано в статье на конкретном примере, традиционный порядок поддержания уровня метрологического обеспечения производственных объектов может быть дополнен мероприятиями, входящими в сферу диагностики по режимным параметрам.

Данный вид диагностики весьма эффективен для оценки технического состояния оборудования и, как правило, не требует значительных капиталовложений. Несмотря на это, диагностика по режимным параметрам пока не заняла подобающего места при эксплуатации объектов ЕСГ. Чтобы в какой-то мере исправить это упущение, в статье приводятся рекомендации, в соответствии с которыми диагностика по режимным параметрам применяется не к мониторингу технического состояния основного технологического оборудования и не к распознаванию опасных состояний объекта, а к корректировке показаний измерительных приборов.

На взгляд авторов статьи, публикационная активность в области диагностики по режимным параметрам недостаточна. Фактически обходится стороной этот вопрос в монографии [1], посвященной диагностике и надежности трубопроводных систем. Близкие к диагностике по режимным параметрам идеи используются в эконометрике [2, 3], биологии и других науках, однако специфика проблем не позволяет переносить использованные в этих научных областях методы на технологические объекты газовой отрасли. Некоторые традиционные подходы к распознаванию аварийных и опасных ситуаций изложены в работах [1, 4], однако, хотя формально их можно отнести к диагностике по режимным параметрам, используемый в них аппарат далек от методов, развиваемых авторами статьи.

Таким образом, в статье предложен метод обработки данных, позволяющий проанализировать совокупность взаимосвязанных замеров режимных параметров и по этой совокупности сделать вывод о степени согласованности замеров. Для случая совокупно-сти замеров давления на участке магистрального газопровода сформулирован критерий «мера согласованности замеров», разработана математическая модель, сводящаяся к задаче математического программирования, составлен алгоритм, реализованный в программе. Проведенные расчеты позволили оценить систематические ошибки манометров, установленных на участке газотранспортной системы (ГТС), и скорректировать их показания. В качестве исходных данных используются показания совокупности штатных манометров без нарушения производственного процесса.

Для оценки систематических ошибок применяются известные в теории гид-равлических цепей процедуры параметрического оценивания [5]. Однако учет специфики управляемого объекта и его измерительного комплекса позволяет в конкретных случаях предложить более эффективные вычислительные процедуры, чем те, которые пригодны для более широкого круга приложений. Применительно к электроэнергетическим системам они нашли отражение в работах [5–6].

Методика будет продемонстрирована на примере ГТС, но тот же подход может быть применен к другим производственным объектам газовой отрасли, а также к трубопроводным системам другого функционального назначения (нефте-, водо- и теплоснабжения).

ОБЪЕКТ ИССЛЕДОВАНИЯ

Показания манометров, особенно их изменения непосредственно используются в процессе оперативного управления ГТС. Резкое падение давления может быть следствием разрыва трубы, существенной утечки газа из-за сквозной трещины или свища, но может возникнуть и при выходе из строя измерительного прибора. Однако эта причина отпадает, если о нарушении целостности свидетельствуют также синхронные изменения показаний соседних манометров. Для идентификации факта нарушения целостности трубы важна лишь динамика замеров давления. В то же время по ряду причин существенный интерес представляют абсолютные значения давления. Газопроводы являются потенциально опасными промышленными объектами, и превышение разрешенного давления при эксплуатации газопровода может привести к катастрофическим последствиям. Кроме того, замеры режимных параметров служат первоосновой для идентификации коэффициентов моделей, описывающих процессы течения газа. Следовательно, поверка измерительной аппаратуры является необходимым условием адекватности моделирования режимов течения, без чего невозможно функционирование автоматизированных систем управления газотранспортными предприятиями.

Определение систематической ошибки приборов в целях корректировки их показаний следует рассматривать как одну из задач теории гидравлических цепей. Авторы данной статьи не ставили перед собой задачу максимально охватить возможные приложения, но стремились продемонстрировать в целом методику, которую можно применять и к другим метрологическим проблемам.

В качестве объекта исследования выбран фрагмент двухниточного технического коридора магистральных газопроводов. Были исследованы две совокупности записей, переданных по системам телемеханики с замерных пунктов в центр управления ГТС. Одна из совокупностей содержит параметры режимов эксплуатации ГТС летом 2016 г. [7] (интервал наблюдения ≈ 10 сут) на двухниточном участке, принципиальная схема которого представлена на рис. 1. Длина трассы – 176,9 км, пунктов замера – 9, для их нумерации используется индекс i (i = 1, …, 9) (рис. 1). Пункты замера разбивают участок на 8 трубопроводных секций, каждой из которых присваивается номер начального (по направлению течения) пункта i = 1, …, 8. Нитки работают изолированно, открыты лишь перемычки в начале и конце участка, все перемычки по трассе закрыты. Манометры и термометры расположены у каждой перемычки. Расход измеряется в конце трубопровода, на входе компрессорной стации (КС) 2.

Другая совокупность относится к 2017 г. (интервал наблюдения ≈ 29 ч). Соответствующие семейства кривых давления представлены на рис. 2, 3 (2016 г.) и 4, 5 (2017 г.). На рис. 2 и 4 изображены функции (t), i = 1, …, 9 по нитке I, на рис. 3 и 5 – функции (t), i = 1, …, 9 по нитке II. Для удобства изложения принадлежность функций (t), (t), i = 1, …, 9 к интервалу наблюдения показана подстрочным индексом 1, принадлежность функций (t), (t), i = 1, …, 9 к интервалу наблюдения – подстрочным индексом 2. Как показал анализ, изменения температуры оказывают на результаты расчета существенно меньшее влияние, чем изменения давления, поэтому сведения о температурном режиме здесь опускаются.

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СИСТЕМЫ

Для описания взаимозависимости между параметрами газового потока использовалась модель стационарного квазиизотермического течения. Рассмат-риваемый участок – горизонтальный, поэтому расчетная формула для простого газопровода имеет вид [8]:

= c∆TaverzaverLD-5q2,                     (1)

где ps, pf – значения давления в начале и конце участка, МПа; ∆ – относительная плотность газа по воздуху; L, D – длина, м, и внутренний диаметр трубопровода, мм; q – коммерческий расход газа, м3/с; zaver = z(paver, Taver) – среднее значение коэффициента сжимаемости; paver, Taver – средние интегральные значения давления, МПа, и температуры, K, газа; c – константа для соблюдения размерности. Множитель является «подправленным» коэффициентом гидравлического сопротивления. Согласно отраслевому стандарту [9] при турбулентном течении:

,

где K – коэффициент шероховатости. Множитель E называется коэффициентом гидравлической эффективности и вводится в целях адаптации результатов расчетов к фактическим режимам эксплуатации. Тепература Taver рассчитывается в соответствии с квазиизотермической моделью норматива [9] (формулой Шухова).

Формула (1) применима не только к участку в целом, но и к каждой из секций. Для секции i она имеет вид:

,               (2)

где – числовой множитель, который очевидным образом связан с с. Надо иметь в виду, что от номера нитки зависят только величины D и q, разница же величин Taver, zaver пренебрежимо мала. Можно считать также, что для любого i длины секций по ниткам одинаковы = . На всех участках одной нитки наблюдается равенство расходов q1 = … = q8 = q из-за отсутствия попутных отборов по рассматриваемому участку, а также равенство коэффициентов шероховатости K1 = … = K8 = K из-за того, что все трубы изготовлены по одной технологии.

Теперь в распоряжении авторов имеется достаточно средств, чтобы изложить, опуская детали, математическую постановку задачи и основную идею решения, которые в дальнейшем будут уточнены. Результаты замеров рассмат-риваются как векторная величина p* = p + ∆p, представляющая собой сумму истинного, но неизвестного значения давления p и ошибки ∆p. Если в соотношение (2) для i = 1, …, 9 вместо истинных значений давления подставить результаты замеров, получим оценки коэффициентов эффективности E* = f(p*). По технологическим причинам истинные значения коэффициентов эффективности целесообразно считать равными = ... = = = ... = . Оценки же коэффициентов гидравлической эффективности E* не будут равны между собой и могут существенно отличаться друг от друга. Причину этого авторы видят в наличии систематических ошибок измерения ∆p. Авторы поставили задачу найти такие поправки ∆p, при которых невязка уравнений будет минимальной ∑(pi* – pi)2min∆p, где I – множество рассматриваемых компонент векто-ра p*. Этот критерий является прямым следствием принципа максимального правдоподобия при условии, что ошибки замеров ∆p распределены по нормальному закону. Для численного решения используется идея групповой релаксации, известная из теории гид-равлических цепей [10].

АНАЛИЗ ЗАМЕРОВ ДАВЛЕНИЯ НА ИНТЕРВАЛЕ НАБЛЮДЕНИЯ

Что касается описания вычислительных процедур, использованных для получения конкретных результатов, то для начала авторами были проанализированы функции (t), (t), (i = 1, …, 9) (рис. 2–3). Для удобства была введена величина i = Ei–2, i = 1, …, 8. В табл. 1 приведены значения Ei, i, i = 1, …, 8 для нитки I. Эти величины зависят от момента наблюдения T, результаты расчетов приведены для T = 166,7 ч.

Из таблицы видно, что 8 существенно больше остальных значений i, i = 1, …, 7, отличия которых друг от друга менее значимы. Для отношений существенно больше и существенно меньше использованы обозначения », «. Из того, что 8 » 7, следует ()2 « ()2. Из рис. 2 видно, что «расстояние» между графиками функций (t), (t) существенно больше «расстояний» между любыми другими парами смежных функций (t) и (t), (i = 1, …, 7). Такая же ситуация наблюдается и с замерами по нитке II (рис. 3). «Расстояния» между функциями (t) и (t) должны быть приблизительно пропорциональны длине секции Li. «Расстояние» между функциями p1,8(t) и p1,9(t) больше других «расстояний» p1,i(t) и p1,i+1(t) между смежными функциями, несмотря на то что длина секции 8 минимальна L8 = 12,4 км.

В продолжение анализа на рис. 6а отмечены точки (xi, i(t)), (i = 1, …, 7), где xi – координата середины секции (расстояние вдоль оси трубы от начала отсчета до середины секции); i – среднеинтегральное значение, вычисляемое по формуле:

.

Точка (x8, 8(t)) на рисунке не изображена. Несмотря на это, различие в оценках величин i(t), i = 1, …, 7 хорошо заметно. Оценки для разных i и попадают в диапазон [0,5; 1,4] для нитки I и [0,5; 1,6] для нитки II. Чем же вызвана такая вариабельность результатов? Физических оснований для объяснения этого эффекта авторы статьи не нашли. Коэффициенты i характеризуют гидравлическую эффективность секций. Местных сопротивлений из-за гидратных пробок, отложений конденсата или шлама в период наблюдения не было. Срок службы трубопровода невелик, расходы газа большие, газ хорошо подготовлен к дальнему транспорту – в таких условиях эксплуатации местные сопротивления указанного вида не образуются. В случае образования технические службы заметили бы отклонение от нормы и приняли бы меры по его ликвидации. К тому же в среднем по коридору оценки коэффициентов эфективности свидетельствуют о хорошем состоянии линейной части трубопровода.

Следует также отвергнуть предположение о влиянии нестационарности процесса на качество оценок. Аккумулирующая способность труб относительно мала и при имеющей место скорости течения практически не сказывается на результатах оценивания. В этом убеждает анализ оценок i для трех моментов времени [7].

Единственно приемлемой гипотезой о причине возникновения существенной разницы величин i(t), i = 1, …, 7 является предположение о наличии сис-тематических ошибок при измерении давления. Авторы обозначили результат измерения надстрочной звездочкой, тогда = p1,i + ∆pi, где ∆pi – систематическая ошибка. Рис. 6а показывает, что наиболее правдоподобными гипотезами для нитки I будут Δ ≠ 0 и Δ ≠ 0 (следует учесть, что если i > i+1, то 0,5( + ) > ; i = 1, …, 7). При этом = + Δ, Δ < 0, = + Δ, Δ < 0. Из рис. 6а видно, что больший разброс величин i характерен для нитки II. Естественно считать, что из ряда выбиваются замеры давления в пунк-тах 1, 3, 4. Кроме того, целесообразно исследовать вариант, когда поправки вводятся ко всем замерам.

ОЦЕНКА СИСТЕМАТИЧЕСКИХ ОШИБОК

В рамках оценки систематических ошибок авторами решены две расчетные задачи: вариант 1 – оценка Δ, Δ, Δ, а также ∆p1 и ∆p9, общих для обеих ниток; вариант 2 – оценка ∆p1, Δ, Δ, Δ, Δ, Δ, Δ, Δ, ∆p9. Для решения этих задач был применен алгоритм параметрической идентификации систем газоснабжения [11–13], изначально предназначенный для оценки эмпрических параметров модели ГТС (коэффициентов гидравлической эффективности линейных участков, коэффициентов технического состояния силового оборудования и т. д.). Однако, если в модель идентификации наряду с эмпирическими коэффициентами модели ввести систематические ошибки измерений, вычислительная процедура принципиально не изменится – увеличится только размерность вектора оцениваемых параметров.

Авторами была применена процедура параметрической идентификации для одновременного оценивания коэффициентов гидравлической эффективности , , i = 1, …, 8, которые исходя из технологических причин целесообразно считать равными = … = = = … = , и систематических ошибок измерения. Результаты расчетов представлены в табл. 2.

Расчеты, выполненные с использованием оценок варианта 1, привели к значениям i, показанным пунктиром на рис. 6б. Из рисунка видно, что в варианте 1 учет систематических ошибок привел к улучшению первоначальной ситуации (см. рис. 6а): разброс i уменьшился. Тем не менее изменения i при переходе от одной секции к другой вряд ли можно считать незначительными. Для нитки I заметно отличается от остальных значение 7. Для нитки II ситуация хуже: довольно резкие изменения имеют место при переходах 45678, наблюдается также рост i при переходе от 2-й секции к 4-й.

Полученные результаты позволяют выдвинуть гипотезу о наличии (помимо учтенных в варианте 1) систематических ошибок ∆ и ∆, ∆, ∆. Введя эти коррективы (вариант 2) в модель идентификации, авторы получили оценки, приведенные в нижней строке табл. 2. Соответствующие им значения i показаны на рис. 6б (сплошные линии – 3 и 4). На рис. 7 представлены функции (t) = – ∆, i = 1, …, 9. Результаты расчета, представленные в табл. 2, показывают, что абсолютные значения систематических ошибок ∆, ∆, ∆, ∆ являются достаточно существенными. Учет их в модели течения газа позволяет значительно снизить разброс значений i, перейти от ломаных 1, 2 (рис. 6б) к ломаным 3, 4. Разброс значений i для каждой из ниток в варианте 2 вполне можно объяснить случайными факторами. Поправка замеров на величину систематических ошибок ∆ позволяет ввести «расстояния» между функциями (t) и (t) в рамки (рис. 7), которые не вызывают возражений и с достаточной для практики точностью оказываются пропорциональными длине секций Li. Полученные оценки коэффициентов гидравлической эффективности , , представленные в табл. 2, подтверждают сделанное предположение о хорошем техническом состоянии линейных участков ГТС.

ОБРАБОТКА ЗАМЕРОВ ДАВЛЕНИЯ НА ИНТЕРВАЛЕ НАБЛЮДЕНИЯ

Сравнение рис. 2, 3 и 4, 5 показывает, что состояние метрологического оборудования в 2017 г. (2-я серия замеров) существенно отличается от состояния за год до этого, в 2016 г. (1-я серия замеров). «Расстояния» между графиками функций (t) и (t) (рис. 4), (t) и (t) (рис. 5) теперь незначительно отличаются от «расстояний» между любыми другими парами смежных функций. Теперь предположение, что «расстояния» между функциями (t) и (t), (t) и (t) соразмерны с длиной секции 8, не вызывает возражений. Причиной этого, вероятно, является замена и/или калибровка манометра в узле 9.

Что касается замеров давления в остальных узлах системы, то по рис. 4–5 видно, что ситуация улучшилась. Чтобы подтвердить это предположение, авторы провели расчет, применив процедуру параметрической идентификации для оценки величин , , ∆p1, ∆, ∆, ∆, ∆, ∆, ∆, ∆, ∆p9, используя замеры режимных параметров за период времени . Результаты расчета представлены в табл. 3.

Результаты расчетов показывают, что ГТС, как и прежде, поддерживается в хорошем техническом состоянии – коэффициент гидравлической эффективности равен 1,08. Оценка систематической ошибки ∆p9 значительно уменьшилась (в 8,5 раз). Также уменьшились по модулю значения ∆ и ∆. Остальные значения систематических ошибок практически не изменились. Отличия наблюдаются в третьем-четвертом знаках после запятой, что не выходит за пределы точности вычислений. Максимальная систематическая ошибка соответствует узлу 1 и, как и прежде, составляет 0,1 МПа.

ЗАКЛЮЧЕНИЕ

В статье предложена методика диаг-ностики измерительной аппаратуры, основанная на процедуре параметрической идентификации и рассчитанная на применение в процессе эксплуатации трубопроводной системы. Идейная сторона методики продемонстрирована на примере двухниточного коридора магистральных газопроводов.

Процедура предполагает обработку замеров взаимосвязанных режимных параметров газового потока, полученных с помощью штатных измерительных приборов, и не требует установки дополнительного диагностического оборудования. Численные расчеты подтвердили работоспособность предлагаемой методики при обработке записей реальных телеметрических измерений.

Внедрение методики в программные комплексы моделирования трубопроводных систем позволит своевременно обнаруживать систематические ошибки измерений режимных параметров и вносить соответствующие поправки в исходные данные для расчетов. Реализация методики в производственной практике даст возможность идентифицировать факты злоумышленного искажения информации – несанкционированного вмешательства в оперативное управление трубопроводными системами.

Таблица 1. Величины Ei(T), i(T), i = 1, …, 8 для нитки I

Table 1. Values Ei(T), i(T), i = 1, …, 8 for line I

Таблица 2. Оценки систематических ошибок и коэффициентов гидравлической эффективности для периода наблюдений

Table 2. Systematic error estimations and hydraulic efficient factors for observation interval

Таблица 3. Оценки систематических ошибок и коэффициентов гидравлической эффективности для периода наблюдений

Table 3. Systematic error estimations and hydraulic efficient factors for observation interval

ВВЕДЕНИЕ

Функциональные возможности программных пакетов, используемых для создания геологических моделей неф-тегазовых месторождений, определяются математическими методами и качеством их программной реализации, существенно влияющими на качество и достоверность полученных результатов.

В настоящее время на российском рынке представлены как зарубежные (Petrel, RMS, GoCad и др.), так и отечественные (Geoplat Pro-G, «Сфера.Геология» и др.) разработки для построения геологических моделей. При этом если для оценки качества программных продуктов, применяющихся для гидродинамического моделирования, созданы функциональные тесты, набор тестов для оценки программ для геологического моделирования месторождений находится в стадии разработки.

Оценка корректности работы различных модулей программных комплексов для геологического моделирования требует рассмотрения ряда формальных показателей. Требования к функциональным возможностям программных комплексов достаточно подробно изложены в нормативной документации, например в ГОСТ Р 56448–2015 [1]. Однако в стандартах не описаны подходы, позволяющие оценить вычислительную точность модулей программных продуктов и алгоритмов. Такая оценка может быть получена с помощью набора определенных тестов.

Целью исследования, результаты которого представлены в данной статье, является разработка системы тестов для функционального тестирования математических алгоритмов, используемых на разных стадиях построения геологической модели нефтегазового месторождения.

Основной особенностью тестов является наличие известного аналитического (точного) решения формулируемой задачи. При варьировании таких парамет-ров, как плотность наблюдений (шаг расчетной сетки), «сложность» объекта исследований (понятие будет определено далее) и степень зашумленности исходных данных, должна наблюдаться сходимость полученного в программном пакете численного решения и известного точного аналитического решения.

Тестирование проводится по следующему алгоритму:

1) выбирается объект исследования, для которого формулируется тестовая задача, имеющая аналитическое (точное) решение;

2) осуществляется градация уровней «сложности» анализируемого объекта исследования и шага дискретизации численного решения;

3) определяется метрика, оценивающая близость результатов полученного приближенного решения тестовой задачи к точному;

4) оцениваются результаты тестирования.

Анализ этапов построения геологических моделей позволяет выделить задачи тестирования, представленные в табл. 1.

Перечисленные объекты тестирования определяют базовые процессы построения геологических моделей нефтегазовых месторождений, поэтому для проверки корректности работы соответствующих вычислительных модулей необходим целевой набор функциональных тестов.

Предлагаемые тесты использовались при верификации соответствующих вычислительных модулей программного комплекса (ПК) «РН-Геосим», проведенной в ходе его разработки при участии авторов данной статьи. Кроме того, предлагается использовать данные тесты для сравнения результатов моделирования месторождений в ПК «РН-Геосим» с результатами, полученными с помощью других ПК.

АЛГОРИТМЫ АВТОКОРРЕЛЯЦИИ РАЗРЕЗОВ СКВАЖИН

Идентификация нефтеносных пластов является основой для геологического моделирования нефтегазового месторождения. На сегодняшний день надежных алгоритмов автоматизированной корреляции разрезов скважин не существует, зачастую определение маркеров отбивок пластов осуществляется специалистами вручную. Задача идентификации пластов является трудоемкой, сложной и плохо формализуемой. Ее решение требует значительных временных затрат и высокой квалификации исполнителя. Несмотря на многообразие различных подходов к решению задачи корреляции пластов и значительное количество публикаций на эту тему [2–4], такая задача, как правило, не имеет однозначного решения.

Для первого теста была выбрана синтетическая ступенчатая каротажная кривая (рис. 1а), корреляция по которой очевидна. Второй тест сложнее – рассмотрена синтетическая синусоидальная каротажная кривая (рис. 1б), для которой решение задачи корреляции может быть неоднозначным. Корректность используемых методов и их программной реализации проверяется при решении задачи корреляции границ пластов (пропластков) при условии, что на части кривых заданы маркеры. Стоит отметить, что корректность подходов означает не только построение правильной корреляционной схемы разрезов скважин на «чистых» данных, но и их устойчивость при зашумлении сигналов.

Алгоритм тестирования следующий:

1) с применением выбранного алгоритма автокорреляции выставим маркеры на синтетических каротажных кривых, имитирующих определенное геофизическое свойство;

2) на синтетические каротажные кривые наложим случайный шум с определенным значением среднеквадратического отклонения (СКО) и вновь выставим маркеры, оценивая погрешность определения границ пласта;

3) на каждом последующем шаге будем увеличивать СКО шума;

4) корректность использованных алгоритмов и область их применимости оценим с помощью отношения характерной амплитуды шума к числу корректно определенных маркеров.

Результаты теста представлены на рис. 1. Для тестирования были выбраны два реализованных в текущей версии ПК «РН-Геосим» алгоритма автокорреляции:

• на основе вейвлет-разложения рассматриваемых каротажных кривых [5];

• поточечного сопоставления каротажных кривых методами динамического программирования (DTW) [6]. На каротажные кривые был наложен шум со значением СКО 0–50 %. Применительно к каждому значению СКО шума выбранных алгоритмов автокорреляции была оценена доля корректно распознанных границ пластов.

Проведенный тест распознавания маркеров границ пластов (рис. 2) показал, что:

• реализованный в «РН-Геосим» алгоритм автокорреляции разрезов скважин с использованием вейвлет-разложения каротажных кривых в приведенных примерах при уровне СКО шума менее 30 % способствует осуществлению корректной корреляции более 50 % пластов;

• необходимо проведение дальнейших исследований по изучению влияния шумов на возможность применения алгоритмов автокорреляции разрезов скважин, а также методов очистки сигналов от шумов для повышения эффективности алгоритмов автокорреляции.

Алгоритмы картопостроения

Простейшая задача картопостроения в геологическом моделировании неф-тегазовых месторождений предполагает, что в некоторых произвольных точках (x_i, y_j) на плоскости OXY заданы значения z_i = f(x_i, y_j) и необходимо решить двумерную задачу интерполяции/экстраполяции функции z = f(x, y), т. е. определить значения z_k во всех узлах регулярной двумерной сетки размерности N.N на плоскости OXY.

В современной математике количество методов интерполяции/экстраполяции данных постоянно увеличивается, соответственно, увеличивается и набор алгоритмов для численных реализаций методов картопостроений в различных коммерческих пакетах. Некоторые из этих методов разобраны в работах [7, 8]. В частности, в работе [8] приведены результаты тестирования скорости работы алгоритмов картопостроения на некоторых тестовых поверхностях, вид которых детально не обсуждался.

В дополнение к проведенным тестам авторы данной статьи предлагают конкретизировать вид задаваемых поверхностей на примере поверхностей кровли пласта. Для корректного проведения тестирования выбираются поверхности, описываемые аналитическими выражениями. Примерами могут служить куполообразная поверхность или поверхность, представляющая сочетание нескольких куполов. Для данного теста вводится понятие «сложность поверхности», которая характеризуется средними значениями таких параметров, как:

• высота – абсолютная величина разницы в высоте данной точки по сравнению со средним арифметическим для поверхности;

• наклон – модуль градиента в точке поверхности.

Чем больше значения параметров, тем сложнее тестируемая поверхность. Качество работы алгоритма оценивается невязкой между построенной (дискретной) и заданной аналитически поверхностями. В соответствии с установленными условиями отклонение должно уменьшаться при уменьшении шага дискретизации сетки и зависеть от сложности поверхности.

В данной статье в качестве тестового примера предложен набор поверхностей, заданных уравнением

в области x ∈ [–5; 5], y ∈ [–5; 5] при значениях параметра a, равных, соответственно:

определяющих сложность поверхности (табл. 2). В качестве тестируемого выбран метод конвергентной интерполяции [9], реализованный в ПК «РН-Геосим». Рассматриваемые поверхности построены для сеток с различной степенью детализации, что позволяет уточнять особенности формы поверхности при увеличении количества узлов сетки.

Проведенный тест показал следующие результаты (рис. 3):

• величина невязки возрастает с уменьшением шага дискретизации сетки (уменьшением размерности ячеек);

• величина невязки незначительно возрастает с увеличением сложности поверхности в сравнении с зависимостью от шага дискретизации сетки;

• необходимо проведение дальнейших исследований для выработки рекомендаций по выбору размеров ячеек в геологической модели в зависимости от сложности исходных данных и требований к точности построения поверхностей;

• на рисунке область приемлемых значений назначена экспертно. По-видимому, границы области приемлемых значений должны быть согласованы с размерами ячеек.

Алгоритмы оценки ОБЪЕМОВ ЗАПАСОВ УГЛЕВОДОРОДОВ

Предлагаемый набор тестов предназначен для оценки погрешности расчета объемов геометрических тел, возникающих при геологическом моделировании месторождений. За основу был взят тест, ранее предложенный в работе [10], авторы которой тестировали программные пакеты Petrel, IRAP RMS и GoCad, а в качестве тестового примера использовались усеченная полусфера и объем между двумя усеченными полусферами. Исходя из проведенных тестов были сделаны выводы об удовлетворительном приближении рассмотренных тел параллелепипедами при достаточном уменьшении объемов ячеек сетки.

Простейшая задача построения регулярной (равномерной) трехмерной расчетной сетки в геологическом моделировании предполагает задание двух известных поверхностей (кровли и подошвы пласта), размера типовой ячейки в латеральном направлении, числа слоев расчетной сетки в вертикальном направлении. Поверхности для теста заданы аналитически. Объем полученного тела в трехмерном пространстве вычисляется как двойной интеграл по соответствующей области. Тестирование включает оценку таких параметров, как размеры ячеек трехмерной сетки и сложность рассматриваемой поверхности. В данном тесте характеристиками сложности поверхности являются база сигнала спектра поверхности (произведение ширины полосы спектра на длительность сигнала) и среднеквадратическая оценка высоты и наклона. Корректность примененных алгоритмов определяется точностью вычисления объемов сложных тел при дискретизации области.

В качестве тестового примера рассмат-ривалась куполообразная область (массивная залежь), ограниченная поверхностью кровли – параболической поверхностью – и поверхностью подошвы – плоскостью (поверхностью флюидного контакта). Полученное геометрическое тело (усеченный параболоид) описывается уравнением параболоида x² + y² + zR = R², R = 500, x ∈ [–500; 500], y [–500; 500] и уравнением плоскости z = 0. Аналогичным образом был построен «рельефный» усеченный параболоид по формуле

(табл. 3, рис. 4).

Наряду с данными геометрическими телами в тест были включены еще два геометрических тела, подошва которых ограничена поверхностью параболоида меньшего размера с радиусом R = 300 (пластовая залежь).

Качество алгоритма построения имитации массивной и пластовой залежи оценивается среднеквадратическим отклонением объема аппроксимирующей дискретной области от объема, вычисленного как интеграл от соответствующей аналитической функции. Очевидно, что такое отклонение должно уменьшаться при уменьшении шага дискретизации сетки и зависеть от сложности. Дискретизация объемного тела выполнялась на ячейках расчетной сетки с размерами от 20 20 50 до 500 500 50 в ПК «РН-Геосим».

Расчет невязки при сравнении объемных тел выполнялся по формуле

, 

где V_ид – известное точное значение объема тела; V_N – значение объема на расчетной сетке с N ячейками по латерали.

Проведенный тест показал следующие результаты (рис. 5):

• величина невязки, определяемой разностью между объемом геометрического тела, вычисленным аналитически, и объемом, полученным при дискретизации области, уменьшается при увеличении числа узлов сетки (при уменьшении размера ячеек);

• с ростом сложности поверхностей увеличивается невязка между объемами геометрических тел, построенных на дискретной сетке, и объемом, вычисленным аналитически;

• при построении геологических моделей месторождений размер ячеек сетки должен зависеть от параметров, определяющих сложность поверхностей, ограничивающих рассматриваемые тела; построение соответствующих рекомендаций – направление дальнейших исследований.

Апскейлинг данных скважин

Процедура апскейлинга (ремасштабирования) представляет собой осреднение (перенос) скважинных данных на расчетную сетку и зависит от построенного трехмерного каркаса геологической модели.

Также значение осреднения зависит от метода подсчета среднего значения (среднего арифметического, среднего геометрического, среднего гармонического, наиболее часто встречающегося дискретного и др.) рассматриваемого набора скважинных данных в конкретной ячейке расчетной сетки и способа учета влияния значений скважинных данных в соседних ячейках. Стоит отметить, что при решении задачи осреднения необходимо решать задачу поиска пересечений траектории скважины с гранями ячеек рассматриваемой расчетной сетки.

Процедура апскейлинга может существенно повлиять на адекватность геологической модели, так как именно она определяет набор исходных данных для этапа пространственного моделирования фильтрационно-емкостных свойств коллектора.

Входными данными для тестовой задачи являются модельные каротажные кривые, имеющие форму синусоиды с различными частотами и амплитудами, отражающими сложность сигнала. Аналитически они представляются функцией y = a•sin(ax), где параметр a принимает значения 1, 2, 3 и определяет сложность тестируемого сигнала (рис. 6, табл. 4). Здесь и далее сложность сигнала определяется по аналогии с разделом «Алгоритмы оценки объемов запасов углеводородов».

Предполагается, что в данном тесте рассматривается структурный каркас с прямоугольными ячейками, скважины пересекают ячейки под прямым углом по центру ячеек. Для каждой скважины сравниваются значения каротажа в центрах ячеек, полученные по аналитическим формулам, со значениями, полученными осреднением в точках замера каротажа.

Тест апскейлинга выполнен в ПК «РН-Геосим» для различного числа ячеек расчетной сетки по вертикали. Точность алгоритма (невязка) определяется наименьшим среднеквадратическим расхождением (евклидова норма) аналитического и усредненного тестовых сигналов для расчетной сетки размерностью K.

Проведенный тест апскейлинга позволяет сделать следующие выводы (рис. 7):

• величина невязки уменьшается с уменьшением размеров ячеек;

• параметры, отвечающие за сложность кривой, влияют на скорость схо-димости: наибольшая скорость сходимости наблюдается у сигнала с наименьшей сложностью и наоборот;

• при построении геологических моделей размер ячеек сетки должен зависеть от сложности рассматриваемых сигналов.

Алгоритмы вариограммного анализа

Задачей вариограммного анализа пространственно распределенных значений литологических и/или фильт-рационно-емкостных свойств пласта является построение вариограммы γ(h) случайной величины z(x), определяющей вариацию (дисперсию) разницы значений z(x) и z(x + h) как функцию, зависящую только от расстояния h. Предполагается, что для случайной величины выполняется условие слабой стационарности.

При геологическом моделировании нефтегазовых месторождений оценка вариограммы γ(h) осуществляется исходя из экспериментальной вариограммы, строящейся как среднее значение квадрата разностей известных значений z(x_i) и z(x_j + h) для каждого фиксированного промежутка h между точками.

Предлагаемый тест предназначен для оценки погрешности расчета экспериментальной вариограммы по отношению к вариограмме, вычисленной аналитически. За основу был взят тест из работы [11], где приведены результаты исследования вариограмм для различных расположений простых геометрических тел в пространстве. В частности, рассмотрен куб с ребром A = 1000 ед. (рис. 8), внутри которого расположены 1000 мелких кубов с расстоянием между центрами, равным L = 100 ед. по всем направлениям: X, Y, Z. Длина ребер мелких кубов a варьирует и равна a = 10; 20; 30; 40; 50 м для разных случаев. Геологическим аналогом такого геометрического объекта является распределение ограниченных зон коллектора (мелкие кубы, в которых z(x) = 1) в области неколлектора (оставшиеся ячейки основного куба, где z(x) = 0). С увеличением длины стороны a наблюдается рост средней величины z(x) (т. е. изменение песчанистости NTG) и дисперсии в рассматриваемом распределении величины z(x). Отметим, величина дисперсии является показателем сложности для данного теста (табл. 5).

В данном примере вариограммы одинаковы по направлениям X, Y, Z, периодические с периодом L и аналитически представляются формулой:

где M – среднее значение величины z(x) в кубе (значение NTG).

Качество алгоритма оценивается среднеквадратическим отклонением аппроксимирующей экспериментальной варио-граммы, построенной в области |h| ≤ a, от значений аналитического представления для этой же области.

Данный тест для оценки качества построения экспериментальной вариограммы проведен в ПК «РН-Геосим» для кубов с длиной стороны a = 10…50 м.

Проведенный тест показал (рис. 9):

• в случае одинаковых размеров тел коллектора и одинаковых расстояний между телами экспериментальные вариограммы показывают достаточно хорошую сходимость с теоретической, вне зависимости от размеров тел коллектора в области неколлектора;

• если размеры тел и расстояния между телами являются случайными величинами, то корректное использование экспериментальной вариограммы при геологическом моделировании требует дополнительных исследований.

Тестирование алгоритмов распространения свойств

Важной задачей, которую необходимо решить в процессе геологического моделирования, является задача построения пространственного распределения свойств моделируемой среды.

В предлагаемых тестах задача пространственного распределения свойств формулируется следующим образом: область моделирования Ω рассматривается в виде прямоугольного параллелепипеда, в котором задана регулярная пространственная сетка размерностью I x J x K. Некоторое физическое свойство f (например, значение гамма-каротажа) задано в точках x₁, …, x_k ∈ Ω. Необходимо получить оценку значений f в произвольном узле сетки в Ω, т. е. решить задачу пространственной интерполяции.

Известны [12] два основных и широко применяемых на практике класса геостатистических методов для решения такой задачи: детерминированные методы (например, различные модификации алгоритмов кригинга) и стохастические методы (алгоритмы последовательного гауссова моделирования и алгоритмы спектрального моделирования случайных полей).

Некоторые подходы к проверке качества геостатистических алгоритмов рассмотрены в работе [13], где предложены критерии оценки адекватности соответствующего программного обеспечения и приведен ряд тестов. Эффективность предложенных тестов пространственного распределения свойств проверялась на алгоритмах стохастического моделирования, реализованных в программных комплексах Petrel, RMS и TimeZYX (ныне «Сфера.Геология»).

Авторы данной статьи предлагают три тестовых примера, имеющих точное решение и позволяющих оценить корректность и сравнить качество геостатистических алгоритмов, представленных в различных программных комплексах.

Тест для детерминированных методов (кригинга)

Рассматривается область с заданной регулярной сеткой 9 x 9 x 100, где 9 x 9 – сетка по латерали, 100 – число ячеек вдоль вертикальной оси Z. Пусть величина f(M) равна 1 в угловых столбцах прямоугольника (т. е. в ячейках с координатами (1, 1, k), (1, 9, k), (9, 1, k) и (9, 9, k), где k = 1, …, 100) и 0 – в центральном столбце с координатами (5, 5, k). Тогда точное решение задачи интерполяции этой величины на остальные точки области методом простого кригинга (т. е. методом кригинга с заданным средним значением моделируемой величины в области) с использованием всех данных (глобальный кригинг) получается простыми вычислениями [14]. На рис. 10 представлены результаты вычислений в случае рассмотрения экспоненциальной вариограммы с нулевым наггетом (nugget), единичным порогом (sill) и радиусом, равным 500 ед. по направлениям X и Y и 10 ед. – в направлении Z, а также со средним значением f(M), равным 0,8.

Предложенный тест может использоваться для анализа влияния количества «соседей» (соседних точек, которые используются при построении аппроксимации значения f(M) в данной точке) на точность аппроксимации (в сравнении с глобальным кригингом). Очевидно, что мера ошибки должна стремиться к нулю при увеличении числа «соседей». Результаты такого тестирования в программных комплексах Petrel, RMS, «РН-Геосим» представлены на рис. 11.

Тестирование стохастических методов

Предлагается два теста. Первый является аналогом соответствующего теста из [13] и оценивает скорость сходимости усредненных по реализациям стохастических кубов к кубу кригинга при увеличении числа реализаций. Второй оценивает влияние погрешности в исходных данных на скорость сходимости усредненных стохастических кубов к кубу кригинга.

В первом тесте величина f(M) задана так же, как в тесте для детерминированных методов (кригинга) (рис. 10). Значения глобального кригинга сравниваются со значениями, полученными при осреднении N стохастических реализаций, где N принимает значения 1; 2; 5; 10; 20; 50; 100. Для распространения величины f(M) была взята экспоненциальная вариограмма с нулевым наггетом, единичным порогом и радиусом, равным 500 ед. по направлениям X и Y и 10 ед. – в направлении Z, а также средним значением f(M), равным 0,8. Теоретическая скорость сходимости усредненных стохастических реализаций к кригингу имеет порядок N^–1/2, где N – число реализаций (неравенство Берри – Эссеена) [15].

Данный тест использовался для тес-тирования метода последовательного гауссовского стохастического моделирования (ПГСМ) в программных комплексах Petrel, RMS, «РН-Геосим» и показал, что среднее по множеству стохастических реализаций стремится к среднему по кригингу при увеличении числа реализаций (рис. 12).

Во втором тесте рассматривается область с заданной регулярной сеткой 25 x 25 x 100, где 25 x 25 – сетка по латерали, 100 – число ячеек вдоль вертикальной оси Z. В области выбраны пять вертикальных столбцов, значения функции f(M) в которых были получены случайным образом согласно закону распределения N(0,σ), где σ = 0,5; 1,0; 1,5; 2,0; 4,0 (рис. 13). Для данного тес-та была выбрана экспоненциальная вариограмма с наггетом, равным 0,1, единичным порогом и радиусом, равным 800 ед. по направлениям X и Y и 25 ед. – в направлении Z, а также средним значением f(M), равным 0. Как и в предыдущем тесте, значения глобального кригинга для данной модели сравниваются со значениями, полученными при осреднении N стохастических реализаций для разной величины дисперсии. Максимальное число усредняемых стохастических реализаций N было расширено до 1000. Результаты теста, а именно влияние дисперсии исходных данных на скорость сходимости осреднения стохастических реализаций к глобальному кригингу, приведены на рис. 14. Видно, что чем больше погрешности в исходных данных, тем больше реализаций требуется для приближения среднего к глобальному кригингу.

Проведенные тесты алгоритмов распространения свойств показали следующие результаты:

• с увеличением числа соседей уменьшается невязка между приближенным решением кригинга и глобальным кригингом, однако при этом существенно возрастают потребности в вычислительных ресурсах, поэтому необходимо продолжить исследование вопросов выбора числа соседей в зависимости от изменчивости входных данных;

• при увеличении количества реализаций в усреднении уменьшается невязка между усредненным кубом стохастических реализаций и кубом кригинга (рис. 11);

• усредненные стохастические реализации в программных комплексах Petrel, RMS и «РН-Геосим» сходятся к кригингу практически с одинаковой скоростью (рис. 12);

• при увеличении дисперсии исходных данных (погрешности) схождение среднего по реализациям к кригингу замедляется (рис. 13);

• большая дисперсия в исходных данных приводит к необходимости увеличения вычислительных ресурсов для исследования сходимости усреднения к глобальному кригингу.

ЗАКЛЮЧЕНИЕ

Представлены тесты и продемонстрированы результаты опробования разработанных функциональных тес-тов, позволяющих оценить качество программной реализации математических алгоритмов, применяемых при геологическом моделировании нефтегазовых месторождений. Предлагаемые тесты предназначены для оценки результатов автокорреляции разрезов скважин, построения двумерных поверхностей каркаса геологической модели, оценки объемов углеводородов, вариограммного анализа и пространственной интерполяции пространственно распределенных значений литологических и/или фильт-рационно-емкостных свойств пласта, апскейлинга скважинных данных на расчетную сетку.

В результате проведенного функционального тестирования оценена точность расчетов в пакетах геологического моделирования и проведена оценка их качества, сравнительный анализ качества результатов вычислений.

Основные выводы следующие:

1. Создание тестов возможно для всех этапов построения геологической модели.

2. Тестирование распространенных пакетов геологического моделирования показало удовлетворительную точность их работы и сходимость результатов.

3. Тесты просты и понятны, могут быть повторены.

В ближайшей перспективе в продолжение исследований в данном направлении планируется разработка тестов других видов (нагрузочных, стресс-тестов, стабильности), а также расширение набора функциональных тестов. Предполагается создание удобной общедоступной библиотеки тестов.

Еще одним направлением исследований, инициированным проведенным тестированием, является выработка рекомендаций по выбору геометрических параметров геологической модели (размерности сеток) в зависимости от сложности входных данных (в первую очередь от их дисперсии).

Таблица 1. Задачи, решаемые на разных этапах построения геологических моделей

Table 1. Tasks solved at different stages of the geologic modeling

Таблица 2. Характеристики сложности для заданных поверхностей

Table 2. Complexity characteristics for engineered surfaces

Значения параметра, имитирующего сложность поверхности Parameter values simulating surface complexity	Аналитически заданная поверхность Analitical surface	Сложность полученной поверхности – среднеквадратическая оценка Complexity of surface derived – mean square evaluation
		Высота Height	Наклон Slope
		1,7	3,3
a2 = π		1,9	3,7
		2,3	4,6

Таблица 3. Характеристики сложности для заданных объемных тел

Table 3. Complexity characteristics for specified solids

Таблица 4. Характеристики сложности для заданных модельных кривых

Table 4. Characteristics of complexity for specified model curves

Таблица 5. Характеристики сложности для заданных кубов

Table 5. Characteristics of complexity for specified cubes

Эксплуатация нефтяных месторождений в осложненных условиях требует использования все более сложных детерминированных конструкций оборудования для добычи. При этом увеличиваются не только стоимость оборудования, но и затраты на его разработку, изготовление, испытание, хранение, обслуживание и ремонт.

В целях уменьшения совокупной стоимости владения нефтедобывающим оборудованием, в частности установками электроприводных лопастных насосов (УЭЛН) (для обозначения этого оборудования чаще всего используется термин «установки электроприводных центробежных насосов» (УЭЦН), однако в статье будет использоваться аббревиатура УЭЛН в соответствии с [1]), необходимо использовать оптимизированные типоразмерные ряды оборудования [2]. При этом для каждого представителя типоразмерного ряда может и должна быть осуществлена возможность модификации узлов и деталей оборудования, обеспечивающих максимальную эффективность добычи нефти в определенных условиях эксплуатации. Применительно к УЭЛН такая модификация может быть осуществлена, например, для соответствия выпускаемого оборудования Единым техническим требованиям (ЕТТ) той или иной нефтяной компании. В то же время оборудование должно отвечать всем требованиям ГОСТ, РД, регламентов типоразмерного ряда, в частности должен быть соблюден уровень основного рабочего параметра: подачи в номинальном режиме, отклонения значения подачи в номинальном режиме от значения подачи в оптимальном режиме, геометрических размеров, параметров откачиваемого флюида и т. д.

Для обеспечения этих показателей основные элементы УЭЛН могут быть модифицированы с помощью конструктивных и технологических приемов.

Например, для увеличения максимально допустимого содержания свободного газа на приеме лопастного (центробежного) насоса могут применяться конструктивно измененные рабочие колеса и направляющие аппараты (центробежно-вихревые рабочие колеса и соответствующие им направляющие аппараты), а может быть использован технологический прием, известный под названием «конический насос».

Другим примером модификации оборудования является создание ступеней с помощью технологии MИM (англ. Metal Injection Molding – заливка металла в форму под давлением методом впрыска) и использование конструкции ступеней с открытыми рабочими колесами.

Имеющиеся разнообразные методики и компьютерные программы подбора (дизайна) оборудования по исходным промысловым данным основаны главным образом на критерии энергоэффективности.

Необходимо отметить, что при прочих равных условиях (одинаковая конструкция, равные давления на приеме насоса, частты вращения и т. д.) выбор оборудования по критерию энергоэффективности автоматически ведет к повышению наработки до отказа: оборудование работает практически в оптимальном режиме, т. е. защищено от большинства негативных воздействий, которые могут возникнуть в системе «пласт – скважина – насосная установка». Однако в настоящее время практически не используются методики и программы, которые обеспечивают не только выбор оборудования, но и проверку показателей его надежности. В первую очередь это связано с отсутствием не инструментов определения показателей надежности [3], а научно обоснованных, экономически оправданных и узаконенных методик компоновки ЭЛН и всей установки в целом.

Рассмотрим некоторые направления и обоснование такой методики компоновки, включающей выбор:

1) типа ступеней ЭЛН;

2) материала ступеней ЭЛН;

3) конструкции радиальных подшипников ЭЛН;

4) типа сборки электроприводного лопастного насоса.

Выбор типа ступеней ЭЛН

Несомненно, ступень насоса должна соответствовать дебиту скважины, т. е. оптимальный режим насоса по подаче не должен отличаться от дебита скважины по жидкости более чем на 15–25 %. При этом границы рабочих частей (диапазонов) характеристик (РЧХ) предлагаемого в [1] типоразмерного ряда насосов должны перекрываться на 20–25 % (рис. 1).

Такой вид РЧХ позволит обеспечить эксплуатацию УЭЛН при максимально возможном коэффициенте полезного действия (КПД) и энергоэффективную добычу нефти. Этот подход к выбору ступеней делает ненужными разработку, изготовление и активное продвижение насосов и ступеней с так называемой гибкой характеристикой (насосы серии FLEX). Действительно, для чего приобретать и внедрять этот вид оборудования, если бльшая часть РЧХ лежит в области крайне низких КПД? Объяснение фирм-производителей, что рабочие колеса имеют специальную конструкцию и не подвержены «всплытию» в правой части характеристики, было бы интересно, если бы данные насосы не были насосами компрессионной сборки. Как известно, при такой сборке рабочие колеса вообще не могут «всплывать», поскольку жестко зафиксированы, что предотвращает осевое перемещение на валу.

Выбранные по подаче ступени должны соответствовать следующим критериям:

1) обеспечивать возможность перекачивания пластового флюида реальной скважины с максимально возможным КПД;

2) иметь минимальную предрасположенность к отложению солей, парафина, механических примесей;

3) обеспечивать эффективную работу при наличии свободного газа.

Применительно к ступеням, которые должны соответствовать первому пункту, речь должна идти не только о геометрических параметрах (диаметр входа и выхода жидкости, ширина канала на входе и выходе из колеса и направляющего аппарата, углы наклона и количество лопаток колеса и направляющего аппарата), но и о наличии или отсутствии дополнительных лопаток на заднем диске (центробежно-вихревые ступени), применении открытых или полуоткрытых рабочих колес, о конструктивных особенностях лопаток, о возможности разгрузки осевого усилия на рабочее колесо и т. д. Например, для перекачки пластового флюида, имеющего повышенную вязкость и механические примеси, но малое количество свободного газа, нецелесообразно применять центробежно-вихревые ступени [4]. При таких условиях работы наиболее перспективными будут ступени с полуоткрытым или открытым рабочим колесом – такая конструкция меньше подвержена засорению механическими примесями и будет иметь минимальные дисковые и гидравлические потери. И наоборот, малая вязкость жидкости и значительное количество свободного газа делают очень эффективным применение центробежно-вихревых ступеней, обладающих в этих условиях высоким КПД, повышенным напором и возможностью диспергировать газожидкостную смесь.

Использование повышенной частоты вращения вала насоса для увеличения напора ступени и снижения негативного влияния свободного газа приводит к увеличению нагрузки на опорные шайбы рабочих колес. Также при этом увеличивается скорость скольжения в осевой опоре ступени. Поэтому для таких случаев может быть рекомендовано применение рабочих колес с разгрузочными отверстиями в заднем (ведущем) диске и двухопорной конструкции ступеней.

При этом необходимо учитывать, что в ступенях с разгрузочными отверстиями увеличиваются объемные потери, а в двухопорных конструкциях ступеней стеснение входного отверстия рабочего колеса может приводить к снижению гидравлического КПД. Кроме того, ступени с разгрузочными отверстиями и с двухопорными рабочими колесами требуют намного более высокой точности изготовления.

Открытые рабочие колеса обладают существенными отличиями [5] от обычно применяемых рабочих колес ЭЛН как по конструктивным, так и по техническим параметрам. К положительным отличиям можно отнести малую монтажную высоту ступеней с открытыми рабочими колесами (меньше на 30–50 %); возможность работы без засорения механическими примесями; возможность перекачивания газожидкостных смесей с содержанием свободного газа до 55 % даже при подачах до 25 м3/сут; малую массу и высокую динамическую сбалансированность ротора насоса даже при высокой частоте вращения (до 12 000 об/мин). К недостаткам ступеней с открытыми рабочими колесами относят пониженный (на 5–10 пунктов) КПД и уменьшенный напор ступени. Необходимо отметить, что снижение напора одной ступени компенсируется возможностью размещения в стандартном по длине корпусе в 1,5–2,0 раза большего количества ступеней, что позволяет повысить напорность насоса в 1,3–1,8 раза.

Выбор материала ступеней ЭЛН

Если для изготовления рабочих колес и отводов разных типов (лопаточные направляющие аппараты, спиральные отводы, комбинированные отводы) цент-робежных насосов «наземного базирования» применяются различные металлические, композитные и полимерные материалы, то для скважинных ЭЛН применение конструкционных материалов ограничено несколькими вариантами. В первую очередь это связано с ограничениями, накладываемыми на технологию изготовления рабочих колес и направляющих аппаратов малого размера. Наиболее технологичными для этих целей до настоящего времени были серый чугун и полимерные материалы, позволяющие получать требуемые детали с минимальными затратами. Применение модификаторов (бора, церия, магния и т. д.) обеспечивает повышение износостойкости и литейных качеств серого чугуна, для увеличения прочности полимерных деталей используются специальные технологические приемы. В некоторых случаях основные детали – направляющие аппараты (НА) и рабочие колеса (РК) – выполняются комбинированными: корпус НА и ступица РК выполнены из никелевого чугуна, лопаточные системы и диски – из полимеров (рис. 2).

Ступени из серого чугуна имеют самую низкую стоимость изготовления и успешно работают в обычных условиях эксплуатации. Полимерные (композитные) ступени хорошо зарекомендовали себя в скважинах с отложениями солей и парафина [6] из-за низкой адгезии к этим соединениям. Еще одним достоинством рабочих органов из полимеров является высокая чистота поверхности деталей, в том числе поверхности рабочих каналов РК и НА.

При этом необходимо учитывать, что применение ступеней из серого чугуна невозможно в осложненных условиях эксплуатации (при высоком уровне обводненности и минерализации пластового флюида, наличии механических примесей). А применение полимерных или композитных материалов не получило достаточно широкого распространения из-за некоторых особенностей работы первого поколения ступеней из таких материалов, а также по причине низкой ремонтопригодности этих изделий.

Поэтому для работы в значительной доле фонда нефтяных скважин применяются насосные ступени из никельсодержащего чугуна (нирезиста). Ступени из этого материала имеют достаточно высокие показатели износостойкости и сопротивления коррозии, небольшой процент отбраковки после длительной работы в скважине. Это обусловило включение таких ступеней в ЕТТ нефтяных компаний к ЭЛН при осложненных условиях эксплуатации. Однако такие ступени достаточно дороги. Это объясняется рядом факторов: высокой ценой на никель, которого в металле должно быть не менее 16 %; высоким уровнем брака при литье из нирезиста; трудностями механической обработки литых заготовок. При этом ступени из нирезиста достаточно быстро «зарастают» отложениями солей и парафина, недостаточна их износостойкость при наличии в пластовом флюиде твердых абразивных механических примесей (рис. 3).

Уже более 20 лет для изготовления ступеней насосов для добычи нефти используются методы порошковой металлургии, впервые массово примененные для изготовления рабочих органов компанией «Новомет-Пермь». Технология позволяет получать достаточно чистые поверхности рабочих каналов при очень высоком коэффициенте использования материала (малый процент отходов). Состав металлического порошка можно варьировать в довольно широких пределах в зависимости от условий эксплуатации насосных установок. К ограничениям такой технологии относится невозможность изготовления пространственно-искривленных лопастей РК и НА, что не позволяет получать ступени с высокими коэффициентами быстроходности. К недостаткам указанного способа изготовления рабочих органов ЭЛН можно отнести и достаточно высокую стоимость изделий. Износо-стойкость ступеней, выполненных из высоколегированных металлических порошков, сопоставима с износостойкостью ступеней из нирезиста [4].

Для повышения износостойкости деталей в практике машиностроения часто применяются специальные легированные стали. Однако использование технологии литья ступеней малогабаритных скважинных насосов из легированных сталей до сих пор было ограничено очень высокими затратами. В связи с этим некоторые российские (например, АО «АЛМАЗ») и зарубежные (Grundfos и др.) фирмы освоили выпуск ступеней ЭЛН из легированных сталей с помощью штампосварных технологий (рис. 4).

Сравнительные стендовые испытания показали, что износостойкость ступеней из нержавеющей стали, выполненных методом «штамповка + сварка», выше, чем износостойкость ступеней, выполненных методом литья из никелевого чугуна (нирезиста).

Скорость износа штампосварных ступеней по потере массы оказалась примерно в два раза ниже скорости износа ступеней из нирезиста [7]. При этом необходимо учитывать, что показатели напора и КПД у ступеней, изготовленных по технологии «штамповка + сварка», несколько ниже, чем у ступеней, выполненных методом литья. Это связано с тем, что проточные каналы штампосварных ступеней, как правило, не имеют плавных переходов, что снижает их гидродинамическое качество (рис. 5).

Другим вариантом использования высокопрочных нержавеющих сталей при изготовлении рабочих органов центробежных насосов является применение современных многокоординатных обрабатывающих центров. Внешний вид рабочих колес и направляющих аппаратов из нержавеющей стали, изготовленных на 4-координатном обрабатывающем центре, представлен на рис. 6. Использование данной технологии изготовления позволяет очень быстро переналаживать производство на выпуск совершенно различных по конструкции (диаметр, количество и наклон рабочих лопаток, монтажная высота и т. д.) рабочих органов, снижает расход материала, обеспечивает высокую чистоту поверхности.

С помощью этой же технологии можно изготавливать рабочие органы из алюминиевого сплава. При этом производительность многокоординатного цент-ра и стойкость режущего инструмента повышается в 3–5 раз по сравнению с изготовлением рабочих органов ЭЛН из нержавеющей стали. Для повышения износостойкости, сопротивления коррозионным поражениям и уменьшения адгезии поверхности рабочих органов из алюминиевых сплавов к солям и асфальтосмолопарафиновым отложениям (АСПО) эти детали подвергаются микродуговому оксидированию (МДО). В результате обработки на поверхности деталей образуется слой наноструктурированного керамического покрытия. Твердость покрытия составляет 1100–1300 HV, толщина – 0,035–0,5 мм. Помимо высокой износостойкости и низкой адгезии к солям и парафину рабочие органы из алюминиевых сплавов имеют малую массу, что благоприятно сказывается на вибрационных характеристиках скважинных насосных установок, работающих при высоких скоростях вращения ротора (более 4000 об/мин).

Перечисленные варианты материалов для изготовления ступеней ЭЛН в принципе позволяют обеспечить высокоэффективными рабочими органами центробежные насосы для всех условий эксплуатации, в том числе при осложнениях, обусловленных:

• коррозией (нирезист, полимеры, коррозионностойкие порошки и нержавеющая сталь);

• отложениями солей и парафина (полимеры, алюминиевые сплавы + МДО и нержавеющая сталь);

• выносом абразивных механических примесей (полимерные материалы, нержавеющая сталь, алюминиевый сплав с нанокерамическим покрытием).

Рекомендуемые области применения и основные технические характеристики рабочих колес ЭЛН, выполненных из разных материалов, представлены в табл. 1.

Выбор конструкции радиальных подшипников ЭЛН

Лопастные (центробежные) насосы для добычи нефти являются роторной машиной, имеющей малые диаметральные и большие осевые габариты. Длинный (до 8 м) вал диаметром 12,8–30,0 мм несет на себе до 350 рабочих колес, динамическая балансировка которых производится в крайне редких случаях. Динамический дисбаланс рабочих колес, неравномерное поступление газожидкостной смеси и механических примесей в рабочие органы насоса, собственные частоты колебаний длинных валов – все это требует использования в ЭЛН не только концевых, но и промежуточных радиальных подшипников. Все радиальные подшипники ЭЛН выполнены по одной конструктивной схеме: на вращающемся валу размещена защитная втулка, которая вращается внутри неподвижной опорной втулки, установленной в корпусе подшипника, входящего в сборку направляющих аппаратов. В корпусе подшипника имеются каналы для пропускания перекачиваемой насосом жидкости (рис. 7). Конструктивные отличия заключаются в форме проходных каналов, используемых материалах и форме вращающихся и неподвижных втулок.

Пары трения «неподвижная втулка – вращающаяся втулка» радиальных подшипников по используемому материалу могут быть следующими: «сталь – бронза», «твердый сплав – твердый сплав», «сталь – резина», «твердый сплав – силицированный графит» и т. д. В последнее время часто для изготовления вращающейся втулки используются достаточно дешевые стальные или алюминиевые материалы с нанесением на них специальных износокоррозионностойких покрытий.

Неподвижные и вращающиеся втулки могут иметь цилиндрические поверхности, но могут быть выполнены с продольными или винтовыми канавками, служащими для создания гидравлического клина между втулками, а также для выноса механических примесей потоком жидкости из зоны контакта втулок (рис. 8).

В табл. 2 приведены значения твердости деталей пар трения радиальных подшипников («втулка неподвижная – втулка вращающаяся защитная») и рекомендуемые области их применения, а на рис. 8 – вид защитных вращающихся втулок после стендовых испытаний в коррозионно-эрозионной модельной жидкости.

Выбор типа сборки ЭЛН

В настоящее время применяются четыре вида сборок лопастных (центробежных) насосов для добычи нефти [8], каждая из которых имеет определенные преимущества при различных условиях эксплуатации (рис. 9).

Так называемая классическая сборка насоса означает наличие двух концевых радиальных подшипников (в некоторых случаях используется и осевой подшипник вала, расположенный в верхней части (головке) насоса). Насосы классической сборки предназначены для работы в неосложненных условиях эксплуатации: до 100 мг/л механических примесей твердостью не более 5 баллов по шкале Мооса. Насос этого типа сборки является самым бюджетным и имеет максимальный начальный КПД, минимальные механические и гидродинамические потери в подшипниковых узлах. Кроме того, отсутствие промежуточных подшипников дает возможность в корпусе определенной длины установить дополнительное число ступеней, что увеличивает напор насоса.

Радиально-стабилизированная схема (с промежуточными радиальными подшипниками) применяется при увеличенной до 500 мг/л концентрации механических примесей, имеющих твердость до 7 баллов по шкале Мооса. Наличие промежуточных радиальных подшипников увеличивает жесткость ротора насоса, снижает износ пар трения «втулка рабочего колеса – расточка направляющего аппарата» и существенно увеличивает наработку до отказа насоса при откачке пластового флюида с механическими примесями. При этом часть рабочих насосных ступеней из насоса извлекается, чтобы можно было установить промежуточные подшипники. Расчеты показывают, что промежуточные подшипники необходимо устанавливать на вал насоса через каждые 500–800 мм. В этом случае в 6-метровый корпус насоса необходимо поместить 8–12 промежуточных подшипников и, соответственно, убрать некоторое количество ступеней. Кроме напора насос радиально-стабилизированной сборки будет терять некоторое количество энергии на преодоление дополнительных гидравлических сопротивлений в корпусах промежуточных подшипников.

Компрессионная сборка предусмат-ривает жесткую установку всех рабочих колес на приводном валу, без возможности их осевого перемещения. Все осевые нагрузки, в том числе создаваемые на каждом рабочем колесе за счет разности давления, передаются на вал насоса и по нему – на осевую опору насосной установки, которая располагается в гидрозащите погружного электро-двигателя. При начале эксплуатации такого насоса между рабочими колесами и направляющими аппаратами нет физического контакта, что позволяет устранить и механический (контактный) износ при наличии механических примесей. По мере износа осевой опоры насосной установки сборка «вал + рабочие колеса» опускается, в конце концов обеспечивая посадку рабочих колес на направляющие аппараты. После этого насос начинает работать так же, как и насос классической сборки. Необходимо учитывать, что кроме сложности сборки компрессионных насосов (так называемое шимсование) эти насосы имеют пониженный КПД в течение значительного времени (до посадки рабочих колес на направляющие аппараты). Это происходит за счет значительных утечек в ступенях, т. е. за счет снижения объемного КПД ступеней.

Пакетная сборка практически является сборкой нескольких «насосов» в одном корпусе. «Насос», или пакет, состоит из нескольких ступеней, имеющих один общий осевой и промежуточный радиальный подшипник. Количество ступеней в пакете меняется в зависимости от их монтажной высоты. Обычно общая монтажная высота пакета ступеней с концевым комбинированным (осевой + радиальный) подшипником составляет 300–500 мм. Такая сборка имеет высокую радиальную жесткость (за счет использования большого количества промежуточных радиальных подшипников), а также увеличенный ресурс осевых подшипников самой ступени (за счет наличия осевого подшипника пакета ступеней). Конструкция имеет достаточно высокую стоимость и уменьшенный КПД за счет увеличения количества подшипниковых устройств и может быть рекомендована для работы в скважине с выносом значительного количества абразивных механических примесей.

В табл. 3 представлена информация по областям применения и основным сравнительным характеристикам разных вариантов сборки лопастных насосов для добычи нефти.

Интегрирование данных, приведенных по составляющим ЭЛН для добычи нефти, позволяет создать обобщенные таблицы (матрицы) компоновки ЭЛН в зависимости от условий эксплуатации (табл. 4, 5). Количество звездочек обозначает предпочтительность (5 звезд) или невозможность (1 звезда) эффективного использования компоновки оборудования.

Использование представленных рекомендаций по компоновке ЭЛН позволит повысить эффективность добычи нефти с помощью УЭЛН в осложненных условиях эксплуатации.

В статье не представлена информация по применению различных конструктивных и технологических приемов использования предвключенных устройств, обеспечивающих значительное расширение областей эффективного применения ЭЛН, – их автор планирует рассмотреть в следующей публикации.

Таблица 1. Технические характеристики рабочего колеса условного габарита электроприводного лопастного насоса 5 диаметром 71 мм с подачей 80 м3/сут

Table 1. Rotor specifications of a representative size of electrically driven vane pump 5 of 71 mm diameter with pumping capacity of 80 m3/day

Таблица 2. Твердость деталей радиальных подшипников электроприводных лопастных насосов

Table 2. Hardness of radical bearings details for electrically driven vane pumps

Примечание: твердость кварца – 7 ед. по шкале Мооса, или 1200 HV.

Note: quartz hardness – 7 units according to the Mohs scale or 1200 HV.

Таблица 3. Области применения и основные сравнительные характеристики вариантов сборки электроприводных лопастных насосов

Table 3. Applications and basic comparative performance of assembling options for electrically driven vane pumps

* Показатели классической сборки приняты за 1,0.

* Figures of classic assembly are taken to be 1.0.

** Для нового насоса.

*** For a new pump.

Таблица 4. Зависимость компоновки электроприводных лопастных насосов от условий эксплуатации

Table 4. Assembly dependence of electrically driven vane pumps on operating conditions

Примечание: количество звездочек обозначает предпочтительность (5 звезд) или невозможность (1 звезда) эффективного использования компоновки оборудования.

Notes: the number of asterisks denotes: preference (5 asterisks) or impossibility (1 asterisk) to effectively use the equipment assembling design.

Таблица 5. Зависимость компоновки электроприводных лопастных насосов от количества механических примесей и уровня коррозионной активности

Table 5. Assembly dependence of electrically driven vane pumps on the quantity of mechanical impurities and corrosion activity level

Примечание: количество звездочек обозначает предпочтительность (5 звезд) или невозможность (1 звезда) эффективного использования компоновки оборудования.

Notes: the number of asterisks denotes: preference (5 asterisks) or impossibility (1 asterisk) to effectively use the equipment assembling design.

Охлаждение природного газа перед подачей в линейную часть магистрального газопровода (МГ) – одна из основных технологических операций, осуществ-ляемых на компрессорных станциях (КС), помимо компримирования и очистки газа от механических примесей и капельной влаги. На сегодняшний день система охлаждения технологического газа на КС рассматривается как неотъемлемый элемент надежной и эффективной транспортировки природного газа: ее работа повышает ресурс линейной части газопровода, способствует увеличению его пропускной способности, а также позволяет снизить энергоемкость магистрального транспорта природного газа [1].

На компрессорных станциях магист-ральных газопроводов, пролегающих вне зоны многолетнемерзлых пород, для обеспечения требуемого теплового режима работы трубопровода используются одноступенчатые системы охлаждения газа, оснащенные аппаратами воздушного охлаждения (АВО) [10]. Повышение эффективности работы АВО газа на КС МГ является одним из потенциальных источников снижения энергетических затрат при магистральном транспорте газа [2].

В настоящее время на КС МГ используются АВО как отечественного (табл. 1), так и импортного (табл. 2) производства. Более 80 % всего парка АВО на линейных КС ПАО «Газпром» составляют отечественные АВО газа типа 2АВГ-75 и импортные аппараты фирмы Nuovo Pignone.

Наиболее перспективными направлениями повышения эффективности АВО газа на стадии проектирования являются [3, 4]:

• оптимизация конструкции диффузора (установка коллекторов плавного входа, обеспечение минимальных углов раскрытия диффузора и максимально возможного диаметра горловины);

• подъем конструкций аппаратов над уровнем земли;

• удаление площади вращения рабочего колеса от трубного пучка в целях повышения однородности набегающего на теплообменную секцию воздушного потока;

• использование вентиляторов нового поколения с высоким коэффициентом полезного действия (КПД) и аэродинамически совершенными рабочими колесами, изготавливаемыми из композитных материалов;

• снижение массы электродвигателей за счет уменьшения единичной мощности и увеличения их числа;

• использование теплообменных труб с максимальным коэффициентом ореб-рения.

Многие из перечисленных направлений повышения эффективности АВО газа уже используются при проектировании и изготовлении аппаратов нового поколения, а также модернизации АВО газа.

ОТЛИЧИТЕЛЬНЫЕ ОСОБЕННОСТИ АППАРАТОВ ВОЗДУШНОГО ОХЛАЖДЕНИЯ ГАЗА НОВОГО ПОКОЛЕНИЯ

В настоящее время в системах охлаждения новых газопроводов, в частности «Бованенково – Ухта» и «Северный поток», широкое распространение получили АВО газа нового поколения, позволяющие обеспечить требуемые температурные и гидравлические режимы эксплуатации магистральных газопроводов при низком энергопотреб-лении. Такой эффект от использования современного оборудования обусловлен совершенством конструкции, которое достигается за счет оптимизации тепловых, гидравлических, мощностных и габаритных характеристик аппаратов, а также внедрения в производство передовых технологий и композитных материалов.

Основными отличительными особенностями современных АВО газа являются увеличенное число вентиляторов и пониженная мощность и, соответственно, масса электропривода, что по сравнению с двухвентиляторными конструкциями базовых АВО способствует более равномерному обдуву теплообменных секций, а также повышает точность регулирования температурного режима (до 0,2 °C) при использовании дискретного способа (включение/выключение вентиляторов) (табл. 1) [5, 6].

В каталоге эффективных энергосберегающих технологий в добыче, транспортировке и подземном хранении газа ПАО «Газпром» представлены основные типы АВО газа нового поколения, их паспортные технические характеристики, условия эксплуатации, а также превышение значений коэффициента энергетической эффективности новых АВО над аналогичным показателем наиболее распространенных (базовых) в газотранспортной системе страны аппаратов типа 2АВГ-75 [5]:

• АВО типа «Айсберг» – 5,1 %;

• АВО типа АВГБ (горизонтального типа, блочные) блочно-модульного исполнения – 5,7 %;

• горизонтальные АВО типа АВГ-МГ (горизонтального типа магистрального газопровода) – 25 %.

Однако данная оценка недостаточно информативна, поскольку не приведен критерий, по которому проводилось сопоставление, и не указаны характеристики режима (или режимов при усредненной оценке), при которых осуществлялось сравнение эффективности работы аппаратов.

ОЦЕНКА ЭФФЕКТИВНОСТИ РАБОТЫ АППАРАТОВ ВОЗДУШНОГО ОХЛАЖДЕНИЯ ГАЗА

В настоящее время эффективность работы АВО газа оценивается согласно методике, разработанной ООО «Газпром ВНИИГАЗ» с использованием критерия Кирпичева – показателя энергоэффективности, представляющего отношение тепловой мощности АВО к энергетическим затратам в аппарате [7]:

,                              (1)

где Qохл – тепловая мощность АВО, кВт; nвент – число работающих вентиляторов; N1в – мощность электропривода одного вентилятора, кВт; ∆p – падение давления природного газа в АВО, кПа; G – массовый расход природного газа через АВО, кг/с; – средняя плотность природного газа, проходящего через АВО, кг/м3.

Анализ формулы (1) показывает, что в ряде случаев оценка эффективности АВО газа с использованием критерия Кирпичева может быть недостаточно корректной: только за счет снижения мощности электропривода вентиляторов можно достичь почти бесконечного увеличения этого коэффициента. Кроме того, предлагаемый критерий не учитывает влияния тепловой мощности аппаратов и всей цеховой системы охлаждения на термобарические режимы следующего за КС линейного участка МГ и энергетические затраты в системе компримирования следующей КС [8].

Поэтому в качестве критерия оценки эффективности использования АВО нового поколения предлагается использовать относительную экономию энергозатрат в денежном выражении на транспортировку газа в пределах рассматриваемого технологического участка МГ с использованием аппаратов нового поколения по сравнению с 2АВГ-75 [9]:

,                                              (2)

где C – суммарное значение энергетической составляющей эксплуатационных затрат на транспорт газа при использовании в составе системы охлаждения рассматриваемой КС АВО типа 2АВГ-75, руб/ч; – суммарное значение энергетической составляющей эксплуатационных затрат на транспорт газа при использовании в составе системы охлаждения рассматриваемой КС АВО газа нового поколения, руб/ч.

Выбранный интегральный системный критерий оценки эффективности работы АВО позволяет учитывать [9]:

• энергозатраты в рассматриваемой системе охлаждения;

• термобарический режим следующего за КС линейного участка;

• перерасход энергетических ресурсов в системе компримирования последующей КС, вызванный неоптимальным режимом эксплуатации системы охлаждения рассматриваемой станции;

• уровень и соотношение цен на энергоносители;

• колебания подачи природного газа по МГ.

Составляющие критерия оценки использования АВО нового поколения – энергетическая компонента эксплуатационных затрат в системе охлаждения рассматриваемой КС и в системе компримирования последующей станции – находятся по формуле [3, 9]:

   (3)

где CУОГ.1 – часовые энергозатраты в денежном выражении на охлаждение природного газа в рассматриваемой КС, руб/ч; CСК.2 – часовые энергозатраты в денежном выражении на сжатие природного газа в системе компримирования следующей КС, руб/ч; nвент – число включенных вентиляторов в системе охлаждения; N1вент – потребляемая мощность электропривода вентилятора, кВт; цээ – цена электроэнергии, руб/(кВт.ч); Nii, Nij – внутренняя мощность, расходуемая на сжатие газа в нагнетателях i-го работающего газотурбинного газоперекачивающего агрегата (ГГПА) и j-го работающего электроприводного газоперекачивающего агрегата (ЭГПА), включенных в систему компримирования КС, кВт; ei – эффективный КПД газотурбинной установки (ГТУ) i-го работающего ГГПА; мех.i – механический КПД i-го ГГПА, учитывающий механические потери при передаче энергии от ГТУ к нагнетателю; эл.j, ηред.j – КПД электродвигателя и редуктора j-го работающего ЭГПА; цтг – цена топливного газа, руб/1 тыс. м3; Qнр – низшая теплота сгорания топливного газа, кДж/кг.

Оценка эффективности использования АВО нового поколения проводилась для двух современных аппаратов воздушного охлаждения газа, отмеченных в каталоге эффективных энергосберегающих технологий и обладающих наибольшей эффективностью, – АВГБ-75 и АВГ-85МГ (табл. 1) [5].

Модернизированная конструкция АВО типа АВГБ-75 была разработана НПК «Кедр-89». Основным преимуществом этих аппаратов является блочно-модульная компоновка, использование которой значительно сокращает объем сварочных работ на месте монтажа и повышает качество оборудования, поскольку поставка таких АВО осуществляется блоками заводской сборки. Уменьшение установленной мощности вентиляторов, в свою очередь, не только сократило затраты электроэнергии на охлаждение природного газа, но и позволило снизить массу электродвигателей.

Наиболее показательным примером АВО, создаваемого на базе высокоэффективных технологий, является аппарат АВГ-85МГ, разработанный ЗАО «Гидро-аэроцентр», в конструкции которого реализуются следующие технические решения [4]:

• увеличение высоты нижнего среза диффузора над землей позволило устранить эффект рециркуляции теп-лого воздуха;

• увеличение числа вентиляторов с двух до шести сделало возможным уменьшение массы электродвигателя до 25 кг за счет снижения их единичной мощности;

• использование рабочих колес из стеклопластика с высокими аэродинамическими свойствами, диффузоров с плавными обводами и минимальным углом раскрытия, а также коллекторов плавного входа повысило эффективность вентиляторного блока и способствовало снижению общей установленной мощности до 36 кВт;

• уменьшение мощности аппарата и использование композитного воздушного тракта способствовали снижению шумовых характеристик оборудования до 83,5 дБА.

Компактность аппарата обеспечивается за счет размещения электродвигателей не на фундаменте, а на одной опорной металлоконструкции, что стало возможным благодаря уменьшению единичной мощности электропривода вентиляторов. Однако отсутствие фундаментов для электродвигателей привело к превышению допустимого уровня виб-рации, так как сварная конструкция с консольной подвеской электродвигателей обладает слабыми демпфирующими свойствами [4, 10].

Оценка эффективности эксплуатации АВО нового поколения проводилась на технологическом участке трехниточного МГ, который состоит из двух компрессорных станций (КС-1 и КС-2) и линейного участка между ними. Схема одной из ниток рассматриваемого технологического участка МГ представлена на рисунке.

В ходе исследования было рассмотрено три альтернативных варианта оснащения системы охлаждения КС-1: базовыми аппаратами типа 2АВГ-75 и двумя типами АВО нового поколения (табл. 3).

Сопоставление эффективности работы АВО проводилось в широком диапазоне изменения эксплуатационных характеристик рассматриваемого технологического участка МГ и температуры атмосферного воздуха:

• коммерческий расход технологического газа через компрессорный цех Qк – от 60 до 90 млн м3/сут;

• температура газа на входе в систему охлаждения t1АВО (на выходе системы компримирования КС-1) – от 30 до 45 °C;

• среднесуточная температура окружающей среды ta – от –10 до 20 °C.

В силу отсутствия теплотехнических характеристик АВО газа нового поколения при неполной загрузке (при частичном использовании установленной мощности электродвигателей) расчет энергетических затрат в системе охлаждения КС проводился при условии работы всех вентиляторов.

По результатам проведенного исследования была доказана эффективность эксплуатации АВО газа нового поколения АВГБ-75 и АВГ-85МГ по сравнению с базовыми аппаратами 2АВГ-75 во всех рассматриваемых режимах работы технологического участка МГ, что достигается главным образом за счет снижения установленной мощности электропривода вентиляторов.

ДИНАМИКА ЭФФЕКТИВНОСТИ РАБОТЫ АППАРАТОВ ВОЗДУШНОГО ОХЛАЖДЕНИЯ ГАЗА

Эффективность работы каждого конкретного типа АВО газа не является постоянной в процессе эксплуатации, а характеризуется определенной динамикой, что обусловлено сменой режима работы технологического участка, а также изменением климатических условий.

Диапазон изменения относительной экономии энергозатрат в денежном выражении на транспортировку газа с использованием АВО типа АВГБ-75 по сравнению с базовым 2АВГ-75 в зависимости от эксплуатационных характеристик и климатических условий составляет 1,5–9,4 % (табл. 4). При этом следует отметить, что заявленное в каталоге значение повышения коэффициента энергетической эффективности при использовании АВО типа АВГБ-75 по сравнению с базовым 2АВГ-75 (5,7 %) входит в диапазон изменения относительной экономии энергозатрат ∆С.

Эффект от использования АВО нового поколения АВГБ-75 по сравнению с базовым типом 2АВГ-75 наиболее четко проявляется при минимальном расходе технологического газа и максимальной разности температур между природным газом на входе АВО и атмосферным воздухом (табл. 4).

При сопоставлении эффективности работы аппарата воздушного охлаждения нового поколения АВГ-85МГ с эффективностью работы аппарата базового типа АВО 2АВГ-75 доказана наибольшая эффективность использования именно аппаратов АВГ-85МГ из числа рассмат-риваемых АВО газа нового поколения (табл. 5).

Диапазон изменения относительной экономии энергозатрат в денежном выражении при транспортировке газа с использованием АВО типа АВГ-85МГ по сравнению с базовым 2АВГ-75 в зависимости от эксплуатационных характеристик рассматриваемого технологического участка МГ и температуры атмосферного воздуха составляет 4,6–14,6 % при заявленном в каталоге значении повышения коэффициента энергетической эффективности при использовании АВО типа АВГ-85МГ по сравнению с базовым 2АВГ-75 25 % (табл. 5) [5].

Таким образом, максимальное значение относительной эффективности современного аппарата АВГ-85МГ по сравнению с эффективностью аппарата базового типа АВО 2АВГ-75 существенно ниже эффекта, заявленного в каталоге, что объясняется спецификой используемых критериев оценки.

Таблица 1. Паспортные характеристики АВО отечественного производства

Table 1. Passport characteristics of domestic air coolers

Таблица 2. Паспортные характеристики импортных АВО

Table 2. Passport characteristics of imported ABO

Таблица 3. Варианты оснащения компрессорных цехов КС

Table 3. Alternative ways of compressor department equipage

Таблица 4. Результаты сопоставления эффективности АВО нового поколения АВГБ-75 и базового типа 2АВГ-75

Table 4. The results of comparison the efficiency of the new generation ACU АВГБ-75 with the conventional type 2ABG-75

Таблица 5. Результаты сопоставления эффективности АВО нового поколения АВГ-85МГ и базового типа 2АВГ-75

Table 5. The results of comparison the efficiency of the new generation ACU АВГ-85МГ with the conventional type 2ABG-75

Технология последовательной перекачки светлых нефтепродуктов, когда партии разных продуктов перекачиваются по трубе одна за другой, и методика расчета смесеобразования в зоне контакта партий достаточно широко освещались в научной литературе [1–5]. Примером использования многопродуктового трубопровода является транспортировка широкой фракции легких углеводородов (ШФЛУ) – продукта первичной переработки попутного нефтяного газа и нефтегазового конденсата, состоящего из различных высших углеводородов. По аналогии с термином «нефтепродукт» для таких продуктов, как ШФЛУ, применим термин «газопродукт», хотя он и не настолько популярен. ШФЛУ транспортируют по магистральным трубопроводам в жидком агрегатном состоянии. На сегодняшний день в России лидером по протяженности и объемам перекачки ШФЛУ является ПАО «СИБУР Холдинг». Несколько меньшие объемы транспортируют ПАО «Газпром», ПАО «НК «Роснефть», ПАО «Сургутнеф-тегаз» и ПАО «Татнефть».

Типичная ШФЛУ имеет следующий состав: метан-этановая (CH4 – C2H6) фракция – 2–5 %, пропан-бутановая (C3H8 – C4H10) фракция – 20–40 %, гексановая (C6H14) фракция – 5–30 %, на пентановую (C5H12) фракцию приходится остаток. При этом конкретный состав ШФЛУ может сильно варьироваться в зависимости от состава исходного сырья и метода переработки.

Если бы транспортируемая ШФЛУ имела постоянный, т. е. не изменяющийся во времени компонентный состав, то, естественно, продукт, поступающий в пункт приема в конце трубопровода, имел бы тот же самый состав. Однако массовые концентрации компонентов ШФЛУ в пункте закачки в трубопровод постоянно варьируются, и взаимное вытеснение порций ШФЛУ различного состава происходит в условиях непрерывного путевого перемешивания. Кроме того, на трубопроводах ШФЛУ осуществляются путевые подкачки продукта.

Компонентный состав определяет давление упругости насыщенных паров ШФЛУ, которое имеет ключевое значение для выбора безопасных режимов ее перекачки по трубопроводу. Также в зависимости от состава ШФЛУ регулируется технологический процесс ее переработки. Поэтому возникает воп-рос, как по данным о компонентном составе продукта в пункте закачки выяснить, как изменится его состав в пункте приема, находящемся зачастую на значительном расстоянии.

ОСНОВНЫЕ УРАВНЕНИЯ МОДЕЛИ

Согласно теории продольного перемешивания осредненная по сечению концентрация c(x, t) любой «пассивной» примеси в потоке жидкости в трубе удовлетворяет одномерному уравнению типа уравнения теплопроводности:

,                                              (1)

где – средняя по сечению скорость перекачки, м/с; x – координата вдоль оси трубопровода; t – время, с; K – эффективный коэффициент продольного перемешивания, м2/с.

Решим краевую задачу. Пусть при x = 0 (в начале трубопровода) известно, как изменяется концентрация c0(t) любого продукта в смеси с течением времени t > 0. Граничная функция c0(t) может быть задана в виде многоступенчатой функции:

Требуется найти концентрацию c(x, t) этого продукта в любом сечении x по длине трубопровода в любой момент времени, т. е. найти решение уравнения (1) в области 0 ≤ x ≤ L, t > 0. В частности, требуется найти изменение концентрации продукта cL(t) с течением времени в конечном сечении x = L трубопровода.

Введем новую функцию (x, t) согласно равенству:

.                              (2)

Тогда слагаемые уравнения (1) можно записать через функцию (x, t):

Подставляя полученные соотношения в (1) и приводя подобные слагаемые, получим для функции (x, t) уравнение:

.                                              (3)

Таким образом, наша задача свелась к необходимости найти решение уравнения (3), удовлетворяющее при x = 0 краевому условию:

.                                              (4)

Искомое решение может быть представлено в виде [4]:

                               (5)

Функция (5) называется интегралом Дюгамеля.

Вернемся к неизвестной функции c(x, t). Заменим в уравнении (5) функцию (x, t) согласно зависимости (2), а 0() подставим из (4). Получаем:

                               (6)

Введем безразмерный параметр Пекле Pe = L/K и перейдем к безразмерным координате x* = x/L и времени t* = t/T процесса, где T = L/ – время движения жидкости по трубопроводу, с. Тогда уравнение (6) запишется в безразмерном виде:

                               (7)

По формуле (7) можно найти распределение концентрации любого из компонентов смеси по длине трубопровода (0 ≤ x* ≤ 1) в любой момент времени (t* > 0).

Если необходимо найти зависимость cL(t*) концентрации продукта в смеси, приходящей на конечный пункт трубопровода, т. е. в сечении x = L, от времени, то в формулу (7) нужно подставить x* = 1:

                               (8)

Формула (8) позволяет получить закон cL(t) изменения концентрации нефтепродукта в смеси от времени в конце трубопровода в зависимости от закона c0(t) изменения концентрации того же нефтепродукта в смеси в начале трубопровода.

Численное решение конкретных задач с использованием формул (7)–(8) может быть найдено путем составления несложных компьютерных программ.

Проводилось сравнение результатов расчета смесеобразования по предлагаемому алгоритму и «классическим» формулам. Был осуществлен расчет длины смеси, приходящей на конечный пункт нефтепродуктопровода последовательной перекачки при условии, что в начальном пункте распределение концентрации имеет вид:

То есть, как это принято в «классической» теории последовательной перекачки, считалось, что переключение резервуаров с одного продукта на другой происходит мгновенно в момент времени t = T. При этом достигнута очень хорошая сходимость результатов по двум методикам.

В то же время возможности новой методики гораздо шире, чем «классической». Она позволяет рассчитывать смесеобразование при последовательной перекачке при абсолютно любом начальном распределении c0(t), в том числе пригодна для расчета компонентного состава ШФЛУ, поступающей на приемные пункты трубопроводной сети.

Как указывалось, состав ШФЛУ, закачиваемой в трубопровод, претерпевает изменения. Можно считать, что ее транспортируют по трубопроводу небольшими партиями, отличающимися друг от друга фракционным составом. Таким образом, получаем аналогию с последовательной перекачкой светлых нефтепродуктов. И, как при последовательной перекачке, в результате процессов конвекции и турбулентной диффузии в области контакта партий ШФЛУ возникает смесь. Протяженность этой смеси непрерывно возрастает от начала к концу трубопровода. Естественно, в области смеси фракционный состав ШФЛУ плавно изменяется от состава одной партии к составу другой. Поэтому состав газопродуктов, поступающих на приемные пункты, определяется, как и в случае последовательной перекачки нефтепродуктов, исходным составом партий, протяженностью трубопроводов и режимами перекачки.

На выходе из нефтеперекачивающей станции обычно устанавливается поточный хроматограф, регистрирующий компонентный состав ШФЛУ в начальном сечении x = 0 продуктопровода. При этом для определения компонентного состава ШФЛУ принято использовать термин «процентное содержание» (процентное содержание ps(x, t) s-го компонента ШФЛУ может быть записано через концентрацию cs(x, t) этого компонента как ps(x, t) = cs(x, t).100 %).

МЕТОД РЕШЕНИЯ

Итак, известна функция p0s(t) изменения процентного содержания s-го углеводородного компонента ШФЛУ в начальном сечении в зависимости от времени (s = 1, 2, 3, …, m, где m – число компонентов ШФЛУ). Также известны плотность , кг/м3, и кинематическая вязкость v продукта, м2/с, диаметр d, м, и протяженность L, м, магистрального трубопровода, расход Q0 перекачки, м3/ч. Задача состоит в том, чтобы спрогнозировать процентное содержание ps(x, t) каждого компонента ШФЛУ в трубопроводе в зависимости от координаты и момента времени.

Возможно, сечение x = L1 является промежуточным сечением трубопровода, в котором проводят подкачку с расходом Q1 ШФЛУ другого состава. Процентное содержание ks(t) каждого компонента в подкачиваемом ШФЛУ известно. Как в этом случае определить состав ШФЛУ, поступающей на конечный пункт x = L трубопровода?

По формуле (8) можно определить процентное содержание p1s(t) компонентов ШФЛУ, поступающих в пункт смешения x = L1:

                               (9)

Здесь безразмерное время t* = t/T1, где T1 = L1/0 – время прохождения ШФЛУ участка трубопровода от начального пункта до пункта подкачки, с; 0 = 4Q0/(d2) – скорость перекачки ШФЛУ, м/с; а Ре0 – число Пекле для этого участка. В рассмотрение включаются только моменты времени t ≥ T1, то есть t* ≥ 1, поскольку ранее ШФЛУ, закачиваемая в трубопровод в момент t = 0, не достигнет пункта подкачки.

В пункте подкачки происходит смешение продуктов. Процентное содержа-ние q1s s-го компонента ШФЛУ в продукте после пункта подкачки (в начале следующего расчетного участка) может быть определено из условия:

                (10)

ШФЛУ измененного в результате подкачки состава поступает в трубопровод начиная с момента времени t = T1 (t* = 1). Теперь ее скорость движения по трубопроводу равна 1 = 4(Q0 ++ Q1)/(d2), и время прохождения участка от пункта подкачки до конечного пункта T2 = (L – L1)/1.

Процентное содержание pLs(t) компонентов ШФЛУ, поступающих в конечный пункт трубопровода, можно также определить по формуле (8). При этом нужно подставить вместо начального условия процентное содержание q1s(t) после пункта подкачки:

                               (11)

где Pe1 – число Пекле для участка трубопровода от пункта подкачки до конечного пункта. Теперь нас будут интересовать моменты времени t ≥ (T1 + T2), т. е.

.

Таким образом, с помощью уравнений (9)–(11) можно определить компонентный состав ШФЛУ, поступающей на конечный пункт трубопровода после путевой подкачки. Подкачек продукта может быть несколько. В этом случае расчет в соответствии с представленным алгоритмом повторяется нужное количество раз.

ПРИМЕР РАСЧЕТА

Рассмотрим реализацию алгоритма расчета изменения состава продукта при транспортировке по многопродуктовым трубопроводам на конкретном примере. Пусть ШФЛУ, кинематическая вязкость которой v = 6.10–7 м2/с, состоит из восьми углеводородных компонентов: метана, этана, пропана, изобутана, n-бутана, изопентана, n-пентана и гексана. ШФЛУ перекачивают по участку трубопровода длиной L1 = 400 км с внутренним диаметром d = 700 мм и абсолютной шероховатостью труб ∆ = 0,15 мм. Расход перекачки Q0 = 500 м3/ч. Требуется рассчитать компонентный состав ШФЛУ, поступающей в конечный пункт участка трубопровода.

Изменение процентного содержания p0s(t) каждого компонента ШФЛУ (s = 1, 2, …, 8) в процессе закачки в трубопровод известно и для наглядности представлено в виде графика (рис. 1). График построен «с накоплением» и отражает равенство суммы процентных содержаний всех компонентов в любой момент времени 100 %.

Алгоритм предварительного расчета следующий. Рассчитываем:

• скорость перекачки: 0 = 4Q0/(d2) = = 4.500/(.0,72.3600) = 0,3609 м/с;

• число Рейнольдса: Re0 = 0d/v = = 0,3609.0,7/(6.10–7) = 421 050;

• коэффициент гидравлического сопротивления (например, по формуле Альтшуля): 0 = 0,11.(68/Re0 + ∆/d)0,25 = = 0,11.(68/421050 + 0,15/700)0,25 = 0,01532;

• коэффициент продольного перемешивания: K0 = 3,211.0d = = 3,211.0,3609.0,7 = 0,1004 м2/с;

• число Пекле: Pe0 = 0L1/K0 == 0,3609.400.103/0,1004 = 1,438.106;

• время движения ШФЛУ по участку трубопровода: T1 = L1/0 = 400.103//(0,3609.3600) = 307,87 ч.

Теперь по формуле (9), заменяя интегрирование суммированием, можно определить процентное содержание pL1s(t) каждого из компонентов ШФЛУ, поступающих в сечение x = L1 трубопровода:

где N – число точек разбиения временн-го интервала (например, N = 1 000 000), j = j.∆N. Поскольку N t* и N = N.∆N, шаг ∆N определяется для каждого момента времени как ∆N = t*/N. Расчет производится для t ≥ T1, то есть t* ≥ 1.

Расчетное процентное содержание pL1s(t) компонентов ШФЛУ в продукте, приходящем в сечение x = L1 трубопровода, в зависимости от времени демонстрирует график рис. 2.

Как видно из сравнения рис. 1 и рис. 2, в процессе движения по трубопроводу на границах скачкообразного изменения содержания компонентов ШФЛУ образуется область плавного перехода от одного значения содержания к другому. «Ступеньки» сглаживаются аналогично тому, как это происходит на границе контакта партий при последовательной перекачке нефтепродуктов.

Пусть теперь в сечении L1 = 400 км рассмотренного ранее трубопровода осуществляется подкачка продукта другого состава. Процентное содержание ks(t) компонентов подкачиваемой ШФЛУ в зависимости от времени отражено на рис. 3. Расход подкачки Q1 = 300 м3/ч. Далее полученную смесь транспортируют на расстояние еще 200 км, т. е. общая длина трубопровода L составляет 600 км. Необходимо рассчитать состав pL(t) ШФЛУ, поступающей в конец трубопровода.

Как следует из рис. 1, в пункте подкачки к ШФЛУ добавляются две партии, различающиеся по составу. Первая из них поступает в трубопровод до момента времени t = 316 ч, а вторая закачивается за ней вслед. В пункте подкачки происходит смешивание продуктов. Процентное содержание qL1s компонентов ШФЛУ после пункта подкачки в каждый момент времени определяется по формуле (10).

Для участка трубопровода от пункта подкачки до конца участка можно рассчитать:

• скорость перекачки: 1 = 4(Q0 + Q1)//(d2) = 4.(500 + 300)/(.0,72.3600) = = 0,5774 м/с;

• число Рейнольдса: Re1 = 1d/v = = 0,5774.0,7/(6.10–7) = 673633;

• коэффициент гидравлического сопротивления по формуле Альтшуля:

1 = 0,11.(68/Re1 + ∆/d)0,25 = 0,11хх (68/673633 + 0,15/700)0,25 = 0,01466;

• коэффициент продольного перемешивания: K1 = 3,211.1d == 3,211.0,5774.0,7 = 0,1571 м2/с;

• число Пекле: Pe1 = 1(L – L1)/K1 == 0,5774.200.103/0,1571 = 0,735.106;

• время движения ШФЛУ по участку трубопровода: T2 = (L – L1)/1 = 200.103//(0,5774.3600) = 96,22 ч.

Получаем, что ШФЛУ достигнет конечного пункта в момент t = T1 + T2 = 307,87 ++ 96,22 = 404,09 ч (t* = t/T1 = 404,09/307,87 = = 1,313).

Процентное содержание pLs(t) компонентов ШФЛУ, поступающих в конечный пункт трубопровода, определяется по формуле (11), заменяя для компьютерного расчета интегрирование суммированием:

где N – число точек разбиения временного интервала (например, N = 1 000 000), j = 1 + j.∆N. Поскольку N t* и N = 1 ++ N.∆N, шаг ∆N определяется для каждого момента времени как ∆N = (t* – 1)/N. Расчет производится для t* ≥ 1,313.

На рис. 4 отражен результат расчета компонентного состава pLs(t) ШФЛУ, приходящей в конечный пункт x = L трубопровода.

ВЫВОДЫ

Таким образом, новый универсальный алгоритм расчета смесеобразования поз-воляет определять концентрацию (или процентное содержание) различных компонентов нефте- и газопродуктов в процессе их последовательной перекачки по трубам. Концентрация каждого компонента в конце трубопровода определяется как функция от времени через известную функцию от време-ни концентрации этого же компонента в начале трубопровода. Сопоставление графиков рис. 1–4, построенных по результатам расчета, позволяет наглядно продемонстрировать изменение компонентного состава ШФЛУ при его движении по трубопроводу за счет конвективной и турбулентной диффузии, а также в результате подкачки ШФЛУ другого состава.

Транспортировка природного газа не исключает стравливания метана, что оказывает негативное влияние на климат. По данным Межправительственной группы экспертов по изменению климата, способность метана задерживать тепло в атмосфере в течение 100 лет в 25 раз сильнее, чем такая способность углекислого газа (CO2) [1]. При этом исследования, описанные в [1], показали, что 60 % возможностей сокращения выбросов природного газа связаны именно с системой транспортировки, особенно на компрессорных станциях.

Для снижения потерь природного газа, связанных с ремонтными работами, в ПАО «Газпром» используется технология, основанная на применении мобильной компрессорной станции (МКС) с трубопроводами откачки. Данная технология является альтернативой отсечению участка газопровода и стравливанию газа в атмосферу, поскольку возможности МКС в части полной перекачки газа ограниченны. Очевидно, что использование технологии откачки газа предпочтительнее: газ сохраняется для реализации потребителю, выбросы метана в атмосферу сокращаются. По опыту отечественных и зарубежных газовых компаний, использование МКС наиболее эффективно при капитальном ремонте протяженных участков газопроводов, который является основным инструментом поддержания работоспособного состояния газотранспортной системы ПАО «Газпром».

Первые опытные работы по откачке природного газа были проведены в СССР учеными Всесоюзного научно-исследовательского института природных газов в 1978 г. Но практическое применение было осуществлено только в 2006 г. в ООО «Газпром трансгаз Чайковский» на базе Алмазного линейно-производственного управления магистральных газопроводов (ЛПУМГ) при откачке природного газа из участка магистрального газопровода «Уренгой – Петровск» 1702–1727 км в «Уренгой – Новопсков» с помощью МКС, разработанной ОАО «Оргэнергогаз». Было перекачано 2032,4 тыс. м3 газа, включая 34,9 тыс. м3 топливного газа. МКС для откачки природного газа из газопровода была впервые применена в 1977 г. компанией TransCanada. В Европе работы по откачке газа были выполнены при помощи МКС LMF P-Pack 750 в 2010 г. на компрессорной станции Верне (Германия) и на трубопроводе Trans Europa Naturgas Pipeline (г. Вильштет, Германия). На компрессорной станции Верне выполнена перекачка 210 тыс. м3 газа из участка газопровода DN 900 протяженностью 13 км, время откачки – 15 ч. На трубопроводе Trans Europa Naturgas Pipeline выполнена перекачка 1080 тыс. м3 газа из участка газопровода DN 900 протяженностью 114 км, время откачки составило 106 ч [4].

В настоящее время откачка газа с применением МКС является отработанной технологией, широко применяемой в ПАО «Газпром» при капитальном ремонте газопроводов методом переизоляции с частичной или полной заменой труб. Поэтому для нормативного обеспечения работ по перекачке газа в 2006 г. были разработаны технические требования к эксплуатации, транспортировке и хранению МКС, а также требования к обвязке и оборудованию в составе МКС. В 2016 г. ООО «Газпром ВНИИГАЗ» был подготовлен межгосударственный стандарт «Мобильная компрессорная станция. Технические требования», в котором были унифицированы технические требования к МКС, их контролю и испытаниям, а также рекомендованы оптимальные значения технических характеристик МКС, позволяющие повысить эффективность их использования с уменьшением продолжительности работ по перекачке газа из отсеченных участков магистральных газопроводов. Однако в этом стандарте вопрос подбора характеристик МКС к конкретному участку газопровода не был раскрыт. Следовательно, подбор характеристик оставлен на усмотрение производителя работ или поставщика МКС, которые, в свою очередь, в рамках пэкиджирования могут быть заинтересованы в выборе МКС, наиболее не востребованных в экономическом ракурсе.

МОДЕЛИРОВАНИЕ РАСЧЕТА ОПТИМАЛЬНОГО ВРЕМЕНИ ПЕРЕКАЧКИ ГАЗА ИЗ ОТСЕЧЕННОГО УЧАСТКА ГАЗОПРОВОДА

Для создания модели расчета оптимального времени перекачки природного газа из отсеченного (локализованного) участка газопровода был использован программный комплекс Mathcad 15.0, основными преимуществами которого являются доступный математический язык, на котором формируются решаемые задачи, а также возможность не только провести необходимые расчеты, но и сформировать итоговый результат в виде удобного для пользователя отчета с применением графиков, рисунков, таблиц и математических формул.

Рассмотрим факторы, влияющие на процесс перекачки газа из локализованного перед подготовкой к ремонту участка в газопровод, транспортирующий газ при рабочем давлении. В техническом плане первой задачей, которую необходимо решить при применении для откачки газа МКС, является соединение локализованного участка с обвязкой МКС и газопроводом, в который предполагается перекачивать газ. В зависимости от выбранного варианта перекачивания газа – либо в прилегающий к локализованному участок (рис. 1а), либо в параллельный газопровод (рис. 1б) данный вопрос решается дооборудованием крановых узлов байпасными трубопроводами DN 300.

Необходимо отметить, что давление в локализованном участке не сильно влияет на подбор МКС современных производителей, таких как Ariel (Канада), OGE (Германия), LMF (Австрия) и др. Основными факторами, влияющими на выбор МКС, являются экономичность перекачки природного газа и экологическая составляющая этого процесса. Поэтому конечными критериями, по которым можно произвести оценку эффективности применения МКС, являются расчет времени, затраченного на перекачку, и его оптимизация, а также определение количества использованного топлива.

В модели расчета времени откачки учитываются следующие факторы, влияющие на производительность МКС:

• характеристики локализованного участка и газопровода, в который предполагается перекачивать природный газ (табл. 1);

• геометрические характеристики труб (табл. 1);

• характеристики поршневого компрессора (табл. 2);

• термодинамические свойства газа.

При построении модели осуществлялась оценка вклада каждого фактора в ко-нечное значение времени откачки до конечного давления в локализованном участке газопровода, равного 1 МПа. Как показало моделирование производительности МКС, количество факторов может быть уменьшено, если параметры, характеризующие фактор, связанный с параметрами локализованного участка и газопровода, в который предполагается перекачивать природный газ, объединить с параметрами, характеризующими фактор, учитывающий геометрические параметры труб. Рассматривая возможности варьирования параметров, характеризующих факторы, влияющие на производительность МКС, нужно отметить, что были просчитаны все варианты, кроме варианта расчета при наличии подкладных колец.

В результате моделирования было также установлено, что наличие местных сопротивлений по всей протяженности трубопроводов от точки подключения к локализованному участку до точки закачки газа в газопровод, по которому предполагается перекачивать природный газ, практически не влияет на конечный результат, как и выбор источников [3–4], режима течения турбулентного потока перекачки газа.

Расчетная модель включает также вычисление газовой постоянной смеси, по величине которой можно оценивать достоверность результатов расчета [5].

АЛГОРИТМ РАСЧЕТА

На первом этапе вычисляются термодинамические свойства природного газа.

Для этого рассчитывается газовая постоянная смеси:

,               (1)

где Rμ – универсальная газовая постоянная, Дж/(моль.К); mсм – масса газовой смеси, г; μсм – молярная масса газовой смеси, г/моль; i – молярная доля компонента газа; см – сумма парциальных объемов компонентов газовой смеси, м3; μi – молярная масса компонента смеси. г/моль.

Учитываются теплоемкость, показатель изоэнтропы, коэффициент сжимаемости природного газа, плотность газа при нормальных условиях.

После этого производится вычисление параметров поршневого компрессора. Для этого рассчитывается средняя скорость поршня по формуле:

,                                              (2)

где Lход – длина хода поршня в одну сторону, мм; rev – число оборотов; nвр – частота вращения, мин–1.

Далее производится расчет времени двойного хода поршня, рабочего, полного, «мертвого» и полезного объемов камеры. Вычисляется производительность одного цилиндра в зависимости от давления всасывания:

,                                              (3)

где Vпол1 – полезный объем камеры, м3; t2ход – время двойного хода поршня, мин.

С учетом полученных результатов рассчитывается производительность компрессорной установки.

В соответствии с алгоритмом определяются суммарные потери давления на участке перекачки (потери давления во всасывающей и нагнетательной ветках).

Наконец, вычисляется время откачки, производится проверка по закону сохранения массы и осуществляется расчет компрессора, включая мощность нагнетателя, затрачиваемую на сжатие газа по формуле:

Nк(t) = Lк(t).Gк(t),                                            (4)

где Lк – удельная работа компрессорной установки, Дж/кг; Gк – расход газа, м3,

а также расчет затрат на топливо при газопоршневом, дизельном и электрическом приводах.

Таким образом, задавая нужные (гипотетические) характеристики либо параметры реальных компрессоров, можно рассчитать производительность МКС по формуле:

Qк(Pвс) = kц.(Qк1(Pвс) + Qк2(Pвс)),            (5)

где Qк – производительность компрессорной установки, м3/ч; Qк1, Qк2 – составляющие производительности, м3/ч, отличающиеся крайними положениями поршня в цилиндре; Pвс – давление на входе в компрессор, Па; kц – число цилиндров.

На рис. 2 представлен график зависимости производительности компрессорной установки от давления всасывания, на рис. 3 – график зависимости времени перекачки от стоимости затраченного топлива в Пермском крае. За стоимость единицы топлива в Пермском крае взяты цены, актуальные на начало 2018 г. В частности, 1 кВт.ч = 3,92 руб., средняя стоимость 1 т межсезонного дизельного топлива в 2018 г. в Пермском крае по состоянию на 01.09.2018 составляет 39 тыс. руб.

Следует отметить, что удовлетворительные результаты по времени перекачки природного газа на максимальных оборотах связаны прежде всего со сравнительно большим диаметром поршня цилиндра Dц, равным в расчете 200 мм.

ВЫВОДЫ

Созданный программный комплекс является инструментом, позволяющим определить оптимальные режимы перекачки природного газа с подбором характеристик оборудования, а также рассчитать расход топлива. Кроме того, комплекс моделирования работы МКС позволяет произвести расчеты по подбору экономически оправданного оборудования, соответствующего техническим требованиям ПАО «Газпром». К достоинствам разработки следует отнести возможность расчета времени перекачки природного газа при наличии готового оборудования.

Таблица 1. Термодинамические и геометрические характеристики локализованного и рабочего участков трубопровода

Table 1. Thermodynamic and geometry of localized and operating pipe run

Таблица 2. Характеристика поршневого компрессора

Table 2. Piston compressor description

Технологические трубопроводы компрессорных станций (ТТ КС) являются одним из значимых типов основного оборудования, обеспечивающего бесперебойную работу при транспортировке газа. Отсутствие исправных систем ТТ КС нарушает функционирование газоперекачивающих агрегатов (ГПА) КС и, как следствие, участков линейной части магистральных газопроводов (ЛЧ МГ). Срок эксплуатации большинства ТТ КС превышает 20 лет, поэтому все более значимым фактором, влияющим на надежность действующей системы газопроводов КС, становится развитие деградационных процессов, таких как разрушение защитных изоляционных покрытий, рост коррозионных дефектов общего и локального характера, а также проявление трещиноподобных дефектов, большинство которых образованы по механизму коррозионного растрескивания под напряжением (КРН) [1].

Отличительной особенностью трубопроводов КС по сравнению c трубопроводами ЛЧ является их низкая приспособленность к внутритрубной дефектоскопии по причине сложного конструктивного исполнения, отсутствия камер приема и запуска, многообразия типоразмера труб при незначительной протяженности прямолинейных участков. Выполнение технического диагностирования (ТД) трубопроводов КС производится неразрушающими методами контроля путем вскрытия (шурфования) и подготовки наиболее подверженных коррозии единичных участков подземной и надземной части ТТ КС. По этой причине полная и достоверная информация о техническом состоянии почти половины эксплуатируемых ТТ отсутствует. При этом трудоемкость обследований на КС и ежегодные объемы этого обследования сопоставимы с протяженностью отремонтированных технологических трубопроводов [1]. Этот факт способствует выработке особых подходов к формированию программы ТД и долгосрочных планов по комплексному ремонту трубопроводов на КС.

В целях предупреждения аварийных ситуаций и долгосрочного планирования ремонта технологических трубопроводов их ТД и ремонт выполняются как собственными силами газотранспортного предприятия, так и с привлечением специалистов сторонних организаций. Проведенная ООО «Газпром ВНИИГАЗ» в 2017 г. актуализация перечня технологических трубопроводов компрессорных станций ООО «Газпром трансгаз Казань», подлежащих комплексному ремонту [2], установила наличие потребности в проведении диагностического обследования (ДО) и капитального ремонта (КР) (рис. 1).

Реализация программы ремонта подземных технологических коммуникаций КС ООО «Газпром трансгаз Казань», начатая в 2009 г., продолжается и сегодня, поскольку осуществление оперативной замены либо переизоляции ТТ в небольшой промежуток времени невозможно из-за значительных затрат на приобретение материально-технических ресурсов, длительности разработки и экспертизы проектной документации, приобретения материалов и выполнения работ. Объем ремонта ТТ КС в погонных метрах в 2009–2018 гг. представлен на рис. 2. Значительное увеличение объемов КР ТТ наблюдается в 2013 г., что обусловлено выделением дополнительных средств на ремонт ТТ блока пылеуловителей и входного шлейфа КС «Ямбург – Елец-1» по технически обоснованной потребности по результатам ДО.

По сравнению с 2009 г. КР ТТ значительно отличается как по способу ремонта, так и в части организации работ. Накопленные за истекший период опыт и знания позволяют избегать возможных проблем как при проектировании, так и в ходе выполнения строительно-монтажных работ.

Первоначально ремонт подземных ТТ проводился с полной заменой существующей подземной изоляции ТТ и частичной заменой участков трубопроводов и трубопроводной арматуры. Данный метод ремонта имеет как недостатки, так и преимущества [4].

Преимущества заключаются в сокращении затрат на приобретение материально-технических ресурсов. Объем подготовительных и ремонтных операций практически не сокращается, трудозатраты в ряде случаев выше, чем при других методах ремонта, поскольку замена существующей изоляции – энергоемкий процесс, требующий соблюдения технологии нанесения антикоррозионного покрытия. Дополнительным недостатком является установление различного срока безопасной эксплуатации ТТ одного коллектора, где проводился ремонт. Срок эксплуатации трубопроводов, прошедших отбраковку и признанных пригодными к дальнейшей эксплуатации при КР ТТ, истекает. При этом уже спустя несколько лет после ремонта в ходе диагностирования на ряде участков ТТ были выявлены недопустимые дефекты, что потребовало повторной замены ТТ [5].

С учетом данных по отбраковке демонтируемых трубопроводов можно сделать вывод, что полная замена старых труб на новые с заводским антикоррозионным защитным покрытием в ряде случаев является предпочтительной в сравнении с их выборочным ремонтом. Например, комплексный ремонт методом полной замены труб для трубопроводов диаметром 1020 мм становится выгодным при доле поврежденных труб на участке более 13 %. Поэтому ремонт ТТ методом частичной замены трубопроводов не получил дальнейшего применения, последующие работы по проектированию и ремонту выполняются со 100%-ной заменой оборудования ТТ.

Развитие технологий и способов конт-роля технического состояния ТТ КС определяют в новых проектах капитального ремонта повышенные требования к проведению работ по сравнению с проектами при строительстве КС. В качестве примера ужесточения требований нормативно-технических документов и строительных норм и правил стоит отметить необходимость установки фундаментных опор под трубопроводы, применение трубопроводов бесшовного типа только в заводской изоляции и регламентированные коэффициенты ударной вязкости и пределы текучести металла труб и др. [6].

В выполнении строительно-монтажных работ следует отметить сложности в стыковке замененных и существующих ТТ, поскольку на разных участках КС они могут залегать на разных уровнях (рис. 3). Сборку узлов приходится осуществлять с изменением проекта капитального ремонта, согласованием возможности установки дополнительных соединительных трубных деталей. Проектом КР ТТ также не предусмотрен дополнительный объем работ по установке вспомогательных несущих конструкций, таких как фундаменты аппарата воздушного охлаждения газа. В ходе обследования ряда фундаментов, включая сваи и ростверки, было выявлено частичное отслоение ростверков от свай фундаментов, повреждение гидроизоляции, выкрашивание бетона, оголение арматуры.

Опыт ремонта ТТ межцеховых коммуникаций КС, устранения недочетов строительно-монтажных работ и проектирования обобщается, анализируется и используется в целях дальнейшей оптимизации трудозатрат и времени выполнения КР ТТ. С учетом особенности методики оценки технического состояния ТТ КС, объединяющей две группы – узлы подключения с подключающими шлейфами и технологические трубопроводы КС [3], в перспективе долгосрочная программа ремонта и актуализация программы вывода в КР ТТ требуют перехода на узлы подключения КС, представляющие собой сложный пространственный объект с пересечением ТТ различных диаметров, назначения и зон ответственности. При этом обязательно предусматривать наиболее эффективные методы ремонта ТТ, имеющие технико-экономические обоснования с учетом оценки ожидаемой протяженности труб, подлежащих замене либо ремонту различными способами. Наиболее оптимальным представляется формирование долгосрочных программ ТД и КР на основании результатов оценки технического состояния и прогноза объемов замены или ремонта труб в составе КС. Выбор сценариев ТД и КР может осуществляться с учетом различных критериев при безусловном соблюдении требований надежности и безопасности при эксплуатации трубопроводов.

Подводное применение диспергентов является инновационной технологией, разработанной для ликвидации разливов при авариях на подводных скважинах и трубопроводах [1]. Анализ, приведенный в [2, 3], показал перспективность технологии, несмотря на то что последствия применения диспергентов на глубине изучены не до конца. Примером успешного применения подводного диспергирования на большой глубине является опыт ликвидации аварии в Мексиканском заливе на буровой платформе Deepwater Horizon в апреле 2010 г., в рамках которого был использован комплекс подводного диспергирования, представленный на рис. 1 [3].

В Российской Федерации ведутся работы по созданию собственного комплекса подводного диспергирования. Так, на сегодняшний день одним из наиболее перспективных проектов является комплекс «Тулпар», разработанный АО «ЦНИИ «Курс» совместно с ООО «ГеоЛайнПроект» при участии сотрудников РГУ нефти и газа (НИУ) имени И.М. Губкина. Исследования подтвердили, что при соответствующих доработках комплекс может быть использован для проведения операций по подводному диспергированию [4, 5].

Погружной блок комплекса с помощью переднего и заднего фиксирующих захватов (рис. 2) может надежно фиксироваться над источником разлива, благодаря чему отпадает необходимость в дополнительных управляемых подводных аппаратах для удержания устройства подачи диспергента над местом истечения нефти.

Блок отмыва и зачистки трубы погружного блока, благодаря тому что он может одновременно совершать поворот на 180° и двигаться поступательно вдоль оси, может использоваться для точной подачи диспергента к месту разлива. В этом случае диспергент подается с помощью четырех форсунок, а процесс контролируется видеокамерой, размещенной на блоке отмыва. Для этого в нижней части шланга подачи композитного состава, соединяющего блок приготовления состава и погружной блок, устанавливается гидравлически управляемый двухпозиционный распределитель, который в одном положении соединяет шланг с полостью герметизатора, а в другом – с линией всасывания водяного насоса (рис. 3), которая, в свою очередь, то соединяется со шлангом, то забирает отфильтрованную забортную воду.

При необходимости проведения химического диспергирования на вход насоса может подаваться диспергент по шлангу с поверхности или из установленной на дне подводной емкости с диспергентом.

С помощью данных конструктивных изменений комплекс помимо проведения ремонта подводного трубопровода путем установки защитной гильзы и герметизирующей муфты может использоваться в качестве комплекса для подводного диспергирования.

В этом случае диспергент регулируемым водяным насосом подается на две верхние и две нижние форсунки (рис. 4 и 5). Конструкция и параметры форсунок могут быть оптимизированы в целях улучшения смешивания компонентов диспергента и нефти.

Поскольку концепция, заложенная при разработке комплекса, подразумевает модульность, предлагаемые изменения позволяют получить комплексы, предназначенные для проведения как подводного диспергирования, так и оперативного ремонта подводных трубопроводов различных диаметров, расположенных на разных глубинах. РГУ нефти и газа (НИУ) имени И.М. Губкина предлагает всем заинтересованным сторонам объединить усилия для реализации данного проекта.

Следует заметить, что проблемой стабилизации режимов ЭЭС и разработкой унифицированного алгоритма системных стабилизаторов начали интенсивно заниматься в СССР в начале 1950-х гг. и окончательно решили ее в 1980-е гг., когда полностью сформировалась идео-логия внешней и внутренней стабилизации и появился сигнал производной тока возбуждения.

Этот период характеризуется быстрым развитием электроэнергетики страны. В то время были построены каскады крупных гидроэлектростанций (ГЭС), мощные тепловые и атомные станции. По географическим условиям мощные ГЭС строились вдали от крупных населенных пунктов и крупных промышленных предприятий. Возникла необходимость передавать большое количество электроэнергии на значительное расстояние от электростанций к потребителям. Строительство параллельных линий для усиления электрической связи являлось дорогостоящим, поэтому было необходимо найти иные способы решения проблемы. Начала активно развиваться теория устойчивости ЭЭС. В итоге первый в мире сис-темный стабилизатор был разработан и внедрен практически в том виде, в каком он существует сейчас. Советский Союз имел большую территорию и разветвленную ЭЭС, обладавшую большим числом как слабых, так и сильных элект-рических связей между отдельными регионами.

На Западе начальный импульс к разработке системных стабилизаторов был дан в 1970-х гг. в Канаде из-за возникшей необходимости передавать мощность 500 МВт от АЭС «Пикеринг» и ГЭС в штате Онтарио по линиям электропередач протяженностью примерно 700 км и напряжением 500 кВ потребителям в США. Без быстродействующих систем возбуждения, оснащенных системными стабилизаторами, понадобились бы дополнительные линии. В Западной Европе эта проблема возникла еще позже – при вводе в эксплуатацию турбинных блоков мощностью более 300 МВт. В настоящий момент на Западе разработано около 10 типов системных стабилизаторов, описание которых приведено в стандарте IEEE Std 421.5.

С учетом того, что отечественный стабилизатор успешно зарекомендовал себя в различных схемно-режимных ситуациях, было предложено рассмотреть вопрос о его включении в международные стандарты под названием PSS2RU. Для этого потребовалось предоставить его полное описание и привести результаты расчетов, чтобы оценить его эффективность по сравнению со стабилизаторами, включенными в стандарт IEEE Std 421.5.

ОПИСАНИЕ СИСТЕМНОГО СТАБИЛИЗАТОРА PSS2RU

Задача любого системного стабилизатора – демпфирование электромеханических колебаний. Данные колебания, обусловленные качаниями роторов синхронных генераторов друг относительно друга, лежат в диапазоне частот 0,1–5,0 Гц. Полный взаимный угол между двумя машинами в любой схемно-режимной ситуации может быть разложен на внутренний и внешний углы: внутренний – угол между поперечной осью машины, совпадающей с вектором синхронной электродинамической силы (ЭДС) E_q и вектором напряжения генератора U_g; внешний – угол между вектором напряжения генератора U_g и вектором синхронной ЭДС другой машины или центром электрических качаний синхронной машины (электростанции), работающей в сложной энергосистеме. Внутренний угол образуется в результате падения напряжения на внутреннем продольном индуктивном сопротивлении машины (X_d). Внешний угол образуется в результате падения напряжения на сопротивлениях, внешних по отношению к рассматриваемому генератору элементов ЭЭС.

Качания полного угла являются результатом совместного движения роторов и имеют двойственную природу:

• в режимах выдачи реактивной мощности устойчивость определяется величиной и качаниями внешнего угла, который в тяжелых послеаварийных режимах или в слабых ЭЭС может приближаться к 90° эл.;

• в режимах потребления реактивной мощности устойчивость определяется величиной и качаниями внутреннего угла, который при уменьшении тока возбуждения генератора, работающего в ЭЭС любой мощности, может приближаться к 90° эл.

Таким образом, при одинаковых больших значениях полного угла физика переходных процессов и условия обеспечения апериодической и колебательной статической устойчивости существенно отличаются. Стабилизация режима, предлагаемая западными стандартами, не учитывает этого явления.

В результате аналитических и экспериментальных исследований и опыта эксплуатации синхронных генераторов выяснилось, что отклонениям внутреннего угла пропорциональна производная тока ротора. Отклонение частоты напряжения генератора Δf_U от установившегося значения и первая производная  генератора являются первой и второй производными внешнего угла, соответственно. Таким образом, имеются два легко измеряемых параметра, каждый из которых способен осуществлять демпфирование соответствующей компоненты взаимного угла. Следовательно, входными параметрами рассматриваемого стабилизатора являются ток ротора (I_f) и частота напряжения генератора (f_U).

Блок-схема системного стабилизатора PSS2RU показана на рис. 1. Стабилизатор состоит из двух каналов, соединенных параллельно. Выходные сигналы каждого канала суммируются на главном сумматоре. Просуммированный сигнал является выходным сигналом стабилизатора. Передаточные функции задают необходимую форму амплитудочастотной и фазочастотной характеристик каждого канала. Два канала перекрывают диапазон частот электромеханических колебаний. Канал по час-тоте настраивается на частотный диапазон 0,3–1,2 Гц, канал по производной тока ротора – на частотный диапазон 1–3 Гц. Типовые значения постоянных времени приведены в таблице. Сравнительные испытания, проведенные НТЦ Единой энергетической системы, показали его высокую эффективность.

РЕЛЕЙНАЯ ФОРСИРОВКА ВОЗБУЖДЕНИЯ

Совместно со стабилизатором PSS2RU применяется быстродействующая форсировка возбуждения. Ее функцией является повышение динамической устойчивости при серьезных повреждениях в энергосистеме, обусловленных снижением напряжения. Логика форсировки возбуждения представлена на рис. 2.

При снижении напряжения ниже уставки срабатывания контроллер инициирует быстрое увеличение напряжения возбуждения до максимального значения до тех пор, пока напряжение статора генератора не повысится до уставки на снятие форсировки (0,8÷0,9) U_Гном. Включение форсировки происходит с минимальной выдержкой времени, а отключение – с выдержкой 0,2–0,3 с, что соответствует времени достижения максимального значения взаимного угла между роторами синхронных машин в послеаварийном режиме качаний. Форсировка также необходима, чтобы исключить на время протекания короткого замыкания (КЗ) тракт регулирования из закона управления, так как резкие скачки токов, напряжений и частоты могут привести к снижению скорости нарастания напряжения возбуждения из-за противоположных воздействий от разных каналов регулирования.

РЕЗУЛЬТАТЫ РАСЧЕТА

Эффективность системного стабилизатора была проверена на математической модели 4-машинной энергосистемы (схема Кундура), часто рассматриваемой в работах западных исследователей, в среде MATLAB/Simulink Sim Power Systems. Схема изображена на рис. 3. Модель представляет собой две области, каждая из которых содержит по два синхронных генератора. Области соединены двумя линиями длиной 220 км. Режим установлен таким образом, что осуществляется передача 413 МВт из первой области во вторую.

Тестовым возмущением является трехфазное КЗ в середине одной линии с последующим ее отключением. Проведено сравнение PSS2RU со стабилизаторами, включенными в стандарт IEEE Std 421.5. Стабилизаторы PSS1A и PSS4B имеют в качестве входного параметра скорость вращения ротора. В PSS1A сигнал скорости вращения последовательно проходит через фильтры и несколько фазосдвигающих звеньев. В PSS4B сигнал скорости вращения раздваивается и проходит в одном случае через датчик низких и средних частот, в другом – через датчик высоких частот. Далее сигналы проходят через фазосдвигающие звенья, которые выделяют низкие, средние и высокие частоты, после чего каждая компонента усиливается в зависимости от частоты. Полное описание PSS1A и PSS4B представлено в стандарте, результаты теста – на рис. 4.

В энергосистеме ситуация, когда присутствует длинный транзит и создаются такие тяжелые условия, является редкостью. Подобные условия могут возникнуть, если существует слабая связь или при неблагоприятных обстоятельствах при ремонтных схемах. Чтобы убедиться в эффективности стабилизатора в различных условиях, выполним такое же тестовое возмущение, но при транзите длиной 10 км. Следует отметить, что при уменьшении длины транзита до 10 км условия устойчивости энергосистемы улучшились, но такое же тестовое возмущение будет оказывать более сильную просадку напряжения на шинах генераторов, так как точка короткого замыкания стала электрически ближе к каждому генератору. Результаты расчетов представлены на рис. 5.

По результатам анализа графиков на рис. 4 и 5 можно сделать заключение, что стабилизатор PSS2RU при неизменной настройке осуществляет эффективное демпфирование колебаний как при длинном, так и при коротком транзите: при длинном воздействуют все каналы стабилизатора, так как внутренний и внешний угол имеют одинаковый порядок величины; при коротком внешний угол становится малым, поэтому даже при тех же настройках каналы по отклонению и по производной частоты вносят на порядок меньший вклад в суммарный сигнал системного стабилизатора по сравнению с каналом по производной тока ротора. Можно сказать, что при коротком транзите каналы стабилизатора по отклонению и по производной частоты выключаются из работы, исходя из физической сущности процессов. Поэтому единая настройка оказывается достаточно эффективной в существенно различных условиях.

ЗАКЛЮЧЕНИЕ

Таким образом, благодаря рассмотренным свойствам и своему широкому распространению на электростанциях России и ближайшего зарубежья, а также принимая во внимание простоту и грубость настройки параметров, сис-темный стабилизатор PSS2RU должен занять значимое место в библиотеках основных программных продуктов для выполнения сетевых исследований. Для этого важно провести работу по интег-рации структуры системного стабилизатора PSS2RU и алгоритма релейной форсировки в документы международных организаций IEC и IEEE. 

Типовые значения параметров стабилизатора PSS2RU

Концерн РУСЭЛПРОМ

109029, РФ, г. Москва,

Нижегородская ул., д. 32, стр. 15

Тел.: 8 (800) 301-35-31

Факс: +7 (495) 600-42-54

e-mail: mail@ruselprom.ru

ruselprom.ru

Реалии рынка требуют инновационных решений в области проектирования кабеленесущих систем в России, сопряженных с меньшими трудозатратами и финансовыми вложениями.

Потенциал для внедрения инноваций на российском рынке есть, и уже в ближайшее время можно будет оценить это на примере одного из наиболее стратегически значимых объектов нефтегазовой отрасли РФ – комплекса по производству, хранению и отгрузке СПГ в районе КС «Портовая», строящегося по заказу ПАО «Газпром». Уже в ходе проектирования специалисты ДКС получали лестные отзывы от проектных институтов и монтажных организаций: инженеры отмечают значительную экономию времени в работе, обусловленную применением инноваций, а монтажники – отсутствие проблем с поиском дополнительных ресурсов для оперативной сборки на объекте.

В ходе проектирования комплекса были определены участки кабельных линий с большими пролетами. При этом собранная система должна выдерживать высокие нагрузки, так как предполагалось проложить по лоткам силовой кабель.

В связи с этими требованиями генеральному подрядчику проекта ООО «НИПИ НГ «Петон» пришлось отказаться от советской модели кабельной трассы, учитывавшей только Правила устройства электроустановок. Было решено перенять опыт западных проектных институтов, давно использующих тяжелые лотки. Инициатором разработки конкретного типового решения стала компания ДКС, выигравшая тендер среди производителей у ООО «НИПИ НГ «Петон».

Проанализировав технические требования к проекту, специалисты компании ДКС выбрали серию тяжелых лотков U5 Combitech. Данные изделия выпускаются в трех видах – лестничном, перфорированном и неперфорированном – и имеют целый ряд конкурентных преимуществ. Так, особую прочность U5 Combitech придают расположение ребер жесткости и специальная конструкция лонжерона. Например, безопасная рабочая нагрузка при пролете 6 м составляет 100 кг/м и 150 кг/м для лотков с бортами 100 мм и 150 мм, соответственно, при этом прогиб не превышает 12–14 мм, что является особо важным фактором при построении многослойной кабельной трассы. Все испытания системы U5 Combitech проходят согласно ГОСТ Р 52868–2007.

Кроме того, к числу преимуществ конструкции тяжелого лотка относится бессварочный тип соединения лонжерона с траверсой (поперечиной) – «ласточкин хвост», что позволяет достичь высоких показателей стойкости к вибрации и изгибам. Это и стало решающим фактором, определившим выбор U5 Combitech, в особенности с учетом географического расположения КС «Портовая» (район причала бухты Дальняя в Выборгском р-не Ленинградской обл.). К тому же данная система сертифицирована для применения при сейсмическом воздействии до 9 баллов. С сертификатами соответствия на продукцию U5 Combitech можно ознакомиться на сайте ДКС.

Оперативная настройка производственной площадки под нужды масштабного проекта, а также точный просчет логистических операций позволили компании ДКС выполнить большой заказ в сжатые сроки, не прекращая при этом поставки по другим текущим проектам.

АО «ДКС»

125167, РФ, г. Москва, 4-я ул. 8 Марта, д. 6а

Тел.: +7 (495) 916-52-62

Факс: +7 (495) 916-52-08

e-mail: info@dkc.ru

www.dkc.ru

Университет был основан в октябре 1948 г. на базе филиала Московского нефтяного института имени И.М. Губкина (ныне Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина). Его стремительное развитие, строительство новых корпусов и открытие новых специальностей было обусловлено ростом нефтедобывающей промышленности на западе Башкирии и в Татарстане. К середине 1960-х гг. Уфимский нефтяной институт представлял собой разветвленную образовательную структуру, обеспечивавшую квалифицированными кадрами топливно-энергетический комплекс, а также строительную отрасль региона и страны. С возникновением нового нефтедобывающего района – Западно-Сибирского – в Уфимском нефтяном институте резко выросло число обучающихся. К началу 1980-х гг. Уфимский нефтяной институт сформировался как учебно-научный комплекс всесоюзного масштаба. В 1993 г. вуз официально получил статус университета. В 2005 г. УГНТУ стал первым стратегическим партнером ПАО «НК «Роснефть» среди высших учебных заведений. В 2015–2016 гг. университет получил статусы опорного вуза России и опорного вуза компаний ПАО «Газпром», ПАО «Газпром нефть».

За годы деятельности университет подготовил более 100 тыс. специалистов для топливно-энергетического комп-лекса, строительной отрасли, сферы услуг, органов государственной власти и управления.

В вузе ведется активная работа по развитию международной деятельности, расширяются сферы международного сотрудничества в области научно-технических разработок, ведется активный обмен студентами и преподавателями в рамках программы академической мобильности, реализуется широкий спектр программ профессиональной подготовки и переподготовки для иностранных специалистов. С 1996 г. вуз является полноправным членом Международной ассоциации университетов. В стенах университета проходят обучение представители 67 субъектов Российской Федерации и 51 государства ближнего и дальнего зарубежья, в числе которых Азербайджан, Ангола, Вьетнам, Казахстан, Куба, Китай, Таджикистан и др. В настоящее время Уфимский нефтяной стабильно входит в TOP-30 вузов России по числу обучающихся иностранных студентов, а их сегодня в университете почти 1300 человек. Ректор УГНТУ – проф., докт. физ.-мат. наук, акад. РАЕН, акад. Академии наук Республики Башкортостан (РБ), заслуженный деятель науки РБ, Почетный работник газовой промышленности, Почетный работник высшего профессионального образования РФ, Почетный работник науки и техники Российской Федерации Р.Н. Бахтизин является также сопредседателем Ассоциации российско-азербайджанских университетов, председателем Общества дружбы «Башкортостан – Вьетнам». Он ведет большую работу по развитию дружеских и партнерских связей, обмеу опытом в научных изысканиях и внедрению современных технологий в сфере образования.

В состав университета сегодня входят семь факультетов, три института, институт дополнительного профессионального образования, магистратура, аспирантура и докторантура (работают семь диссертационных советов), Инжиниринговый центр и молодежный технопарк. Уфимский нефтяной сегодня представлен тремя филиалами в городах Октябрьский, Салават и Стерлитамак.

По всему спектру специальностей обучаются почти 20 тыс. студентов, а их подготовку ведет высококвалифицированный штат профессорско-преподавательских кадров: свыше 1300 штатных преподавателей, в числе которых более 200 докторов наук, профессоров и более 700 кандидатов наук, доцентов.

В структуре УГНТУ с 1994 г. успешно функционирует Институт дополнительного профессионального образования, открытый в 1994 г. Он является ведущим учреждением в сфере дополнительного профобразования для специалистов топливно-энергетического и строительного комплексов. В нем ежегодно проходят повышение квалификации и профессиональную переподготовку около 5 тыс. инженерно-технических работников большинства крупнейших объединений, предприятий и организаций РФ, стран ближнего и дальнего зарубежья.

Пристальное внимание уделяется развитию науки. Активно развиваются научные школы, несомненной гордостью которых являются имена известных ученых, среди них действительные члены и члены-корреспонденты академий наук РФ и РБ, заслуженные деятели образования, науки, техники, строительства и архитектуры.

Вся образовательная и научно-исследовательская деятельность УГНТУ тесно связана с производством. Это трансформируется в самые высокие среди вузов республики показатели трудоустройства и средней заработной платы выпускников. Так, в Национальном рейтинге востребованности вузов Российской Федерации в 2017 г. УГНТУ занял 32-е место из 448 вузов России. В рейтинге по уровню востребованности выпускников работодателями, составленному рейтинговым агентством «Эксперт», УГНТУ занимает 24-е место среди 100 лучших вузов России. Согласно мониторингу трудоустройства выпускников вузов, осуществляемому Министерством образования и науки РФ, показатели трудоустройства выпускников университета составляют 90 %, а размер средней заработной платы специалистов в первый год работы достигает 55 тыс. руб.

В большинстве рейтингов федерального и международного уровня УГНТУ занимает, как правило, самые высокие позиции среди вузов республики. По результатам мониторинга Национального исследовательского университета «Высшая школа экономики» в рейтинге TOP-100 вузов России УГНТУ занял 69-е место. В рейтинге RAEX («РАЭКС-Аналитика») «50 лучших технических вузов России» за период 2016–2018 гг. Уфимский нефтяной занимает 33-е место, а в 2017 г. он получил международное признание, войдя в целый ряд международных рейтингов. Так, в рейтинге вузов стран Восточной Европы и Цент-ральной Азии (QS Emerging Europe and Central Asia University Rankings) одного из самых известных международных рейтинговых агентств – Quacquarelli Symonds (QS) УГНТУ входит в категорию 200+. В рейтинге стран БРИКС (QS BRICS University 2018) из числа 300 лучших университетов Бразилии, России, Индии, Китая и Южной Африки вуз занимает позицию в диапазоне 161–170 -го места. По данным агентства RAEX («РАЭКС-Аналитика»), курируемый университетом Инженерный лицей № 83 имени М.С. Пинского вошел в число 50 лучших школ России по укрупненному направлению подготовки «Технические, естественнонаучные направления и точные науки».

В УГНТУ сложилась и успешно функционирует система трудоустройства выпускников. Подписаны прямые договоры и соглашения о сотрудничестве в области образовательных услуг и научных исследований с иностранными вузами, научными центрами и нефтяными компаниями. В целом спрос на молодых специалистов УГНТУ превышает предложение. Вуз регулярно заключает договоры, предусматривающие целевую подготовку и переподготовку специалистов с крупнейшими предприятиями и организациями ТЭК, такими как «Роснефть», «Башнефть», «Газпром», «Транснефть», «ЛУКОЙЛ», «Татнефть», «Газпром нефть», «СИБУР», Halliburton, Schlumberger, Baker Hughes и др. Особое внимание уделяется программам, ре-ализуемым совместно с государственными компаниями.

Неотъемлемой составляющей и основой развития вуза является его материальная база. История института и университета – это также история строительства, расширения учебных и бытовых площадей, постоянного обновления учебно-лабораторного и научно-исследовательского оборудования. Начальный пункт этого грандиозного марафона – два небольших ветхих здания, приспособленные под учебные занятия в 1948 г. В настоящее время университет располагает, помимо трех филиалов УГНТУ в регионах Башкортостана, тремя компактно спланированными учебно-бытовыми комплексами общей площадью около 195 тыс. м2. К услугам студентов, преподавателей и сотрудников – санаторий-профилакторий, студенческая поликлиника с полным набором современных врачебных кабинетов, культурно-бытовой комплекс, семейное общежитие, спортивно-оздоровительный лагерь, спортивный комплекс с самым современным инвентарем и оборудованием, три столовые, а также Дворец молодежи, где студенты имеют возможность заниматься творчеством и развивать свои таланты. Высокий уровень вокальных, танцевальных и театральных коллективов университета регулярно подтверждается призовыми местами на республиканских, российских, международных конкурсах и фестивалях.

Университет традиционно является местом притяжения гостей г. Уфы и Республики Башкортостан – государственных и общественных деятелей.

4 января 2003 г. УГНТУ посетил Президент Российской Федерации Владимир Путин. Во время встреч с коллективом и студентами университета глава государства дал высокую оценку деятельности и достижениям вуза. По решению Ученого совета УГНТУ В.В. Путину был торжественно вручен Золотой знак УГНТУ № 1. В разное время университет также посещали Глава Палестинской автономии М. Аббас, Президент Таджикистана Э. Рахмон, председатель Государственной Думы Федерального собрания РФ Б.В. Грызлов, министры образования РФ В.В. Филиппов и А.А. Фурсенко, главы регионов РФ, послы иностранных государств.

Таким образом, в свои 70 лет опорный университет Российской Федерации – современный динамичный вуз, имеющий международное признание, являющийся центром инноваций и драйвером развития региона.