Вид управления
Накопленная
ошибка
управления
Накопленное
превышение
уставки 3%
Расход
деэмульгатора,
г
Режим поддержания уставки 3% не ограничено
ПИ-регулятор с уставкой
3%
9.5-10.3 830-902 609557-612637
Предиктор с уставкой 3%
2.64-3.48 353-371 613054-615309
Адаптивная система с уставкой 3%
0.06-0.08 78.68-82.10 540341-551670
Режим поддержания уставки 3%
30
ПИ-регулятор с уставкой
2.5%
6.7-7.1 29.37-30.11 665653-671932
Предиктор с уставкой 2.7% 1.77-1.82 30.68-31.23 644866-647710
Адаптивная система с уставкой 2.9%
0.058-0.104 30.11-30.89 549444-553822
111 При задании более строгой уставки расход деэмульгатора увеличивается, при этом наименьший расход деэмульгатора показывает адаптивная система по сравнению с ПИ-регулированием на 20%, а по сравнению с предиктором Смита на 15%. Для исследования было проведено моделирование реального процесса термохимического обезвоживания нефтяной эмульсии. Длительность моделирования 10 000 минут. Смоделированы условия постоянно меняющейся обводненности входной эмульсии (параметр U) от 6 до 18%. График изменения представлен на рисунке. С использованием эталонной модели как модели процесса проведены эксперименты для определения реакции объекта управления 2 W на различные типовые варианты входного воздействия 1 W . Результаты моделирования представлены на рисунке 3.20. Из графика видно, что периодические (синусоидальные) изменения обводненности система управления сглаживает и поддерживает выходное значение около уставки 3%. Резкое скачкообразное изменение обводненности на входе в аппарат вызывает также скачки обводненности на выходе.
112 а) изменения входной обводненности; б) изменения выходной обводненности.
Рисунок 3.19 – График значения выходной обводненности
113
3.12 Выводы по главе
Рассмотрена структура и состав технологической установки термохимического обезвоживания нефтяных эмульсий. Описаны отдельные элементы как объекты управления. Указано, что некоторые элементы – это звенья с запаздыванием, которое оказывает существенное влияние на процесс обезвоживания.
Предложена структура системы управления технологическим процессом термохимического обезвоживания нефтяных эмульсий с эталонной моделью и тремя контурами адаптации, выполняющими следующие функции:
в первом контуре по целевому значению выхода объекта управления подбираются управляющие параметры на основе реакции эталонной модели процесса;
во втором контуре происходит адаптация к реальному объекту управления с учетом помех;
в третьем контуре производится сбор значений параметров при функционировании системы с целью дальнейшей актуализации эталонной модели.
Адаптивная система обеспечивает управление качественной характеристикой процесса, представляющей собой остаточное содержание воды в нефти, а также контроль входных параметров процесса, таких как:
обводнённость жидкости на входе в аппарат обезвоживания;
температура нагрева нефти;
расход реагента-деэмульгатора.
Система учитывает транспортное запаздывание процесса отстаивания водонефтяной эмульсии и обеспечивает необходимое качество управления, следуя расчётным значениям модели процесса обезвоживания.
114
4 ТЕХНИЧЕСКАЯ РЕАЛИЗАЦИЯ
4.1 Технологический комплекс обезвоживания нефти
4.1.1 Общая структура
Предлагаемая принципиальная технологическая схема установки показана на рисунке 4.1.
Рисунок 4.1 – Схема установки обезвоживания
На представленной схеме имеются обозначения:
FIT001 – входной расходомер.
TIT001 – датчик температуры до нагревателя.
TIT002 – датчик температуры после нагревателя.
WT001, WT002 – поточные влагомер нефти.
ПЛК – программируемый логический контроллер.
БДР – блок дозирования реагента
НГСВ – сепаратор нефтегазовый со сбросом воды.
Варианты технической реализации блоков могут различаться, что обеспечено инвариантностью системы управления к технологии
115 обезвоживания. Основные требования к блокам представлены в таблицах
4.1–4.3.
Технические характеристики аппарата представлены в таблице 4.1.
Таблица 4.1 – Технические характеристики НГСВ
Параметр
Значение
Объём аппарата, м
3 80-200
Рабочее давление, МПа
0.6-3.0
Производительность нефти, м
3
,сут.
1500-6000
Содержание воды на входе, % об., не более
60
Установка датчиков давления, уровня, межфазного уровня производится согласно техническим требованиям к аппарату и не препятствует работе системы управления.
Технические характеристики нагревателя представлены в таблице 4.2.
Таблица 4.2 – Технические характеристики блока нагрева
Параметр
Значение
Температура нагрева, °C, не более
150
Тепловая мощность, кВт
1000-2000
Наличие локальной системы управления
Прием управляющих сигналов регулирования мощности и/или температуры нагрева; выдача диагностической информации
Технические характеристики блока дозирования реагента представлены в таблице 4.3.
Таблица 4.3 – Технические характеристики блока дозирования реагента
Параметр
Значение
Объем емкости хранения реагента, м
3 0.4-10
Количество дозировочных насосов
2 (1 рабочий, 1 резервный)
Наличие локальной системы управления
Прием управляющих сигналов регулирования расхода реагента; выдача диагностической информации
116 В состав адаптивной системы также включены: элементы автоматики для непосредственного управления процессом: датчики, контроллеры, исполнительные устройства; система отображения информации и операторского управления (операторская панель); средства обработки и хранения информации о ходе процесса (SCADA-система с сервером архивов). Элементы адаптивной системы связаны между собой промышленными интерфейсами, по которым передаются информационные потоки. Иерархическое строение системы показано на рисунке 4.2. Рисунок 4.2 – Иерархия уровней АСУТП Система управления должна удовлетворять требованиям: модульность. стандартность. открытость. отказоустойчивость. 117 4.2 Техническое обеспечение 4.2.1 Общие требования Все средства измерений, представляющие собой контрольно- измерительные приборы и автоматику (КИПиА) должны иметь действующие свидетельства (сертификаты) об утверждении типа, описание типа к нему, внесены в Федеральный информационный фонд Средств измерений РФ и допущены к применению в Российской Федерации в установленном порядке. В общем случае все КИПиА должны быть электронными, со встроенными преобразователями сигнала в унифицированный (без вторичной аппаратуры), с питанием и заземлением от Системы, к которой они подсоединены. Следует использовать КИПиА и принадлежности к ним, характеризующиеся высочайшей надежностью, технической готовностью и простотой обслуживания в местных условиях. КИПиА должны обеспечивать работоспособность в указанном температурной диапазоне, либо должны быть обеспечены соответствующим обогревом. Многообразие типов различных КИПиА, подлежащих установке на различных площадках, должно быть сокращено до возможного минимума, что сократит количество запасных частей и упростит техобслуживание. 4.2.2 Требования к датчикам Требования к КИПиА представлены в таблицах 4.4–4.6. Таблица 4.4 – Требования к датчикам температуры Характеристика Значение Минимальная измеряемая температура, °C -50 Максимальная измеряемая температура, °C 300 Рабочее давление, МПа 0.6-3.0 Требования к расходомерам представлены в таблице 4.5.
118
Таблица 4.5 – Требования к расходомерам
Характеристика
Значение
Максимальный измеряемый расход, м
3
/час
300
Рабочее давление, МПа
0.6-3.0
Требования к поточным влагомерам представлены в таблице 4.6.
Таблица 4.6 – Требования к поточным влагомерам
Характеристика
Значение
Диапазон измеряемых значений обводненности, % об. 0 – 60
Рабочее давление, МПа
0.6-3.0
4.2.3 Требования к ПЛК
Программируемый логический контроллер должен соответствовать следующим требованиям:
поддержка всех языков программирования МЭК 61131-3, а также языка C;
возможность реализации не менее 4 встроенных портов Ethernet;
поддержка интерфейса RS-485;
операционная система реального времени;
расширенный температурный диапазон -25…+60°С или соответствие требованиям температурных диапазонов района применения системы управления (в сторону ужесточения требований);
оперативная память не менее 128 МБ.
Установку ПЛК необходимо производить в составе шкафа автоматизации, в котором поддерживаются требуемые климатические условия.
4.2.4 Требования к операторской панели управления
Для отображения информации о технологическом процессе на местном уровне используются местные панели оператора или HMI-панели (Human-
119 machine interface). Для обеспечения возможности ввода уставок и ручной настройки системы по месту необходимо установить цветную операторскую панель с сенсорным экраном.
Требования к характеристикам панели управления указаны в таблице
4.7.
Таблица 4.7 – Требования к операторской панели
Характеристика
Значение
Тип сенсорного экрана емкостной
Диагональ экрана, дюймов, не менее
10
Внутренняя память не менее, МБ
32
Панель должна поддерживать обмен информацией с контроллером по цифровым протоколам:
1. Интерфейс RS-485 протокол Modbus RTU, Modbus ASCII.
2. Интерфейс Ethernet протокол Modbus TCP, TCP/IP.
4.2.5 Требования к БДР по управляемости с верхнего уровня.
БДР должен быть оснащён локальной системой управления с возможностью подключения по цифровым протоколам передачи информации:
1. Интерфейс RS-485 протокол Modbus RTU, Modbus ASCII.
2. Интерфейс Ethernet протокол Modbus TCP, TCP/IP.
ЛСУ БДР должна принимать управляющие сигналы, в том числе изменение уставок, дистанционно по цифровым протоколам. Для этого в карте адресов должны быть указаны параметры расхода реагента–
деэмульгатора с возможностью их записи.
ЛСУ БДР должна реализовывать плавное управление режимом работы насоса подачи деэмульгатора для регулирования расхода с высокой точностью.
120
4.3 Экономическая эффективность
В процессе подготовки нефти обеспечивается соответствие качественных показателей продукта государственным требованиям и стандартам, в результате чего при сдаче нефти другой организации стоимость рассчитывается по определённым нормативам. В результате технологическая выручка определяется исходя из рыночной цены на нефть и группы качества, которой она соответствует. Стоимость нефти рассчитывается по формуле:
н
н
гр
Ц
Q
k
С
,
(4.1) где
н
Ц – цена нефти на рынке;
н
Q – количество нефти, сданное за некоторый промежуток времени;
гр
k
– показатель группы качества нефти.
Для определения экономической эффективности управления процессом термохимического обезвоживания нефтяных эмульсий необходимо оценивать как итоговое нефтесодержание в жидкости (величина обратная обводненности), так и принадлежность нефти к определенной группе качества, в зависимости от которой корректируется коэффициент цены товарного продукта.
Сравнение эффективности системы адаптивного управления с эталонной моделью с эффективностью управления ПИ-регулятором и предиктором Смита было выполнено в главе 3. Система адаптивного управления показала экономию реагента–деэмульгатора при обеспечении лучшего качества обезвоживания.
На реальных технологических объектах чаще всего используется ручной способ установки дозировки реагента–деэмульгатора. Поскольку полностью автоматические комплексы термохимического обезвоживания мало распространены, управление процессом берет на себя оператор установки. Поэтому качество обезвоживания и расход деэмульгатора не находятся в оптимальных соотношениях.
121
За исходные данные для расчёта взята установка подготовки нефти.
Выбранные параметры представлены в таблице 4.8:
Таблица 4.8 – Параметры технологической установки
Параметр
Значение
Производительность, тонн нефти в год
1 млн
Аппарат нагрева
Кожухотрубчатый теплообменник с постоянным поддержанием температуры 60° C
Используемый реагент – деэмульгатор
Диссолван-5592
Стоимость деэмульгатора, руб/кг
390
Характеристики нефти
Известные, построена модель
Таким образом, в процессе разделения нефти и воды автоматическая система может управлять только одним параметром – расходом деэмульгатора.
Экономический эффект рассчитаем по следующей формуле:
C
V
dt
Q
Q
E
t
t
PID
as
0
)
(
,
(4.2) где
t
V – объем перекаченной нефти за время
t
;
С – стоимость деэмульгатора;
as
Q – расход деэмульгатора, рассчитанный адаптивной системой,
PI
Q – расход деэмульгатора, рассчитанный системой с ПИ- регулированием.
Таким образом, приняв условие поддержания нормативного количества воды в нефти можно оценить объём перерасхода деэмульгатора. Расчёт по принятой модели показывает экономию 30% деэмульгатора при использовании системы адаптивного управления по сравнению с ПИ- регулированием.
122
4.4 Выводы по главе
Применение системы на реальном технологическом объекте не требует больших затрат. Перекомпоновка технологической площадки не требуется. В зависимости от принятого на производстве класса автоматизации можно использовать существующие контрольно-измерительные приборы. Это может быть осуществимо в случае применения класса автоматизации 3
«перспективный» или класса 2 «базовый» с незначительными доработками.
Экономическая эффективность применения системы на каждом конкретном технологическом объекте рассчитывается индивидуально. За счет экономии реагента–деэмульгатора эффективность процесса обезвоживания водонефтяной эмульсии может быть повышена на 30%.
123 ЗАКЛЮЧЕНИЕ Поставленная цель повышения эффективности процесса термохимического обезвоживания нефти выполнена. В работе решены задачи, имеющие практическое значение: 1. Задача описания процесса термохимического обезвоживания как объекта управления. Описаны нелинейные свойства объекта управления, не позволяющие эффективно применять к нему стандартные способы управления линейными объектами. Показано наличие транспортного запаздывания и неопределенности некоторых параметров. 2. Решена задача параметрической идентификации и построения модели процесса в виде ИНС, определения архитектуры нейросетевой модели, метода обучения. 3. Предложен подход к построению адаптивной системы управления процессом термохимического обезвоживания, заключающийся в использовании искусственной нейронной сети в качестве генератора управляющих сигналов для исполнительных устройств. При этом осуществляется управление эффективностью разделения нефтяной эмульсии с учетом заданного конечного и фактического начального значений содержания воды в нефти, а также фактических значений расхода и температуры нефтяной эмульсии, поступающей на обезвоживание. 4. Разработанная структура системы управления может интегрироваться в действующие промышленные установки, а также проектироваться для новых установок подготовки нефти. При этом разработка эталонной модели должна проводиться индивидуально для каждого объекта, с учетом характерных свойств и состава обращаемой в нем нефтяной эмульсии. Таким образом, полностью решена задача построения системы адаптивного управления.
124 5. Проведена оценка эффективности внедрения АСУ на основе ИНС на производственном объекте.
Практическая ценность работы состоит в том, что ее результаты могут служить основой для разработки универсального программно-технического комплекса подготовки нефти, включающего обезвоживание, обессоливание, сероочистку и другие процессы.
Разработанная адаптивная система управления может являться составной частью общей автоматической системы управления объектом подготовки нефти в целом, включающим помимо ступени обезвоживания ступень электрообессоливания, а также все сопутствующие процессы
(дегазация, нагрев, перекачка и т.д). Основой подобной общей системы управления будут являться одна или несколько искусственных нейронных сетей – моделей отдельных технологических операций. При этом оперативное управление такими сложными производственными объектами как установки подготовки нефти будет упрощено.
Предложенная система является одним из шагов на пути внедрения безлюдных технологий производства, так как позволяет создать автономную установку, не требующую постоянного присутствия оперативного персонала для её обслуживания.
125 СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ БДР – блок дозирования реагента; ИНС – искусственная нейронная сеть; КИПиА – контрольно-измерительные приборы и автоматика; НГКМ – нефтегазоконденсатное месторождение; НГСВ – сепаратор нефтегазовый со сбросом воды; ПИД – пропорционально–интегрально–дифференциальный (регулятор); ПЛК – программируемый логический контроллер; ФО – федеральный округ.
126
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Абдуллаев, Ф.М. Синтез алгоритмов оптимального управления процессами комплексной подготовки нефти. – РНТС ВНИИОЭНГ. Сер.
Автоматизация и телемеханизация нефтяной промышленности, 1981, №1, с.
14-16.
2. Аксенов, С.В. Организация и использование нейронных сетей
(методы и технологии) / С.В. Аксенов, В.Б. Новосельцев// Томск, 2006.
3. Амиров, Р.Я. Технические системы (процессы, конструкции, эффективность) / Р.Я. Амиров, Р.Г. Уракаев, Р.Г. Гареев, В.И. Глазунов,
А.Н. Гришин, Р.Г. Шарафиев, Р.С. Абдуллин, М.А. Исмагилов,
Н.Х. Абдрахманов, А.Х. Нагуманов // УФА: Гилем, 2000.–600 с.
4. Андреев, Е.Б. Автоматизация технологических процессов добычи и подготовки нефти и газа / Е.Б. Андреев, А.И. Ключников, А.В. Кротов,
В.Е. Попадько, И.Я.Шарова // Учебное пособие для вузов. – М.: Недра-
Бизнесцентр, 2008. – 399 с.
5. Артюшкин,
И.В.
Внедрение комплексной системы автоматизированного проектирования в проектном институте // Вестник
Самарск. гос. техн. ун-та. Сер.: Технические науки – Самара: СамГТУ. –
2014. – № 4 (44). – С. 7-16.
6. Артюшкин, И.В. Возможность создания комплексной экспертной автоматизированной системы управления процессом промысловой подготовки нефти // В науч.-тех. журнал: Нефтяное хозяйство Вып. 1113. –
Москва. – С. 29-31.
7. Артюшкин, И.В. Нейросетевое моделирование процесса разделения водонефтяной эмульсии на основе неполных экспериментальных данных //
Вестник Самарск. гос. техн. ун-та. Сер.: Технические науки – Самара:
СамГТУ. – 2018. – № 3 (59). – С. 7-17.
127 8. Артюшкин, И.В. Разработка автоматической системы управления процессом термохимического обезвоживания нефтяных эмульсий на основе искусственной нейронной сети/ И.В. Артюшкин, А.Е. Максимов // Вестник
Самарск. гос. техн. ун-та. Сер.: Технические науки – Самара: СамГТУ. –
2017. – № 1 (53). – С. 7-15.
9. Байгалиев, Б.Е. Теплообменные аппараты: учебное пособие / Б.Е.
Байгалиев, А.В. Щелчков, А.Б. Яковлев, П.Ю. Гортышов. – Казань: Изд-во
Казан.гос. техн. ун-та, 2012. –180 с.
10. Бесекерский, В.А. Теория систем автоматического управления / В.А.
Бесекерский, Е.П. Попов //. – М.: Наука, 1975.
11. Бобцов, А.А. Адаптивное и робастное управление с компенсацией неопределенностей./ А.А. Бобцов, А.А. Пыркин // Учебное пособие. – СПб.:
НИУ ИТМО, 2013. – 135 с.
12. Бобцов, А.А. Методы адаптивного и робастного управления нелинейными объектами в приборостроении: учебное пособие для высших учебных заведений./ А.А. Бобцов, В.О. Никифоров, А.А. Пыркин,
О.В. Слита, А.В. Ушаков // – СПб: НИУ ИТМО, 2013. – 277 c.
13. Бортников,
А.Е.
Некоторые результаты лабораторных экспериментов по разрушению водонефтяной эмульсии под воздействием равномерного электрического поля/ А.Е. Бортников, К.Е. Кордик,
А.В. Савиных, А.С. Ницин // В науч.-тех. журнал: Геология, геофизика и разработка нефтяных и газовых месторождений - Вып. 9. – 2013 г. – С. 48-56.
14. Веревкин, А.П. К решению задачи оперативного управления процессами подготовки нефти /А.П. Веревкин, И.Д. Ельцов, О.В. Кирюшин
// Территория Нефтегаз, № 2, 2007. – С. 13 – 15.
15. Веревкин, А.П. Оперативное управление технологическими процессами подготовки нефти по технико-экономическим показателям /
А.П. Веревкин, И.Д. Ельцов, Ю.И. Зозуля, О.В. Кирюшин //
128
Автоматизация, телемеханизация и связь в нефтяной промышленности. М.:
ВНИИОЭНГ, 2006. № 3. С. 48–53.
16. Волков, Д. А. Автоматизация процесса подогрева нефти в печи трубчатой блочной ПТБ-10Э // Молодёжь и наука: Сборник материалов VIII
Всероссийской научно-технической конференции студентов, аспирантов и молодых учёных, посвященной 155-летию со дня рождения К. Э.
Циолковского
[Электронный ресурс].
—
Красноярск: Сибирский федеральный ун-т,
2012.
—
Режим доступа: http://conf.sfu- kras.ru/sites/mn2012/section18.html, свободный.
17. Воронцов, Ю.Е. Управление динамикой нагрева стали в двухзонной электрической печи сопротивления с детерминированным регулятором температуры. Проблемы черной металлургии и материаловедения. – М.:
ЦНИИ чер.мет. им. И.П. Бардина. – 2015. № 3. С. 54-58.
18. Голицын, В.М. Контроль процессов подготовки нефти на промыслах. – М.: Недра, 1972.
19. ГОСТ Р 51858-2002 Нефть. Общие технические условия»// Сырая нефть. Технические условия. Методы анализа. М: Стандартинформ.
20. Гумовский, О.А. Способ поддержания качества товарной нефти на
УПН в условиях изменяющихся свойств сырья. – в сб. научных трудов
ТатНИПИнефть. – Казань – 2013г. С. 420-427.
21. Джонс, М. Тим. Программирование искусственного интеллекта в приложениях. – Москва, 2004.
22. Еремин,
Н.А.
Управление разработкой интеллектуальных месторождений нефти и газа: Учеб. Пособие для вузов: в 2 кн. – Кн. 1. М.:
РГУ нефти и газа имени И.М. Губкина. – 2011. – 200 с.
23. Жмудь, В.А. Адаптивные системы автоматического управления с единственным основным контуром / в науч.тех. журнале «Автоматика и программная инженерия» М:2014. – №2(8). – С. 106–122
129 24. Зайцев, Г.Ф. Теория автоматического управления и регулирования.
Второе изд. – Киев, 1988.
25. Закожурников, Ю.А. Подготовка нефти и газа к транспортировке: учебное пособие для СПО. – Волгоград: Издательский дом «Ин-Фолио»,
2010. – 176 с.
26. Зейгман, Ю.В. Справочник нефтяника / Зейгман Ю.В., Гамаев Г.А.//
2-е изд., доп и перераб. – Уфа: Тау, 2005. – 272 с.: ил.
27. Зориктуев,
В.Ц. Синтез математической модели процесса сепарации нефти в системе управления промысловой подготовкой нефти /
В.Ц. Зориктуев, Ю.М. Дребская, В.В. Рощупкин // Уфа: Вестник УГАТУ,
2009, Т. 13, № 2 (35). С. 78–82 28. Зуйков, А.В. Оптимизация процесса обезвоживания и обессоливания нефтяных смесей различной природы и состава / А.В. Зуйков, В.В. Критский
// сб.тр. 62-й студенческой научной конференции «НЕФТЬ И ГАЗ — 2008»,
М: 2008, с. 74.
29. Ильин, В. А. Математический анализ. Продолжение курса / В. А.
Ильин, В. А. Садовничий, Бл. X. Сендов. // Под ред. А. Н. Тихонова. — М.:
Изд-во МГУ, 1987.— 358 с.
30. Каплан, Р. Основные концепции нейронных сетей. – Москва, 2001.
31. Каспарьянц,
К.С. Проектирование обустройства нефтяных месторождений. – Самара: СамВен, 1994.– 417 с.
32. Ким, Д.П. Теория автоматического управления. Том 1. Линейные системы. – М.: ФИЗМАТЛИТ, 2003. – 288 с.
33. Круглов, В.В. Искусственные нейронные сети. Теория и практика /
Круглов В.В., Борисов В. В. // – 2-е изд., стереотип. - М.: Горячая линия-
Телеком, 2002. – 382 с.
34. Левченко, Д.Н. Эмульсии нефти с водой и методы их разрушения/
Д.Н. Левченко, Н.В. Бергштейн, А.Д. Худакова, Н.М. Николаева //
М.: Химия, 1967. - 200с.
130 35. Логинов, В.И. Обезвоживание и обессоливание нефтей. – М.:
Химия, 1979. – 210 с.
36. Лурье,
М.В.
Математическое моделирование процессов трубопроводного ранспорта нефти, нефтепродуктов и газа: Учебное пособие.
– М.: ФГУП Изд-во «Нефть и газ» РГУ нефти и газа им. И.М. Губкина, 2003.
– 336 с.
37. Маркин, А.Н. Нефтепромысловая химия: практическое руководство
/ А.Н. Маркин, Р.Э. Низамов, С.В. Суховерхов // Владивосток: Дальнаука,
2011. – 288 с.
38. Мищенко, И.Т. Эксплуатация скважин и добыча нефти из обводняющихся месторождений: Учеб. Пособие для вузов. – М.: РГУ нефти и газа имени И.М. Губкина. – 2015. – 431 с.: ил.
39. Позднышев, Г.Н. Стабилизация и разрушение нефтяных эмульсий. –
М: Недра, 1982.
40. Путохин, В.С. Математическое моделирование технологического процесса обезвоживания нефти на промыслах. – В. Сб.: Нефть и газ,
М.:МИНХ и ГП, 1977, с. 37-42.
41. Путохин, В.С. Статистическая модель управления процессом подготовки нефти. – РНТС ВНИИОЭНГ. Сер. «Автоматизация и телемеханизация нефтяной промышленности», 1979, №9, с. 9-12.
42. Регионы России. Социально-экономические показатели. 2017: Стат. сб. / Росстат. – М., 2017. – 1402 с.
43. Рзаев,
А.Г.
Оптимизация технологических процессов термохимического обезвоживания и обессоливания нефти. – РНТС
ВНИИОЭНГ. Сер. «Автоматизация и телемеханизация нефтяной промышленности», 1981, №3, с. 14-16.
44. Романков, П.Г. Процессы и аппараты химической промышленности
Учебник для техникумов / П. Г. Романков, М. И. Курочкина, Ю. Я. Мозжерии и др. – Л.: Химия, 1989. – 560 с.
131 45. Российский статистический ежегодник. Под ред. А.В. Суринова/
2017: Стат.сб./Росстат. - Р76 М., 2017 – 686 с.
46. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы /Д. Рутковская, М. Пилиньский, Л. Рутковский // Москва,
2006. – 452 с.
47. Рябов, В.Д. Химия нефти и газа: Учебное пособие. – М.: ИД
«Форум», 2009. – 336 с.
48. Сапожников, А.В. Основные структуры адаптивных систем управления и классификация // Журнал научных публикаций аспирантов и докторантов. 2014. № 5 (95). – Курск, С. 251-254.
49. Сваровская, Н.А. Подготовка, транспорт и хранение скважинной продукции: Учебное пособие. – Томск: Изд. ТПУ, 2004. – 268 с.
50. Середа, Н.Г. Спутник нефтяника и газовика: Справочник /
Н.Г. Середа, В.А. Сахаров, А.Н. Тимашев // – М.: Недра, 1986. – 325 с.
51. Сташкова, О.В. Использование искусственных нейронных сетей для восстановления пропусков в массиве исходных данных / О.В. Сташкова,
О.В. Шестопал // Известия вузов. Северо-Кавказский регион. Технические науки, №1, 2017. – Ростов-на-Дону, С. 37-42.
52. Стратегия научно-технологического развития
Российской
Федерации [Электронный ресурс]. – Режим доступа: http://sntr- rf.ru/materials/strategiya-nauchno-tekhnologicheskogo-razvitiya-rossiyskoy- federatsii-na-dolgosrochnyy-period/. – Заглавие с экрана. – (Дата обращения:
13.01.2018).
53. Терехов, В.А. Синтез адаптивных нейросетевых регуляторов нелинейных динамических объектов / В.А. Терехов, И.Ю. Тюкин //
Стохастическая оптимизация в информатике, СПб:2005, С. 222-256 54. Технологический регламент по применению деэмульгаторов в процессах подготовки нефти РД 39-1-1261-85 Утвержден министерством нефтяной промышленности СССР, 11.03.1985. : ввод в действие с 1986.– 98 с.
132 55. Тронов, В.П. Промысловая подготовка нефти. – Казань, 2000.
56. Фрадков, А.Л. Адаптивное управление в сложных системах: беспоисковые методы. – М.: Наука. Гл. ред. Физ.-мат.лит., 1990. – 296 с.
57. Хайкин, С. Нейронные сети. Второе изд. – Москва, 2006.
58. Характеристика нефтей, добываемых на территории России и СНГ
[Электронный ресурс]. – Режим доступа: https://additive.spb.ru/characteristics- oils.html. – Заглавие с экрана. – (Дата обращения: 13.01.2018)
59. Цыганов, Д. Г. Исследование состава и свойств промежуточного эмульсионного слоя на УПСВ «Каменное» / Д. Г.Цыганов,
Н. Ю. Башкирцева // Вестник Казанского технологического университета.
2014. Т. 17. № 10. С. 212-215.
60. Черек, А.М. Разработка метода оптимального автоматического управления процессами обезвоживания и обессоливания: дис. канд. техн. наук: 05.13.07 / Черек Алексей Михайлович. Москва, 1984 – 214 с.
61. Шаймарданов, В.Х. Процессы и аппараты технологий сбора и подготовки нефти и газа на промыслах: учебное пособие / Под ред. В. И.
Кудинова. — М.–Ижевск: Институт компьютерных исследований, 2013. —
508 с.
62. Энергетическая стратегия России на период до 2030 года
[Электронный ресурс]. – Режим доступа: https://minenergo.gov.ru/node/1026. –
Заглавие с экрана. – (Дата обращения: 13.01.2018).
63. Эталонные сорта нефти - Пути российской нефти [Электронный ресурс]. – Режим доступа: http://discoverrussia.interfax.ru/wiki/58/. – Заглавие с экрана. – (Дата обращения: 13.01.2018).
64. Almojjly, A. Removal of oil from oil-water emulsion by hybrid coagulation/sand filter as pre-treatment/
A.
Almojjly,
D.
Johnson,
D. L. Oatley-Radcliffe, N. Hilal // Journal of Water Process Engineering, Volume
26, December 2018, Pages 17-27.
133 65. Ben Mya, O. Treatment of Algerian crude oil using REB09305 OS demulsifier/ O. Ben Mya, S. Houga, F. Chihouba, B. Asla // Egyptian Journal of
Petroleum, 2017 66. Control of Processes with Long Dead Time: The Smith Predictor
[Электронный ресурс].
–
Режим доступа: https://www.mathworks.com/help/control/examples/control-of-processes-with- long-dead-time-the-smith-predictor.html. – Заглавие с экрана. – (Дата обращения: 13.01.2018).
67. Curve Fitting Toolbox – MATLAB [Электронный ресурс]. Режим доступа: https://www.mathworks.com/products/curvefitting.html. – Заглавие с экрана. – (Дата обращения: 13.01.2018).
68. Grzymala-Busse, J. W.. Definability in Mining Incomplete Data /
J. W. Grzymala-Busse, T. Mroczek // Procedia Computer Science, Volume 96,
2016, – pp. 179–186 69. Hu X. Robust adaptive NN control of dynamically positioned vessels under input constraints/ X. Hu, J. Du, G. Zhu, Y. Sun // Neurocomputing, Volume
318, 27 November 2018, Pages 201-212 70. Oravec, J. Robust model predictive control and PID control of shell-and- tube heat exchangers. / J. Oravec, M. Bakošováa, M. Trafczynski,
A. V. Alajos Mészáros, M. Markowski // Energy. – Volume 159, 2018, P. 1-10.
71. Raimondi, A Design of an adaptive predictive control strategy for crude oil atmospheric distillation process / A. Raimondi, A. Favela-Contreras,
F. Beltrán-Carbajal, A. Piñón-Rubio, J. L. de la Peña-Elizondo // Control
Engineering Practice, Volume 34, January 2015, Pages 39-48 72. Wasserman, P. Neural Computing. Theory and Practice. – Van Nostrand
Reinhold, 1989.
134
ПРИЛОЖЕНИЕ А
Сведения о внедрении результатов работы
135
136
|
Скачать 4.35 Mb.