Высокая сложность производственных систем нефтегазовой отрасли и применяемых на них технологий, а также частая недооценка этих сложностей в процессе эксплуатации и принятия решений, может оказаться причиной возникновения серьезных проблем [1–3]. Характерными примерами таких систем являются перерабатывающие производства (ПП) нефтегазовой отрасли, включающие: технологические установки (ТУ), наливные эстакады (НЭ), дожимные компрессорные станции (ДКС), резервуарные парки (РП) с насосными станциями (НС) и связывающие их трубопроводы [2–4]. Управление такими системами требует от персонала ПП непрерывного анализа протекающих процессов, а также выявления и устранения возникающих проблем и выполнения оценок эффективности принимаемых решений. Так как на практике в основе многих решений, помимо регламентных документов, часто лежат опыт и здравый смысл, то это не позволяет в полной мере систематизировать все особенности совместного функционирования разнотипных по своей природе, но тесно интегрированных между собой процессов добычи, переработки и транспорта углеводородов (УВ). Существенную помощь в поддержке таких решений оказывают повсеместно применяемые информационные технологии, разнообразные инструменты планирования и моделирования, включая модели цифровых двойников (ЦД) и искусственного интеллекта (ИИ).
Традиционно к основным задачам ПП относят [2]:
- прием и переработку углеводородного сырья;
- производство товарной продукции в соответствии с установленными планами и требованиями к качеству;
- рациональное использование материальных и иных ресурсов, обеспечивающих достижение высоких экономических показателей;
- безусловное выполнение государственных, отраслевых и корпоративных требований в части промышленной безопасности, экологии и др.
В настоящее время в связи с широкой информатизацией производств многими нефтегазовыми компаниями реализуются идеи создания ЦД – комбинированных моделей ПП, позволяющих отражать текущее состояние и прогнозировать дальнейшее развитие производственных процессов, а также оценивать эффективность принимаемых решений еще до их реального практического воплощения [5–8]. Как правило, ЦД совмещают в себе различные научные подходы и методы, позволяющие вести анализ производства с учетом динамики и нелинейности протекающих процессов. Так, наряду с методологией системной инженерии и больших данных [9], при создании ЦД широкое применение находят методы и средства системной динамики, аналитического и имитационного моделирования, а также разнообразные комбинированные модели и модели ИИ [10]. Таким образом, интеллектуализация процессов управления ПП и информационно-аналитическая поддержка принимаемых решений могут существенно повысить прозрачность процессов функционирования производства и эффективность работы персонала.
На рис. 1 представлена обобщенная структура системы поддержки принятия управленческих решений нефтегазового производства, состоящая из следующих элементов:
- объект нефтегазового комплекса (ОНК);
- ЦД изучаемого ОНК;
- модели ИИ, упрощающие использование ЦД и оценку показателей работы ОНК;
- базы знаний (БЗ) о результатах работы ОНК и принятых решениях;
- группа экспертов.
Между перечисленными элементами схемы указаны информационно-управленческие связи (fij, i, j = 1…4). Так, результаты работы ОНК передаются для анализа группе экспертов (f15), а также отражаются в модели ЦД (f12). В свою очередь, модель ЦД может использоваться как для наполнения БЗ (f23), так и для обучения моделей ИИ (f24) в различных ситуациях. Группа экспертов проводит оперативный анализ работы ОНК, используя ЦД (f51 и f52), вырабатывает приемлемые режимы эксплуатации объектов и обеспечивает сбалансированность процессов производства (f51, f52). О результатах работы и показателях ОНК, полученных на ЦД, периодически информируются руководители.
Применение ЦД обеспечивает широкие возможности виртуального анализа процессов нефтегазового производства в целом и его отдельных компонентов, в которых могут возникать различные критические ситуации (отказы, нарушение режимов эксплуатации и др.). В настоящей статье в качестве такого компонента принят РП, используемый при перекачке газового конденсата (ГК) или нефтегазоконденсатной смеси (НГКС) между двумя ПП.
Резервуарные парки в технологических цепочках переработки углеводородов нефтегазовых производств
При проектировании РП, как правило, используют одну и ту же типовую схему их работы [13–15], когда каждый из резервуаров последовательно заполняется, а накопленная продукция отстаивается, компаундируется, паспортизируется, а затем откачивается потребителю. Между тем практическая реализация данного способа при больших объемах перекачки, как правило, сталкивается с некоторыми проблемами, в частности с быстрым износом и выходом из строя активно работающих арматурных узлов. В связи с этим на практике часто реализуется иная схема работы. Приведем более подробно описание одной из возможных схем.
Рассмотрим РП, основной целью эксплуатации которого является «сглаживание» выходящего потока ГК или НГКС, направляемого на другое ПП, а также временное хранение в случае, если по каким-то причинам откачка или прием невозможны. Рассматриваемый РП тесно связан с ТУ и другими РП, формирующими суммарный входной поток в данный РП. С течением времени, вследствие неравномерности поступающего сырьевого потока на ПП, изменений режимов работы ТУ, наличия сопутствующих и «некондиционных» потоков, выполнения ремонтных работ или других причин, скорость входящего потока в РП (здесь и далее в т/ч), может изменяться. Пусть РП состоит из нескольких карт; причем в момент t одна из карт используется для наполнения или отгрузки ГК или НГКС (в дальнейшем будем называть такую карту активной), а другие находятся во временном резерве:
- если , то уровень заполнения активной карты со временем не изменяется, где – скорость исходящего потока из РП в момент t;
- если , то уровень заполнения активной карты растет. После ее заполнения в работу включается свободная карта. Отметим, что если в процессе работы начинают включаться дополнительные карты, то операторы РП начинают принимать меры по недопущению его переполнения, снижая производительность ТУ и, как следствие, добычного комплекса и/или увеличивая ;
- если , то уровень заполнения активной карты снижается. Если для отгрузки доступна еще одна карта, то не изменяется. В противном случае принимается решение о снижении активной карты.
Описанная схема может быть представлена в виде эквивалентной упрощенной модели, состоящей из одного резервуара с заполнением S(t), равным суммарному заполнению всех резервуаров РП. При этом , где и – нижний и верхний допустимые уровни заполнения РП. Отметим, что в процессе эксплуатации персонал ПП стремится по возможности привести заполнение РП к некоторому целевому значению ( . В дальнейшем будем использовать данную упрощенную схему работы РП.
Введем следующие состояния РП, определяемые режимами эксплуатации: S1 – «корректировка», S2 – «поддержка», S3 – «прием», S4 – «отгрузка» и S0 – «техническое обслуживание». Стрелки между состояниями указывают на возможные переходы (рис. 2).
Будем считать, что РП находится в состоянии S1 – «корректировка», если или . Следует отметить, что обоснование целевого заполнения представляет собой отдельную задачу, хотя на практике эта величина часто упрощенно принимается равной .
РП находится в состоянии S2 – «поддержка», если , а .
Состояния S3 – «прием» и S4 – «отгрузка» реализуются в случаях, если или соответственно. В первом случае РП используется для временного накопления и хранения ГК или НГКС, а во втором – осуществляется плавное снижение до после чего откачка продолжается с , пока
Кроме этого, на накладываются дополнительные ограничения на минимальное ( ) и максимальное ( ) значения, связанные с производительностью установленного на РП насосного оборудования, производящего откачку ГК или НГКС.
Если РП и принимающее ПП расположены достаточно далеко друг от друга, то учитывается дополнительное требование о плавном изменении не более чем на dV (обычно 50–100 тонн/ч). Указанное требование связано как с необходимостью соблюдения «дыхания» резервуаров, так и с предотвращением избыточного гидродинамического воздействия на конденсатопровод, задействованный в процессе перекачки.
Перечисленные выше условия создают значительное сложности в анализе, прогнозировании использования РП и выработке эффективных управленческих решений, в связи с чем требуется создание соответствующих моделей динамического управления процессами, протекающими в резервуарном парке.
Динамическая модель эксплуатации резервуарного парка в технологической цепочке переработки углеводородов
Случай неограниченного объема принимающего резервуарного парка
Рассмотрим случай, когда РП принимающего ПП имеет вместимость , причем . В этом случае какие-либо дополнительные ограничения, связанные с возможной временной остановкой приема на него ГК из-за заполнения принимающего узла, не учитываются.
Рассмотрим подмножество {ТУ}, состоящее из технологических установок, каждая из которых создает в РП поток Pi(t), и подмножество резервуарных парков {РП}, состоящее из парков, каждый из которых направляет в исследуемый РП сопутствующие компонентные потоки Dj(t), j = 1,2,…,M. Тогда суммарная входящая скорость потока, поступающего в РП, будет равна:
Пусть РП функционирует в режиме «прямотока», когда поступающий ГК не отстаивается, а сразу же отгружается в конденсатопровод с одновременной паспортизацией [13] (рис. 3).
Введем систему ограничений, определяющую область допустимых значений в каждый момент времени (t = 1, 2,…,T). Первое из ограничений определяет область допустимых значений , определяемую производительностью установленного насосного оборудования:
Второе и третье ограничения определяют области допустимых значений в зависимости от скорости откачки в момент t-1:
Наконец, последнее из ограничений определяет значение скорости в момент t, если до этого момента по каким-либо причинам откачка не проводилась:
Уровень заполнения РП в каждый момент времени может быть рассчитан через уравнение материального баланса:
где – принятый интервал дискретизации времени (в часах).
Задача заключается в выборе такой скорости откачки , при которой не будут превышены установленные значения по минимальному и максимальному уровню заполнения РП и выполнены ограничения (1.2) – (1.5) на каждом шаге расчета.
Приведем пошаговый алгоритм расчета с учетом перечисленных выше условий и ограничений.
Шаг 1. По формуле (1.1) выполняется расчет при заданных скоростях входящего (Vin(0)) и исходящего (Vout(0)) потоков на начало моделирования.
Шаг 2. Определение активного состояния РП:
- если и , то РП находится в состоянии S2 – «поддержка»;
- если , то РП находится в состоянии S3 – «прием»;
- если , то РП находится в состоянии S4 – «отгрузка»,
в противном случае РП находится в состоянии «корректировка».
Шаг 3. Вычисление допустимого диапазона значений .
Шаг 3.1. Вычисление максимальной допустимой скорости откачки с учетом:
- допустимого увеличения скорости за шаг моделирования:
- максимальной производительности насосного оборудования:
- предотвращение выхода за допустимую зону заполнения (определяет максимальную скорость откачки, при которой с учетом заданной входящей скорости не происходит снижения уровня загрузки меньше :
Максимальная допустимая скорость откачки будет определяться по минимальному из значений (1.7) – (1.9):
Шаг 3.2. Вычисление минимальной допустимой скорости откачки с учетом:
- допустимого снижения скорости за шаг моделирования:
- минимальной производительности насосного оборудования:
- невыхода за допустимую зону заполнения:
Минимальная допустимая скорость откачки будет определяться по максимальному из условий (1.11) - (1.13):
Шаг 4. Вычисление целевой скорости откачки. В дальнейшем под целевой будем понимать скорость, которая позволила бы достигнуть S(t) = за один шаг моделирования при отсутствии каких-либо ограничений. Величина указывает алгоритму предпочтительное направление и величину изменения для достижения целевой загрузки РП:
Шаг 5. Учет возможного обнуления входящего потока. Одно из возможных дополнительных условий, заключается в учете возможного обнуления входящего потока (например, вследствие инцидента или аварии), что требует наличия достаточного объема заполнения в РП и не слишком высокой скорости откачки позволяющих произвести ее плавное (не более чем dV в единицу времени) снижение до т.е. пока
Для учета этого требования следует дополнительно ограничить значением некоторой табличной функции . Расчет выполняется заранее, исходя из условия о соблюдении предельного соотношения между и (рис. 3). Отметим, что данное правило часто не позволяет алгоритму РП перейти в состояние S2 – «поддержка» и требует дополнительных вычислений на каждом шаге, хотя это и ведет к большей устойчивости результатов.
Шаг 6. Вычисление
В состоянии S3 – «прием» РП эксплуатируется в режиме наполнения до тех пор, пока и . Если , то состояние РП изменяется на S1 – «корректировка», а при нарушении второго условия моделирование прекращается (авария). Следует отметить, что если в будущем не предполагается включение откачки, то целесообразно дополнительно останавливать моделирование за один-два шага до (так называемый предаварийный режим).
Для состояния S4 – «отгрузка» РП работает в режиме постепенного (не более чем на dV) снижения скорости до с последующей поддержкой на уровне = до момента и последующего прекращения отгрузки.
Приведенные шаги алгоритма рекуррентно выполняются во времени на рассматриваемом интервале анализа (Т).
На рис. 4 представлен условный пример выполненных на модели расчетов для , S(0) = 5 090 тонн и тонн. Результаты расчета свидетельствуют о том, что за период РП находится в состоянии S1 – «корректировка». В период постепенно увеличивается, что приводит к снижению , после чего и РП переходит в состояние S2 – «поддержка».
В заключение раздела следует отметить, что подобные регулярные перерасчеты хотя и позволяют достаточно точно спрогнозировать реальный процесс изменения скоростей откачки в РП, все же требуют значительного времени и вычислительных ресурсов, что с точки зрения практики вызывает потребность в создании более эффективных алгоритмов. Один из таких алгоритмов, базирующийся на моделях ИИ, будет представлен во второй части работы.
Рассмотрим случай, когда принимающий НГКС резервуарный парк имеет ограниченную вместимость того же порядка, что и исследуемый РП ( . В этом случае в предложенную выше модель следует внести ряд изменений, связанных с возможной временной остановкой приема НГКС из-за заполнения принимающего РП. Кроме того, принимается во внимание необходимость паспортизации НГКС, а также невозможность нахождения в состояниях «наполнения» и «отгрузки» более одного резервуара в РП(рис. 5).
Введем подмножества состояний процесса взаимодействия резервуарных парков (рис. 6) между ПП:
- источники {И}, включающие Q резервуаров, наполняемых, компаундируемых, паспортизируемых и отгружаемых последовательно (узел 1);
- потребители {П}, включающие U резервуаров, наполняемых, компаундируемых, паспортизируемых и отгружаемых последовательно (узел 3).
- нефтепровод (конденсатопровод), связывающий подмножества {И} и {П} (узел 2).
Пусть скорость откачки из принимающего НГКС узла известна. Отметим, что максимальные суммарные вместимости РП ( , а также периоды компаундирования продукции в узлах 1 и 3 (C1, C3) могут отличаться. Временем нахождения НГКС в перекачивающем нефтепроводе пренебрегаем.
Необходимо разработать такой алгоритм управления чтобы с учетом (1.2) – (1.5) обеспечивалась перекачка НГКС от {И} к {П}.
Шаг 1. Определение скоростей входящего и исходящего потоков НГКС на начало моделирования. По формуле (1.1) проводится расчет . Значение принимается равным скорости откачки, которая существовала на момент начала моделирования.
Шаг 2. Вычисление допустимого диапазона значений .
Шаг 2.1. Вычисление максимальной допустимой скорости откачки с учетом:
- допустимого увеличения скорости на шаг моделирования:
- максимальной производительности насосного оборудования:
Отметим, что в отличие от предыдущей модели здесь не учитывается возможное превышение предельного уровня заполнения узла 1, так как считается, что при наполнении одного из резервуаров РП сразу же начинает загружаться следующий. В случае наполнения всех резервуаров входящий поток обнуляется (временно направляется в другой РП).
Максимальная допустимая скорость откачки будет определяться по минимальному из вариантов (2.1) – (2.2):
Шаг 2.2. Вычисление минимальной допустимой скорости откачки с учетом:
- допустимого изменения скорости на шаге:
- максимальной производительности насосного оборудования:
Минимальная допустимая скорость откачки будет определяться по максимальному из вариантов (2.4) – (2.5):
Шаг 3. Вычисление целевой скорости исходящего потока Целевую скорость следует выбирать по минимальному значению из двух скоростей:
- максимальной скорости откачки узла 1, не приводящей к «разрыву» (т.е. резкому изменению) потока из-за отсутствия подготовленного к откачке резервуара;
- максимальной скорости приема узла 3, не приводящей к «разрыву» потока из-за отсутствия подготовленного к приему резервуара.
Шаг 3.1. Вычисление . Для каждого из резервуаров i=1..Q узла 1 выполняются следующие оценки:
- если резервуар i находится в состояниях S1 – «загрузка» или S5 – «ожидание загрузки», то оценивается длительность (в часах) до завершения его наполнения и паспортизации:
где
– длительность паспортизации;
– временной резерв (эмпирически полагается равным 1–3 часа);
– эмпирическая оценка средней скорости заполнения резервуара, принадлежащего подмножеству {И};
- если резервуар находится в состоянии S2 – «паспортизация», то оценивается оставшееся время в этом состоянии:
где
– время, прошедшее с начала паспортизации;
- если резервуар находится в состояниях S3 – «ожидание отгрузки» или S4 – «отгрузка», то в модели принимается
где
– некоторое очень большое число.
Для каждого из резервуаров подмножества {И} по формулам (2.7) – (2.9) оценивается ожидаемая длительность до начала отгрузки. Из всех резервуаров выбирается тот, время готовности к отгрузке которого минимально:
Разделив остаток загрузки резервуара k подмножества {И}, находящегося в момент t в состоянии S4 – «отгрузка» на время , через которое будет готов к отгрузке следующий резервуар, удается определить максимальную скорость откачки:
Шаг 3.2. Вычисление . Для каждого из резервуаров j=1..U узла 3 проводятся следующие оценки:
- если резервуар находится в состоянии S4 – «отгрузка», то определяется длительность, через которую отгрузка будет завершена:
- если резервуар находится в состоянии S2 – «паспортизация», то определяется длительность, через которую паспортизация завершится и резервуар будет полностью отгружен:
где
– время, прошедшее с момента начала паспортизации.
В результате для каждого из резервуаров подмножества {П} определяется ожидаемая длительность до начала приема НГКС. Из всех резервуаров подмножества {П} выбирается тот, время готовности к приему НГКС у которого минимально:
Разделив остаток загрузки резервуара l подмножества {П}, находящегося в состоянии S1 – «загрузка», на время через которое будет готов к приему следующий резервуар, можно определить максимальную скорость откачки НГКС:
Шаг 3.3. Вычисление целевой скорости исходящего потока:
Шаг 4. Расчет обновленного значения исходящего потока на шаге
Рассмотрим пример, иллюстрирующий применение алгоритма 2 расчета исходящей скорости . Пусть рассматривается схема, состоящая из Q=3 РВС-30000 источников с макс. вместимостью 17 440 тонн каждый и U=3 РВС-30000 потребителей вместимостью 17 350 тонн каждый. Время паспортизации в узле 1 составляет 1 день, а в узле 3 – 2 дня.
На момент начала расчетов резервуары подмножества {И} находятся в состояниях:
- 1-й резервуар: S2 – «паспортизация» (время до окончания 10 ч);
- 2-й резервуар: S1 – «загрузка» (с мин. остатком 2 240 тонн);
- 3-й резервуар: S4 – «отгрузка» (остаток 6 107 тонн).
Резервуары подмножества {П} находятся в состояниях:
- 1-й резервуар: S1 – «загрузка» (с мин. остатком 2 240 тонн);
- 2-й резервуар: S2 – «паспортизация» (время до окончания 27 ч);
- 3-й резервуар: S4 – «отгрузка» (остаток 11 050 тонн).
На рисунке 7 приведен график изменения суммарной загрузки резервуаров узла 1 ∑ S(t) и узла 3 ∑ Z(t), а также выходящего потока в зависимости от времени. Как следует из приведенных оценок, предложенный алгоритм также хорошо справляется с неравномерностью уровня загрузки и исходящей скорости откачки, приводя уровень загрузки РП к желаемому состоянию.
Сравнение полученных оценок с реальными результатами работы РП показывает высокую точность выполняемых оценок по предложенным алгоритмам, что позволяет использовать их в качестве инструментов поддержки принимаемых решений с помощью цифрового двойника в процессе планирования и эксплуатации ПП.
Заключение
В настоящей работе предложен новый подход к оценке и выработке решений по управлению РП при наличии различных ограничений на скорости откачки продукции. Полученные результаты хорошо согласуются с практикой работы ПП и позволяют исследовать различные режимы эксплуатации РП, а также использовать полученные результаты при обосновании управленческих решений в моделях ЦД производственных предприятий. Применение разработанных алгоритмов связано с затратами времени на подготовку и выполнение расчетов, которые можно существенно уменьшить и упростить путем применения моделей ИИ.
Литература
1. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1968. – С. 356.
2. Технологии производства природного газа и конденсата. М.: «Недра-Бизнесцентр», 2002. – С. 517.
3. Lyons W.C. Standard Handbook of Petroleum and Natural Gas Engineering. UK, Elsevier Inc., 2016. – pp. 1817.
4. Кисленко Н.А., Литвин Ю.В., Обухов О.Е. Цифровая трансформация процессом управления перерабатывающими производствами нефтегазовой отрасли на базе комбинированного моделирования // Газовая промышленность, № 4 (841)
5. Тихопой Ю.М., Степаненко Д.А. Цифровая трансформация в нефтегазовой отрасли // Стратегии бизнеса. 2021. № 2.
6. Воробьев А.Е. и др. Цифровизация нефтяной промышленности: базовые подходы и обоснование «интеллектуальных» технологий // Вестник Евразийской науки, 2018 № 2.
7. Быкова В.Н. и др. Применение цифрового двойника в нефтегазовой отрасли // Актуальные проблемы нефти и газа. 2020. Вып. 1 (28).
8. Семенов П.В. и др. Концептуальная модель реализации технологий цифровых двойников для предприятий нефтегазового комплекса.
9. Marr B. Big Data in Practice. UK, Wiley, 2016. – pp. 322.
10. HELAL M. A Hybrid system dynamics-discrete event simulation approach to simulation the manufacturing enterprise. Dissertation, 2008. – pp. 390
11. Маргулов Р.Д. и др. Системный анализ в перспективном планировании добычи газа. – М.: Недра, 1992. – 287 с.
12. Xu M.H., Li M, Yang C.C, Neural networks for a class of bi-level variational inequalities. Journal of Global Optimization, 44(4), 2009. – pp. 535–552.
13. ГОСТ 31385-2016. Резервуары вертикальные цилиндрические стальные для нефти и нефтепродуктов. Общие технические условия.
14. ГОСТ 17032-2010 Резервуары стальные горизонтальные для нефтепродуктов. Типы и основные размеры.
15. РМГ 116-2011. Резервуары магистральных нефтепроводов и нефтебаз. Техническое обслуживание и метрологическое обеспечение в условиях эксплуатации.
16. Приказ Ростехнадзора от 15.12.2020 № 529 «Об утверждении федеральных норм и правил в области промышленной безопасности «Правила промышленной безопасности складов нефти и нефтепродуктов».
17. РД 16.01-60.30.00-КТН-026-1-04 Нормы проектирования стальных вертикальных резервуаров для хранения нефти объемом 1000–5000 м3.
18. ГОСТ 2517-2012. Нефть и нефтепродукты. Методы отбора проб.
