Open AccessApplication of Methods of Fuzzy Logic and Neural Networks for Automation of Technological Processes in Oil and Gas Engineering and Increasing the Efficiency of Oil Production
Author(s) -
Artur Sagdatullin
Publication year - 2021
Publication title -
intellektualʹnye sistemy v proizvodstve
Language(s) - Russian
Resource type - Journals
eISSN - 2410-9304
pISSN - 1813-7911
DOI - 10.22213/2410-9304-2021-2-83-89
Subject(s) - fuzzy logic , automation , artificial neural network , production (economics) , oil production , manufacturing engineering , process engineering , computer science , petroleum engineering , biochemical engineering , engineering , artificial intelligence , mechanical engineering , economics , macroeconomics
В данной работе рассматривается вопрос повышения эффективности функционирования насосных систем, как наиболее энергоемкой части нефтегазового месторождения. Обоснована актуальность темы исследования для нефтегазового машиностроения, сформулирована основная цель исследования, заключающаяся в цифровизации рассматриваемых процессов и создании отечественных систем автоматического управления с применением алгоритмов нечеткой логики и нейронных сетей. Рассмотрены методы построения современных систем управления, проанализированы их достоинства и недостатки. Рассмотрены особенности различных подходов к построению систем автоматического управления технологическими объектами при добыче и транспортировке нефти. Наиболее распространенными являются метод прямого цифрового управления или метод с применением обратных связей. Представлено классическое описание объектов автоматизации и телемеханизации на основе параметров систем. Приведены основные характеристики рассматриваемых технологических процессов, таких как добыча, подготовка и транспортировка нефти, не позволяющие добиться максимальной эффективности в существующем подходе. Выявлены наиболее важные факторы для эффективных систем автоматического управления данными объектами. Полученные экспериментальные данные показали, что параметры технологического процесса варьируются в значительных пределах от номинальных значений, что приводит к невысокому качеству работы регуляторов. Точность моделей идентификации системы на основе линейных авторегресинных методов составляет не более 30 %. Сделан вывод о необходимости применения для управления нелинейными объектами с присущими неопределенностями на основе нейронечетких и нечетких регуляторов с дискретными термами.