Обеспечение качества системы управления погружного электроцентробежного насоса на основе синтеза нечеткого регулятора

В области добычи нефти и газа, в последние годы, постоянно упоминается термин «умное/интеллектуальное/цифровое месторождение». С помощью технологий интеллектуализации нефтяных и газовых месторождений становиться возможным эксплуатация старых месторождений. При стабильном повышении эффективности, также появилась возможность значительно сократить издержки на освоение и эксплуатацию месторождений. Это необходимые условия повышения конкурентоспособности нефтяных и газовых компаний на заданном этапе развития.

Большое количество крупных международных нефтегазовых компаний, в настоящие время, имеют специальные подразделения, которые занимаются разработкой принципов интеллектуального месторождения: «Умные месторождения» (“Smart Fields”) в компании Shell, «Месторождение будущего» (“Field of the Future”) в компании ВР и “iFields” в компании Chevron и др. Аналогичные подразделения имеют также Крупные нефтяные компании на Ближнем Востоке имеют аналогичные, выше упомянутым, подразделения, в частности Saudi Aramco, Petrobras, Kuwait Oil Company и др. Нефтегазовый комплекс в России имеет стратегическое значение, в связи с этим предполагается увеличить инвестиционные капиталовложения для внедрения интеллектуальных технологий в данной области.

Под интеллектуальным нефтегазовым месторождением подразумевается система автоматического управления операциями по добыче нефти и газа. Цифровое нефтяное месторождение является аналогом термина интеллектуального месторождения, умное месторождение, инструментированное месторождение, месторождение будущего, интегрированное управление операциями на месторождении и др. Интеллектуальная скважина – это частное понятие данного термина. Понятие «интеллектуальное месторождение» основывается на понятии интеллектуального управления. Данное понятие трактуются как способы управления, которые используют различные подходы искусственного интеллекта, в частности эволюционные вычисления, искусственные нейронные сети, машинное обучение, генетические алгоритмы и т. д.

В текущее время, число обводненных газовых скважин на газоконденсатных месторождениях, находящихся на поздней стадии разработки, непрерывно возрастает. В итоге обводнения скважин часть пластовой энергии используется на подъем жидкости, что приводит к понижению дебита по газу. По данной причине до 25% скважин выведены из промышленной эксплуатации [4]. В связи с этим, важной задачей становится разработка технических решений по возобновлению промышленной эксплуатации обводненных газовых скважин.

Технология удаления пластовой жидкости с помощью насосной откачки пластовой жидкости на основе погруженного управляющего электроцентробежного насоса УЭЦН считается наиболее лучшим способом понижения отрицательного воздействия обводнения газовых скважин [5].

Для решения задачи действенной эксплуатации УЭЦН потребуется ее стабилизация, которая традиционно выполняется по такому параметру как дебит.

Обзор работ и выполненных исследований по данной предметной области [2; 3; 6; 7; 11; 12] выявил, что рассматриваемые в них проблемы теории и практики эксплуатации УЭЦН не в полном объеме затрагивают вопросы автоматизации безаварийного технологического режима работы системы управления УЭЦН и обеспечения требуемой динамики ПЭД на базе моделей и методов искусственного интеллекта.

В связи с этим, обеспечение качества системы управления УЭЦН на базе новейших технологий считается актуальной задачей для газодобывающей отрасли.

При рассмотрении технологического процесса добычи жидкости его разбивают на два этапа [10]. Первый этап заключается в выводе скважины на заданный установившийся техно-логический режим добычи, второй этап - это долгая эксплуатация скважины.

Авторами предложен алгоритм и программно реализована нейросетевая экспертная система (ЭС) контроля параметров скважины и УЭЦН в режиме реального времени на основе прецедентов [9]. База правил ЭС обеспечивает эксплуатацию скважины и безаварийный технологический процесс откачки. На рисунке 1, представлен разработанный эмулятор работы УЭЦН.

Рисунок 1. Главное окно программы

Более серьезный и непростой этап добычи представляет собой этап достижения установившегося режима. Продолжительность данного этапа составляет от 1–2 часов до нескольких суток [10]. Это зависит от оптимальности сочетания характеристик пласта и насосного агрегата. Вывод скважины на режим, в большинстве случаев, происходит «вручную» оператором при поддержки, как правило, релейного управления двигателем погружного насоса. Ни релейное, ни постоянное управление насосным агрегатом, как показывает практика, не гарантирует успешного завершения технологического процесса вывода скважин на режим с одной попытки.

Одно из направлений решения представленной задачи состоит в синтезе и оснащении систем управления погружных электроцентробежных насосов пропорционально-интегрально-дифференциальными регуляторами (ПИД-регуляторами).

Существующие на данный момент методы синтеза ПИД-регуляторов можно разделить на следующие группы.

1)  Интуитивная настройка. В данном способе настройки изменяются параметры ПИД-регулятора независимо друг от друга, это происходит как-бы по «интуиции» до тех пор, пока цель управления не будет достигнута.

2)  Характеристические методы. Данные методы, появившиеся на основе практического опыта, подразумевают настройку регулятора по данным, которые были получены в результате испытания в разомкнутом контуре.

3)  Аналитические методы. Настройки для ПИД-регулятора вычисляются из зависимостей: аналитических или алгебраических, между моделью объекта и целью управления. Практика показывает, что аналитические методы, дающие простые формулы, могут быть использованы в адаптивных системах, но требуется цель управления в аналитической форме и достаточно точная модель объекта управления.

4)  Частотные методы. Частотные характеристики объекта управления, которые используются для настройки ПИД-регулятора, ресурсоемкие и направлены синтез робастных ПИД-регуляторов.

5)  Оптимальный синтез. Данные методы рассматриваются как особый вид оптимального управления, где коэффициенты ПИД-регулятора получают с помощью численных методов оптимизации, компьютерных эвристики или эволюционных алгоритмов.

Решение непростых задач по управлению технологическими объектами нефтегазодобывающего предприятия, где достаточно точное знание об объекте управления отсутствует, использование традиционных методов управления неэффективно или даже неприемлемо, что обуславливает необходимость выполняемых автором исследований выбранной предметной области.

По окончанию сравнения и анализа уже существующих методов управления можно сделать вывод, о том, что применяемые в СУ УЭЦН классические ПИД-регуляторы имеют отрицательные показатели качества при управлении нелинейными и сложными системами, к тому же недостаточной информацией об объекте управления. Но с помощью методов нечёткой (фаззи) логики, нейронных сетей и генетических алгоритмов можно улучшить характеристики регуляторов в таких случаях. Приведенные методы подразумевают возможность работать с неполными и неточными данными. В одном контроллере могут применяться комбинации перечисленных методов (фаззи-ПИД, нейро-ПИД, нейро-фаззи-ПИД – регуляторы с генетическими алгоритмами).

Целью проводимых исследований является разработка структуры и программная реализация нечеткого ПИД-регулятора с блоком автонастройки (рисунок 2), обеспечивающим настройку параметров регулятора, анализ эффективности предложенных решений на основе имитационного моделирования системы управления с различными моделями ПИД-регуляторов.

Рисунок 2. Структура нечеткого логического регулятора

Достижение целей исследований решением задач анализа и синтеза интеллектуальных регуляторов, с последующим развитием разработанной нейросетевой экспертной системы, обеспечит в целом качество системы управления погружным электроцентробежным насосом, возобновление промышленной добычи продукции и автоматизацию технологического процесса по эксплуатации обводненных газовых скважин.