ПРИМЕНЕНИЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРЫ НА ВЫХОДЕ ИЗ АППАРАТА ВОЗДУШНОГО ОХЛАЖДЕНИЯ ГАЗА ДЛЯ КОМПРЕССОРНОЙ СТАНЦИИ МАГИСТРАЛЬНОГО ГАЗОПРОВОДА

Бабанова И.С.

ORCID: 0000-0002-5925-8749, Аспирант, Национальный минерально-сырьевой университет «Горный»

ПРИМЕНЕНИЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРЫ НА ВЫХОДЕ ИЗ АППАРАТА ВОЗДУШНОГО ОХЛАЖДЕНИЯ ГАЗА ДЛЯ КОМПРЕССОРНОЙ СТАНЦИИ МАГИСТРАЛЬНОГО ГАЗОПРОВОДА

Аннотация

В статье описаны факторы, влияющие на оптимизацию процесса охлаждения газа, модель прогнозирования температуры на выходе из аппарата воздушного охлаждения газа с применением  аппарата искусственной нейронной сети, показана средняя относительная ошибка прогнозирования нейронной сети типа многослойный персептрон (MLP) с гиперболической функцией активации и алгоритмом обратного распространения ошибки.

Ключевые слова: аппарат воздушного охлаждения газа, стабилизация температуры, прогнозирование

Babanova I.S.

ORCID: 0000-0002-5925-8749, Postgraduate student, National Mineral Resources University

APPLICATION OF ARTIFICIAL NEURAL NETWORK  FOR FORECASTING THE TEMPERATURE  AT THE OUTLET OF THE DEVICE OF AIR COOLING OF GAS FOR COMPRESSOR STATIONS OF MAIN GAS PIPELINE

Abstract

The article describes the factors affecting the optimization of the process gas cooling, forecasting model of temperature at the outlet of the device of air cooling of gas using the apparatus of artificial neural networks, shows the average relative prediction error of the neural network the type multilayer perceptron (MLP) with hyperbolic activation function and back propagation of error algorithm.

Keywords: the device of air cooling of gas, temperature stabilization, forecasting

В настоящее время  для компрессорных станций магистрального газопровода (КС МГ) определение температуры на выходе из аппарата воздушного охлаждения (АВО) газа является актуальным вопросом. На практике перед диспетчерским управлением стоит задача повышения энергоэффективности работы газотранспортной системы, что в свою очередь достигается за счет правильного регулирования работы АВО газа. В работах по прогнозированию для КС [1], [2] недостатками являются: отсутствие разработки системы стабилизации температуры газа на основе применения аппарата искусственной нейронной сети (ИНС), а также моделей по прогнозированию этой температуры на выходе из АВО газа; существующая система прогнозирования управления энергопотребления представлена нечеткой логикой, где отсутствует оценка  воздействия внешних переменных, отвечающих за прогноз. Преимуществом применения искусственных нейронных сетей является возможность использования большого числа входных и выходных параметров (в том числе и лингвистических);  возможность к переобучению, тем самым снижением средней относительной ошибки прогноза. Таким образом, проблема разработки и исследования нейросетевой модели прогнозирования температуры природного газа является актуальной и требует решения.

Цель исследования – усовершенствование системы прогнозирования температуры газа на выходе из АВО на основе применения аппарата искусственной нейронной сети.

Задачи исследования: определить основные факторы, влияющие на оптимизацию охлаждения газа на КС; выявить факторы, влияющие на прогнозирование температуры на выходе из АВО газа; разработать ИНС для прогнозирования температуры на выходе из АВО газа.

В ходе исследования использовались методы математического моделирования и прогнозирования временных рядов математический пакет STATISTICA (температуры на выходе из АВО газа для краткосрочного прогнозирования); статистический и регрессионный анализ (выявление переменных, влияющих на температуру газа на выходе из АВО), методы искусственных нейронных сетей (архитектура, тип, функция активации, обучающий алгоритм); построение модели стабилизации температуры (Matlab, Simulink); методы экспертного анализа.

Оптимизация охлаждения газа на КС заключается во включении вентиляторов АВО в количестве, обеспечивающем минимальные затраты на транспортировку газа. Затраты на транспортировку газа складываются из двух составляющих: затраты электроэнергии на привод вентиляторов АВО; затраты топливного газа ГТУ для привода нагнетателей природного газа.

Стоимость электроэнергии С_эл, руб./час, необходимой для работы вентиляторов АВО, определяется суммарной мощностью работающих вентиляторов и стоимостью электроэнергии:

,                                                                       (1)

где N_эл – суммарная мощность включенных вентиляторов, кВт; Ц_эл  – цена 1 кВтч электроэнергии.

Стоимость газа, израсходованного ГТУ:

                                                                                      (2)

где Ц_газ – цена газа, руб./тыс.; G_топ – расход топливного газа, нм³/час.

Затраты на транспортировку газа определяются следующими факторами: объемная производительность газопровода; давление за ЦБН; температура грунта; температура окружающего воздуха. Была определена зависимость стоимости транспортировки газа от приведенных выше факторов. Примеры этой зависимости изображены на рисунках 1 и 2.  Для всех КС с различным количеством АВО прослеживается общая тенденция: чем выше заданный расход газа q, тем больше оптимальное число включаемых вентиляторов АВО, поскольку большим расходам соответствуют большие скорости течения газа и большие потери давления в магистральной трубе и, следовательно, большие степени повышения давления в нагнетателе газа, а, значит, и более высокие температуры газа перед АВО. Это обстоятельство и позволяет эффективно использовать систему охлаждения газа.

Рис. 1 - Суммарные затраты на прокачку 1000 м³ газа в зависимости от числа включенных вентиляторов АВО для участка  КС газотранспортного предприятия при T_гр = 2°С, q = 90 млн. м³/сутки и p_2н = 80 кг/см²

Рис. 2 - Суммарные затраты на прокачку 1000 м³ газа в зависимости от числа включенных вентиляторов АВО на КС газотранспортного предприятия при T_гр = 2°С, q = 100 млн. м³/сутки и p_2н = 80 кг/см²

В ходе исследования на основании структурных схем системы стабилизации температуры газа и схемы прогнозирования температуры с применением искусственной нейронной сети, были построены функциональные схемы. Температура охлаждающего воздуха, температура на входе АВО, массовый расход газа являются возмущающими воздействия в системе стабилизации температуры газа.

 Была  исследована  модель для прогнозирования температуры на выходе из АВО газа за счет введения блока прогнозирования температуры на основе работы ИНС с применением алгоритма обратного распространения ошибки. Функциональная схема этой модели показана на рисунке 3. Для прогнозирования температурой на выходе из АВО газа использовался алгоритм на основе работы ИНС, показанной в работе [3], [4] и исследование вопроса прогнозирования энергопотребления для КС на предприятиях  газовой промышленности на основе аппарата искусственных нейронных сетей  [5].

Рис. 3 – Функциональная схема стабилизации температуры АВО газа

Алгоритм обратного распространения ошибки представляет процесс подбора весов ИНС с применением градиентных методов оптимизации. При обучении ставится задача минимизации целевой функции, формируемой, в виде квадратичной суммы разностей между фактическими и ожидаемыми значениями выходных сигналов, которая для  обучающих выборок определяется по формуле:

,                                                      (3)

Прогноз на выходе системы сравнивается с фактическим значением температуры и, когда средняя относительная ошибка прогноза  будет превышать заданный допустимый уровень (например, больше 2 %), система переобучается заново на новых данных.

В ходе исследования были получены модели прогнозирования ИНС для температуры на выходе из АВО с функцией активации гиперболический тангенс, архитектуры многослойный персептрон (MLP), средняя относительная ошибка  отклонения прогноза составила 1,5 %  (для краткосрочного прогнозирования – на месяц вперед). При этом средняя относительная ошибка отклонения прогноза была уменьшена за счет переобучения ИНС на входных данных (изменение  функции активации и количества слоев, а также весовых коэффициентов, внесение дополнительных факторов, влияющих на температуру на выходе из АВО газа).

Разработка прогнозирования процессом охлаждения газа на основе  использования ИНС позволит прогнозировать важный  параметр как температуру на выходе из АВО газа, позволяющей диспетчерам оптимизировать затраты на охлаждение компримированного газа, а также предвидеть превышение температуры выше допустимой нормы и исключить аварийную остановку компрессорной станции, тем самым снизить затраты на работу газотранспортной системы.

Литература

1. Аршакян И.И. Выбор схемы управления электродвигателями вентиляторов в системе стабилизации температуры компримированного газа / И.И. Аршакян, А.А.Тримбач, И.И.Артюхов, В.В.Курдя//Проблемы электроэнергетики: Сб. науч.тр. – Саратов: Сарат.гос.техн.ун-т, 2007. – С. 49 – 61.
2. Артюхов И.И. Динамика системы стабилизации температуры с частотно-регулируемым электроприводом вентиляторов аппаратов воздушного охлаждения/И.И.Артюхов, И.И.Аршакян, Р.Ш.Тарисов/ Проблемы электроэнергетики: сб. науч. тр. – Саратов: СГТУ, 2010. – С. 145-150
3. Бабанова И.С. Применение искусственных нейронных сетей в задачах прогнозирования энергопотребления для предприятий минерально-сырьевого комплекса. Фундаментальные и прикладные исследования в современном мире. Материалы IX Международной научно-практической конференции. Том 1/ Стратегия будущего – г. Санкт-Петербург, 2015, с.128-134
4. Абрамович Б.Н., Бабанова И.С. Применение искусственных нейронных  технологий в процессе преподавания дисциплин электротехнического цикла. Сборник научных трудов II Международной научно-методической конференции 09-10 апреля 2015 г. / «Национальный минерально-сырьевой университет «Горный». – г. Санкт-Петербург, 2015,- с. 229-234
5. Abramovich B.N., Babanova I.S. Improvement of monitoring system commercial electricity accounting for compressor plants оn the enterprises for gas industry. Scientific reports on resource issues 2015, TU Bergakademie Freiberg, Value 1, p. 383-386

References

1. Arshakjan I.I. Vybor shemy upravlenija jelektrodvigateljami ventiljatorov v sisteme stabilizacii temperatury komprimirovannogo gaza / I.I. Arshakjan, A.A.Trimbach, I.I.Artjuhov, V.V.Kurdja//Problemy jelektrojenergetiki: Sb. nauch.tr. – Saratov: Sarat.gos.tehn.un-t, 2007. – S. 49 – 61.
2. Artjuhov I.I. Dinamika sistemy stabilizacii temperatury s chastotno-reguliruemym jelektroprivodom ventiljatorov apparatov vozdushnogo ohlazhdenija/I.I.Artjuhov, I.I.Arshakjan, R.Sh.Tarisov/Problemy jelektrojenergetiki: sb. nauch. tr. – Saratov: SGTU, 2010. – S. 145-150
3. Babanova I.S. Primenenie iskusstvennyh nejronnyh setej v zadachah prognozirovanija jenergopotreblenija dlja predprijatij mineral'no-syr'evogo kompleksa. Fundamental'nye i prikladnye issledovanija v sovremennom mire. Materialy IX Mezhdunarodnoj nauchno-prakticheskoj konferencii. Tom 1/ Strategija budushhego – g. Sankt-Peterburg, 2015, s.128-134
4. Abramovich B.N., Babanova I.S. Primenenie iskusstvennyh nejronnyh  tehnologij v processe prepodavanija disciplin jelektrotehnicheskogo cikla. Sbornik nauchnyh trudov II Mezhdunarodnoj nauchno-metodicheskoj konferencii 09-10 aprelja 2015 g. / «Nacional'nyj mineral'no-syr'evoj universitet «Gornyj». – g. Sankt-Peterburg, 2015,- s. 229-234
5. Abramovich B.N., Babanova I.S. Improvement of monitoring system commercial electricity accounting for compressor plants on the enterprises for gas industry. Scientific reports on resource issues 2015, TU Bergakademie Freiberg, Value 1, p. 383-386