Розробка математичних моделей та оптимізація режимів роботи станції підігріву нафти магістральних нафтопроводів в умовах нечіткості вихідної інформації

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2021.244949

Ключові слова:

математичні моделі, оптимізація, багатокритеріальний вибір, магістральні нафтопроводи, станція підігріву нафти, нечітка інформація, особа, яка приймає рішення, евристичний метод

Анотація

Актуальність дослідження обґрунтовується тим, що при управлінні процесами транспортування нафти магістральними трубопроводами виникає необхідність визначення і вибору оптимальних режимів роботи вузлів нафтопроводів з урахуванням нечіткості деякої частини вихідної інформації. У зв'язку з цим вирішення задачі багатокритеріального вибору ефективних режимів роботи станції підігріву нафти для системи трубопроводів гарячої нафти, яка часто описується в нечіткому середовищі, на основі апарату теорій нечітких множин, є актуальним науково-практичним завданням. Розроблено метод синтезу моделей в умовах нечітких вихідних параметрів об'єкта, за допомогою якого побудовані нечіткі моделі досліджуваної станції підігріву нафти магістрального нафтопроводу. На основі модифікації і поєднання різних принципів оптимальності отримані математичні постановки задачі багатокритеріального вибору ефективних режимів роботи станції підігріву нафти в нечіткому середовищі. Шляхом модифікації та адаптації принципів гарантованого результату і рівності в нечіткому середовищі розроблено евристичний метод вирішення сформульованої задачі вибору режимів роботи об'єкта з використанням вихідної нечіткої інформації. Запропонований евристичний метод багатокритеріального вибору в нечіткому середовищі заснований на використанні досвіду і знань особи, яка приймає рішення. Запропонований підхід реалізований при постановці і вирішенні задачі багатокритеріального вибору режимів роботи станції підігріву нафти Атирау магістрального нафтопроводу Узень-Атирау-Самара. В результаті застосування запропонованого методу досягнуто підвищення ступеня виконання нечіткого обмеження впливу на навколишнє середовище на 2 %, а також підвищені оптимальні значення експлуатаційних параметрів об'єкта:

температура знижена на 1,85 % (5,67 K), тиск – на 0,04 % (кПа), витрата палива – на 2,9 % (0,0002 кг/с). Отримані результати підтвердили ефективність запропонованого підходу до вирішення поставлених задач.

Спонсор дослідження

  • We are grateful to Zhasulan Tuleuov, Yerbol Tulegenov and Bakytzhan Bultekov, who provided very important information for this study. The research data was sponsored by the Science Committee of the Ministry of Education and Science of the Republic of Kazakhstan (Grant No.of the research fund AP08855680–Intelligent decision support system for managing the operating modes of a catalytic reforming unit).

Біографії авторів

Batyr Orazbayev, L. N. Gumilyov Eurasian National University

Doctor of Technical Sciences, Professor

Department of System Analysis and Control

Zhadra Moldasheva, L. N. Gumilyov Eurasian National University

Doctoral Student

Department of Information Systems

Kulman Orazbayeva, Kazakh University of Economics, Finance and International Trade

Doctor of Technical Sciences, Professor

Department of Management

Valentina Makhatova, Dosmukhamedov Atyrau University

PhD, Professor

Department of Software Engineering

Lyailya Kurmangaziyeva, Dosmukhamedov Atyrau University

PhD, Associate Professor

Department of Software Engineering

Aigul Gabdulova, Dosmukhamedov Atyrau University

Master, Senior Lecturer

Department of Software Engineering

Посилання

  1. Lur'e, M. V. (2012). Matematicheskoe modelirovanie processov truboprovodnogo transporta nefti, nefteproduktov i gaza. Moscow: RGU nefti i gaza im. I.M. Gubkina, 456. Available at: https://www.twirpx.com/file/2089034/
  2. Seleznev, V. E., Pryalov, S. N. (2018). Metody postroeniya modeley techeniy v magistral'nyh truboprovodah. Moscow: Editorial, 560. Available at: https://rutracker.org/forum/viewtopic.php?t=4337958
  3. Vaynshtok, S. M. (2015). Truboprovodniy transport nefti. Moscow: OOO «Nedra-Biznescentr», 407.
  4. Gucykova, S. (2011). Metod ekspertnyh ocenok. Teoriya i praktika. Moscow: Kogito-Centr, 144. Available at: https://www.labirint.ru/books/295292/
  5. Brovkin, L. A., Korotin, A. N., Krylov, L. V. et. al. (2017). Matematicheskoe modelirovanie i proektirovanie promyshlennyh pechey. Ivanova: IGU, 358.
  6. Arutyanov, V. A., Buhmirov, V. V., Krupenikov, S. A. (2012). Matematicheskoe modelirovanie teplovoy raboty promyshlennyh pechey. Moscow: Metallurgiya, 245. Available at: https://www.twirpx.com/file/645128/
  7. Adel'son, S. V., Bavshin, C. A. (2015). Trubchatye pechi s izluchayuschimi stenkami topki. Moscow: GOSINTI, 196.
  8. Ziganshin, G. K. (2010). Tehnologicheskiy raschet trubchatoy pechi na EVM. Ufa: Izd. UGNTU, 100.
  9. Tausheva, E. V., Taushev, V. V., Telyashev, E. G. (2012). Pat. No. 2483096 RU. Trubchataya pech'. declareted: 07.02.2012; published: 27.05.2013.
  10. Rodin, A. A. (2017). Optimizaciya transporta vysokovyazkih neftey s podogrevom i primeneniem uglevodorodnyh razbaviteley. Moscow, 28.
  11. Arslanov, A. A. (2017). Matematicheskie modeli trubchatyh pechey. Moscow, 147.
  12. Zamani Sabzi, H., King, J. P., Abudu, S. (2017). Developing an intelligent expert system for streamflow prediction, integrated in a dynamic decision support system for managing multiple reservoirs: A case study. Expert Systems with Applications, 83, 145–163. doi: https://doi.org/10.1016/j.eswa.2017.04.039
  13. Dubois, D. (2011). The role of fuzzy sets in decision sciences: Old techniques and new directions. Fuzzy Sets and Systems, 184 (1), 3–28. doi: https://doi.org/10.1016/j.fss.2011.06.003
  14. Suleymenov, B. A., ZHunisbekov, M. Sh., Sugurova, L. A., Suleymenov, A. B. (2014). Intellektual'nye i gibridnye sistemy upravleniya tehnologicheskimi processami: teoriya, metody i prilozheniya. Vestnik nauki Kostanayskogo social'no-tehnicheskogo universiteta imeni akademika Zulharnay Aldamzhar. Available at: https://articlekz.com/article/28692
  15. Ryzhov, A. P. (2017). Teoriya nechetkih mnozhestv i ee prilozheniy. Moscow: Izd-vo MGU, 115.
  16. Pavlov, S. Y., Kulov, N. N., Kerimov, R. M. (2014). Improvement of chemical engineering processes using systems analysis. Theoretical Foundations of Chemical Engineering, 48 (2), 117–126. doi: https://doi.org/10.1134/s0040579514020109
  17. Reverberi, A. P., Kuznetsov, N. T., Meshalkin, V. P., Salerno, M., Fabiano, B. (2016). Systematical analysis of chemical methods in metal nanoparticles synthesis. Theoretical Foundations of Chemical Engineering, 50 (1), 59–66. doi: https://doi.org/10.1134/s0040579516010127
  18. Kenzhebaeva, T. S., Orazbayev, B. B., Abitova, G. A., Orazbayeva, K. N., Spichak, Y. V. (2017). Study and design of mathematical models for chemical-technological systems under conditions of uncertainty based on the system analysis. Proceedings of the 2017 International Conference on Industrial Engineering and Operations Management (IEOM), 776–790. Available at: http://www.ieomsociety.org/ieomuk/papers/183.pdf
  19. Gmurman, V. E. (2016). Teoriya veroyatnostey i matematicheskaya statistika. Moscow: Vysshee obrazovanie, 479. Available at: https://urait.ru/book/teoriya-veroyatnostey-i-matematicheskaya-statistika-370815
  20. Zhao, Z.-W., Wang, D.-H. (2012). Statistical inference for generalized random coefficient autoregressive model. Mathematical and Computer Modelling, 56 (7-8), 152–166. doi: https://doi.org/10.1016/j.mcm.2011.12.002
  21. Karmanov, F. I., Ostreykovskiy, V. A. (2019). Statisticheskie metody obrabotki eksperimental'nyh dannyh s ispol'zovaniem paketa MathCad. Moscow: Infra-M, 208. Available at: https://znanium.com/catalog/document?id=355561
  22. Orazbayev, B., Ospanov, E., Kissikova, N., Mukataev, N., Orazbayeva, K. (2017). Decision-making in the fuzzy environment on the basis of various compromise schemes. Procedia Computer Science, 120, 945–952. doi: https://doi.org/10.1016/j.procs.2017.11.330
  23. Biegler, L. T., Lang, Y., Lin, W. (2014). Multi-scale optimization for process systems engineering. Computers & Chemical Engineering, 60, 17–30. doi: https://doi.org/10.1016/j.compchemeng.2013.07.009
  24. Chen, Y., He, L., Li, J., Zhang, S. (2018). Multi-criteria design of shale-gas-water supply chains and production systems towards optimal life cycle economics and greenhouse gas emissions under uncertainty. Computers & Chemical Engineering, 109, 216–235. doi: https://doi.org/10.1016/j.compchemeng.2017.11.014
  25. Yudin, D. B. (1989). Vychislitel'nye metody teorii prinyatiya resheniy. Moscow: Nauka, 320. Available at: https://www.twirpx.com/file/102264/
  26. Orazbayev, B. B., Shangitova, Z. Y., Orazbayeva, K. N., Serimbetov, B. A., Shagayeva, A. B. (2020). Studying the Dependence of the Performance Efficiency of a Claus Reactor on Technological Factors with the Quality Evaluation of Sulfur on the Basis of Fuzzy Information. Theoretical Foundations of Chemical Engineering, 54 (6), 1235–1241. doi: https://doi.org/10.1134/s0040579520060093
  27. Valeev, S. G. (1991). Regression modelling in observations treatment. Мoscow: Nauka, 272. Available at: https://www.elibrary.ru/item.asp?id=25354868
  28. Fuzzy Logic Toolbox. Available at: https://www.mathworks.com/help/fuzzy/
  29. Orazbayev, B., Ospanov, Y., Orazbayeva, K., Makhatova, V., Kurmangaziyeva, L., Utenova, B. et. al.; Orazbayev, B., Ospanov, Y. (Eds.) (2021). System concept for modelling of technological systems and decision making in their management. Kharkiv: РС ТЕСHNOLOGY СЕNTЕR, 180. doi: https://doi.org/10.15587/978-617-7319-34-3
  30. Orazbayev, B. B., Orazbayeva, K. N., Utenova, B. E., Shagayeva, A. B., Kassimova, B. R. (2020). Multi-criteria selection of operating modes of main pipeline units during oil transportation with fuzzy information. Bulletin of the Tomsk Polytechnic University, 331 (12), 105–116. doi: https://doi.org/10.18799/24131830/2020/12/2944
  31. Orazbayev, B., Assanova, B., Bakiyev, M., Krawczyk, J., Orazbayeva, K. (2020). Methods of model synthesis and multi-criteria optimization of chemical-engineering systems in the fuzzy environment. Journal of Theoretical and Applied Information Technology, 98 (6), 1021–1036. Available at: https://www.scopus.com/record/display.uri?eid=2-s2.0-85083790104&origin=resultslist
  32. Orazbayev, B. B., Ospanov, E. A., Orazbayeva, K. N., Kurmangazieva, L. T. (2018). A Hybrid Method for the Development of Mathematical Models of a Chemical Engineering System in Ambiguous Conditions. Mathematical Models and Computer Simulations, 10 (6), 748–758. doi: https://doi.org/10.1134/s2070048219010125
  33. Bogdanov, R. M. (2014). Program complex for modelling of operation of the main pipelines. Oil and Gas Business, 1, 166–177. doi: https://doi.org/10.17122/ogbus-2014-1-166-177
  34. Bogdanov, R. M., Lukin, S. V. (2010). Pat. No. 2011611173 RU. Opredelenie ryada optimal'nyh rezhimov raboty magistral'nyh truboprovodov pri vybrannyh kriteriyah optimal'nosti (ORORMT)». Zaregistr. v Reestre programm dlya EVM po zayavke No. 2010617845 ot 4.02.2011 g.
  35. Gol'yanov, A. I., Gol'yanov, A. A., Kutukov, S. E. (2017). Obzor metodov ocenki energoeffektivnosti magistral'nyh nefteprovodov. Problemy sbora, podgotovki i transporta nefti i nefteproduktov, 4 (110), 156–170.
  36. Gol'yanov, A. I., Gol'yanov, A. A. (2016). Faktory, vliyayuschie na energoeffektivnost' raboty nefteprovodov. Truboprovodnyy transport – 2016: Materialy XI Mezhdunarodnoy uchebno-nauchno-prakticheskoy konferencii. Ufa: Izd-vo UGNTU, 47–49.
  37. Grossmann, I. E. (2014). Challenges in the application of mathematical programming in the enterprise-wide optimization of process industries. Theoretical Foundations of Chemical Engineering, 48 (5), 555–573. doi: https://doi.org/10.1134/s0040579514050182
  38. Novak, N., Louli, V., Skouras, S., Voutsas, E. (2018). Prediction of dew points and liquid dropouts of gas condensate mixtures. Fluid Phase Equilibria, 457, 62–73. doi: https://doi.org/10.1016/j.fluid.2017.10.024
  39. Afanas'ev, I. A., Gaysin, E. Sh., Frolov, Yu. A. (2018). Modelirovanie migracii nefti (nefteproduktov) pri avariynyh razlivah na magistral'nyh truboprovodah. Truboprovodniy transport – 2018: tezisy dokladov XIII Mezhdunarodnoy uchebno-nauchno-prakticheskoy konferencii. Ufa, 11–13. Available at: https://rusoil.net/files/2018-05/Sbornik-tez-Truboprov-transport-2018.pdf
  40. Baronets, V. D., Grechikhin, M. A. (1992). A model for representing the membership function in expert systems. Automation and Remote Control, 53 (6), 921–925.
  41. Valiakhmetov, R. I., Yamaliev, V. U., Shubin, S. S., Alferov, A. V. (2018). Application of heuristic algorithms in analyzing data to solve the problem of detection of electric centrifugal pumping units. Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering, 329 (2), 159–167. Available at: http://earchive.tpu.ru/bitstream/11683/46406/1/bulletin_tpu-2018-v329-i2-15.pdf
  42. Tussupov, J., La, L., Mukhanova, A. (2014). A model of fuzzy synthetic evaluation method realized by a neural network. International Journal of Mathematical Models and Methods in Applied Sciences, 8, 103–106. Available at: https://www.researchgate.net/publication/295492008_A_model_of_fuzzy_synthetic_evaluation_method_realized_by_a_neural_network
  43. Pershin, Yu. (1994). Pareto-optimal and lexicographic solutions of mixed-integer problems that are linear with respect to continuous variables. Automation and Remote Control, 55 (2), 263–270.
  44. Simulation Method Aids Pigging Operation in Subsea Waxy Crude Oil Pipelines – A Case Study. Available at: https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cn=NART77213912
  45. Gruzin, A. V., Tokarev, V. V., Shalai, V. V., Logunova, Y. V. (2015). The Artificial Additives Effect to Soil Deformation Characteristics of Oil and Oil Products Storage Tanks Foundation. Procedia Engineering, 113, 158–168. doi: https://doi.org/10.1016/j.proeng.2015.07.311
  46. Leonenkov, A. (2005). Nechetkoe modelirovanie v srede MATLAB i fuzzyTECH. Sankt-Peterburg: BHV, 736.
  47. Buhvalova, V. V. (2017). Paket prikladnyh programm FinPlus dlya resheniya zadach matematicheskogo programmirovaniya. Sankt-Peterburg: BHV, 327.
  48. Tazabekov, M. N., Muhambetkaliev, K. I. (2015). Modelirovanie, optimal'noe planirovanie i upravlenie magistral'nymi nefteprovodami. Almaty: Evero, 118.

##submission.downloads##

Опубліковано

2021-12-29

Як цитувати

Orazbayev, B., Moldasheva, Z., Orazbayeva, K., Makhatova, V., Kurmangaziyeva, L., & Gabdulova, A. (2021). Розробка математичних моделей та оптимізація режимів роботи станції підігріву нафти магістральних нафтопроводів в умовах нечіткості вихідної інформації. Eastern-European Journal of Enterprise Technologies, 6(2 (114), 147–162. https://doi.org/10.15587/1729-4061.2021.244949

Номер

Том 6 № 2 (114) (2021): Інформаційні технології. Системи управління в промисловості

Розділ

Системи управління в промисловості

Ліцензія

Авторське право (c) 2021 Batyr Orazbayev, Zhadra Moldasheva, Kulman Orazbayeva, Valentina Makhatova, Lyailya Kurmangaziyeva, Aigul Gabdulova

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.