Актуальные проблемы

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Уфимский государственный нефтяной технический университет»

На основании существующих схем и алгоритмов допустимости дефектов, включая зарубежные нормативы, была разработана усовершенствованная схема обоснования норм допустимости дефектов и алгоритм расчета опасности локальных дефектов стенок аппаратов давления при определенных типах нагрузки [1].

Литература

1.Коновалов Н. Н. Нормирование дефектов и достоверность неразрушающего контроля сварных соединений / Н. Н. Коновалов. – М.:ФГУП «НТЦ «Промышленная безопас-

ность». – 2006. – 111 с.;

2.Махутов Н.А. Конструкционная прочность, ресурс и техногенная безопасность: В 2ч. – Новосибирск: Наука, 2005. – Ч. 1: Критерии прочности и ресурса. – 493 с.;

3.Махутов Н.А. Конструкционная прочность, ресурс и техногенная безопасность: В 2ч. – Новосибирск: Наука, 2005. – Ч. 2: Обоснование ресурса и безопасности. – 610 с.;

4.РД 03-421-01 Методические указания по проведению диагностирования техническ о- го состояния и определению остаточного срока службы сосудов и аппаратов;

5.API-579-1/ASME FFS-1, American Petroleum Institute, The American Society of Mechanical Engineers, JUNE 5, 2007, Second Edition, 1128 p.;

6.BS 7910:2013 Guide to methods for assessing the acceptability of flaws in metallic stru c- tures, London, British Standards Institution (BSI), 2013.

УДК 622.276.05

А. В. Лягов, Ф. Д. Сибагатуллин

ОСВОЕНИЕ СКВАЖИНЫ С ОТКРЫТЫМИ БОКОВЫМИ СТВОЛАМИ С ПОМОЩЬЮ ГИДРОМОНИТОРНОГО УСТРОЙСТВА С ИСПОЛЬЗОВАНИЕМ СОЛЯНОКИСЛОТНЫХ РАСТВОРОВ

Уфимский государственный нефтяной технический университет, г. Уфа

При эксплуатации нефтяных и газовых месторождений с течением времени снижается нефте- и газоотдача пласта и уменьшается производительность скважин. Уменьшение производительности скважин является результатом ухудшения проницаемости пород, продуктивного пласта из-за закупорки его пор в призабойной зоне смолистыми, парафинистыми, глинистыми и песчаными отложениями.

В связи с этим, актуальным вопросом является разработка техники и технологии для интенсификации добычи нефти и увеличения продуктивности скважин, а так же для увеличения приемистости нагнетательных скважин, доразработка старых нефтяных месторождений.

Для воздействия на пласт в необсаженных участках горизонтальных стволов нефтяных скважин была разработана технология ГОНС. Технология ГОНС служит для интенсификации притока нефти в низкодебитных и обводненных скважинах с необсаженными боковыми стволами. Технологическая схема процесса представлена на рис. 1.

Для ее проведения необходимо провести подготовку ПЗП к спуску перфорационной установки: шаблонирование (спуск шаблона перфоратора), очистка эксплуатационной колонны гидравлическим скребером (для удаления коррозии, глинистой корки, цементной оболочки и АСПО). Затем следует

21

VII Международная научно-практическая конференция молодых учёных «Актуальные проблемы науки и техники-2014»

спуск перфорационной установки, попутно идет замена жидкости в скважине на 14% раствор HCl и сам процесс гидронамыва HCl через перфоратор. При расчете необходимого объема рабочей жидкости необходимо учитывать изменение ее объема из-за перепада давлений (в насадках перфоратора), перепада температур на устье и на забое и удлинением колонны НКТ под действием перепада давле-

ний [1].

Эта технология уникальна тем, что в ней сочетается как гидравлическое воздействие на пласт, так и химическое. Кроме того из-за предельной простоты компоновки и узлов входящих в нее (ни в струйном насосе ни в перфораторе нет трущихся деталей) данная технология при малых затратах поможет достигнуть желаемого результата.

В работе представлен нормальный ряд гидроперфораторов различного диаметра (рис. 2).

Рис. 1 – Вторичное вскрытие по технологии ГОНС.

Рис. 2 – Нормальный ряд гидроперфораторов различного диаметра:

а- серийный гидроперфоратор АП6М100 для скважин с условным диаметром прохода 215,9мм;

б- гидроперфоратор для скважин обсаженных хвостовиком с условным диаметром прохода 102мм;

в- гидроперфоратор «сегнерово колесо» для колтюбинговой установки (рис. 2в).

22

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Уфимский государственный нефтяной технический университет»

Литература

1. Лягов А.В., Маликов Е.Л., Кузнецова Н.Ю., Шамов Н.А., Лягова М.А., Симонов А.С. Совершенствование технологии вторичного вскрытия и освоения скважин // Электронный научный журнал «Нефтегазовое дело». 2011. №6. С.170-173. Режим доступа:

www.ogbus.ru/authors/Lyagov/Lyagov_3.pdf

УДК 004.896:621.6

Ю. С. Шкель, А. М. Щипачев, Т. Ф. Мусаиров

ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В НЕФТЕГАЗОВОЙ ОТРАСЛИ

Уфимский государственный нефтяной технический университет, г. Уфа

В российской нефтегазовой отрасли за последние 10 лет произошло более тысячи аварий, многие из которых со смертельными случаями. Последствия аварий, происшедших в прошлом году по сравнению с предыдущими годами, оказались более тяжелыми по количеству травмированных и погибших людей и экономическому ущербу (в 4,8 раз). Основными причинами аварий являлись: отказ и разгерметизация оборудования, ошибки персонала, внешние механические повреждения. Статистика 2014 года по сравнению с аналогичным периодом 2013 года показывает, что количество аварий возросло в 2,5 раз, а общее количество травмированных при авариях составило 28 человек, из них 1 погибший, тогда как в прошлом году пострадал всего 1 человек. [2]

Ростехнадзор отмечает, что необходимы информационные системы, позволяющие решать задачи промышленной безопасности эксплуатации нефтегазовых комплексов и снижения рисков возникновения аварийных ситуаций. Качество принимаемых специалистом решений по предотвращению аварий во многом зависит от того инструментария, которым он пользуется, поэтому возникает необходимость совершенствования научных основ прогнозирования и анализа состояния опасных производственных объектов.

Основные трудности при решении задачи прогнозирования состояния оборудования связаны с тем, каждый является уникальной системой, объем исходной информации часто не в полной мере отражает ситуацию, также присутствуют помехи. Нужно еще принять во внимание влияние условий функционирования объекта и произведенные ремонтно-восстановительные, профилактические работы. Учитывая всю сложность анализа разнородной информации, надежду на получение достаточно достоверных результатов прогноза дают методы теории искусственных нейронных сетей [4, 5].

Искусственные нейронные сети (ИНС) обладают такими достоинствами как обучение и обобщение. В процессе использования ИНС можно обучать новым возникшим ситуациям, что позволяет сохранить адекватность результатов изменившимся условиям. Свойство обобщения позволяет получать правильные ответы на любые другие входные данные, не являющиеся данным обучающего множества. [1]

Выделим основные проблемы и задачи нефтегазовой отрасли, решаемые ИНС в области обеспечения безопасности [3].

23

VII Международная научно-практическая конференция молодых учёных «Актуальные проблемы науки и техники-2014»

Технико-технологические: оптимизация режимов производственного процесса; интерпретация показаний сенсоров, прогноз температурного режима технологического процесса; управление водными ресурсами; предупреждение аварийных ситуаций; применение робототехники.

Ресурсные: моделирование систем разработки нефтяных и газовых месторождений; решение задач классификации и прогноза состояния природных месторождений нефти и газа.

Транспортные: предупреждение аварийных ситуаций.

Социально-экологические: моделирование поведения природных систем при изменениях окружающей обстановки; оценка экологической обстановки; прогноз последствии экологических катастроф и выбор наилучшего способа их устранения.

С совершенствованием измерительных технологий, компьютерных систем появляются новые области применения ИНС, внедрения нейрокомпьютеров (нейрочипов). В нефтяной и химической промышленность с использованием ИНС уже созданы коммерческие и демонстрационные прототипы для следующих задач: идентификация неисправностей оборудования; анализ геологической информации; разведка залежей минералов по данным аэрофотосъемок; анализ составов примесей; управление процессами. Применение же ИНС для оперативного прогнозирования состояния оборудования позволило бы сократить вероятность аварий.

Успешность использования ИНС неоднократно доказана. Потенциал и значительные практические возможности нейронных сетей представляют собой выгодную область вложения инвестиций, т.к. позволяют оптимизировать производственные процессы, повысить вероятность адекватной оценки состояния оборудования.

Литература

1.Абрамов О.В. Мониторинг и прогнозирование технического состояния систем ответственного назначения / О. В. Абрамов // Информатика и системы управления. – 2011. – № 2

(28). – С. 4–15.

2.Жулина С.А. Тенденции и современное состояние аварийности и травматизма на ОПО нефтегазового комплекса (Презентации с ежегодной конференции Ростехнадзора «Промышленная безопасность-2014») [Электронный ресурс]: Режим доступа URL: http://gpmliftservis.ru/uploads/files/16447664f217d022ed95e9383e9210a8.pdf .

3.Каменев А.С., Королев С. Ю., Сокотущенко В.Н. Нейромоделирование как инструмент интеллектуализации энергоинформационных сетей / Под ред. В.В. Бушуева – М.: ИЦ «Энергия», – 2012. – 124 с.

4.Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. Перевод на русский язык Ю. А. Зуев, В. А. Точенов М.: Мир, – 1992. –184с.

5.Хайкин С. Нейронные сети: полный курс, 2-е изд., испр. – М.: И.Д.Вильямс, – 2006. –

1104 с.

24

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Уфимский государственный нефтяной технический университет»

УДК 665.6.013

В. Н. Фазлутдинов, З. Р. Мухаметзянов

СОВРЕМЕННЫЕ ТЕНДЕНЦИИ В РАЗВИТИИ МОНТАЖА ОБОРУДОВАНИЯ НЕФТЕГАЗОПЕРЕРАБОТКИ

Уфимский государственный нефтяной технический университет, г. Уфа

Экономическая и техническая эффективность монтажа тем или иным способом опред е- ляется затратами труда и средств на доставку, сборку оборудования в проектное положение, установку грузоподъемных и такелажных средств, их разборку, а также трудоемкостью способа монтажа оборудования.

Наиболее сложным в конструктивном плане является монтаж вертикального оборудов а- ния колонного типа. Под колонным аппаратом понимают вертикально расположенный апп а- рат, у которого высота значительно больше его поперечного размера, что и обуславливает сложность процесса монтажа.

К основным видам работ при монтаже любых аппаратов, в том чи сле и колонного типа, относятся следующие:

-подготовительный этап монтажа;

-собственно монтаж аппарата.

В подготовительный этап входят проверка фундамента; доставка аппарата к фундаменту; проведение работ по изоляции и футеровке; монтаж обслуживающих конструкций (лес т- ниц, площадок) и трубопроводов.

Для проведения этих работ, вокруг всего аппарата и в нижней части, аппарат укладывается на опоры. При укладке аппарата на опоры необходимо следить за тем, чтобы масса а п- парата распределялась на опоры равномерно.

Основой проведения собственно монтажных работ является выбор наиболее экономич е- ски и технически приемлемого способа монтажа аппарата.

Существует несколько методов по монтажу колонного оборудования. Классификацию методов подъема вертикальных аппаратов [2, с.10] можно показать схематически (рис.1).

Тенденция развития технологического процесса монтажа вертикального оборудования показывает, что в последнее время стало уделяться больше внимания использованию гидр о- подъемника при подъеме аппаратов колонного типа.

Этот процесс осуществляется следующим образом. С обеих сторон лежащего аппара та устанавливаются две стойки коробчатого сечения с равномерно расположенными по высоте окнами. Стойки ставятся на опоры и соединяются с ними шарнирами, оси которых перпенд и- кулярны плоскости подъема аппарата.

25

VII Международная научно-практическая конференция молодых учёных «Актуальные проблемы науки и техники-2014»

Рис. 1. Классификация методов подъема вертикальных аппаратов колонного типа.

Это позволяет поворачивать стойки по мере подъема аппарата. На стойках размещаются механизмы подъема, состоящие из верхней и нижней кареток. Каждая каретка оборудована четырьмя параллельно соединенными гидроцилиндрами. Передвижение кареток, т.е. механизмов подъема, вдоль стоек осуществляется их последовательным перемещением на один шаг. При подаче масла в верхние полости гидроцилиндров цилиндры движутся вверх и пер е- мещают вдоль стоек верхние каретки. Аппарат укладывают на балансир, упирающийся в поперечную балку. Верхние и нижние каретки имеют опорные кулачки, закрепленные на ша р- нирных осях кареток [1, с.271]. При перемещении кареток эти кулачки опираются на перемычки окон стоек. Кулачки верхних кареток в процессе перемещения надвигаются на перемычки выше расположенных окон стоек и поворачиваются вокруг своих осей. Кулачки под действием пружин и собственной массы фиксируются на опорных площадках окон стоек и становятся опорой, что позволяет перемещать нижнюю каретку. Для перемещения нижней каретки переключают золотник и подают масло в нижние полости гидроцилиндров. При этом открывается слив масла из верхней полости гидроцилиндра. Шток гидроцилиндра втягивае т-

26

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Уфимский государственный нефтяной технический университет»

ся в цилиндр и перемещает нижнюю каретку вверх. Вместе с нижними каретками перемещается прикрепленная к кареткам поперечная балка, а вместе с ней и аппарат. В это время оп о- рой для подъема служат лапы верхней каретки. Последовательно производя эти операции, переходят от одного окна к другому и поднимают аппарат [1, с.272].

Актуальность применения этого метода монтажа объясняется тем, что небольшое св о- бодное пространство, требуемое для расположения гидравлического подъемника, обеспеч и- вает его эффективное использование в стесненных условиях действующего производства. Если раньше в подъемниках использовались гидравлические домкраты давлением до 50 МПа, сегодня в машиностроительной гидравлике существует домкраты рабочим давлением в 70 МПа, что обеспечивает подъем аппаратов до 500-600 т [3, с.86].

Таким образом, монтаж вертикального оборудования в условиях действующего предприятия с использованием гидроподъемников является наиболее приемлемым и обладает п о- тенциалом, позволяющим при незначительном изменении конструкции, применении совр е- менного оборудования, а именно домкратов нового поколения, добиться подъема более тяжеловесного аппарата.

Литература

1. Гальперин М.И., Артемьев В.И., Местечкин Л.М. Монтаж технологического оборуд о- вания нефтеперерабатывающих заводов. Учебное пособие для техникумов. - М.: Стройиздат, 1982, 351с.

2.Молоканов Ю.К., Харас З.Б. Монтаж аппаратов и оборудования нефтяной и газовой промышленности. Учебник для вузов. - Изд. 2-е, перераб. и доп. М., Недра, 1982, 391с.

3. Рябчук Г.В., Дахин О.Х., Ремнев В.П., Рева Л.С., Лепехин Г.И., Лапицкий В.И., Невежин В.И. Технология монтажа оборудования химических предприятий и заводов стро и- тельных материалов. Учебное пособие. - Волгоградский государственный технический университет, Волгоград, 1995, 116с.

УДК 669.017:004.89

А. М. Щипачев, Ю. С. Шкель, И. М. Кобилов

ПРОГНОЗИРОВАНИЕ УСТАЛОСТНЫХ ХАРАКТЕРИСТИК МЕТАЛЛОВ НА ОСНОВЕ НЕЙРОНЕЧЕТКОГО МОДЕЛИРОВАНИЯ

Уфимский государственный нефтяной технический университет, г. Уфа

Нейронечеткое моделирование относится к области искусственного интеллекта, который в последние годы бурно развивается, расширяя сферу своего приложения. В технической сфере

– это искусственно создаваемые сложные технические объекты, а также исследование комплексных проблем, таких, как качество изделий машиностроения, долговечность, надежность и др. Проблема прогнозирования характеристик усталостной прочности изделий, особенно усталостной долговечности, относится к таким комплексным, сложным проблемам.

Нейро-нечеткое моделирование основано на синтезе моделирования с использованием искусственных нейронных сетей (ИНС) и нечеткого моделирования. Применение ИНС является либо альтернативным, либо единственно возможным методом решения сложной системной

27

VII Международная научно-практическая конференция молодых учёных «Актуальные проблемы науки и техники-2014»

проблемы. Известны сферы применения ИНС – распознавание образов, классификация, категоризация, прогнозирование [2]. Применяя ИНС, мы предполагаем, что изучаемый объект или проблема – это некий черный ящик. Подавая на входы параметры, образующие множество Х, получаем значение выходного параметра Y. Обучая ИНС, т.е. подстраивая веса элементов сети на основе обучающей выборки, добиваемся, чтобы сеть давала значение у с минимальной погрешностью в сравнении со значением из выборки.

Задачи прогнозирования успешно решаются ИНС – в литературе приводятся примеры применения ИНС для прогнозирования курсов акций, спроса, потребления на основе временных рядов. В основном, это задачи из области экономики, финансов. В случае, когда для прогнозирования необходимо учитывать разнородную информацию, в том числе и нечеткую, ИНС в «чистом виде» применять нельзя. В этих случаях применяются нейро-нечеткие сети (ННС).

Большим преимуществом ННС является то, что возможно использовать так называемую нечеткую информацию. Это может быть мнения экспертов, субъективные пожелания, суждения такого типа как «сильный», «слабый», «не очень много», «скорее да, чем нет», «большая долговечность», «не очень высокая надежность» и т.п. То есть, эта информация «размытая», нечеткая. Если в детерминированных («четких») вычислениях такая информация просто отбрасывалась, то используя подходы теории нечетких множеств, ее можно определенным образом учитывать. Входящие в гибридную сеть переменные фаззифицируются – т.е. задается вид функции принадлежности (треугольный, сигмоид, гауссиан и т.п.) и конкретное ее значение, соответствующее входящей переменной. Далее идут операции над нечеткими множествами, формируется нечеткий вывод, затем в результате дефаззификации получаем четкий вывод - числовое значение выходной переменной [1].

Впроцессе обучения такая гибридная сеть подстраивает веса входящих нейронов (методом обратного распространения ошибки) и обучается наилучшим образом отвечать имеющейся связи между входными и выходными переменными. Другими словами, создается некая математическая модель процесса или явления. При этом эта модель зачастую адекватнее сложной и громоздкой аналитической модели, создается проще и быстрее. При изменении неких констант она легко переобучается.

На усталостную долговечность влияют разнородные факторы: внешнее переменное напряженное состояние, частота нагружения, асимметрия цикла, структурное состояние металла, состояние поверхностных слоев, покрытия, концентрация напряжений, форма детали (образца) и т.п.

Усталостная долговечность образцов по результатам испытаний на усталость имеет достаточно большой разброс значений - на порядок и более.

Публикаций, где рассматривались бы аналитические зависимости для определения усталостной долговечности намного меньше, чем публикаций по прогнозированию предела выносливости. Это может быть объяснено тем, что в отличие от предела выносливости, долговечность зависит от большего числа факторов. Вследствие этого, аналитические зависимости для

ееопределения получаются громоздкими. Они могут включать 20 – 30 параметров (переменных), которые надо как-то определить (что само по себе представляет трудоемкую задачу). Но поскольку каждая переменная имеет некоторую погрешность, то на выходе имеем неприемлемую погрешность расчета. К тому же такая аналитическая модель достаточно сложна в разработке.

Всвязи с этим представляется перспективным применение ИНС для решения задачи прогнозирования усталостной долговечности с учетом разнородных влияющих факторов.

28

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Уфимский государственный нефтяной технический университет»

Литература

1.Дьяконов В. П., Круглов В. В. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink 5/6. Инстру-

менты искусственного интеллекта и биоинформатики // СОЛОН-ПРЕСС. – 2006. – 456 с.

2.Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с польск. И.Д. Рудинского. – М.: Горячая линия – Телеком,

2007. – 452 с.

3.Щипачев А.М. Методы расчета усталостной долговечности и предела выносливости

сучетов модифицированных поверхностных слоев. Уфа: УТИС, 2000. – 110 с.

УДК 621.565.952.7

О. В. Четверткова, Т. И. Шарипов, Р. Г. Ризванов

ОЦЕНКА ВЛИЯНИЯ КОНСТРУКТИВНЫХ ПАРАМЕТРОВ НА ТЕПЛОВУЮ ЭФФЕКТИВНОСТЬ КОЖУХОТРУБЧАТЫХ ТЕПЛООБМЕННИКОВ

Уфимский государственный нефтяной технический университет, г. Уфа

Кожухотрубчатые теплообменные аппараты (КТА) находят широкое применение в нефтегазовой, нефтеперерабатывающей и нефтехимической отраслях промышленности.

Характер течения в межтрубном пространстве теплообменников с поперечными перегородками чрезвычайно сложен, зависит от множества параметров. Наличие конструктивных зазоров между кожухом и поперечными перегородками, между трубами и отверстиями в перегородках, а также отклонений формы поперечного сечения кожуха приводит к возникновению перетечек – байпасных потоков, доля которых может достигать 40% [1].

Наиболее точно течение в межтрубном пространстве описывает многопотоковая модель Тинкера. Методы, основанные на модели Тинкера, позволяют получить значительно более точные результаты по сравнению с методами, основанными на исследованиях обтекания идеальных пучков или одиночных труб. Одним из методов учета влияния байпасных течений является метод Делаверского университета, в основе которого лежит модель распределения потоков Тинкера. При применении этого метода используется ряд поправочных коэффициентов к значениям коэффициента теплоотдачи αi и перепада давления ∆pi, позволяющих учесть уменьшение основного поперечного потока. Основное выражение для расчета эффективного среднего коэффициента теплоотдачи имеет вид

где αi – коэффициент теплоотдачи при поперечном обтекании идеальных пучков труб; Jc, Jl, Jb, Js, Jr – поправочные коэффициенты [1].

Для оценки влияния конструктивных зазоров на интенсивность теплопередачи было проведено численное моделирование течения в межтрубном пространстве КТА с применением метода вычислительной гидродинамики, реализованного в программном комплексе ANSYS CFX. Для расчета была построена серия моделей [2], представляющих собой межтрубное пространство КТА диаметром 400 мм с различной величиной радиальных зазоров между поперечными

29

VII Международная научно-практическая конференция молодых учёных «Актуальные проблемы науки и техники-2014»

На рисунке 1 показаны графики изменения коэффициента теплопередачи в зависимости от величины зазоров, полученные с помощью построенных моделей. Как видно из рисунка, конструктивные зазоры существенно снижают тепловую эффективность КТА.

Рис. 1 – График изменения коэффициента теплопередачи

По методу Делаверского университета были получены формулы для расчета коэффициентов Jb, Jl и их произведения Jbl =Jb Jl в зависимости от величины овальности сечения кожуха, с применением которых были рассчитаны поправочные коэффициенты для четырех типоразмеров стандартных теплообменников. С увеличением овальности сечения кожуха произведение указанных поправочных коэффициентов убывает (рисунок 2), т.е. овальность ухудшает теплоотдачу в межтрубном пространстве теплообменника.

Рис. 2 - Зависимость произведения поправочных коэффициентов Jbl от величины овальности сечения кожуха (Ds – диаметр кожуха)

30