Территория Нефтегаз № 9 2018
Читайте в номере:
Автоматизация
Авторы:
М.Г. Сухарев, e-mail: mgsukharev@mail.ru; Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия). , ООО «Научно-исследовательский институт экономики и организации управления в газовой промышленности» (Москва, Россия).
К.О. Косова, e-mail: kseniya_kosova@mail.ru ООО «Научно-исследовательский институт экономики и организации управления в газовой промышленности» (Москва, Россия)., Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
Литература:
-
Timashev S., Bushinskaya A. Diagnostics and Reliability of Pipeline Systems. Springer, 2016. 420 p.
-
Kang K.H. Estimation of State Space Models with Endogenous Markov Regime Switching Parameters // Econometrics journal. 2014. Vol. 17. No. 1. P. 56–82.
-
Chang Y., Choi Y., Park J.Y. A New Approach to Model Regime Switching // Journal of Econometrics. 2017. Vol. 196 (1). P. 127–143.
-
Torres L., Besanon G., Navarro A., Begovich O., Georges D. Examples of Pipeline Monitoring with Nonlinear Observers and Real-Data Validation // Proceedings of the 8th International Multi-Conference on Systems, Signals & Devices [Электронный источник]. Режим доступа: https://inis.iaea.org/collection/NCLCollectionStore/_Public/43/052/43052897.pdf (дата обращения: 20.09.2018).
-
Zhu J., Abur A. Identification of Network Parameter Errors // IEEE Transactions of Power Systems. 2006. Vol. 21. No. 2. P. 586–592.
-
Колосок И.Н., Коркина Е.С., Гурина Л.А. Анализ надежности результатов оценивания состояния по данным PMU при кибератаках на WAMS // Методические вопросы исследования надежности больших систем энергетики. 2015. Вып. 66. C. 231–237.
-
Сухарев М.Г., Косова К.О. Методика поверки измерительной аппаратуры в процессе эксплуатации магистральных газопроводов и их систем // Труды Российского гос. ун-та нефти и газа имени И.М. Губкина. 2017. № 2 (287). С. 103–114.
-
Сухарев М.Г., Самойлов Р.В. Анализ и управление стационарными и нестационарными режимами транспорта газа. М.: Издательский центр РГУ нефти и газа (НИУ) имени И.М. Губкина, 2016. 397 с.
-
СТО Газпром 2-3.5-051–2006. Нормы технологического проектирования магистральных газопроводов [Электронный источник]. Режим доступа: http://files.stroyinf.ru/Data1/49/49848/ (дата обращения: 20.09.2018).
-
Новицкий Н.Н. Оценивание параметров гидравлических цепей. Новосибирск: Наука. Сиб. предприятие РАН, 1998. 213 с.
-
Сухарев М.Г., Косова К.О. Идентификация параметров в моделях систем газоснабжения (метод и вычислительный эксперимент) // Труды см. п. 7 нефти и газа имени И.М. Губкина. 2014. № 3. С.60–68.
-
Сухарев М.Г., Косова К.О. Метод и компьютерные эксперименты по идентификации систем газоснабжения // Труды XIV Всеросс. научн. семинара «Математические модели и методы анализа и оптимального синтеза развивающихся трубопроводных и гидравлических систем». 2014. С. 319–330.
-
Сухарев М.Г., Косова К.О. Распознавание уровня работоспособности объектов системы газоснабжения по диспетчерской информации // Мат-лы Междунар. науч. семинара им. Ю.Н. Руденко «Методические вопросы исследования надежности больших систем энергетики». 2016. С. 110–119.
Геология
Авторы:
К.Е. Закревский; ПАО «НК «Роснефть» (Москва, Россия).
Р.К. Газизов; ООО «РН-УфаНИПИнефть» (Уфа, Россия).
Е.Н. Каримова; ООО «РН-УфаНИПИнефть» (Уфа, Россия).
А.Е. Лепилин, e-mail: LepilinAE@ufanipi.ru ООО «РН-УфаНИПИнефть» (Уфа, Россия).
Литература:
-
ГОСТ Р 56448–2015. Месторождения газовые, газоконденсатные, нефтегазовые и нефтегазоконденсатные. Программное обеспечение для геологического моделирования месторождений. Основные функциональные и технические требования [Электронный источник]. Режим доступа: http://docs.cntd.ru/document/1200121469 (дата обращения: 07.08.2018).
-
Гутман И.С., Балабан И.Ю., Постнова О.В. и др. Программный комплекс ACDV для изучения осадконакопления в залежах углеводородов сложного геологического строения // Геофизика. 2010. № 4. С. 17–25.
-
Программный комплекс Geoplat Pro-G [Электронный источник]. Режим доступа: http://geoplat.pro/ru/?id=29 (дата обращения: 07.08.2018).
-
Шайбаков Р.А., Мухамадеев Д.С., Султанов Ш.Х. Разработка комплексного метода детальной автокорреляции разрезов скважин // Электронный научный журнал «Нефтегазовое дело». 2013. № 5. С. 131–151.
-
Ukov A., Vargic R., Kotuliak I. Statistical Signal Analysis using Wavelet Transform [Электронный источник]. Режим доступа: https://www.researchgate.net/publication/268408018_Statistical_signal_analysis_using_wavelet_transfo... (дата обращения: 07.08.2018).
-
Ghazi Al-Naymat, Chawala S., Taheri J. Sparse DTW: a Novel Approach to Speed up Dynamic Time Warping [Электронный источник]. Режим доступа: https://arxiv.org/pdf/1201.2969.pdf (дата обращения: 07.08.2018).
-
Абабков К.В. Построение карт геолого-геофизических параметров и геометризация залежей нефти и газа: учеб. пособие. Уфа, изд-во УГНТУ, 2008. 289 с.
-
Халтгрин Т., Андерсен О. Новые методы интерполяции поверхностей для геологического моделирования // Нефтяное хозяйство. 2004. № 10. С. 20–25.
-
Haecker M.A. Convergent Gridding: a New Approach to Surface Reconstruction // Geobyte. 1992. Vol. 7. No. 3. P. 48–53.
-
Закревский К.Е., Ананьев С.А. Оценка точности расчетов объемов пород в пакетах геологического моделирования месторождений нефти и газа // Газовая промышленность. 2009. № 11. С. 32–34.
-
Закревский К.Е., Попов В.Л. Вариограммный анализ геологических тел // Экспозиция Нефть Газ. 2018. № 1. С. 27–31.
-
Байков В.А., Бакиров Н.К., Яковлев Л.А. Математическая геология. Т. I. Введение в геостатистику. М.-Ижевск: Ин-т комп. иссл., 2012. 228 с.
-
Пергамент А.Х., Минниахметов И.Р., Ахметсафина А.Р., Балашов А.Д. Система тестов для алгоритмов геологического моделирования // Вестник ЦКР Роснедра. 2009. № 5. С.16–24.
-
Демьянов В.В., Савельева Е.А. Геостатистика: теория и практика / Под ред. Р.В. Арутюняна. М.: Наука, 2010. 327 с.
-
Петров В.В. Суммы независимых случайных величин. М.: ФИЗМАТЛИТ, 1972. 416 с.
HTML
ВВЕДЕНИЕ
Функциональные возможности программных пакетов, используемых для создания геологических моделей неф-тегазовых месторождений, определяются математическими методами и качеством их программной реализации, существенно влияющими на качество и достоверность полученных результатов.
В настоящее время на российском рынке представлены как зарубежные (Petrel, RMS, GoCad и др.), так и отечественные (Geoplat Pro-G, «Сфера.Геология» и др.) разработки для построения геологических моделей. При этом если для оценки качества программных продуктов, применяющихся для гидродинамического моделирования, созданы функциональные тесты, набор тестов для оценки программ для геологического моделирования месторождений находится в стадии разработки.
Оценка корректности работы различных модулей программных комплексов для геологического моделирования требует рассмотрения ряда формальных показателей. Требования к функциональным возможностям программных комплексов достаточно подробно изложены в нормативной документации, например в ГОСТ Р 56448–2015 [1]. Однако в стандартах не описаны подходы, позволяющие оценить вычислительную точность модулей программных продуктов и алгоритмов. Такая оценка может быть получена с помощью набора определенных тестов.
Целью исследования, результаты которого представлены в данной статье, является разработка системы тестов для функционального тестирования математических алгоритмов, используемых на разных стадиях построения геологической модели нефтегазового месторождения.
Основной особенностью тестов является наличие известного аналитического (точного) решения формулируемой задачи. При варьировании таких парамет-ров, как плотность наблюдений (шаг расчетной сетки), «сложность» объекта исследований (понятие будет определено далее) и степень зашумленности исходных данных, должна наблюдаться сходимость полученного в программном пакете численного решения и известного точного аналитического решения.
Тестирование проводится по следующему алгоритму:
1) выбирается объект исследования, для которого формулируется тестовая задача, имеющая аналитическое (точное) решение;
2) осуществляется градация уровней «сложности» анализируемого объекта исследования и шага дискретизации численного решения;
3) определяется метрика, оценивающая близость результатов полученного приближенного решения тестовой задачи к точному;
4) оцениваются результаты тестирования.
Анализ этапов построения геологических моделей позволяет выделить задачи тестирования, представленные в табл. 1.
Перечисленные объекты тестирования определяют базовые процессы построения геологических моделей нефтегазовых месторождений, поэтому для проверки корректности работы соответствующих вычислительных модулей необходим целевой набор функциональных тестов.
Предлагаемые тесты использовались при верификации соответствующих вычислительных модулей программного комплекса (ПК) «РН-Геосим», проведенной в ходе его разработки при участии авторов данной статьи. Кроме того, предлагается использовать данные тесты для сравнения результатов моделирования месторождений в ПК «РН-Геосим» с результатами, полученными с помощью других ПК.
АЛГОРИТМЫ АВТОКОРРЕЛЯЦИИ РАЗРЕЗОВ СКВАЖИН
Идентификация нефтеносных пластов является основой для геологического моделирования нефтегазового месторождения. На сегодняшний день надежных алгоритмов автоматизированной корреляции разрезов скважин не существует, зачастую определение маркеров отбивок пластов осуществляется специалистами вручную. Задача идентификации пластов является трудоемкой, сложной и плохо формализуемой. Ее решение требует значительных временных затрат и высокой квалификации исполнителя. Несмотря на многообразие различных подходов к решению задачи корреляции пластов и значительное количество публикаций на эту тему [2–4], такая задача, как правило, не имеет однозначного решения.
Для первого теста была выбрана синтетическая ступенчатая каротажная кривая (рис. 1а), корреляция по которой очевидна. Второй тест сложнее – рассмотрена синтетическая синусоидальная каротажная кривая (рис. 1б), для которой решение задачи корреляции может быть неоднозначным. Корректность используемых методов и их программной реализации проверяется при решении задачи корреляции границ пластов (пропластков) при условии, что на части кривых заданы маркеры. Стоит отметить, что корректность подходов означает не только построение правильной корреляционной схемы разрезов скважин на «чистых» данных, но и их устойчивость при зашумлении сигналов.
Алгоритм тестирования следующий:
1) с применением выбранного алгоритма автокорреляции выставим маркеры на синтетических каротажных кривых, имитирующих определенное геофизическое свойство;
2) на синтетические каротажные кривые наложим случайный шум с определенным значением среднеквадратического отклонения (СКО) и вновь выставим маркеры, оценивая погрешность определения границ пласта;
3) на каждом последующем шаге будем увеличивать СКО шума;
4) корректность использованных алгоритмов и область их применимости оценим с помощью отношения характерной амплитуды шума к числу корректно определенных маркеров.
Результаты теста представлены на рис. 1. Для тестирования были выбраны два реализованных в текущей версии ПК «РН-Геосим» алгоритма автокорреляции:
• на основе вейвлет-разложения рассматриваемых каротажных кривых [5];
• поточечного сопоставления каротажных кривых методами динамического программирования (DTW) [6]. На каротажные кривые был наложен шум со значением СКО 0–50 %. Применительно к каждому значению СКО шума выбранных алгоритмов автокорреляции была оценена доля корректно распознанных границ пластов.
Проведенный тест распознавания маркеров границ пластов (рис. 2) показал, что:
• реализованный в «РН-Геосим» алгоритм автокорреляции разрезов скважин с использованием вейвлет-разложения каротажных кривых в приведенных примерах при уровне СКО шума менее 30 % способствует осуществлению корректной корреляции более 50 % пластов;
• необходимо проведение дальнейших исследований по изучению влияния шумов на возможность применения алгоритмов автокорреляции разрезов скважин, а также методов очистки сигналов от шумов для повышения эффективности алгоритмов автокорреляции.
Алгоритмы картопостроения
Простейшая задача картопостроения в геологическом моделировании неф-тегазовых месторождений предполагает, что в некоторых произвольных точках (xi, yj) на плоскости OXY заданы значения zi = f(xi, yj) и необходимо решить двумерную задачу интерполяции/экстраполяции функции z = f(x, y), т. е. определить значения zk во всех узлах регулярной двумерной сетки размерности N.N на плоскости OXY.
В современной математике количество методов интерполяции/экстраполяции данных постоянно увеличивается, соответственно, увеличивается и набор алгоритмов для численных реализаций методов картопостроений в различных коммерческих пакетах. Некоторые из этих методов разобраны в работах [7, 8]. В частности, в работе [8] приведены результаты тестирования скорости работы алгоритмов картопостроения на некоторых тестовых поверхностях, вид которых детально не обсуждался.
В дополнение к проведенным тестам авторы данной статьи предлагают конкретизировать вид задаваемых поверхностей на примере поверхностей кровли пласта. Для корректного проведения тестирования выбираются поверхности, описываемые аналитическими выражениями. Примерами могут служить куполообразная поверхность или поверхность, представляющая сочетание нескольких куполов. Для данного теста вводится понятие «сложность поверхности», которая характеризуется средними значениями таких параметров, как:
• высота – абсолютная величина разницы в высоте данной точки по сравнению со средним арифметическим для поверхности;
• наклон – модуль градиента в точке поверхности.
Чем больше значения параметров, тем сложнее тестируемая поверхность. Качество работы алгоритма оценивается невязкой между построенной (дискретной) и заданной аналитически поверхностями. В соответствии с установленными условиями отклонение должно уменьшаться при уменьшении шага дискретизации сетки и зависеть от сложности поверхности.
В данной статье в качестве тестового примера предложен набор поверхностей, заданных уравнением
в области x ∈ [–5; 5], y ∈ [–5; 5] при значениях параметра a, равных, соответственно:
определяющих сложность поверхности (табл. 2). В качестве тестируемого выбран метод конвергентной интерполяции [9], реализованный в ПК «РН-Геосим». Рассматриваемые поверхности построены для сеток с различной степенью детализации, что позволяет уточнять особенности формы поверхности при увеличении количества узлов сетки.
Проведенный тест показал следующие результаты (рис. 3):
• величина невязки возрастает с уменьшением шага дискретизации сетки (уменьшением размерности ячеек);
• величина невязки незначительно возрастает с увеличением сложности поверхности в сравнении с зависимостью от шага дискретизации сетки;
• необходимо проведение дальнейших исследований для выработки рекомендаций по выбору размеров ячеек в геологической модели в зависимости от сложности исходных данных и требований к точности построения поверхностей;
• на рисунке область приемлемых значений назначена экспертно. По-видимому, границы области приемлемых значений должны быть согласованы с размерами ячеек.
Алгоритмы оценки ОБЪЕМОВ ЗАПАСОВ УГЛЕВОДОРОДОВ
Предлагаемый набор тестов предназначен для оценки погрешности расчета объемов геометрических тел, возникающих при геологическом моделировании месторождений. За основу был взят тест, ранее предложенный в работе [10], авторы которой тестировали программные пакеты Petrel, IRAP RMS и GoCad, а в качестве тестового примера использовались усеченная полусфера и объем между двумя усеченными полусферами. Исходя из проведенных тестов были сделаны выводы об удовлетворительном приближении рассмотренных тел параллелепипедами при достаточном уменьшении объемов ячеек сетки.
Простейшая задача построения регулярной (равномерной) трехмерной расчетной сетки в геологическом моделировании предполагает задание двух известных поверхностей (кровли и подошвы пласта), размера типовой ячейки в латеральном направлении, числа слоев расчетной сетки в вертикальном направлении. Поверхности для теста заданы аналитически. Объем полученного тела в трехмерном пространстве вычисляется как двойной интеграл по соответствующей области. Тестирование включает оценку таких параметров, как размеры ячеек трехмерной сетки и сложность рассматриваемой поверхности. В данном тесте характеристиками сложности поверхности являются база сигнала спектра поверхности (произведение ширины полосы спектра на длительность сигнала) и среднеквадратическая оценка высоты и наклона. Корректность примененных алгоритмов определяется точностью вычисления объемов сложных тел при дискретизации области.
В качестве тестового примера рассмат-ривалась куполообразная область (массивная залежь), ограниченная поверхностью кровли – параболической поверхностью – и поверхностью подошвы – плоскостью (поверхностью флюидного контакта). Полученное геометрическое тело (усеченный параболоид) описывается уравнением параболоида x2 + y2 + zR = R2, R = 500, x ∈ [–500; 500], y [–500; 500] и уравнением плоскости z = 0. Аналогичным образом был построен «рельефный» усеченный параболоид по формуле
(табл. 3, рис. 4).
Наряду с данными геометрическими телами в тест были включены еще два геометрических тела, подошва которых ограничена поверхностью параболоида меньшего размера с радиусом R = 300 (пластовая залежь).
Качество алгоритма построения имитации массивной и пластовой залежи оценивается среднеквадратическим отклонением объема аппроксимирующей дискретной области от объема, вычисленного как интеграл от соответствующей аналитической функции. Очевидно, что такое отклонение должно уменьшаться при уменьшении шага дискретизации сетки и зависеть от сложности. Дискретизация объемного тела выполнялась на ячейках расчетной сетки с размерами от 20 20 50 до 500 500 50 в ПК «РН-Геосим».
Расчет невязки при сравнении объемных тел выполнялся по формуле
,
где Vид – известное точное значение объема тела; VN – значение объема на расчетной сетке с N ячейками по латерали.
Проведенный тест показал следующие результаты (рис. 5):
• величина невязки, определяемой разностью между объемом геометрического тела, вычисленным аналитически, и объемом, полученным при дискретизации области, уменьшается при увеличении числа узлов сетки (при уменьшении размера ячеек);
• с ростом сложности поверхностей увеличивается невязка между объемами геометрических тел, построенных на дискретной сетке, и объемом, вычисленным аналитически;
• при построении геологических моделей месторождений размер ячеек сетки должен зависеть от параметров, определяющих сложность поверхностей, ограничивающих рассматриваемые тела; построение соответствующих рекомендаций – направление дальнейших исследований.
Апскейлинг данных скважин
Процедура апскейлинга (ремасштабирования) представляет собой осреднение (перенос) скважинных данных на расчетную сетку и зависит от построенного трехмерного каркаса геологической модели.
Также значение осреднения зависит от метода подсчета среднего значения (среднего арифметического, среднего геометрического, среднего гармонического, наиболее часто встречающегося дискретного и др.) рассматриваемого набора скважинных данных в конкретной ячейке расчетной сетки и способа учета влияния значений скважинных данных в соседних ячейках. Стоит отметить, что при решении задачи осреднения необходимо решать задачу поиска пересечений траектории скважины с гранями ячеек рассматриваемой расчетной сетки.
Процедура апскейлинга может существенно повлиять на адекватность геологической модели, так как именно она определяет набор исходных данных для этапа пространственного моделирования фильтрационно-емкостных свойств коллектора.
Входными данными для тестовой задачи являются модельные каротажные кривые, имеющие форму синусоиды с различными частотами и амплитудами, отражающими сложность сигнала. Аналитически они представляются функцией y = a•sin(ax), где параметр a принимает значения 1, 2, 3 и определяет сложность тестируемого сигнала (рис. 6, табл. 4). Здесь и далее сложность сигнала определяется по аналогии с разделом «Алгоритмы оценки объемов запасов углеводородов».
Предполагается, что в данном тесте рассматривается структурный каркас с прямоугольными ячейками, скважины пересекают ячейки под прямым углом по центру ячеек. Для каждой скважины сравниваются значения каротажа в центрах ячеек, полученные по аналитическим формулам, со значениями, полученными осреднением в точках замера каротажа.
Тест апскейлинга выполнен в ПК «РН-Геосим» для различного числа ячеек расчетной сетки по вертикали. Точность алгоритма (невязка) определяется наименьшим среднеквадратическим расхождением (евклидова норма) аналитического и усредненного тестовых сигналов для расчетной сетки размерностью K.
Проведенный тест апскейлинга позволяет сделать следующие выводы (рис. 7):
• величина невязки уменьшается с уменьшением размеров ячеек;
• параметры, отвечающие за сложность кривой, влияют на скорость схо-димости: наибольшая скорость сходимости наблюдается у сигнала с наименьшей сложностью и наоборот;
• при построении геологических моделей размер ячеек сетки должен зависеть от сложности рассматриваемых сигналов.
Алгоритмы вариограммного анализа
Задачей вариограммного анализа пространственно распределенных значений литологических и/или фильт-рационно-емкостных свойств пласта является построение вариограммы γ(h) случайной величины z(x), определяющей вариацию (дисперсию) разницы значений z(x) и z(x + h) как функцию, зависящую только от расстояния h. Предполагается, что для случайной величины выполняется условие слабой стационарности.
При геологическом моделировании нефтегазовых месторождений оценка вариограммы γ(h) осуществляется исходя из экспериментальной вариограммы, строящейся как среднее значение квадрата разностей известных значений z(xi) и z(xj + h) для каждого фиксированного промежутка h между точками.
Предлагаемый тест предназначен для оценки погрешности расчета экспериментальной вариограммы по отношению к вариограмме, вычисленной аналитически. За основу был взят тест из работы [11], где приведены результаты исследования вариограмм для различных расположений простых геометрических тел в пространстве. В частности, рассмотрен куб с ребром A = 1000 ед. (рис. 8), внутри которого расположены 1000 мелких кубов с расстоянием между центрами, равным L = 100 ед. по всем направлениям: X, Y, Z. Длина ребер мелких кубов a варьирует и равна a = 10; 20; 30; 40; 50 м для разных случаев. Геологическим аналогом такого геометрического объекта является распределение ограниченных зон коллектора (мелкие кубы, в которых z(x) = 1) в области неколлектора (оставшиеся ячейки основного куба, где z(x) = 0). С увеличением длины стороны a наблюдается рост средней величины z(x) (т. е. изменение песчанистости NTG) и дисперсии в рассматриваемом распределении величины z(x). Отметим, величина дисперсии является показателем сложности для данного теста (табл. 5).
В данном примере вариограммы одинаковы по направлениям X, Y, Z, периодические с периодом L и аналитически представляются формулой:
где M – среднее значение величины z(x) в кубе (значение NTG).
Качество алгоритма оценивается среднеквадратическим отклонением аппроксимирующей экспериментальной варио-граммы, построенной в области |h| ≤ a, от значений аналитического представления для этой же области.
Данный тест для оценки качества построения экспериментальной вариограммы проведен в ПК «РН-Геосим» для кубов с длиной стороны a = 10…50 м.
Проведенный тест показал (рис. 9):
• в случае одинаковых размеров тел коллектора и одинаковых расстояний между телами экспериментальные вариограммы показывают достаточно хорошую сходимость с теоретической, вне зависимости от размеров тел коллектора в области неколлектора;
• если размеры тел и расстояния между телами являются случайными величинами, то корректное использование экспериментальной вариограммы при геологическом моделировании требует дополнительных исследований.
Тестирование алгоритмов распространения свойств
Важной задачей, которую необходимо решить в процессе геологического моделирования, является задача построения пространственного распределения свойств моделируемой среды.
В предлагаемых тестах задача пространственного распределения свойств формулируется следующим образом: область моделирования Ω рассматривается в виде прямоугольного параллелепипеда, в котором задана регулярная пространственная сетка размерностью I x J x K. Некоторое физическое свойство f (например, значение гамма-каротажа) задано в точках x1, …, xk ∈ Ω. Необходимо получить оценку значений f в произвольном узле сетки в Ω, т. е. решить задачу пространственной интерполяции.
Известны [12] два основных и широко применяемых на практике класса геостатистических методов для решения такой задачи: детерминированные методы (например, различные модификации алгоритмов кригинга) и стохастические методы (алгоритмы последовательного гауссова моделирования и алгоритмы спектрального моделирования случайных полей).
Некоторые подходы к проверке качества геостатистических алгоритмов рассмотрены в работе [13], где предложены критерии оценки адекватности соответствующего программного обеспечения и приведен ряд тестов. Эффективность предложенных тестов пространственного распределения свойств проверялась на алгоритмах стохастического моделирования, реализованных в программных комплексах Petrel, RMS и TimeZYX (ныне «Сфера.Геология»).
Авторы данной статьи предлагают три тестовых примера, имеющих точное решение и позволяющих оценить корректность и сравнить качество геостатистических алгоритмов, представленных в различных программных комплексах.
Тест для детерминированных методов (кригинга)
Рассматривается область с заданной регулярной сеткой 9 x 9 x 100, где 9 x 9 – сетка по латерали, 100 – число ячеек вдоль вертикальной оси Z. Пусть величина f(M) равна 1 в угловых столбцах прямоугольника (т. е. в ячейках с координатами (1, 1, k), (1, 9, k), (9, 1, k) и (9, 9, k), где k = 1, …, 100) и 0 – в центральном столбце с координатами (5, 5, k). Тогда точное решение задачи интерполяции этой величины на остальные точки области методом простого кригинга (т. е. методом кригинга с заданным средним значением моделируемой величины в области) с использованием всех данных (глобальный кригинг) получается простыми вычислениями [14]. На рис. 10 представлены результаты вычислений в случае рассмотрения экспоненциальной вариограммы с нулевым наггетом (nugget), единичным порогом (sill) и радиусом, равным 500 ед. по направлениям X и Y и 10 ед. – в направлении Z, а также со средним значением f(M), равным 0,8.
Предложенный тест может использоваться для анализа влияния количества «соседей» (соседних точек, которые используются при построении аппроксимации значения f(M) в данной точке) на точность аппроксимации (в сравнении с глобальным кригингом). Очевидно, что мера ошибки должна стремиться к нулю при увеличении числа «соседей». Результаты такого тестирования в программных комплексах Petrel, RMS, «РН-Геосим» представлены на рис. 11.
Тестирование стохастических методов
Предлагается два теста. Первый является аналогом соответствующего теста из [13] и оценивает скорость сходимости усредненных по реализациям стохастических кубов к кубу кригинга при увеличении числа реализаций. Второй оценивает влияние погрешности в исходных данных на скорость сходимости усредненных стохастических кубов к кубу кригинга.
В первом тесте величина f(M) задана так же, как в тесте для детерминированных методов (кригинга) (рис. 10). Значения глобального кригинга сравниваются со значениями, полученными при осреднении N стохастических реализаций, где N принимает значения 1; 2; 5; 10; 20; 50; 100. Для распространения величины f(M) была взята экспоненциальная вариограмма с нулевым наггетом, единичным порогом и радиусом, равным 500 ед. по направлениям X и Y и 10 ед. – в направлении Z, а также средним значением f(M), равным 0,8. Теоретическая скорость сходимости усредненных стохастических реализаций к кригингу имеет порядок N–1/2, где N – число реализаций (неравенство Берри – Эссеена) [15].
Данный тест использовался для тес-тирования метода последовательного гауссовского стохастического моделирования (ПГСМ) в программных комплексах Petrel, RMS, «РН-Геосим» и показал, что среднее по множеству стохастических реализаций стремится к среднему по кригингу при увеличении числа реализаций (рис. 12).
Во втором тесте рассматривается область с заданной регулярной сеткой 25 x 25 x 100, где 25 x 25 – сетка по латерали, 100 – число ячеек вдоль вертикальной оси Z. В области выбраны пять вертикальных столбцов, значения функции f(M) в которых были получены случайным образом согласно закону распределения N(0,σ), где σ = 0,5; 1,0; 1,5; 2,0; 4,0 (рис. 13). Для данного тес-та была выбрана экспоненциальная вариограмма с наггетом, равным 0,1, единичным порогом и радиусом, равным 800 ед. по направлениям X и Y и 25 ед. – в направлении Z, а также средним значением f(M), равным 0. Как и в предыдущем тесте, значения глобального кригинга для данной модели сравниваются со значениями, полученными при осреднении N стохастических реализаций для разной величины дисперсии. Максимальное число усредняемых стохастических реализаций N было расширено до 1000. Результаты теста, а именно влияние дисперсии исходных данных на скорость сходимости осреднения стохастических реализаций к глобальному кригингу, приведены на рис. 14. Видно, что чем больше погрешности в исходных данных, тем больше реализаций требуется для приближения среднего к глобальному кригингу.
Проведенные тесты алгоритмов распространения свойств показали следующие результаты:
• с увеличением числа соседей уменьшается невязка между приближенным решением кригинга и глобальным кригингом, однако при этом существенно возрастают потребности в вычислительных ресурсах, поэтому необходимо продолжить исследование вопросов выбора числа соседей в зависимости от изменчивости входных данных;
• при увеличении количества реализаций в усреднении уменьшается невязка между усредненным кубом стохастических реализаций и кубом кригинга (рис. 11);
• усредненные стохастические реализации в программных комплексах Petrel, RMS и «РН-Геосим» сходятся к кригингу практически с одинаковой скоростью (рис. 12);
• при увеличении дисперсии исходных данных (погрешности) схождение среднего по реализациям к кригингу замедляется (рис. 13);
• большая дисперсия в исходных данных приводит к необходимости увеличения вычислительных ресурсов для исследования сходимости усреднения к глобальному кригингу.
ЗАКЛЮЧЕНИЕ
Представлены тесты и продемонстрированы результаты опробования разработанных функциональных тес-тов, позволяющих оценить качество программной реализации математических алгоритмов, применяемых при геологическом моделировании нефтегазовых месторождений. Предлагаемые тесты предназначены для оценки результатов автокорреляции разрезов скважин, построения двумерных поверхностей каркаса геологической модели, оценки объемов углеводородов, вариограммного анализа и пространственной интерполяции пространственно распределенных значений литологических и/или фильт-рационно-емкостных свойств пласта, апскейлинга скважинных данных на расчетную сетку.
В результате проведенного функционального тестирования оценена точность расчетов в пакетах геологического моделирования и проведена оценка их качества, сравнительный анализ качества результатов вычислений.
Основные выводы следующие:
1. Создание тестов возможно для всех этапов построения геологической модели.
2. Тестирование распространенных пакетов геологического моделирования показало удовлетворительную точность их работы и сходимость результатов.
3. Тесты просты и понятны, могут быть повторены.
В ближайшей перспективе в продолжение исследований в данном направлении планируется разработка тестов других видов (нагрузочных, стресс-тестов, стабильности), а также расширение набора функциональных тестов. Предполагается создание удобной общедоступной библиотеки тестов.
Еще одним направлением исследований, инициированным проведенным тестированием, является выработка рекомендаций по выбору геометрических параметров геологической модели (размерности сеток) в зависимости от сложности входных данных (в первую очередь от их дисперсии).
Таблица 1. Задачи, решаемые на разных этапах построения геологических моделей
Table 1. Tasks solved at different stages of the geologic modeling
Объект тестирования Test object |
Тестовая задача для объекта исследования Testing task for the target of research |
Автокорреляция разрезов скважин Autocorrelation of well logs |
Расстановка маркеров отбивок пластов на каротажных кривых Horizon picks tracing on well-logging curves |
Картопостроение Mapping |
Построение поверхностей кровли и подошвы пласта Mapping of the horizon superface and bottom interface |
Оценка объемов запасов углеводородов Estimation of hydrocarbons stockpiles |
Построение расчетной сетки для трехмерной геологической модели Grid generation for the 3D geological model |
Апскейлинг Upscaling |
Масштабирование скважинных данных на расчетную сетку модели Scaling of well data up to the model grid |
Вариограммы Variograms |
Анализ скважинных данных и нахождение корреляционной зависимости пространственно-распределенных значений литологических и фильтрационно-емкостных свойств пласта Well data evaluation and finding of correlation dependence between apportioned values of lithological characteristics, porosity and permeability of the reservoir |
Распространение свойств – алгоритмы интерполяции литологических и фильтрационно-емкостных свойств пласта Distribution of properties – interpolation algorithms for lithological characteristics, porosity and permeability of reservoirs |
Вычисление параметров литологических и фильтрационно-емкостных свойств пласта в ячейках сетки геологической модели в межскважинном пространстве моделируемого нефтегазового месторождения по заданным параметрам этих свойств на скважинах Evaluation of lithological characteristics, porosity and permeability of the reservoir in the geological model node in interwell space of the simulated oil and gas field according to aimed parameters at the wells |
Таблица 2. Характеристики сложности для заданных поверхностей
Table 2. Complexity characteristics for engineered surfaces
Значения параметра, имитирующего сложность поверхности Parameter values simulating surface complexity |
Аналитически заданная поверхность Analitical surface |
Сложность полученной поверхности – среднеквадратическая оценка Complexity of surface derived – mean square evaluation |
|
Высота Height |
Наклон Slope |
||
|
![]() |
1,7 |
3,3 |
a2 = π |
![]() |
1,9 |
3,7 |
|
![]() |
2,3 |
4,6 |
Таблица 3. Характеристики сложности для заданных объемных тел
Table 3. Complexity characteristics for specified solids
Вид объекта Unit profile |
Сложность полученной поверхности (база сигнала спектра) Complexity of surface derived (bandwidth-duration product) |
Сложность полученной поверхности – среднеквадратическая оценка
Complexity of surface derived – mean-square estimate |
|
Наклон Slope |
Кривизна Curvature |
||
Гладкий параболоид Plane paraboloid |
14,0 |
0,41 |
0,007 |
«Рельефный» параболоид "Relief" paraboloid |
19,9 |
0,48 |
0,017 |
Таблица 4. Характеристики сложности для заданных модельных кривых
Table 4. Characteristics of complexity for specified model curves
Уровень сложности сигнала Signal complexity level |
Сложность (база сигнала спектра) Complexity (bandwidth-duration product) |
Сложность полученной поверхности – среднеквадратическая оценка Complexity of surface derived – mean-square estimate |
||
Высота Height |
Наклон Slope |
Кривизна Curvature |
||
а = 1 |
12,6 |
0,7 |
0,7 |
0,7 |
а = 2 |
25,1 |
1,4 |
2,8 |
5,6 |
а = 3 |
37,7 |
2,1 |
6,3 |
18,9 |
Таблица 5. Характеристики сложности для заданных кубов
Table 5. Characteristics of complexity for specified cubes
Длина ребра куба, м Cube edge lenght, m |
Среднее значение Mean value |
Сложность (дисперсия) Complexity (variance) |
а = 10 |
0,001 |
0,000999 |
а = 20 |
0,008 |
0,0079 |
а = 30 |
0,027 |
0,0262 |
а = 40 |
0,064 |
0,0599 |
а = 50 |
0,125 |
0,109 |
Насосы. Компрессоры
Авторы:
В.Н. Ивановский, e-mail: ivanovskiyvn@yandex.ru Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
Литература:
-
ГОСТ Р 56830–2015. Нефтяная и газовая промышленность. Установки скважинных электроприводных лопастных насосов. Общие технические требования [Электронный источник]. Режим доступа: http://docs.cntd.ru/document/1200128305 (дата обращения: 05.09.2018).
-
Ивановский В.Н. К вопросу о параметрических рядах установок электроприводных центробежных насосов // Территория «НЕФТЕГАЗ». 2017. № 6. С. 56–62.
-
Слепченко С.Д. Оценка надежности УЭЦН и их отдельных узлов по результатам промысловой эксплуатации: автореферат дис. … канд. техн. наук. М.: РГУ нефти и газа имени И.М. Губкина, 2011. 22 с.
-
Пономарев А.А. Применение центробежно-вихревых насосов для добычи нефти в ОАО «Газпромнефть-Ноябрьскнефтегаз» // Мат-лы II Междунар. науч. конф. «Технические науки: проблемы и перспективы». СПб.: Заневская площадь, 2014. С. 123–125.
-
Бортников А.Е., Ивановский В.Н., Кузьмин А.В. и др. О возможности эксплуатации боковых стволов малого диаметра установками электроцентробежных насосов с открытыми рабочими колесами на примере месторождений ООО «ЛУКОЙЛ-Западная Сибирь» // Территория «НЕФТЕГАЗ». 2018. № 4. С. 28–32.
-
Меркушев Ю.М. Низкоадгезионные ЭЦН. Эксплуатационная и экономическая эффективность применения // Нефтегазовая вертикаль. 2011. № 12. С. 76–78.
-
Деговцов А.В., Соколов Н.Н., Ивановский А.В. К вопросу о выборе материала ступеней электроцентробежного насоса для осложненных условий эксплуатации // Территория «НЕФТЕГАЗ». 2016. № 11. С. 88–91.
-
Быков И.Ю., Бочарников В.Ф., Ивановский В.Н. и др. Техника и технология добычи и подготовки нефти и газа: Учебник для вузов: В 2-х т. М.: Издательский центр РГУ нефти и газа имени И.М. Губкина, 2015. Т. 2. 420 с.
Транспорт и хранение нефти и газа
Авторы:
А.Ф. Калинин, e-mail: kalinine.a@gubkin.ru; Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
Ю.С. Меркурьева, e-mail: YuMerkuryeva@outlook.com; Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
Н.Х. Халлыев, e-mail: nazarhalyev @gmail.com Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
Литература:
-
Шайхутдинов А.З., Лифанов В.А., Маланичев В.А. Современные АВО газа – ресурс энергосбережения в газовой отрасли // Газовая промышленность. 2010. № 9. С. 40–41.
-
Аксютин О.Е., Пятибрат А.А., Кубаров С.В., Прохонов А.К. Снижение энергозатрат на охлаждение природного газа в АВО КС // Газовая промышленность. 2009. № 2. С. 74–76.
-
Алимов С.В., Лифанов В.А., Миатов О.Л. Аппараты воздушного охлаждения газа: опыт эксплуатации и пути совершенствования // Газовая промышленность. 2006. № 6. С. 54–57.
-
Калинин А.Ф., Фомин А.В. Оценка эффективности режимов работы АВО // Труды Российского гос. ун-та нефти и газа имени И.М. Губкина. 2011. № 4 (265). С. 131–139.
-
Каталог передовых технических решений. М.: ЗАО «Газотурбинные технологии», 2013. 155 с.
-
Каталог эффективных энергосберегающих технологий в добыче, транспортировке и подземном хранении газа ПАО «Газпром». М.: ООО «ИРЦ Газпром», 2011. 310 с.
-
Авдонин А.А., Латышенко К.П., Козлов А.П. и др. Современный подход к использованию аппаратов воздушного охлаждения на компрессорных станциях // Химическое и нефтегазовое машиностроение. 2015. № 7. С. 17–19.
-
СТО Газпром 2-1.20-122–2007. Методика проведения энергоаудита компрессорной станции, компрессорных цехов с газотурбинными и электроприводными ГПА. М.: ООО «ИРЦ Газпром», 2007. 20 с.
-
Устинов Е.В. Уменьшение энергопотребления аппаратов воздушного охлаждения газа // Газовая промышленность. 2011. № 8. С. 54–57.
-
Поршаков Б.П., Лопатин А.С., Калинин А.Ф. и др. Энергосберегающие технологии при магистральном транспорте природного газа: Учебное пособие. М.: Изд. центр РГУ нефти и газа имени И.М. Губкина, 2014. 410 с.
Авторы:
А.С. Дидковская, e-mail: didkovskaya.a@gubkin.ru Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
Литература:
-
Голунов Н.Н. Параметры последовательной перекачки нефтепродуктов с использованием малых противотурбулентных добавок для уменьшения объема образующейся смеси // Территория «НЕФТЕГАЗ». 2018. № 5. С. 68–72.
-
Думболов Д.У., Дроздов Д.А. Основные подходы к определению объема смеси и новый метод ее идентификации при последовательной перекачке нефтепродуктов // Территория «НЕФТЕГАЗ». 2012. № 8. С. 92–98.
-
Ишмухаметов И.Т., Исаев С. Л., Лурье M.B., Макаров С.П. Трубопроводный транспорт нефтепродуктов. М.: Нефть и газ, 1999. 300 с.
-
Лурье М.В., Марон В.И., Мацкин Л.А. и др. Оптимизация последовательной перекачки. М.: Недра, 1979. 256 с.
-
Яблонский В.С., Юфин В.А., Бударов И.П. Последовательная перекачка нефтепродуктов и нефтей по магистральным трубопроводам. М.: Гостоптехиздат, 1959. 148 с.
-
Лурье М.В., Дидковская А.С. Изменение состава ШФЛУ при транспортировке по магистральному трубопроводу // Газовая промышленность. 2012. № 12 (683). С. 48–50.
-
Тихонов А.Н., Самарский А.А. Уравнения математической физики. М.: Наука, 1976. 735 с.
Авторы:
А.А. Филатов; И.И. Велиюлин; ООО «ЭКСИКОМ» (Москва, Россия).
Р.Р. Хасанов, e-mail: hasanov@eksikom.ru; ООО «ЭКСИКОМ» (Москва, Россия).
Г.А. Шафиков, e-mail: 88347@mail.ru Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технический университет имени Н.Э. Баумана (Национальный исследовательский университет)» (Москва, Россия).
Литература:
-
Ishkov A., Akopova G., Evans M., et al. Understanding Methane Emissions Sources and Viable Mitigation Measures in the Natural Gas Transmission Systems: Russian and U.S. Experience. In: Proceedings of the International Gas Union Research Conference 2011 [Electronic source]. Access mode: http://www.globalchange.umd.edu/data/publications/IGU_Research_Conference_2011_Paper_2011-0715-final... (access date – September 10, 2018).
-
Mikhailov А.К., Voroshilov V.P. Compressor Machines. Textbook for colleges. Мoscow, Energoatomizdat, 1989, 288 p. (In Russian)
-
Idelchik I.Е. Hand Book on Wall Frictions. Ed. by M.О. Shteinberg, 3-d edition, revised and enlarged. Moscow, Mashinostroenie [Machine Industry], 1992, 672 p. (In Russian)
-
Shiryapov D.I. Development of Inter-Governmental Standards: the Report on the Meeting of Technical Commission 23 “Oil and Gas Industry” [Electronic source]. Access mode: http://www.tksneftegaz.ru/fileadmin/f/activity/meeting/kabardinka_2016/files/11_shiryapov_mks_2016-1... (access date – September 13, 2018). (In Russian)
-
Kozachenko А.N. Operation of Trunk Pipeline Compressor Stations. Мoscow, Neft' i gaz [Oil and gas], 1999, 463 p. (In Russian)
Эксплуатация и ремонт трубопроводов
Авторы:
В.А. Футин, e-mail: v-futin@tattg.gazprom.ru; ООО «Газпром трансгаз Казань» (Казань, Россия).
Р.Р. Кантюков, e-mail: info@tattg.gazprom.ru; ООО «Газпром трансгаз Казань» (Казань, Россия).
Р.Х. Саляхов, e-mail: r-salyahov@tattg.gazprom.ru ООО «Газпром трансгаз Казань» (Казань, Россия).
Литература:
-
Сидорочев М.Е., Бурутин О.В., Ряховских И.В. и др. Формирование долгосрочных планов комплексного ремонта технологических трубопроводов компрессорных станций ОАО «Газпром» в условиях неполноты данных об их техническом состоянии // Научно-технический сборник «Вести газовой науки». 2014. № 1 (17). С. 16–21.
-
Отчет об актуализации программ по диагностике и ремонту технологических трубопроводов компрессорных станций, эксплуатируемых ООО «Газпром трансгаз Казань». М.: ООО «Газпром ВНИИГАЗ», 2017. 43 с.
-
Середенок В.А., Сидорочев М.Е., Бурутин О.В. и др. Стратегия планирования технического диагностирования и капитального ремонта технологических трубопроводов компрессорных станций ПАО «Газпром» // Территория «НЕФТЕГАЗ». 2015. № 10. С. 22–27.
-
Карибуллина Ф.Р., Кантюков Р.Р., Саляхов Р.Х. Организация ремонтных и сервисных работ газоперекачивающих агрегатов: Учебное пособие. Казань: Изд-во Казанского нац. иссл. технологич. ун-та, 2016. 100 с.
-
Кантюков Р.А., Кантюков Р.Р., Тамеев И.М. и др. Проблемы безопасности трубопроводов // Газовая промышленность. 2012. № 9 (680). С. 14–18.
-
Кантюков Р.Р., Егурцов С.А., Скрынник Т.В. и др. ООО «Газпром трансгаз Казань»: новые подходы к повышению надежности и эффективности эксплуатации технологических трубопроводов // Газовая промышленность. 2015. № 5 (722). С. 38–42.
Авторы:
И.И. Мерициди, e-mail: fokasi@rambler.ru; Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
К.Х. Шотиди, e-mail: chokonst@gubkin.ru; Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
И.А. Мерициди, e-mail: hiraklisa@yandex.ru Федеральное государственное автономное образовательное учреждение высшего образования «Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина» (Москва, Россия).
Литература:
ExxonMobil. Предотвращение и ликвидация морских разливов нефти в арктических условиях и обеспечение готовности к чрезвычайным ситуациям [Электронный источник]. Режим доступа: http://cdn.exxonmobil.com/~/media/russia/files/arctic/arctic-osr_russian-final.pdf (дата обращения: 06.09.2018).
Броже В. Современные технологии ликвидации разливов нефти и нефтепродуктов в морской среде [Электронный источник]. Режим доступа: http://new.groteck.ru/images/catalog/32772/eaa9de34a3b4bd6f81b973d6f40bc5ac.pdf (дата обращения: 06.09.2018).
Мерициди И.И. Локализация и ликвидация разливов нефти на подводных трубопроводах с помощью подводного диспергирования // Мат-лы 71-й Междунар. молодежной науч. конф. «Нефть и газ 2017». М.: РГУ нефти и газа (НИУ) имени И.М. Губкина, 2017. С. 79.
Мерициди И.И., Шотиди К.Х., Мерициди И.А. К вопросу применения технологии химического диспергирования при авариях на подводных нефтепроводах в условиях Арктики // Труды Российского гос. ун-та нефти и газа (НИУ) имени И.М. Губкина. 2018. № 1 (290). С. 140–148.
Мерициди И.И., Шотиди К.Х., Мерициди И.А. и др. Концепция разработки комплекса для ремонта подводных трубопроводов // Территория «НЕФТЕГАЗ». 2017. № 10. С. 76–82.
Энергетика
Авторы:
Е.Н. Попов, ООО «НПП «Русэлпром-Электромаш» (Санкт-Петербург, Россия).
Н.Ю. Филимонов; ООО «НПП «Русэлпром-Электромаш» (Санкт-Петербург, Россия).
А.А. Юрганов; Санкт-Петербургский политехнический университет Петра Великого (Санкт-Петербург, Россия).
А.А. Бурмистров ПАО «Силовые машины» (Москва, Россия).
HTML
Следует заметить, что проблемой стабилизации режимов ЭЭС и разработкой унифицированного алгоритма системных стабилизаторов начали интенсивно заниматься в СССР в начале 1950-х гг. и окончательно решили ее в 1980-е гг., когда полностью сформировалась идео-логия внешней и внутренней стабилизации и появился сигнал производной тока возбуждения.
Этот период характеризуется быстрым развитием электроэнергетики страны. В то время были построены каскады крупных гидроэлектростанций (ГЭС), мощные тепловые и атомные станции. По географическим условиям мощные ГЭС строились вдали от крупных населенных пунктов и крупных промышленных предприятий. Возникла необходимость передавать большое количество электроэнергии на значительное расстояние от электростанций к потребителям. Строительство параллельных линий для усиления электрической связи являлось дорогостоящим, поэтому было необходимо найти иные способы решения проблемы. Начала активно развиваться теория устойчивости ЭЭС. В итоге первый в мире сис-темный стабилизатор был разработан и внедрен практически в том виде, в каком он существует сейчас. Советский Союз имел большую территорию и разветвленную ЭЭС, обладавшую большим числом как слабых, так и сильных элект-рических связей между отдельными регионами.
На Западе начальный импульс к разработке системных стабилизаторов был дан в 1970-х гг. в Канаде из-за возникшей необходимости передавать мощность 500 МВт от АЭС «Пикеринг» и ГЭС в штате Онтарио по линиям электропередач протяженностью примерно 700 км и напряжением 500 кВ потребителям в США. Без быстродействующих систем возбуждения, оснащенных системными стабилизаторами, понадобились бы дополнительные линии. В Западной Европе эта проблема возникла еще позже – при вводе в эксплуатацию турбинных блоков мощностью более 300 МВт. В настоящий момент на Западе разработано около 10 типов системных стабилизаторов, описание которых приведено в стандарте IEEE Std 421.5.
С учетом того, что отечественный стабилизатор успешно зарекомендовал себя в различных схемно-режимных ситуациях, было предложено рассмотреть вопрос о его включении в международные стандарты под названием PSS2RU. Для этого потребовалось предоставить его полное описание и привести результаты расчетов, чтобы оценить его эффективность по сравнению со стабилизаторами, включенными в стандарт IEEE Std 421.5.
ОПИСАНИЕ СИСТЕМНОГО СТАБИЛИЗАТОРА PSS2RU
Задача любого системного стабилизатора – демпфирование электромеханических колебаний. Данные колебания, обусловленные качаниями роторов синхронных генераторов друг относительно друга, лежат в диапазоне частот 0,1–5,0 Гц. Полный взаимный угол между двумя машинами в любой схемно-режимной ситуации может быть разложен на внутренний и внешний углы: внутренний – угол между поперечной осью машины, совпадающей с вектором синхронной электродинамической силы (ЭДС) Eq и вектором напряжения генератора Ug; внешний – угол между вектором напряжения генератора Ug и вектором синхронной ЭДС другой машины или центром электрических качаний синхронной машины (электростанции), работающей в сложной энергосистеме. Внутренний угол образуется в результате падения напряжения на внутреннем продольном индуктивном сопротивлении машины (Xd). Внешний угол образуется в результате падения напряжения на сопротивлениях, внешних по отношению к рассматриваемому генератору элементов ЭЭС.
Качания полного угла являются результатом совместного движения роторов и имеют двойственную природу:
• в режимах выдачи реактивной мощности устойчивость определяется величиной и качаниями внешнего угла, который в тяжелых послеаварийных режимах или в слабых ЭЭС может приближаться к 90° эл.;
• в режимах потребления реактивной мощности устойчивость определяется величиной и качаниями внутреннего угла, который при уменьшении тока возбуждения генератора, работающего в ЭЭС любой мощности, может приближаться к 90° эл.
Таким образом, при одинаковых больших значениях полного угла физика переходных процессов и условия обеспечения апериодической и колебательной статической устойчивости существенно отличаются. Стабилизация режима, предлагаемая западными стандартами, не учитывает этого явления.
В результате аналитических и экспериментальных исследований и опыта эксплуатации синхронных генераторов выяснилось, что отклонениям внутреннего угла пропорциональна производная тока ротора. Отклонение частоты напряжения генератора ΔfU от установившегося значения и первая производная генератора являются первой и второй производными внешнего угла, соответственно. Таким образом, имеются два легко измеряемых параметра, каждый из которых способен осуществлять демпфирование соответствующей компоненты взаимного угла. Следовательно, входными параметрами рассматриваемого стабилизатора являются ток ротора (If) и частота напряжения генератора (fU).
Блок-схема системного стабилизатора PSS2RU показана на рис. 1. Стабилизатор состоит из двух каналов, соединенных параллельно. Выходные сигналы каждого канала суммируются на главном сумматоре. Просуммированный сигнал является выходным сигналом стабилизатора. Передаточные функции задают необходимую форму амплитудочастотной и фазочастотной характеристик каждого канала. Два канала перекрывают диапазон частот электромеханических колебаний. Канал по час-тоте настраивается на частотный диапазон 0,3–1,2 Гц, канал по производной тока ротора – на частотный диапазон 1–3 Гц. Типовые значения постоянных времени приведены в таблице. Сравнительные испытания, проведенные НТЦ Единой энергетической системы, показали его высокую эффективность.
РЕЛЕЙНАЯ ФОРСИРОВКА ВОЗБУЖДЕНИЯ
Совместно со стабилизатором PSS2RU применяется быстродействующая форсировка возбуждения. Ее функцией является повышение динамической устойчивости при серьезных повреждениях в энергосистеме, обусловленных снижением напряжения. Логика форсировки возбуждения представлена на рис. 2.
При снижении напряжения ниже уставки срабатывания контроллер инициирует быстрое увеличение напряжения возбуждения до максимального значения до тех пор, пока напряжение статора генератора не повысится до уставки на снятие форсировки (0,8÷0,9) UГном. Включение форсировки происходит с минимальной выдержкой времени, а отключение – с выдержкой 0,2–0,3 с, что соответствует времени достижения максимального значения взаимного угла между роторами синхронных машин в послеаварийном режиме качаний. Форсировка также необходима, чтобы исключить на время протекания короткого замыкания (КЗ) тракт регулирования из закона управления, так как резкие скачки токов, напряжений и частоты могут привести к снижению скорости нарастания напряжения возбуждения из-за противоположных воздействий от разных каналов регулирования.
РЕЗУЛЬТАТЫ РАСЧЕТА
Эффективность системного стабилизатора была проверена на математической модели 4-машинной энергосистемы (схема Кундура), часто рассматриваемой в работах западных исследователей, в среде MATLAB/Simulink Sim Power Systems. Схема изображена на рис. 3. Модель представляет собой две области, каждая из которых содержит по два синхронных генератора. Области соединены двумя линиями длиной 220 км. Режим установлен таким образом, что осуществляется передача 413 МВт из первой области во вторую.
Тестовым возмущением является трехфазное КЗ в середине одной линии с последующим ее отключением. Проведено сравнение PSS2RU со стабилизаторами, включенными в стандарт IEEE Std 421.5. Стабилизаторы PSS1A и PSS4B имеют в качестве входного параметра скорость вращения ротора. В PSS1A сигнал скорости вращения последовательно проходит через фильтры и несколько фазосдвигающих звеньев. В PSS4B сигнал скорости вращения раздваивается и проходит в одном случае через датчик низких и средних частот, в другом – через датчик высоких частот. Далее сигналы проходят через фазосдвигающие звенья, которые выделяют низкие, средние и высокие частоты, после чего каждая компонента усиливается в зависимости от частоты. Полное описание PSS1A и PSS4B представлено в стандарте, результаты теста – на рис. 4.
В энергосистеме ситуация, когда присутствует длинный транзит и создаются такие тяжелые условия, является редкостью. Подобные условия могут возникнуть, если существует слабая связь или при неблагоприятных обстоятельствах при ремонтных схемах. Чтобы убедиться в эффективности стабилизатора в различных условиях, выполним такое же тестовое возмущение, но при транзите длиной 10 км. Следует отметить, что при уменьшении длины транзита до 10 км условия устойчивости энергосистемы улучшились, но такое же тестовое возмущение будет оказывать более сильную просадку напряжения на шинах генераторов, так как точка короткого замыкания стала электрически ближе к каждому генератору. Результаты расчетов представлены на рис. 5.
По результатам анализа графиков на рис. 4 и 5 можно сделать заключение, что стабилизатор PSS2RU при неизменной настройке осуществляет эффективное демпфирование колебаний как при длинном, так и при коротком транзите: при длинном воздействуют все каналы стабилизатора, так как внутренний и внешний угол имеют одинаковый порядок величины; при коротком внешний угол становится малым, поэтому даже при тех же настройках каналы по отклонению и по производной частоты вносят на порядок меньший вклад в суммарный сигнал системного стабилизатора по сравнению с каналом по производной тока ротора. Можно сказать, что при коротком транзите каналы стабилизатора по отклонению и по производной частоты выключаются из работы, исходя из физической сущности процессов. Поэтому единая настройка оказывается достаточно эффективной в существенно различных условиях.
ЗАКЛЮЧЕНИЕ
Таким образом, благодаря рассмотренным свойствам и своему широкому распространению на электростанциях России и ближайшего зарубежья, а также принимая во внимание простоту и грубость настройки параметров, сис-темный стабилизатор PSS2RU должен занять значимое место в библиотеках основных программных продуктов для выполнения сетевых исследований. Для этого важно провести работу по интег-рации структуры системного стабилизатора PSS2RU и алгоритма релейной форсировки в документы международных организаций IEC и IEEE.
Типовые значения параметров стабилизатора PSS2RU
Параметр |
Значение, с |
T0F |
2,00 |
Ta0F |
0,02 |
T1F |
0,05 |
Ta1F |
0,15 |
T1IF |
0,02 |
Ta1IF |
0,15 |
Концерн РУСЭЛПРОМ
109029, РФ, г. Москва,
Нижегородская ул., д. 32, стр. 15
Тел.: 8 (800) 301-35-31
Факс: +7 (495) 600-42-54
e-mail: mail@ruselprom.ru
ruselprom.ru
HTML
Реалии рынка требуют инновационных решений в области проектирования кабеленесущих систем в России, сопряженных с меньшими трудозатратами и финансовыми вложениями.
Потенциал для внедрения инноваций на российском рынке есть, и уже в ближайшее время можно будет оценить это на примере одного из наиболее стратегически значимых объектов нефтегазовой отрасли РФ – комплекса по производству, хранению и отгрузке СПГ в районе КС «Портовая», строящегося по заказу ПАО «Газпром». Уже в ходе проектирования специалисты ДКС получали лестные отзывы от проектных институтов и монтажных организаций: инженеры отмечают значительную экономию времени в работе, обусловленную применением инноваций, а монтажники – отсутствие проблем с поиском дополнительных ресурсов для оперативной сборки на объекте.
В ходе проектирования комплекса были определены участки кабельных линий с большими пролетами. При этом собранная система должна выдерживать высокие нагрузки, так как предполагалось проложить по лоткам силовой кабель.
В связи с этими требованиями генеральному подрядчику проекта ООО «НИПИ НГ «Петон» пришлось отказаться от советской модели кабельной трассы, учитывавшей только Правила устройства электроустановок. Было решено перенять опыт западных проектных институтов, давно использующих тяжелые лотки. Инициатором разработки конкретного типового решения стала компания ДКС, выигравшая тендер среди производителей у ООО «НИПИ НГ «Петон».
Проанализировав технические требования к проекту, специалисты компании ДКС выбрали серию тяжелых лотков U5 Combitech. Данные изделия выпускаются в трех видах – лестничном, перфорированном и неперфорированном – и имеют целый ряд конкурентных преимуществ. Так, особую прочность U5 Combitech придают расположение ребер жесткости и специальная конструкция лонжерона. Например, безопасная рабочая нагрузка при пролете 6 м составляет 100 кг/м и 150 кг/м для лотков с бортами 100 мм и 150 мм, соответственно, при этом прогиб не превышает 12–14 мм, что является особо важным фактором при построении многослойной кабельной трассы. Все испытания системы U5 Combitech проходят согласно ГОСТ Р 52868–2007.
Кроме того, к числу преимуществ конструкции тяжелого лотка относится бессварочный тип соединения лонжерона с траверсой (поперечиной) – «ласточкин хвост», что позволяет достичь высоких показателей стойкости к вибрации и изгибам. Это и стало решающим фактором, определившим выбор U5 Combitech, в особенности с учетом географического расположения КС «Портовая» (район причала бухты Дальняя в Выборгском р-не Ленинградской обл.). К тому же данная система сертифицирована для применения при сейсмическом воздействии до 9 баллов. С сертификатами соответствия на продукцию U5 Combitech можно ознакомиться на сайте ДКС.
Оперативная настройка производственной площадки под нужды масштабного проекта, а также точный просчет логистических операций позволили компании ДКС выполнить большой заказ в сжатые сроки, не прекращая при этом поставки по другим текущим проектам.
АО «ДКС»
125167, РФ, г. Москва, 4-я ул. 8 Марта, д. 6а
Тел.: +7 (495) 916-52-62
Факс: +7 (495) 916-52-08
e-mail: info@dkc.ru
Юбилей
HTML
Университет был основан в октябре 1948 г. на базе филиала Московского нефтяного института имени И.М. Губкина (ныне Российский государственный университет нефти и газа (Национальный исследовательский университет) имени И.М. Губкина). Его стремительное развитие, строительство новых корпусов и открытие новых специальностей было обусловлено ростом нефтедобывающей промышленности на западе Башкирии и в Татарстане. К середине 1960-х гг. Уфимский нефтяной институт представлял собой разветвленную образовательную структуру, обеспечивавшую квалифицированными кадрами топливно-энергетический комплекс, а также строительную отрасль региона и страны. С возникновением нового нефтедобывающего района – Западно-Сибирского – в Уфимском нефтяном институте резко выросло число обучающихся. К началу 1980-х гг. Уфимский нефтяной институт сформировался как учебно-научный комплекс всесоюзного масштаба. В 1993 г. вуз официально получил статус университета. В 2005 г. УГНТУ стал первым стратегическим партнером ПАО «НК «Роснефть» среди высших учебных заведений. В 2015–2016 гг. университет получил статусы опорного вуза России и опорного вуза компаний ПАО «Газпром», ПАО «Газпром нефть».
За годы деятельности университет подготовил более 100 тыс. специалистов для топливно-энергетического комп-лекса, строительной отрасли, сферы услуг, органов государственной власти и управления.
В вузе ведется активная работа по развитию международной деятельности, расширяются сферы международного сотрудничества в области научно-технических разработок, ведется активный обмен студентами и преподавателями в рамках программы академической мобильности, реализуется широкий спектр программ профессиональной подготовки и переподготовки для иностранных специалистов. С 1996 г. вуз является полноправным членом Международной ассоциации университетов. В стенах университета проходят обучение представители 67 субъектов Российской Федерации и 51 государства ближнего и дальнего зарубежья, в числе которых Азербайджан, Ангола, Вьетнам, Казахстан, Куба, Китай, Таджикистан и др. В настоящее время Уфимский нефтяной стабильно входит в TOP-30 вузов России по числу обучающихся иностранных студентов, а их сегодня в университете почти 1300 человек. Ректор УГНТУ – проф., докт. физ.-мат. наук, акад. РАЕН, акад. Академии наук Республики Башкортостан (РБ), заслуженный деятель науки РБ, Почетный работник газовой промышленности, Почетный работник высшего профессионального образования РФ, Почетный работник науки и техники Российской Федерации Р.Н. Бахтизин является также сопредседателем Ассоциации российско-азербайджанских университетов, председателем Общества дружбы «Башкортостан – Вьетнам». Он ведет большую работу по развитию дружеских и партнерских связей, обмеу опытом в научных изысканиях и внедрению современных технологий в сфере образования.
В состав университета сегодня входят семь факультетов, три института, институт дополнительного профессионального образования, магистратура, аспирантура и докторантура (работают семь диссертационных советов), Инжиниринговый центр и молодежный технопарк. Уфимский нефтяной сегодня представлен тремя филиалами в городах Октябрьский, Салават и Стерлитамак.
По всему спектру специальностей обучаются почти 20 тыс. студентов, а их подготовку ведет высококвалифицированный штат профессорско-преподавательских кадров: свыше 1300 штатных преподавателей, в числе которых более 200 докторов наук, профессоров и более 700 кандидатов наук, доцентов.
В структуре УГНТУ с 1994 г. успешно функционирует Институт дополнительного профессионального образования, открытый в 1994 г. Он является ведущим учреждением в сфере дополнительного профобразования для специалистов топливно-энергетического и строительного комплексов. В нем ежегодно проходят повышение квалификации и профессиональную переподготовку около 5 тыс. инженерно-технических работников большинства крупнейших объединений, предприятий и организаций РФ, стран ближнего и дальнего зарубежья.
Пристальное внимание уделяется развитию науки. Активно развиваются научные школы, несомненной гордостью которых являются имена известных ученых, среди них действительные члены и члены-корреспонденты академий наук РФ и РБ, заслуженные деятели образования, науки, техники, строительства и архитектуры.
Вся образовательная и научно-исследовательская деятельность УГНТУ тесно связана с производством. Это трансформируется в самые высокие среди вузов республики показатели трудоустройства и средней заработной платы выпускников. Так, в Национальном рейтинге востребованности вузов Российской Федерации в 2017 г. УГНТУ занял 32-е место из 448 вузов России. В рейтинге по уровню востребованности выпускников работодателями, составленному рейтинговым агентством «Эксперт», УГНТУ занимает 24-е место среди 100 лучших вузов России. Согласно мониторингу трудоустройства выпускников вузов, осуществляемому Министерством образования и науки РФ, показатели трудоустройства выпускников университета составляют 90 %, а размер средней заработной платы специалистов в первый год работы достигает 55 тыс. руб.
В большинстве рейтингов федерального и международного уровня УГНТУ занимает, как правило, самые высокие позиции среди вузов республики. По результатам мониторинга Национального исследовательского университета «Высшая школа экономики» в рейтинге TOP-100 вузов России УГНТУ занял 69-е место. В рейтинге RAEX («РАЭКС-Аналитика») «50 лучших технических вузов России» за период 2016–2018 гг. Уфимский нефтяной занимает 33-е место, а в 2017 г. он получил международное признание, войдя в целый ряд международных рейтингов. Так, в рейтинге вузов стран Восточной Европы и Цент-ральной Азии (QS Emerging Europe and Central Asia University Rankings) одного из самых известных международных рейтинговых агентств – Quacquarelli Symonds (QS) УГНТУ входит в категорию 200+. В рейтинге стран БРИКС (QS BRICS University 2018) из числа 300 лучших университетов Бразилии, России, Индии, Китая и Южной Африки вуз занимает позицию в диапазоне 161–170 -го места. По данным агентства RAEX («РАЭКС-Аналитика»), курируемый университетом Инженерный лицей № 83 имени М.С. Пинского вошел в число 50 лучших школ России по укрупненному направлению подготовки «Технические, естественнонаучные направления и точные науки».
В УГНТУ сложилась и успешно функционирует система трудоустройства выпускников. Подписаны прямые договоры и соглашения о сотрудничестве в области образовательных услуг и научных исследований с иностранными вузами, научными центрами и нефтяными компаниями. В целом спрос на молодых специалистов УГНТУ превышает предложение. Вуз регулярно заключает договоры, предусматривающие целевую подготовку и переподготовку специалистов с крупнейшими предприятиями и организациями ТЭК, такими как «Роснефть», «Башнефть», «Газпром», «Транснефть», «ЛУКОЙЛ», «Татнефть», «Газпром нефть», «СИБУР», Halliburton, Schlumberger, Baker Hughes и др. Особое внимание уделяется программам, ре-ализуемым совместно с государственными компаниями.
Неотъемлемой составляющей и основой развития вуза является его материальная база. История института и университета – это также история строительства, расширения учебных и бытовых площадей, постоянного обновления учебно-лабораторного и научно-исследовательского оборудования. Начальный пункт этого грандиозного марафона – два небольших ветхих здания, приспособленные под учебные занятия в 1948 г. В настоящее время университет располагает, помимо трех филиалов УГНТУ в регионах Башкортостана, тремя компактно спланированными учебно-бытовыми комплексами общей площадью около 195 тыс. м2. К услугам студентов, преподавателей и сотрудников – санаторий-профилакторий, студенческая поликлиника с полным набором современных врачебных кабинетов, культурно-бытовой комплекс, семейное общежитие, спортивно-оздоровительный лагерь, спортивный комплекс с самым современным инвентарем и оборудованием, три столовые, а также Дворец молодежи, где студенты имеют возможность заниматься творчеством и развивать свои таланты. Высокий уровень вокальных, танцевальных и театральных коллективов университета регулярно подтверждается призовыми местами на республиканских, российских, международных конкурсах и фестивалях.
Университет традиционно является местом притяжения гостей г. Уфы и Республики Башкортостан – государственных и общественных деятелей.
4 января 2003 г. УГНТУ посетил Президент Российской Федерации Владимир Путин. Во время встреч с коллективом и студентами университета глава государства дал высокую оценку деятельности и достижениям вуза. По решению Ученого совета УГНТУ В.В. Путину был торжественно вручен Золотой знак УГНТУ № 1. В разное время университет также посещали Глава Палестинской автономии М. Аббас, Президент Таджикистана Э. Рахмон, председатель Государственной Думы Федерального собрания РФ Б.В. Грызлов, министры образования РФ В.В. Филиппов и А.А. Фурсенко, главы регионов РФ, послы иностранных государств.
Таким образом, в свои 70 лет опорный университет Российской Федерации – современный динамичный вуз, имеющий международное признание, являющийся центром инноваций и драйвером развития региона.
← Назад к списку
- научные статьи.