Разделы сайта






Автоматизация и диспетчеризация водоканалов

Такое определение водоканал имел до начала развития сетей городского водоснабжения.




Автоматизация котельной

При помощи программного обеспечения вы можете получить значительную экономию



  • Автоматизация инженерных сетей
  • Промышленные компьютеры и ПО
  • Автоматизация производства
  • О промышленной автоматизации
  • Системный интеграторАвтоматизация инженерных сетейАвтоматизация газораспределительной сетей ⇒ Роль интеллектуальных систем в нефтегазовой отрасли: предпосылки и перспективы

    Роль интеллектуальных систем в нефтегазовой отрасли: предпосылки и перспективы

    Отсутствие «узаконенной» формулировки понятия "Интеллектуальные энергетические системы", "Интеллектуальная скважина", "Умное месторождение" и др. на фоне повышенного интереса к этой тематике приводит к определенной вульгаризации рассматриваемых терминов. «Интеллектуальными» порой называют энергетические системы, просто оснащенные автоматикой, сигнализацией, диспетчерской системой, компьютерной сетью и др.

    Еще шестьдесят лет назад американский ученый Мак-Кей (1951 г.!) ввел понятие самоорганизующихся или самоуправляемых машин (тогда не было понятия интеллектуальные системы), которые классифицируются в соответствии с тем, как в них осуществляются следующие общие функции:

    - прием, классификация, запоминание и передача информации;

    - реакция на изменения в окружающей среде, включая выдачу информации о состоянии самой машины;

    - дедуктивные рассуждения на основе множества допущений или постулатов и обучения. В данном случае в обучение входит наблюдение и управление собственным целенаправленным поведением.

    Все перечисленные функции, безусловно, характерны для современных интеллектуальных систем, в том числе и в нефтегазовой отрасли!

    Далее в сообщении рассматриваются вопросы терминологии и определений, вводится понятие IT технологий в энергетике и нефтегазовой отрасли: в узком и широком смысле.

    В состав IT-технологий методического обеспечения входят планирование измерений, экспериментов, испытаний и т.п., обработка экспериментальных данных (например, статистическая), параметрическая и структурная идентификация, методы эффективного отображения информации, процедуры принятия решений, методы и технологии, основанные на идеях искусственного интеллекта и т.п..

    В состав IT-технологий аппаратно-программного обеспечения входят датчики, исполнительные механизмы, ПЛК, каналы связи, средства отображения информации, системное и прикладное ПО и т.п..

    Часто определение интеллектуальных систем рассматривается через набор функциональных свойств, таких как, например, мониторинг, диспетчеризация и т.п..

    Более содержательное определение - это рассматривать интеллект как сочетание способности предсказания среды со способностью выбора соответствующей реакции из множества альтернатив с учетом результата предсказания и поставленной цели, т.е. определять интеллект в терминах поведения стремящейся к цели системы (живой или искусственной) и измерять степень ее интеллекта по адекватности принимаемых ей решений. При отсутствии цели принятие решений беспредметно и термин "интеллект" не имеет смысла. Именно такой подход позволяет проектировать интеллектуальные системы.

    Общность подходов к построению систем в энергетике и нефтегазовой отрасли с точки зрения их автоматизации и применяемых IT технологий включающих планирование и обработку результатов измерений, построение математических моделей, составление энергетических балансов и т.п., позволяет интегрировать лучшие решения, как в энергетике, так и нефтегазовой отрасли с целю получения наиболее эффективных решений. Примеры таких интегрированных систем уже существуют: например, системы коммерческого и технического учета всех видов топливно-энергетических ресурсов (электроэнергия, тепло, газ, мазут и т.п.).

    Далее рассматриваются примеры использования современных информационных технологий с использованием методов ИИ в нефтегазовой отрасли. Нейросетевые технологии искусственного интеллекта находят растущее применение при разработке интеллектуальных датчиков, систем обработки информации (СОИ) в нефтегазовой и других стратегически важных отраслях промышленности. Они позволяют создавать нейросетевые модели объектов автоматизации и прикладные нейросистемы, благодаря которым существенно облегчается контроль технического состояния объектов нефтегазовой отрасли, реализуется их структурная и параметрическая идентификация, осуществляемая с использованием алгоритмов обучения нейронных сетей.

    Эффективность промышленных систем в нефтегазовой отрасли, создаваемых на базе искусственных нейронных сетей, определяется:

    - достигнутой степенью адекватности нейросетевых моделей объектам автоматизации, которая во многом зависит от правильного выбора структурно-функциональной организации (спецификации) используемых нейронных сетей;

    - качеством предварительной обработки информации, реализуемой нейронными сетями интеллектуальных датчиков и анализаторов данных;

    - наличием у анализаторов нейросетевых систем обработки информации функций, необходимых для интеллектуального анализа данных реального времени (datamining);

    Какой эффект ожидается получить от использования технологии и насколько рентабельна концепция, например, «умных месторождений»?

    Во-первых, это оптимизация добычи. Системы умных месторождений позволяет получать самую детальную информацию о работе скважины, в том числе условиях работы ЭЦН и состояния коллектора. На основе детального анализа получаемой информации мы создаем на каждой скважине такие условия нефтедобычи, какие оптимально подходят для ее полноценной эксплуатации. Таким образом, повышается нефтеотдача пласта, а также темпы добычи.

    Во-вторых, это сокращение затрат. Во многом это связано с автоматизацией производства при внедрении системы «умных месторождений». У дежурного оператора теперь нет необходимости посещать кустовые площадки, он получает все необходимые данные в режиме реального времени прямо на компьютер. Таким образом, он меньше подвергается риску и имеет больше времени для качественного выполнения других важных производственных задач.

    Еще одно важное достоинство этого подхода - создание атмосферы общей совместной работы, поскольку люди, работающие в любом офисе компании, имеют доступ к той же информации в реальном времени, что и персонал на месторождении. Эту улучшает работу всей команды и расширяет наши возможности по оптимизации производственных процессов.

    Следующим важным моментом является необходимость срочно наладить эффективную систему научного сопровождения производственных технологий, особенно с использований методов искусственного интеллекта.

    Сегодня доля наукоемкой продукции и расходы на отрасль в общем объеме ВВП являются главными показателями экономики, основанной на знаниях. В большинстве стран с развитой экономикой доля внутренних затрат на исследования и разработки составляет около 3% от общего объема ВВП.

    Так, в Швеции - 3, 8%, Финляндии - 3, 5%, Японии - 3, 44%, Швейцарии - 2, 9%, США - 2, 84%, Германии - 2, 54%, России - 1, 2%, Новой Зеландии - 1, 16%, Южной Африке - 0, 92%, Беларуси - 0, 7%. При этом расходы США составляют 35% от мировых расходов - 390 млрд. долларов.

    Доля наукоемкой продукции России на мировом рынке составляет 0, 3-0, 5%, стран Европейского союза - 35%, США - 25%, Японии - 11%.

    Несомненно, использование информационных технологий, включая методы искусственного интеллекта, позволит более полно и эффективно автоматизировать процессы генерации и транспортировки, а главное, сможет «обучить» промышленное оборудование принимать и обрабатывать противоречивые и порой неполные и нечеткие данные, полученные с различных скважин, а затем синтезировать их в единое информационное поле, обеспечивающее более эффективную разработку нефтяного или газового месторождения.

    В перспективах развития IT-инфраструктуры нефтегазовой отрасли в первую очередь лежит автоматизация на основе интеллектуальных систем полного спектра всех работ, связанных с разработкой, добычей, транспортировкой и переработкой нефти и природного газа. Поскольку всё больше приобретает задача снижения себестоимости добычи, переработки, а также транспортировки нефти и газа. Эту задачу опять же помогает решить автоматизация основных ключевых процессов в таких областях как проектирование и технологический контроль разведочного бурения, расчет параметров бурения, управление геолого-геофизическими данными и т.д.



    Посетители также читают:

    Автоматизация технологических процессов объекта «АГРС Адлерского района города Сочи»
    В составе САУ ГРС предусмотрены устройства грозозащиты по цепям электропитания, связи и измерений, предусмотрены устройства искрозащиты по цепям измерений с первичными преобразователями, находящимися во взрывоопасной зоне


    Источник: http://www.avite.ru


    2010-2024 Информационный проект