ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 4
ВВЕДЕНИЕ 5
1 Анализ предметной области 8
1.1 Обзор технологического процесса нефтедобычи 8
1.2 Анализ процесса обслуживания скважин 10
1.3 Анализ интегрированных систем управления 11
1.3.1 Системы ERP 12
1.3.2 Системы MES 13
1.3.3 Системы SCADA 15
1.4 Постановка цели и задач выпускной квалификационной работы ... 20
2 Разработка методологии для управления и диагностики состояния
скважинного оборудования 22
2.1 Определение параметров для управления и диагностики состояния
скважинного оборудования 22
2.2 Теоретические основы динамометрирования 24
2.3 Распознавание образов динамограмм с помощью нейронных сетей 29
2.4 Анализ и выбор методов классификации образов динамограмм 32
3 Разработка аппаратной части АСУТП 38
3.1 Разработка структуры АСУТП 38
3.2 Выбор аппаратной части АСУТП 39
3.3 Разработка электрических схем шкафа управления 45
4 Разработка АРМ оператора 54
4.1 Разработка структуры проекта в TRACE MODE 54
4.2 Разработка экранных форм 57
4.3 Разработка программ 62
4.4 Разработка отчета по скважине 63
4.5 Настройка интерфейсов 64
ЗАКЛЮЧЕНИЕ 70
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 72
ПРИЛОЖЕНИЕ А 75
ПРИЛОЖЕНИЕ B
Комплексная автоматизация является одним из инструментов повышения конкурентоспособности современных предприятий, которая подразумевает внедрение интегрированных систем, реализованных на самых разных уровнях управления предприятием. К ним относят автоматизированные системы управления производствами (предприятиями), автоматизированные системы управления различными технологическими процессами и многие другие.
Отдельно следует упомянуть нефтегазодобывающие предприятия. Их особенностями является наличие требований по промышленной безопасности, территориальная удаленность и распределенность объектов управления. Учитывая сложность и дороговизну спуско-подъемных операций, очень важно проводить своевременную диагностику состояния подземного скважинного оборудования. Применение автоматизированных систем позволяет снизить издержки, что особенно важно в условиях «дешевой» нефти, увеличит эффективность процесса добычи нефти, снизить вероятность возникновения аварий и их влияние на людей и на окружающую среду.
Поэтому целью данной работы является увеличение эффективности процесса контроля и управления скважинным оборудованием за счет разработки автоматизированной системы управления нефтяными скважинами.
Объектом данного исследования является технологический процесс нефтедобычи для нефтегазодобывающего управления (НГДУ).
Задачи, которые необходимо решить для достижения поставленной цели:
- провести обзор существующего процесса нефтедобычи и используемого скважинного оборудования;
- провести анализ процессов контроля, управления и обслуживания скважинного оборудования НГДУ;
- провести анализ инструментов, используемых при реализации автоматизированных систем управления технологическими процессами;
- разработать методику диагностики состояния штангового глубинного насоса;
- разработать структурную схему автоматизированной системы управления нефтяными скважинами;
- разработать электрические схемы автоматизированной системы управления нефтяными скважинами;
- разработать автоматизированное рабочее место оператора технологического процесса добычи нефти.
В первой главе проведен обзор технологического процесса нефтедобычи и процесса диагностики скважинного оборудования, а также рассмотрены уровни интегрированных систем управления производственным предприятием. На основе анализа предметной области сформулированы цель и задачи выпускной квалификационной работы.
Во второй главе определены параметры для диагностики и управления скважинным оборудованием. Для разработки методики автоматизированной диагностики состояния штанговых глубинных предложено использование нейронных сетей, позволяющих производить распознавание образа динамограммы. На основе проведенного исследования выбран метод классификации образов динамограмм.
В третьей главе разработана аппаратная часть нижнего уровня автоматизированной системы управления скважинным оборудованием на примере управления штанговыми глубинными насосами. Для этого разработана общая структурная схема, выбраны необходимые технические средства автоматизации и разработаны электрические схемы автоматизированной системы управления нефтяными скважинами.
В заключительной главе разработана программная часть автоматизированной системы управления нефтяными скважинами с использованием интегрированной среды разработки TRACE MODE.
В результате выполнения выпускной квалификационной работы была разработана автоматизированная система управления нефтяными скважинами.
При выполнении работы были решены следующие задачи:
1) проведен обзор технологического процесса нефтедобычи и применяемого оборудования;
2) проведен анализ существующего процесса контроля и диагностики скважинного оборудования;
3) проведен обзор инструментов реализации автоматизированных систем управления технологическими процессами;
4) разработана методика автоматизированной диагностики состояния штангового глубинного насоса по динамограммам;
5) разработана аппаратная часть автоматизированной системы управления нефтяными скважинами;
6) разработана программная часть автоматизированной системы управления, включая автоматизированное рабочее место оператора технологического процесса добычи нефти в SCADA-системе TRACE MODE.
Для автоматизированной диагностики состояния штанговых глубинных насосов предложено использовать нейронные сети. Классификация образов динамограмм производится с помощью метода опорных векторов. Он показал наилучшие результаты из рассмотренных в работе методов.
В связи с риском введения санкций со стороны западных стран, при разработке аппаратной части автоматизированной системы управления использовано оборудование исключительно российских и тайваньских производителей. Программная часть также реализована с помощью отечественной интегрированной среды разработки TRACE MODE.
Результаты работы могут быть использованы при внедрении подобных систем на объектах нефтегазодобывающей отрасли.
1) Калмыков О. Состояние и перспективы производства станков- качалок и скважинных штанговых насосов // Конъюнктура рынка нефтегазового оборудования. 2007. № 9. С. 11-13.
2) Юшков И.Р. Разработка и эксплуатация нефтяных и газовых месторождений : учеб.-метод. пособие / И.Р. Юшков, Г.П. Хижняк, П.Ю. Илюшин. - Пермь : Изд-во Перм. нац. исслед. политехн.ун-та, 2013. - 177 с.
3) Светлакова С.В. Информационно-измерительная система динамометрирования скважин, оборудованных штанговыми глубинными насосами: Диссертация ... кандидата технических наук. - Уфа, 2008.
4) SIMATIC Totally Integrated Automation [Электронный ресурс] https://www.ste.ru/siemens/pdf/rus/08 WinCC 62 r.pdf (дата обращения: 31.12.2017).
5) Wonderware InTouch [Электронный ресурс]
http: //www. wonderware. ru/hmi-scada/intouch/ (дата обращения: 31.12.2017).
6) Ziyatdinov R.R, Mukhametzyanov V.R, Nabiullina G.I., Application of neural networks for the diagnosis of depth sucker rod pumps//International Journal of Applied Engineering Research. - 2015. - Vol.10, Is.24. - P.45022-45026
7) Мансафов Р.Ю. Новый подход к диагностике работы УСШН по динамограмме // Инженерная практика. 2010. № 9. С. 82-89.
8) Крысова И. В., Чулкова И. Л. Методы распознавания графических образов для решения задач автоматизированного проектирования // Вестник СибАДИ, выпуск 5 (33), 2013. С. 110-115.
9) Оганезов А.Л. Применение нейронных сетей в задачах распознавания образов. Диссертация... кандидата физико-математических наук. - Тбилиси, 2006.
10) Ziyatdinov R.R. Application of neural networks for the diagnosis of depth sucker rod pumps / Ziyatdinov, R.R., Mukhametzyanov, V.R., Nabiullina, G.I. // International Journal of Applied Engineering Research 10 (24), 2015.
11) Ziyatdinov R.R. The comparative analysis of classification of algorithms in the problems of pattern recognition / RR Ziyatdinov, RA Biktimirov, KV Klochkova // Journal of Fundamental and Applied Sciences 9 (1S), 1790-1797.
12) Radford M. Neal, Geoffrey E. Hinton. A view of the EM algorithm that justifies incremental, sparse, and other variants». Learning in Graphical Models (MIT Press): 355-368.
13) Жданова К.Д., Буняков В.А. Анализ методов распознавания образов для применения в системе ориентации для слепых и слабовидящих людей с использованием библиотеки OpenCV. XL Неделя науки СПбГПУ: материалы международной научно-практической конференции. Ч. XV. -СПб.: Изд-во Политехн. ун-та, 2011.- 68с.
14) Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: классификация и снижение размерности. - М.: Финансы и статистика, 1989.
15) Trevor Hastie, Robert Tibshirani, Jerome Friedman. The Elements of Statistical Learning. Data Mining, Inference, and Prediction - Springer, 2014.
16) Bishop C. M. Pattern Recognition and Machine Learning - Springer,2006.
17) Поддержка принятия решений в здравоохранении с использованием показателя популяционного риска заболеваемости: диссертация ... кандидата технических наук: 05.13.10 / Сташевский Павел Сергеевич; [Место защиты: Сибирский государственный университет телекоммуникаций и информатики].- Новосибирск, 2014.- 147 с.
18) THE MNIST DATABASE of handwritten digits [Электронный ресурс]. - Режим доступа: http://yann.lecun.com/exdb/mnist/ (дата обращения
28.04.2018) .
19) Bradsky G., Kaehler A. Learning OpenCV. Computer Vision with the OpenCV Library - O’Reilly, 2008.