Автоматическое конфигурирование системы подготовки газа на основе онтологических моделей

Автор: Глухих И.Н., Шевелев Т.Г., Панов Р.А., Изотов А.М., Писарев М.О., Лисс Д.А., Быков В.С., Абрамов А.В., Нониева К.З.

Журнал: Онтология проектирования @ontology-of-designing

Рубрика: Прикладные онтологии проектирования

Статья в выпуске: 4 (46) т.12, 2022 года.

Бесплатный доступ

В статье представлено описание интеллектуальной системы поддержки концептуального проектирования месторождений, включающей в себя онтологическую базу знаний и программный прототип для автоматического конфигурирования системы подготовки газа. Онтологическая база знаний является инструментом для сохранения и воспроизведения инфраструктурных решений, показавших эффективность при реализации нефтегазовых проектов. Описаны онтологические модели-слои, включающие: партономию, таксономию, атрибутивную онтологию, онтологию процессов, онтологию функций, онтологию требований, онтологию расчётных моделей, онтологию оборудования. Каждый слой онтологии содержит знания, необходимые для конфигурирования системы подготовки газа, формализованные с помощью множества концептов и отношений между ними. Опираясь на онтологический подход и функционально-ориентированную онтологию, создан программный прототип для решения следующих задач: конфигурирование под требования, проверка исполнения требований и выявление противоречий при изменении конфигураций. Интеграция методов инженерии знаний и строгих математических алгоритмов в процессах принятия решений позволяет использовать как объективные физические закономерности нефтегазовых процессов, так и менее формализованную информацию об объектах и отношениях между ними. Автоматическая генерация технологических вариантов с учётом множества требований предназначена для использования на ранних этапах проектирования и направлена на ускорение ввода в эксплуатацию и сокращение изменений.

Еще

Инженерия знаний, прикладная онтология, система подготовки газа, концептуальное проектирование месторождений, автоматическое конфигурирование технологических схем, программный прототип

Короткий адрес: https://sciup.org/170197198

IDR: 170197198   |   DOI: 10.18287/2223-9537-2022-12-4-518-531

Текст научной статьи Автоматическое конфигурирование системы подготовки газа на основе онтологических моделей

Одним из приоритетных направлений деятельности нефтегазовых компаний является повышение эффективности разработки и обустройства нефтегазовых месторождений. Критериями успешности проектов, способствующими росту их рентабельности, являются бюджет, график и качество проекта, которое определяется как соответствие полученного результата требованиям заинтересованных сторон [1].

Анализ сложных проектов показывает, что снижение рентабельности возникает в связи со сдвигом сроков, превышением запланированных бюджетов, что в свою очередь во многом обусловлено неполным учётом потребностей заинтересованных сторон, неполнотой и (или) неисполнением требований, поздним выявлением ошибок и, как следствие, высокими затратами на их устранение [2, 3]. Сокращение сроков ввода, снижение капитальных затрат и эксплуатационных издержек напрямую влияет на успех реализации проекта, позволяя компаниям достигать лидирующих позиций в своей отрасли.

В проектировании сложных нефтегазовых систем выделяют концептуальное проектирование и системную инженерию, которые обеспечивают жизнеспособность проекта за счёт принятия правильных решений на ранних стадиях разработки [4]. Основные технологические решения формируются на этапах концептуального проектирования, направленных на формирование вариантов разработки и обустройства месторождений и выбор наилучшего на основе технико-экономического обоснования.

Сложность нефтегазовых проектов, высокая степень неопределённости геологических данных обусловливают необходимость создания систем цифрового инжиниринга, которые способны обеспечить интеллектуальную поддержку процессов концептуального проектирования [5-7]. Такие системы должны обеспечить генерацию вариантов технологических решений, отвечающих заданным требованиям и существенным условиям эксплуатации, их характеристику и поддержку выбора с точки зрения определённых критериев и ограничений, см., например, [8, 9].

Таким образом, интеллектуальные системы (ИС) поддержки концептуального проектирования месторождений (ПКПМ) позволяют на ранних этапах нефтегазового проекта разработать технологические варианты с учётом многих требований и условий, в том числе, при разных исходных данных, с учётом возможных ограничений. Это позволяет разработать разные сценарии реализации проекта, ориентируясь на различные варианты технических решений и поставщиков, что актуально в динамично меняющемся мире.

Важной особенностью ИС ПКПМ является интеграция строгих математических методов и расчётных моделей и методов инженерии знаний с процедурами многокритериального принятия решений. Эта интеграция позволяет учитывать и использовать в процессах принятия инженерных решений объективные физические закономерности нефтегазовых процессов и менее формализованные сведения об объектах месторождения и отношениях между ними.

Ориентация на ранние этапы концептуальной разработки, интеграция научных методов для осуществления интеллектуальной поддержки принятия решений с генерацией вариантов и возможностью многокритериального выбора позволяет рассматривать ИС ПКПМ как новый вид программных инструментов [10-12], отличающий его от других известных систем ( MBSE, SysRE, PLM, BIM и т.п.).

Статья посвящена ключевым вопросам создания ИС ПКПМ, как нового инструмента поддержки проектной команды при разработке нефтегазового проекта. Рассмотрен онтологический подход к созданию ИС ПКПМ. Разработана онтологическая модель для представления знаний, функционально-ориентированная на задачи концептуального проектирования вариантов технологических решений. Приведён пример разработки онтологии и программного прототипа для автоматического конфигурирования установки комплексной подготовки газа (УКПГ), как одного из компонентов ИС ПКПМ газоконденсатного месторождения.

1    Онтологический подход в создании ИС ПКПМ 1.1    Типовые задачи и метамодель функционально-ориентированной онтологии

Информационное ядро ИС ПКПМ составляет онтологическая база знаний (БЗ), функционально-ориентированная на решение прикладных задач в области обустройства месторождений.

В статье [13] представлено использование модели онтологии, содержащей в себе знания об инженерном объекте, свойствах материала и возможностях технологического процесса, для решения задачи многокритериального выбора оптимальной технологии. В работе [14] приведена онтологическая модель сложного технологического объекта как совокупность элементов объекта, отношений между ними и возможных состояний.

Отличительной чертой онтологических моделей прикладного назначения является их направленность на решение задач определённого типа. ИС ПКПМ предназначена для автоматической генерации вариантов наземного обустройства на основе требований и условий эксплуатации. В ИС ПКПМ выделены следующие приоритетные задачи:

  •    конфигурирование под требования;

  • ■   проверка исполнения требований;

  • ■   проверка на непротиворечивость при изменениях конфигураций.

Для решения этих задач определён набор концептов и отношений, которые должны быть в разрабатываемой онтологии (см. таблицу 1).

Таблица 1 - Состав онтологии при решении задач ИС ПКПМ

Задача

Концепты

Отношения

Конфигурирование под требования

Объекты

Параметры

Процессы

Функции

Требования

Продукты

Ресурсы

Расчётно-логические модели

Является частью Имеет параметр Должен соответствовать Принимает ресурс Производит продукт Рассчитывается в модели

Проверка исполнения требований к оборудованию

Объекты

Параметры

Требования

Расчётно-логические модели

Является частью Имеет параметр Должен соответствовать Рассчитывается в модели

Проверка на непротиворечивость при изменениях конфигураций

Объекты

Параметры

Требования

Расчётно-логические модели

Является частью Имеет параметр Должен соответствовать Рассчитывается в модели

Детализация процессов решения выделенных задач позволяет обозначить ряд повторяющихся подзадач: определить состав; проверить соответствие требованиям; определить значение; рассчитать значение; подобрать объект для исполнения функции; подобрать аналог; подобрать процесс для получения продукта и т.п. Для их выполнения строятся онтологические модели - слои онтологии, включающие свои подмножества концептов и отношения между ними, а также алгоритмы интерпретации этих моделей. Метамодель функциональноориентированной онтологии O в общем виде может быть представлена следующим образом: O = , где Z - множество типовых подзадач, K - множество концептов, R - множество отношений, Q = { Q i l i = 1, 2, 3,...} и Q i с Z x K x R - множество онтологических моделей, каждая из которых предназначена для решения своего подмножества задач.

На основе данной метамодели выполнено онтологическое моделирование УКПГ с использованием принципа (допущения) «одна модель - одно отношение», когда каждый слой онтологии отражает связь некоторого подмножества концептов одним из отношений множества R . На основании этого разработаны онтологические модели УКПГ, каждая из которых представляет знания, необходимые для выполнения определённых подзадач в процессах конфигурирования системы подготовка газа.

  • 1.2    Онтологическое моделирование УКПГ

Архитектура онтологической БЗ представляет собой совокупность нескольких взаимо связанных слоёв-моделей, каждый из которых обладает определённым набором характеристик для описания нефтегазовой системы. Концептуальная схема онтологии УКПГ, приве- дённая на рисунке 1, включает основные макросущности для описания инженерных проек- тов и отношения между концептами внутри каждой онтологии.

Отношение «должен соответствовать»

Отношение «имеет-часть»

Отношение «род-вид»

Подгоном ия

Онто логи ястреб© ваний

Отношение «рассчитывается»

Таксономия

Онтологиярасче тных моделей

Отношение «имеет

параметр»

Атрибутивная он ГОЛО ГИЯ

owklhing |—

Онтология функц

Отношение «имеет функцию»

БД оборудования

Онтоло гияпроце

Отношение «имеет значение»

Отношение «выполняет»

Рисунок 1 - Концептуальная схема онтологии УКПГ

На основе представленной архитектуры БЗ разработана онтологическая модель системы подготовки газа, включающая множество концептов и отношений внутри каждого слоя-модели, необходимых при конфигурировании объектов УКПГ.

Онтологическая модель УКПГ представляет собой открытую и дополняемую структуру, состоящую из следующих онтологий.

  •    Онтология партономия (отношение «часть-целое», см. рисунок 2) описывает перечень объектов с разным уровнем детализации в составе системы подготовки газа, объединённых в блоки основного и вспомогательного назначения.

  •    Онтология таксономия (отношение «род-вид», см. рисунок 3) включает в себя классификацию нефтегазовых объектов по определённому критерию, например, по типу назначения оборудования, что позволяет находить варианты оборудования при выполнении той или иной функции для его замены на более подходящие в текущих проектных условиях.

  •    Онтология атрибутов (отношение «имеет параметр») содержит в себе связи между объектами и атрибутами, описывающими характеристики их свойств и спецификаций.

  •    Онтология процессов (отношение «выполняется», см. рисунок 4) включает в себя взаимосвязь процесса с функциями, направленными на получение одного или нескольких товарных продуктов, среди которых выделяются следующие: осушенный и отбензиненный газ; нестабильный, деэтанизированный и стабильный конденсат; широкая фракция лёгких углеводородов и др.

  •    Онтология функций (отношение «имеет функцию», см. рисунок 5) включает в себя функциональную классификацию по типу воздействия на ресурс, взаимодействующий с нефтегазовым объектом подготовки, для решения задачи подбора вариантов с более подходящими характеристиками.

  •    Онтология требований (отношение «должен соответствовать»), которая связывает между собой объекты, атрибуты и предъявляемые к ним требования со стороны различных заинтересованных сторон и нормативно-технической документации.

  •    Онтология расчётных моделей (отношение «рассчитывается») включает в себя комплекс математических формул и алгоритмов для определения значений атрибутов объектов в

рамках решения задачи подбора экземпляров из базы данных (БД) и связывания требований разного уровня для поиска противоречий.

  •    БД оборудования (отношение «имеет значение») содержит перечень экземпляров объектов с конкретными значениями атрибутов, к которым обращаются расчётные модели для подбора конфигурации оборудования, удовлетворяющей проектным данным и нормативно-техническим требованиям.

    Рисунок 3 - Фрагмент онтологической модели таксономии в рамках описания УКПГ


Рисунок 2 - Фрагмент онтологической модели партономии в рамках описания УКПГ

Рисунок 4 - Фрагмент онтологии процессов в рамках описания УКПГ

Рисунок 5 - Фрагмент онтологии функций в рамках описания УКПГ

Функциональные возможности онтологической БЗ определяются пользовательскими ролями и соответствующими им правами доступа: инженеры по знаниям могут дополнять онтологию новыми концептами и отношениями; специалисты по БД вносят экземпляры объектов, включая их технико-стоимостные параметры; пользователи (инженерно-технический персонал) имеют доступ для просмотра онтологии и получения необходимой информации. Таким образом выполняется требование открытости онтологической модели - возможность пополнения онтологической модели новыми концептами и отношениями, что позволит решать новые задачи.

2    Программный прототип для концептуального проектирования УКПГ

Результаты онтологического моделирования стали основой для создания БЗ и реализации программного прототипа для концептуального проектирования УКПГ. Сложность проектирования УКПГ связана с разнообразием параметров и состава потока углеводородов на входе, значения которых влияют на состав, конфигурацию и параметры оборудования, входящего в состав установки. Это обусловливает множество возможных вариантов компоновок и спецификаций тех объектов, которые рассматриваются в процессе концептуального проектирования. Программа автоматического конфигурирования должна обеспечить быструю генерацию вариантов с учётом возможных ограничений и требований к составу и параметрам товарных продуктов, а также оценку вариантов по критериям стоимости в целях последующего обоснования выбора наиболее подходящего из них. Вывод результатов работы прототипа осуществляется в форме, понятной инженеру-технологу, - в виде технологической схемы с отображением атрибутивной информации на блоках этой схемы.

На рисунке 6 представлена архитектура программного прототипа, который состоит из следующих блоков:

Рисунок 6 - Архитектура программного прототипа

  •    интерфейс пользователя служит для запуска расчётов, отображения полученных результатов, а также для редактирования сгенерированной технологической схемы;

  •    БЗ содержит знания о предметной области, сформированные на основе разработанных онтологических моделей; включает перечень блоков, функциональные взаимосвязи и отношения между ними;

  •    расчётные модели используются для расчёта материального баланса и физических параметров потока, на их основе по данным входного потока вычисляются параметры необходимого оборудования;

  •    модуль генерации и оптимизации служит для генерации технологической схемы с использованием алгоритмов работы со знаниями и расчётными моделями;

  •    модуль работы с технологическими схемами используется для преобразования технологической схемы в графический вид и интеграции со сторонними системами.

Решение задачи построения технологической схемы УКПГ состоит из нескольких эта- пов, представленных на рисунке 7.

Рисунок 7 – Этапы построения технологической схемы

Обращение к онтологическим моделям БЗ, приведённым на рисунке 1, происходит итеративно на всём цикле построения и расчёта технологической схемы. После внесения пользователем товарной корзины продуктов определяются применимые варианты технологической схемы, описанные в онтологии процессов. Состав блоков УКПГ, выбранных на предыдущем этапе, формируется в ходе обращения к онтологиям партономия и таксономия для подбора подходящих в текущих проектных условиях объектов. Поиск вариантов объектов происходит с помощью онтологии функций для решения задачи подбора альтернатив. После построения технологической схемы выполняется расчёт параметров потока и оборудования на основе атрибутивной онтологии и онтологии расчётных моделей. Проверка исполнения требований от заинтересованных сторон и нормативно-технической документации осуществляется на базе онтологии требований. Спецификации экземпляров объектов определяются при обращении к БД оборудования, которая содержит информацию о техникостоимостных параметрах объектов от заводов-изготовителей.

3    Пример работы программного прототипа при конфигурировании УКПГ

Работа программного прототипа проверена на объекте компании «Газпром нефть», расположенного на территории Ямало-Ненецкого автономного округа. В качестве исходных данных использовались:

  •    сведения по компонентному составу смеси на входе по годам;

  •    свойства входного потока по годам;

  •    товарная корзина продуктов на выходе;

  •    требуемые свойства продуктов на выходе.

На основе входных данных и условий продуктовой корзины, которая в данном случае включает в себя сухой отбензиненный газ (СОГ) и нестабильный конденсат (НК), построена технологическая схема подготовки газа по автоматически выбранной технологии низкотемпературной сепарации с турбодетандером и получена следующая информация:

  •    технологическая схема с рассчитанными показателями в каждом узле;

  •    экспликация оборудования.

Результат построения технологической схемы с помощью программного прототипа показан на рисунке 8.

1 – сепаратор-пробкоуловитель, 2 – первичный сепаратор, 3 – трёхфазный сепаратор,

4 – низкотемпературный сепаратор, 5 – рекуперативный теплообменник, 6 – турбодетандер, 7 – миксер, ВМР – водометанольный раствор, ГАЗ - сырой газ из скважин на входе в УКПГ, СОГ - сухой отбензиненный газ, НК - нестабильный конденсат

Рисунок 8 – Фрагмент технологической схемы по подготовке газа

Газ из скважин поступает в сепаратор-пробкоуловитель (1), где происходит отделение жидкой фазы (пластовой воды и сконденсировавшегося углеводородного конденсата) и механических примесей. Жидкая фаза проходит через первичный сепаратор (2) и, смешиваясь с отделившейся жидкой фракцией в трёхфазном сепараторе (3), образует выход по НК. Предварительно очищенный газ поступает в рекуперативный теплообменник (5), где охлаждается встречным потоком газа. Для предотвращения гидратообразования вводят ингибитор (гликоль или метанол) с помощью блока дозирования реагента (6). После прохождения теплообменников (5) охлаждённый газ поступает на низкотемпературный сепаратор (4), затем на турбодетандер (6) с последующим снижением температуры потока за счёт детандирования, после чего чистый газ направляется в коллектор или магистральный газопровод. Жидкая фаза из низкотемпературного сепаратора поступает в трёхфазный сепаратор с отделением газа, водного раствора ингибитора и конденсата. Водный раствор ингибитора направляется на регенерацию, а конденсат – на последующую стабилизацию на установке стабилизации конденсата.

В таблице 2 приведён перечень объектов сгенерированной технологической схемы, включая модель, количество и стоимость по каждой позиции оборудования, в сравнении с проектными данными, полученными по результатам моделирования процесса подготовки газа и конденсата в программном обеспечении Aspen HYSYS 1.

Из таблицы 2 видно, что рассмотренные технологической схемы сопоставимы по позициям объектов в составе УКПГ, однако есть небольшие различия по количеству и стоимости оборудования, связанные с особенностями расчётных алгоритмов.

Таким образом, проверка работы программного прототипа показала высокую сходимость с результатами моделирования процесса подготовки газа в Aspen HYSYS .

Заключение

ИС ПКПМ включает онтологическую БЗ и программный прототип для построения технологических схем системы подготовки газа. ИС ПКПМ выполняет автоматическое конфигурирование системы подготовки газа, включая подбор состава и количества оборудования, построение взаимосвязанной цепочки объектов на основе требований и условий эксплуатации.

Таблица 2 – Сравнение оборудования в составе сгенерированной технологической схемы с проектными данными

Наименование объекта

Данные программного прототипа

Данные по проекту

Модель

Кол-во, шт.

Стоимость, млн.руб.

Модель

Кол-во, шт.

Стоимость, млн.руб.

Сепаратор-пробкоуловитель

НГС-I-4,0-2400 50 м3

(газ)

6

55.355

НГС-I-4,0-2400   50

м3 (газ)

6

55.355

Сепаратор-первичный

НГС-I-2,5-1200 6,3 м3 (газ)

13

23.322

НГС-I-2,5-1200   6,3

м3 (газ)

13

23.322

Трехфазный сепаратор

НГСВ-I-2,5-3000 100 м3

1

12.832

НГСВ-I-4,0-3000 100 м3

8

153.768

НГСВ-I-1,0-3000 100 м3

5

36.376

Низкотемпературный сепаратор

НГС-I-4,0-2400 50 м3

(газ)

4

36.903

НГС-I-2,5-1200   6,3

м3 (газ)

13

23.322

НГС-I-2,5-1200 6,3 м3 (газ)

20

35.880

Рекуперативный теплообменник

Теплообменник    газ-

конденсат 123,9 м2

10

85.931

Теплообменник газ-конденсат 123,9 м2

14

120.304

Турбодетандер

АДКГ-3,7 млрд.м3/год (12,9 МПа/10,4 МПа)

4

359.859

АДКГ-3,7 млрд.м3/год    (12,9

МПа/10,4 МПа)

3

292.394

Суммарная стоимость УКПГ, млн.руб.

646.461

668.466

Отклонение по стоимости, млн.руб.

22.004

Отклонение по стоимости, %

3.29

Применение ИС ПКПМ позволит снизить трудоёмкость проектных работ и ускорить сроки ввода объктов в эксплуатацию.

Тестирование ИС ПКПМ, проведённое на основе данных одного из газовых месторождений компании «Газпром Нефть», показало сходимость между фактической и построенной в прототипе технологическими схемами подготовки газа, что подтверждает пригодность алгоритмов расчёта параметров потока и оборудования.

Список литературы Автоматическое конфигурирование системы подготовки газа на основе онтологических моделей

  • A Guide to the Project Management Body of Knowledge (PMBOK Guide). 5 Edited by PMI. Newtown Square, PA: Project Management Institute, 2013.
  • Omoregie U. Megaprojects, Complexity, and Investment Decisions. Open Journal of Business and Management. 2016. Vol.4. P.219-224. D01:10.4236/ojbm.2016.42023.
  • Engen S., Falk K., Muller G. The Need for Systems Awareness to Support Early-Phase Decision-Making — A Study from the Norwegian Energy Industry. Systems. 2021. Vol.9. P.47. D0I:10.3390/systems9030047.
  • Gonzales J. Cost-cutting as and innovation driver among suppliers during an industry Downturn. In Petroleum Industry Transformation: Lessons from Norway and Beyond; Thune, T., Engen, O.A., Wicken, O., Eds.; Routledge: Oxfordshire, UK. 2018. P.70-83. DOI:10.4324/9781315142456-5.
  • Яковлев В.В., Хасанов М.М., Ситников А.Н., Прокофьев Д.О., Пустовских А.А., Маргарит А.С., Симонов М.В., Перец Д. С. Направления развития когнитивных технологий в периметре Блока разведки и добычи компании «Газпром нефть». Нефтяное хозяйство. 2017. Том.12. С.6-9. DOI:10.24887/0028-2448-2017-12-6-9.
  • Шушаков А.А., Билинчук А.В., Павлечко Н.М., Халиков Ф.Н., Сулейманов А.Г., Ситников А.Н., Слабецкий А.А., Тепляков Н.Ф., Сарапулов Н.П., Шестаков Д.А., Мансафов Р.Ю. «ЭРА:Добыча» -интегрированная платформа для повышения эффективности эксплуатации механизированного фонда скважин. Нефтяное хозяйство. 2017. Том.12. С.60-63. DOI:10.24887/0028-2448-2017-12-60-63.
  • Хасанов M.М., Максимов Ю.В., Сударь О.О., Можчиль А.Ф., Старостенко Р.В., Вершинин С.А., Пашкевич Л.А., Третьяков С.В. Ценностно-ориентированная инженерия в «Газпром нефти». Нефтянове хозяйство. 2019. Том.12. С.6-11. DOI: 10.24887/0028-2448-2019-12-6-11.
  • Abramov A. Agile methodology of well pad development. J Petrol Explor Prod Technol. 2020. Vol.10. P.3483-3496. DOI:10.1007/s13202-020-00993-3.
  • Abramov A. Optimization of well pad design and drilling - well clustering. Petroleum Exploration and Development. 2019. Vol.46(3). P.614-620. DOI:10.1016/S1876-3804(19)60041-8.
  • Miller W. Future of Systems Engineering. INCSOE 2019 International Symposium. Torrance, US-CA, January 28, 2019.
  • Madni A. Exploiting Augmented Intelligence in Systems Engineering and Engineered Systems. Insight. 2020. Vol.23. P.31-36. DOI:10.1002/inst.12282.
  • Rouse W. AI as Systems Engineering Augmented Intelligence for Systems Engineers, Insight. 2020. Vol.23. P.52-54. DOI:10.1002/inst.12286.
  • Mabkhot M., Al-Samhan А., Hidri L. An Ontology-Enabled Case-Based Reasoning Decision Support System for Manufacturing Process Selection. Advances in Materials Science and Engineering. 2019. Vol.1. P.1-18. DOI:10.1155/2019/2505183.
  • Glukhikh I., Glukhikh D. Case based reasoning for managing urban infrastructure complex technological objects. In: Proceedings of the CEUR Workshop 2021. Germany. 2021. 10 p. http://ceur-ws.org/Vol-2843/paper038.pdf.
Еще
Статья научная