«Автоматизация и информатизация ТЭК»

Прогнозирование топливно-энергетических затрат на транспортировку газа по газотранспортным системам с применением технологий машинного обучения

УДК: 622.691.48+519.677+519.673
DOI: 10.33285/2782-604Х-2022-2(583)-22-27

Авторы:

¹ НИИгазэкономика, Москва, Россия

Ключевые слова: методы машинного обучения, топливный газ, случайный лес, линейные модели, нейронные сети

Аннотация:

Одной из актуальных задач при управлении системами газоснабжения является минимизация топливно-энергетических затрат на выполнение работ по транспортировке газа по газотранспортным системам (ГТС). Современные системы газоснабжения представляют собой сложную инженерную инфраструктуру, для анализа которой необходимо привлекать развитой математический аппарат и современные компьютерные технологии. В настоящее время разработаны различные подходы к прогнозированию затрат топливного газа, однако задача по-прежнему остается актуальной, открытой и исследуемой. Рост объемов данных о фактических режимах работы систем газоснабжения и вычислительных мощностей создает условия для активного применения методов машинного обучения в решении этой задачи. В статье обсуждается применение методов машинного обучения для прогнозирования затрат топливного газа при различных режимах работы систем газоснабжения. Отмечается, что качество результатов моделирования во многом зависит от эффективной настройки параметров моделей машинного обучения. Проведено сравнение результатов различных моделей в рамках рассматриваемой задачи. Применение методов машинного обучения позволяет существенно сократить время решения расчетных задач в среднем более чем в 20 раз по сравнению с традиционными программно-вычислительными комплексами. Апробация предложенных подходов выполнена на примере реальных участков ГТС при стационарном режиме работы. Предполагается, что методы машинного обучения и искусственного интеллекта в совокупности с уже имеющимися моделями гидравлического расчета могут активно применяться в практике управления и оптимизации режимов работы Единой системы газоснабжения.

Список литературы:

1. Концепция энергосбережения и повышения энергетической эффективности ОАО "Газпром" на период 2011–2020 гг.: утв. Приказом ОАО "Газпром" № 364 от 28.12.2010 г.
2. Хворов Г.А., Юмашев М.В., Юров Е.В. Формирование стратегических инновационных мероприятий в транспорте газа как стратегический путь реализации потенциала энергосбережения в ОАО "Газпром" // Науч.-техн. сб. Вести газовой науки. – 2013. – № 2(13). – С. 127–131.
3. Реализация потенциала энергосбережения в магистральном транспорте газа ПАО "Газпром" / О.Е. Аксютин, А.Г. Ишков, Г.А. Хворов, Г.С. Акопова // Газовая пром-сть. – 2017. – № S1(750). – С. 52–58.
4. Карасевич А.М., Крейнин Е.В. Перспективы и резервы энергосбережения в России // Газовая пром-сть. – 2010. – № 9(650). – С. 68–71.
5. Формирование высокоэффективных энергосберегающих инновационных технологий в магистральном транспорте газа ОАО "Газпром" / А.Г. Ишков, Г.А. Хворов, М.В. Юмашев, Ю.Н. Синицын // Наука и техника в газовой пром-сти. – 2011. – № 1(45). – С. 12–18.
6. Энергоэффективные режимы газотранспортных систем и принципы их обеспечения / А.М. Карасевич, М.Г. Сухарев, А.В. Белинский [и др.] // Газовая пром-сть. – 2012. – № 1(672). – С. 30–34.
7. Сухарев М.Г., Тверской И.В., Белинский А.В. Критерии эффективности и оптимальности технологических режимов газотранспортных систем // Трубопроводные системы энергетики: Методические и прикладные проблемы математического моделирования. – Новосибирск: Наука, 2015. – С. 334–346.
8. Оценка потенциала энергосбережения в магистральном транспорте газа: проблемы, реализация, перспективы / Г.А. Хворов, М.Н. Мацук, А.В. Белинский [и др.] // Газовая пром-сть. – 2017. – № 7(755). – С. 76–85.
9. Бернер Л.И., Ковалев А.А., Киселев В.В. Управление газотранспортной сетью с использованием методов моделирования и прогнозирования // Автоматизация, телемеханизация и связь в нефтяной промышленности. – 2013. – № 1. – С. 48–53.
10. Бердник А.Н., Щербаков А.П. Энергетические затраты на транспорт газа по магистральному газопроводу и пути их снижения // Ученые заметки ТОГУ. – 2019. – Т. 10, № 4. – С. 283–287.
11. Кисленко Н.А., Белинский А.В., Казак А.С. Методы, алгоритмы и инструменты моделирования и оптимизации режимов работы единой системы газоснабжения России на основе технологий искусственного интеллекта. Часть 1 // Газовая пром-сть. – 2021. – № 9(821). – С. 88–96.
12. Кисленко Н.А., Белинский А.В., Казак А.С. Методы, алгоритмы и инструменты моделирования и оптимизации режимов работы единой системы газоснабжения России на основе технологий искусственного интеллекта. Часть 2 // Газовая пром-сть. – 2021. – № 10(822). – С. 98–104.
13. СТО Газпром 2-3.5-051-2006. Нормы технологического проектирования магистральных газопроводов. – М.: ИРЦ Газпром; ВНИИГАЗ, 2006. – VIII, 197 с.
14. Сарданашвили С.А. Расчетные методы и алгоритмы (трубопроводный транспорт газа). – М.: Изд-во "Нефть и газ" РГУ нефти и газа им. И.М. Губкина, 2005. – 577 с.
15. Сухарев М.Г., Самойлов Р.В. Анализ и управление стационарными и нестационарными режимами транспорта газа. – М.: Изд. центр РГУ нефти и газа (НИУ) им. И.М. Губкина, 2016. – 399 с.
16. Жерон О. Прикладное машинное обучение с помощью Scikit-Learn и Tensor Flow: концепции, инструменты и техники для создания интеллектуальных систем: пер. с англ. – СПб.: Альфа-книга, 2018. – 688 с.
17. Коэльо Л., Ричарт В. Построение систем машинного обучения на языке Python. – М.: ДМК Пресс, 2021. – 304 с.