«Автоматизация и информатизация ТЭК»

Имитационная нестационарная гибридная модель крупной газотранспортной системы с аппаратным ускорением вычислений на графических процессорах

УДК: 519.673
DOI: -

Авторы:

¹ НИИгазэкономика, Москва, Россия

Ключевые слова: нестационарный процесс, имитация, газотранспортная система, нейронная сеть, дифференцируемое программирование

Аннотация:

Рост значимости природного газа в обеспечении энергетической безопасности и надежности энергоснабжения потребителей выдвигает на первый план задачи имитации и планирования нестационарных режимов работы газотранспортной системы (ГТС) Единой системы газоснабжения России. Учитывая высокую размерность этих задач и вычислительную трудоемкость, их решение требует применения рационально построенных математических моделей и алгоритмов, обеспечивающих баланс точности результатов моделирования и быстродействия. В статье предлагается новый подход к компьютерной реализации вычислительных процедур для моделирования нестационарных режимов работы крупных ГТС. В основу имитационного алгоритма предлагается положить разработанную отечественными учеными нестационарную модель течения газа в магистральных газопроводах, требующую значительно меньших вычислительных затрат по сравнению с классическими моделями в виде дифференциальных уравнений в частных производных. Отличительная особенность настоящей работы состоит в применении новой парадигмы – дифференцируемого программирования ("дифференцируемой физики") – для программной реализации расчетного алгоритма. Представлены основные характеристики разработанной автодифференцируемой имитационной расчетной модели, которая адаптирована для выполнения тензорных параллельных вычислений на графических процессорах (GPU). Показано, что предложенные математические, программные и аппаратные методы вычислений позволяют сформировать новую эффективную компьютерную технологию моделирования (имитации) нестационарных режимов работы крупных ГТС с аппаратным ускорением вычислений. Обсуждается подход к созданию гибридных моделей, сочетающих "точные" физические модели на основе знаний с моделями машинного обучения на основе данных. Отмечается, что дифференцируемое программирование является связующим звеном между классическим моделированием систем и применением моделей машинного обучения, в частности искусственных нейронных сетей. Демонстрируются результаты вычислительных экспериментов, свидетельствующие о высоком быстродействии разработанного алгоритма при имитации режимов функционирования реальных крупных ГТС. Обсуждаются направления дальнейших исследований по созданию новых алгоритмов оптимизации нестационарных режимов крупных ГТС на основе предложенной автодифференцируемой имитационной модели.

Список литературы:

1. Моделирование транспорта природного газа в режиме онлайн. Программно-вычислительный комплекс "Волна" / М.Г. Анучин, М.Г. Анучин, А.А. Анфалов [и др.] // Нефть. Газ. Новации. – 2017. – № 5. – С. 27–35.
2. 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.
3. Сухарев М.Г., Самойлов Р.В. Анализ и управление стационарными и нестационарными режимами транспорта газа. – М.: Издат. центр РГУ нефти и газа (НИУ) им. И.М. Губкина, 2016. – 399 с.
4. Сухарев М.Г., Самойлов Р.В. Модели с сосредоточенными параметрами для нестационарного течения газа в магистральных газопроводах // Науч.-техн. сб. Вести газовой науки. – 2022. – № 2(51). – С. 4–15.
5. Сухарев М.Г., Попов Р.В. Новая методика моделирования нестационарных течений газа в системах газоснабжения // Изв. РАН. Энергетика. – 2015. – № 2. – С. 150–159.
6. Белинский А.В. Дифференцируемая физика – основа цифровых двойников в нефтегазовом комплексе // Автоматизация и информатизация ТЭК. – 2024. – № 12(617). – С. 38–50.
7. СТО Газпром 2-3.5-051-2006. Нормы технологического проектирования магистральных газопроводов. – Введ. 2006–07–03. – М.: ИРЦ Газпром, 2006. – 196 с.
8. 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.
9. Корельштейн Л.Б., Пашенкова Е.С. Опыт использования методов глобального градиента и декомпозиции при расчете установившегося неизотермического течения жидкостей и газов в трубопроводах // Трубопроводные системы энергетики. Мат. моделирование и оптимизация. – Новосибирск: Наука, 2010. – С. 103–114.
10. Разработка и апробация методических подходов и цифровых технологий нейросетевого прокси-моделирования установившегося двухфазного течения многокомпонентной смеси в системах сбора и промысловой подготовки газа (на примере Чаяндинского НГКМ) / А.В. Белинский, В.А. Маришкин, В.В. Самсонова, П.В. Пятибратов // Автоматизация и информатизация ТЭК. – 2024. – № 4(609). – С. 44–59.
11. О новом методе цифрового моделирования нестационарных режимов течения газа в магистральных газопроводах с применением нейронных операторов / А.В. Белинский, Д.В. Горлов, И.А. Пятышев, А.Е. Титов // Газовая пром-сть. – 2024. – № 5(865). – С. 54–66.
12. О возможности использования технологии машинного обучения для моделирования компрессорной станции магистрального газопровода / А.В. Олейников, В.А. Шевченко, А.В. Белинский, А.В. Малетин // Автоматизация и информатизация ТЭК. – 2024. – № 6(611). – С. 35–45.
13. Корельштейн Л.Б. Существование, единственность и монотонность решения задачи потокораспределения в гидравлических цепях с зависящими от давления замыкающими соотношениями // Мат. модели и методы анализа и оптимального синтеза развивающихся трубопроводных и гидравлических систем: тр. XVI Всерос. науч. семинара, Иркутск, 26 июня – 2 июля 2018 г. – Иркутск: Ин-т систем энергетики им. Л.А. Мелентьева СО РАН, 2018. – С. 55–83.
14. Blondel M., Roulet V. The Elements of Differentiable Programming. – 2024. – 437 p. – DOI: 10.48550/arXiv.2403.14606
15. Runje D., Shankaranarayana S.M. Constrained Monotonic Neural Networks. – 2023. – 16 p. – DOI: 10.48550/arXiv.2205.11775
16. Об обоснованности применения, современном состоянии и некоторых перспективах развития нейросетевых моделей Единой системы газоснабжения России / Н.А. Кисленко, А.В. Белинский, А.С. Казак, О.И. Белинская // Автоматизация и информатизация ТЭК. – 2022. – № 5(586). – С. 6–17. – DOI: 10.33285/2782-604X-2022-5(586)-6-17