«Автоматизация и информатизация ТЭК»

Эмпирические модели для автоматизированных систем управления технологическими процессами: кластеризация и верификация данных, обеспечение робастности моделей

УДК: 004.511.3
DOI: -

Авторы:

¹ Уфимский государственный нефтяной технический университет, Уфа, Россия

Ключевые слова: достоверность, данные, чувствительность, регрессия, верификация, ситуационное моделирование, нестационарность, временной ряд

Аннотация:

Решение задач усовершенствованного управления технологическими процессами и обеспечения безопасности на предприятиях нефтепереработки и нефтехимии основывается на широком использовании моделей подготовки и извлечения информации, которые, как правило, формируют путем обработки статистических (эмпирических) данных в виде временных рядов (ВР). Проблемы получения моделей технологических объектов на основе ВР связаны с нестационарностью характеристик объекта, а также нелинейностью связей между параметрами. Перспективы решения проблем моделирования нестационарных объектов лежат на пути ситуационного моделирования, когда ВР кластеризуют на квазистационарные фрагменты, каждому из которых соответствует ситуационная модель. Важным вопросом при получении моделей является обеспечение "грубости" (робастности, устойчивости) к погрешностям определения коэффициентов и измерения входных параметров моделей при высокой точности прогнозирования, необходимой для решения задач управления, диагностики и верификации данных. В статье рассматриваются подходы к анализу "грубости" моделей регрессии для нестационарных объектов и получению устойчивых моделей на основе обработки ВР.

Список литературы:

1. Бокс Дж., Дженкинс Г. Анализ временных рядов, прогноз и управление: в 2 кн. Кн. 1 / пер. с англ. под ред. В.Ф. Писаренко. – М.: Мир, 1974. – 406 с.
2. Веревкин А.П., Муртазин Т.М. Искусственный интеллект в задачах моделирования, управления, диагностики технологических процессов: моногр. – М.; Вологда: Инфра-Инженерия, 2023. – 232 с.
3. Веревкин А.П., Муртазин Т.М. Системотехника принятия решений в задачах управления и диагностики технологических процессов // Автоматизация в пром-сти. – 2024. – № 7. – С. 38–45. – DOI: 10.25728/avtprom.2024.07.07
4. Kadlec P., Gabrys B., Strandt S. Data-Driven Soft Sensors in the Process Industry // Computers and Chemical Engineering. – 2009. – Vol. 33, Issue 4. – P. 795–814. – DOI: 10.1016/j.compchemeng.2008.12.012
5. Soft Sensors for Monitoring and Control of Industrial Processes / L. Fortuna, S. Graziani, A. Rizzo, M.G. Xibilia. – London: Springer-Verlag, 2007. – XVIII, 271 p. – DOI: 10.1007/978-1-84628-480-9
6. Сарданашвили С.А., Голубятников Е.А. Применение методов повышения достоверности онлайн-данных и результатов моделирования режимов промысловых, магистральных, газораспределительных трубопроводных систем // Территория Нефтегаз. – 2018. – № 9. – С. 24–34.
7. Захарченко В.Е. Контроль достоверности значений параметров в АСУТП // Имитационное моделирование. Теория и практика (ИММОД): тр. Третьей всерос. науч.-практ. конф. по имитационному моделированию и его применению в науке и пром-сти, СПб., 17–19 окт. 2007 г. Секция 2. Средства автоматизации и визуализации имитационного моделирования. – СПб.: С.-Петерб. ин-т информатики и автоматизации РАН, 2007. – С. 278–286.
8. Анализ баланса потоков жидкости в инженерных сетях нефтегазодобывающего предприятия / М.А. Слепян, Ю.И. Зозуля, А.К. Муравский, Н.М. Сибагатуллин. – Уфа: Монография, 2002. – 119 с.
9. Кульба В.В., Ковалевский С.С., Шелков А.Б. Достоверность и сохранность информации в АСУ. – М.: СИНТЕГ, 2003. – 496 с.
10. Coleman B., Babu J. Techniques of Model-Based Control. – Prentice Hall PTR, 2002. – 704 p.
11. Подготовка данных для построения виртуальных анализаторов в задачах усовершенствованного управления / А.П. Веревкин, С.В. Денисов, Т.М. Муртазин, К.Ю. Устюжанин // Автоматизация в пром-сти. – 2019. – № 3. – С. 12–17.
12. Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование: учеб. пособие. – 3-е изд., перераб. и доп. – М.: Вузовский учебник: ИНФРА-М, 2014. – 389 с.
13. Голубятников Е.А., Сарданашвили С.А. Проблемы моделирования on-line режимов систем газоснабжения // Территория Нефтегаз. – 2015. – № 4. – С. 32–37.
14. Поспелов Д.А. Ситуационное управление: теория и практика. – М.: Наука, 1986. – 288 с.
15. Кластерный анализ. – URL: https://docs.exponenta.ru/stats/cluster-analysis-example.html (дата обращения 13.02.2019).
16. Веревкин А.П., Муртазин Т.М. Модели в задачах разработки автоматизированных систем управления технологическими объектами. – М.; Вологда: Инфра-Инженерия, 2025. – 196 с.
17. Кизина И.Д., Веревкин А.П. Методы верификации и достоверизации данных для решения задач в автоматизированных системах управления технологическими процессами нефтегазовой отрасли // Автоматизация и информатизация ТЭК. – 2025. – № 1(618). – С. 42–47.