Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Автоматизация управления производственными процессами сетей газораспределения с использованием геоинформационных технологий Белоновский Павел Владиславович

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Белоновский Павел Владиславович. Автоматизация управления производственными процессами сетей газораспределения с использованием геоинформационных технологий: диссертация ... кандидата Технических наук: 05.13.06 / Белоновский Павел Владиславович;[Место защиты: ФГБОУ ВО «Оренбургский государственный университет»], 2018.- 165 с.

Содержание к диссертации

Введение

1 Методы и технологии автоматизации управления производственными процессами сетей газораспределения 12

1.1 Актуальные задачи управления производственными процессами сетей газораспределения в Оренбургской области 12

1.2 Методы автоматизации решения задач управления производственными процессами в сфере нефте- и газораспределения с использованием геоинформационных технологий 19

1.3 Технологии стандартизации, унификации и мониторинга геоданных и параметров сетей газораспределения в управлении производственными процессами 34

Выводы по первому разделу 42

2 Моделирование управления производственными процессами сетей газораспределения с использованием геоинформационных технологий 44

2.1 Математические модели в процессном подходе к управлению производственными процессами сетей газораспределения 44

2.2 Модель прогнозирования выходного давления газа на пунктах редуцирования газа сетей газораспределения 49

2.3 Модель оценки качества технического осмотра газопровода на основе аппарата нечеткой логики с использованием геоинформационных технологий 59

Выводы по второму разделу 75

3 Программная реализация автоматизированной системы управления производственными процессами сетей газораспределения с использованием геоинформационных технологий 77

3.1 Разработка структуры АСУ ПП СГ АО «Газпром газораспределение Оренбург» 77

3.2 Выбор программных средств разработки АСУ ПП СГ 84

3.3 Модель анализа геоданных объектов сетей газораспределения на основе методов R-дерева и бинарного дерева 91

3.4 Разработка интерфейса АСУ ПП СГ с отображением геоинформационных данных 96

Выводы по третьему разделу 103

4. Внедрение автоматизированной системы управления производственными процессами сетей газораспределения с использованием геоинформационных технологий в условиях АО «Газпром газораспределение Оренбург» 105

4.1 Организация сбора геоинформационных данных и их унификация 105

4.2 Верификация и валидация моделей и геоинформационных данных в АСУ ПП СГ АО «Газпром газораспределение Оренбург» 113

4.3 Результаты внедрения АСУ ПП СГ в АО «Газпром газораспределение Оренбург» 118

4.4 Оценка качества АСУ ПП СГ АО «Газпром газораспределение Оренбург» по ISO/IEC 25010:2011 124

Выводы по четвертому разделу 131

Заключение 133

Список литературы 135

Приложение А (справочное) Свидетельство о государственной регистрации программы для ЭВМ «Программа настройки и диагностики персональных GPS трекеров» 153

Приложение Б (справочное) Свидетельство о государственной регистрации программы для ЭВМ «Программа подготовки и анализа временных статистических данных» 154

Приложение В (обязательное) Структура БД АСУ ПП СГ с геоинформацией объектов СГ 155

Приложение Г (обязательное) Исходный код программного класса формирования маршрута с техническим осмотром газопровода 156

Приложение Д (обязательное) Результаты расчета оценки качества технического осмотра газопроводов сетей газораспределения программным продуктом «Метод анализа иерархий 1.0» 160

Приложение Е (справочное) Акт внедрения в АО «Газпром газораспределение Оренбург» 161

Приложение Ж (справочное) Акт внедрения в ООО «Газпром межрегионгаз Оренбург» 162

Приложение З (справочное) Акт внедрения в ФГБОУ ВО ОГУ 163

Приложение И (справочное) Анализ поломок трекеров при тестировании и внедрении в эксплуатацию АСУ ПП СГ 164

Введение к работе

Актуальность темы. Производственное обслуживание сетей газораспределения (СГ) является комплексом сложных технологических процессов газовой промышленности. Газоснабжение определяет социально-экономическое развитие многих регионов России. Крупнейшие предприятия Оренбургской области, работающие в сфере энергетики, металлургии и переработки руд (Ириклинская ГРЭС, АО «Уральская сталь» (г. Новотроицк), ООО «Гайский завод по обработке цветных металлов», АО «Новотроицкий цементный завод» и др.), являются основными потребителями природного газа в Оренбургской области и нуждаются в его бесперебойной подаче.

Сеть газораспределения в Оренбургской области достигла предельных масштабов и требует непрерывного контроля технического состояния газопроводов, причем большинство производственных процессов (ПП) газораспределения являются опасными. При эксплуатации СГ является обязательным соблюдение многочисленных требований государственных стандартов и отраслевых нормативных актов, рекомендовано использование геоинформационных систем. Уровень аварийности, вызванный нарушением норм эксплуатации СГ, остается высоким. На 2300 опасных производственных объектах АО «Газпром газораспределение» ежегодно происходит более 560 аварии и инцидентов, материальный ущерб достигает 140 млн. руб.

Установлено, что бесперебойное и безаварийное газоснабжение в СГ обеспечивается качественным выполнением планово-предупредительных работ, соблюдением регламентов, непрерывным мониторингом и прогнозом значений параметров СГ, оперативным реагированием и взаимодействием служб газораспределительной организации (ГРО). Решению этих задач способствует внедрение автоматизированных систем управления производственными процессами сетей газораспределения с использованием геоинформационных технологий (АСУ ПП СГ).

Степень разработанности проблемы. В настоящее время накоплен определённый опыт решения ряда задач автоматизации управления газораспределением. Разработаны модели и алгоритмы прогнозирования значений параметров производственных процессов и аварийных ситуаций (СИ. Абрахин, А.Ф. Атнабаев, А.Н. Блохин, Б.Э. Забержинский, О.С. Логунова, Б.А. Платонов, СВ. Птицын, А.Н. Распутин, А.А. Рейтер). Определены особенности обработки массивов пространственных и атрибутивных данных (В.Е. Гвоздев, В.О. Красавчиков, М.С.Соколов, И.Н. Розентберг, В.СШерстнев) и повышения эффективности управления региональным газораспределением (Д.А. Бородин, А.Н.Блохин, М.В. Красильникова, О.Н. Медведева), апробированы ГИС в управлении производством (А.М. Короленок, В.О. Красавчиков, Малик Саад, Д.А. Песегов).

В то же время в известных исследованиях не решены комплексно и во взаимосвязи актуальные задачи прогнозирования суточных колебаний давления газа на пунктах редуцирования, оценки технического осмотра и обслуживания газопроводов, интеграции информационных систем предприятия с разработкой

единого интерфейса и использованием геоинформационных технологий для интеллектуальной поддержки управления ПП СГ, в связи с чем замедляется документооборот, снижается эффективность планово-предупредительных ремонтов, производятся необоснованные трудовые и финансовые затраты.

Объект исследования - производственные процессы сетей газораспределения.

Предмет исследования – автоматизация управления производственными процессами сетей газораспределения с использованием геоинформационных технологий.

Цель исследования - повышение эффективности процессов эксплуатации сетей газораспределения путем автоматизации управления производственными процессами сетей газораспределения с использованием геоинформационных технологий.

Задачи исследования:

  1. анализ задач управления производственными процессами сетей газораспределения;

  2. разработка математических моделей прогнозирования значений выходного давления газа на пунктах редуцирования газа (ПРГ) и модели оценки технического осмотра ГП с учетом геоинформационных данных и технологических параметров;

  3. разработка алгоритмов АСУ ПП СГ, обеспечивающих сквозной контроль качества принимаемых решений по иерархическим уровням управления на основе обработки распределенных данных;

  4. программная реализация разработанных моделей и алгоритмов с использованием геоинформационных технологий и структурированием распределенных данных;

  5. оценка эффективности разработанной АСУ ПП СГ на основе требований ISO/IEC 25010:2011.

Методология и методы исследования. В решении поставленных задач использованы методы математического моделирования, методы математической статистики, методы системного анализа, теории нечетких множеств, R-деревьев и бинарных деревьев, объектно-ориентированного программирования.

Научной новизной обладают:

  1. математические модели управления ПП СГ, отличающиеся прогнозированием значений выходного давления газа на ПРГ и оценкой технического осмотра ГП с учетом геоинформационных данных и технологических параметров в целях оперативного управления технологическими процессами в ГРО;

  2. алгоритмы обработки, оценки и прогнозирования значений параметров ПП СГ, обеспечивающие сквозной контроль качества принимаемых решений по иерархическим уровням управления на основе обработки распределенных данных производственных процессов с использованием геоинформационных технологий;

  3. методики обеспечения достоверности результатов функционирования АСУ ПП СГ на основе ISO/IEC 25010:2011 (ГОСТ Р ИСО/МЭК 25010-2015) по критериям качества продукта и качества при использования основными клас-

сами потребителей.

Практическую значимость имеют:

обеспечение прогнозирование выходного давления газа на ПРГ с учетом суточного перепада, позволяющего выявлять необходимость внепланового обслуживания СГ и снижать износ оборудования;

обеспечение оценки технического осмотра газопровода бригадами слесарей для выявления нарушений правил осмотра запорной арматуры;

автоматизация процессов управления на основе программной реализации разработанных моделей и алгоритмов ПП СГ с использованием геоинформационных технологий и многофункционального пользовательского интерфейса для принятия оперативных управленческих решений различными классами пользователей (диспетчеры, мастера комплексно-эксплуатационных служб (КЭС), инженеры производственно-технического отдела (ПТО)).

Положения, выносимые на защиту:

  1. математические модели управления производственными процессами сетей газораспределения, отличающиеся прогнозированием выходного давления газа на ПРГ на основе анализа временных рядов значений технологических параметров и оценкой технического осмотра газопровода по мониторингу геоданных на основе аппарата нечетких множеств, обеспечивающие оперативное управление производственными процессами ГРО;

  2. алгоритм обработки и прогнозирования значений выходного давления газа на ПРГ, обеспечивающий снижение риска аварийной ситуации и повышение срока службы оборудования в результате уменьшения суточных пиковых перепадов давления газа, и алгоритм оценки технического осмотра газопровода с использованием мониторинга данных от GPS-трекеров, геоинформационных данных запорной арматуры и данных об аварийных ситуациях, для повышения качества обслуживания сетей газораспределения.

  3. программная реализация АСУ ПП СГ на языке объектно-ориентированного программирования С# Net.Framework 4 с использованием геоинформационных технологий, интегрирующая разработанные модули с существующими автоматизированными системами и информационными базами данных ГРО и обеспечивающая моделирование производственных ситуаций и визуализацию на карте сетей газораспределения;

  4. методики обеспечения достоверности результатов и эффективности внедрения АСУ ПП СГ, разработанные на основе требований ISO/IEC 25010:2011 (ГОСТ Р ИСО/МЭК 25010-2015) по критериям модели качества при использовании основными классами потребителей (результативность, покрытие контекста и свободы от риска) и критериям модели качества продукта (производительности, надежности, совместимости, удобству использования и защищенности), определяющие действенность системы менеджмента качества ГРО.

Достоверность и обоснованность научных положений, методик разработки и результатов исследования базируется на применении известных методов планирования и проведения теоретических и экспериментальных исследо-

ваний, стандартизованных и аттестованных методик, аппаратуры и оборудования, по стандартам и регламентам газораспределения, в соответствии с отраслевыми нормативными документами, непротиворечивостью известным положениям развития технических систем, сходимостью результатов экспериментов, проведенных при функционировании СГ Оренбургской области;

Реализация результатов работы. Основные результаты работы и разработанная АСУ ПП СГ внедрены в АО «Газпром газораспределение Оренбург» и девяти его филиалах, в ООО «Газпром межрегионгаз Оренбург», используются в учебном процессе ОГУ.

Апробация работы. Основные положения работы представлялись на международных научно-практических конференциях «Технические науки в мире: от теории к практике» (Ростов на Дону, 2017 г.), «Вопросы современной науки: проблемы, тенденции и перспективы» (Москва, 2017 г.), «Наукоемкие технологии в решении проблем нефтегазового комплекса в год экологии в России» (Уфа, 2017 г.), «Реализация компетентностного подхода в инженерной подготовке» (Самара, 2015 г.), Всероссийских научно-практических конференциях «Теплога-зоснабжение: состояние, проблемы, перспективы» (Оренбург, 2011, 2013 гг.), «Прикладная информатика и компьютерное моделирование» (Уфа, 2012 г.), «Компьютерная интеграция производства и ИПИ-технологии» (Оренбург, 2013 г., 2017 г.) и Всероссийских научно-методических конференциях «Инновации и наукоемкие технологии в образовании и экономике» (Уфа, 2012 г.), «Университетский комплекс как региональный центр развития образования, науки и культуры» (Оренбург, 2012-2018 гг.), на совещаниях АО «Газпром» «Проблемы внедрения систем телеметрии на объектах ПРГ» (Краснодар, 2017 г.; Санкт-Петербург, 2018 г.).

Личный вклад автора заключается в сборе статистических данных, в разработке математических моделей и алгоритмов управления; в организации и проведении экспериментальных работ, в разработке, верификации и апробации программ, защищенных свидетельствами о государственной регистрации.

Области исследований соответствует паспорту научной специальности 05.13.06 –Автоматизация и управление технологическими процессами и производствами (промышленность): п.4 Теоретические основы и методы математического моделирования организационно-технологических систем и комплексов, функциональных задач и объектов управления и их алгоритмизация; п.11 Методы планирования и оптимизации отладки, сопровождения, модификации и эксплуатации задач функциональных и обеспечивающих подсистем АСУТП, АСУП, АСТПП и др., включающие задачи управления качеством, финансами и персоналом.

Публикации. По материалам диссертации опубликовано 22 работы, в том числе 4 статьи в журналах, включенных в «Перечень …» ВАК, получено 2 свидетельства о государственно регистрации программы для ЭВМ.

Структура и объем работы. Диссертационная работа изложена на 165 страницах машинописного теста и включает введение, четыре раздела, заключение, 66 рисунков, 25 таблиц, список использованной литературы из 138 наименований и приложения.

Методы автоматизации решения задач управления производственными процессами в сфере нефте- и газораспределения с использованием геоинформационных технологий

Автоматизация управления производственными процессами на предприятиях нефте- и газораспределения требует анализ множества данных, мониторинга событий по различным информационным системам и прогнозирования большого набора характеристик на продолжительной основе.

Подобная проблема решалась в работе А.Ф. Атнабаева [4] и была ориентирована на обработку разнородной пространственной и атрибутивной информации о характере распространения нефти. В работе используется метод совместного описания атрибутивной и пространственной информации. Идея метода заключается в создании топологических слоев карты, каждый из которой представляет одну из атрибутивных характеристик. Набор слоев позволяет получить пересечения различной атрибутивной информации при одновременной привязкой к географическому расположению. В результате автор приходит к алгоритму анализа и извлечения данных из базы, который разрешает объединить разностные атрибутивные характеристики для дальнейшего прогнозирования. В то же время в работе существуют явные ограничения применения, связанные с необходимостью ввода дополнительной информации при каждом моделировании критической ситуации (например, разлива нефти). Система так же не способна рассчитать опасные зоны и объединить несколько атрибутов в одном слое, что ограничивает её применение в газораспределении.

Использование нескольких параметров в одном слое исследовано в работе В.Е. Гвоздева [31]. Метод, рассматриваемый автором, основан на создании параметрической модели унифицированного типа для функций распределения параметров состояния объектов с геотехническими характеристиками. Суть метода состоит в том, что из совокупности всевозможных корректных оценок, которые согласуются с наличествующими данными, отбирается лишь оценка, близкая к функции равномерного распределения. При этом исходная выборочная информация представляется в виде оценок моментов функции распределения. Значимость метода, предложенного в целях экономического анализа, состоит в возможности расширения его границ применимости для анализа производственных процессов сетей газораспределения.

Полученное унифицированное выражение возможно применить для аппроксимации непрерывных функций распределения случайных величин, что является достоинством модели. Отметим, что применение модели с двумя первыми моментами, приводит к систематической погрешности в оценках функции.

Таким образом, оцениваемый параметр рассматривается В.Е. Гвоздевым как сумма параметров или их сумма с учетом веса. Работа основана на анализе изменчивости состояния геотехнических объектов, учитываются территориальные аспекты сетей газораспределения. Используются гомогенные модели для дифференциации параметров. Стоит отметить, что работа построена в основном, на реализации методов статистики, что не позволяет выдать прогноз по параметрам состояния газотехнических объектов при наличии малого количества массива параметров.

Определение параметров сети газораспределения, их взаимосвязь и управленческое воздействие рассматривалось в исследовании А.Н. Медведевой [134]. Подробно изучены схемы газоснабжения потребителей и проблемы, возникающие на каждом этапе газораспределения. Выделены особенности, эксплуатации сетей газораспределения, алгоритмы определения аварийных и предаварийных значений выходного давления газа на пунктах редуцирования, которые могут быть использованы для выработки управленческого решения при неблагоприятном прогнозе пиковых нагрузок на сеть газораспределения.

Задачи управление процессами принятия решений в газораспределительной организации исследовались А.Н. Блохиным [19]. Автором предложены алгоритм идентификации класса проблемных ситуаций с применением аппарата нечеткого моделирования и процедуры повышения надежности принимаемых решений в условиях неопределенности. Управленческие задачи в автоматизированной системе газораспределения решались в исследовании Б.А. Платонова [89] и С.В. Птицына [92]. В алгоритмах управления, разработанных авторами, идентифицируются характерные ситуации газораспределения и соотносятся с определенным классами управленческих задач на основе кластеризации, структурирования в иерархию и использования аппарата нечеткой математики. Основными ситуациями риска в работе Б.А. Платонова представлены коррозия газопроводов и разрывы сварных швов. В работе С.В. Птицына на основе аппроксимации данных разработана модель прогнозирования объемов газопотребления с учетом сезонности, а также модели оптимального распределения ограниченных ресурсов газа в условиях неопределенности принятия решения. В то же время риск изменений выходного давления газа, а также оценка качества осмотров газопроводов не являлись предметом исследования в данных работах.

Определенный вклад в исследование региональных систем газораспределения и газопотребления вносят работы по оценки их экономической эффективности. Так, М.В. Красильникова [61] описывает работу с множеством экономических показателей предприятий газораспределения и газопотребления. При анализе значимых параметров данных предприятий автор столкнулся с проблемой слабо коррелирующих между собой показателей, имеющих различные единицы измерения. В результате был выработан алгоритм, определяющий оценку каждого параметра, ранжируя его в пределах от худшего до лучшего состояния показателя. Преобразованные показатели одновременно нормируются для обеспечения корректности сопоставлений по различным частным показателям. В тоже время в указанном алгоритме не задействованы топографические данные и нет привязки к информационным системам.

В исследованиях Д.А. Бородина [22] выполнен технико-экономический анализ методов повышения пропускной способности существующих газораспределительных систем (на примере населенных пунктов Оренбургской области), разработан и применен в целях решения задач управления СГ критерий экономической неубыточности реконструкции систем газораспределения населенных пунктов, который может быть использован в алгоритмах оценки АСУ.

Определившись с методами обработки данных, требуется перейти к шагу разработки и интеграции данных в геоинформационную систему. В нашем случае примером такой работы является исследование В.О. Красавчикова [60]. Автор для решения задач геомоделирования основывался на общепризнанном положении о циклической природе математического моделирования (Роберте, 1986). Суть метода заключается в использовании кластерного анализа, внедренного в автоматизированную систему, при этом, каждый слой карты представляет собой набор «ячеек», отражающих по одному параметру геомоделирования. Создание множества слоев с различными характеристиками позволяет организовать наложение для нахождения, в дальнейшем, пресечений ячеек-параметров. Реализованная карта способна отобразить полный перечень характеристик каждого объекта, расположенного на карте. Отметим, подобный подход способен сильно нагружать систему и при большом количестве атрибутов, возможно, замедление работы системы.

В решении задач оптимизации следует отметить работу Б.Э. Забержинского [51], посвященную распределительно-транспортной системы. Отличия заключаются в теоретико-графовым подходе с учетом топологии РГРС. Это позволяет дифференцировать задачу поиска на основном этапе определения оптимальной топологии РГРС. В то же время представленное решение не позволяет исследовать данные различных размерностей.

Моделирование подобных ситуаций было рассмотрено в работе Д.А. Песегова [88]. Автором создана программа-эмулятор мониторинговых данных, работающая в режиме реального времени с применением модуля математической модели над реляционной базой данных. Метод решает задачу построения модели бизнес-процессов в меняющихся условиях, увеличении информационных систем с динамичной предметной областью, развитием в процессе эксплуатации. Электронная географическая информация хранится в реляционной модели хранения и обработки с применением архитектуры "клиент-сервер" для многопользовательского доступа, а также ряд программно-технологических алгоритмов для ее поддержки. Система основана ныне устаревших технологиях и программных продуктов. Так, программное обеспечение на основе Delphi 5 устарело для современных многопроцессорных систем, база данных Firebird ограничена в использовании современных типов данных.

Модель прогнозирования выходного давления газа на пунктах редуцирования газа сетей газораспределения

Большинство газопроводов является статическими, т.е. рассчитаны на определенные статичные показатели, как правило, расчет ведется исходя из максимально возможного потребления газа. Однако на практике показатели меняются в широких диапазонах. Наиболее существенным колебаниям подвержено давление газа в сети. Для создания необходимого давления непосредственно потребителю газа, существуют пункты редуцирования газа (ПРГ). Оборудование ПРГ позволяет понижать высокое магистральное давление 1,6 мПа до низкого 2 кПа для доставки непосредственно потребителю [118].

Однако, в виду сложности газовых сетей, большой протяженности газопроводов и изменения потребления возникают скачки низкого давления газа, что негативно сказывается на работе газопровода. Требуется частая замена частей газопровода, изменение конфигурации и т.д., что экономически сложно и невыгодно [134].

Для определения возможных критических ситуаций одной из мер является использование прогнозирования давления газа по истории значений из системы телеметрии.

Прогнозирование выходного давления газа позволяет заблаговременно определить пиковые нагрузки на оборудование, что позволяет снизить риски при принятии решений по эксплуатационным процессам.

Методы прогнозирования подразумевают, анализ набора данных с последующим выбором алгоритма прогнозирования [8]. Для прогнозирования, на практике применяются методы: искусственные нейронные сети, деревья решений, регрессионный анализ. Рассмотрим методы и их применимость в нашей работе.

Метод искусственного интеллекта, позволяет создавать прогноз на основании похожих случаев в прошедшем с применением имеющейся информации к новому возникшему случаю. Недостаток систем на основе искусственного интеллекта является неочевидность, а в некоторых случаях полное отсутствие моделей формализации или правил, для обобщения имеющегося опыта.

Искусственные нейронные сети (ИНС) типологически может быть представлена направленным графом с взвешенными связями. В графе элементы-вершины являются нейронами, а дуги - это синоптические связи между ними. ИНС строится на данных окружающего мира, например, использовав значения продаж и параметрах, влияющих на них. В нашем случае выборка производится ограниченному числу параметров, слабо коррелирующих между собой, что не позволяет полноценно обучить систему, это приведет к некомпетентности модели [112].

Деревья решений представляют иерархическую древовидную структуру классифицирующих правил. Определение класса объекта или ситуации, требует ответа на вопросы, находящиеся в узлах дерева. Ответы позволяют осуществить переход к ветви и следующему узлу. Деревья решений позволяют создать правила для классификации данных в соответствии с влиянием на целевой показатель, и прогнозировать параметр. В случае прогнозирования давления газа набор правил отсутствует как таковой, что приводит к невозможности формирования полноценного дерева решений.

Рассмотрим регрессионный анализ подробнее. В математической статистике и теории вероятностей регрессия является зависимость среднего значения какой-либо случайной величины от некоторых других величин.

Поиск функции регрессии – задача регрессионного анализа, которая связывает независимые переменные и зависимые величины. В результате обеспечивается прогноз с помощью найденной функции регрессии с откликом, т.е. значение зависимой величины, в заданных точках пространства параметров (независимых переменных).

Метод, выбранный нами - анализ временных рядов. Он позволит анализировать набор данных за прошедшее время и выявить закономерности. При изучении динамики временных рядов обычно используется сглаживание, целью которого является выделение тренда, т.е. основной закономерности ряда, его детерминированной компоненты [7]. Известны различные методы сглаживания временных рядов. В таблице 2.2.1 рассмотрены их возможности применимость в поставленной задаче нахождения тренда.

В нашем случае оптимальным методом является скользящая средняя, так как из колебаний давлений газа необходимо убрать сезонные колебания и погрешности измерения. Применимость других методов нецелесообразно в виду малой ошибки измерения и специфики замеров давления с помощью системы телеметрии.

В целях решения задачи автоматизации составления прогноза нами разработана программа подготовки временных статистических данных (регистрационный номер 1290, от 10 июня 2016г.).

С помощью программы проведено искусственное усреднение значения в пределах одного часа путем нахождения среднего значения за каждый час. В случае если за час было произведено два или более измерений алгоритм автоматически рассчитывает среднее значение. Кроме того, проводится округление значений до требуемого уровня [72].

Модель анализа геоданных объектов сетей газораспределения на основе методов R-дерева и бинарного дерева

Задача автоматизации технологических процессов в сетях газораспределения требует хранения и анализа больших объемов пространственной географической информации. В большинстве производственных задач обслуживания сетей газораспределения по существующим государственным стандартам и правилам эксплуатации требуется определения пересечений элементов газопроводов между собой и с другими объектами коммунального быта и городской инфраструктуры.

В существующих геоинформационных платформах и базах данных, для решения подобных задач, как правило, используются встроенные функции определения пересечения объектов и поиск объектов, попавших в заданную зону (буфер). Метод прямого перебора возможных вариантов пересечений трудоемок и малоэффективен. Для обеспечения высокой производительности поиска пересечений географических объектов требуется создание специфических структур хранения пространственных данных. В таких случаях используются структуры-деревья [9]. Использование структур-деревьев позволяет расположить все объекты на ветвях. Примером деревьев может является квадродерево, дерево квадратов, квадрантное дерево, Q-дерево, 4-дерево, R-дерево. Каждая модель имеет свою область применения. Решая задачи АСУ ПП СГ целесообразно основываться на апробированных и широко используемых решениях в области хранения геоданных. Наиболее популярным решением является использование R-деревьев и бинарных деревьев. Так исследования по эффективности использования методов хранения геоданных международной некоммерческой организации Open Geospatial Consortium (OGC) [129] выявили оптимальные модели хранения пространственных данных на основе R-деревьев. Индексация пространственных данных в базах данных PostGIS использует R-деревья.

Структура дерева разбивает пространственные данные о объектах газопровода и смежных коммуникаций на множество иерархических вложенных и пересекающихся прямоугольников. Структура позволяет реализовать алгоритмы вставки и удаления объектов, что необходимо для работы при редактировании состава газопровода. Новый объект газопровода попадает в ту вершину, для которой требуется наименьшее расширение её ограничивающего прямоугольника. Каждая вершина хранит элемента индикационный номер объекта газопровода и ограничивающий прямоугольник объекта (рисунок 3.3.1).

Алгоритмы поиска используют прямоугольники для определения необходимости поиска в дочерней вершине дерева. В результате поиск не требует перебора всех вершин и не затрагивает маловероятные варианты пересечений.

Для поиска пересечений объектов нами был разработан класс в ГИС ОА «Газпром газораспределение Оренбург», реализующий структуру R-дерева и методы добавления, удаления и поиска пересечений объекта.

Так для нахождения пресечений секций трубы с колодцами смежных коммуникаций в 10-15 метровой зоне строится дерево объектов колодцев смежных коммуникаций, хранящее уникальный номер колодца по базе данных и ограничивающий прямоугольник. Алгоритм перебора секций трубы в составе газопровода инициализирует объект – линия с запуском алгоритма поиска по ограничивающему прямоугольнику внутри R-дерева с указанием размера прямоугольника. Результатом является вершина – колодец.

Следующей аспектом решения задачи автоматизации является установление связи геометрической информации с атрибутивными данными [54]. Для минимизации запросов к базе данных в разработанной системе было принято решение хранить часть информации о объектах газопровода в оперативной памяти. Это обеспечивает быстрый доступ к данным и эффективную прорисовку карты сети газораспределения. Таким образом, разработанная геоинформационная платформа повторяет часть функционала базы данных и её структуру. Например, хранение географических данных передвижения бригад технического осмотра требует хранения самих пространственных данных, номера прибора для определения координат, пользователя прибора и т.д., а также, связей таблиц (раздел 3) (рисунок3.2.2, Приложение В).

В базу данных для быстрого поиска внутри таблицы используются механизмы индексации. Индексы в распространённых базах данных основываются на бинарных деревьях. Учитывая необходимость быстрого поиска, реализуем аналогичный функционал индексации данных для обеспечения связи типа пространственный объект-атрибут. Опишем основные отличия бинарного дерева от R-дерева [38].

В основе структуры бинарного дерева лежит правило, где каждая родительская ветвь имеет не более двух ветвей-потомков. Такое дерево позволяет реализовать унифицировать структуру данных, для использования разнообразных алгоритмов прохождения и эффективный доступа к элементам (рисунок 3.2.3).

Характерным примером использования бинарных деревьев в создании структур хранения может быть алгоритм определения качества технического осмотра газопровода и технико-экономическое обоснование установки телеметрии на объекты ПРГ. Так определив пересечения координат GPS-трекеров с запорной арматурой на маршруте технического осмотра в указанной зоне становится необходимым получить информации о технических характеристиках объекта. Реализовав поиск через бинарное дерево становится возможным оперативно получить набор технических характеристик без дополнительных запросов к базе данных. Аналогично применимы бинарные деревья для получения технических характеристик объектов газопровода при поиске пересечений с ПРГ в заданной рассчитанной зоне [48].

Верификация и валидация моделей и геоинформационных данных в АСУ ПП СГ АО «Газпром газораспределение Оренбург»

Разработанные в исследовании модели и используемые данные прошли процедуры верификации и валидации. В данном случае верификация представляет собой подтверждение соответствия разработанного продукта требованиям государственным и отраслевым стандартам, а также локально-нормативным актам. Валидацию подтверждает, что требования реальных физических и производственных процессов удовлетворены.

Геоинформационная платформа АСУ ПП СГ требует соблюдения набора топологических правил. На первых этапах разработки и внедрения АСУ ПП СГ в Обществе минимальный набор правил (4.2.1): Mr = {r1, r2, r3, rn}, (4.2.1) где M – множество правил, r – правило.

Примером такого правило может быть требование последовательной стыковки секций трубы внутри одного газопровода (отсутствие разрывов).

В процессе развития были внедрены новые функции системы требующие дополнительные правила. К примеру определение качества технического осмотра газопровода требует проверки нахождения запорной арматуры на секции трубы. Так множество M было подвергнуто сложению с новым множеством правил.

Результатом стал набор данных частично не отвечающим требованиям набору конечных правил. Работа по внесению новых правил продолжается, но уже на основе не пространственных данных объектов, а атрибутивных характеристиках.

Корректировка данных требовала трудоемких действий, поэтому потребовалось разработать программный продукт, позволяющий автоматизировать валидацию данных.

Основой для алгоритма валидации данных стал метод R-деревьев (пункт 3.3). Особенностью применения R-деревьев для валидации стало нахождение пересечений объектов одного или разного типа в заданной области. Так, проходя по газопроводу, происходит проверка каждого элемента на стыковку с другим. Обозначим набор элементов газопроводов (Object) O в диапазоне 1..n. Набор правил (Rule) для типа объектов: R 1...n, (4.2.2)

Тогда все On объектов должны отвечать Rn правилам. Таким образом, алгоритм будет повторятся On Rn раз.

Набор объектов всех типов (All object) Aon требуется проверить на все существующие правила. Учитывая большое количество объектов R дерево требуется реализовывать для каждого типа объекта отдельно, что требует больших вычислительных мощностей и объемов памяти. В виду этого алгоритм валидации был реализован на отдельном сервере, с перестройкой модели R-деревьев каждые сутки.

Клиентская часть программы валидации осуществляет только проход по дереву с проверкой правил R. (схему клиент-серверной технологии). Аналогично осуществляется проверка по атрибутивным характеристикам. Результатом является список не валидных объектов, т.е. объектов не отвечающим одному из требований (рисунок 4.2.1).

Валидация используется так же и при техническом осмотре маршрутов газопровода. Автоматизация качества осмотра (глава 3.3), на основе моделей с нечеткой логикой, позволила суммировать результаты за выбранный промежуток времени. Процент осмотра запорной арматуры на маршруте позволяет провести валидацию качества по всему месяцу выполнения работ, а ранжирование полученных данных обеспечивает составление рейтинга работы подразделений.

Для оценки качества решений и отображения информации в АСУ ПП СГ был реализован процесс верификации. Одной из подзадач по автоматизации графика технического осмотра газопровода является верификации составления графика. Верификация затронула правила описанные в стандарте отрасли и реалии производственного процесса. Примером является проверка графика на соблюдение периодичности осмотра газопровода и ситуации, когда один сотрудник не может находится на техническом осмотре разных объектов в один рабочий день.

Верификация модуля прогнозирования проходила путем анализа полученного прогноза и известных замеров. Так, была разработана функция в модуле прогнозирования, со следующим алгоритмом действий:

1.построение прогноза за сутки по указанной ГРП;

2.получение значений выходного давления газа за этот же период по указанному объекту;

3.проведение усреднения (скользящая средняя) для нормализации данных по времени и сравнение значений, прогнозируемых и измеренных;

4.запись средней погрешности в файл-журнал;

5.повторение алгоритма на следующие сутки и т.д.

В результате работы функции верификации были проанализированы прогнозы на выборке за 2 года по 17 наиболее проблемным ГРП (максимальное количество выездов аварийной бригады). Отобрались так же объекты с резкими перепадами давления (рисунки 4.2.2, 4.2.4) – результат износа оборудования или неверной настройки регулятора. Во всех случаях прогнозируемые значения (рисунки 4.2.3, 4.2.5) находились в допустимых пределах [8], что позволяет говорить о надежности прогноза на объектах с большим количеством перепадов давления газа за сутки.

Верификация функции GPS трекинга в ГИС при ситуациях высокой загрузки по количеству соединений выполнялось при помощи моделирования DDoS-атаки (отказ в обслуживании). Рисунок отображает положительную динамику роста качества обслуживания. Начиная с внедрения системы в 2015 году показатели оценки осмотра в процентном эквиваленте непрерывно контролировались со стороны мастеров КЭС.

Волнообразность графика объясняется различной загруженностью сотрудников. DDoS-атака представляет из себя один из методов выведения из строя программного обеспечения и аппаратных платформ. Отправка большого количества поврежденных или неверных данных на выбранный объект атаки приводит к отказу обслуживания и «зависанию» системы. Нами был разработан программный продукт, передающий на сервер GPS-трекеров АО «Газпром газораспределение Оренбург» большое количество данных с постоянным удерживанием и открытием новых соединений. Модель верификации данных на стороне сервера должна была разрывать неиспользуемые соединения и отсекать не валидные данные.