Тип публикации: статья из журнала
Год издания: 2022
Идентификатор DOI: 10.22213/2410-9304-2022-1-22-28
Ключевые слова: specific power consumption, factor analysis, energy efficiency control system, artificial neural network, artificial oil lift, energy efficiency, intellectual methods, удельный расход электроэнергии, факторный анализ, система контроля энергоэффективности, искусственная нейронная сеть, механизированная добыча нефти, энергоэффективность, интеллектуальные методы
Аннотация: В статье описана актуальность темы, рассмотрены особенности подходов к факторному анализу энергетической эффективности процесса механизированной добычи нефти. Проведен сравнительный анализ подходов, применяющихся при оценке текущего и прогнозируемого уровня энергоэффективности по отношению к плановым значениям. Дана оценка современПоказать полностьюным возможностям автоматизации факторного анализа энергоэффективности механизированной добычи нефти. Предложен подход к ранжированию факторов энергоэффективности на основе интеллектуальных методов. Для разработки эффективной методики анализа и планирования УРЭ на основе релевантной факторной модели предложен подход к ранжированию факторов, влияющих на энергетическую эффективность механизированной добычи с применением искусственной нейронной сети. При решении поставленной задачи был применен метод факторного анализа удельного расхода электроэнергии, алгоритм Бройдена - Флетчера - Гольдфарба - Шанно с ограниченным использованием памяти. Рассмотрены различные наборы факторов, произведено их ранжирование по долям значимости, осуществлена процедура исключения факторов на основании парных корреляционных зависимостей между ними. Построена корреляционная матрица для откорректированного набора факторов. На основании экспертного анализа полученных результатов оценены их релевантность причинно-следственным связям, проявляющимся в практике эксплуатации механизированного фонда. Использование предложенного подхода к факторному анализу с применением искусственной нейронной сети позволит повысить достоверность контроля энергетической эффективности механизированной добычи. Разработанная модель может быть включена в состав алгоритмического и программно-технического обеспечения перспективной автоматизированной системы контроля энергоэффективности и сможет применяться при принятии решений специалистами, осуществляющими планирование, мониторинг и прогнозирование показателей энергоэффективности и оценку результатов реализации энергосберегающих мероприятий. The article describes the relevance of the topic, considers the features of approaches to factor analysis of the energy efficiency of the artificial oil lift. Comparative analysis of the approaches used in assessing the current and projected level of energy efficiency in relation to the planned values is carried out. An approach to the ranking of energy efficiency factors based on intelligent methods is proposed. An assessment of the modern possibilities of automating the factor analysis of the energy efficiency of artificial oil lift is given. To develop an effective methodology for the analysis and planning of energy efficiency based on a relevant factor model, an approach to ranking the factors influencing the energy efficiency of artificial lift using an artificial neural network is proposed. When solving the problem, the method of factor analysis of specific power consumption, the L-BFGS algorithm. Various sets of factors are considered, they were ranked according to the shares of significance, the procedure for excluding factors were carried out on the basis of paired correlation dependences between them. A correlation matrix is built for the adjusted set of factors. On the basis of an expert analysis of the results obtained, their relevance to the cause-and-effect relationships manifested in the practice of operating a mechanized well stock was assessed. The use of the proposed approach to factor analysis using an artificial neural network will improve the reliability of control over the energy efficiency of artificial oil lift. The developed model can be included in the algorithmic and software and hardware support of a promising automated energy efficiency control system and can be used in decision-making by specialists who plan, monitor and predict energy efficiency indicators and assess the results of the implementation of energy-saving measures.
Журнал: Интеллектуальные системы в производстве
Выпуск журнала: Т. 20, № 1
Номера страниц: 22-28
ISSN журнала: 18137911
Место издания: Ижевск
Издатель: Ижевский государственный технический университет им. М.Т. Калашникова