Методы планирования эксперимента в задачах моделирования и управления на примере объектов топливно-энергетического комплекса

Цель. Проведение планирования эксперимента для случаев двух и трех факторов на примере объектов топливно-энергетического комплекса.

Методы. Для повышения точности модели и учета нелинейности связи параметров применен ортогональный центральный композиционный план.

Результат. Выполнены расчеты параметров плана, составлены матрицы планирования, получены уравнения регрессии. Реализован двухфакторный эксперимент, позволивший построить адекватные квадратичные регрессионные модели для прогнозирования расхода и давления в системе транспортировки жидкости. Проведен трехфакторный эксперимент на основе секционной модели первичной переработки нефти. Факторы, влияющие на критерий: расход перегретого водяного пара, флегмовое число, потенциальное содержание светлых фракций в сырье. Инструментами реализации выбраны программные пакеты MatLab и Python. Выполнена оценка адекватности полученных регрессионных квадратичных зависимостей исходным данным по критерию Фишера.

Вывод. Решена задача максимизации расхода жидкости в системе транспортировки жидкости. Проведенное исследование введения воздуха в циркулирующую вязкую жидкость можно рассматривать как удобную модель для изучения двухфазных потоков. Применение статистической модели на установках ректификации нефти способствует повышению эффективности функционирования установок.

1. Рудин М.Г., Сомов В.Е., Фомин А.С. Карманный справочник нефтепереработчика. М.: ЦНИТТЭнефтехим, 2004. 336 с.

2. Tugashova L., Bazhenov R., etc. Approximation method for the potential composition of petroleum fractions // E3S Web of Conferences. 2024. Vol. 471. 03003.

3. Andrijic Z.U., Cvetnic M., Bolf N. Soft sensor models for a fractionation reformate plant using small and bootstrapped data sets // Brazilian Journal Of Chemical Engineering. 2018. Vol. 35. P. 745–756. DOI: 10.1590/0104-6632.20180352s20150727.

4. Тугашова Л.Г., Затонский А.В. Исследование качества нефтепродуктов с применением моделей // Химическая физика и мезоскопия. 2019. Т. 21. № 4. С. 551-564.

5. Herceg S., Andrijić Z.U., Bolf N. Support Vector Machine-based Soft Sensors in the Isomerisation Process /Chemical and Biochemical Engineering Quarterly. 2021. Vol. 34(4). P. 243–255. DOI: 10.15255/CABEQ.2020.1825.

6. Gao Shuzhi, Li Xiaoyu, Zhang Yimin, Wang Jun. A soft-sensor model of VCM rectification concentration based on an improved WOA-RBFNN // Measurement Science And Technology. 2021. Vol. 32(8). DOI: 10.1088/1361-6501/abf8ed.

7. Wei Anran, Ye Han, Guo Zhenlin, Xiong Jie SISSO-assisted prediction and design of mechanical properties of porous graphene with a uniform nanopore array. Nanoscale Adv. 2022. Vol. 4(5). P. 1455-1463. DOI: 10.1039/d1na00457c.

8. Fujii K., Yamamoto T. Development of a Nonlinear Soft Sensor Using a GMDH Network for a Refinery Crude Distillation Tower. Electrical Engineering in Japan. 2014;188:31-38. DOI: 10.1002/eej.22459.

9. Губайдуллин М.Г., Крайнева О.В. Экспертная оценка потенциального воздействия нефти на геологическую среду прибрежной зоны юго-восточной части Баренцева моря // НТЖ «Защита окружающей среды в нефтегазовом комплексе». М:ВНИИОЭНГ. 2014. № 4. С. 9-14.

10. Ayele B., Lu J., Chen Q. Optimization of aeration enhanced surfactant soil washing for remediation of dieselcontaminated soils using response surface methodology // PeerJ. 2020. Vol. 8. DOI: 10.7717/peerj.8578.

11. Aziz S.Q., Fakhri I.S. Optimization of aeration style and cycle time for treatment of oil refinery wastewater using powdered activated carbon and sequential batch reactor. ZANCO Journal of Pure and Applied Sciences. 2017;29(4.):140-153.

12. Беклемищев Ф.С., Селиванова В.А. Построение и исследование модели с использованием ортогонального центрального композиционного плана Бокса в среде SIMINTECH //Инициатива в науке как новая стратегия развития системы знаний: сб. науч. тр. Казань: ООО «СитИвент», 2019. С. 248-257.

13. Аптикаева А.А. Оптимизация условий культивирования штамма алкалофильных бактерий Paenibacillus mannanolyticus – продуцента вязкого экзополисахарида // Современные проблемы науки и образования. 2015. № 3. С. 593.

14. Вальшин И.Р. Новые методы интенсификации массообменных процессов при обессоливании нефти // Нефть. Газ. Новации. 2018. № 5. С. 24-29.

15. Сазонникова Н.А. Управление технологическими процессами: электрон. учеб. пособие. Самара: Издательство Самарского университета, 2017. 192 с.

16. Затонский А.В., Тугашова Л.Г. Моделирование объектов управления в MatLab: учеб. пособие. СПб.: Издательство «Лань», 2022. 144 с.

17. Абрамов Г.С., Сарычев А.В. Практическая расходометрия в нефтяной промышленности. М: ОАО «ВНИИОЭНГ», 2002. 144 с.

18. Дмитриевский Б.С., Затонский А.В., Тугашова Л.Г. Задача управления процессом ректификации нефти и метод ее решения// Известия Томского политехнического университета. Инжиниринг георесурсов. 2018. Т. 329. № 2. С. 136-145.