☷

Методика нелинейного предиктивного управления технологическими комплексами нефтегазоподготовки

DOI: 10.21293/1818-0442-2026-29-2-129-134

Скачать текст статьи в формате PDF

Скачать JATS xml

Аннотация: Актуальность. Нелинейность, инерционность и перекрестные связи процессов нефтегазоподготовки в сочетании с жёсткими технологическими ограничениями снижают эффективность классических систем автоматического регулирования и требуют перехода к предиктивным алгоритмам управления на основе цифровых двойников. Цель исследования. Разработка методики нелинейного предиктивного управления технологическими комплексами нефтегазоподготовки на базе цифрового двойника в отечественной среде имитационного моделирования. Методы. Параметрическая идентификация по ретроспективным данным SCADA-систем градиентной коррекцией; линеаризация в рабочей точке с использованием матриц Якоби и последующая дискретизация; сведение задачи оптимального управления к квадратичному программированию на скользящем горизонте; анализ устойчивости, управляемости и наблюдаемости замкнутой системы; верификация модели по паспортным данным и численным экспериментам в MatLab. Научная новизна. Впервые предложена методика интеграции цифрового двойника, построенного методом компонентных цепей, в контур предиктивного управления, учитывающая спефифику идентификации по данным промышленной SCADA, явные технологические ограничения и проверку устойчивости по Ляпунову; разработан алгоритм перехода от нелинейной дифференциально-алгебраической модели к квадратичной задаче оптимизации, решаемой в реальном времени. Результаты. Подтверждена адекватность цифрового двойника теплообменного аппарата: отклонение расчётных статических характеристик от паспортных не превышает 13,5%, а переходные характеристики согласованы с верификационным расчётом в MatLab. Корректность процедур линеаризации и дискретизации обоснована проверкой критериев управляемости и наблюдаемости Калмана и решением уравнения Риккати. Сформулирована постановка задачи предиктивного управления с ограничениями на скользящем горизонте. Практическая значимость. Методика предназначена для внедрения в АСУ ТП промысловых объектов нефтегазоподготовки: её применение повысит энергоэффективность и надёжность регулирования, снизит колебательность технологических параметров и может быть использована при проектировании усовершенствованных систем управления теплообменного оборудования. предиктивное управление, имитационное моделирование, цифровой двойник, среда моделирования МАРС, метод компонентных цепей, нефтегазоподготовка, нелинейные системы, оптимизация, теплообменные аппараты, АСУ ТП.

Ключевые слова: предиктивное управление, имитационное моделирование, цифровой двойник, среда моделирования МАРС, метод компонентных цепей, нефтегазоподготовка, нелинейные системы, оптимизация, теплообменные аппараты, АСУ ТП

Библиография статьи:
Захаров М. Е. Методика нелинейного предиктивного управления технологическими комплексами нефтегазоподготовки / М. Е. Захаров [и др.] // Доклады Томского государственного университета систем управления и радиоэлектроники. – 2026. – Т. 29, № 2. – С. 129–134. DOI: 10.21293/1818-0442-2026-29-2-129-134

Авторы и правообладатели:

  • Захаров М. Е. , Томский государственный университет систем управления и радиоэлектроники, ООО «РН-Проектирование Добыча»
  • Чернышов М. Н. , ООО «РН-Проектирование Добыча», Томский политехнический университет
  • Дмитриев В. М. , Томский государственный университет систем управления и радиоэлектроники
  • Захаров К. Е. , Томский политехнический университет
  • Ульев Л. М. , Томский политехнический университет

  • 1. Model predictive control for gas turbine shaft speed based on model compensation using extended state observer / F. Zhang, Ya. Xue, B. Wei, B. Zhang // Proceedings of the In- stitution of Mechanical Engineers. Part I: Journal of Systems and Control Engineering. – 2023. – Vol. 237, No. 3. – P. 513– 523. DOI: 10.1177/09596518221127511.
  • 2. Fan Sh. Model predictive current control method for PMSM drives based on an improved prediction model / Sh. Fan, Ch. Tong // Journal of Power Electronics. – 2020. – Vol. 20. – P. 1456–1466. DOI: 10.1007/s43236-020-00125-4.
  • 3. Optimization of an Integrated Production Model Using Long Short-Term Memory and Model Predictive Control under Constraints / M. Fadaei, M. Ja. Ameri, Y. Rafiei et al. // Digital Technologies Research and Applications. – 2025. – Vol. 4, No. 3. – P. 97–112. DOI: 10.54963/dtra.v4i3.1604.
  • 4. The connotation of digital twin, and the construction and application method of shop-floor digital twin / C. Zhuang, T. Miao, J. Liu, H. Xiong // Robotics and Computer-Integrated Manufacturing. – 2021. – Vol. 68. – P. 102075. DOI: 10.1016/j.rcim.2020.102075.
  • 5. Hypermedia-based digital twin ecosystems: A proposal for digital twin interoperability / A. Giulianelli, S. Burattini, A. Ciortea, A. Ricci // Future Generation Computer Systems. – 2026. – Vol. 177. – P. 108219. DOI: 10.1016/j.future.2025. 108219.
  • 6. Дмитриев В.М. Методика построения многоуровневых компонентных цепей для моделирования химико-технологических систем / В.М. Дмитриев, Т.В. Ганджа // Доклады ТУСУР. – 2017. – Т. 20, № 3. – С. 98–102. DOI: 10.21293/1818-0442-2017-20-3-82-86.
  • 7. Дмитриев В.М. Среда многоуровневого компьютерного моделирования химико-технологических систем / В.М. Дмитриев, Т.В. Ганджа. – Томск: Изд-во ТГУ, 2017. – 332 с. – ISBN 978-5-7511-2514-1.
  • 8. Мануйлов Ю.С. Линеаризация модели движения многосвязного динамического объекта методом псевдокоординатной линеаризации / Ю.С. Мануйлов, А.В. Толоконников // Интеллектуальные технологии на транспорте. – 2025. – № 3 (43). – С. 58–67. DOI: 10.20295/2413-2527- 2025-343-58-67.
  • 9. Гаюбов Т.Н. Некоторые проблемы теории линеаризации приемной информации микропроцессорного приемника рельцовых цепей кодовой автоблокировки / T.Н. Гаюбов, A.Н. Садиков, С.К. Убайдуллаев // Universum: технические науки. – 2022. – № 4-12 (97). – С. 59–62.
  • 10. Курбаншоев С.З. Решение систем разностных уравненний при помощи функций Ляпунова / С.З. Курбан- шоев, Н.С. Якубов // Вестник Бохтарского гос. ун-та им. Носира Хусрава. – Сер. естественных наук. – 2026. – № 2-1 (144). – С. 5–7.
  • 11. Aloev R.D. Numerical study of Lyapunov stability of an upwind difference scheme for a quasilinear hyperbolic sys- tem / R.D. Aloev, A.S. Berdishev, D.E. Nematova // Problems of Computational and Applied Mathematics. – 2025. – No. 3(67). – P. 83–96. DOI: 10.71310/pcam.3_67.2025.07.
  • 12. Кочергин М.И. Методика и алгоритмы визуального моделирования непрерывных и дискретно-непрерывных физико-технических задач методом компонентных цепей: специальность 05.13.18: дис. … канд. техн. наук. – Томск: ТУСУР, 2019. – 242 с.
  • 13. Захаров М.Е. Применение компьютерного моделирования для усовершенствованного управления перекачивания углеводородного сырья с целью исключения гидро- ударов в трубопроводной системе / М.Е. Захаров, Т.В. Ганджа // Электронные средства и системы управления: матер. докладов XXI Междунар. науч.-практ. конф.: в 3 ч. – Томск: ТУСУР; В-Спектр (ИП В.М. Бочкарева), 2025. – Ч. 2. – С. 171–173.
  • 14. Захаров М.Е. Применение метода прогнозирующего управления модели для оптимизации автоматизированных систем управления технологическими процессами нефтегазовых объектов // Технологии обустройства нефтяных, газовых и газоконденсатных месторождений: сб. тезисов VIII науч.-техн. конф., Томск, 24–25 сентября 2025 г. – Томск: ООО «РН-Проектирование Добыча», 2025. – С. 233–236.
  • 15. Колодин А.А. Разработка и исследование регулятора на основе прогнозирующей модели / А.А. Колодин, В.В. Елшин // Вестник Самарского гос. техн. ун-та. – Сер.: Технические науки. – 2021. – Т. 29, № 1(69). – С. 36–45. DOI: 10.14498//tech.2021.1.3.
  • 16. Hierarchical NMPC for energy-efficient torque vectoring in four in-wheel motor electric vehicles / S. Park, Ju. Kim, D.G. Nguyen et al. // Control Engineering Practice. – 2025. – Vol. 164. – P. 106477. DOI: 10.1016/j.conengprac. 2025.106477.
  • 17. NMPC design for a self-aligning compliant gait rehabilitation robot / Y. Jin, T. Goyal, P. K. Jamwal et al. // Robotics and Autonomous Systems. – 2025. – Vol. 194. – P. 105128. DOI: 10.1016/j.robot.2025.105128.
  • 18. Xu J. N-GKLS: An NMPC problem generator and a test platform for NMPC solvers / J. Xu, L. Xu // Expert Systems with Applications. – 2023. – Vol. 214. – P. 119029. DOI: 10.1016/j.eswa.2022.119029.
Адрес редакции

  634050, г. Томск, пр. Ленина, 40, МК, каб. 310/2

  (3822) 701-582, внутр.: 1456

  journal@tusur.ru