Вероятностное прогнозирование ресурса нефтегазового оборудования при эксплуатации в сероводородсодержащих средах

По результатам выполненных исследований было установлено, что для различных переменных, входящих в В-модель (5), вариации их значений в различной степени влияют на достоверность прогнозирования ресурса. Причем из набора переменных В-модели для части переменных вариации их значений оказывают определяющее влияние на достоверность прогнозирования ресурса, а для другой части пренебрежимо малое и информацией о вариации этой части переменных при прогнозировании ресурса можно пренебречь. Для этого разработан метод факторного анализа параметров состояния и ресурса. По результатам анализа выявляются такие параметры состояния и ресурса, которые имеют определяющее влияние на достоверность прогнозирования ресурса. Для его реализации был разработан и применен методический подход на основе факторного анализа. Задача факторного анализа состоит в том, чтобы перейти от начальной системы большого числа переменных p₁, p₂, …, p_j к меньшему числу переменных p₁, p₂, …, p_k, k<j, изменение которых в значительной мере определяет изменение прогнозируемого ресурса - по отношению к другим. Решение этой задачи выполняется по методике множественного регрессионного анализа. Для этого зависимость для _i записывается в следующем виде:

, i=1, 2,…, N (6)

где: - условное среднее значение зависимой величины _i, соответствующее заданным значениям независимых переменных p_j; В - неслучайная составляющая; a_ij - факторная «нагрузка»; j - количество факторов, т.е. переменных.

Решение задачи факторного анализа состоит в нахождении значений В и a_ij зависимости (6). Для этого строится матрица (М_р) независимых переменных p_j размерностью jN и матрица-столбец (М) зависимых значений _i. Каждый столбец матрицы М_р представляет собой N значений j-й независимой переменной p_j. Матрица М представляет собой столбец значений _i (i=1, 2,…, N), где каждое _i рассчитывается с учетом соответствующих заданных значений p_ji по зависимостям прогнозируемого ресурса, которые строятся при диагностическом обследовании, например зависимостям (1).

Для построения матрицы М_р используются фактические выборочные данные p_j. В случае отсутствия этих данных используются данные о статистических законах распределения этих выборок. Кроме этого было экспериментально доказано, что при отсутствии данных о законах распределения для построения матрицы М_р могут использоваться интегральное соотношение F(p_j) нормального закона распределения и показателей вариации параметров состояния и ресурса -_j и _j, накопленные и содержащиеся в базе данных о показателях вариаций, например табл. 2-5, 7. Либо могут использоваться значения _j и _j, установленные по эмпирическим зависимостям (2), (3), (4). В этом случае, генерируя значения F(p_j) от 0,01, до 0,99 с шагом 0,98/(N-1) и решая F(p_j) относительно p_j, получается j-й столбец матрицы М_р, содержащий N значений переменной p_ji.

Затем на матрицах М и М_р выполняется корреляционный, факторный анализ, вычисляются коэффициент (R_k) множественной корреляции, абсолютная (_k) ошибка, коэффициенты (a_j) множественной регрессии и строится линейная регрессионная зависимость в натуральном масштабе вида:

,(7)

Поскольку число переменных (параметров состояния и ресурса) в зависимостях для прогнозирования ресурса, например зависимостях (1), как правило, не менее 6, реализация процедур многомерного факторного анализа возможна только с применением ЭВМ. Для реализации факторного анализа и построения выражения (7) был разработан специальный алгоритм с использованием пакета компьютерных программ статистического анализа.

Для оценки влияния изменения переменных p_j на изменение определяются стандартизованные коэффициенты (_j) множественной регрессии и выражение (7) представляется в стандартизованном масштабе:

; (8)

Было экспериментально доказано, что _j является критерием оценки влияния вариации переменных В-модели на достоверность прогнозирования ресурса. Установлено, что те переменные зависимости (7), у которых _j на порядок менее максимального _j, оказывают пренебрежимо малое влияние на изменение , и информацией о вариации значений таких переменных в В-модели (5) можно пренебречь. Дальнейший расчет ресурса выполняется с учетом совместных вариаций только варьируемых переменных (w_k), оказывающих определяющее влияние на достоверность прогнозирования ресурса. Переменные w_k обозначаются в виде выборок значений - w_k= w₁, w₂,…, w_k; где: k=1, 2, …, n_k - количество варьируемых переменных; w_k= w_k1, w_k2,…, w_ki - выборка значений k-й переменной; i - порядковый номер значения k-й переменной в выборке (i=1, 2, …, N_k); N_k- количество значений k-й переменной. Состав этих переменных определяется путем исключения из состава переменных В-модели (5) тех переменных, информацией о вариации которых можно пренебречь.

После определения варьируемых переменных выполняется повторный факторный анализ, и строятся вторичные регрессионные зависимости в натуральном масштабе вида (7) и в стандартизованном масштабе вида (8), которые учитывают изменение значений ресурса - от изменения варьируемых переменных (параметров состояния и ресурса) - w_k:

,(9)

; (10)

Для построения зависимостей (9) и (10) строится матрица (М_w) переменных w_k. Для этого из матрицы М_р исключаются те столбцы, которые не соответствуют w_k, а матрица М остается прежней. Затем на матрицах М и М_w выполняется повторный факторный анализ, вычисляются значения коэффициентов - B_w и a_wk, а также коэффициент множественной корреляции - R_w и ошибка - _w множественной регрессии по которым оценивается адекватность зависимостей (9) и (10).

В соответствии с алгоритмом (рис. 3) разработан метод расчета ресурса при совместных вариациях параметров состояния и ресурса. Метод основывается на вычислении значений выборки по зависимости (9), с использованием информации о вариациях и с учетом совместных вариаций значений варьируемых переменных - w_k. Было экспериментально доказано, что выражение вида (9) в сравнении с применяемыми моделями прогнозирования ресурса, например (1), наилучшим образом подходит для вычислений с учетом совместных вариаций w_k поскольку, в сравнении с применяемыми моделями прогноза ресурса, в (9) отсутствуют операции взаимного деления и умножения сумм и разностей варьируемых переменных w_k. Поэтому при учете совместных вариаций w_k использование (9) не приводит: к неопределенности при делении на 0; к большим значениям при знаменателях дроби близких к 0; положительным значениям при перемножении и делении отрицательных величин. Выборка значений с учетом совместных вариаций w_k представляет собой линейную матрицу (столбец или строку) (_z= ₁, ₂,…,_z, z=1, 2, …, N) случайных величин, где каждое значение матрицы является решением выражения (9) при всех возможных сочетаниях значений w_k по выражению:

i₁=1, 2, …, N₁; i₂=1, 2, …, N₂; …; i_k=1, 2, …, N_k;

,(11)

Исследованиями установлено, что число варьируемых переменных - w_k в зависимости (9) не менее четырех - k4. Для исполнения нормативных требований и достоверного прогноза ресурса число значений переменных w_k не менее десяти - N_k 10. В этом случае число (N = N₁N₂…N_k) значений _z в матрице (11) 10⁴. Поэтому для вычисления _z был разработан специальный алгоритм и программа расчета _z на ЭВМ с применением процедур матричных вычислений.

Установлено, что прогнозирование ресурса должно основываться на оценке величины допустимого ресурса - _v, в пределах которого обеспечиваются допустимые вероятность - [V]_LF и риск - [R]_LF отказа. В соответствии с алгоритмом прогнозирования ресурса (рис. 3) по результатам исследований разработан метод определения допустимой вероятности отказа. Для обеспечения допустимого риска отказа - [R]_LF оборудования в период продлеваемого ресурса разработан и использован подход, основанный на значениях допустимой вероятности отказа - [V]_LF в зависимости от уровня (U_LFi) тяжести последствий отказа. На основе анализа нормативных требований ГОСТ Р 51901.1-2002, РД 03-41801 были обоснованы четыре уровня U_LFi и критерии оценки U_LFi: U_LF1 - пренебрежимо малая тяжесть последствий, т.е. возникновение отказа не влияет на остановку производства и загрязнение окружающей среды; U_LF2 (U_LF3) - некритическая (критическая) тяжесть последствий, когда возникновение отказа не угрожает (угрожает) жизни людей, не приводит (приводит) к существенному ущербу имуществу и окружающей среде; U_LF4 - катастрофическая тяжесть последствий, когда возникновение отказа приводит к гибели людей, существенному ущербу имуществу, невосполнимому ущербу окружающей среде. В соответствии с нормативными требованиями значения [V]_LF для определенных U_LFi характеризуются верхней и нижней границей значений. Для учета их в расчете ресурса были обоснованы уровни допустимого риска отказа - [R]_LF: RH_LF- высокий; RM_LF - средний; RL_LF - низкий. Это такие уровни [R]_LF, при которых фактическая V_LF соответствует верхней границе, середине диапазона и нижней границе диапазона значений [V]_LF соответственно.

Разработанный в соответствии с алгоритмом прогнозирования ресурса (рис. 3) метод расчета допустимого ресурса - _v основывается на статистическом анализе выборки _z и построении эмпирического интегрального закона распределения вероятностей расчетных значений ресурса выборки _z. Этому закону распределения соответствует эмпирическая () функция вероятностей отказа на период прогнозируемого ресурса. Для полученной эмпирической функции определяется значение вероятности (V_min), которое соответствует минимальному (_min) значению, принадлежащему выборке _z. В зависимости от соотношения значений [V]_LF и V_min значения допустимого ресурса - _v, соответствующего периоду эксплуатации с вероятностью отказа V_LF[V]_LF, вычисляются в следующем порядке. При [V]_LF V_{min v} вычисляется по функции - , полученной интерполяцией эмпирических значений . При [V]_LF < V_{min v} вычисляется по функции , полученной аппроксимацией эмпирических значений , а затем экстраполяцией их за пределы интервала . Результатами численных экспериментов было установлено, что наилучшая аппроксимация и экстраполяция эмпирических значений достигается путем аппроксимации вначале значений логарифма - полиноминальной моделью вида со значениями степени полинома n= 35, а затем описания зависимостью вида - .

Значения _v вычисляются с учетом объема () выборочного контроля при диагностике, определяемого отношением площади контролируемой поверхности к общей площади металла элемента оборудования, путем решения уравнений:

. (12)

На основе выполненных численных экспериментов было доказано, что поскольку при [V]_LF V_min используется функция , полученная интерполяцией , соответствующих эмпирическим значениям , находящимся внутри выборки расчетных значений _z, значения наилучшим образом соответствуют фактической V_LF. В этом случае оценка значений _v по имеет высшую достоверность. Кроме этого значения w_k фактически являются экспериментальными данными, полученными на основе экспериментальных и теоретических исследований вариаций параметров состояния и ресурса. Поэтому значения _z также представляют собой массив экспериментальных данных, полученных при всех возможных сочетаниях экспериментальных значений этих параметров. Это способствует тому, что , полученная на таком количестве экспериментальных выборочных данных _z, стремится к предельному распределению выборки _z. При этом достоверность оценки _v является наилучшей, особенно в области малых (10^-4 - 10^-6) значений [V]_LF.

Для статистического анализа выборки _z, построения функций , , , решения уравнений (12) и вычисления _v были разработаны специальные алгоритмы и программы расчета на ЭВМ с применением сертифицированных пакетов программ и использованием их стандартных функций статистического анализа и обработки экспериментальных данных.

Исследованиями установлено, что по мере увеличения разницы между [V]_LF и V_min достоверность оценки допустимого ресурса - _v снижается. В соответствии с алгоритмом прогнозирования ресурса (рис. 3) по результатам исследований обоснован и разработан метод оценки уровней достоверности прогнозирования ресурса. Для оценки достоверности были обоснованы критерий (С_V), уровни (DI) достоверности прогнозирования ресурса и разработана модель оценки уровней DI по критерию С_V (рис. 5).

По результатам исследований теоретически обосновано и экспериментально подтверждено, что поскольку достоверность прогноза _v зависит от отношения величин промежутка, на котором выполняется наблюдение, т.е. , и промежутка, на который разрабатывается прогноз, т.е. от V_min до [V]_LF, то достоверность прогноза _v можно оценить критерием достоверности прогнозирования ресурса - С_V, определяемым отношением С_V= [V]_LF/V_min. Экспериментально установлено, что для прогнозирования _v промежуток V_LF, на который разрабатывается прогноз, не должен быть больше чем на один порядок промежутка, на котором выполняется наблюдение. В зависимости от значений С_V были обоснованы градации уровней достоверности прогнозирования ресурса: DI_H - высокий, DI_M - средний, DI_L - низкий. Метод оценки достоверности основывается на вычислении С_V и оценке уровня - DI с использованием модели оценки уровней достоверности прогнозирования ресурса (рис. 5).

На основе анализа результатов выполненных исследований установлены три градации уровней (DM) достоверности методов диагностики параметров состояния: DM_H - высокий; DM_M - средний; DM_ND - достоверность отсутствует. И выполнена классификация методов по уровням достоверности диагностики DM. К DM_H отнесены методы, позволяющие обеспечить диагностику параметров с погрешностью, не превышающей погрешность метода и применяемого средства измерения (прибора). К DM_M отнесены методы, позволяющие обеспечить диагностику с погрешностью не более 30% и/или идентификацию повреждений (тип, размеры, форма) с погрешностью не выше 10 %. К DM_ND отнесены методы, которые не позволяют определять и не могут быть применены для диагностики соответствующих параметров состояния. Установлено, что применение двух и более методов, имеющих средний уровень - DM_M, позволяют диагностировать параметры состояния с высоким уровнем достоверности - DM_H.

Разработанный в соответствии с алгоритмом (рис. 3) метод оценки уровней достоверности диагностики параметров состояния основывается на анализе данных о применяемых методах диагностики и оценке уровней достоверности диагностики этих параметров - DM с использованием разработанной классификации методов по уровням DM. Для этого были разработаны алгоритм и компьютерная программа оценки уровней DM, когда задается набор параметров и информация о примененных методах диагностики и в соответствии с выполненной классификацией автоматически определяется уровень достоверности диагностики - DM.

Результатами численных экспериментов было установлено, что значение V_min, соответствующее _min выборки значений ресурса _z зависит от характера эмпирической функции и от числа значений N в выборке _z. На основе полученных экспериментальных данных теоретически обосновано и подтверждено экспериментально, что решением обратной задачи оценки достоверности прогнозирования ресурса можно определить требуемое минимальное число значений в выборке _z, которое при требуемом значении допустимой вероятности отказа - [V]_LF позволяло бы обеспечивать требуемый уровень достоверности прогнозирования ресурса - DI. А затем по определить требуемое минимальное число значений каждой варьируемой переменной w_k, чтобы число каждой w_k в совокупности обеспечивали . И обеспечивали требуемый уровень достоверности прогнозирования ресурса - DI с учетом заданной допустимой вероятности отказа - [V]_LF, соответствующей определенному уровню тяжести последствий - U_LFi и требуемому уровню допустимого риска отказа - [R]_LF.

Основываясь на полученных результатах исследований в соответствии с алгоритмом прогнозирования ресурса (рис. 3) разработан метод определения требуемого количества измерений параметров состояния, который основывается на расчете требуемого количества измерений параметров, являющихся варьируемыми переменными и определяющих достоверность прогнозируемого ресурса. Для этого в работе были теоретически обоснованы и экспериментально подтверждены зависимости для расчета и :

,(13)

где: Z_[V] - квантиль нормированного нормального распределения при значениях [V]_LF; ( Z_[V]) - плотность вероятности нормированного нормального распределения; _w1, _w2,…, _wk - СКО выборок w_k; a_wk и _k - коэффициенты регрессионных моделей (9) и (10) соответственно.

В соответствии с алгоритмом прогнозирования ресурса разработан метод определения требуемого состава методов диагностики параметров состояния. Метод основывается на выборе состава основных и дополнительных методов диагностики, сочетание которых позволяет обеспечить требуемый уровень достоверности диагностики - DM с использованием выполненной классификации методов по уровням достоверности диагностики параметров состояния.

Разработанный в соответствии с алгоритмом прогнозирования ресурса (рис. 3) метод расчета прогнозируемого ресурса (_S) основывается на вычислении _S по величине допустимого ресурса - _v и с учетом погрешности зависимости (9), уровней достоверности прогнозирования ресурса - DI, диагностики параметров состояния - DM и допустимого риска отказа - [R]_LF. Вычислении _S выполняется по установленной зависимости:

,(14)

где: _w - относительная ошибка зависимости (9), характеризующая связь между варьируемыми переменными и прогнозируемым ресурсом; n_D - коэффициент, учитывающий уровни DI, DM и [R]_LF. Значения n_D = 1,11,5 для DM_H и DI_H, n_D=1,52 для DM_M и DI_M. Минимальные значения n_D принимаются для RL_LF, максимальные значения n_D для RH_LF, средние значения для RM_LF.

Метод определения требуемых мер по коррекции состояния и прогнозируемого ресурса в соответствии с алгоритмом (рис. 3) основывается на сравнении полученного расчетом значения прогнозируемого ресурса - _S со значением допустимого ([]) нормативно установленного периода эксплуатации между экспертными обследованиями либо другим ограничением ресурса. При _S [] проведение коррекции состояния и результатов расчетов ресурса не требуется. При _S < [], а также при низком уровне достоверности прогнозирования ресурса - DI_L выполняется определение требуемых мер по коррекции состояния и результатов расчетов ресурса. Для этого путем повторных итераций расчета выполняется коррекция исходных данных и подбирается их набор, который позволяет обеспечить условие _S []. Если это условие невыполнимо производится коррекция состояния, сбор данных о параметрах состояния и ресурса и повторный расчет. Исследованиями установлено, что в общем случае для коррекции исходных данных могут служить: повышение уровня [R]_LF и введение в исходные данные для расчета повышенного значения [V]_LF; повышение уровня достоверности - DI и введение в исходные данные повышенных значений количества контролируемых параметров состояния и ресурса; повышение уровня достоверности диагностики - DM путем учета в расчете дополнительного состава применяемых методов диагностики; повышение объема выборочного контроля - путем введения в исходные данные повышенного значения . В случае, если установленными мерами условия_S [] достичь не удается, методом итераций определяется сочетание мер которое приводит к наибольшему значению ресурса. Установленные возможные меры по коррекции результатов расчета учитываются при выборе мероприятий по коррекции данных о состоянии и коррекции состояния - дополнительному обследованию и восстановлению работоспособности оборудования. Сочетание мер, которое приводит к наибольшему значению ресурса, учитывается при проведении очередного обследования оборудования.

Разработана общая блок-схема алгоритма расчета прогнозируемого ресурса с использованием данных диагностического обследования и критериев допустимых вероятности и риска оборудования в период продлеваемого ресурса.

Результатами исследований было доказано, что прогнозирование ресурса с использованием разработанных и изложенных теоретических положений и методов прогнозирования ресурса должно опираться на информацию о показателях достоверности диагностики и совместных вариациях параметров состояния и ресурса. Часть этой исходной информации может быть получена по результатам диагностического обследования с применением методов и объемов контроля, установленных нормативными требованиями. Эти источники информации являются необходимыми, но не всегда достаточными. Поэтому объем требуемой или недостающей информации по требуемому количеству измерений параметров состояния также определяется с использованием разработанных теоретических положений и методов. Оценка достаточности и при необходимости дополнение требуемой информацией о показателях достоверности диагностики и совместных вариациях параметров состояния позволяет замкнуть задачу, выполнить прогнозирование ресурса и обеспечивать допустимые вероятность и риск отказа оборудования в период продлеваемого ресурса.

В пятой главе изложены результаты разработок нормативно - методического обеспечения и оценки эффективности применения методов прогнозирования ресурса.

Основываясь на результатах выполненных исследований и разработок теоретических положений, алгоритма и методов прогнозирования ресурса, был разработан новый нормативный документ - «Методические положения по прогнозированию ресурса безопасной эксплуатации оборудования объектов добычи и переработки сероводородсодержащих газа, конденсата, нефти с продлеваемым сроком безопасной эксплуатации». Методические положения устанавливают основные требования, алгоритм, принципы и порядок расчета прогнозируемого продлеваемого ресурса по данным диагностического обследования, в пределах которого обеспечиваются допустимый риск - [R]_LF отказа. Обеспечение [R]_LF осуществляется путем прогнозирования ресурса, отвечающего нормативно установленным значениям допустимой вероятности отказа - [V]_LF с учетом показателей достоверности диагностики и совместных вариаций параметров состояния и ресурса.

В методических положениях изложены разработанные методические подходы, алгоритмы и методы определения показателей вариации параметров состояния и ресурса и построения В-модели прогнозируемого ресурса на основе сбора, анализа данных диагностического обследования, использования базы данных, полученных эмпирических зависимостей, зависимостей математической статистики и компьютерных программ математического и статистического анализов. Изложены принципы факторного анализа параметров состояния и ресурса методом главных компонент на ЭВМ с использованием компьютерной программы статистического анализа. Порядок расчета ресурса при совместных вариациях параметров состояния и ресурса на основе матричных вычислений с применением компьютерной программы математического анализа. Изложены методы оценки уровней тяжести последствий, уровней допустимого риска - [R]_LF и определения значений допустимой вероятности отказа - [V]_LF. Методы расчета допустимого ресурса - _v на основе статистического анализа выборки значений ресурса, полученной при совместных вариациях параметров состояния и ресурса. Методы построения эмпирической, интерполирующей, аппроксимирующей функций отказа и вычисления _v по критерию [V]_LF. Методы оценки уровней достоверности прогнозирования ресурса и диагностики параметров состояния, определения требуемых количества измерений и состава методов диагностики параметров. Изложены порядок и методы расчета прогнозируемого ресурса и определения требуемых мер по коррекции состояния и ресурса.

Методическими положениями определены условия выбора перечня и сроков выполнения мероприятий по коррекции данных о состоянии элементов оборудования. Для практического применения разработанных методов и расчета прогнозируемого ресурса на ЭВМ были разработаны вычислительные блоки (модули): в программе Microsoft Excel - файлы, содержащие измеренные значения контролируемых параметров состояния; в программе Math Cad - файл «Расчет РБЭ.mcd», являющийся одновременно и алгоритмом программы расчета прогнозируемого ресурса и результатом ее выполнения; в программе STATISTICA - файлы ввода данных "М.sta", файл анализа и результатов факторного анализа "RgS.stw".

Выполнена апробация и анализ результатов практического применения разработанных методов, методических положений, алгоритмов и компьютерных программ прогнозирования ресурса при проведении поэтапного продления ресурса различных видов оборудования. По результатам расчетов были обоснованы и определены: прогнозируемый ресурс; продлеваемый ресурс до проведения очередного диагностического обследования; мероприятия по коррекции данных о состоянии и мероприятия по коррекции состояния элементов оборудования, позволяющие обеспечивать допустимые вероятность и риск отказа в период продлеваемого ресурса оборудования.

На основе полученных результатов обоснованы модели, критерии и методы оценки эффективности применения разработанных методов прогнозирования ресурса. На рис. 6 представлены результаты расчетов и модели анализа повышения достоверности прогнозирования ресурса и снижения вероятности и риска отказа оборудования в период продлеваемого ресурса на примере прогнозирования ресурса газосепаратора установки комплексной подготовки газа (УКПГ) при различных уровнях тяжести последствий отказа. На рис. 6: 1, 2 - эмпирическая и теоретическая функции вероятности отказа - V_ДВ(), построенные по ДВ-модели прогнозирования ресурса (рис. 1 а); 3, 4 - эмпирическая и теоретическая функции вероятности отказа - V_В(), построенные по разработанным В-модели и методам прогнозирования ресурса. Принимая за эталон для сравнения V_В() и определяя значения _Вi по В-модели во всем диапазоне значений [V]_LFi(U_LFi) из условия V_В(_Вi)= [V]_LFi (рис. 6 а), для этих же значений _Вi были посчитаны значения V_LF по ДВ-модели - V_ДВ(_Вi). На графиках рис. 6 б линиями 5 и 6 показаны расчетные значения V_ДВ(_Вi) и значения V_В(_Вi) при одинаковых [V]_LFi соответственно.

Эффективность применения разработанных методов оценивается коэффициентами повышения достоверности (П_D) прогнозирования ресурса, снижения вероятности и риска (C_VR) оборудования в период продлеваемого ресурса и величиной доли требуемых оптимальных затрат (З_D) на контроль параметров состояния и ресурса при диагностике:

, (15)

где: и - минимальные значения V_LF для эмпирических функций вероятностей отказа, построенных по ДВ- и В-моделям прогнозирования ресурса соответственно (рис. 6 а); и - значения V_LF, посчитанные по ДВ- и В-моделям для одинаковых значений _Вi, определяемых из условия V_В(_Вi) = [V]_LFi (рис. 7 б); N_min - минимальное требуемое количество измерений параметров состояния и ресурса для обеспечения требуемых уровней допустимого риска [R]_LF, достоверности прогнозирования ресурса - DI и диагностики параметров - DM; N_D - количество фактически выполненных измерений параметров при текущем обследовании согласно нормативным требованиям. Для представленных на рис. 6 а результатов прогнозирования ресурса газосепаратора УКПГ - П_D = 4,5= const, результаты расчетов C_VR и З_D представлены на рис. 7.

С использованием обоснованных показателей П_D, C_VR и З_D в работе выполнена оценка эффективности применения разработанных методов прогнозирования ресурса на основе анализа данных результатов расчетов ресурса 28 сосудов УКПГ. Установлено, что применение разработанных теоретических положений и методов прогнозирования ресурса позволяет: получить среднее значение коэффициента П_D = 4 и повысить достоверность прогнозирования ресурса; получить среднее значение C_{VR ср} = 3 и снизить вероятность и риск отказа оборудования в период продлеваемого ресурса; повысить эффективность расходования средств на диагностику за счет перераспределения затрат на контроль параметров состояния и ресурса при диагностике (рис. 7 б).

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Выполнен анализ методов прогнозирования ресурса и причин недопустимых вероятности и риска отказа технологического оборудования объектов добычи и переработки сероводородсодержащих нефти и газа в период продлеваемого ресурса. Установлено, что применяемые методы прогнозирования ресурса на основе детерминированно-вариационной модели без учета информации о достоверности диагностики и совместных вариациях параметров состояния и ресурса приводят к переоценке продлеваемого ресурса на 80 % и более и не позволяют обеспечивать нормативно установленные допустимые вероятность и риск отказа оборудования в период продлеваемого ресурса.

2. Выполнены экспериментальные исследования и обоснованы показатели достоверности диагностики и вариаций параметров и критериев оценки состояния элементов нефтегазового оборудования в условиях сероводородсодержащих сред. Установлено, что: применение автоматизированного сканирующего комплекса - АСК, либо выполнение независимых контролей ручной УЗ дефектоскопией, позволяют выполнять диагностику повреждений (непроваров) штуцерных узлов с достоверностью до 90 % и выше; параметры формы конструкции, дефектов и повреждений и критерии предельного состояния металла имеют исходные и увеличивающиеся вариации значений с коэффициентами вариаций от 0,01 до 0,8 и выше; показатели вариаций критериев предельного состояния металла с погрешностью не более 10% могут быть оценены по данным контроля твердости. Установлены эмпирические зависимости для косвенной оценки показателей вариаций параметров и критериев оценки состояния. Разработаны методические подходы, алгоритмы, компьютерные программы анализа и накоплен массив данных показателей достоверности их диагностики и вариаций.

3. Выполнено расчетно-экспериментальное обоснование показателей вариаций параметров, критериев и достоверности прогнозируемого ресурса нефтегазового оборудования в условиях сероводородсодержащих сред. Установлено, что: критерии оценки технического состояния, параметры эксплуатационного нагружения и кинетики повреждаемости, наработка и прогнозируемый ресурс имеют исходные и увеличивающиеся вариации значений с коэффициентами вариаций от 0,01 до 1,2 и выше; величина погрешности прогнозирования ресурса изменяется в пределах от 50 до 200%. Установлены эмпирические зависимости для оценки показателей вариаций наработки, параметров и критериев прогнозируемого ресурса. Разработаны методы оценки и накоплен массив данных показателей вариаций параметров, критериев и достоверности прогнозируемого ресурса.

4. Выполнен анализ результатов диагностических обследований, результатов исследований достоверности диагностики и вариаций параметров состояния и ресурса и установлены источники снижения достоверности прогнозирования ресурса. Обоснованы и разработаны теоретические положения, алгоритм и методы прогнозирования ресурса. Разработана новая вариационная модель прогнозирования ресурса, которая в отличие от применяемой детерминированно-вариационной модели, учитывает достоверность диагностики и совместные вариации параметров состояния и ресурса. Выполнено обоснование: принципов факторного анализа параметров, определяющих достоверность прогнозирования ресурса, матричных вычислений ресурса при совместных вариациях параметров состояния и ресурса, аппроксимации эмпирических значений вероятности отказа; критериев допустимых вероятности и риска отказа; модели и критерия оценки достоверности прогнозирования ресурса; критериев и классификации методов по уровням достоверности диагностики параметров состояния; зависимостей для вычисления требуемого количества измерений параметров состояния и расчета прогнозируемого ресурса.

Разработаны методы определения показателей вариаций параметров состояния и ресурса и построения вариационной модели прогнозирования ресурса. Методы факторного анализа параметров состояния и расчета ресурса при совместных вариациях этих параметров. Методы определения допустимой вероятности отказа и расчета допустимого ресурса, в пределах которого обеспечивается допустимая вероятность отказа. Методы оценки достоверности прогнозирования ресурса, оценки достоверности диагностики, определения требуемых количества измерений и состава методов диагностики параметров состояния. Методы расчета прогнозируемого ресурса, определения требуемых мер по коррекции состояния и прогнозируемого ресурса элементов оборудования.

5. Разработаны: нормативный документ «Методические положения по прогнозированию ресурса безопасной эксплуатации оборудования объектов добычи и переработки сероводородсодержащих газа, конденсата, нефти с продлеваемым сроком безопасной эксплуатации»; компьютерная программа расчета прогнозируемого ресурса элементов оборудования, в пределах которого обеспечиваются нормативно установленные допустимые вероятность и риск отказа. Разработки внедрены в ОАО «Техдиагностика» и применяются в практике диагностического обследования и продления ресурса технологического оборудования объектов добычи и переработки сероводородсодержащих газа, конденсата, нефти ООО «Газпром добыча Оренбург», ООО «Газпром добыча Астрахань».

Обоснованы оценочные показатели, выполнен анализ эффективности методов прогнозирования ресурса по 28 сосудам УКПГ, установлено повышение достоверности прогнозирования ресурса в 4 раза, снижение вероятности и риска отказа оборудования в период продлеваемого ресурса в 3 раза и повышение эффективности диагностики за счет перераспределения затрат на контроль параметров состояния и ресурса между элементами оборудования с различными уровнями тяжести последствий отказа.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В РАБОТАХ

нефтегазовый оборудование сероводородсодержащий ресурс

1. Барышов С.Н. Оценка поврежденности, несущей способности и продление ресурса технологического оборудования. Модели, критерии, методы. - М.: Недра, 2007. - 287 с.

2. Барышов С.Н. Разработка методического подхода к оценке опасности возникновения повреждений нефтегазового оборудования, эксплуатируемого в сероводородсодержащих средах // Нефтепромысловое дело. - 2007. - №12. - С. 110-113.

3. Митрофанов А.В. Методы оценки состояния и определения сроков безопасной эксплуатации технологического оборудования по критериям вероятности и риска отказа (аварии, ЧС) / А.В. Митрофанов, С.Н. Барышов // Нефтепромысловое дело. - 2007. - №12. - С. 113-114.

4. Барышов С.Н. Экспериментальное исследование состояния и оценка опасности повреждений шлейфовых трубопроводов скважин, эксплуатируемых в сероводородсодержащих средах // Нефтепромысловое дело. - 2008. - №4. - С. 55-60.

5. Барышов С.Н. Расчетно-экспериментальное определение причин разрушения оборудования для транспортировки и хранения сжиженных углеводородов с учетом факторов внешних тепловых воздействий / С.Н. Барышов, А.О. Чернявский // Защита окружающей среды в нефтегазовом комплексе. - 2008. - №4. - С. 16-22.

6. Барышов С.Н. Вероятностная оценка работоспособности и ресурса фонтанных арматур скважин для добычи сероводородсодержащих нефти и газа. // Нефтепромысловое дело. - 2008. - №5. - С. 42-45.

7. Барышов С.Н. Вероятностная оценка работоспособности и ресурса газохимического оборудования, длительно эксплуатируемого в сероводородсодержащих средах. // Химическое и нефтегазовое машиностроение. - 2008. - №5. - С. 38-42.

8. Красных Б.А. Ограничение прогнозируемого ресурса и назначаемого срока безопасной эксплуатации оборудования нефтегазового комплекса / Б.А. Красных, С.Н. Мокроусов, Н.А. Махутов, А.В. Митрофанов, С.Н. Барышов // Безопасность труда в промышленности. - 2008. - №6. - С. 30-33.

9. Барышов С.Н. Разработка методического подхода к анализу рассеяния характеристик повреждений и оценке вероятности разрушения оборудования, длительно эксплуатируемого в H₂S-содержащих средах // Защита окружающей среды в нефтегазовом комплексе. - 2008. - №7. - С. 22-29.

10. Барышов С.Н. Оценка погрешности прогнозирования и продление ресурса безопасной эксплуатации оборудования в H₂S-содержащих средах // Химическое и нефтегазовое машиностроение. - 2008. - №8. - С. 44-45.

11. Барышов С.Н. Исследование несущей способности и оценка поврежденности оборудования, длительно эксплуатируемого в сероводородсодержащих средах / С.Н. Барышов, А.О. Чернявский // Нефтегазовое дело. - 2008. - Т. 6, №1. - С. 163-172.

12. Барышов С.Н. Постановка проблемы и разработка методов повышения достоверности прогнозирования продлеваемого ресурса безопасной эксплуатации оборудования добычи и переработки сероводородсодержащих сред // Автоматизация, телемеханизация и связь в нефтяной промышленности. - 2008. - №8. - С. 21-25.

13. Барышов С.Н. Ограничение продлеваемого срока безопасной эксплуатации оборудования добычи и переработки сероводородсодержащих сред на основе оценки погрешности прогноза ресурса // Автоматизация, телемеханизация и связь в нефтяной промышленности. - 2008. - №9. - С. 31-33.

14. Махутов Н.А. Научное обоснование методов повышения безопасности и ресурса оборудования добычи и переработки сероводородсодержащих сред / Н.А. Махутов, А.В. Митрофанов, С.Н. Барышов // Химическое и нефтегазовое машиностроение. - 2008. - №9. - С. 36-42.

15. Митрофанов А.В. Разработка методов повышения достоверности прогнозирования продлеваемого ресурса безопасной эксплуатации оборудования в сероводородсодержащих средах / А.В. Митрофанов, С.Н. Барышов // Защита окружающей среды в нефтегазовом комплексе. - 2008. - № 9. - С. 140.

16. Барышов С.Н. Методы оценки и продления ресурса безопасной эксплуатации оборудования добычи и переработки сероводородсодержащих сред / Н.А. Махутов, А.В. Митрофанов, С.Н. Барышов // Автоматизация, телемеханизация и связь в нефтяной промышленности. - 2008. - №10. - С. 25-33.

17. Барышов С.Н. Прогнозирование продлеваемого ресурса безопасной эксплуатации оборудования в H₂S-содержащих средах // Проблемы безопасности и чрезвычайных ситуаций. - 2008. - №5. - С. 31-38.

18. Барышов С.Н. Оценка поврежденности и вероятности разрушения высокорискового нефтегазового оборудования, эксплуатируемого в сероводородсодержащих средах // Технологии нефти и газа. - 2008. - №5. - С. 44-52.

19. Барышов С.Н. Исследование конструкционной прочности оборудования добычи и переработки сероводородсодержащих сред // Известия ВУЗ. Нефть и газ. - 2008. - №6. - С. 109-116.

20. Ромашов Р.В. Определение усталостной долговечности с учетом структурных параметров материала и качества поверхностного слоя. / Р.В. Ромашов, А.М. Щипачев, С.Н. Барышов // Динамика и прочность материалов и конструкций: Сборн. научн. трудов. - Орск, 2001. - С. 32 - 35.

21. Митрофанов А.В. О развитии методов и средств контроля деградации структурно-механических свойств металла оборудования, подверженного длительному воздействию сероводородсодержащих сред. / А.В. Митрофанов, В.А. Полозов, С.Н. Барышов // Диагностика оборудования и трубопроводов, подверженных воздействию сероводородсодержащих сред: материалы IV международной науч.-техн. конф., - 18 _ 22 ноября 2002 г. - Оренбург (Самородово). - С. 205 - 210.

22. Барышов С.Н. Расчетно-экспериментальные исследования напряженно-деформированного состояния и оценка несущей способности оборудования ГХК. / С.Н. Барышов // Диагностика оборудования и трубопроводов, подверженных воздействию сероводородсодержащих сред: материалы V международной науч.-техн. конф. - 22 _ 25 ноября 2004 г. - Оренбург (Самородово). - С. 227_238.

23. Барышов С.Н. Оценка несущей способности, вероятности и риска разрушения обечайки сосуда с коррозионным повреждением. / С.Н. Барышов // Диагностика оборудования и трубопроводов, подверженных воздействию сероводородсодержащих сред: материалы V международной науч.-техн. конф. - 22 _ 25 ноября 2004 г. Оренбург (Самородово). - С. 239 _ 248.

24. Митрофанов А.В. Экспериментальные и модельные исследования прочности штуцерных узлов оборудования, имеющих дефекты. / А.В. Митрофанов, В.А. Полозов, С.Н. Барышов // Прочность и разрушение материалов и конструкций: материалы 4-й международной науч. конф. - 15 _ 17 февраля 2005 г. - Оренбург, ОГУ-2005. РАЕ «Современные наукоемкие технологии» приложение №1, 2005. - С. 72- 79.

25. Барышов С.Н. Расчетно-экспериментальное обоснование продления ресурса сосуда давления с учетом вибрации. / С.Н. Барышов, А.В. Митрофанов, А.О. Чернявский // Методы компьютерного проектирования и расчета нефтяного и газового оборудования: Сборник материалов III-й Российской межвузовской научно-практич. конф. с международным участием. - 25 _ 26 февраля 2006 г., ТюмГНГУ, г. Тюмень. - С. 9 - 15.

26. Махутов Н.А. Модели, критерии и методы оценки поврежденности и повышения безопасности при продлении ресурса оборудования, эксплуатируемого в сероводородсодержащих средах. / Н.А. Махутов, А.В. Митрофанов, С.Н. Барышов // Диагностика оборудования и трубопроводов, подверженных воздействию сероводородсодержащих сред: Материалы VI международной науч.-техн. конф. - 20 _ 23 ноября 2006 г., Оренбург (Самородово). - С. 46 - 60.

27. Митрофанов А.В. О методах оценки безопасности при обследовании трубопроводов, транспортирующих углеводороды. / А.В. Митрофанов, С.Н. Барышов, А.А. Вдовин // Обеспечение промышленной и экологической безопасности трубопроводного транспорта углеводородов: материалы 2-й научно-технической конференции. - 15 _ 16 февраля 2007 г., ДКиС "Газовик", г. Оренбург. - С. 78 - 91.

28. Махутов Н.А. Методы оценки опасности и поддержания безопасного уровня состояния нефтегазохимического оборудования эксплуатируемого в сероводородсодержащих средах. / Н.А. Махутов, А.В. Митрофанов, С.Н. Барышов // Безопасность регионов - основа устойчивого развития: материалы научно-практической конференции, 19 _ 21 сентября 2007 г. Иркутск: В 3 т. Том 2: Безопасность техносферы и инфраструктуры жизнеобеспечения. - Иркутск: ИрГУПС, - 2007. - С. 85 - 91.

29. Махутов Н.А. Оценка сопротивления разрушению и продление ресурса безопасной эксплуатации оборудования, эксплуатируемого в H₂S_содержащих средах. / Н.А. Махутов, А.В. Митрофанов, С.Н. Барышов // Прочность и разрушение материалов и конструкций: материалы V Международной научной конференции, 12 _ 14 марта 2008 г. г. Оренбург, Россия. - Т. 2. - С. 5 - 20.

30. Митрофанов А.В. Оценка прочности и продление ресурса нефтегазового оборудования при усталостном нагружении и воздействии H₂S_содержащих сред. / А.В. Митрофанов, С.Н. Барышов // Прочность и разрушение материалов и конструкций: материалы V Международной научной конференции, 12 _ 14 марта 2008 г, г. Оренбург, Россия. - Т. 2 - С. 21 - 36.

31. Барышов С.Н. Анализ повреждаемости и оценка вероятности разрушения оборудования, длительно эксплуатируемого в сероводородсодержащих средах. / С.Н. Барышов // Прочность и разрушение материалов и конструкций: материалы V Международной научной конференции., 12 _ 14 марта 2008 г. г. Оренбург, Россия. Том 2- С. 37 - 48.

32. Махутов Н.А. Методы мониторинга, оценки и обеспечения безопасного состояния газохимического оборудования, эксплуатируемого в сероводородсодержащих средах. / Н.А. Махутов, А.В. Митрофанов, С.Н. Барышов // Диагностика - 2007: материалов 17-й Международной деловой встречи 28 мая - 1 июня 2007 г., г. Екатеринбург:. - М.: ООО «ИРЦ Газпром», - 2008. - В 2 т. Т. 2. - С. 63 - 84.

Размещено на Allbest.ru