Neural network model and software for an information system to intelligently analyze gas quality
Проблема анализа качества природного газа решается традиционными методами газовой хроматографии. В статье предлагается альтернативный подход с использованием нейронных сетей. Изучены автоматизированная информационная система определения энергетических параметров природного газа и ее функционирование. Тестирование системы проводилось на экспериментальных данных, полученных на реальных газовых смесях в лабораторных условиях. Рассчитаны показатели качества газа и сделан вывод о применимости системы. Разработанное математическое и программное обеспечение позволяет обеспечить высокую производительность информационной системы в случаях, когда свойства газа могут быстро меняться и требуется постоянный мониторинг. На основе результатов экспериментов предложено алгоритмическое решение для анализа качества природного газа, позволяющее получить необходимые данные с меньшими временными и финансовыми затратами. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
Ключевые слова
анализ качества природного газа,
оценка точности системы анализа,
автоматизированная информационная системаАвторы
| Фархадов Маис Паша оглы | Институт проблем управления им. В.А. Трапезникова Российской академии наук | доктор технических наук, главный научный сотрудник, заведующий лабораторией | mais@ipu.ru |
| Васьковский Сергей Владимирович | Институт проблем управления им. В.А. Трапезникова Российской академии наук | кандидат технических наук, старший научный сотрудник лаборатории | vask@ipu.ru |
| Брокарев Иван Андреевич | Российский государственный университет нефти и газа (Национальный исследовательский университет) им. И.М. Губкина | кандидат технических наук, старший преподаватель кафедры автоматизации технологических процессов | brokarev.i@gubkin.ru |
Всего: 3
Ссылки
Anagnostis, A., Papageorgiou, E. & Bochtis, D. (2020) Application of Artificial Neural Networks for Natural Gas Consumption Forecasting. Sustainability. 12. 6409.
Ashena, R., Thonhauser, G. (2015). Application of Artificial Neural Networks in Geoscience and Petroleum Industry. In: Cranganu, C., Luchian, H. & Breaban, M. (eds) Artificial Intelligent Approaches in Petroleum Geosciences. Springer, Cham.
Etesami, D., Zhang, W.J. & Hadian, M. (2021) A formation-based approach for modeling of rate of penetration for an offshore gas field using artificial neural networks. Journal of Natural Gas Science and Engineering. 95. pp. 104.
Gomaa, I., Elkatatny, S. & Abdulraheem, A. (2020) Real-time determination of rheological properties of high over-balanced drilling fluid used for drilling ultra-deep gas wells using artificial neural network. Journal of Natural Gas Science and Engineering. 77. pp. 103.
Letters, J.C., van der Wouden, E.J., Groenesteijn, J., et al. (2014) Real-time composition determination of gas mixtures. Proc. SENSORS. Valencia, Spain. pp. 1640-1643.
Altfeld, K. & Schley, P. (2012) Development of natural gas qualities in Europe. Heat Processing. 3. pp. 77-83.
Boersma, A., Sweelssen, J. & Blokland, H. (2018) Multiparameter sensor array for gas composition monitoring. Proc. Eurosensors. 2(13). pp. 867.
Dorr, H., Koturbash, T. & Kutcherov, V. (2019) Review of impacts of gas qualities with regard to quality determination and energy metering of natural gas. Measurement Science and Technology. 30(2). Article ID 022001.
Hribar, R., Potocnik, P., Silc, J. & Papa, G. (2018) A comparison of models for forecasting the residential natural gas demand of an urban area. Energy. 167. pp. 511-522.
Brokarev, I.A. & Vaskovskii, S.V. (2020) Multi-criteria estimation of input parameters in natural gas quality analysis. Advances in Systems Science and Applications. 20(2). pp. 60-69.
Brokarev, I.A., Farkhadov, M.P. & Vaskovskii, S.V. (2021) Recurrent neural networks to analyze the quality of natural gas. Vestnik Tomskogo gosudarstvennogo universiteta. Upravlenie vychislitel'naya tekhnika i informatika - Tomsk State University Journal of Control and Computer Science. 55. pp. 11-17.
Brokarev, I.A., Vaskovskii, S.V. & Farkhadov M.P. (2024) Automated information system for natural gas quality analysis. Large-Scale Systems Control. 108. pp. 174-191.
Koturbash, T., Bicz, A. & Kutcherov, V.G. (2021) Real-time quality metering of propanated biomethane.International Journal of Oil, Gas and Coal Technology. 27(1). pp. 8.
Wu, F., Yan, Y. & Yin, C. (2017) Real-time microseismic monitoring technology for hydraulic fracturing in shale gas reservoirs: A case study from the Southern Sichuan Basin. Natural Gas Industry. 4(1). pp. 68-71.
Kalimulina, E.Y. (2017) Analysis of system reliability with control, dependent failures, and arbitrary repair times.International Journal of System Assurance Engineering. 8. pp. 1-9.
Вы можете добавить статью