Nghiên cứu xây dựng công cụ học máy dự báo nhiệt độ đầu ra cấp 1 và cấp 2 của máy nén khí cao áp
Tóm tắt
Máy nén khí là thiết bị quan trọng trên giàn xử lý trung tâm PQP-HT. Khí tự nhiên, sau quá trình khử nước và đảm bảo nhiệt độ điểm sương theo điều kiện và thông số kỹ thuật đầu vào đường ống dẫn khí Nam Côn Sơn (NCSP), được chuyển đến hệ thống nén khí bao gồm 2 dây chuyền máy nén khí. Việc tối ưu hóa điều kiện vận hành bằng cách giảm áp suất đầu vào của hệ thống xử lý khí tự nhiên được sử dụng để nâng cao hiệu quả sản xuất của các mỏ khí. Tuy nhiên, việc thay đổi điều kiện vận hành đầu vào ảnh hưởng trực tiếp đến hệ thống máy nén khí khi áp suất đầu vào giảm và nhiệt độ đầu ra của máy nén khí có thể tăng lên vượt quá ngưỡng vận hành an toàn.
Để tính toán ảnh hưởng của việc thay đổi điều kiện vận hành của máy nén khí lên nhiệt độ đầu ra của từng giai đoạn, thường sử dụng phần mềm mô phỏng nhiệt động lực học thương mại (như Hysys, ProII). Từ đó, có thể mô phỏng và chọn điều kiện làm việc tối ưu, đảm bảo an toàn cho hệ thống xử lý khí tự nhiên. Tuy nhiên, chi phí cấp phép và duy trì phần mềm thương mại cao. Ngoài ra, các thuật toán học máy hiện đại được chứng minh có thể dự báo các thông số vận hành dựa trên dữ liệu lịch sử. Nhiều nghiên cứu đã tìm cách dự báo chính xác hiệu suất của máy nén, nhằm cải thiện hiệu quả của các hoạt động vận hành. Thuật toán học máy có ưu điểm là kết quả dự báo có độ chính xác cao, mô hình có thể hoạt động liên tục và tự động tái học khi thay đổi điều kiện vận hành. Do đó, các mô hình học máy có thể được sử dụng làm phương án thay thế phần mềm mô phỏng nhiệt động lực học thương mại.
Các tài liệu tham khảo
Johm M. Campbell, Larry L. Lilly, and Robert N. Maddox, Gas conditioning and processing - Volume 2: The equipment modules, 6th edition. Campbell Petroleum Series, 1984.
Maurice Stewart Ken Arnold, Surface production operations: Volume 2: Design of gas-handling systems and facilities, 2nd edition. Elsevier, 1999.
John M. Schultz, "The polytropic analysis of centrifugal compressors", Journal of Engineering for Power, Volume 84, Issue 1, pp. 69 - 82, 1962. DOI: 10.1115/1.3673381.
Chunzhi Wei, "Predicting discharge temperature of a centrifugal compressor in a realistic way based on ASME PTC 10", 2017. [Online]. Available: https:// www.semanticscholar.org/paper/Predicting-discharge -temperature-of-a-Centrifugal-a-Wei/ddecfafacbc9608b b1fd8ca34203418fd2f11382.
Yu Zhang, Miguel Martinez-Garcia, and Anthony Latimer, "Estimating gas turbine compressor discharge temperature using Bayesian neuro-fuzzy modelling", IEEE International Conference on Systems, Man, and Cybernetics (SMC), 5 - 8 October 2017. DOI: 10.1109/SMC.2017.8123194.
Jingzhou Fei, Ningbo Zhao, Yong Shi, Yongming Feng, and Zhongwei Wang, "Compressor performance prediction using a novel feed-forward neural network based on Gaussian kernel function", Advances in Mechanical Engineering, Volume 8, Issue 1, 2016. DOI: 10.1177/1687814016628396.
Hongsheng Jiang, Sujun Dong, Zheng Liu, Yue He, and Fengming Ai, "Performance prediction of the centrifugal compressor based on a limited number of sample data", Mathematical Problems in Engineering, 2019. DOI: 10.1155/2019/5954128.
Xavier Glorot and Yoshua Bengio, “Understanding the difficulty of training deep feedforward neural networks”, Proceedings of the 13th International Conference on Artificial Intelligence and Statistics (AISTATS), Sardinia, Italy, 13 - 15 May 2010.
C. Olah, "Understanding LSTM networks". [Online]. Available: https://colah.github.io/posts/2015-08-Understanding-LSTMs/.
Sepp Hochreiter and Jürgen Schmidhuber, "Long short-term memory", Neural Computation, Volume 9, Issue 8, pp. 1735 - 1780, 1997. DOI: 10.1162/neco.1997.9.8.1735.
1. Tác giả giao bản quyền bài viết (tác phẩm) cho Tạp chí Dầu khí, bao gồm quyền xuất bản, tái bản, bán và phân phối toàn bộ hoặc một phần tác phẩm trong các ấn bản điện tử và in của Tạp chí Dầu khí.
2. Bằng cách chuyển nhượng bản quyền này cho Tạp chí Dầu khí, việc sao chép, đăng hoặc sử dụng một phần hay toàn bộ tác phẩm nào của Tạp chí Dầu khí trên bất kỳ phương tiện nào phải trích dẫn đầy đủ, phù hợp về hình thức và nội dung như sau: tiêu đề của bài viết, tên tác giả, tên tạp chí, tập, số, năm, chủ sở hữu bản quyền theo quy định, số DOI. Liên kết đến bài viết cuối cùng được công bố trên trang web của Tạp chí Dầu khí được khuyến khích.
