Исследование загрязнения атмосферы в районе компрессорных

Исследование
УДК 622.276.06
В.Д. Макаренко, д.т.н., проф. (Национальный университет природных биоресурсов Украины),
АЛ. Бондарев, д.т.н. (Институт электросварки им.Е.О.Патона,), г. Киев, Н.П. Бутко, д.э.н., проф.
(Черниговский национальный технологический университет), Н.И. Мурашко, к.э.н., доцент
(Межрегиональная академия управления им. Героев Крут), г. Киев, М.Н. Бондарь, к.п.д.н., доцент
(Национальный университет биоресурсов и природопользования Украины), г. Киев, И.Е. Савченко,
ст. преподаватель (Нежинский агротехнический институт) г. Нежин. Украина
Исследование загрязнения атмосферы в районе компрессорных
станций с применением нейросетевого моделирования
В статье приведены результаты количественной оценки загрязнения атмосферы в районе компрессорных станций на
основе нейросетевого моделирования.
Ключевые слова: газовый транспорт, компрессорная станция, атмосфера, загрязнение, моделирование.
У статті приведені результати кількісної оцінки забруднення атмосфери в районі компресорних станцій на основі нейромєрежевого моделювання.
Ключові слова: газовий транспорт, компресорна станція, атмосфера, забруднення, моделювання.
In the article the results o f quantitative estimation o f contamination o f atmosphere are diven in the district o f the compressor stations
on the basis o f design.
Keywords: gas transport, compressor station, atmosphere, contamination, design.
з литературы и практики известно, что ос­
новным направлением повышения энер­
гетической эффективности работы газо­
транспортной системы Украины и России является
энергосбережение, базирующееся на внедрении в произ­
водственный цикл транспорта газа энергетически, эко­
логически и экономически эффективных технологий и
инновационной техники и оборудования. С этой целью
в ОАО «Газпром» и ВАТ “Укранафтагаз” разработаны и
внедрены программы реконструкции компрессорных
станций (КС) и линейной части газотранспортной и рас­
пределительной инфраструктуры. Программами рекон­
струкции КС предусмотрено применение новых газопе­
рекачивающих агрегатов взамен устаревших моделей.
Однако в этих условиях важная роль отводится проблеме
охраны природной и производственной среды, постоян­
но подвергающейся химическому и шумовому' загряз­
нению. Кроме того, каждая КС создает опасность при
образовании взрывопожарных газовоздушных смесей в
закрытых помещениях. Примерные расчеты показыва­
ют, что ежегодно в России каждая КС выбрасывает 2112
тонн вредных веществ, причем оксиды углерода состав­
ляют 51%, оксиды азота - 24%, природный газ - 23%,
другие вещества - 2% .
Выбор и актуальность данной работы обусловлены
еще и тем, что, как показывает анализ парка газопе­
рерабатывающих агрегатов ОАО «Газпром» и ООО «Не­
фтегазовая компания - ИТЕРА», более 20% агрегатов,
которые эксплуатируются в настоящее время на ком­
прессорных станциях, выработали свой моторесурс, мо­
рально устарели, физически изношены, в результате чего
не отвечают требованиям надежности, экономичности и
экологической безопасности, в связи с чем вопросы ис­
следования экологической безопасности в районах дей­
ствия КС являются актуальными и имеют важное отрас­
левое значение.
Для осуществления непрерывного контроля измене­
ния теплофизических параметров работы компрессор­
ных агрегатов необходимо проводить постоянный анализ
И
и сопоставление десятков показателей, что при большом
числе фонда КС требует огромных затрат [1]. Как пока­
зывает опыт эффективной эксплуатации электроцентробежных насосов, накопленный в ВАТ “Укранафтагаз”, в
ОАО «Сургутнефтегаз», для решения подобных задач (с
учетом максимального использования имеющихся дан­
ных в ОАО «СибурТюменьгаз», ОАО «Сургуттрансгаз»,
ОАО «Уралтрансгаз» и др.) полезно применить нейросетевой анализ, разработанный авторами совместно со
специалистами Киевского национального технического
университета (КПИ) и Ивано-Франковского националь­
ного технического университета нефти и газа (Украина).
Целью работы явилось исследование загрязнения ат­
мосферы в районе компрессорных станций с помощью
нейросетевого метода их расчета.
Известно [3], что распространение загрязнения вме­
сте с воздухом происходит путем конвективного перено­
са, представляющего собой наиболее реальный фактор
миграции.
Однако принципиально существует возможность
распространения загрязнений в атмосфере путем моле­
кулярной диффузии - процесс выравнивания концен­
траций частиц в границах определенного объема воздуха
самостоятельно, поскольку он сопровождается увеличе­
нием энтропии системы «загрязняющее вещество - воз­
дух», а равномерное распределение веществ в системе
отвечает наиболее вероятному ее состоянию. Количе­
ственно диффузия может быть выражена уравнением
первого закона Фика:
т
= -Ц — гУ ,
(1)
*
Цх
где гп, - масса перенесенного вещества в направлении
координаты х и пропорциональна градиенту концентрас?с
ции — ; т - время; Д - площадь, охватывающая загрязне­
ние и расположенная перпендикулярно движению мас­
сы вещества; О-коэффициент диффузии загрязняющих
частиц в воздухе.
Компрессорное и энергетическое машиностроение
№ 41381 декабрь 2014
Рассматривая силу трения Г, действующую со сторо­
ны воздушных масс на диффузию частиц, как противо­
действующую кинетической или тепловой энергии моле­
кулы, Эйнштейн предложил следующее соотношение [4]:
^ Кй ■Т
° =
(2)
где КБ - постоянная Больцмана, равная 1,38-10 23 Дж/К; Т - температура среды.
Силу трения при движении сферических частиц ра­
диусом г определяем по формуле Дж. Стокса |5]:
Б = а
л - г/ г,
(3 )
где <т- сила поверхностного натяжения; у - коэффициент
вязкости среды.
Сравнивая уравнения (2) и (3), получаем уравнение
для практических расчетов:
£>= К б 'Т ,
О Л Т) г
(4)
откуда видно, что частицы перемещаются тем быстрее,
чем выше температура среды, меньший размер частиц
загрязнений г и вязкость среды у.
На формирование ареалов загрязнений атмосферы
влияет такой процесс как дисперсия (рассеяние загряз­
няющих веществ), характеризующаяся соответствующи­
ми дисперсиями (в поперечном и продольном направле­
ниях).
Коэффициент продольной дисперсии зависит от ско­
рости воздушных масс V, а так же от параметра Л, ха­
рактеризующего структуру зависших частиц в воздухе,
и выражается так:
ЩщгЛч м2/с.
(5)
Конкретное значение поперечной дисперсии опреде­
ляется в зависимости от высоты источника выброса за­
грязняющих веществ по формуле [б]:
(
6
)
где Ио - высота источника выброса, м; С - концентрация
вещества на выходе из источника выброса, мг/м3; С3 концентрация загрязняющих веществ на высоте 2 м от
поверхности земли, мг/м3.
Как уже ранее отмечалось, одной из наиболее
важных практических задач является расчет кон­
центраций вредных веществ, которые выбрасывают
КС в атмосферу.
При одновременном действии в атмосфере не­
скольких вредных веществ безразмерная концентрация
q определяется по формуле:
а=
С,
С0
С
^— + ---3 _ +... +
,
ПДК, ПДК2
ПДКП
(7)
где С,, С2,...,С, - расчетная концентрация вредных ве­
ществ в атмосфере в одной и той же местности; ПДК,,
ПДК2, ..., ПДК, - соответственно максимальные разовые
предельно допустимые концентрации вредных веществ
в воздухе.
Приведенная к одному веществу концентрация Сэкв
рассчитывается по формуле:
где С, - концентрация вещества, к которому осуществля­
ется приведение; С.2,...,Сп; ПДК2,...ПДКп - концентрация
и ПДК других веществ, входящих в группу суммирова­
ния. Массовая концентрация вредных веществ в атмос­
фере выражается известным дифференциальным урав­
нением [7]:
.(9)
где С - массовая концентрация воздушной смеси; х, у,
г - система прямоугольных координат, у которых ось х
совпадает с направлением ветра, а ось z - вертикальная;
и - скорость ветра; Кх, К,,, Кг - коэффициенты турбулент­
ной диффузии в направлении х, у, г соответственно.
Граничными условиями для данного уравнения яв­
ляются:
л
Решение уравнения (9) для стационарного точечного
источника при условии нормального распределения кон­
центрации вещества в атмосфере имеет вид [8]:
(
10)
где ву, в., - «виртуальные коэффициенты диффузии» в на­
правлении координат; п - число от 0 до 1; определяется
профилем скорости ветра.
В работе [5] получено уравнение для точечного источ­
ника, расположенного на высоте Н:
. (П )
где Ки щ - соответственно значения коэффициентов
турбулентной диффузии и скорости ветра; ср0 - диспер­
сия в направлении ветра; т=п(2-п).
В зарубежной практике дая определения концентра­
ции вредных веществ используют следующую зависи­
мость для стационарного точечного источника [9]:
(
12 )
где ау, ау - горизонтальная и вертикальная дисперсии
распределения воздушной смеси.
Из литературы известно (6, 10), что формирование
зоны дисперсии подчиняется закону Гаусса, в котором
значение концентрации имеет вид:
где С - концентрация, мг/м3; х,у,г - координаты;
т - время, с; М - масса вредного вещества, выбрасы­
ваемого в атмосферу, г/с; иа - скорость ветра, м/с;
аг - коэффициент поперечной дисперсии, м2/с;
ау - коэффициент продольной дисперсии, м2/с; Хщ, Х т расстояние от источника выброса, м.
С учётом приведенного выше, решение уравнения
(7) при начальных и граничных условиях С (1 = 1*, х = х,,,
гу=0,2=7|0) имеет вид:
(14)
т.е. с помощью данной формулы можно определить в
определённый момент времени (т*) концентрации вред­
ных веществ в зоне, которая характерна определённой
высоте источника выброса.
Расчёт концентраций вредных примесей от КС в на­
земном слое (Я=2-10 м) атмосферы, а так же на какое
расстояние они распространяются, проводится разными
методами [11,12].
Максимальное значение такой концентрации Стах
(мг/м3)при выбросе их источниками КС, расположенны­
ми на Самотлорском месторождении, оценивалось нами
с помощью методики [12]:
(15)
где А - коэффициент, С2/Змг-К‘/Зт, зависящий от тем­
пературной стратификации атмосферы, которая опре­
деляет условия горизонтального и вертикального рас­
сеивания вредных веществ в атмосфере; М - масса
выбрасываемых вредных примесей, г/с; .Р - безраз­
мерный коэффициент, учитывающий скорость осе­
дания вредных веществ в воздухе; т, п - безразмер­
ные коэффициенты, учитывающие условия выхода
газовоздушной смеси из горловины источника выброса;
Н - высота источника выброса над поверхностью зем­
ли, м; У - объём газовоздушной смеси, м3/с, равный
лЕ>2
------ш , где О - диаметр горловины источника выбро<Р
са, м; а - средняя скорость выхода газовоздушной смеси
из источника выброса; АТ - разность между температу­
рой газовоздушной смеси и температурой окружающей
атмосферы, К.
Коэффициент А принимают для неблагоприятных
метеорологических условий, при которых концентрация
вредных примесей в воздухе от источника выброса до­
стигает максимального значения.
Величину 47[°С) необходимо определять, принимая
температуру окружающей среды Т№равной средней тем­
пературе атмосферного воздуха около 13 часов наиболее
тёплого месяца года согласно СНиП «Строительная кли­
матология и геофизика», а температуру газовоздушной
смеси Тг, выбрасываемой КС, - по действующим техно­
логическим нормативам.
Величину безразмерного коэффициента Б прини­
мают для газоподобных вредных веществ - 1, а безраз­
мерного коэффициента т в зависимости от параметра f
имеющего размерность м/с2'°С,
(17)
Составив план эксперимента, в котором перемен­
ной величиной было расстояние (50,100,200,300,400,
500,1000,1500 и 2000 м), а также приняв: М=2.88 г/с
(для диоксида азота); М=1.44 г/с (для оксида углерода);
4=160; п=1.8; т=0.9; F=1.0; У=29.4 м3/с ; ДГ=400°С ;
/7=12 м; была рассчитана максимальная концентрация
оксидов азота и углерода, выбрасываемых источниками
КС. Полученные результаты представлены в виде карт
рассеивания (рис. 1).
Для оценки предельных концентраций вредных при­
месей, в частности N 0 2 и СО, вблизи компрессорных
станций в зависимости от расстояния от очага загрязне­
ния и высоты над поверхностью земли, впервые в отече­
ственной практике экспериментальных исследований
использовали нейросетевой анализ данных.
Основное отличие нейросетевого моделирования от
методов математической статистики заключается в том,
что для проведения анализа и оптимизации имеющих­
ся данных нет необходимости проводить планируемый
эксперимент, система сама адаптируется к имеющимся
данным и находит оптимальные варианты показателей
изучаемых свойств [1,2]. Кроме того, точность данного
метода значительно выше статистического (как правило,
погрешность между измеренными и прогнозируемыми
результатами не превышает 1-3 %).
Нейросети, используемые в данной работе, состоят
из формальных нейронов, один из которых представлен
на рис. 2.
В нейросетевой модели, как системе, набор элемен­
тов представлен нейронами, связи синапсами, а цель
(конечный результат) аппроксимационной модели опре­
деляется благодаря достаточной быстроте и точности ее
функционирования (контролируемой тестами и опытом
эксплуатации).
Моделирование функций синапсов происходит пу­
тем масштабирования входных сигналов (Х0, X,, ..., Хп) с
помощью весовых коэффициентов (1У0, Wu ..., Wn). Полу­
ченные сигналы подаются на вход сумматора, который
выполняет их обработку по формуле:
V = £ w ,x ,
1=0
Переменная У является аргументом пороговой акти­
вационной функции: у=Д V), которая имеет вид:
11 при У < О,
У = 10 при V > 0.
(16)
определяют из работы [12, рис. 2.1].
Безразмерный коэффициент п определяют по гра­
фику рис. 2.2 [12] в зависимости от параметра ит, кото­
рый вычисляют по формуле:
Рис. 1. Карты рассеивания постоянных
выбросов (часть ПДК) в атмосфере
компрессорной станцией на Самотлорском
месторождении: А - /70,; Б - СО
Компрессорное и энергетическое мэшинострашй
№4 Ш1 Ц№б|1ь 2014
Правило модификации весов связей при обучении
нейросетевой модели:
где т - номер цикла адаптации; Д1 - шаг модификации.
ди/; = - Е д Х .
где Д для всех к вычисляется как
* /с-1 ( V ті/ * к . ъ н \ о . - с $ ?
Л'
А» + М < ) — ----где а - константа; і - номер нейрона; а- - состояние дру­
гих нейронов; к - номер такта функционирования ней­
росети; у - номер входа нейрона.
Целевая функция для нейронной сети:
^ ‘.к
где 6 - требуемое состояние нейрона.
метров (рис. 1), так и за её пределами. Как видно из
рис. 3 - 6 , параметры СО и ГТО2 сложным образом зави­
сят от расстояния на поверхности и от высоты, однако
видны некоторые общие закономерности.
Так, установлено, что наиболее высокие концен­
трации вредных веществ на границе санитарно-за­
щитной зоны (СЗЗ для КС равна 1000м) при постоян­
ных выбросах диоксида азота составляют 0.8 ПДК.
Анализируя полученные результаты можно заклю­
чить, что использование нейтросетевого анализа позво­
ляет более точно дать прогнозную инженерную оценку
концентрации вредных частиц в зонах загрязнений по
сравнению с расчетом по формуле (15), которая не учи­
тывает молекулярную диффузию и дисперсию, форми­
рующие ареалы загрязнений в атмосфере.
Кроме того, нейтросетевой метод позволяет вычис­
лять концентрации вредных выбросов не только у по­
верхности, но и на высоте более 50 м от земли.
Выводы:
1. Впервые показана возможность применения
нейросетевого метода для прогнозной инженерной
оценки концентрации загрязняющих атмосферу ве­
ществ, выброс которых осуществляют перекачиваю­
щие газ агрегаты компрессорных станций.
2. Из анализа существующих методик расчёта сле­
дует, что при формировании ареалов загрязнений ат­
мосферы вокруг КС основную роль играют такие физи­
ко-химические процессы, как конвективный перенос,
молекулярная диффузия, поперечная и продольная
дисперсия, а поэтому эти процессы необходимо учиты­
вать при определении величины загрязнений КС мест­
ности.
3. С помощью нейросетевого метода анализа рас­
считаны максимальные значения объемных концен­
траций вредных веществ при выбросах источниками
Таблица 1. Оптимальные параметры НС для прогнозирования концентрации вредных веществ и
ошибок НС при обучении и тестировании
К ритерии свой ств
н а в ы х о д е сети
К оличество н ей ро­
н о в в с к р ы т о м с ло е
сети
О ш и бк а обучен и я
О ш ибка тести р о­
А л го р и т м о б у ч е ­
Ч исло циклов об­
сети
в а н и я сети
ния
учен и я
N0,
4
0 ,0 0 6 7
0 ,0 0 3 2
мнк
265
СО
6
0 ,0 3 1 5
0 ,0 2 9 1
ССГ
242
Примечание: МИК - метод наименьших квадратов; ССГ - спуск по сопряженным градиентам
Вычислительные операции на нейросетевых мо­
делях являются итерационными и прекращаются по
достижении требуемой точности решения задачи или
по истечении времени, выделенного на обучение ней­
росети.
Учитывая, что структура и методы обучения НС
не определяются природой изучаемых характеристик
объекта, а зависят от количества экспериментальных
данных, подаваемых на входы НС, оптимального чис­
ла нейронов в скрытом слое и сложности изучаемого
процесса, ошибки обучения и тестирования выбран­
ной структуры НС различны для каждого из двух ана­
лизируемых критериев (табл. 1). Среднеквадратичные
ошибки обучения и тестирования составляют соответ­
ственно 0,8-3,2 и 0,4-2,7 %, что свидетельствует о хо­
рошей обученности НС и их способности с достаточно
малой ошибкой предсказывать значения каждого из
оцениваемых критериев.
Обученные НС использовали для прогнозно­
го расчёта концентраций СО и N0., как внутри об­
ласти расчетно-экспериментальных входных пара-
КС газопроводов. По данным расчётов построены кар­
ты на плоскости и в пространстве рассеивания диокси­
да азота и оксидов углерода, что позволило установить
предельно допустимые концентрации на границах санитарно защитной зоны.
Полученные результаты позволяют прогнозиро­
вать промышленную безопасность газокомпрессорных
станций, эксплуатируемых в условиях нефтегазовых
месторождений.
Список литературы:
1. Матвеев С.Н. Перспективы внедрения системы
поддержки приштия решений с элементами искус­
ственного интеллекта / С.Н. Матвеев, А.В.Осипов //
Нефтяное хозяйство, 2007. - № 3 ,- С. 12-14.
2. Уоссермен Ф. Нейрокомпъютерная техника: Те­
ория и практика / пер. с англ. - М.: Мир, 1 9 9 2 - 240 с.
3. Куцын П.В. Охрана труда на газовом промысле. М.: Недра, 1982.- 250 с.
4. Мороз А. С. Фьзична та коло1дна ххмш. / А. С. Мороз,
А.Г.Ковальова. - Аьв1в: Сет , 1994 - 280 с.
Рис. 5. Пространственная модель ареалов
окиси углерода на рабочей площадке КС
Самотлорского месторождения, рассчитанная
с помощью нейросетевого метода анализа.
Точкой отмечен источник выброса вредных
веществ - КС
Расстояние от
источника загрязнений, м
Рис. 3. Прогнозные значения предельно
допустимой концентрации (ПДК) двуокиси
азота (а) и окиси углерода (б) в локальной
зоне выброса загрязнений, рассчитанные с
применением нейросетевого моделирования
У, км
2.0
1.0
0
-
1.0
-
2.0
2.0
-
1.0
0
1.0
2.0
X , КМ
Рис. 4. Двухмерная карта прогнозных значений
ПДК (двуокиси азота) в локальной зоне выброса
вредных веществ, полученная нейросетевым
методом анализа
Рис. 6. Изолинии предельно допустимой
концентрации загрязнения (ПДК) вокруг очага
выбросов вредных веществ, полученные с
помощью нейросетевого метода анализа.
Обозначения: 1-Н= 10м;2-Н=20м;3-Н=30м;
4-Н=40м;5-Н=50м
5. Берлянд Н.Е. Современные проблемы атмосфер­
ной диффузии и загрязнения атмосферы. - А.: Гидрометеоиздат, 1975 - 448с.
6. Сафонов В. С. Теория и практика анализа
риска в газовой промышленности / В.С.Сафонов,
Г.Е.Одишария // М.: Недра, 1996. - 207 с..
7. Колмогоров А.Н. Локальная структура турбу­
лентности в несжимаемой жидкости при очень боль­
ших числах Рейнольдса // Доклады АНСССР, 1941,
том 30, Nb 4-, С. 299-303.
8. Taylor C.I. Proc. bond. Math. 1982, Ser. 2, V. 2 0 - p.
13-18.
9. Recommended Guide fo r prediction o f the aubomt
effluent (sec. ed.). New York, 180p. The American Society
o f Mechanical Engineers, 1973, № 4.
10. Едигарова A.C. Математическое моделиро­
вание аварийного истечения и рассеивания природ­
ного газа при разрыве газопровода / А.С.Едигарова ,
В.А.Сулейманов // Математическое моделирование,
1995.- Т. 7.- Ns 4 - С. 37-52.
11. Временная инструкция расчета газовых вы­
бросов наземных источников на объектах газовой про­
мышленности. -М.: РАО «Газпром», 1987 - 42 с.
12. Методика расчета концентраций предельных
веществ в атмосфере воздуха, содержащихся в выбро­
сах предприятий. - ОНД -86. - Л.: Гидромет еоиздат1 9 8 7 .-9 2 с.
Компрессорное и энергетическое машиностроение
N 1381 декабрь 2014