Powiadomienia systemowe
- Sesja wygasła!
Identyfikatory
Warianty tytułu
Technika diagnostyki oparta na addytywnych modelach regresyjnych w zadaniach bieżącej eksploatacji sieci gazowej
Języki publikacji
Abstrakty
The article presents a method of estimating the pressure value at given nodes of natural gas transmission network for the purposes of predicting changes of the process state during its exploitation. For this purpose additive regression model was applied together with non-parametric estimation techniques, which was used for monitoring the operation of gas networks, as well as designing the system of fault detection, and then – the assessment of sensitivity for particular faults. Research was conducted on the basis of data from the analytical model of network simulator, which is adjusted to the actual gas transmission network.
W artykule przedstawiono metodę oszacowania wartości ciśnienia w określonych punktach węzłowych sieci przesyłowej gazu ziemnego dla potrzeb przewidywania zmiany stanu procesu w trakcie jego eksploatacji. W tym celu wykorzystano addytywny model regresji wraz z nieparametrycznymi technikami estymacji, który posłużył zarówno do monitorowania pracy sieci gazowej, jak i do konstrukcji układu detekcji uszkodzeń, a następnie do oceny wrażliwości na występowanie poszczególnych uszkodzeń. Badania przeprowadzono na podstawie danych z modelu analitycznego symulatora sieci, który dostrojony jest do rzeczywistej sieci przesyłowej gazu.
Czasopismo
Rocznik
Tom
Strony
50--56
Opis fizyczny
Bibliogr. 23 poz., rys., tab.
Twórcy
autor
- Institute of Automatic Control and Robotics Faculty of Mechatronics Warsaw University of Technology ul. św. A. Boboli, 02-525 Warsaw, Poland
Bibliografia
- 1. Ahmad A, Abd. Hamid M. K. Pipeline Leak Detection System in a Palm Oil Fractionation Plant Using Artificial Neural Network. Proceedings of the International Conference on Chemical and Bioprocess Engineering 2003, Kota Kanibalu.
- 2. Bilman L, Isermann R. Leak detection methods for pipelines. Automatica 1987; 23(3): 381-385, http://dx.doi.org/10.1016/0005-1098(87)90011-2.
- 3. Chen H, Ye H, Su H. Application of support vector machine learning to leak detection and location in pipelines. Proceedings of the 21st IEEE Instrumentation and Measurement Technology Conference 2004; 3.
- 4. Good P I. Introduction to statistics through reasampling methods and R/S-PLUS. Wiley, 2005, http://dx.doi.org/10.1002/9780471722502.
- 5. Gregorowicz J, Warowny W. Równania stanu w przemyśle naftowym i gazowniczym. Nafta - Gaz 1998; 54: 15-23.
- 6. Hastie T, Tibshirani R. Generalized additive models. Chapman and Hall, 1990.
- 7. Hauge E, Aamo O M, Godhavn J M (2009): Model based pipeline monitoring with leak detection, SPE Projects, Facilities & Construction 2009; 4(3): 53-60, http://dx.doi.org/10.2118/114218-PA.
- 8. Jin H, Hang L, Liang W, Ding Q. Integrated leakage detection and localization model for gas pipelines based on the acoustic wave method. Journal of Loss Prevention in the Process Industries 2014; 27(1): 74-88, http://dx.doi.org/10.1016/j.jlp.2013.11.006.
- 9. Kogut K. Możliwości wykorzystania sztucznych sieci neuronowych w analizie pracy sieci przesyłowej gazu ziemnego. Nowoczesne Gazownictwo 2004; 3: 1-4.
- 10. Kościelny J M. Diagnostyka zautomatyzowanych procesów przemysłowych. Warszawa: Akadem. Oficyna Wyd. EXIT, 2001.
- 11. Kowalczuk Z, Gunawickrama K. Detekcja i lokalizacja wycieków w rurociągach Przemysłowych; rozdział 21 pracy zbiorowej pod red. J. Korbicza i J. Kościelnego. Warszawa: WNT, 2002.
- 12. Liang W, Hang L, Xu Q, Yan C. Gas pipeline leakage detection based on acoustic technology. Engineering Failure Analysis 2013; 31: 1-7, http://dx.doi.org/10.1016/j.engfailanal.2012.10.020.
- 13. Łabęda-Grudziak Z M. Identification of dynamic system additive models by KDD methods. Pomiary Automatyka Kontrola 2010; 57(3): 249-252.
- 14. Łabęda-Grudziak Z M. Identyfikacja i symulacja rozkładu ciśnienia w sieciach gazowych z wykorzystaniem addytywnego modelu regresji. Pomiary Automatyka Robotyka 2010; 11: 60-64.
- 15. Łabęda-Grudziak Z M. Smoothing parameters selection in the additive regression models approach for the fault detection scheme. Pomiary Automatyka Kontrola 2010; 57(2): 197-200.
- 16. Neuroth M, MacConnell P, Stronach F, Vampllew P. Improved modeling and control of oil and gas transport facility operations using artificial intelligence. Knowledge-Based Systems 2000; 13: 81-92, http://dx.doi.org/10.1016/S0950-7051(00)00049-6.
- 17. Osiadacz A J. Simulation and Analysis of Gas Networks. Gulf Publishing Company, 1987.
- 18. Stachura M, Syfert M. Model sieci gazowej w systemie monitorowania i diagnostyki AMandD. Pomiary Automatyka Robotyka 2010; 11: 110-115.
- 19. Syfert M, Wnuk P, Kościelny J M. System zaawansowanego monitorowania i diagnostyki AMandD. Pomiary Automatyka Kontrola 2005; 9: 157-159.
- 20. Syfert M, Jankowska A, Łabęda-Grudziak Z, Tabor Ł. Porównanie cząstkowych modeli parametrycznych w zadaniu detekcji uszkodzeń sieci gazowej Pomiary Automatyka Kontrola 2012; 58(1): 3-9.
- 21. Turkowski M, Bratek A, Słowikowski M. Methods and system of leak detection in long range pipelines. Journal of Automation, Mobile Robotics & Intelligent Systems 2007; 1(3): 39-46.
- 22. Turkowski M, Bratek A, Słowikowski M, Bogucki A. Postępy i problemy realizacji systemów detekcji i lokalizacji nieszczelności rurociągów. Pomiary Automatyka Robotyka 2009; 1: 5-9.
- 23. Warowny W. Kubiczne równania stanu i ich wykorzystanie w gazownictwie ziemnym. Nafta - Gaz 2007; 10: 613-623.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-61498742-3cf5-44b5-87d1-838ee85bf2b5