Методологическое обеспечение мониторинга безопасности объектов транспорта и хранения нефти и газа на основе интеллектуальных экспертных систем тема диссертации и автореферата по ВАК РФ 05.26.02, доктор наук Земенкова Мария Юрьевна

• Земенкова Мария Юрьевна
• доктор наук
• 2021

Оглавление диссертации доктор наук Земенкова Мария Юрьевна

Основные выводы по главе

ГЛАВА 2. РАЗРАБОТКА КОНЦЕПТУАЛЬНОЙ ОБОЛОЧКИ СИСТЕМЫ ОПЕРАТИВНОГО УПРАВЛЕНИЯ БЕЗОПАСНОСТЬЮ НЕФТЕГАЗОТРАНСПОРТНЫХ СИСТЕМ

2.1. Разработка интеллектуальной оболочки комплексного энерготехнологического мониторинга и управления безопасностью в формате требований государственных и международных стандартов

2.2. Разработка оболочки для создания системы комплексного контроля безопасности с применением модульной структуры и современных средств диагностирования и геопозиционирования

2.2.1. Базовая архитектура и алгоритмы системы

2.2.2. Разработка экспертных модулей и систем поддержки принятия решений комплексной платформы контроля безопасности и надежности

2.3. Обоснование требований к методологическому обеспечению СППР (CI-TREMS)

2.4. Разработка методики оценки безопасности, эффективности системы мониторинга и защиты от угроз

2.5. Разработка модульной архитектуры системы мониторинга безопасности

2.6. Задачи и решения метрологического обеспечения мониторинга

безопасности систем и процессов в режиме реального времени

Основные выводы по главе

ГЛАВА 3. РАЗРАБОТКА КОМПЛЕКСНОЙ МЕТОДОЛОГИИ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ НЕЙРОННОЙ МОДЕЛИ ОПЕРАТИВНОГО МОНИТОРИНГА БЕЗОПАСНОСТИ СИСТЕМ ТРАНСПОРТА УГЛЕВОДОРОДОВ

3.1. Разработка базы данных, универсального алгоритма и требований оперативного мониторинга безопасности с непрерывным сканированием показателей

3.2. Разработка методики формирования базы исходных данных и оценки безопасности технологического процесса на основании системного анализа технологических параметров

3.2.1. Методика оценки критерия безопасности технологического процесса на основе нейронных моделей с вероятностной нормализацией

3.2.2. Разработка вероятностно-статистических моделей критериев безопасности

3.3. Разработка алгоритма функционирования системы оперативного мониторинга по критериям безопасности

3.4. Разработка модели нейросетевого мониторинга безопасности технологического процесса с мультипороговой активацией

3.5. Оценка адекватности закона распределения анализируемых параметров техногенных событий и отказов

3.6. Разработка методики оценки коэффициентов весомости показателей безопасности

3.7. Методологические основы промышленной реализации упреждающей системы оперативного мониторинга технологических параметров

3.8. Промышленная апробация методики комплексной оценки показателей безопасности

Основные выводы по главе

ГЛАВА 4. РАЗРАБОТКА МЕТОДОЛОГИЧЕСКОГО ОБЕСПЕЧЕНИЯ УПРЕЖДАЮЩЕЙ СИСТЕМЫ МОНИТОРИНГА И УПРАВЛЕНИЯ БЕЗОПАСНОСТЬЮ В УСЛОВИЯХ МНОГОФАКТОРНОСТИ МОДЕЛЕЙ

4.1. Методика сканирования безопасности ОПО в режиме реального времени на базе графовых методик и стохастического анализа процессов

4.2. Разработка комплекса показателей для оценки безопасности на основании интеллектуального подхода

4.3. Проблемы оперативного мониторинга режимов работы нефтепроводов на основании регламентированных показателей

4.4. Мониторинг гидравлической безопасности транспортных систем нефти

4.5. Методика оценки безопасности при наличии временного резерва

4.6. Методика оценки безопасности без временного резерва

4.7. Разработка технологии прогнозирования безопасности с применением графовых математических методов с временным

и структурным резервом

4.8. Системный анализ, получение математических решений и аналитических зависимостей для оценки переходных и стационарных вероятностей времени нахождения системы в безопасных состояниях

4.9. Решение задачи определения вероятностных характеристик для прогнозирования динамики показателей безопасности

4.10. Определение вероятностей выхода системы из исправного состояния, сроков безопасной работы сроков технического обслуживания для принятия решений по параметрическому критерию безопасности

Основные выводы по главе

ГЛАВА 5. РАЗРАБОТКА ПРЕДИКТИВНОЙ СИСТЕМЫ ИНТЕЛЛЕКТУАЛЬНОГО МОНИТОРИНГА СОБЫТИЙ И СОСТОЯНИЙ ОПО НА ОСНОВАНИИ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ

5.1. Разработка модели интеллектуальной системы мониторинга с нейросетевым комплексным критерием безопасности

5.2. Методика создания нейронной модели для мониторинга безопасности ОПО и адаптивных систем поддержки принятия решений

5.3. Прогнозирование на базе нейросетевой модели многослойного перцептрона прямого распространения

5.4. Нейросетевой мониторинг безопасности на ОПО

5.4.1. Реализация методики оценки механической безопасности линейной части МГс дефектами

5.4.2. Реализация методики оценки механической безопасности на примере объектов газораспределения

5.4.3. Реализация методики оценки безопасности технологического процесса нефтеперекачивающей станции

5.5. Алгоритмическая визуализация методологического обеспечения систем мониторинга безопасности

Основные выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Методологическое обеспечение мониторинга безопасности объектов транспорта и хранения нефти и газа на основе интеллектуальных экспертных систем»

ВВЕДЕНИЕ

Актуальность темы исследований. Обеспечение соблюдения требований Федерального законодательства, международных соглашений, отраслевых стандартов и норм, регламентирующих деятельность в области промышленной безопасности - обязанность нефтегазовых компаний, контролирующих органов, общественных организаций. Вместе с тем, несмотря на повышенное внимание компаний, вопросы создания информационной базы данных, упреждающего мониторинга безопасности, экологичности промышленных объектов, действующих в режиме реального времени, остаются открытыми и актуальными.

По материалам «Основы промышленной политики РФ в области промышленной безопасности (ПБ) до 2025 года и дальнейшую перспективу», (Указ Президента №198), в РФ зарегистрировано более 170 тыс. опасных производственных объектов (ОПО), при том что 60-70 процентов оборудования отработало нормативные сроки службы, а социально-экономический ущерб от аварий может оцениваться в 600-700 млрд. рублей.

Современная классификация техногенных событий (ТС) предусматривает 4 уровня опасности техногенных ситуаций, где под «авариями» понимается только самая высокая, первая степень опасности с неконтролируемым ущербом, а события 2,3 уровня являются инцидентами и предпосылками к инциденту. На предприятиях трубопроводного транспорта, по данным Ростехнадзора на 2019 год, на 1 аварию приходится до 7 инцидентов, на нефтедобывающих - до 318. Большинство трагических аварийных ситуаций и инцидентов происходит на объектах, прошедших экспертизу ПБ.

Анализ динамики аварий на объектах ТЭК РФ свидетельствует о снижении количества регистрируемых аварий, однако значения фоновых рисков стабильно увеличиваются и отличаются от реальных значений показателей аварийности. Следовательно, официальная статистика аварий не может быть использована для эффективного предиктивного мониторинга, а методы анализа риска не решают всех задач предупреждения аварий, в связи с чем требуется новая методология

оценки безопасности для постоянного прогнозирования угроз событий всех уровней опасности и последующей защиты от них.

Требования действующих директивных документов федерального и отраслевого уровня формируют стратегию совершенствования технологий мониторинга безопасности опасных производственных объектов (ОПО). Целесообразно обозначить две серьезные волны изменения технологических требований в системе ПБ: первая (2009-2011 гг.), связанная с появлением технических регламентов, и вторая (2016-2020 гг.) - с их обновлением и пересмотром принципиального подхода к оценке безопасности ОПО, переходом на международные стандарты. С 2016 года основным документом, регламентирующим методы контроля ПБ, является «Руководство по безопасности «Методические основы по проведению анализа опасностей и оценки риска аварий на ОПО» (№144), содержащее 8 основных групп методов анализа риска, базирующихся на результатах анализа безопасности (п.18,46,50) технических объектов и вероятности ТС.

Опыт эксплуатации и анализ нормативной документации свидетельствует об ужесточении требований к ним в отношении безопасности. Современный методологический подход и задачи государственной политики в области ПБ указывает на необходимость разработки цифровой централизованной системы оперативного открытого дистанционного предиктивного мониторинга безопасности, методов поддержки управленческих решений при возникновении ТС и планировании мероприятий по профилактике аварий и инцидентов на ОПО.

Актуальность решаемых в работе задач, согласно государственной стратегии, подтверждается комплексом действующих директивных документов федерального и отраслевого значения: «Основы промышленной политики РФ в области ПБ до 2025 года и дальнейшую перспективу», «Энергетическая стратегия России на период до 2030г.», Национальная программа «Цифровая экономика РФ», Федеральная программа «Снижение рисков и смягчение последствий чрезвычайных ситуаций природного и техногенного характера в РФ», «Концепция

федеральной системы мониторинга критически важных объектов и потенциально ОПО инфраструктуры РФ и опасных грузов» и др.

Вопросы развития и внедрения ноосферных технологий в нефтегазовой сфере, как правило, во многом вынужденно сталкиваются с интересами экономики отдельных предприятий, корпораций и государств, поэтому одной из важнейших задач обеспечения безопасности являются вопросы оптимизации ресурсов. Мировой опыт разработки информационных технологий свидетельствует об эффективности концепций комплексного мониторинга и управления производством c-MES, EAM (управление ТО и ремонтами), МРС (многофакторного предиктивного контроля) при плавно уходящих в прошлое системах одноразового (SISO) и многоразового (MISO) ввода-вывода. Реализация указанных концепций требует разработки современного методологического подхода, при котором они могут быть использованы для повышения эффективности текущей деятельности и обеспечения ПБ ОПО.

Таким образом, для нефтегазотранспортных предприятий как стратегически важных с экономической и социальной точек зрения ОПО проблема модернизации и внедрения новых технологий предиктивного мониторинга и управления безопасностью является весьма актуальной.

Целью диссертационной работы является научное обоснование и разработка методологического обеспечения и концептуальной оболочки предиктивного прогнозного мониторинга безопасности с применением открытых дистанционных информационных технологий и интеллектуальных экспертных систем нового поколения, повышающего эффективность системы упреждающего контроля и управления защищённостью от опасных ситуаций на ОПО нефтегазотранспортной системы РФ, что представляет собой решение крупной актуальной научной проблемы, имеющей важное значение для развития экономики страны.

Степень разработанности темы. Анализ мирового опыта создания систем управления производственными процессами свидетельствует о необходимости нового подхода к оценке безопасности и защищенности, позволяющего

осуществлять предиктивный многофакторный мониторинг и прогнозирование опасных ситуаций. Методологические особенности моделирования критериев безопасности ОПО ТЭК определяются характером процессов и явлений, периодичностью диагностического контроля состояний системы, влиянием комплекса внутренних и внешних факторов и техническими особенностями изучаемых объектов.

Общим и отдельным вопросам оценки, мониторинга и обеспечения безопасности трубопроводного транспорта и ОПО посвящены работы ученых Агапова А.А., Аксютина О.Е., Александрова А.А., Аралова О.В., Ахметханова Р.С., Буйновского С.А., Буйновского С.Н., Васильева Г.Г., Велиюлина И.И., Гаденина М.М., Гонтаренко А.Ф., Гражданкина А.И., Грязнева Д.Ю., Дегтярёва Д.В., Зорина Н.Е., Жулиной С.А., Иванцова О.М., Иванцовой С.Г., Канайкина В.А., Кловач Е.В., Короленка А.М., Красных Б.А., Кучумова Р.Р., Ларионова В.И., Лисанова М.В., Лопатина А.С., Мазура И.И., Макарова Г.И., Максименко А.Ф., Мартынюка В.Ф., Махутова Н.А., Молдаванова О.И., Надеина В.А., Николаева А.К., Пермякова В.Н., Петрова В.П., Печеркина А.С., Ревазова А.М., Резникова Д.О., Савиной А.В., Сафонова В.С., Самусевой Е.А., Сидорова В.И., Симакина В.В., Сухарева М.Г., Селезнёва Г.М., Софьина А.С., Сумского С.И., Терехова А.Л., Тимашева С.А., Тухбатуллина Ф.Г., Ферапонтова А.В., Халлыева Н.Х., Харионовского В.В., Чуркина Г.Ю., Шалаева В.К. и др.

Отдельным аспектам исследования актуальных проблем вопросов моделирования процессов, режимов и ремонтно-восстановительного обслуживания систем транспорта и хранения нефти, и газа посвящено значительное количество работ Агинея Р.В., Алиева Р.А., Антипьева В.Н., Безкоровайного В.П., Березина В.Л., Бородавкина П.П., Будзуляк Б.В., Гареева М.М., Гладенко А.А., Гнеденко Б.В., Голохваста С.Л., Гулькова А.Н., Гумерова А.Г., Зайнуллина Р.С., Земенкова Ю.Д., Иванова В.А., Иванова В.И., Калинина

A.Ф., Колотилова Ю.В., Коробкова Г.Е., Коршака А.А., Крапивского Е.И., Кучумова Р.Я., Лисина Ю.В., Лурье М.В., Малюшина Н.А., Мастобаева Б.Н., Моисеева Б.В., Мустафина Ф.М., Нечваля А.М., Прохорова А.Д., Писаревского

B.М., Полякова В.А., Ращепкина К.Е., Сарданашвили С.А., Сенцова С.И.,

Середы В.В., Сощенко А.Е., Спиридовича Е.А., Сухарева М.Г., Чекардовского М.Н., Чучкалова М.В., Фридлянда Я.М., Шабарова А.Б., Шалая В.В., Шантарина В.Д., Шибнева А.В., Яковлева Е.И., Ясина Э.М. и множество других работ известных ученых и современников.

Исследования и научно-технические разработки в рамках контроля производственного процесса, диагностики и перевооружения ОПО осуществляются предприятиями и их подразделениями в рамках многолетнего сотрудничества с ВУЗами и НИИ: ЗАО НТЦ ПБ, «Ростехнадзор», АО «Гипротрубопровод», ОАО «ВНИИГ им. Веденеева», АО «Гипроспецгаз», АО «Транснефть-Диаскан», ООО «НИИ Транснефть», ЗАО «Технориск», АНО АИПР, ООО «Газпром ВНИИГАЗ», АО «Гипрогазцентр», «НИИ интроскопии МНПО «Спектр», АО «ВНИИСТ», ООО «ИПТЭР» и другими известными компаниями.

Современное состояние решаемой проблемы характеризуется следующими положениями:

• действующая система мониторинга безопасности фрагментарно реализована на отдельных предприятиях и в основном базируется на практике декларирования, а комплексная универсальная система мониторинга безопасности в настоящее время отсутствует;

• комплексная унифицированная методология оценки и концепция системного on-line мониторинга безопасности объектов транспорта и хранения энергетических ресурсов для прогнозирования и контроля чрезвычайных ситуаций (ЧС), прогнозирования техногенных опасностей, управления риском в режиме реального времени с применением открытых дистанционных технологий не разработана;

• необходимо современное методологическое обеспечение системного подхода и программной реализации методов, экспертных систем и систем поддержки принятия решений на оперативном, тактическом и стратегическом уровнях с учетом периодичности, оперативности, трудоемкости мониторинга ОПО;

• выполненные расчеты и выводы по результатам анализа риска аварии должны быть воспроизводимы на любой стадии эксплуатации и основаны на

актуальных данных о технических рисках и частотных показателях технологических систем на ОПО;

• для решения задач упреждающего контроля и управления безопасностью ОПО должны быть использованы современные нейросетевые системы распознавания образов, геоинформационные системы позиционирования, спутниковый мониторинг, сетевые on-line и другие информационные технологии в сочетании с методами моделирования и количественной оценки технического риска. Основные задачи исследования:

- разработать систему критериальных показателей безопасности для сложных ОПО магистрального транспорта и распределения углеводородов с учетом уровней потенциальной опасности и масштабов ущерба от техногенных событий;

- разработать концептуальную модель принципиально новой современной оболочки интеллектуального мониторинга безопасности для: предиктивного контроля состояний и опасностей; предупреждения инцидентов, аварий, нештатных ситуаций; оптимизации и обеспечения эффективности технических решений при управлении технологическими процессами промышленных предприятий ТЭК РФ; организации системы государственного дистанционного мониторинга состояния и обеспечения открытости информации о состоянии ОПО, включая комплексную классификацию методов мониторинга безопасности на основе контроля факторов безопасности и защищенности;

- разработать методику функционирования динамических экспертных систем предиктивного мониторинга безопасности и систем поддержки принятия решений для различных типов технологических процессов, применяемую в режиме «online» и основанную на использовании нейросетевых технологий, системного анализа информации, инструментария теории вероятностей и математической статистики;

- разработать универсальную систему математических моделей критериальных показателей, позволяющих обеспечить прогнозирование количественных оценок безопасности ОПО для методов упреждающего контроля

безопасности МРС (multivariable predictive control) и c-MES (collaborative manufacturing execution system) со многими переменными;

- разработать методику оперативной идентификации динамики состояний технических систем, прогнозирования и предупреждения опасных состояний технологических процессов, действующую в структуре АСУ ТП в виде экранных форм предиктивного оперативного нейросетевого инжинирингового мониторинга инцидентов, чрезвычайных и внештатных ситуаций, ТС и безопасности ОПО нефтегазового комплекса.

Научная новизна и теоретическая значимость проведенных исследований заключается в разработке методологического обеспечения инструментального нейросетевого инжинирингового предиктивного мониторинга безопасности, функционирующего в режиме реального времени на основании многофакторного контроля критериальных показателей опасностей технологических процессов и систем магистрального транспорта нефти и газа:

- разработана принципиально новая современная, концептуальная оболочка интеллектуального инструментального нейросетевого инжинирингового контроля и предупреждения нештатных ситуаций, инцидентов, аварий, открытого дистанционного контроля безопасности, оптимизации и обеспечения эффективности технических решений, ориентированная на технологии с-MES, базирующаяся на экспертных системах и средствах поддержки принятия решений, кластерной модели системного анализа факторов и методов контроля причин и угроз безопасности ОПО, функционирующая в режиме реального времени в модульной структуре для типовых систем транспорта и хранения углеводородов;

- создана универсальная математическая архитектура оболочки экспертной системы мониторинга внешних и внутренних угроз безопасности ОПО, с комплексом универсальных математических моделей, обеспечивающих численное моделирование процессов контроля и прогнозирования в соответствии с межнациональными стандартами в области риск-менеджмента и технологией упреждающего контроля c-MES (collaborative manufacturing execution system);

- разработаны модели процессов мониторинга ОПО, предусматривающие технологию параллельного сканирования фактических параметров безопасности системы, потоков угроз и возможных схем восстановления безопасных состояний, анализа вероятностных характеристик и обучения сетей с подкреплением режиме реального времени, с применением многослойных нейронных сетей с бинарной и мультипороговой активацией, учитывающие комплекс внешних и внутренних факторов по универсальной безразмерной шкале с пороговыми значениями, включающие идентификацию и прогнозирование состояний технической системы, согласно действующей классификации техногенных событий;

- разработана система оценочных критериев безопасности, построенная на теории нейронных глубоких сетей с обучением, с идентификацией множества состояний объекта по уровням прогнозируемых опасностей и восстановлений при возможных угрозах, на анализе графов процесса развития техногенных событий со сканированием динамики параметров, предназначенная для реализации концепции многофакторного предиктивного контроля ОПО в режиме «on-line»;

- разработана методология интеллектуального мониторинга безопасности и комплексной оценки и прогнозирования ТС и ЧС по совокупности признаков ОПО, построенная на основании системы множества факторов и анализа сенсорных нейронов многослойных перцептронов с функцией обучения, рассчитанная на прогнозирование временных рядов критериев безопасности с применением рекуррентных нейронных сетей дополнительного входного потока данных. Предложен новый метод выявления горизонтальных, вертикальных и межфакторных связей безопасности в технических системах на основании синаптических весов многослойного перцептрона и ранжированием факторов в пределах линейной нейронной сети.

Практическая значимость работы заключается в разработке положений по созданию систем оперативного интеллектуального предиктивного мониторинга показателей безопасности ОПО, позволяющих федеральным службам надзора и независимым экспертным организациям в режиме реального времени идентифицировать контролировать и прогнозировать техногенные события 2-4

типов и повысить эффективность принятия управленческих решений по предупреждению инцидентов и ЧС.

Созданная концептуальная модель оболочки мониторинга безопасности, ориентированная на технологии с-MES, интеллектуального инструментального нейросетевого инжинирингового контроля состояний и опасностей позволяет решать задачи государственного дистанционного мониторинга состояния объекта и обеспечения открытости информации о состоянии ОПО, контроля и предупреждения нештатных ситуаций, инцидентов, аварий, оптимизации и обеспечения эффективности решений при управлении безопасностью ТЭК РФ.

Разработанное автором методологическое обеспечение предназначено для декларирования ПБ проектными институтами, НИИ и нефтегазотранспортными предприятиями. Сформированные положения по совершенствованию теории и методологии мониторинга безопасности дают возможность решать задачи по предупреждению инцидентов и внештатных ситуаций и предотвращению ЧС. Алгоритмы и комплексы программ для ПЭВМ на различных языках в средах Python, Matlab, Lasarus, С-Sharp, апробированы диспетчерскими и эксплуатационными службами в серии промышленных экспериментов и рекомендованы к использованию при прогнозировании ЧС и определении потенциально опасных участков на объектах нефте- и газопроводов.

Созданная модель мониторинга безопасности на основании современных технологий, встраиваемая в АСУ ТП, позволяет сканировать в режиме реального времени устойчивые экспертные оценки безопасности по базе данных ОПО, выявлять «слабое звено», проводить комплексную оценку для систем различного уровня и выявлять узлы повышенной опасности, с учетом условий сложившейся или прогнозируемой аварийной ситуации или ЧС.

Результаты проведенных в диссертации исследований вошли в монографии и учебные пособия, предназначенные для бакалавров и магистров нефтегазовых вузов по направлению «Нефтегазовое дело». Материалы работы использованы при создании тренажерных комплексов: «Тренажерный комплекс диспетчерского управления магистральными нефтепроводами»; «Транспорт нефти и газа.

Обслуживание трубопроводов», «Сценарии и действия эксплуатационного персонала при локализации и ликвидации аварийных ситуаций на нефтеперекачивающей станции и нефтепроводе».

На защиту выносятся следующие положения:

- новая концепция комплексной безопасности объектов МН и МГ на основе интеллектуального инструментального инжинирингового мониторинга безопасности, предупреждения нештатных ситуаций, инцидентов и аварий, оптимизации и обеспечения эффективности технических решений при управлении безопасностью на объектах транспорта и хранения углеводородов, построенная на новой системе критериальных комплексных показателей и база универсальных математических моделей для мониторинга безопасности технических систем и технологических процессов трубопроводного транспорта;

- математический и алгоритмический комплекс для экспертной оценки безопасности технологических процессов с применением нейросетевых моделей, действующих в режиме реального времени на основе динамических экспертных систем предиктивного мониторинга и поддержки принятия решений, повышающий эффективность процессов управления рисками в сфере безопасности объектов транспорта и хранения углеводородов путем выявления опасностей и угроз;

- методика оперативной нейросетевой интеллектуальной идентификации, прогнозирования и предупреждения опасных состояний технологических процессов, соответствующая требованиям действующей классификации ТС в области промышленной безопасности;

- модульная система контроля и управления безопасностью, основанная на разработанном методологическом обеспечении оперативного предиктивного мониторинга, оптимизации проектных и эксплуатационных решений на тактическом и стратегическом уровне управления безопасностью ОПО.

Методология и методы исследования. В диссертационной работе автором применены классические положения теории системного анализа, теории графов, надежности технических систем, прикладной гидромеханики, автоматизации и кибернетических систем. Современные интеллектуальные технологии разработаны

с применением актуальных положений теории распознавания образов и нейронных сетей глубокого обучения. Автором использованы численные, классические и современные имитационные методы, и методы расчета систем дифференциальных уравнений с использованием специализированных программных продуктов.

Степень достоверности и апробация результатов. Достоверность полученных результатов и теоретических заключений обеспечена корректным использованием в работе известных и проверенных данных в области безопасности, надежности, инспектирования и эксплуатации производственных объектов отрасли.

Результаты обучения разработанных моделей нейронных сетей характеризуются высокими коэффициентами регрессии (0,99), низкой среднеквадратичной ошибкой обучения (10-4^10-3), низкими ошибками классификации (0%) и валидации ((5^8)-10-3) получены с использованием программ анализа данных, составленных по созданным и апробированным алгоритмам на различных языках в средах Python, Matlab, Lasarus, С-Sharp.

Апробация и верификация моделей выполнена с применением экспериментов, теории планирования многофакторных экспериментов с последующей обработкой полученной информации методами математической статистики и корреляционно-регрессионного анализа данных, реализуемых с использованием специализированных программных комплексов и средств. Показана значимая согласованность экспериментальных результатов и выводов по работе с опубликованной информацией и результатами, представленными другими авторами в разное время в независимых источниках по данной тематике и по смежным отраслям, что обеспечивает объективность и целесообразность применения разработанной методологии.

Основные положения диссертационной работы и результаты исследований представлялись к обсуждению на научно-технических конференциях, научных семинарах различного уровня:

международного: «Техника и технология нефтехимического и нефтегазового производства» (г. Омск, 2019-2020гг.), «Far East Con: Международная

мультидисциплинарная конференция по промышленному инжинирингу и современным технологиям» (г. Владивосток, 2018-2020 гг.) «Oil and Gas. APR. Resources, Technologies, cooperation" (г.Владивосток, 2012-2015гг.), «Нефтегазовый терминал. Транспорт и хранение углеводородного сырья» (г.Тюмень, 2014-2019гг.), «Динамика систем, механизмов и машин» (г.Омск, 2018г.), «Проблемы функционирования систем транспорта» (г. Тюмень, 2015-2019гг.), «Актуальные проблемы трубопроводного транспорта Западной Сибири» (г.Тюмень, 2007-2014гг.), «Проблемы эксплуатации систем транспорта» (г.Тюмень, 2008-2019гг.), «Криогенные ресурсы полярных регионов» (г. Пущино, НТЦ РАН, 2007г.), «Геотехнические и эксплуатационные проблемы нефтегазовой отрасли»(г.Тюмень, 2007г.), «Надежность и безопасность трубопроводного транспорта» (г. Новополоцк, 2006-2018гг.) и др.

всероссийского и регионального: «Нефть и газ» (г. Москва, РГУ нефти и газа им. И.М. Губкина, 2004-2017гг.); «Трубопроводный транспорт» (г. Уфа, 2005-2006гг.), «Нефть и газ Западной Сибири» (г.Тюмень, 2003-2015гг.), «Интерстроймех» (г.Тюмень, 2005г.), «Геотехнические и эксплуатационные проблемы нефтегазовой отрасли» (г.Тюмень, 2006г.) и др.

Материалы работы апробированы в рамках исследований, проводимых совместно с ООО «Газпром трансгаз Санкт-Петербург» (филиал Псковское ЛПУ МГ); ООО «НИИ природных газов и газовых технологий Газпром ВНИИГАЗ»; ПАО «Транснефть», АО «Институт по проектированию магистральных трубопроводов» (АО «Гипротрубопровод»), ЗАО НПЦ «Сибнефтегаздиагностика».

Сведения о публикациях автора. По результатам выполненных исследований по теме диссертации автором опубликованы 43 научные работы, среди которых: 27 - в журналах, входящих в перечень изданий, рекомендованных ВАК при Минобрнауки России, 13 - в изданиях, индексируемых в международной базе Scopus и Web of Science, 3 монографии, а также 5 учебных пособий, получены 3 свидетельства о государственной регистрации программ для ЭВМ.

Структура и объем работы. Текст диссертации состоит из введения, пяти глав, заключения. Содержание работы изложено на 443 страницах текста, включает в себя 172 рисунка, 50 таблиц, список литературы из 365 наименований.

ГЛАВА 1. РАЗРАБОТКА КОНЦЕПЦИИ СОВЕРШЕНСТВОВАНИЯ КОМПЛЕКСНЫХ МЕТОДОВ МОНИТОРИНГА БЕЗОПАСНОСТИ

ТЕХНИЧЕСКИХ СИСТЕМ 1.1. Концепции совершенствования мониторинга надежности и безопасности

ОПО нефтегазовой отрасли

На основании проведенного в работе анализа стратегических документов в области нефтегазовой отрасли промышленности России можно сделать следующее заключение: формирование рынка нефти, нефтепродуктов и газа, диверсификация трубопроводной нефтегазотранспортной инфраструктуры на долгосрочную перспективу до 2035 года не предполагает одномоментного изменения сегодняшнего состояния. Их реформирование будет носить плавный, стабильно поступательный характер и осуществляться в несколько этапов в соответствии с достигнутыми результатами, соглашениями при существенном наращивании производственного и финансового потенциала отрасли.

Список литературы диссертационного исследования доктор наук Земенкова Мария Юрьевна, 2021 год

Л -

> ™21=пес.ьи{2,1}

т21 = Со1шппз 1 ЬЬгоидЬ 9

0.1672 0.4847 -0.2741 -0.2В31 -0.2821 Со1илтз 10 гЬгоидЬ 16

1.1821 -0.2710 -0.8367 0.4401 0.2242

> *т11=пес. Ш<1,1!

1.0467 -0.3889

-0.7246 0.3742 0.4165

-0.5706 0.3469 -0.5678 -0.6239

-0.7314 1.0444 -0.7697 0.3923 0.9949 -0.5059 -1.0259

-0.7179 -О.3081 0.6370 -О.4587 -0.3244 0.7503 О.1839

5893 1912 7336 4888 5422 0200 1108

-0.3358 -О.8417 0.0939 О.2929 -1.0643 -1.0529 О.0445

0.5110 0.5572 0.3006 -0.8762 -0.5631 -0.1023 -1.1631

0.6753 -0.5899 -0.6289 0.0863 -0.8332 0.0429 0.4958

0.7324 -0.5937 0.1892 -0.2339 0.1056 1.0266 -0.5234

0.3083 0.5364 0.5221 0.7044 -0.3154 0.9973 -0.4120

Рисунок 5.46 - Матрицы весов синаптических связей на первом и втором слое при 18 нейронах

I Command Window ©

I wn21=nec.LW{2rl> *

b21=net.b{2 1)

wnll = 1)

□.5859 -0 6945 -0.6031 -0 7169 -1.0368 -0.4875 0 4914 -0 3936 0 2170

-0.3365 -0 3005 1.5788 -0 5818 -0.4305 | -0.4740 -0 2166 1 4090 1 0276

0.5312 -1 6123 -0.2507 0 1984 0.4579 -0.5423 -0 4391 -1 2627 -0 4123

-0.3222 0 4098 0.1397 0 4375 0.4732 0.0575 -0 2964 0 1774 0 2658

-1.2291 -1 1142 -0.6417 -0 3433 -0.0935 0.4881 -0 8510 -0 6910 0 3755

1.1751 -0 0965 -0.1723 -0 0278 -0.2488 0.5335 0 8971 -0 7774 -0 0663

1.5718 -0 4728 0.5663 0 7974 -0.4777 0.5780 0 6086 0 4646 -0 7831

-1.5018 -0 3066 0.0880 0 1317 0.7534 0.1617 0 8238 -1 0876 0 3044

1.0835 0 8175 0.0728 0 7071 0.4419 0.2860 0 3059 0 4530 -0 6505

Command Window ®

1 5718 -0.4728 0.5663 0.7974 -0.4777 0.5780 0.6086 0.4646 -0.7831 -

-1.7450 -1 5018 -0.3066 0.0880 0.1317 0.7534 0.1617 0.8238 -1.0876 0.3044 2)

1.5438 1 0835 0.8175 0.0728 0.7071 0.4419 0.2860 0.3059 0.4530 -0.6505

-1.2979

-0.4794 0.1087 fall =

0.0753 1.0506 -1.6894 1.8304 fx -1 1 -1 -0 7450 5438 2979 4794

0 1087

0 0753

1 0506

-1 6894

1 8304

wn21

-0. 1571 0.8623 0.8480 0.4582 -0.7100 0.3236 -0.8347 -0.6285 0.5926

Ь21 =

-0. 9127 R

h »

Рисунок 5.47 - Матрицы весов синаптических связей при 9 нейронах: 1- на первом слое; 2 - на втором слое Таблица 5.13 - Результаты обучения двухслойного перцептрона для оценки

критерия безопасности технологического процесса (пример) - 9 нейронов

Показатели работы сети № выборки

1 2 3 4 5

Объем выборки 1000 1000 1000 1000 1000

Количество эпох 31 43 12 21 44

Производительность обучения 1,15 2,57 0,218 0,938 2,57

Стартовый градиент 3,59 6,38 0,399 2,73 4,73

Итоговый градиент 3,05-10-5 2,59-10-5 0,000155 0,000116 0,000555

MSE Traning 1,5110-5 2,50-10-5 9Д4-10-5 3,79-10-5 1,8710-5

MSE Validation 3,45-10-5 4,84-10-5 2,1810-5 5,36-10-5 7,1410-5

MSE Testing 3,47-10-5 6,8510-5 2,23-10-5 9,04-10-5 1,63 10-5

Коэффициент регрессии R-Traning 0,995 0,993 0,998 0,999 0,999

Коэффициент регрессии R-Validation 0,993 0,991 0,993 0,999 0,998

Коэффициент регрессии R-Testing 0,991 0,998 0,994 0,993 0,997

Таблица 5.14 - Результаты обучения двухслойного перцептрона для оценки критерия безопасности технологического процесса (пример) - 18 нейронов

Показатели работы сети № 4° выборки

1 2 3 4 5

Объем выборки 1000 1000 1000 1000 1000

Количество эпох 34 21 39 32 37

Производительность обучения 2,53 2,22 0,484 1,21 2,19

Стартовый градиент 3,59 6,77 2,42 4,28 6,14

Итоговый градиент 0,000474 0,00513 0,000567 0,00001 0,00154

MSE Traning 1,6210-5 2,65-10"5 1,4910-5 5,34-10"5 2,53-10"5

MSE Validation 8,54-10"5 3,3Ы0-5 5,49-10"5 8,3810-5 1,0310-5

MSE Testing 1,7Ы0"5 1,7610-5 2,50-10"5 3,3610-5 4,74-10"5

Коэффициент регрессии R-Traning 0,996 0,999 0,996 0,998 0,999

Коэффициент регрессии R-Validation 0,984 0,998 0,998 0,998 0,997

Коэффициент регрессии R-Testing 0,995 0,995 0,995 0,998 0,998

Нейронная сеть прогнозирования временных рядов и состояний ОПО была инициирована по архитектуре рекуррентной нейронной сети NARX (non-linear autoregressive with exogenous inputs model) (рис. 5.48) [315].

Предложенная модель прогнозирования временного ряда является моделью с одним входом и смещением. В этом случае вектор сигнала, подаваемый на вход многослойного перцептрона, состоит из данных входного сигнала внешнего происхождения и выходного сигнала функции в предыдущие моменты времени. В таких моделях при минимизации ошибки и обеспечении сходимости рядов увеличивается количество слоев и их размерность по сравнению с сетями классификации и аппроксимации.

Увеличение количества слоев способствует снижению ошибок прогнозирования. Преимуществом архитектуры NARX является возможность подачи вспомогательного ряда как с отставанием, так с подкреплением (дополнительной информации для прогнозирования).

а)

б)

Рисунок 5.48 - Архитектура рекуррентной автокорреляционной нейронной сети в МаНаЬ (20 скрытых слоев и один выходной) (а) и показатели

обучения(б)

В качестве примера было выполнено обучение нейронной сети для прогнозирования временного ряда критерия безопасности технологического процесса в различных режимах эксплуатации (по оси абсцисс указаны часы от начала мониторинга и формирования обучающей выборки). График отклика (выходных данных сети) и ошибок прогнозирования показан на рис. 5.49. Как видно из графика, ошибки прогнозирования максимальны в точках изменения режима, что является детерминированным вмешательством в работу системы, предсказать которое невозможно.

При плавном изменении показателей точность предсказания модели корреляционно значима (рис. 5.49^5.52): высокие коэффициенты регрессии (рис.5.50), низкие значения ошибки автокорреляции порядка 6-10"5 (рис.5.51). Гистограмма ошибок максимальна при модуле ошибок порядка 0,003^0,005.

Рисунок 5.49 - Отклик нейронной сети и ошибка отклика при прогнозировании временного ряда

Рисунок 5.50 - Регрессионные показатели модели: при обучении, валидации, тестировании и общий показатель

Рисунок 5.51 - Ошибка автокорреляции нейросетевой рекуррентной модели

Рисунок 5.52 - Гистограмма ошибок нейросетевой рекуррентной модели

Для использования обученной модели необходимо замкнуть рекуррентную сеть (после чего выходные данные не будут подаваться на вход сети) (рис.5.56). Самым точным будет пошаговый прогноз на единицу дискретизации. Однако в режиме реального времени при прогнозировании состояний необходимы более долгосрочные прогнозы, на несколько периодов вперед. После чего нейронная сеть обновляет данные в последовательном режиме. Пример нейросетевого прогнозирования временного ряда критерия безопасности технологического процесса показан на рисунках 5.53^5.55.

Рисунок 5.53 - Архитектура замкнутой (close loop) рекуррентной сети для использования после обучения

» 1МШМ1ИС.1М ■ н;е|и111Ж№

pjitLirBia ■ 1*30 an

Cilva^f г 5

[ to.s«OT)s < [D.Bssi]] i[o.a«ti> ds.HiT]] i[o.g<«n nt.sus]) ito.esni t[o.»!S))

СсI —--j 7

nc.j«0) 4 [D.TIBl]] [[0.H1JD <|3.Tif)]] t [C .903«) I II0.SVI4]] I [0.»50:311 Ciiset IT tuftija i(

l[i-!!ii)) Ш.Я)!)) |Щ.ТИ)11 H:|0-S!3D]]

Рисунок 5.54 - Прогнозирование временного ряда нейронной сетью (на 20 периодов вперед). Командное окно МаНаЬ

Кбтп

наработка, час

Рисунок 5.55 - Прогнозирование временного ряда критерия безопасности технологического процесса рекуррентной нейронной сетью (графическое изображение)

В итоге на базе обученной рекуррентной нейронной сети выполнен прогноз временного ряда (рис.5.53) на основании фактических и предыдущих данных. Для иллюстрации временной ряд построен графически (рис.5.54).

При этом прогнозируемое значение анализируется другой нейронной сетью (многослойный перцептрон-классификатор) и осуществляется предупреждение о возможном техногенном событии некоторого уровня опасности с указанием временного периода.

Таким образом, предложенная модель нейросетевой оценки позволяет контролировать в режиме on-line интеллектуальный критерий безопасности технологического процесса.

5.5. Алгоритмическая визуализация методологического обеспечения систем мониторинга безопасности

Подводя итоги моделирования и апробации элементов методологического обеспечения, по мнению автора, можно представить основные операции интеллектуальной системы мониторинга в виде алгоритма. Разумеется, все особенности методологического обеспечения отразить в виде данной схемы невозможно, но в рамках подведения итогов можно выделить некоторые аспекты и сформулировать рекомендации. Схематическая визуализация методологического обеспечения систем мониторинга безопасности представлена на рис.5.56.

Функциональную структуру интеллектуального контроля можно представить в виде 10 основных этапов. Очевидно, что система мониторинга безопасности ОПО как сложных технологических объектов должна реализовываться в индивидуальном порядке. На первом этапе важно знать возможности инструментального контроля, а также имеющейся и потенциально формируемой базы данных. Так, например, система диагностики трубопроводов, построенных более 30 лет назад, существенно отличается от современных, оснащенных оптоволоконными интеллектуальными датчиками.

@

1. Определение архитектуры базы данных, базы критериев безопасности, системы визуализации результатов, системы управления безопасностью в соответствии с иерархической и факторной концепцией мониторинга безопасности ОПО

е.

2. Формирование базы данных

2.1 Регистрация Гл.2 технологических —параметров у1,...уп

2.2 Регистрация диагностической информации Э^.^т

2.3 Регистрация потоков угроз

и^и.

2.4 Регистрация потоков статистической информации

©

3. Мониторинг нормативных показателей безопасности в соответствии с Федеральным законодательством, отраслевыми документами стандартами организаций

4. Оценка системы критериев безопасности, исходных и вспомогательных параметров

Оценка критериев безопасности

Идентификация состояний на основании он-лайн информации

п И

5. Базовое обучение нейросетевых моделей

Прогнозирование временных рядов Прогнозирование временных рядов с подкреплением

1 Прогнозирование техногенных событий на основании временных рядов Выявление критических признаков сценариев по критериям

И

[

Оценка весовых коэффициентов факторов и подсистем

Выработка решений с подкреплением*

6.Функционирование системы в режиме реального времении

6.1.1.Оперативный мониторинг комплекса критериев безопасности

6.1. Оперативный цикл мониторинга

6.1.2.Идентификация текущего состояния и возможных последствий

6.1.3.Прогнозирования

временных рядов критериев безопасности

6.1.4.П рогнози рование состояния и возможных последствий

прямого распространения, в т.ч. ГЛЛ линейная нейронная сеть с

вероятностной нормализацией

Н е й р о н н ы е м о д е л и:

э

прямого распространения, в т.ч. классификаторы

Гл.5)

реккурентные с подкр еплением

прямого

распространения, Гл-5) в т.ч.классификаторы

6.2. Контрольный цикл мониторинга (тактический и стратегический)

/"""^Модель нейросетевой идентификации на основании анализа (гл.51 вектора сенсоров-критериев многослойным перцептроном ч-/ прямого распространения

©

Анализ событий с применением нейросетевого обучения с подкреплением на основании полумарковских процессов

У

62.1.Мониторинг и прогнозирование критериев безопасности

6

м еханнческон:

интеллектуальная модель оценки Кб

технологического процесса:

анализ технологических процессов с применением нейросетевого обу

: (Гл.3

ов

учения

по физико-техническим (Гл4 параметрам:

критерий гидравлической безопасности

вероятностного по параметру.

Гл.4

последствий ЧС* и [ Гл.5 внезапной угрозы* : вероятностный критерий на основании анализа полумарковского графа

6.2.2. Мониторинг и прогнозирование. * *

- техногенных событий (РБ)

- классов ЧС по масштабу потенциальных последствий*

-типов событий по степени защищ енности*

62.3. Мониторинг развития сценариев.

Поддержка принятия решений.

в режиме реального времени с помощью «живых деревьев»

«критических событий» сценариев развития ГГл. аварий. V 2,3

оценка опасности реализации сценария с применением «живых матриц»

Анализ опасности сценария с учетом сканируемого критерия безопасности

Гл.5 Гл.5

Дополнение рисковых показателей:

анализ событий с применением нейросетевого обучения с подкреплением на основании полумарковских процессов

Интеллектуальное выявление «признаков» - ранжирование факторов на основе весов нейронов:

интеллектуальная модель оценки Кбтп на основании сканированных данных. Перцептрон и линейная нейронная сеть с вероятностной нормализацией

Оценка эффективности системы безопасности:

марковская модель на основании частотного анализа событий в реальном времени

7.Визуализация результатов для поддержки принятия решения для ЛПР

8.Обновление нейросетевых моделей (в реальном времени и периодическое пакетное)

9.Выработка решений по повышению степени защищенности объекта

10. Выработка решений по совершенствованию системы мониторинга

Рисунок 5.56 - Функциональная структура системы мониторинга безопасности

От таких условий и систем организации управления зависят структуры экранных форм, особенности синхронизации системы мониторинга с АСУ ТП и т.д. Основные положения по формированию оболочки и базы данных (п.1 и п.2) представлены автором в главе 2.

На следующем этапе (п.2) сформированная база данных должна иметь технологию обновления в режиме реального времени.

При этом все данные можно разделить на 4 основных группы (п.2.1-2.4) (рис.5.59) по типу информации: 1 - параметры технологического процесса (оперативная), контролируемая в режиме реального времени диспетчерскими и оперативными службами; 2 - диагностическая (для протяженных объектов, как правило, периодическая, но может быть и оперативная); 3 - регистрация потоков угроз (частоты появления угроз, внезапные разрушения сооружения или сосуда, проникновения на территорию объекта, обнаружение врезки, результаты беспилотного контроля и др.); 4 - регистрация статистических потоков информации (частоты техногенных событий по новой классификации, повреждений, дефектов во времени и т.д.).

Особенности обработки исходной информации изложены автором в главе 2, а также 3-5 при описании моделей.

На третьем этапе (п.3) должны быть выполнены и загружены в систему все оценки безопасности, предусмотренные федеральным законодательством, отраслевыми нормами и документами предприятий.

На 4-ом этапе предусмотрена оценка критериев безопасности в соответствии с иерархическим уровнем системы: от показателей 0-го уровня на основании прямых измеряемых показателей до комплексного интеллектуального критерия безопасности. При этом предусмотрена оценка по видам безопасности (формула (5.20) в пределах ОПО и по федеральному законодательству.

Пятый этап (п.5) предполагает работу программного комплекса нейросетевых технологий и специалистов по анализу данных. На данном этапе выполняется оптимизация и корректировка архитектуры сетей, пакетная обработка баз данных и параметров обучения. Затем, на основании анализа обучающих

выборок в соответствии с принятой в п.1 концепцией безопасности и системой критериев в п.5, выполняется обучение аналитических и предиктивных нейронных сетей для: 1 - оценки интеллектуальных критериев безопасности (линейные нейронные сети с вероятностной нормализацией (глава 3), многослойный перцептрон и обучение с подкреплением); 2 - нейросетевого прогнозирования временных рядов критериев безопасности рекуррентными сетями (на начальном этапе внедрения системы может быть выполнено прогнозирование трендов); 3 -нейросетевой оценки весовых коэффициентов синаптических связей и факторов; 4 - интеллектуальной идентификации и прогнозирования состояний и техногенных событий на ОПО; 5 - выработка решений с подкреплением.

Пункт 6 представляет собой параллельные процессы, каждый из которых включает группу операций, реализуемых различными модулями системы.

В оперативном режиме нейронные сети оценивают систему критериев безопасности и один комплексный (п.6.1.1). На основании прогнозирования временных рядов идентификационные нейронные сети определяют текущее состояние и прогнозируют на ближайший период, сообщая оператору по безопасности прогнозное время наступления техногенного события (п.6.1.2, 6.1.4).

Такая технология может использована, например, для классификации ЧС, предложенной профессором Махутовым Н.А. (см.гл.1, рис. 1.22) При наличии физической модели связи состояния ОПО с последствиями техногенного события или ЧС (п.6.2.2) нейронная сеть предсказывает последствия возможных событий. В этом случае она позволяет классифицировать ЧС по масштабу потенциальных последствий. При обучении сети выявляют состояние по системе признаков (штатные ситуации), а также осуществляют контроль внештатных ситуаций (комбинациям которых сеть не обучена). При этом существует возможность сформировать базу нештатных ситуаций (сеть их «запомнит»), классифицировать их по системе признаков и после формализации и проведения комплексного анализа перевести в ряд штатных на нормативном уровне, повысив тем уровень защищенности объекта.

По мнению автора, целесообразно ввести безразмерный коэффициент защищенности объекта от нештатных ситуаций:

х N .т (5^

ту _1 \ 1 ншти ншти /с СОЛ

Кзнш -1 -U- 77 ' (5-52)

i-1 Т год V U J

где NHUmmU -количество нештатных ситуаций уровня опасности U в течение рабочего года; Тншти - время продолжительности нештатной ситуации; Тгод -продолжительность рабочего года; U е[1;5] - уровень опасности возникшего техногенного события (если событие не возникло U=5). Граничные условия модели: при отсутствии нештатных ситуаций - Кзнш -1; Кзнш е(-да;1]; начальные

условия Кзнш -1 на начало периода мониторинга. Коэффициент принимает

отрицательные значения, если количество и опасность ситуаций превышает ежедневный поток событий без присвоения уровня опасности ТС. Такая оценка может быть выполнена в автоматическом режиме с использованием нейронной сети без привлечения персонала предприятия.

В режиме параллельного сканирования система мониторинга контролирует комплекс критериев и развитие сценариев - выявляет критические события возможных сценариев. (п.6.2.3) На основании «живых деревьев» (графов с изменяющимися вероятностями) представляется возможность контролировать вероятности событий и вероятностный коэффициент безопасности для систем в режиме реального времени. При контроле критерия механической безопасности в режиме on-line (или любого другого, изменяющегося в режиме реального времени), рассчитанного с учетом критерия технологического процесса может быть выполнена оценка опасности сценария с применением «живых матриц».

При оценке комплексного интеллектуального критерия линейной нейронной сетью (модель критерия безопасности технологического процесса, см. гл.3) весовые коэффициенты позволяют осуществлять ранжирование (п.6.2.4) факторов и принимать решения по управлению безопасностью объекта. Весовые коэффициенты могут быть установлены путем нормирования и тогда сеть

осуществляет оценку по нормированной сверточной модели. На основании сканируемой информации о частоте (п.2.4, п.6.2.4), а также марковской модели (см. гл.2) может быть оценена эффективность системы обеспечения безопасности ОПО.

Для реализации п.7 автором разработаны экранные формы, описанные в главе 2 и частично реализованные на реальных объектах (гл.5).

На этапе п.8 при поступлении массива данных для дообучения нейронной сети осуществляется ее адаптация. Этапы п.9, 10 осуществляются ответственным за безопасность лицом, принимающим решения (ЛПР) на производстве.

Таким образом, разработанный комплекс нейросетевых, физических и вероятностных моделей позволяет осуществлять предиктивный интеллектуальный мониторинг, способствуя повышению защищенности ОПО.

Основные выводы по главе 5

Разработана модель интеллектуального критерия безопасности на базе многослойного перцептрона для осуществления комплексной оценки на основании системы факторов. Предложен новый метод выявления горизонтальных, вертикальных и межфакторных связей безопасности в технических системах на основании синаптических весов с ранжированием факторов в пределах линейной нейронной сети.

Разработаны модели для идентификации, прогнозирования и классификации техногенных событий и чрезвычайных ситуаций по совокупности признаков, построенные на системе множества факторов и анализа сенсорных нейронов многослойных перцептронов с функцией обучения.

Показано, что нейронные сети могут быть с высокой степенью эффективности использованы для прогнозирования состояний, событий, параметров. Установлено, что тип и особенности применения нейронной сети зависят от объема обучающих выборок, функциональных связей между параметрами и количества признаков для идентификации состояния.

Автором разработаны интеллектуальные модели прогнозирования временных рядов критериев безопасности с применением рекуррентных

нейронных сетей с дополнительным входным потоком данных. Результаты обучения моделей характеризуются высокими коэффициентами регрессии (0,99), низкой среднеквадратичной ошибкой обучения(10-4^10-3), низкими ошибками классификации (0%) и валидации ((5^8)-10-3). Результаты апробации моделей на объектах на участках ЛЧ МГ, ГРС, НПС МН, НПС МНПП позволяют корректно осуществлять оперативный интеллектуальный мониторинг техногенных событий, реализовать стратегию технического обслуживания по фактическому состоянию.

Сформирован комплекс математических моделей, методик и алгоритмов с применением системного анализа, теории вероятностей, нейронных сетей, коэффициентных моделей и программного обеспечения, апробированный на расчетах механической безопасности и безопасности технологических процессов и позволяющий осуществлять предиктивный оперативный интеллектуальный мониторинг техногенных событий, реализовать стратегию технического обслуживания по фактическому состоянию, критериям безопасности, прогнозировать инциденты и ЧС.

Создана комплексная модель концептуальной оболочки системы мониторинга безопасности апробирована при создании экспертных систем ГРС, ЛЧ МГ с разработкой экранных форм, совместимых с действующими нормативными требованиями.

Разработанная концептуальная оболочка CI-TREMS выполнена в соответствии с действующими нормативными документами, информационными технологиями и может быть реализована при существующем оборудовании на предприятии и при совершенствовании системы диагностики, контроля и управления эксплуатацией производственных объектов, например, на типовых объектах в структуре АСУ ТП в виде АРМ сотрудника.

Разработаны рекомендации и методика обоснования архитектуры и параметров нейронной сети, подготовки обучающей выборки данных для мониторинга безопасности ОПО нефтегазотранспортных систем.

ЗАКЛЮЧЕНИЕ

Разработанная современная авторская концепция мониторинга безопасности состояния ОПО построена на основе кластерной модели оп-line модулей, системного ретроспективного и перспективного многофакторного анализа факторов, методов инструментального контроля угроз, алгоритмов и моделей марковских и полумарковских процессов, учитывающих различные возможные схемы восстановления и реализующих технологию параллельного сканирования фактических параметров безопасности и состояний по методу «живого» дерева с интеграцией соответствующих вероятностных характеристик по графу состояний ОПО.

Создана универсальная математическая архитектура информационной базы оболочки экспертной системы и СППР упреждающего контроля состояний технических объектов, обеспечивающая количественные оценки динамики критериев и численное моделирование внешних и внутренних угроз безопасности в соответствии с межнациональными стандартами в области риск-менеджмента.

Разработанная система критериев безопасности для ОПО, базирующаяся на использовании нейронных глубоких сетей с обучением и включающая критерии безопасности объекта и технологического процесса, потока внезапных угроз, масштаба ЧС и комплексный критерий безопасности по нейросетевой свертке, позволяет выполнять оценку и идентификацию состояний ОПО при реализации концепции многофакторного предиктивного контроля в режиме on-line.

Разработана система мониторинга и оценки гидравлической безопасности МН с использованием предложенного вероятностного критерия безопасности и метода анализа графа процесса развития техногенных событий и полумарковских процессов со сканированием динамики технологического параметра, позволяющая выполнять в режиме on-line анализ изменения гидравлических параметров с построением множества состояний объекта по уровням прогнозируемых опасностей: оценить режим при недогрузке, изменение давления и состояния внутренней полости МН; обеспечить значимо большую чувствительность к изменению эксплуатационных

параметров, чем функции гидравлической эффективности и технического состояния и др.

Создана концептуальная модель оболочки мониторинга безопасности, ориентированная на с-МББ технологии интеллектуального нейросетевого инжинирингового контроля состояний и опасностей, позволяющая сканировать в режиме реального времени устойчивые экспертные оценки технологических параметров системы, выявлять «слабое звено», узлы повышенной опасности в соответствии со структурной и факторной схемой, проводить комплексный анализ систем различного уровня для сложившейся или прогнозируемой ЧС. Разработанная технология нейросетевого контроля может быть использована экспертными, федеральными и региональными надзорными службами при открытом дистанционном мониторинге состояния безопасности ОПО.

Разработана интеллектуальная имитационная модель мониторинга безопасности при использовании многослойной нейронной сети, учитывающая динамику и идентификацию состояний технической системы согласно действующей классификации ТС, и комплекс внешних и внутренних факторов.

Авторская методика анализа диспетчерских данных с применением нейронных сетей глубокого обучения с высокой степенью эффективности использована для прогнозирования состояний и событий, позволяет оперативно идентифицировать техногенные события 2-4 типов (инциденты, нарушения и отклонения технологических параметров, выше регламентированных без превышения предельно допустимых значений). Показано, что тип и особенности нейронной сети зависят от объема обучающих выборок, функциональных связей между параметрами и количества признаков для идентификации состояния.

Сформирован методологический комплекс математических моделей, методик, алгоритмов и концептуальная оболочка CI-TREMS с применением системного анализа, теории вероятности, нейронных сетей, коэффициентных моделей и информационных технологий согласно действующим нормативным документам, апробированный при создании экспертных систем для структуры АСУ ТП с применением экранных форм предиктивного оперативного мониторинга

инцидентов, чрезвычайных и внештатных ситуаций, техногенных событий и безопасности технологических процессов ОПО.

Создано методологическое обеспечение (комплекс алгоритмов, методик, математических моделей) упреждающей системы прогнозного «on-line» мониторинга, основанное на использовании аппаратов оперативной оценки показателей безопасности, коэффициентных моделей, моделей функциональных и параметрических отказов, теории вероятности и графов, полумарковских процессов, системного анализа, расчетов вероятностей ТС любого уровня, сроков безопасной эксплуатации, сроков технического вмешательства и устранения угроз по критерию адекватного обоснования приоритетности и эффективности принимаемых решений на микро-, мезо- и макроуровнях управления ОПО.

СПИСОК ЛИТЕРАТУРЫ

1. Абрамов, О. В. Прогнозирование состояния технических систем / О. В. Абрамов, А. Н. Розенбаум. - Москва: Наука, 1990. - 126 с.

2. Авария в Мексиканском заливе: хроника событий и экологические последствия [Электронный ресурс] // Аргументы и факты. - Режим доступа: http://www.aif.ru/dontknows/file/avariya_v_meksikanskom_zalive_hronika_sobytiy_i_ekologicheskie _posledstviya (дата обр.: 1.04.2018).

3. Аладинский В.В. Мониторинг объектов магистрального нефтепроводного транспорта/ В.В. Аладинский, Ю.Б. Григорьева //Наука и технологии трубопроводного транспорта нефти и нефтепродуктов. - 2011. - № 1. - С. 16-21.

4. Анализ аварий и несчастных случаев на трубопроводном транспорте России / под ред. Б. Е. Прусенко, В. Ф. Мартынюка. - Москва: Анализ опасностей, 2003. - 351 с.

5. Анализ основных причин аварий, произошедших на магистральных газопроводах [Электронный ресурс] / С. В. Савонин [и др.] // Нефть и Газ Сибири. - №4 (21). - 2015. - Режим доступа: http://sib-ngs.ru/journals/article/313 (дата обр.: 27.04.2017).

6. Андронов, И. Н. Методология оценки напряженного состояния газопроводов / И. Н. Андронов, В. О. Некучаев, Р. В. Агиней // НефтьГазПромышленность. - 2007. - № 7. - С. 48-51.

7. Антипьев, В. Н. Контроль утечек при трубопроводном транспорте жидких углеводородов / В. Н. Антипьев, Ю. Д. Земенков. - Тюмень: ТГНГУ, 1999. - 326 с.

8. Антонов, А. В. Системный анализ: учеб. для вузов / А. В. Антонов. - Москва: Высш. шк., 2004. - 454 с.

9. АО «Гипрогазцентр» [Электронный ресурс]. - Режим доступа: http://www.giprogazcentr.ru/ (дата обр.: 27.04.2017).

10. АО «Гипроспецгаз» [Электронный ресурс]. - Режим доступа: http://www.gsg.spb.ru/ (дата обр.: 27.04.2017).

11. АО «Гипротрубопровод» [Электронный ресурс]. - Режим доступа: http://www.giprotruboprovod.transneft.ru/ (дата обр.: 27.04.2017).

12. АО «Сибирский национально-исследовательский институт нефтяной промышленности» [Электронный ресурс]. - Режим доступа: http://www.sibniinp.ru/index.shtml (дата обр.: 1.04.2018).

13. АО «Транснефть - Диаскан». Политика в области промышленной безопасности. [Электронный ресурс]. - Режим доступа: https://diascan.transneft.ru/evolution/politika-v-oblasti-promishlennoi-bezopasnosti/ (дата обр.: 27.04.2017).

14. АО «Федеральный центр геоэкологических систем» (АО ФЦГС «Экология») [Электронный ресурс]. - Режим доступа: http://www.ecoinfo.ru/info0.php (дата обр.: 1.04.2018).

15. АО ВНИИСТ «Всесоюзный научно-иследовательский институт по строительству и эксплуатации трубопроводов, объектов ТЭК - Инжиниринговая нефтегазовая компания» [Электронный ресурс]. - Режим доступа: http://www.vniist.ru/vniist/.

16. АСТУЭ ОАО «АК «Транснефть» [Электронный ресурс]. - Режим доступа: http://www.ackye.ru/projects/astue-oao-ak-transneft/ (дата обр.: 27.04.2017).

17. Байков, И. Р. Применение нейронных сетей для прогнозирования добычи углеводородного сырья / И. Р. Байков, С. В. Китаев, И. А. Шаммазов // Изв. вузов. Нефть и газ. -2005.- № 3.- С. 60-64.

18. Бахвалов, Н. С. Численные методы / Н. С. Бахвалов, Н. П. Жидков, Г. М. Кобельков. -Москва: Лаборатория базовых знаний, 2002. - 632 с.

19. Безопасность России. Правовые социально-экономические и научно-технические аспекты. Безопасность трубопроводного транспорта: Монография / И. И. Мазур [и др.]. - Москва: Знание, 2002. - 749 с.

20. Белов, В. В. Теория графов: учеб. пособие для втузов / В. В. Белов. - Москва: Высшая школа, 1976. - 391 с.

21. Березин, Л. В. Методология оценки технического состояния и обеспечения работоспособности подводных трубопроводов: дис. ... д-ра техн. наук: 25.00.19/ Л. В. Березин; Российский государственный университет нефти и газа (национальный исследовательский университет) им. И.М. Губкина. - Москва, 2004.

22. Берж, К. Теория графов и её приложения/К.Берж. - Москва: ИЛ, 1962. - 320 с.

23. Болотин, В. В. Методы теории вероятностей и теории надежности в расчетах сооружений / В. В. Болотин. - Москва: Стройиздат, 1982. - 384 с.

24. Велиюлин, И.И. Повышение эффективности ремонта магистральных газопроводов: концепция, методы, технические средства. Дис. д-ра. техн. наук. - Москва: 2007.-355 с.

25. Вентцель, Е.С. Теория случайных процессов и ее инженерные приложения/ Е.С.Вентцель, Л.А.Овчаров. - М.:КНОРУС, 2011-448с.

26. Внедрение систем КОМПАКС - обеспечение безаварийной работы непрерывных производств / Е.А. Малов [и др.] // Безопасность труда в промышленности. - 1994. - № 8. - С. 19-22.

27. Вопросы математической теории надежности / под ред. Б. В. Гнеденко. - Москва: Радио и связь, 1983. - 376 с.

28. Геоинформационная система эксплуатации и контроля целостности трубопроводов PipeGuardian [Электронный ресурс]. - Режим доступа: https://geoinformica.ru/files/pipeguardian-tech.pdf (дата обр.: 27.04.2017).

29. Геотехнический мониторинг оснований опор надземного трубопровода на участках распространения многолетнемерзлых и слабонесущих грунтов / Ю. В. Лисин [и др.] // Инженерные изыскания. - 2014. - № 3. - С. 60-63.

30. Гливенко, Е. В. Математическое моделирование в нефте^овом деле: учеб. пособие / Е. В. Гливенко. - Москва: МАКС Пресс, 2009. - 172 с.

31. Голованова, Т. Нефтяные перспективы России. Фонд национальной энергетической безопасности [Электронный ресурс] Т. Голованова. - Режим доступа: http://www.energystate.ru/news/4913.html Дата обр.: 21.11.2016.

32. ГОСТ 12.1.007-76. Система стандартов безопасности труда (ССБТ). Вредные вещества. Классификация и общие требования безопасности (с Изменениями N 1, 2) [Электронный ресурс] / Министерство химической промышленности. - Режим доступа: http://docs.cntd.ru/-document/5200233 (дата обр.: 1.04.2018).

33. ГОСТ 14254-96. (МЭК 60529:1989) Степени защиты, обеспечиваемые оболочками (код 1Р). - Москва: Стандартинформ, 2008.

34. ГОСТ 27.002-2015. Надежность в технике. Термины и определения. - Москва: Стандартинформ, 2015.

35. ГОСТ 27.301-95 Надежность в технике. Расчет надежности. Общие положения. -Москва: Издательство стандартов, 1995.

36. ГОСТ 27.310-95. Надежность в технике. Анализ видов, последствий и критичности отказов. Основные положения. - Москва: Издательство стандартов, 1995.

37. ГОСТ Р 27.003-2011. Надежность в технике. Управление надёжностью. Руководство по заданию технических требований к надежности. - Москва: Стандартинформ, 2011.

38. ГОСТ Р 27.004-2009. Надежность в технике. Модели отказов. - Москва: Стандартинформ, 2010.

39. ГОСТ Р 27.202-2012. Надежность в технике. Управление надежностью. Стоимость жизненного цикла. - Москва: Стандартинформ, 2013.

40. ГОСТ Р 27.607-2013. Надежность в технике. Управление надежностью. Условия проведения испытаний на безотказность и статистические критерии и методы оценки их результатов. - Москва: Стандартинформ, 2010.

41. ГОСТ Р 29.71-2011. Надежность в технике. Управление надежностью. Техника анализа безотказности. Основные положения.

42. ГОСТ Р 51901.13-2005. Менеджмент риска. Анализ дерева неисправностей. - Москва: Стандартинформ, 2006.

43. ГОСТ Р 53563-2009. Контроль состояния и диагностика машин. Мониторинг состояния оборудования опасных производств. Порядок организации.- Москва: СТАНДАРТИНФОРМ, 2010. - 8 с.

44. ГОСТ Р 57272.5-2016. Менеджмент риска применения новых технологий. Ч. 5. Анализ обязательных требований. - Москва: Стандартинформ, 2016.

45. ГОСТ Р ИСО/МЭК 13335-1-2006. Информационная технология. Методы и средства обеспечения безопасности. Ч. 1. Концепция и модели менеджмента безопасности информационных и телекоммуникационных технологий [Электронный ресурс]. - Режим доступа: http://rfcmd.ru/sphider/docs/InfoSec/G0ST-R_IS0_IEC_13335-1-2006.htm.

46. ГОСТ Р МЭК 62502-2014. Менеджмент риска. Анализ дерева событий. - Москва: Стандартинформ, 2015.

47. ГОСТ Р МЭК 62508-2014. Менеджмент риска. Анализ влияния на надежность человеческого фактора. - Москва: Стандартинформ, 2015.

48. Гостинин, И. А. Анализ аварийных ситуаций на линейной части магистральных газопроводов [Электронный ресурс] / И. А. Гостинин, А. Н. Вирясов, М. А. Семенова // Электронный научный журнал «Вестник Дона». - 2 (2013). - Режим доступа: http://www.ivdon.ru/magazine/archive/n2y2013/1618 (дата обр.: 27.04.2017).

49. Гражданкин, А.И. О фоновых уровнях аварийных опасностей на опасных производственных объектах/ А.И.Гражданкин, А.С.Печёркин, Е.А.Самусева, Н.Л.Разумняк, В.И.Сидоров //Безопасность труда в промышленности. - 2019.- № 10. - С. 50-56.

50. Гражданкин, А.И. Анализ опасностей и оценка риска аварий в нефтегазовой и угольной промышленности: дис... докт.техн. наук : 05.26.03/А.И.Гражданкин; Науч.-техн. центр исслед. проблем промышл. безопасности- Москва: 2016. - 340 с.

51. Грибовская, Н. С. Теоретико-категорное исследование эквивалентностей параллельных моделей с реальным временем: автореф. дис. ... канд. физ.-мат. наук: 05.13.11 / Ин-т систем информатики им. А.П. Ершова СО РАН. / Н. С. Грибовская. - Новосибирск, 2004. - 15с.ю

52. Группа компаний «Ростехэкспертиза» [Электронный ресурс]. - Режим доступа: http://gk-rte.ru/ (дата обр.: 27.04.2017).

53. Губанов, В. А. Введение в системный анализ / В. А. Губанов, В. В. Захаров, А. Н. Коваленко; под ред. Л. А. Петросяна. - Ленинград: Изд-во Ленинградского ун-та, 1988. - 232 с.

54. Гумеров, А. Г. Проблемы отраслевой науки нефтегазового комплекса России / А. Г. Гумеров, С. Г. Бажайкин // Нефтяное хозяйство. - 2014. - № 1. - С. 8.

55. Дегтярев, В. Н. Прогнозирование времени наступления порывов на нефтепроводах / В. Н. Дегтярев // Трубопроводный транспорт нефти. - 1994. - № 6. - С. 25-30.

56. Декларирование промышленной безопасности опасных производственных объектов: сб. документов. - Сер. 27. - Вып. 3. - Москва: Науч.-техн. центр по безопасности в промышленности Госгортехнадзора России, 2002. - 264 с.

57. Диаграмма Исикавы [Электронный ресурс]. - Режим доступа: http://www.kpms.ru/Implement/Qms_Ishikawa_Chart.htm (дата обращения: 30.04.2017).

58. Дистанционный контроль состояния нефтепроводов и газопроводов [Электронный ресурс]. - Режим доступа: http://unmanned.ru/service/oilpipe.htm (дата обр.: 27.04.2017).

59. Дистель, Р. Теория графов / Р. Дистель; пер. с англ. - Новосибирск: Изд-во института математики, 2002. - 336 с.

60. Доклад об осуществлении государственного контроля (надзора) в 2016 году Федеральная служба по экологическому, технологическому и атомному надзору (Ростехнадзор), 2017 [Электронный ресурс]. - Режим доступа: http://www.gosnadzor.ru/activity/control/folder/.

61. Ежегодные доклады об осуществлении государственного контроля (надзора) и об эффективности такого контроля http://www.gosnadzor.ru/activity/control/folder/ (Дата обращения: 29.07.2020)

62. Ежегодные отчеты о деятельности Федеральной службы по экологическому, технологическому и атомному надзору [Электронный ресурс]. - Режим доступа: http://www.gosnadzor.ru/public/annual_reports/ (дата обр.: 21.11.2016).

63. Есаулов, А. О. Моделирование систем управления нефтепроводами [Электронный ресурс] / А. О. Есаулов, И. В. Текшева // Трубопроводный транспорт нефти. - 2010. - № 8. - С. 63-65. -Режим доступа: http://www.energoavtomatika.ru/files/aboutus/giprotrub-cassandra-espo.pdf (дата обр.: 27.04.2017).

64. Журавель, В. И. Моделирование поведения разливов нефти при эксплуатации МЛСП «Приразломная». Оценка возможности ликвидации чрезвычайных ситуаций, связанных с разливами нефти [Электронный ресурс] / В. И. Журавель. - Режим доступа: http://www.greenpeace.org/russia/ru/press/reports/14-08-2012-modelirovanie-razlivov-nefti/ (дата обр.: 1.04.2018).

65. Зайнуллин, Р. С. Оценка остаточного ресурса нефтегазопроводов на основе ограниченной диагностической информации / Р. С. Зайнуллин, Л. С. Щепин; МНТЦ «БЭСТС». - Уфа, 2000. - 19 с.

66. Земенков, Ю. Д. Прогнозирование опасностей на нефтепроводных системах / Ю. Д. Земенков, Т. Т. Кутузова // Известия вузов. - 1997. - № 6. - С. 133.

67. Земенков, Ю.Д. Техника и технологии сбора и подготовки нефти и газа: учебник для студентов образовательных организаций высшего образования, обучающихся по направлению подготовки магистратуры "Нефтегазовое дело" / Ю.Д. Земенков [и др.]; ред. Ю. Д. Земенков; ТюмГНГУ. - Тюмень: ТюмГНГУ, 2015. - 159 с

68. Земенкова, М.Ю. Алгоритм реализации опережающей стратегии контроля и управления надежностью нефтегазовых предприятий / М.Ю.Земенкова, А.Б.Шабаров // Известия вузов. Нефть и газ. - 2007. - №3. - С.103-107.

69. Земенкова, М.Ю. Аспекты технологической надежности газораспределительных сетей / В.А.Петряков, М.Ю.Земенкова, А.М.Куликов, А.Н.Шиповалов //Современные проблемы науки и образования. - 2015- №2-3 - С.5 http://www.science-education.ru/131-23354

70. Земенкова, М.Ю. Использование полевых магистральных трубопроводов для повышения пожарной безопасности в РФ/ В.В.Середа, И.Г.Данильченко, Д.И.Мельников, М.Ю.Земенкова //Фундаментальные исследования. - 2015.-№10-С.309-313

71. Земенкова, М.Ю. Математическое моделирование показателей надежности объектов магистрального транспорта углеводородов в условиях эксплуатации/ Ш.Т.Мутавалиев, Ю.Д.Земенков, М.Ю.Земенкова // Вестник Таджикского национального университета. Серия естественных наук. 2015. -№ 1-1.- С. 108-114.

72. Земенкова, М.Ю. Методы снижения технологических и экологических рисков при транспорте и хранении углеводородов: монография. - Тюмень: ТИУ, 2019. - 397 с.

73. Земенкова, М.Ю. Моделирование параметров опорожнения наклонного нефтепровода при управлении безопасностью в сложных условиях/ М.Ю.Земенкова, А.А.Гладенко, Ю.Д.Земенков, В.В.Макарочкин //Известия Тульского государственного университета. Технические науки. -2018.- № 10. - С. 291-299.

74. Земенкова, М.Ю. Мониторинг надежности газотранспортных систем с применением флотационного анализа/ М.Ю.Земенкова, Л.С.Файзуллина, И.В.Сероштанов //Газовая промышленность.- 2015.- №12(720). -С.59-64

75. Земенкова, М.Ю. Мониторинг надежности при транспорте и хранении углеводородов/ М.Ю.Земенкова, Ю.Д.Земенков, А.Л.Пимнев, В.А.Петряков //Деловой журнал Neftegaz.ru. -2015. -№ 11-12 (47-48). - С. 64-70.

76. Земенкова, М.Ю. Мониторинг функциональной надежности при управлении процессами транспорта углеводородных ресурсов/ М.Ю.Земенкова, И.В.Сероштанов, В.Д.Шантарина, Ю.Д.Земенков, С.Ю.Торопов //Фундаментальные исследования. - 2015 -№10-С.259-263

77. Земенкова, М.Ю. Мониторинг эксплуатационных свойств нефти и нефтепродуктов при воздействии солнечной радиации/ М.Ю.Земенкова, В.В.Шалай, Ю.Д.Земенков, В.Е.Щерба // Современные проблемы науки и образования. - 2015. -№ 2-3. - http://science-education.ru/ru/article/view?id=23579

78. Земенкова, М.Ю. Оценка остаточного ресурса при мониторинге надежности резервуаров в изменяющихся условиях эксплуатации/ А.Л.Пимнев, М.Ю.Земенкова // Фундаментальные исследования. - 2015. - №11. - С. 292 - 296

79. Земенкова, М.Ю. Оценка теплофизических свойств углеводородов при мониторинге безопасности технологических процессов / Ю.Д.Земенков, В.В.Шалай, М.Ю.Земенкова,

B.Е.Щерба //Современные проблемы науки и образования.-2015(2) http://www.science-education.ru/131-23450

80. Земенкова, М.Ю. Перспективы использования современных технологий для обеспечения надежности промысловых трубопроводов/ М.Ю.Земенкова, Т.С.Пузина, С.В.Маслаков, И.В.Сероштанов, В.Н.Никифоров //Нефть и газ: Отдельный выпуск Горного информационно-аналитического бюллетеня (научно-технического журнала) - 2014 - Б4- С.174-184

81. Земенкова, М.Ю. Повышение надежности метода расчета ингибитора при изменяющихся параметрах технологического процесса/ М.Ю.Земенкова, В.П.Павлов, Ю.Д.Земенков, А.Н.Шиповалов //Трубопроводный транспорт: теория и практика. -2013. - № 6 (10).- С. 22-25

82. Земенкова, М.Ю. Проблемы мониторинга надежности резервуаров при технологических процессах транспорта и хранения углеводородов/ А.Л.Пимнев, М.Ю.Земенкова //Трубопроводный транспорт: теория и практика. -2015.- № 5(51). - С. 22-25

83. Земенкова, М.Ю. Прогнозирование и оценка опасности нарушения геометрической формы газопровода/ К.С.Воронин, С.М. Дудин, М.Ю.Земенкова, Н.Н.Закиров, А.А.Гладенко // Современные проблемы науки и образования.- 2015. - № 2-3. - С. 32. http://www.science-education.ru/131-23606

84. Земенкова, М.Ю. Прогнозирование экологических рисков при техногенных авариях на магистральных и технологических нефтепроводах/ И.Н.Квасов, Е.В.Шендалева, О.В.Штенгауэр, М.Ю.Земенкова //Известия высших учебных заведений. Нефть и газ. - 2019.- № 6. -С. 103-117.

85. Земенкова, М.Ю. Программа для обучения «Сценарии и действия эксплуатационного персонала при локализации и ликвидации аварийный ситуаций на нефтеперекачивающей станции и нефтепроводе. Свидетельство о государственной регистрации программы для ЭВМ 10.01.2017 №2017610310(Подорожников С.Ю., Некрасов В.О., Дудин С.М. Петряков В.А. и др.)

86. Земенкова, М.Ю. Программно-математический комплекс для оценки надежности трубопроводов под действием циклических нагрузок в условиях коррозии / А.Б.Шабаров, А.А.Ибрагимов, М.Ю.Земенкова, С.Ю. Подорожников //Газовая промышленность. - №12.-715.-

C.50-51

87. Земенкова, М.Ю. Разработка экспертной системы оценки показателей надежности оборудования трубопроводного транспорта углеводородов/ В.А.Костров, М.Ю.Земенкова, С.М.Соколов, С.М.Чекардовский, А.В.Рябков //Фундаментальные исследования. - Пенза: Издательский Дом «Академия Естествознания», 2015.- №10.-С.274-278

88. Земенкова, М.Ю. Разработка энергоресурсосберегающих технологий при эксплуатации ПХГ газотранспортной системы/ А.Н.Шиповалов, М.Ю.Земенкова, В.А Шпилевой.,

М.А.Александров и др.// Современные проблемы науки и образования.- 2015. - № 2-2. -http://www.science-education.ru/129-21717

89. Земенкова, М.Ю. Расчетная модель и алгоритм определения остаточного ресурса трубопровода в условиях периодических изменений напряжений и коррозии/ М.Ю.Земенкова, В.В.Шалай, Ю.Д.Земенков, В.Е.Щерба // Нефть и газ: Отдельный выпуск Горного информационно-аналитического бюллетеня (научно-технического журнала). - 2014.- S4.- С.191-199

90. Земенкова, М.Ю. Системный анализ в процессах контроля и управления нефтегазовых объектов/ М.Ю.Земенкова, А.Н.Шиповалов, С.М.Дудин, Ю.Д Земенков.//Известия вузов. Нефть и газ. -2007. - №5. - С.116-119.

91. Земенкова, М.Ю. Комплекс интеллектуального технологического менеджмента надежности CI-TREMS систем транспорта углеводородов в реальном времени// М.Ю. Земенкова//В книге: Надежность и безопасность магистрального трубопроводного транспорта. Сб. тезисов IX Междунар. научно-техн. конф. Под общ. ред. В.К. Липского. - 2018.- С. 89-90.

92. Современная многоуровневая система управления надежностью газораспределительных сетей/ В.А.Петряков, М.Ю.Земенкова, А.Н.Шиповалов, Т.Г.Пономарева // Нефть и газ: Отдельный выпуск Горного информационно-аналитического бюллетеня (научно-технического журнала) - М.: Издательство «Горная книга».- S36.- 2015.- С.21-29

93. Земенкова М.Ю. Стратегия и тактика: аспекты управления производственными процессами/М.Ю.Земенкова, Е.В.Курушина//Деловой журнал Neftegaz.ru.-2016.- 4(52).- С.79-85

94. Земенкова, М.Ю. Технология прогнозного контроля надежности нефтегазовых объектов /Земенкова М.Ю., Сероштанов И.В., Земенков Ю.Д., Костров В.А.//Нефть и газ: Отдельный выпуск Горного информационно-аналитического бюллетеня (научно-технического журнала) -М.: Издательство «Горная книга». -2015- S36.-С.14-20

95. Земенкова, М.Ю. Тренажерный комплекс диспетчерского управления магистральными нефтепроводами /Св-во о гос. регистрации/. Свидетельство о государственной регистрации программы для ЭВМ 26.05.2017 №2017615928. //Подорожников С.Ю., Дудин С М. и др.

96. Земенкова, М.Ю. Тренажерный комплекс диспетчерского управления магистральными нефтепроводами. Свидетельство о государственной регистрации программы для ЭВМ 9.01.2018 №2018610092 (Подорожников С.Ю., Чекардовский С.М., Дудин С.М. Петряков В.А. и др.

97. Земенкова, М.Ю. Мониторинг надежности нефтегазового объекта с применением методов системного анализа/ М.Ю.Земенкова, И.В. Сероштанов, В.А.Курушина и др.// Территория «Нефтегаз». - 2013. - № 10 - с. 80-86.

98. Земенкова, М.Ю. Совершенствование ингибиторной технологии борьбы с гидратообразованием в газовых скважинах/ А.Н. Шиповалов, Ю.Д.Земенков,

С.Ю.Подорожников, М.Ю.Земенкова // Трубопроводный транспорт: теория и практика. - 2010. -№ 6. - С. 25-28

99. Земенкова М.Ю Интеллектуальный технологический менеджмент надежности систем транспорта углеводородов в реальном времени/М.Ю Земенкова, А.А.Гладенко, М.А. Александров, Ю.Д.Земенков/Техника и технология нефтехимического и нефтегазового производства. Материалы 9-ой междунар. научно-техн. конф.- 2019. -С. 190-191.

100. Земенкова, М. Ю. Математическое моделирование надежности технических систем / М. Ю. Земенкова, В. Н. Кривохижа, А. Н. Шиповалов // Управление ресурсами нефтегазового региона: сб. науч. тр. / под ред. Е. В. Курушиной. - Тюмень, 2006. - С. 107-112.

101. Земенкова, М. Ю. Методологическое обеспечение экспертных систем мониторинга показателей надежности объектов трубопроводного транспорта углеводородов: монография / М. Ю. Земенкова - Тюмень: ТИУ, 2018.- 411 с.

102. Земенкова, М. Ю. Методология научных исследований в нефтегазовой отрасли: монография / М. Ю. Земенкова, С. М. Чекардовский. - Тюмень: ТИУ, 2016. - 323 с.

103. Земенкова, М. Ю. Методология прогнозирования и контроля надежности трубопроводных систем: сб. трудов междунар. науч.-техн. конф. / М. Ю. Земенкова, Л. М. Маркова, А. Г. Закирзаков // Интерстроймех-2005. - 2005. - С. 106-108.

104. Земенкова, М. Ю. Методы системного анализа в решении задач управления сложными техническими системами / М. Ю. Земенкова [и др.] // Нефтегазовое дело. - 2007. - № 2. - С. 12.

105. Земенкова, М. Ю. Мониторинг надежности ГТС с применением флуктуационного анализа / М. Ю. Земенкова, Л. С. Файзуллина, И. В. Сероштанов // Газовая промышленность. - 2015. - № S720 (720). - С. 59-64.

106. Земенкова, М. Ю. Мониторинг надежности нефтегазового объекта с применением методов системного анализа / М. Ю. Земенкова [и др.] // Территория Нефтегаз. - 2013. - № 10. -С. 80-86.

107. Земенкова, М.Ю. Повышение эффективности и безопасности резервуарного хранения нефтей и нефтепродуктов путем использования гибких цилиндрических оболочек/ Д.А.Бабичев, М.Ю.Земенкова// Нефтегазовое дело.- 2007.- № 2.- С.17.

108. Земенкова, М. Ю. Проектирование системы on-line мониторинга нефтегазовых объектов со многими переменными: сб. / М. Ю. Земенкова, В. Н. Кривохижа, А. Ж. Каздыкпаев // Проблемы эксплуатации систем транспорта. - 2005. - С. 98-101.

109. Земенкова, М. Ю. Системный анализ и технологический мониторинг надежности и безопасности при транспорте и хранении углеводородов: монография / М. Ю. Земенкова. -Тюмень: ТИУ, 2017. - 252 с.

110. Земенкова, М. Ю. Системный мониторинг показателей надежности объектов трубопроводного транспорта: дис. ... канд. техн. наук: 05.13.01/М.Ю.Земенкова; Тюмен. гос. нефтегаз. ун-т. - Тюмень: ТюмГНГУ, 2007. - 187 с.

111. Земенкова, М. Ю. Системный мониторинг показателей надежности объектов трубопроводного транспорта: автореферат дис. ... канд. техн. наук: 05.13.01/М.Ю.Земенкова; Тюмен. гос. нефтегаз. ун-т. - Тюмень: ТюмГНГУ, 2007. -16 с.

112. Земенкова, М. Ю. Стратегия и тактика аспекты управления производственными процессами/ М. Ю. Земенкова, Е. В. Курушина // Деловой журнал Neftegaz.RU. - 2016. - № 4. - С. 79-85.

113. Зорин, Д. А. Синтез архитектур вычислительных систем реального времени с учетом ограничений на время выполнения и требований к надежности: автореф. дис. ... канд. физ.-мат. наук: 05.13.11 / Д. А. Зорин; Московский государственный университет им. М. В. Ломоносова (МГУ). - Москва, 2014.

114. Иванов, В. А. Надежность и работоспособность конструкций магистральных нефтепроводов / В. А. Иванов, К. К. Лысяный - Санкт-Петербург: Наука, 2003. - 320 с.

115. Иванов, И. А. Эксплуатационная надежность магистральных трубопроводов в районах глубокого сезонного промерзания пучинистых грунтов: дис. ... д-ра. техн. наук: 25.00.19: Тюмен. гос. нефтегаз. ун-т. / И. А. Иванов. - Тюмень, 2002. - 267 с.

116. Иванцов, О. М. Надежность строительных конструкций магистральных трубопроводов / О. М. Иванцов. - Москва: Недра, 1985. - 231 с.

117. Иванцова, С. Г. Об оценке напряженно-деформированного состояния трубопровода при капитальном ремонте с учетом действия продольных сил / С. Г. Иванцова, В. А. Поляков // Транспорт и подземное хранение газа. - 1998. - № 3. - С.10-18.

118. Иванцова, С. Г. Расчет напряженно-деформированного состояния ремонтируемого трубопровода методом конечных элементов / С. Г. Иванцова, В. А. Поляков // Транспорт и подземное хранение газа. - 1999. - № 2. - С. 6-12.

119. Институт математического моделирования Российской Академии Наук (ИММ РАН) [Электронный ресурс]. - Режим доступа: http://imamod.ru/ (дата обр.: 21.11.2016).

120. ИСО 13381-1. Контроль состояния и диагностика машин. Прогнозирование. Ч. 1. Общее руководство (ISO 13381-1, Condition monitoring and diagnostics of machines - Prognostics - Part 1: General guidelines).

121. К разработке матричной математической модели оценки состояния природно-технической системы / А. Н. Гульков [и др.] // Известия Самарского научного центра Российской академии наук. - 2011. - Т. 13. - № 1-6. - С. 1326-1329.

122. Кавалеров, М. В. Уточнение ограничений реального времени при планировании задач реального времени / М. В. Кавалеров, Н. Н. Матушкин, А. А. Южаков // Управление большими системами: сб. материалов IX Всерос. школы-конф. молодых ученых. - 2012. - С. 53-55.

123. Карташов, Л.Е. Аппроксимация закона Вейбулла./Л.Е. Карташов// Известия ТулГУ. Технические науки, 2019 (7) - С.229-247.

124. Кастнер, С. Планирование измерительного эксперимента в интеллектуальных системах реального времени// InfTech Information Technologies/ С.Кастнер, Ю.И.Нечаев, А.Б.Дегтярев [Электронный ресурс]. - Режим доступа: http://inftech.webservis.ru/it/conference/scm/2000/session8/kastner.htm (дата обр.: 25.02.2020).

125. Качала, В. В. Основы теории систем и системного анализа / В. В. Качала. - Москва: Горячая линия - Телеком, 2015. - 210 с.

126. Классы опасности вредных веществ и отходов. Справка. [Электронный ресурс]. - Режим доступа: https://ria.ru/eco/20120326/606570176.html (дата обр.: 1.04.2018).

127. Коатес, А. К. Современные технологии для мониторинга и восстановления трубопроводов /А.К.Коатес, Г.Г.Васильев, В.И.Кленин//Трубопроводный транспорт нефти.- 1994.-№ 8.-С.17-22.

128. Колдомасова, Е. В. Реальное время в управлении технологическими процессами / Е. В. Колдомасова // Современные информационные технологии. - 2008. - № 7. - С. 22-26.

129. Колотилов, Ю. В. Экспертная система мониторинга линейной части магистральных газопроводов / Колотилов Ю. В. [и др.]. - Москва: Известия, 2009. - 445 с.

130. Комплексный мониторинг технологических объектов опасных производств / В. Н. Костюков [и др.] // Контроль и диагностика. - 2008. - № 12. - С. 8-18.

131. Компьютерные имитационные тренажеры [Электронный ресурс]. - Режим доступа: http://www.professionalgroup.ru/produkcziya/kompyuternyie-imitaczionnyie-trenazheryi.html (дата обр.: 21.11.2016).

132. Концепция совершенствования государственной политики в области обеспечения промышленной безопасности до 2020 г. [Электронный ресурс]: утв. реш. Коллегии Федеральной службы по экологическому, технологическому и атомному надзору от 26 сент. 2011 г. - Режим доступа: http://docs.cntd.ru/document/902354089.

133. Короленок, А. М. Разработка системы планирования организационных и технологических процессов капитального ремонта и технического обслуживания линейной части магистральных газопроводов: дис. ... докт. техн. наук: 05.15.13 / А. М. Короленок; Российский государственный университет нефти и газа (национальный исследовательский университет им. И. М. Губкина). -Москва, 1999.

134. Короленок, А. М. Технологическое прогнозирование капитального ремонта магистральных газопроводов / А. М. Короленок. - Москва: ЦОНиК ГАНГ, 1997. - 297 с.

135. Коршак, А. А. Обеспечение надежной работы магистральных нефтепродуктопроводов / А. А. Коршак, Г. Е. Коробков. - Уфа: УфГНТУ, 1994. - 148 с.

136. Косарев, Е. Л. Методы обработки экспериментальных данных / Е. Л. Косарев. - Москва: Физматлит, 2008. - 208 с.

137. Костюков, А. В. Повышение операционной эффективности предприятий на основе мониторинга в реальном времени / А. В. Костюков, В. Н. Костюков. - Москва: Машиностроение, 2009. - 192 с.

138. Костюков, В. Н. Автоматизированные системы управления безопасной ресурсосберегающей эксплуатацией оборудования нефтеперерабатывающих и нефтехимических производств (АСУ БЭР КОМПАКС) / В. Н. Костюков, С. Н. Бойченко, А. В. Костюков - Москва: Машиностроение, 2002. - 224 с.

139. Костюков, В. Н. МЕS-система управления безопасной ресурсосберегающей эксплуатацией оборудования на основе АСУБЭР КОМПАКС® / В. Н. Костюков, С. Н. Бойченко,

A. В. Костюков // Мир компьютерной автоматизации. - 2004. - С. 35-44.

140. Костюков, В. Н. Мониторинг безопасности производства / В. Н. Костюков. - Москва: Машиностроение, 2002. - 224 с.

141. Костюков, В. Н. Российские стандарты в области мониторинга технического состояния оборудования опасных производств. NDT days 2012 «Дни на безразрушителния контрол 2012» /

B. Н. Костюков, С. Н. Бойченко, А. П. Науменко. - С. 300-304. - Режим доступа: http://www.bg-s-ndt.org/Aplication/Docs/NDT_2012/DISK%20NDT%20DAYS%-202012/papers/76.pdf (дата обр.: 27.04.2017).

142. Крапивский, Е. И. Комплексирование дистанционных геофизических методов для оценки технического состояния трубопроводов/ Е. И. Крапивский, А. И. Кобрунов, Н. П. Демченко // Российский геофизический журнал. - 2000. - № 19-20. - С. 99.

143. Крупные аварии на газопроводах в России в 2007 - 2012 годах. РИА Новости [Электронный ресурс]. - Режим доступа: https://ria.ru/spravka/20121228/916527963.html (дата обр.: 27.04.2017).

144. Кучумов, Р. Я. Моделирование надежности функционирования нефтепромысловых систем / Р. Я. Кучумов, Р. Р. Кучумов. - Тюмень: Нефтегазовый университет, 2004. - 208 с.

145. Линков, А. С. Подход к решению проблем надежности геотехнологий и эффективности природоохранной деятельности на основе интеллектуальных экспертных систем / А. С. Линков, Н. Н. Карнаухов // Проблемы освоения нефтегазовых ресурсов Западной Сибири: сб. научн. тр. - Тюмень, 1989. - С. 26-29.

146. Лисанов, М.В. «Практика применения анализа риска для обеспечения безопасности в России и за рубежом». Доклад на совещании по вопросу обсуждения проекта изменений в

ФЗ-116. - Москва: Ростехнадзор, 2012. [Электронный ресурс]. - Режим доступа: http://riskprom.ru/TemaKtlg/RiskAvar/AR_examples/2012_ARpractika_Rus_Euro_LisanovPPT.pdf (дата обр.: 10.09.2019)

147. Лисанов, М.В. Неопределенности количественной оценки риска аварий на нефтегазовых объектах/М.В.Лисанов, С.И.Сумской, А.А.Швыряев//Повышение надежности и безопасности объектов газовой промышленности. - №2(64)2018.- С.125-134

148. Лисанов, М.В., Мартынюк, В.Ф., Печеркин, А.С., Сидоров, В.И. Методология риска в надзорной деятельности. Проблемы и перспективы// Международная конференция «Риск: наука, обучение, рынок труда». - Москва: 1996.

149. Лисин, Ю. В. Мониторинг магистральных нефтепроводов в сложных геологических условиях / Ю. В. Лисин, А. А. Александров // Наука и технологии трубопроводного транспорта нефти и нефтепродуктов. - №2 (10). - 2013. - С. 22-27.

150. Лисин, Ю. В. Повышение надежности оборудования магистральных нефтепроводов / Ю. В. Лисин, Я. М. Фридлянд, О. В. Аралов // Стандарты и качество. - 2015. - № 8. - С. 36-40.

151. Лоскутов, А. Ю. Основы теории сложных систем / А. Ю. Лоскутов, А. С. Михайлов. -Москва - Ижевск: Институт компьютерных исследований, 2007. - 620 с.

152. Лурье, М. В. Математическое моделирование процессов трубопроводного транспорта нефти, нефтепродуктов и газа / М. В. Лурье.- Москва: ФГУП Изд-во «Нефть и газ» РГУ нефти и газа им. И. М. Губкина, 2003. - 336 с.