МОДЕЛЮВАННЯ ТА ОПТИМІЗАЦІЯ ЗА КОМПЛЕКСНИМ КРИТЕРІЄМ ОПТИМАЛЬНОСТІ ПРОЦЕСУ ПЕРВИННОЇ ОБРОБКИ НАФТИ
DOI:
https://doi.org/10.32782/mathematical-modelling/2025-8-2-30Ключові слова:
математичне моделювання, оптимізація, нафтопереробка, автоматичне керування, критерій якостіАнотація
У статті розглядається проблема керування процесом первинної підготовки нафти. Проведений аналіз попередніх досліджень виявив невирішений аспект загальної проблеми: відсутність інтеграції динамічних математичних моделей із багатокритеріальною оптимізацією для автоматизованих систем керування, здатною ефективно враховувати нелінійні ефекти та технологічні збурення в реальному часі. Існуючі моделі, як правило, зосереджено на стаціонарних режимах або ж використовують багатокритеріальну оптимізацію без достатнього динамічного зв'язку. Метою роботи є розроблення математичної моделі динаміки процесу первинної обробки нафти та визначення інтегрального критерію оптимальності для синтезу систем керування. Цей критерій забезпечує ефективний баланс між енергоефективністю, якістю підготовленої нафти та економічними показниками виробництва. Для досягнення поставленої мети запропоновано динамічну модель процесу, що об'єднує рівняння теплового балансy, кінетичне рівняння та модифіковане рівняння в'язкості. У дослідженні пропонується використання узагальненого інтегрального критерію оптимальності, який включає у себе якість зневоднення, обмеження за вмістом солей, а також загальні енерговитрати, що складаються з теплового та електричного складників. На основі експертних оцінок отримано нормалізований вектор вагових коефіцієнтів. Сформовано задачу динамічної оптимізації, яку розв'язано із застосуванням генетичного алгоритму в середовищі Python, із застосуванням методу прямої колокації. Оптимізація проводилася для трьох типів нафти: легкої, середньої, важкої з різними початковими умовами та в рамках технологічних обмежень за температурою. Запропонований підхід дає змогу визначити оптимальну траєкторію зміни температури в електродегідраторі в часі. Це дає змогу досягти зниження енергетичних витрат на 15–25% із більшим ефектом для важких нафт, при цьому гарантовано досягається цільове значення вмісту води менше 0,1%. Результати дослідження можуть бути використані для підвищення енергоефективності та якості продукції нафтопереробних підприємств.
Посилання
Білецький В.С. Орловський В.М., Дмитренко В.І., Похилко А.М. Основи нафтогазової справи. Полтава : ПолтНТУ ; Київ : ФОП Халіков Р.Х, 2017. 312 с.
Склабінський В.І., Ляпощенко О.О., Артюхов А.Є. Технологічні основи нафто- та газопереробки. Суми : Сумський державний університет, 2011. 186 с.
Teixeira C., Oliveira A., Medeiros Júnior I., Wang Hantao L. Unified multi-parameter predictive modeling of crude oil and its distilled fractions through Artificial Neural Networks. Fuel. 2024. Vol. 358. 130156. https://doi.org/10.1016/j.fuel.2023.130156
Rolando J.A.-A., Optimization of petroleum products distribution via pipeline systems: Modeling and computational challenges. Heliyon. 2024. Vol. 10(14). https://doi.org/10.1016/j.heliyon.2024.e33947
Vessaire C., Chancelier J.-P., De Lara M. Carpentier P., Rodríguez-Martínez A., Robert A. Multistage optimization of a petroleum production system with material balance model. Computers & Chemical Engineering. 2022. Vol. 167. 108005. https://doi.org/10.1016/j.compchemeng.2022.108005
Aryafard E., Farsi M., Rahimpour M.R. Modeling and simulation of crude oil desalting in an industrial plant considering mixing valve and electrostatic drum. Chemical Engineering and Processing: Process Intensification. 2015. Vol. 95. P. 383–389. https://doi.org/10.1016/j.cep.2015.06.011
Aryafard E., Farsi M., Rahimpour M.R., Raeissi S. Modeling Modeling electrostatic separation for dehydration and desalination of crude oil in an industrial two-stage desalting plant. Journal of the Taiwan Institute of Chemical Engineers. 2015. Vol. 58. P. 423–430. https://doi.org/10.1016/j.jtice.2015.06.028
Kareem Al-Musaedi F.A.R., Ghafouri Taleghani H., Esmaili Paeen Afrakoti I. Simulation and Multi-Objective Optimization of the Crude Oil Treatment Plant in Rumaila Oil Field. Iranian Journal of Chemistry and Chemical Engineering. 2023. Vol. 42(3). P. 962–976. https://doi.org/10.30492/ijcce.2022.545873.5083
Ewees A., Al-Qaness M., Thanh H., Alrassas A., Elsayed A., Elaziz M. Optimized neural networks for efficient modeling of crude oil production. Knowledge and Information Systems. 2025. Vol. 67. P. 6171–6192. https://10.1007/s10115-025-02415-4
Maleki N., Bagherifard M., Gholamian M.R. Application of Incomplete Analytic Hierarchy Process and Choquet Integral to Select the best Supplier and Order Allocation in Petroleum Industry. International Journal of Engineering. 2020. Vol. 33(11). P. 2299–2309. https://doi.org/10.5829/ije.2020.33.11b.20
Mohamed A. Fahim, Taher A. Alsahhaf, Amal Elkilani. Fundamentals Of Petroleum Refining. Oxford: Elsevier. 2010. 496 p.
Saaty T. How to make and jusoffy a decision: the analytic hierarchy process (AHP) part 1.
Examples and applications. System research & information technologies. 2002. Vol. 1. P. 95–108.
Betts, John T. Practical methods for optimal control and estimation using nonlinear programming. Philadelphia : SIAM. 2nd ed. 2010. 434 p.
Кононюк А.Ю. Нейроні мережі і генетичні алгоритми. Київ : Корнійчук, 2008. 446 с.
DEAP documentation. Distributed Evaluation Algorithms in Python. URL: https://deap.readthedocs.io/en/master/ (дата звернення: 17.10.2025).
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
