Details

Данная работа посвящена разработке и исследованию методики оптимального распределения нагрузки между газоперекачивающими агрегатами на базе эвристических алгоритмов роевого интеллекта для снижения расхода топливного газа и повышения надёжности эксплуатации оборудования. Задачи, которые решались в ходе исследования: 1. Разработка алгоритмической базы распределения нагрузки с применением методов PSO и GWO с учётом технологических ограничений и переменного технического состояния агрегатов. 2. Проведение сравнительного имитационного моделирования работы компрессорного цеха в течение суточного цикла. 3. Оценка технико-экономической эффективности внедрения и формирование практических рекомендаций по поэтапной интеграции оптимизационного контура в действующие АСУ ТП. В результате было подтверждено снижение расхода топливного газа на 6,6–7,1 % относительно традиционного ПИД-регулирования. Алгоритм PSO обеспечил экономию 7,07 %, алгоритм GWO продемонстрировал повышенную устойчивость целевой функции в условиях часто меняющихся режимов.

The given work is devoted to the development and investigation of a methodology for optimal load distribution among gas pumping units based on heuristic swarm intelligence algorithms, aimed at reducing fuel gas consumption and enhancing equipment operational reliability. The research set the following goals: 1. Development of an algorithmic foundation for load distribution using PSO and GWO methods, taking into account technological constraints and the variable technical condition of the units. 2. Conducting comparative simulation modeling of the compressor station operation over a 24-hour cycle and comparing the results with conventional PID control. 3. Evaluating the technical and economic efficiency of implementation and formulating practical recommendations for the phased integration of the optimization loop into existing automated process control systems (APCS). As a result, a reduction in fuel gas consumption of 6.6–7.1% compared to conventional PID control was confirmed. The PSO algorithm provided a 7.07% saving, while the GWO algorithm demonstrated enhanced stability of the objective function under frequently changing operating conditions.