КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ ФАКТОРОВ, ВЛИЯЮЩИХ НА ЭФФЕКТИВНОСТЬ ПРОЦЕССА ПОДГОТОВКИ И СЕПАРАЦИИ ГАЗА
Аннотация
Представлена концепция адаптивного управления при разделении природного газа. Применяемые на практике системы управления, как правило, основаны на фиксированных алгоритмах регулирования и не учитывают динамическое изменение физико-технических и эксплуатационных параметров, что приводит к снижению качества сепарации и росту энергозатрат. В статье описан подход сочетания системного анализа и метод Парето. Целью работы является разработка концепции адаптивного управления процессом подготовки природного газа на основе системного анализа. Недавние исследования показывают, что методы, основанные на данных, позволяют более точно настраивать параметры, лучше реагировать на колебания исходного газа и повышать эффективность удаления примесей. Для достижения поставленной цели в работе решены задачи выявления и классификации факторов, влияющих на качество и экономичность сепарации газа, а также формирования их взаимосвязей в рамках единой концептуальной модели управления. Особое внимание уделяется влиянию точного контроля ключевых параметров, таких как давление, температура и расход, на эффективность этих процессов. Анализ последних исследований демонстрирует растущее использование нейронных сетей и моделей машинного обучения в очистке газа для прогнозирующего управления, обнаружения аномалий и оптимизации рабочих параметров. Сравнительная оценка классических ПИД-регуляторов, нечетких, адаптивных и нейронных методов управления подтверждает преимущества интеллектуального регулирования с точки зрения стабильности, адаптивности и энергоэффективности. Основным результатом работы является обоснование ключевых факторов, определяющих эффективность сепарации, среди которых наибольшее влияние оказывают давление, температура и расход газа. Полученная модель формирует методологическую основу для разработки интеллектуальных и адаптивных систем управления процессом подготовки газа.
Список литературы
1. Zemenkova M.Y., Chizhevskaya E.L., & Zemenkov Y.D. Intelligent monitoring of the condition of hydro-carbon pipeline transport facilities using neural network technologies, Journal of Mining Institute, 2022, 258, pp. 933-944. Available at: https://doi.org/10.31897/PMI.2022.105.
2. Eremeeva A.M., Ilyushin Y.V. Automation of the control system for drying grain crops of the technologi-cal process for obtaining biodiesel fuels, Sci Rep., 2023, 13, 14956. Available at: https://doi.org/10.1038/s41598-023-41962-0.
3. Qiu M., Ji Z., & Ma L. An energy-efficiency evaluation method for high-sulfur natural gas purification system using artificial neural networks and particle swarm optimization, International Journal of Energy Research, 2022, 46 (3). Available at: https://doi.org/10.1002/er.7376.
4. Li Y., Qin G., Xiong Z., & Fan L. Gas-liquid separation performance of a micro axial flow cyclone sepa-rator, Chemical Engineering Science, 2022, 249. Available at: https://doi.org/10.1016/j.ces.2021.117234.
5. Martirosyan A., Ilyushin Y., Afanaseva O., Kukharova T., Asadulagi M., & Khloponina V. 'Develop-ment of an Oil Field’s Conceptual Model', International Journal of Engineering, 2025,
38 (2), pp. 381-388. Available at: https://doi.org/10.5829/ije.2025.38.02b.12.
6. Urazakov K.R., Belozerov V.V., & Latypov B.M. Study of the dynamics for gas accumulation in the an-nulus of production wells, Journal of Mining Institute, 2021, 250, pp. 606-614. Available at: https://doi.org/10.31897/PMI.2021.4.14.
7. Nazarychev A., Iliev I., Manukian D., Beloev H., Suslov K., & Beloev I. Review of Operating Condi-tions, Diagnostic Methods, and Technical Condition Assessment to Improve Reliability and Develop a Maintenance Strategy for Electrical Equipment, Energies, 2025, 18 (21), 5832. Available at: https://doi.org/10.3390/en18215832.
8. Safiullin R.N., Zalyubovskiy A.F., Safiullin R.R., Sorokin K.V., & Avksentiev S.Y. An Algorithm to Pro-cess Big Data of Remote Technical Condition Assessment System for Mining Machines, International Journal of Engineering, Transactions B: Applications, 2026, 39(3), pp. 613-622. Available at: https://doi.org/10.5829/ije.2026.39.03c.05.
9. Tian J., Hu Y., Lv J., Feng Z., & Song W. Modelling and performance analysis of power system in gas engine-driven heat pump, Applied Thermal Engineering, 2023, 223. Available at: https://doi.org/ 10.1016/j.applthermaleng.2023.120015.
10. Yang Z., Li X., Xiang Q., He Q., Faber M.H., Zio E., Su H., & Zhang J. A resilience evaluation method of natural gas pipeline system based on uncertainty analysis, Process Safety and Environmental Protec-tion, 2023, 177. Available at: https://doi.org/10.1016/j.psep.2023.07.058.
11. Afanaseva О.V., & Tulyakov Т.F. Analysis of the effectiveness of traditional and modern technologies for monitoring power transmission lines, Izvestiya SFedU. Engineering Sciences, 2025, pp. 182-188. Available at: https://doi.org/10.18522/2311-3103-2025-4-182-188.
12. Li X.P., Shang D.Y., Li F.J., & Cao W.L. Dynamic Modeling and DME Evaluation of Power Transmis-sion Line Inspection Robots, Journal of Northeastern University, 2020, 41, pp. 1280-1284. Available at: https://doi.org/10.12068/j.issn.1005-3026.2020.09.011.
13. Chen M., Tian Yu., & Xing Sh. (2021). Environment Perception Technologies for Power Transmission Line Inspection Robots, Journal of Sensors. 1. Available at: https://doi.org/10.1155/2021/5559231. EDN XLWPAO.
14. Mammadov Ja.F., Valiyeva B., Huseynova A.S.G., & Hasanova Ye.M.G. Development of diagnostic subsystem for manufacturing active elements in instrument-making industry, Vestnik of Astrakhan State Technical University. Series: Management, Computer Science and Informatics, 2022, 1, pp. 16-21. Available at: https://doi.org/10.24143/2073-5529-2022-1-16-21. EDN JPEWZU.
15. Mal'Tsev P.A., Shatilova N.A., Abramkin S.E., & Podkina M.E. Designing a Digital Twin in Oil and Gas Technologies: Technology Integration, 2024 XXVII International Conference on Soft Computing and Measurements (SCM), 2024, pp. 352-355. Available at: https://doi.org/10.1109/SCM62608.2024.10554148 6.
16. Asadulagi M.-A.M., Pershin I.M., & Tsapleva V.V. Research on Hydrolithospheric Processes Using the Results of Groundwater Inflow Testing, Water, 2024, 16, 487. Available at: https://doi.org/10.3390/ w16030487.
17. Katysheva E. Analysis of the Interconnected Development Potential of the Oil, Gas and Transport Indus-tries in the Russian Arctic, Energies, 2023, 16, 3124. Available at: https://doi.org/10.3390/en16073124.
18. Novozhilov I.M., Abramkin S.E., Maltsev P.A., Kuharova T.V., & Plotnikov A.V. Development of a Dis-tributed Pressure Field Control System for Gas Production in a Structurally Complex Field, LETI Transactions on Electrical Engineering & Computer Science, 2025, 18 (4), pp. 55-66 Available at: https://doi.org/10.32603/2071-8985-2025-18-4-55-66.
19. Nikolaev A.V., & Kychkin A.V. Development and integration of an underground mining enterprise venti-lation process simulations into the demand response, Journal of Mining Institute, 2025, 275, pp. 18-29. Retrieved from. Available at: https://pmi.spmi.ru/pmi/article/view/16568.
20. Kazantseva V.V., Ozhigin D.S., Kosarev N.S., Satbergenova A.K., & Ozhigina S.B. Development of complex system of geotechnical monitoring of technogenic objects based on geospatial data, Journal of Mining Institute, 2025. Retrieved from https://pmi.spmi.ru/pmi/article/view/16590.
21. He Y.W., He Z.Y., Tang Y., Xu Y.J., Long J.C., & Sepehrnoori K. Shale gas production evaluation framework based on data-driven models, Petroleum Science, 2023, 20 (3). Available at: https://doi.org/ 10.1016/j.petsci.2022.12.003.
22. Sidorenko A., Kriukov A., Meshkov A., & Sidorenko S.A. Comprehensive Technical and Economic Anal-ysis of Rubber-Tyred Transport Implementation in Longwall Mining: A Case Study on the
V.D. Yalevsky Coal Mine, Mining, 2025, 5, 65. Available at: https://doi.org/10.3390/mining5040065.
23. Marinina O., Malikov A., Lyubek Y., Pasternak S., Reshneva E., & Stolbovskaya N. Selection of En-hanced Oil Recovery Method on the Basis of Clustering Wells, Processes, 2024, 12, 2082. Available at: https://doi.org/10.3390/pr12102082.
24. Tokarev I.S. Development of parameters for an industry-specific methodology for calculating the electric energy storage system for gas industry facilities, Journal of Mining Institute, 2025, 272, pp. 171-180. Retrieved from: https://pmi.spmi.ru/pmi/article/view/16516.
25. Montenegro J., Veloz C., & Ricaurte M. Estimating water content of natural gas mixtures considering heavy hydrocarbons contribution using artificial neural networks, Petroleum Science and Technology, 2023, 41 (8). Available at: https://doi.org/10.1080/10916466.2022.2075012.
