Автореферат: Вероятностное прогнозирование ресурса нефтегазового оборудования при эксплуатации в сероводородсодержащих средах

; .(3)

Результаты выполненных исследований показывают, что величина наработки оборудования по истечении исходного ресурса имеет вариацию значений за счет разницы между календарной (Т_К) продолжительностью эксплуатации и варьируемыми значениями времени простоев (t_пр) на проведение ремонта, ревизий, технического обслуживания, диагностического обследования за рассматриваемый период эксплуатации. Отсутствие информации о t_пр приводит к тому, что прогнозирование ресурса, например по зависимостям (1), с учетом наработки, равной Т_К с момента пуска до проведения диагностического обследования без вычета t_пр, приводит к переоценке продлеваемого ресурса. Информация о наработке в годах, часах, циклах, пусках-остановках с момента пуска в эксплуатацию и до проведения диагностического обследования, используемая при прогнозировании ресурса, как правило, должна документироваться и определяться при анализе технической документации. Результаты исследований показывают, что в ряде случаев документируемые источники информации о t_пр конкретного оборудования являются неполными, либо могут вообще отсутствовать.

В работе выполнена оценка показателей вариации наработки на основе анализа данных годовых планов-графиков и данных о фактических периодах остановок на ремонт, ревизии, техническое обслуживание, диагностическое обследование, экспертизу промышленной безопасности технологических установок, цехов и трубопроводов ряда объектов добычи и переработки сероводородсодержащих нефти и газа за 6-ти летний период их эксплуатации. Установлено, что годовое время простоя технологических установок, цехов и эксплуатируемого в их составе оборудования имеет вариацию значений. В табл. 6 представлены результаты анализа среднего количества (N_ср) (по градации 5, 10, 15, 20, 25, 30, 35, 40, 45 суток) фактического годового времени - t_пр, приходящихся на один год эксплуатации.

Таблица 6 - Количество и время простоев технологических установок, цехов и оборудования, приходящихся на один год эксплуатации

Вычетом t_пр из Т_К получена фактическая наработка оборудования и оценены показатели вариации ее значений. Доказано, что с учетом полученных результатов исследования, например, за 30-ти летний календарный период эксплуатации фактическая наработка оборудования может варьироваться в пределах от 26 до 28,4 лет. По результатам исследований установлено, что при отсутствии документируемых данных о t_пр для оценки влияния вариации значений текущей наработки - t_н на достоверность прогнозирования ресурса величины среднего () и СКО () t_н могут быть оценены косвенно по величине Т_К на основе полученных эмпирических зависимостей:

; .(4)

Анализ результатов многократных диагностических обследований показывает, что значения параметров кинетики повреждаемости - скорости накопления дефектов и повреждений - имеют вариацию значений. По мере увеличения срока эксплуатации оборудования вариация значений параметров кинетики повреждаемости увеличивается. В табл. 7 представлены результаты расчетов показателей вариации значений скорости (с) коррозионного изнашивания конструктивных элементов газосепараторов за 30-ти летний период эксплуатации. Результаты исследований показывают, что вариация параметров кинетики (скорости) повреждаемости приводит к тому, что параметры зависимостей h(t) временного изменения параметров состояния также имеют вариацию значений, а без учета вариации значений параметров зависимостей h(t) прогнозирование ресурса с использованием ДВ-модели (рис. 1 а) приводит к значительным переоценкам продлеваемого ресурса, особенно при малых значениях скорости накопления повреждений.

Таблица 7 - Показатели вариации скорости коррозионного изнашивания.

Представленные в табл. 4-7 результаты исследований позволяют дополнить недостающие данные диагностического обследования о показателях вариаций параметров эксплуатационного нагружения, кинетики повреждаемости и наработки.

По результатам выполненных исследований ресурса было доказано, что с учетом вариаций комплекса параметров состояния и ресурса - параметров формы конструкции, дефектов и повреждений, критериев предельного состояния металла, параметров эксплуатационного нагружения, кинетики повреждаемости и наработки - значения прогнозируемого ресурса - также имеют вариацию. В табл. 8 представлены результаты обоснования и расчетов показателей вариации ресурса фонтанных арматур скважин.

Таблица 8 - Показатели вариации ресурса элементов фонтанных арматур.

Результатами анализа данных диагностики и прогнозирования ресурса при диагностических обследованиях оборудования было установлено, что вариации значений параметров состояния и ресурса приводят не только к погрешности их оценки, но и приводят к значительным вариациям и погрешностям () прогнозирования ресурса. В табл. 9 представлены результаты анализа по результатам прогнозирования ресурса - элементов сосуда по механизму коррозионного изнашиванию стенки по зависимостям (1).

Таблица 9 - Показатели достоверности прогнозируемого ресурса.

Значения (табл. 9) получены при варьируемых значениях измеренной толщины стенки - S_изм и детерминированных значениях: наработки с начала эксплуатации до обследования - t_н=20 лет; исполнительной толщины стенки - 10 мм; плюсового допуска к толщине - 0,5 мм; расчетной (предельной) толщины стенки - 4,5 мм; нормируемой относительной ошибки контроля S_изм - 0,1.

Результаты приведенного выше и других анализов показывают, что величина может изменяться от 50 до 200 % и выше. При этом принимает большие значения при: >t_н; < t_н/(510)); больших значениях коэффициентов вариаций параметров состояния и ресурса; малых значениях скорости накопления повреждений.

По результатам выполненных исследований были разработаны и апробированы на реальном оборудовании методические подходы, алгоритмы, зависимости, компьютерные программы обработки результатов измерения и оценки показателей вариаций значений и накоплен значительный банк данных о показателях вариаций значений критериев оценки технического состояния, параметров эксплуатационного нагружения и кинетики повреждаемости, наработки и значений прогнозируемого ресурса. Результаты исследований показывают, что значения параметров и критериев прогнозируемого ресурса оборудования имеют исходные и накапливаемые совместные вариации значений.

В четвертой главе представлены результаты обоснования и разработок моделей, критериев, алгоритма и методов прогнозирования ресурса оборудования по критериям допустимых вероятности и риска отказа.

Исследованиями установлено, что источниками снижения достоверности прогнозирования ресурса являются: вариации значений параметров состояния и ресурса; недостаточные объем и достоверность документируемой информации; недостаточный состав (набор) применяемых методов диагностики, оценок несущей способности и ресурса; ограниченный или недостаточный объем выборочного контроля. Основываясь на результатах выполненных исследований разработан алгоритм (рис. 3) прогнозирования ресурса, в пределах которого обеспечиваются допустимые вероятность и риск отказа.

Методические основы прогнозирования ресурса базируются на последовательном применении элементов факторного анализа, матричных вычислений и вероятностно-статистического анализа с использованием ЭВМ, компьютерных программ математического, статистического анализа и собственных программных разработок.

В соответствии с алгоритмом рис. 3 обоснован и разработан метод определения показателей вариаций параметров состояния и ресурса. Метод основывается на определении перечня, выборок значений, статистическом анализе выборок и расчетах показателей вариации значений параметров состояния и ресурса. Перечень этих параметров определяется на основе данных о параметрах, входящих в модель прогнозирования ресурса, например зависимости (1), путем анализа результатов диагностического обследования. Выборки значений параметров составляются по данным диагностики, натурных и лабораторных исследований, стендовых испытаний, а также на основе сбора и анализа проектной, монтажной, эксплуатационной, ремонтной и документации. Для определения выборочных показателей вариации параметров - N; p_max; p_min; r; ; , - разработаны алгоритмы и компьютерные программы для их расчета на ЭВМ по известным зависимостям математической статистики. При отсутствии или недостатке данных, для определения показателей вариации параметров состояния и ресурса используется накопленный банк данных, например данные табл. 2-7. При отсутствии накопленных данных показатели вариаций параметров оцениваются на основе установленных эмпирических зависимостей (2)-(4) и при необходимости уточняются по результатам дополнительных измерений.

По результатам выполненных исследований разработана вариационная модель (В-модель) прогнозирования ресурса (рис. 4). В отличие от ДВ-модели (рис. 1 а) В-модель учитывает информацию о совместных вариациях входящих в нее параметров состояния и ресурса: t_И - исходной, t_i - промежуточной, t_н - текущей наработки; h₀ - исходных, h_i - промежуточных и h_н - текущих параметров состояния; [h]₀ - исходных, [h]_i - промежуточных и [h]_н - текущих критериев оценки состояния; параметров временных закономерностей - h(t) и [h](t) изменения параметров и критериев оценки состояния.

Было установлено, что совместные вариации параметров состояния и ресурса приводят к вариации значений (рис. 4, заштрихованная область точек пересечения зависимостей h(t) и [h](t)), которые приводят к накоплению вероятности отказа - V_LF. С использованием разработанной В-модели с учетом совместных вариаций параметров состояния и ресурса выполняется оценка значений допустимого (_v) ресурса (рис. 4), т.е. ресурса исчисляемого с момента текущей наработки t_н, в период которого вероятность отказа будет не более допустимой - V_LF[V]_LF.

Исследованиями было установлено, что каждая из n выборок значений параметров состояния и ресурса - переменных В-модели (рис. 4) - включает в себя определенное число - N контролируемых значений. Поэтому метод построения В-модели прогнозирования ресурса основывается на представлении исходной модели прогнозирования ресурса, например зависимостей (1), в виде аналитической функциональной зависимости ресурса от числовых выборок входящих в нее параметров. Аналитическая В-модель прогнозирования ресурса имеет вид:

(5)

где: p₁, p₂, …, p_j - выборки случайных значений j-х переменных; p_j=p_j1, p_j2,…, p_ji - выборка значений j-й переменной; i - порядковый номер значения j-й переменной в выборке (i=1, 2, …, N_j); N_j - количество значений j-й переменной в выборке p_j; _i - выборка значений прогнозируемого ресурса - .

По результатам выполненных исследований было установлено, что для различных переменных, входящих в В-модель (5), вариации их значений в различной степени влияют на достоверность прогнозирования ресурса. Причем из набора переменных В-модели для части переменных вариации их значений оказывают определяющее влияние на достоверность прогнозирования ресурса, а для другой части пренебрежимо малое и информацией о вариации этой части переменных при прогнозировании ресурса можно пренебречь. Для этого разработан метод факторного анализа параметров состояния и ресурса. По результатам анализа выявляются такие параметры состояния и ресурса, которые имеют определяющее влияние на достоверность прогнозирования ресурса. Для его реализации был разработан и применен методический подход на основе факторного анализа. Задача факторного анализа состоит в том, чтобы перейти от начальной системы большого числа переменных p₁, p₂, …, p_j к меньшему числу переменных p₁, p₂, …, p_k, k<j, изменение которых в значительной мере определяет изменение прогнозируемого ресурса - по отношению к другим. Решение этой задачи выполняется по методике множественного регрессионного анализа. Для этого зависимость для _i записывается в следующем виде:

, i=1, 2,…, N (6)

где: - условное среднее значение зависимой величины _i, соответствующее заданным значениям независимых переменных p_j; В - неслучайная составляющая; a_ij - факторная «нагрузка»; j - количество факторов, т.е. переменных.