В работе рассматривается технологический процесс учета расхода газа в газотранспортной системе. Одной из проблем системы учета является небаланс газа, возникающий вследствие влияния множества изменяющихся величин, в том числе таких, как нелинейно зависимые характеристики рабочей среды (природного газа), оборудования, трубопровода и окружающей среды. Одной из составляющих небаланса является величина запаса газа в магистральном трубопроводе, на которую, в числе прочих факторов, влияет температура грунта на глубине заложения газопровода, обновляющаяся ежемесячно по статистическим данным. В работе предложен подход к расчету величины запаса на основе значений температуры грунта, обновляющихся в режиме реального времени, а также предложено прогнозирование величины запаса газа в трубопроводе с применением регрессионного анализа; использованы различные методы машинного обучения с использованием среды Matlab, осуществлено сравнение результатов регрессии на основе применения этих методов, выявлены наиболее значимые при расчете запаса газа параметры, применена кластеризация для определения знака величины запаса газа в трубопроводе. Современный математический аппарат и вычислительные средства могут быть использованы с целью разработки программного обеспечения и последующей интеграцией в комплексных вычислительных системах.
the technological process of accounting for gas consumption in the gas transmission system is considered in this paper. One of the problems of the metering system is the gas imbalance (imbalance) arising from the influence of many changing quantities, including such as nonlinearly dependent characteristics of the working medium (natural gas), equipment, pipelines, and the environment. One of the components of the imbalance is the amount of gas in the main pipeline, which, among other factors, is influenced by the temperature of the soil at the depth of the gas pipeline, which is updated monthly according to statistical data. The paper proposes an approach to calculating the value of the reserve based on the soil temperature, which is updated daily, and also proposes forecasting the value of the gas reserve in the pipeline using regression analysis; various machine learning methods were used using the Matlab environment, the regression results were compared based on the application of these methods, the most significant parameters in calculating the gas reserve were identified, clustering was applied to determine the sign of the gas reserve in the pipeline. Modern mathematical apparatus and computing facilities can be used for the development of software and with subsequent integration into complex computing systems.
The authors declare that there are no conflicts of interest present.