О нас Новости Реклама Партнёры Контакты
НОВОСТНАЯ ЛЕНТА
Учредители
Наши рекламодатели

    Мультипарадигменное имитационное моделирование для «Приразломной»

    За рубежом Мнение Экономика Право Ж/д транспорт Водный транспорт Безопасность Инновации Авиатранспорт Автотранспорт Строительство Пасс. транспорт Логистика Официально История Международный опыт ВСМ Кадры Образование Экология Морской транспорт Маглев Аналитика Футурология Инфраструктура
    Андрей Крестьянцев
    начальник самостоятельного сектора проектирования морских систем освоения шельфа ФГУП «Крыловский государственный научный центр»
    Андрей Крестьянцев Мультипарадигменное имитационное моделирование для «Приразломной»
    Детализированная имитационная модель морской транспортно-технологической системы платформы «Приразломная» позволила исследовать альтернативные решения по повышению эффективности и устойчивости функционирования системы с учетом множества натурных факторов. Результаты моделирования послужили основой для принятия управленческих решений и корректировки технологических документов.

    Морская ледостойкая стационарная платформа (МЛСП) «Приразломная», работающая под управлением компании «Газпром нефть шельф», является уникальным по своей сложности арктическим шельфовым объектом. Платформа единственная в мире ведет добычу нефти на шельфе в условиях тяжелого льда и сложной гидрометеорологической обстановки. За период, прошедший с момента введения платформы в эксплуатацию в 2014 году, был накоплен бесценный опыт работы МЛСП и флота, на основе которого могут быть уточнены плановые решения, заложенные в прошлом. Так, исходя из запланированных темпов роста интенсивности добычи нефти с текущих 2,3 млн т. в год до приблизительно 5 млн т. к 2022 году, возникла необходимость выполнения анализа работы морской транспортно-технологической системы (МТТС) вывоза нефти с платформы и доставки грузов снабжения с учетом реальной практики работы флота. Целью этого анализа является нахождение комплекса мер, обеспечивающих повышение эффективности и безопасности транспортной системы платформы.

    Соответствующая масштабная НИР была выполнена «Крыловским государственным научном центром» (КГНЦ) по заказу компании «Газпром нефть шельф».

    Для выполнения НИР специалисты КГНЦ разработали уникальный инструмент — компьютерную имитационную модель, позволяющую учитывать множество технических деталей, физических и логистических процессов, максимально приближая модель к реальным условиям.

    Для точного анализа влияния природных условий на грузовые терминалы платформы, был создан вероятностный «погодный генератор», с помощью которого моделируются ветер, волнение, течение, дрейф льда, условия видимости и другие природные параметры в районе платформы. Природные условия определяют доступность каждого из четырех грузовых терминалов платформы для отгрузки нефти или выполнения операций судов-снабженцев.

    Важным элементом имитационной модели является созданный модуль стратегического планирования перевозок, который позволяет на основе заданных грузопотоков и описаний танкеров и судов-снабженцев получать план рейсов судов и их загрузки в каждом рейсе. Алгоритм планирования основан на удовлетворении наиболее критических потребностей «от начала к концу» с учетом ограничений на объемы стационарных и судовых хранилищ, а также характерных времен рейсов и грузовых операций. 

    Рис.2.png

    Характеристики операций судов у платформы определялись не только на основе натурных данных, но также с учётом результатов навигационного моделирования, выполненного на специализированном научно-исследовательском тренажерном комплексе КГНЦ. Работа судов на линии «Мурманск-платформа» моделируется в ГИС-пространстве с учетом природных и навигационных условий на маршруте. Скорости хода и расходы топлива судов определяются на основе специальных расчетных моделей, которые используются не только при моделировании работы судов, но и при логистическом планировании перевозок. Для решения задач планирования был создан специальный расчетный модуль, позволяющий состыковать потребности платформы в различных грузах снабжения с рейсами судов, обеспечивающих доставку этих грузов. Помимо этого, были выполнены детальные оценки прогнозных грузопотоков системы. Отдельное внимание было уделено подтверждению точности созданной имитационной модели. Это позволило доказать, что модель хорошо описывает текущую работу платформы и может достоверно прогнозировать ее будущее.

    На основе созданного программного инструмента была смоделирована работа различных конфигураций транспортной системы на период всего цикла добычи нефти на платформе. В ходе исследований было выполнено более 12000 имитационных «прогонов» работы системы до 2038 года, что потребовало более 3000 часов машинного времени. Программа исследований включала анализ раздельного и совместного влияния на работу системы 12 улучшающих мероприятий, таких как изменение производительности отгрузки нефти, привлечение дополнительного ледокола, разрешение одновременной работы судов на различных терминалах платформы и другие. В результате для каждого варианта транспортной системы были определены все необходимые технические и эксплуатационные показатели, а также статистические законы их распределения.

    Столь масштабное исследование работы объектов арктической шельфовой техники на основе дискретно-событийного и агентного имитационного моделирования выполнено впервые в мировой практике. Результаты выполненной НИР позволили разработать комплекс улучшений по технической и организационной составляющим процессов взаимодействия судов с платформой.

    Результаты выполненной исследовательской работы позволили не только проанализировать самые сложные технические и организационные аспекты процессов взаимодействия судов с платформой, но также предложить и доказательно обосновать комплекс мер по их оптимизации. Выполненное моделирование является основой для принятия управленческих решений на верхнем уровне компании «Газпром нефть шельф», а предложенные решения внедряются в практику работы МЛСП и реализуются в виде руководящих документов. 

    Рис.6.png

    Не будет преувеличением декларировать, что использованный подход – мультипарадигменное имитационное моделирование – это единственный на сегодняшний день реальный инструмент, позволяющий адекватно ответить на вызовы, обусловленные исследованием систем освоения арктических шельфовых месторождений. Обоснованию данного тезиса на уровне теоретических соображений и частных примеров в последнее время посвящается значительное количество отечественных и зарубежных печатных работ. Однако настолько масштабное и детальное исследование работы реального объекта арктической шельфовой техники на основе дискретно-событийного и агентного имитационного моделирования выполнено впервые в мировой практике. 

    Полностью статья «Использование имитационного моделирования для анализа морской транспортно-технологической системы платформы «Приразломная» (авторы – Д.А. Зайкин, А.Б. Крестьянцев, О.В. Таровик, А.Г. Топаж) опубликована в № 1 (68) 2017 г. журнала «Транспорт Российской Федерации».

    Транспорт РФ.gif

    Оставить свой комментарий можно в режиме он-лайн или направив письмо в редакцию по адресу guryevandrey@yandex.ru 

    Количество показов: 1367


    Текст сообщения*
    Защита от автоматических сообщений
     
    Комментировать vkontakte Комментировать в facebook
    .
    Регистрация Заявка на ведение блога
    Войти как пользователь
    Вы можете войти на сайт, если вы зарегистрированы на одном из этих сервисов:
    Перевозки

    Портал, посвященный перевозкам
    и перевозчикам. Более 20000 компаний
    Библиотека Блоги Наука для транспорта

    Перспективные и новейшие
    разработки ученых
    Алексей Комаров
    директор по консультативно-аналитической работе Infomost Consulting
    Межотраслевой экспертный совет по развитию грузовой автомобильной и дорожной отрасли (МОЭС) завершает первый этап исследования российского рынка коммерческих грузовых автомобильных перевозок и подводит предварительные итоги. ...
    2017-09-28
    Александр Лашкевич
    руководитель ГК "Деловые линии" по взаимодействию с отраслевыми и инфраструктурными организациями
    Российский рынок перевозок – это, в конечном счете, конкретные люди и компании. Чтобы навести на нем порядок, нужно создать качественную систему учета и рейтинга для тех и других. ...
    2017-09-26
    Наши блоггеры
    Андрей Заручейский
    к.т.н., заведующий отделением «Тяговый подвижной состав» ВНИИЖТ
    Виталий Хорошев
    д.т.н., научный руководитель – начальник отделения ФГУП «Крыловский государственный научный центр»
    Виктор Похмелкин
    председатель "Движения автомобилистов России"
    Василий Демин
    к.т.н., директор НОЦ-ТЛ МАДИ, заместитель директора Координационного совета по логистике
    Виктор Чечет
    профессор РГАУ-МСХА имени К.А. Тимирязева, к.т.н.
    Леонид Мазо
    доктор экономических наук, независимый эксперт
    Игорь Моисеенко
    генеральный директор Госкорпорации по организации воздушного движения
    Александр Фридлянд
    директор НЦ № 19 ФГУП «ГосНИИ ГА», профессор МГТУ ГА, д.э.н.  
    Николай Асаул
    заместитель министра транспорта Российской Федерации
    Ирина Капитанова
    заместитель генерального директора ГК "Балтика-Транс"
    В.П.Соколов
    В. П. Соколов, канд. техн. наук, главный конструктор ФГУП «Крыловский государственный научный центр»
    Л.Н.Карклин
    докт. физ.-мат. наук, профессор, ректор Российского государственного
    гидрометеорологического университета (РГГМУ), научный руководитель Института Арктики и Субарктики  (ИАС) РГГМУ  
    Г.Л.Гладков
    докт. техн. наук, профессор, заведующий кафедрой водных путей и водных изысканий Государственного университета морского и речного флота имени адмирала С.О. Макарова
    Иван Беседин
    к.т.н., начальник департамента по управлению транспортно-логистическим бизнес-блоком ОАО «РЖД»
    Олег Белозеров
    президент ОАО "Российские железные дороги"
    В.М. Евдокименко
    генеральный директор АО "Федеральная грузовая компания"
    Ефим Фиш
    директор по развитию бизнеса Microsoft Dynamics, компания TOPS Consulting
    С.М. Бабаев
    вице-президент ОАО "РЖД" по коммерческой деятельности
    Все>>>


    Яндекс.Метрика