Browsing by Author "Маляр, Андрій"

Now showing 1 - 2 of 2

Method of Selecting the Speed of Jack Pump Driving Motor Based on Reservoir Flow Rate
(Lviv Politechnic Publishing House, 2018-02-26) Маляр, Андрій; Калужний, Богдан; Квіт, Роман; Malyar, Andriy; Kaluzhnyi, Bohdan; Kvit, Roman; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
На продуктивність нафтової штангової глибинопомпової установки впливає багато чинників, зокрема й режим роботи системи електроприводу верстата-гойдалки. Налаштування системи електроприводу вливають на енергетичні показники системи, тривалість міжремонтного періоду та кількість видобутої нафти. Отже, раціональна експлуатація нафтовидобувних установок є важливим фактором, який впливає на вартість видобутої рідини. У статті запропоновано методику вибору швидкості привідного двигуна електроприводу верстата-гойдалки, яка дає змогу збалансувати продуктивність глибинної помпи та дебіт пласта. Як похибку системи електроприводу вибрано різницю між подачею помпи та продуктивністю пласта. Методика заснована на критерії мінімуму середньоквадратичної похибки і враховує періодично змінний характер моменту навантаження та моменту інерції електроприводу. На її основі можна синтезувати систему керування електроприводом верстата-гойдалки, яка адаптуватиме роботу глибиннопомпової установки до різних значень допливу рідини у свердловину.
Study of the Hamming network efficiency for the sucker-rod oil pumping unit status identification
(Lviv Politechnic Publishing House, 2017-02-19) Маляр, Андрій; Андреїшин, Андрій; Калужний, Богдан; Головач, Ігор; Malyar, Andriy; Andreishyn, Andriy; Kaluzhnyi, Bohdan; Holovach, Ihor; Lviv Polytechnic National University
Процес нафтовидобутку нафти потребує проведення постійного моніторингу роботи обладнання свердловин. Одним з найдієвіших методів оперативного контролю роботи штангових глибинних насосів є отримання інформації від давача зусилля в полірованому штоці або давача струму привідного двигуна верстата-гойдалки. У багатьох випадках завчасне розпізнавання неполадок і здійснення профілактичного ремонту дають змогу уникати великих матеріальних витрат. У зв’язку з цим актуальними є дослідження, пов’язані з розробленням систем діагно- стики та створення на їхній основі автоматизованих систем керування ШГПУ. Розглянуто підхід до вирішення завдання прогнозування технічного стану штангових глибинних насосів з використанням нейромережевих технологій. Як нейронну мережу використано модифіковану мережу Хопфілда – мережу Хемінга. Для неї створено алгоритм ідентифікації стану ШГПУ, завдяки якому результатом розпізнавання є не сам зразок, а тільки його номер. У результаті прискорюється робота мережі і витрачаються менші обчислювальні ресурси та пам’ять. Для тестування працездатності запропонованого алгоритму розпізнавання створено лабораторний стенд, який імітує роботу системи діагностики стану ШГПУ. Отримані експериментальні результати показали, що система ідентифікації на основі мережі Хемінга може в реальному часі та з мінімальними похибками розпізнавати поточний стан глибиннопомпового обладнання.