Аннотация
Одной из актуальных задач нефтегазовой отрасли является снижение затрат на добычу углеводородов. Известно, что доля электроэнергии в эксплуатационных расходах на промысле может достигать 70%. А значит, ее стоимость – один из важных факторов, влияющих на экономику нефтедобычи. Процесс снижения затрат можно начать уже на этапе планирования объекта путем оптимизации структуры системы электроснабжения и состава электрооборудования. В статье рассмотрена методика автоматизированного проектирования системы электроснабжения нефтегазодобывающего предприятия и ее программная реализация. Проектирование системы электроснабжения включает: выбор точек подключения к существующей сети, выбор оптимальных точек размещения трансформаторных и распределительных подстанций, выбор класса напряжения линий электропередачи, построение трасс линий электропередачи с учетом географических особенностей и определение требуемых параметров оборудования. Кратко представлен список ограничений и допущений при выборе параметров и мест размещения оборудования в соответствии с требованиями ПУЭ. Детально описан алгоритм оптимизации и применяемые в нем математические методы. Алгоритм предусматривает оценку собственных генерирующих мощностей предприятия, а также потенциальные точки подключения к внешней сети. Включена возможность выбора коридорной прокладки линий вдоль автодорог. Программный продукт разработан как средство поддержки принятия решения при инвестиционном планировании и разработке новых нефтегазовых месторождений. Модуль позволяет получить не только совокупную стоимость владения объектом, но и график работ в виде диаграммы Ганта. Также в статье предложен подход к созданию онтологической модели нефтегазодобывающих предприятий, представленной как совокупность процессов, воздействующих на объекты и их свойства. Продемонстрирована иерархия оборудования, существенным образом влияющая на количество потребляемой энергии на предприятии.
Ключевые слова
Оптимизация, система электроснабжения, поддержка принятия решений, онтологическая модель, алгоритм, проектирование.
1. A GIS-based approach for high-level distribution networks expansion planning in normal and contingency operation considering reliability / A. Bosisio, A. Berizzi, E. Amaldi, C. Bovo, A. Morotti, B. Greco, G. Iannarelli // Electric Power Systems Research. 2021. No. 190. Pp. 1-8. doi: 10.1016/j.epsr.2020.106684
2. Active distribution networks planning with high penetration of wind power / G. Mokryani, Y. Fun Hu, P. Pillai, H.S. Rajamani // Renewable Energy. 2017. No. 104. Pp. 40-49. doi: 10.1016/j.renene.2016.12.007
3. Dumbrava V., Miclescu T., Lazaroiu G.C. Power distribution networks planning optimization in smart cities // City Networks. Springer, Cham, 2017. No. 128. Pp. 213-226. doi: 10.1007/978-3-319-65338-9_12
4. Amjad B., Al-Ja’afreh M.A.A., Mokryani G. Active Distribution Networks Planning Considering Multi-DG Configurations and Contingency Analysis // Energies. 2021. No. 14. Pp. 1-16. doi: 10.3390/en14144361.
5. Al-Jaafreh M.A.A., Mokryani G. Planning and operation of LV distribution networks: A comprehensive review // IET Energy Systems Integration. 2019. No. 3. Pp. 133-146. doi: 10.1049/iet-esi.2019.0013
6. Schafer F., Scheidler A., Braun M.A Hybrid Optimization Method Combining Network Expansion Planning and Switch-ing State Optimization // IEEE Open Access Journal of Power and Energy. 2020. No. 7. Pp. 234-242. doi: 10.1109/OAJPE.2020.3006344
7. Scheidler A., Thurner L., Braun M. Heuristic optimization for automated distribution system planning in network integration studies // IET Renewable Power Generation. 2018. No. 12(5). Pp. 530-538. doi: 10.1049/iet-rpg.2017.0394
8. Analytical reliability assessment method for complex distribution networks considering post-fault network reconfiguration / Z. Li, W. Wu, B. Zhang, X. Tai // IEEE Transactions on Power Systems. 2019. No. 35(2). Pp. 1457-1467. doi: 10.1109/TPWRS.2019.2936543
9. Comprehensive congestion management for distribution networks based on dynamic tariff, reconfiguration, and re-profiling product / F. Shen, S. Huang, Q. Wu, S. Repo, Y. Xu, J. Ostergaard // IEEE Transactions on Smart Grid. 2018. No. 10(5). Pp. 4795-4805. doi: 10.1109/TSG.2018.2868755
10. Optimal network reconfiguration in active distribution networks with soft open points and distributed generation / I. Diaaeldin, S. Abdel Aleem, A. El-Rafei, A. Abdelaziz, A.F. Zobaa // Energies. 2019. No. 12(21). Pp. 1-31. doi: 10.3390/en12214172
11. Reconfiguration of distribution networks considering coordination of the protective devices / B. Khorshid-Ghazani, H. Seyedi, B. Mohammadi-Ivatloo, K. Zare, S. Shargh // IET Generation, Transmission & Distribution. 2017. No. 11(1). Pp. 82-92. doi: 10.1049/iet-gtd.2016.0539
12. Ogunwolu L., Ero O., Ibidapo-Obe O. Modeling and optimization of an electric power distribution network planning system using mixed binary integer programming // Nigerian Journal of Technology. 2017. No. 36(2). Pp. 552-562. doi: 10.4314/njt.v36i2.31
13. Kazmi S.A.A., Shahzad M.K., Shin D.R. Multi-objective planning techniques in distribution networks: A composite review // Energies. 2017. No. 10(2). Pp. 1-44. doi: 10.3390/en10020208
14. Sekhavatmanesh H., Cherkaoui R. Optimal infrastructure planning of active distribution networks complying with service restoration requirements // IEEE Transactions on Smart Grid. 2017. No. 9(6). Pp. 6566-6577. doi: 10.1109/TSG.2017.2716192
15. Application and comparison of metaheuristic and new metamodel based global optimization methods to the optimal operation of active distribution networks / H. Xiao, W. Pei, Z. Dong, L. Kong, D. Wang // Energies. 2018. No. 11(1). Pp. 1-29. doi: 0.3390/en11010085
16. Automated Planning of Smart Low Voltage Networks Using an Evolutionary Algorithm / J. Wruk, K. Cibis, M. Zdrallek, H. Landsverk // CIRED Conference. AIM. 2019. No. 1092. Pp. 1-5. doi: 10.34890/517
17. Koutsoukis N.C., Georgilakis P.S., Hatziargyriou N.D. Multistage coordinated planning of active distribution networks // IEEE Transactions on Power Systems. 2017. No. 33(1). Pp. 32-44. doi: 10.1109/TPWRS.2017.2699696
18. Multi-objective active distribution networks expansion planning by scenario-based stochastic programming considering uncertain and random weight of network / S. Xie, Z. Hu, D. Zhou, Y. Li, S. Kong, W. Lin, Y. Zheng //Applied Energy. 2018. No. 219. Pp. 207-225. doi: 10.1016/j.apenergy.2018.03.023
19. Ehsan A., Yang Q. Optimal integration and planning of renewable distributed generation in the power distribution networks: A review of analytical techniques // Applied Energy. 2018. No. 210. Pp. 44-59. doi: 10.1016/j.apenergy.2017.10.106
20. Киселев В. Ф. Системный подход при решении оптимизационных задач в электроснабжении // Вестник евразийской науки. 2014. № 6(25). C. 1-10. doi: 10.15862/120TVN614
21. Coates A., Ng A.Y. Learning feature representations with k-means // Neural networks: Tricks of the trade. Springer, Berlin, Heidelberg. 2012. Pp. 561-580.
22. Rachmawati D., Gustin L. Analysis of Dijkstra’s Algorithm and A* Algorithm in Shortest Path Problem // Journal of Physics: Conference Series. IOP Publishing. 2020. № 1566(1). Pp. 1-8. doi: 10.1088/1742-6596/1566/1/012061
23. A Vector Line Simplification Algorithm Based on the Douglas–Peucker Algorithm, Monotonic Chains and Dichotomy / B. Liu, X. Liu, D. Li, Y. Shi, G. Fernandez, Y. Wang //ISPRS International Journal of Geo-Information. 2020. No. 9(4). Pp. 1-14. doi: 10.3390/ijgi9040251.