Диссертация (Модели и алгоритмы поддержки адаптивного управления пожарной безопасностью нефтегазовых объектов), страница 8

Егоэффективность подчеркнута во многих исследованиях [68-70]. Генетическиеалгоритмы используются для решения задач с большим количествоминформации. Многие авторы подчеркивают их эффективность при решениикомплексных задач [71]. Один из методов использования генетическихалгоритмов успешно применен в вопросе оптимизации уровня экономическогориска основанного на оптимизации общих затрат [72, 73].Генетический алгоритм осуществляет одновременный поиск по многимнаправлениям путем использования популяции возможных решений.

Переход отодной популяции к другой позволяет избежать попадания в локальный оптимум.Популяция претерпевает нечто наподобие эволюции: в каждом поколенииотносительно хорошие решения репродуцируются, в то время как относительноплохие отмирают. Генетические алгоритмы используют вероятностные правиладля определения репродуцируемой или уничтожаемой хромосомы, чтобынаправить поиск к областям вероятного улучшения целевой функции [19].Эффективностьгенетическихалгоритмовввопросе оптимизацииизучалась многими исследователями [66, 74, 75], многие из них отмечают, чтоэффективность зависит от выбора правильных настроек для решаемой задачи иотмечают сложность их выбора на основе лишь теоретической информации безпроведения соответствующих экспериментов.Генетические алгоритмы применялись для решения многих научных итехнических проблем.

Они используются в робототехнике для обучения роботов,46а также в нейронных сетях для проектирования их структуры. Эффективность ихприменения в сфере управления неоднократно подтверждалась многимиисследователями [76, 77]. Но, как и другие методы оптимизации, они обладаютсвоими преимуществами и недостатками. Несмотря на то что некоторыепреимущества генетических алгоритмов уже были описаны, далее составленсписок основных преимуществ и недостатков (таблица 2.2) [78].– Преимущества и недостатки генетических алгоритмов№1ПреимуществаПоиск глобального оптимума функции.2Множество разных вариантов реализации.3Возможность эффективно распараллеливать процесс выполнения задачи.Отсутствие ограничений на вид целевой функции, включая возможность работы с разрывными функциями.4567НедостаткиНевозможность поиска локального оптимумафункции в классическом виде генетическогоалгоритма.В простых целевых функциях (гладкие, одинэкстремум и т.п.) генетические алгоритмывсегда проигрывают по скорости простым алгоритмам поиска.Относительно невысокая эффективность назаключительных фазах моделирования эволюции.Во многих задачах генетические алгоритмыимеют тенденцию сходиться к локальномуоптимуму или даже к спорным точкам вместоглобального оптимума для данной задачи.Пригодность для поиска в сложномпространстве решений большойразмерности.Интегрируемость эволюционныхвычислений с другими неклассическими парадигмами искусственногоинтеллекта, такими как искусственные нейросети и нечеткая логика.Генетические алгоритмы не содержат производных от целевой функцииДля преодоления последнего недостатка возможно использование метода«инцеста», сохраняющим аналогии с генетикой [79], при использованиикоторого, вероятность мутации потомка тем выше, чем ближе между собой егородители.

Использование этой модификации классического генетическогоалгоритма предотвращает остановку на локальном экстремуме, что особенноважно при многокритериальной оптимизации для сохранения разнообразия47решений. Для решения задачи невысокой эффективности на заключительныхфазах поиска возможно использование неоднородной мутации, определенной З.Михалевичем [80]. В этом методе диапазон изменения мутируемого генауменьшается с каждым поколением. Таким образом, на первоначальных шагахалгоритмавосновномпреобладаюткрупномасштабныеизменения,обеспечивающие широкую область поиска, а на заключительном этапепроисходит уточнение решения за счет уменьшения масштаба мутаций [81].Таким образом, использование генетических алгоритмов для решениязадачипоискакомбинациймероприятийпоуправлениюпожарнойбезопасностью на нефтегазовых объектах, существенно сократит количестворассматриваемых вариантов по сравнению с перебором всех вариантов.Длярешенияэтойзадачииспользоваласьклассическаямодельгенетических алгоритмов, предложенная в 1975 г.

Джоном Холландом (JohnHolland) в Мичиганском университете [49], с дальнейшей её модификацией дляповышения эффективности решения требуемой задачи.Схема алгоритма Холланда (рисунок 2.4):1. Сгенерировать исходную популяцию, состоящую из особей.2. Оценить приспособленность хромосом в популяции на основе целевойфункции.3. Выполнить операцию селекции.4. Применить генетические операторы (мутация, скрещивание).5. Сформировать новую популяцию.6.

Если критерий остановки алгоритма не достигнут, перейти к шагу 2, иначезавершить работу.48НачалоГенерация начальнойкомбинации хромосомОцениваниеприспособленностихромосом в популяциинетСелекция хромосомУсловиевыполнено?даПрименение генетическихоператоров (мутация,скрещивание)ВыборнаилучшейхромосомыФормирование новойпопуляцииКонец– Алгоритм ХолландаЦелевая функцияОднимизобязательныхкритериевиспользованиягенетическихалгоритмов является целевая функция, которая отвечает за количественноепредставление эффективности найденных решений.Для учета и анализа большинства мероприятий, хранящихся в базе данных,необходимо проводить комплексную оценку пожарных рисков при анализекаждого мероприятия, за исключением некоторых случаев, связанных,например, с временем пребывания людей в зданиях, когда значенияиндивидуального риска изменяются лишь за счет умножения на вероятностьпребывания там людей.

В таких случаях комплексный расчет рисков нетребуется, и такие исключения должны быть учтены в модели отдельно.С другой стороны, выбор, какое из значений пожарных рисков необходимоуменьшить,долженвыбратьспециалист,занимающийсяпожарной безопасности рассматриваемого объекта.обеспечением49Таким образом, следующие виды риска, могут выступать в виде целевыхфункций:– индивидуальный пожарный риск на территории объекта;– социальный пожарный риск в селитебной зоне вблизи объекта;– индивидуальный пожарный риск в селитебной зоне вблизи объекта;– потенциальный пожарный риск на территории объекта и в селитебной зоневблизи объекта.Так как первостепенной задачей при оптимизации пожарных рисков нанефтегазовых объектах является безопасность людей, рассматривать толькопотенциальный риск на территории объекта, а также за его пределом нецелесообразно, так как он уже входит в значения других рисков. Поэтому,необходимо рассматривать следующие виды рисков:– индивидуальный пожарный риск на территории объекта;– социальный пожарный риск в селитебной зоне вблизи объекта;– индивидуальный пожарный риск в селитебной зоне вблизи объекта.Так как все значения рисков являются важными с точки зрениябезопасности персонала объекта и людей, проживающих вблизи, целевойфункцией может являться любой из этих рисков, поэтому необходимопредоставить пользователю выбор рисков (целевой функции), которыми онможет управлять.

Поэтому список выбора целевой функции можно представитьследующим образом:1. Уменьшение индивидуального пожарного риска на определенном объектес пребыванием людей на территории рассматриваемого объекта.2. Уменьшение индивидуального пожарного риска конкретного работника натерритории рассматриваемого объекта.3. Уменьшение общей суммы индивидуальных пожарных рисков натерритории рассматриваемого объекта.504. Уменьшение общей суммы индивидуальных пожарных рисков наопределенном объекте с пребыванием людей на территории рассматриваемогообъекта.5. Уменьшение социального пожарного риска в селитебной зоне вблизиобъекта.6.

Уменьшение индивидуального пожарного риска в селитебной зоне вблизиобъекта.В ситуациях, когда необходимо найти такое решение, которое способноснизить расчетные значения пожарных рисков на территории объекта возможнонесколько вариантов целевой функции:1. Суммы всех значений пожарных рисков на территории нефтегазовогообъекта: = ∑ ,(2.1)=1где Riskn итоговые значения пожарных рисков на территории нефтегазовогообъекта и близлежащей селитебной зоны, N – количество рассматриваемыхзначений пожарных рисков.Эта функция не учитывает равномерное снижение значение пожарныхрисков, что является большим недостатком.

При использовании это функциивозможен выбор варианта, когда некоторые значения пожарных рисков натерритории неприемлемы, но общая сумма рисков очень низкая относительнодругих вариантов.Минимальнаясуммаравномерносниженныхитоговыхзначенийпожарных рисков:∑=2 |(1 − 1 ) − ( − )|{ ∑ +}, = = 1, −1=1(2.2)51где Riskin – начальные значения пожарных рисков на территории нефтегазовогообъекта и близлежащей селитебной зоны, Riskjn – итоговые значения пожарныхрисков на территории нефтегазового объекта и близлежащей селитебной зоныпри применении мероприятий по их снижению, N – количество пожарных рисковна объекте, n – рассматриваемый пожарный риск, M – количестворассматриваемых мероприятий по снижению значений пожарных рисков, k рассматриваемое мероприятие по снижению значений пожарного риска.Данная формула отражает сумму векторов суммы итоговых значенийрисков и среднего отклонения значений рисков между собой.

Таким образом,оптимальным будет считаться мероприятие, при котором значения рисков натерритории снижается наиболее равномерно и при этом сумма рисков являетсяминимальной.Для выбора оптимального варианта выбора мероприятий по снижениюзначений пожарных рисков объекта нефтепереработки, рассмотрен массивмероприятий и итоговых значений пожарных рисков, составленных случайнымобразом в диапазоне от 0.01 до 0.99, при их применении. На рисунке 2.5представлена диаграмма с распределением решений по снижению пожарныхрисков на территории нефтегазовых объектах по их эффективности.10,9Сумма рисков0,80,70,60,50,40,3Оптимальный вариант попервой формуле (Мероприятие66)0,20,1Оптимальный вариант по второйформуле (Мероприятие 99)00,0000,0200,0400,0600,0800,1000,1200,1400,1600,1800,200Среднее отклонение– Распределение решений по снижению пожарных рисков на территории нефтегазовых объектах по их эффективности.52Исходя из диаграммы можно сделать вывод, что мероприятие, найденноепо формуле (2.2), учитывающее равномерность распределения итоговыхзначенийпожарныхрисков является предпочтительней, так какприиспользовании формулы 2.1 возможен выбор мероприятия, при которомпожарные риски будут уменьшаться не на всей территории объекта, а влокальных зонах.

Это формула не учитывает разные типы пожарных рисков,которые имеют свои допустимые значения. Поэтому, разработана целеваяфункция, состоящая из суммы 3-х параметров:1. количество значений расчетных величин пожарных рисков на территориинефтегазового объекта, которые не превышают приемлемые значения;2. приведенные затраты для осуществления мероприятий;3. параметр среднего отклонения недопустимых расчетных величинпожарных рисков на территории нефтегазового объекта и прилегающей к немуселитебной зоне от приемлемых значений.Согласно ст. 93 Федерального закона [6] установлены следующиенормативные значения пожарных рисков для производственных объектов:1. Индивидуальный пожарный риск в здании производственного объекта недолжен превышать одну миллионную в год (т.е.