Практика использования нелинейного управления и оптимизации на современных НПЗ

Классификация внедряемых технологий:

1. RTO (real time optimization), основана на нелинейной стационарной модели, которая отправляет целевые уставки в линейные MPC контроллеры.

2. Нелинейная стационарная модель отправляет целевые уставки адаптивным MPC.

3. Нелинейная эмпирическая динамическая модель – нейронные сети.

Линейные и адаптивные MPC оба пользуются нелинейными стационарными моделями. Разница между 1 и 2 технологиями в том, что адаптивные MPC пользуются постоянно обновляющимися моделями. Адаптивные MPC относительно новые технологии и пока сложно судить об их преимуществах по сравнению с линейными MPC.

Нелинейные эмпирические модели (такие как нейронные сети), построенные по принципу «черного ящика» не обладают прогнозирующей способностью, их нельзя экстраполировать. В них нет параметров, имеющих физический смысл, как, например конструктивные параметры оборудования или константы скоростей процессов. Плоха и точность и понятность таких моделей, поэтому их редко применяют для масштабных задач и редко внедряют в оптимизаторы в масштабах НПЗ.

RTO (real time optimization)

Формулировка задачи

Дано: фиксированная структура технологической схемы, тип и размеры оборудования, качество и количество сырьевых потоков и стоимость утилизации отходов, показатели продуктов и спрос рынка.

Найти: оптимальные условия функционирования производства, чтобы получить максимально ценную продукции при минимальных эксплуатационных расходах.

RTO обычно содержит 5 основных шагов:

o Определение стационарного состояния – удостовериться что СС,

o Сбор данных

o Построение модели

o Оценка параметров

o Оптимизация

o Отправка оптимальных уставок на МРС контроллер

Одна из основных проблем - построение модели.

Многие авторы отмечают, что построение модели, пригодной для оптимизации в реальном времени, с помощью коммерческого симулятора – настоящий вызов. Основные трудности, которые встречаются:

o Ограничения для кинетических моделей – надежная кинетическая модель требует полных и точных данных по составу и свойствам сырья и продуктов, по выходам, по дезактивации катализатора

o Ограничения по моделированию колонн –точный профиль давления, данные по захлебыванию колонны, характеристики вентилей – все это сложно моделировать с использованием коммерческих симуляторов. Неидеальное поведение процесса, например проскок пара, также трудно учесть в параметрах модели. Кроме того, выбор количества псевдокомпонентов, корректное объединение компонентов в группы и выбор термодинамического метода пока остаются искусством.

o Ограниченность данных для «подстройки» модели – для этого нужны специальные заводские тесты и лабораторные анализы. Обычно, имеющиеся данные охватывают далеко не всю область возможных изменений параметров.

o Ограниченность измерений состава и свойств потоков в реальном времени – потоковые анализаторы недешевы и сложны в обслуживании.

o Ограничения в количестве компетентного и подготовленного персонала для внедрения и эксплуатации RTO.

Стоимость и риски RTO

RTO проекты для большинства НПЗ с трудом укладываются в несколько миллионов долларов. Лицензионные выплаты за ПО, работы по внедрению и сама эксплуатация – дороги. Типовой проект по разработке и внедрению RTO занимает 1-2 года без отдачи от инвестиций, пока система не начнет работать в реальном времени и в замкнутом контуре.

Успех RTO зависит от нескольких факторов:

· точность параметров модели -0,8

· точность ограничений по каждому процессу -0,9

· точность моделей отдельных процессов – (0,95)⁷=0,7

· точность в определении стоимости – 0,95

· точность МРС – 0,95

· возможности обслуживающего персонала – 0,85

вероятность успеха=0,8*0,9*0,7*0,95*0,95*0,85=0,39

Мы к этому готовы?:(