CC BY
37
ВЕСТНИК ПНИПУ
2017 Химическая технология и биотехнология № 1
Б01: 10.15593/2224-9400/2017.1.02 УДК 66.012-52
С.Н. Кондрашов, Д.С. Соромотин
Пермский национальный исследовательский политехнический университет, Пермь, Россия
УПРАВЛЕНИЕ ПРОЦЕССОМ ЭКСТРАКТИВНОЙ ДИСТИЛЛЯЦИИ АРОМАТИЧЕСКИХ УГЛЕВОДОРОДОВ НА ОСНОВЕ НЕЧЕТКОЙ ПРОЦЕДУРНОЙ МОДЕЛИ
Рассмотрен процесс создания АСУ технологическим процессом экстрактивной дистилляции ароматических углеводородов на основе нечеткой процедурной модели. Проведенный с целью формализации экспертных знаний опрос технологического персонала блока экстрактивной дистилляции установки каталитического риформинга типа Л35-8/300Б, а также аналитический обзор источников позволили выявить основные параметры, по которым можно оценивать ход технологического процесса, и параметры, целенаправленно изменяя которые можно управлять процессом. Полученные экспертные оценки использованы для выделения нечетких множеств - лингвистических термов, выбора соответствующих им функций принадлежности и формулирования правил логического вывода нечеткой продукционной модели.
Для формирования функций принадлежности применен подход, основанный на использовании трендов контролируемых технологических параметров в различных режимах работы установки, которые в совокупности создают объективный образ этих режимов, учитывающий, вероятно, даже и особенности ведения технологического процесса разными операторами-технологами. Подход основан на автоматической классификации отдельных переменных во всем спектре их фактических значений методом динамических сгущений с алгоритмом нечеткой классификации при априори заданном числе классов, с выделением координат центров классов и автоматическим построением функций принадлежности четких значений этих переменных к соответствующим классам. Выбор числа классов по каждой переменной определяется количеством лингвистических термов, предполагаемых для использования в нечеткой продукционной модели. Для каждой переменной было взято три терма, что позволяет контролировать значительные отклонения от нормального режима функционирования и формировать пропорциональное управление. При увеличении количества термов растет число логических правил, что увеличивает вероятность ошибки принятия решения по управлению процес-
сом при составлении правил. Это может привести к снижению качества управления по алгоритму, использующему результаты идентификации объекта рассматриваемым методом.
С использованием указанного подхода сформированы и отлажены нечеткие правила логического вывода, которые проверены на модели управления колонной экстрактивной дистилляции на основе архивных данных о процессе в пакете MATLAB. Пакет MATLAB поддерживает передачу данных по каналу OPC DA, что позволяет связать систему нечеткого регулирования с распределенной системой управления, используемой на установке, и получать данные о ходе технологического процесса в режиме реального времени, что позволяет формировать функции управления и, например, выдавать на мнемосхему значения параметров по корректировке режима функционирования колонны экстрактивной дистилляции в виде рекомендаций для оператора.
Ключевые слова: экстрактивная дистилляция, ароматические углеводороды, технологический процесс, система управления, алгоритм нечеткого управления, экспертные оценки, процедурная модель, лингвистические термы, нечеткие правила, логический вывод,
S.N. Kondrashov, D.S. Soromotin
Perm National Research Polytechnic University, Perm, Russian Federation
MANAGEMENT EXTRACTIVE DISTILLATION OF AROMATIC PROCESS HYDROCARBON-BASED FUZZY PROCEDURAL MODEL
The paper considers the process of creating automation process extractors-tive distillation of aromatic hydrocarbons based on fuzzy procedural model. Conducted with the aim of formalizing technological expertise poll personnel extractive distillation unit catalytic reforming type L35-8 / 300B, as well as an analytical review of the sources allowed to identify the main settings, in koto-eye can assess the progress of the process and the parameters that are purposefully changing, you can manage the process. These expert opinions used to you-division of fuzzy sets - linguistic terms, select the corresponding function-tions facilities and formulation of rules of inference offuzzy production model.
To generate membership functions used an approach based on the use-tion trends controlled technological parameters in different modes of installation works, which combine to create an objective image of these modes is taken into account-conductive, probably even features of the technological process different operator-E technologies. The approach is based on the automatic classification of certain variables in the entire spectrum of their actual values by the dynamic algorithm con-
densations with non-clear-cut classification with a priori given number of classes, with the release coordinate classes centers and automatic construction of membership functions precise values of these pe-belt to the appropriate classes. Select the number of classes for each variable is defined etsya number of linguistic terms, intended for use in the fuzzy production model. For each variable were taken three terms, which allows con was monitored significant deviations from normal operation mode and forms-ment proportional control. When the number of terms, the number of log-cal rules, which increases the probability of error decision on Colon-term management in the preparation of melted. This can lead to reduction in the quality of governance by algo-rhythm, uses the results of the identification of the object by this method.
Using this approach, shaped and tweaked fuzzy inference rules that are tested on the model of governance of the extractive column di stillyatsii on the basis of historical data about the process in Matlab package. Package Matlab keeping-transmits data over OPC DA, which allows you to associate a system of fuzzy regulation-tion with a distributed control system used to set up and receive data on the progress of the process in real time, which allows you to create control and, for example, to issue to mimic the settings for the correct operation of the column-focusing-mode extractive distillation in the form of recommendations to the operator.
Keywords: extractive distillation, aromatic hydrocarbons, tech-nolo-cal process control system of fuzzy control algorithm, expert assessments, procedural model, linguistic terms, fuzzy rules, inference,
Одним из основных способов получения бензола и его гомологов является экстракция ароматических углеводородов из стабильного ка-тализата процесса каталитического риформинга селективным растворителем. На рис. 1 представлена технологическая схема типовой установки каталитического риформинга Л35-8/300Б с блоком экстрактивной дистилляции.
Технологическая схема процесса экстрактивной дистилляции включает в себя две колонны: колонну экстрактивной дистилляции К-201 и колонну регенерации растворителя К-202. Углеводородное сырье предварительно нагревается горячим циркулирующим растворителем и поступает в середину колонны К-201. В верхнюю часть колонны поступает обедненный растворитель и селективно экстрагирует ароматические углеводороды в кубовый остаток. Неароматические углеводороды (рафинат) выходят через верхнюю часть колонны и проходят через конденсатор, часть шлемового продукта возвращается в колонну в виде флегмы, при этом улавливается унесенный растворитель. Насыщенный растворитель из нижней части колонны К-201 направля-
ется в колонну регенерации растворителя К-202, где ароматические углеводороды десорбируются и переходят в верхнюю часть колонны. Ароматический головной продукт из колонны К-202 конденсируется и направляется в качестве экстракта на блок вторичной ректификации для разделения на бензол, толуол и ксилолы (сольвент).
Рис. 1. Технологическая схема установки каталитического риформинга 35-8/300Б
Проведенный с целью формализации экспертных знаний опрос технологического персонала, а также аналитический обзор источников [1-7] позволили выявить основные параметры, по которым можно оценивать ход технологического процесса, и параметры, целенаправленно изменяя которые можно управлять процессом. Полученные экспертные оценки можно использовать для выделения нечетких множеств - лингвистических термов, выбора вида соответствующих им функций принадлежности и формулирования правил логического вывода нечеткой продукционной модели. Однако построенная на основании экспертных оценок модель в значительной степени носит отпечаток субъективности, так как в противоречивых «высказываниях» операторов-экспертов отражаются их личностные характеристики (опыт работы, предпочтения и др.).
Чтобы учесть влияние переменных процесса друг на друга и на результативные показатели процесса, предложено использовать в алгоритме управления формализованный опыт оперативного персонала, сформировав для этого базу знаний или базу прецедентов поведения оператора в той или иной технологической ситуации. Методы теории нечеткой логики и нечетких множеств позволяют учесть вклад нескольких переменных процесса на результирующие показатели и оказывать соответствующее управляющее воздействие.
Для создания нечеткого алгоритма управления необходимо сформировать функции принадлежности значениям измеряемых входных и выходных параметров к лингвистическим термам и правила логического вывода вида «если..., то...» [8, 9]. Для формирования функций принадлежности применен подход, основанный на использовании трендов контролируемых технологических параметров в различных режимах работы установки, которые в совокупности создают объективный образ этих режимов, учитывающий, вероятно, даже и особенности ведения технологического процесса разными операторами-технологами. Подход основан на автоматической классификации отдельных переменных во всем спектре их фактических значений методом динамических сгущений с алгоритмом нечеткой классификации при априори заданном числе классов, с выделением координат центров классов и автоматическим построением функций принадлежности четких значений этих переменных к соответствующим классам. Выбор числа классов по каждой переменной определяется количеством лингвистических термов, предполагаемых для использования в нечеткой продукционной модели.
Последовательность отнесения /-го наблюдения ( Ху каждого у-го) технологического параметра к /-му классу и определения координат
классов (1 = 1, п; I = 1, к, где п - число наблюдений, к - число классов) состоит в следующем. Для нечеткой классификации технологических
параметров х е X установки каталитического крекинга используется алгоритм, приведенный в [9]. В начале обучения алгоритма в пространстве технологических параметров априори задаются координаты
центров классов V" (( = 1, т; I = 1, к). По значениям параметров
Ху е х( = 1,п; " = 1,т), ранжированных по возрастанию значений, рассчитываются значения их мер принадлежности ц" (х), (х = Ху е X; 1 = 1, п; " = 1, т; I = 1, к) к каждому из к классов:
/II ' I2
<-(х)= к Vх"- 1 ,,, при х,# V"; (1)
2 (V х„ - V" I = 1, к; 1 = 1, п;" = 1, т,
где V" = {" ,..., V"} - вектор координат центров классов "-го технологического параметра. При этом:
если I = 1И Х" < V"', то ц" (х) = 1; (2)
если IФ1И ху < V"', то ц" (х) = 0; (3)
если 1 < I < к И V"-1 < X" < V"+1, то ц" (х) = к Ух " . ; (4)
И^/Иху -"Г)
если 1 < I < к И X" < V/-1 ИЛИ V"+1 < хг], то ц" (х) = 0 ; (5)
если I = к И V/ < х", то ц" (х) = 1; (6)
если IФ к И V/ < X", то ц" (х) = 0. (7)
По полученным значениям функций принадлежности уточняются значения координат центров классов:
х„
I (((х)) _ _
V] = -, I = 1, к;" = 1, т (8)
I((х))2
1=1
и с найденными значениями V/ рассчитываются вновь значения функций принадлежности ц/, (/ = 1, п; у = 1, т; / = 1, к).
Процедура расчета ц У (х) продолжается до выполнения условия
5 = тах / V
{ цу (х) - цу(-1) (х)} < 8, V/ = 1,п; У/ = 1, т; V/ = 1, к, (9)
где 5 и 8 - текущая и заданная погрешности, соответственно.
На рис. 2 приведены «исторические» данные об изменении значений технологических параметров, используемых при управлении процессом экстрактивной дистилляции.
Рис. 2. Изменение параметров колонны К-201 во времени: А - изменение давления; б - изменение температуры 17-й тарелки; В - изменение расхода на орошение; г - изменение мощности
конденсаторов
По этим данным были получены функции принадлежности к лингвистическим термам каждой выходной переменной координаты технологического процесса (рис. 3-6), где НН - ниже нормы; Н -норма; ВН - выше нормы.
Давление, кг/см2 Рис. 3. Функции принадлежности для изменения давления
Температура, °С Рис. 4. Функции принадлежности изменения температуры
Мощность, %
Рис. 5. Функции принадлежности изменения мощности конденсаторов
^Н Н ВН
3,5 4 4,5 5 5,5 6 6,5
Расход, м3/ч
Рис. 6. Функции принадлежности изменения расхода на орошение
Для каждой переменной было взято три терма, что позволяет контролировать значительные отклонения от нормального режима функционирования и формировать пропорциональное управление. При увеличении количества термов, растет число логических правил, что увеличивает вероятность ошибки принятия решения по управлению колонной при составлении правил. Это может привести к снижению качества управления по алгоритму, использующему результаты идентификации объекта рассматриваемым методом.
Сформирована база правил действий оператора, ведущего управление технологическим процессом, в различных ситуациях, состоящая из логических выводов. Правила для управления колонной К-201 представлены ниже:
если Р = ВН И Т = ВН, то О = ВН и Б: = ВН,
если Р = Н И Т = ВН, то О = Н и Б = ВН,
если Р = НН И Т = ВН, то О = НН и Б = НН,
если Р = ВН И Т = Н, то О = ВН и Б: = Н,
если Р = Н И Т = Н, то О = Н и Б = Н,
если Р = НН И Т = Н, то О = НН и Б = Н,
если Р = ВН И Т = НН, то О = ВН и Б: = Н,
если Р = Н И Т = НН, то О = Н и Б = НН,
если Р = НН И Т = НН, то О = НН и Б = НН,
где предпосылки: Р - давление верха колонны, Т - температура 17-й тарелки, О - логическое заключение о значении мощности блока конденсаторов колонны, Б - логическое заключение о значении расхода, найденные по алгоритму; ВН, Н, НН - лингвистические термы.
В систему нечеткого регулирования поступает текущая информация от датчиков, расположенных на технологических потоках и колонне экстрактивной дистилляции К-201, и выдается управляющее воздействие или рекомендация о величине воздействия на исполнительный механизм системы управления технологическим процессом (рис. 7).
Рис. 7. Структурная схема управления колонной
Реализация системы нечеткого регулирования основывается на регуляторе типа Мамдани с двумя входными переменными и двумя выходами (рис. 8). В левой части располагаются входные переменные (давление и температура), в правой - выходные (мощность блока конденсаторов и расход на орошение).
т Б
Рис. 8. Структура системы нечеткого управления колонной
Проверка работоспособности алгоритма управления осуществляется в 6 этапов:
1. Построение модели в пакете ЫЛТЬЛБ [10, 11] (рис. 9).
2. Экспериментальные данные о ходе процесса подаются на вход алгоритма управления.
3. Выявляются несоответствия управляющих воздействий технологической ситуации.
4. Некорректные логические заключения исправляются.
5. Экспериментальные данные о ходе процесса переменные снова подаются на вход модели.
6. Пункты 2-5 повторяются, пока режим колонны К-201 не стабилизируется.
Рис. 9. Схема проверки и отладки алгоритма управления
По результатам проверки проведена корректировка базы правил системы нечеткого регулирования.
Результаты работы алгоритма управления колонной представлены на рис. 10.
На рис. 11, 12 видно, что управляющие воздействия в виде расхода на орошение и мощности конденсаторов, полученные при использовании алгоритма управления и базы правил системы нечеткого регулирования в модели ЫЛТЬЛБ, практически совпадают с решениями, принятыми управляющим персоналом. Также видно, что при резких скачках температуры, система нечеткого регулирования оперативно реагирует на возмущения, позволяя поддерживать режим работы колонны экстрактивной дистилляции на оптимальном уровне.
Рис. 10. Управляющие воздействия, полученные в модели МЛТЬЛВ: а - изменение расхода на орошение; б - изменение мощности
конденсаторов
Рис. 11. Сравнение расхода на орошение эксперимента с моделью
Рис. 12. Сравнение мощности конденсаторов эксперимента с моделью
Для каждой переменной было взято три терма, что позволяет контролировать только значительные отклонения от нормального режима работы установки, но для того чтобы можно было контролировать незначительные колебания, можно добавить дополнительные термы (например, существенно ниже нормы, ниже нормы, норма, выше нормы, существенно выше нормы). Но при увеличении количества термов растет количество логических правил, что увеличивает вероятность ошибки принятия решения по управлению, а следовательно, может привести, наоборот, к снижению качества управления.
Пакет ЫЛТЬЛБ поддерживает передачу данных по каналу ОРС БЛ, что позволяет связать систему нечеткого регулирования с распределенной системой управления, используемой на установке, и получать данные о ходе технологического процесса в режиме реального времени, что позволяет формировать функции управления и, например, выдавать на мнемосхему значения параметров по корректировке режима функционирования колонны экстрактивной дистилляции К-201 в виде рекомендаций для оператора.
Список литературы
1. Плехов В.Г., Шумихин А.Г., Кондрашов С.Н. Разработка и исследование алгоритмов системы управления процессом каталитического риформинга бензиновых фракций // Автоматизация и современные технологии. - 2008. - № 11. - С. 14-21.
2. Плехов В.Г., Кондрашов С.Н., Шумихин А.Г. Применение многоуровневой математической модели каталитического риформинга бензиновых фракций в системе управления промышленными установками // Автоматизация в промышленности. - 2009. - № 7. - С. 37-42.
3. Управление распределением сырья между параллельно работающими установками каталитического риформинга бензинов / С.Н. Кондрашов, А.Е. Пигасов, Н.И. Берсенёва, А.В. Попова // Вестник Пермского национального исследовательского политехнического университета. Химическая технология и биотехнология. - 2016. - № 2. -С. 17-29.
4. Мониторинг установки каталитического риформинга бензинов Ачинского НПЗ с использованием компьютерной моделирующей системы / А.Г. Каракулов, Е.С. Шарова, Э.Д. Иванчина, А.Я. Сваров-ский, Д. А. Кульбов // Известия Томского политехнического университета. - 2013. - Т. 322, № 3. - С. 32-34.
5. Вялых И.А., Кондрашов С.Н., Шумихин А.Г. Математическое моделирование реакторного блока установки каталитического крекинга нефтяного сырья в среде MATLAB // Вестник Пермского государственного университета. Химическая технология и биотехнология. -2009. - № 10. - С. 98-108.
6. Кравцов А.В., Иванчина Э.Д. Интеллектуальные системы в химической технологии и инженерном образовании: Нефтехимические процессы на Pt-катализаторах. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. - 200 с.
7. Кравцов А.В., Иванчина Э.Д. Технологические компьютерные системы - новый этап в развитии методов управления процессами переработки углеводородного сырья // Нефтепереработка и нефтехимия. -2005. - № 9. - С. 41-44.
8. Шумихин А.Г., Вялых И.А. Формирование функций принадлежности для алгоритма нечеткого управления технологическим процессом каталитического крекинга // Известия Томского политехнического университета. - 2010. - Т. 316, № 5. - С. 132-136.
9. Вялых И.А. Управление реакторным блоком технологической установки каталитического крекинга на основе нечетких продукционных моделей: дис. ... канд. техн. наук. - Пермь, 2011. - 137 с.
10. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. - M.: Горячая линия - Телеком, 2007. - 288 с.
11. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. - СПб.: БХВ-Петербург, 2005. - 736 с.
References
1. Plekhov V.G., Shumikhin A.G., Kondrashov S.N. Razrabotka i issledovanie algoritmov sistemy upravleniia protsessom kataliticheskogo ri-forminga benzinovykh fraktsii [Development and research of algorithms of process control system for catalytic reforming of gasoline fractions]. Automation and modern technology, 2008, no. 11, pp. 14-21.
2. Plekhov V.G., Kondrashov S.N., Shumikhin A.G. Primenenie mnogourovnevoi matematicheskoi modeli kataliticheskogo riforminga benzi-novykh fraktsii v sisteme upravleniia promyshlennymi ustanovkami [The use of multi-level mathematical model of catalytic reforming of gasoline fractions in the control system of industrial unit]. Automation in industry, 2009, no. 7, pp. 37-42.
3. Kondrashov S.N., Pigasov A.E., Berse^va N.I., Popov A.V. Uprav-lenie raspredeleniem syr'ia mezhdu parallel'no rabotaiushchimi ustanovkami
kataliticheskogo riforminga benzinov [Distribution-leniem raw material management between the parallel operating catalytic reforming gasoline]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo univer-siteta. Khimicheskaia tekhnologiia i biotekhnologiia, 2016, no. 2, pp. 17-29.
4. Karakulov A.G., Sharova E.S., Ivanchina E.D., Svarovskii A.Ia., Kul'bov D.A. Monitoring ustanovki kataliticheskogo riforminga benzinov Achinskogo NPZ s ispol'zovaniem komp'iuternoi modeliruiushchei sistemy [The monitoring of catalytic reforming unit of gasoline Achinsk OPP with the use of computer modeling system]. Bulletin of the Tomsk Polytechnic University, 2013, vol. 322, no. 3, pp. 32-34.
5. Vialykh I.A., Kondrashov S.N., Shumikhin A.G. Matematicheskoe modelirovanie reak-tornogo bloka ustanovki kataliticheskogo krekinga neftianogo syr'ia v srede MATLAB [The mathematical-mechanical modeling of the reactor block of the catalytic credit-King petroleum feedstock in the environment MATLAB]. Vestnik Permskogo natsional'nogo issledovatel'skogo politekhnicheskogo universiteta. Khimicheskaia tekhnologiia i biotekhnologiia, 2009, no. 10, pp. 98-108.
6. Kravtsov A.V., Ivanchina E.D. Intellektual'nye sistemy v khimiches-koi tekhnologii i inzhenernom obrazovanii: Neftekhimicheskie protsessy na Pt-katalizatorakh [Intelligent systems in chemical engineering and in-zhenernom Education: Petrochemical processes on Pt-catalysts]. Novosibirsk, Nauka. Sibirskaia izdatel'skaia firma RAN, 1996, 200 p.
7. Kravtsov A.V., Ivanchina E.D. Tekhnologicheskie komp'iuternye sistemy - novyi etap v razvitii metodov upravleniia protsessami pererabotki uglevodorodnogo syr'ia [Process computer systems - a new stage in the development of process control methods hydrocarbon processing]. Nefteper-erabotka i neftekhimiia, 2005, no. 9, pp. 41-44.
8. Shumikhin A.G., Vialykh I.A. Formirovanie funktsii prinadlezh-nosti dlia algoritma nechetkogo upravleniia tekhnologicheskim protsessom kataliticheskogo krekinga [Formation of features at-sory algorithm for fuzzy control process for catalytic cracking]. Bulletin of the Tomsk Polytechnic University, 2010, vol. 316, no. 5, pp. 132-136.
9. Vialykh I.A. Upravlenie reaktornym blokom tekhnologicheskoi ustanovki katalitiche-skogo krekinga na osnove nechetkikh produktsionnykh modelei [Manage reactor block technological XYZ catalytic cracking unit on the basis of fuzzy production-tional models]. Ph. D. thesis. Perm, 2011, 137 p.
10. Shtovba S.D. Proektirovanie nechetkikh sistem sredstvami MATLAB [Design of fuzzy systems means MATLAB]. Moscow, Goria-chaia liniia - Telekom, 2007, 288 p.
11. Leonenkov A.V. Nechetkoe modelirovanie v srede MATLAB i fuzzyTECH [Fuzzy modeling in MATLAB environment and fuzzyTECH]. Saint Petersburg, BKhV-Peterburg, 2005, 736 р.
Получено 03.02.2017
Об авторах
Кондрашов Сергей Николаевич (Пермь, Россия) - кандидат технических наук, доцент кафедры автоматизации технологических процессов Пермского национального исследовательского политехнического университета (614013, г. Пермь, ул. Профессора Поздеева, 9, корпус Б; e-mail: Sergej.Kondrashov @pnos.lukoil.com).
Соромотин Дмитрий Сергеевич (Пермь, Россия) - магистрант кафедры автоматизации технологических процессов Пермского национального исследовательского политехнического университета (614013, г. Пермь, ул. Профессора Поздеева, 9, корпус Б; e-mail: dso-romotin@nafta-e.com).
About the authors
Sergei N. Kondrashov (Perm, Russian Federation) - Ph.D. of technical sciences, associate professor, Department of automation of technological processes, Perm National Research Polytechnic University (9, Building B, Pozdeyeva Pozdeev str., Perm, 614013, Russian Federation; e-mail: Ser-gej.Kondrashov@pnos.lukoil. com).
Dmitriy S. Soromotin (Perm, Russian Federation) - Undergraduate Student, Department of Automation of Technological Processes, Perm National Research Polytechnic University (9, Building B, Professor Pozdeev str., Perm, 614013, Russian Federation, e-mail: dsoromotin@nafta-e.com).
