Адаптация моделей для оперативного управления технологическими процессами по технико-экономическим показателям Текст научной статьи по специальности «Химические технологии»

АВТОМАТИЗАЦИЯ

УДК 004.023

А.П. Веревкин1, e-mail: apverevkin@mail.ru; Т.М. Муртазин1

1 Уфимский государственный нефтяной технический университет (Уфа, Республика Башкортостан, Россия).

Адаптация моделей для оперативного управления технологическими процессами по технико-экономическим показателям

Рассматриваются вопросы применения ситуационных моделей для расчета технико-экономических показателей в задачах оперативного управления технологическими процессами нефтепереработки и нефтехимии. Проводится анализ влияния на параметры модели измеряемых (параметры режима) и неизмеряемых признаковых переменных, таких как активность катализатора, характеристики сырья и т. п. Показано, что для процессов нефтепереработки и нефтехимии корректировка ситуационных моделей с линейной структурой при изменении неизмеряемой признаковой переменной может проводиться изменением свободного члена моделей в виде полинома. Предложен алгоритм коррекции параметров линейных ситуационных моделей расчета технико-экономических показателей в режиме нормальной эксплуатации объекта.

Ключевые слова: ситуационное моделирование, показатели качества, настройка модели, оперативное управление.

A.P. Verevkin1, e-mail: apverevkin@mail.ru; T.M. Murtazin1

1 Ufa State Petroleum Technical University (Ufa, Republic of Bashkortostan, Russia).

Models Customizing For Real-Time Process Control By Technical-Economic Values

The paper discusses the issues of situation models applying for technical-economic values calculation for the purpose of real-time control of oil refining and petrochemistry processes. The analysis conducted is that of influence of unmeasured and measured (process mode parameters) feature variables, such as catalyst activity, feed data on the model parameters. It is shown that at a change of the unmeasured feature variable the situation models with linear structure can be adjusted by means of an absolute polynomial term change for oil refining and petrochemistry processes. The algorithm of adjustment of linear situation calculation models of technical-economic values during normal facility operation is suggested.

Keywords: situation modeling, quality indicators, model customizing, real-time control.

Технологии управления и оптимизации режимов переработки нефтяного и нефтехимического сырья по показателям качества (ПК) продуктов и показателям технико-экономической эффективности (ПТЭЭ) предусматривают применение так называемых систем усовершенствованного управления (Advanced Process Control - APC). Особенностью APC-си-стем является использование математических моделей технологического объекта управления для расчета ПК и ПТЭЭ (далее - показатели) в реальном времени. Большинство прикладных APC-пакетов зарубежного производства

позиционируются как универсальные, т. е. программные продукты потенциально могут использоваться для большинства технологических установок. Это обусловливает на этапе внедрения этих продуктов проведение трудоемких инжиниринговых работ, адаптацию и настройку параметров модели под характеристики и задачи конкретного производства, что отражается на стоимости и времени внедрения АРС-систе-мы. Обычно при реализации проектов внедрения АРС-систем 25-50 % времени уходит на тестирование процессов и идентификацию моделей.

Для технологических процессов, описываемых нелинейными моделями, предлагается методология ситуационного моделирования, когда сложная нелинейная модель заменяется семейством линейных моделей с простой структурой [1]. Для целей оперативной оптимизации по показателям в качестве таких моделей используются классы формальных и эвристических моделей, в которые входят регрессионные, нейросетевые, феноменологические модели, модели в терминах нечетких множеств и т. п. Однако наиболее часто используемым типом моделей для по-

16

№ 11 ноябрь 2016 ТЕРРИТОРИЯ НЕФТЕГАЗ

AUTOMATION

РГ P,+ P

Рис. 1. Графическая интерпретация расчета для случая одного показателя b и одной признаковой переменной p ситуационной моделью вида (2) с заданной погрешностью езад. Fig. 1. Graphical interpretation of the calculation for a single parameter b, and one indicative variable p by the case model of the form (2) with a specified error Edes

добных задач являются регрессионные модели [1-4], структуру которых можно обосновать либо статистическими методами («черный ящик»), либо на основе знания закономерностей процесса эвристически («серый ящик»). Преимуществами применения моделей типа «серый ящик» в задачах оперативного управления по показателям являются:

• обоснованность структуры модели, что позволяет в первую очередь объяснять результаты расчетов и выводов;

• возможность параметризации моделей по данным наблюдений за процессом на основе известных методов, например метода наименьших квадратов, метода Гаусса, стохастической аппроксимации и т. п.

Традиционный подход[5-7] предполагает использование корреляционного анализа для определения структуры модели, анализа коэффициентов корреляции между независимыми входными и зависимыми выходными параметрами модели и определение параметров модели методами регрессионного анализа. При этом из-за непредставительной статистики не все взаимосвязи могут быть выявлены.

Ключевым вопросом при применении ситуационных моделей является корректировка параметров, или параметрическая идентификация моделей в случае изменяющихся характеристик процесса: параметров режима, активности катализатора, характеристик сырья и т. п. При этом задача параметрической идентификации моделей для действующих производств должна решаться в режиме нормальной эксплуатации объекта. Известные алгоритмы идентификации можно разделить на итеративные и градиентные [8]. Итеративные алгоритмы параметрической идентификации [9] основаны на обработке предварительно накопленной информации,рекуррентные алгоритмы используют для работы текущую информацию [9], содержащуюся в наблюдениях, поэтому они могут быть применены для оперативной кор-

рекции ситуационных моделей. Однако известные методы параметрической идентификации используют информацию об измеряемых параметрах процесса, что не всегда обеспечивается для технологических процессов в реальном времени. Например, степень активности катализатора, характеристики сырья, показатели технико-экономической эффективности и т. д. обычно оперативно получить не удается. В работах [10-12] для одного из процессов нефтехимического производства показано, что в широком диапазоне варьирования технологических параметров от значений базового режима, чувствительности зависимого параметра модели к изменению входных параметров модели можно принять постоянными и коррекцию модели вида

В = В0 + ДВ(ДР) + г0 (1)

при изменении неизмеряемых параметров процесса проводить изменением вектора смещения свободных членов г0. Здесь В - вектор значений показателей; В0 - вектор значений показателей для базового варианта технологической

ситуации; ДР - вектор приращения параметров технологического режима (признаковых переменных), характеризующих технологическую ситуацию, относительно базовой ситуации Р0; ДВ - приращение вектора В, обуславливаемое значениями ДР. Однако (1) справедливо для случая, когда точно определено соответствие В0 базовому режиму Р0, что для действующих производств в условиях помех также обеспечить не всегда возможно. Поэтому для более адекватного вычисления показателей следует применять модели, параметры которых определены по серии наблюдений в пределах некоторого базового режима.

В статье рассматривается метод оперативной коррекции ситуационных моделей расчета показателей технологических процессов нефтепереработки и нефтехимии в условиях изменения не измеряемых на потоке (оперативно) параметров процесса. Для большинства процессов нефтепереработки и нефтехимии структура ситуационной модели расчета показателей может быть представлена в форме линейного полинома [2]

Ссылка для цитирования (for citation):

Веревкин А.П., Муртазин Т.М. Адаптация моделей для оперативного управления технологическими процессами по технико-экономическим показателям // Территория «НЕФТЕГАЗ». 2016. № 11. С. 16-21.

Verevkin A.P., Murtazin T.M. Models Customizing For Real-Time Process Control By Technical-Economic Values (In Russ.). Territorija «NEFTEGAZ» = Oil and Gas Territory, 2016, No. 11, P. 16-21.

TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 11 november 2016

17

АВТОМАТИЗАЦИЯ

0,12

I. 1 ^ . ^ 4 МПа 7

/ / '

5 МПа

320 330 340 350 360

Температура, гр. °С Temperature, °С

Рис. 2. Влияние температуры на содержание серы при переработке прямогонного ( ) и смесевого ( )дизельного топлива

Fig. 2. Influence of temperature on the content of sulphur in the processing of straight-run ( ) and blended ( ) diesel fuel

B = a0 + a P,

(2)

где а0, а - векторы свободных и связанных коэффициентов модели, соответственно. Следует отметить, что адекватность ситуационной модели (2) в смысле заданной точности расчета показателей почти всегда может быть обеспечена диапазоном варьирования признаковых переменных Р относительно базового режима. Графическая интерпретация расчета для случая одного показателя Ь и одной признаковой переменной р ситуационной моделью вида (2) с заданной погрешностью езая' представлена на рис. 1. Признаковая переменная р, определяющая ситуационную модель М., может быть измеряемой (р1) (параметры технологического режима) и не измеряемой на потоке (р2) (например, тип сырья или степень активности катализатора). Для случая варьирования не измеряемой на потоке переменной р2 для некоторых процессов переработки нефти известные [13, 14] зависимости показателя от режимных параметров представлены на рис. 2-4.

Аппроксимируя зависимости различных показателей качества от режимных параметров процессов переработки нефти для разного типа сырья, например, ситуационными моделями вида (2), можно

Для случая одного параметра b и одной признаковой переменной p разложим (2) в ряд Тейлора с удержанием только линейных слагаемых

Ь = Ь(р0)+|^Др+|^Лрр (3)

или

(4)

где p0 - значение признаковой переменной, соответствующей базовой ситуации; ДЬ, Ap - отклонение расчетного параметра и признаковой переменной относительно базового варианта, соответственно.

Для случая pa = const, p2 = var можно составить систему уравнений

Эа1 да1

показать, что для одинаковых интервалов варьирования переменной р1 параметр а для моделей различного типа сырья (признаковая переменная р2), определяющий угол наклона прямой, принимает близкие значения. В то же время для различных интервалов варьирования переменной р1 для разного типа сырья параметры модели а, как правило, меняются.

дь =аа|Др: 2 dp2

йа1л 2

(5)

где Др* , Др2 - приращение значения признаковых переменных для типа сырья 1 и типа сырья 2 относительно некоторого базового значения р°; ДЬ1, ДЬ2 - приращение показателя при работе установки на сырье типа 1 и типа 2; а^ , а2 , а\ , а2 - значения параметров ситуационной модели для типа сырья 1

и и га

S

#

О. +J <и с

U 01

■5 £

9 о

I и

el

¡о

0,12

0,10

<й 0,08 4-»

и

О 5

м

(О 73

¥ ¡л

и

0,06 0,04 0,02 0,00

2,5

3,5

4,5

Давление, МПа Pressure, МРа

5,5

6,5

Рис. 3. Влияние давления на содержание серы в гидроочищенном дизельном топливе при температуре 350 °С при переработке прямогонного ( ) и смесевого ( ) дизельного топлива Fig. 3. Influence of pressure on the sulphur content of the hydrotreated diesel fuel at 350 °C during processing straight-run ( ) and blended ( ) diesel fuel

18

№ 11 ноябрь 2016 ТЕРРИТОРИЯ НЕФТЕГАЗ

AUTOMATION

го

С QU "

О ¡л

о о

У и

к >

CQ

140

Температура, °С Temperature, °С

Рис. 4. Кривые зависимости вязкости битума от температуры окисления для гудронов

с температурой размягчения 39 °С (по КиШ) нефтей: 1 - смести качановской и гнедицевской;

2 - смеси анастасиевской и ильской; 3 - ромашкинской; 4 - смеси татарских [14]

Fig. 4. Bitumen viscosity vs tar oxidation temperature characteristic curves with a softening

temperature of 39 °C (by ring and ball procedure) for crude oils: 1 - mixture of Kachanovskaya

and Gneditsevskaya; 2 - mixture of Anastasievskaya and Ilskaya; 3 - Romashkinskaya;

4 - Tatar mixture [14]

и типа 2. Вычитая из первого уравнения системы (5) второе с учетом допущения, что

Ч.

да?

dpi д?2

Abj - Ab2 =

а (рис. 2-4), можно получить

или

+ ap, (Ар* -

(6)

т. е. приращение показателя b определяется относительным изменением свободного параметра модели (2). Вывод (8) можно использовать для коррекции параметров ситуационной модели расчета показателей при изменении неизмеряемого параметра модели и p5 = const.

Для случая p5 = var и p2 = var, рассматривая уравнения системы (5), можно видеть, что при условии

ДЬ - ДЬ2 = Да; - Да* + ар^Ар* - (7)

В (7) слагаемое ар1 (Др* - р* ) определяет степень нелинейности параметра Ь по отношению к неизмеряемому параметру р2. Допуская, что приращение неизмеря-емой переменной для сырья типа 1 типа 2 относительно некоторого базового варианта приблизительно одинаковое, т. е. Др^ = Др* , можно записать:

S »

(9)

Abj = fa] и Ab2 = Aa* ,

(8)

приращение показателя Ь слабо зависит от связанного коэффициента а1, и корректировка модели в этом случае также может проводиться изменением коэффициента а0 на величину ДЬ, определяемую, например, лабораторными методами,поточными анализаторами или аналитически, как это предложено в [11] для одного из процессов. Однако соотношение (9) возможно применять

только при наличии различных ситуационных моделей для вычисления приращений параметров а0, а^ и поэтому оно может использоваться только для упрощения ситуационной модели, например с целью сокращения объема базы ситуационных моделей. Таким образом, с учетом полученных результатов можно предложить следующий алгоритм коррекции ситуационных моделей. Предварительно на стадии формирования ситуационных моделей расчета показателей необходимо выполнить следующее:

1) для заданного интервала варьирования признаковой переменной р1 с учетом заданного абсолютного значение езад-допустимых отклонений определения параметров Ь получают соответствующую ситуационную модель М., 1 = 1, 2, ...;

2) устанавливают период сравнения Т вычисленного показателя Ь с лабораторными значениями для определения ПК или с расчетными значениями экономических оценок работы установки для ПТЭЭ.

В РЕЖИМЕ ОПЕРАТИВНОГО РАСЧЕТА ПОКАЗАТЕЛЕЙ ВЫПОЛНЯЕТСЯ СЛЕДУЮЩАЯ ПОСЛЕДОВАТЕЛЬНОСТЬ ШАГОВ:

1) вводятся измеренные значения признаковых переменных р1, текущее значение таймера т. По измеренным значениям переменных р1 идентифицируется ситуационная модель М.;

2) по ситуационной модели М. вычисляются показатели Ь(М.), которые используются для принятия решения по управлению технологическим объектом;

3) при т » Т проводится сравнение значений Ь с Ь0 - «истинным» (лабораторным) значением ПК или ПТЭЭ.

Если |Ь(М.) - Ь0| > езая- или известно, что на объект управления воздействуют возмущения со стороны неизмеряе-мых факторов, то следует выполнить корректировку ситуационной модели с учетом следующих положений: • если р1 принадлежит интервалу варьирования переменной [р1-; р^], соответствующему модели М., то идентифицируют изменение неизмеряемой признаковой переменной р2 и выполняют смещение свободного члена а0 ситу-

TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 11 november 2016

19

АВТОМАТИЗАЦИЯ

Таблица 1. Режимные параметры вакуумной колонны установки АВТм при переработке различных вариантов сырья Table 1. Mode parameters of vacuum column of CDU unit when processing various crude

№ сит. No. РВ, мм. рт. ст. РВ, Hg mm Отбор продуктов, доля масс. Products separation, % wt. Температура отбора, °С Separation temperature, °С t.c„ °c

D o Dt I фр. D2 II фр. D3 Ш ФР. D4 IV фр. W гудрон W residue tII фр. (У tIII фр. (t3) tIV фр. (t4)

1 96 0,004 0,05 0,09 0,13 0,25 0,476 251,1 292,8 316,9 157,8

2 96 0,004 0,05 0,09 0,13 0,25 0,476 240,3 292,2 323,6 149,4

Таблица 2. Результаты расчета t'c" по модели и М2(кор) для сырья «смесь малосернистой и Туймазинской нефти 50 % - 50 %»

Table 2. t"cn calculation results for the model and М2(кор) for the raw materials, «mixture of sweet and Tuimazinskaya crude oil 50 % - 50 %»

№ сит. No. Температура отбора, °С Separation temperature, °С РВ, мм. рт. ст. РВ, Hg mm t.cn °С Погрешность абсолютная, °С Absolute accuracy, °C

tII фр. (t2) tIII фр. (t3) Значение по лаборатории Laboratory value Расчет по M1 Calculation under M1 Расчет по M2^' Calculation under M2^» Расчет по M1 Calculation under M1 Расчет по M2^« Calculation under M2^«

1 240,3 292,2 96 149,4 152,5 149,4 3,1 0,0

2 238,4 288,4 96 148,0 151,3 148,2 3,3 0,2

3 242,2 292,2 96 150,9 153,4 150,3 2,5 -0,6

4 245,9 295,8 96 153,8 155,5 152,4 1,7 -1,4

5 234,7 284,5 96 145,0 149,3 146,2 4,3 1,2

6 233,5 276,5 96 144,2 148,2 145,1 4,0 0,9

7 238,4 289,8 96 147,2 151,4 148,3 4,2 1,1

ационной модели М. как Да0 = Ь0 - Ь(М.), т. е. получают скорректированную модель М>2: Ь(М>2) = а0 + Да0 + а1 р^ • если р1 не принадлежит определенному ранее интервалу переменной [р1-; р1+] (это может быть следствием того, что для интервала варьирования переменных р1 получены не все ситуационные модели), то проводят идентификацию параметров модели а0 , а5 применяя, например, рекуррентные методы идентификации.

Иначе, если условие т » Т не выполняется, переходят к шагу 4; 4) осуществляется сброс таймера т, цикл повторяют.

Рассмотрим алгоритм коррекции ситуационной модели на примере. Для процесса первичной перегонки нефти на установке АВТм при переработке сырья -«смесь сернистой и малосернистой нефтей 50 % - 50 %» для режимных параметров, представленных в табл. 1, получена ситуационная модель расчета температуры вспышки 2-го бокового погона вакуумной колонны:

M1: t=cn = 15,7 + 0,492t2 + + 0,062t3 + 0,0047P.

Установим требования к точности расчета показателя езая- = 2 °С. Режимные параметры и ПК при изменении типа перерабатываемого сырья -«смесь малосернистой и Туймазинской нефтей 50 % - 50 %» представлены в строке «ситуация 2» табл. 1. Погрешность расчета £|сп по модели М1 для ситуации 2 составила 149,4 - 152,5 = -3,1 °С, что превышает по модулю заданную точность определения ПК 2 °С. Таким образом, следует выполнить корректировку параметра а0 модели М1 на величину невязки расчетного и «истинного» (лабораторного) значения показателя. Скорректированная модель М2(кор) для сырья «смесь малосернистой и Туймазинской нефти 50 % - 50 %» с учетом внесения поправки а0 = 15,7 - 3,1 = 12,6 примет вид

M2(K°P.): tBcn = 12,6 + 0,492t2 + + 0,062t3 + 0,0047P.

Результаты расчета ПК по скорректированной модели представлены в табл. 2. Среднеквадратичная погрешность расчета показателя £|сп для случая переработки сырья «смесь малосернистой

и Туймазинской нефти 50 % - 50 %» по моделям М1 и М2(кор) составила 3,4 и 0,9 °С, соответственно. Таким образом, показано, что погрешность расчета показателя по ситуационной модели, полученной корректировкой свободного члена при смене сырья, меньше заданной погрешности расчета ПК езая'. Также можно определить погрешность расчета ПК по ситуационной модели, параметры которой определены для условий работы установки на сырье типа «смесь малосернистой и Туймазинской нефти 50 % - 50 %». Так, модель М2, полученная для случая ситуации 2 табл. 1, имеет вид:

M2: t|cn = 10,7 + 0,499t2 + + 0,063t3 + 0,0048P. '

Среднеквадратичная погрешность расчета показателя для ситуаций, представленных в табл. 2 по моделям М2, составила также 0,9 °С. Таким образом, показано, что погрешность расчета показателя по ситуационной модели, полученной корректировкой свободного члена при смене сырья, не хуже, чем для значений, полученных

20

№ 11 ноябрь 2016 ТЕРРИТОРИЯ НЕФТЕГАЗ

AUTOMATION

по модели, параметры которой определены для условий работы установки на данном типе сырья. Подчеркнем, что корректировка ситуационной модели позволяет не привлекать информацию о типе сырья,

которую оперативно получить очень сложно.

Предложенный алгоритм корректировки ситуационных моделей расчета показателей может быть использован в алгоритмах адаптации информаци-

онных систем управления технологических процессов при изменении условий ведения процесса, связанных с отсутствием информации о некоторых параметрах, которые измерить оперативно невозможно.

References:

1. Pospelov D.D. Case management: Theory and practice. Moscow, Nauka, 1986, 184 pp. (In Russian)

2. Verevkin A.P. Features of problems of crude oil mixtures separation control in CDU. Neft' i Gaz = Oil & Gas, 1996, No. 3, P. 82-84. (In Russian)

3. Verevkin A.P., Kolesnik D.V., Husniyarov M.Kh. Simulation of an operational definition of the melt index to control the manufacturing process of polyethylene. Bashkirskii khimicheskii zhurnal = Bashkir chemical journal, 2013, Vol. 20, No. 1, P. 69-74. (In Russian)

4. Verevkin A.P., Murtazin T.M. Optimizing the management of process modes of refining units on the basis of predictive models. Intelligent Control Systems, Ed. by member of RAS S.N. Vasiliev. Moscow, Mashinostroenie, 2010, P. 231-236. (In Russian)

5. Verevkin A.P., Murtazin T.M., Linetskiy R.M., Husniyarov M.H. Optimization of crude oil refining processes control in terms of technical and economic efficiency (for example, VR viscosity breaking). Territorija «NEFTEGAZ» = Oil and Gas Territory, 2013, No. 5, P. 18-22. (In Russian)

6. Digo G.B., Digo N.B., Mozharovskiy I.S., Torgashov A.Yu. Research of identification methods for models of distillation column quality indicators virtual analyzers. Modelirovanie system = Simulation systems, 2011, No. 4 (30), P. 17-27. (In Russian)

7. Murtazin T.M. Calculation of product quality indicators in the operational process control of diesel hydrotreatment. Col. of thes. II All-Russian scientific-practical internet conference «Problems of processes automation in production, transportation and processing of crude oil and gas.» Ufa, Publishing center of Ufa State Oil Technical University, 2014, P. 46-48. (In Russian)

8. Tsypkin Ya.Z. Fundamentals of information theory of identification. Moscow, Nauka, 1984, 320 pp. (In Russian)

9. Bard Y. Nonlinear Parameter Estimation. Moscow, Statistics, 1979, 349 pp. (In Russian)

10. Verevkin A.P., Kiriushin O.V., Murtazin T.M., Urazmetov Sh.F. Adaptation method of models for operational assessment of petrochemical production quality indicators (for example, the production of ethylene-propylene rubber). Neftegazovoe delo = Oil and gas business, 2013, Vol. 11, No. 4, P. 127-133. (In Russian)

11. RF Patent No. 2536822. Control method of polymerization process of ethylene propylene synthetic rubbers. Authors - A.P. Verevkin, O.V. Kiryushin, T.M. Murtazin, Sh.F. Urazmetov. Applicant and the patentee - Ufa State Oil Technical University. No. 2013139849/04, appl. 27.08.2013, publ. 27.12.2014, bul. No. 36, 8 pp. (In Russian)

12. Verevkin A.P., Kiryushin O.V., Urazmetov Sh.F. Investigation of the relationship between the dynamic viscosity and polymer Mooney viscosity in the example of ethylene-propylene rubber for process control purposes. Bashkirskii khimicheskii zhurnal = Bashkir chemical journal, 2012, Vol. 19, No. 4, P. 16-19. (In Russian)

13. Khavkin V.A., Chernyshev Ye.A., Belyaeva L.A. Hydrogenation processes for the production of motor fuels. Ufa, Institute of Petroleum Refining and Petrochemistry of the Republic of Bashkortostan SUE Publishing House, 2013, 264 pp. (In Russian)

14. Gun R.B. Petroleum asphalts. Moscow, Khimia, 1973, 548 pp. (In Russian)

15. Verevkin A.P., Kiryushin O.V. Automation of processes and production in oil refining and petrochemicals. Ufa, Publishing House of Ufa State Oil Technical University, 2005, 171 pp. (In Russian)

Литература:

1. Поспелов Д.Д. Ситуационное управление: теория и практика. М.: Наука, 1986. 184 с.

2. Веревкин А.П. Особенности задачи управления процессами разделения нефтяных смесей на установках АВТ // Нефть и газ. 1996. № 3. С. 82-84.

3. Веревкин А.П., Калашник Д.В., Хуснияров М.Х. Моделирование оперативного определения индекса расплава для управления процессом производства полиэтилена // Башкирский химический журнал. 2013. Т. 20. № 1. С. 69-74.

4. Веревкин А.П., Муртазин Т.М. Оптимизация управления технологическими режимами нефтеперерабатывающих установок на основе прогнозирующих моделей // Интеллектуальные системы управления / Под ред. акад. РАН С.Н. Васильева. М.: Машиностроение, 2010. С. 231-236.

5. Веревкин А.П., Муртазин Т.М., Линецкий Р.М., Хуснияров М.Х. Оптимизация управления технологическими процессами переработки нефти по показателям технико-экономической эффективности (на примере висбрекинга гудрона) // Территория «НЕФТЕГАЗ». 2013. № 5. С. 18-22.

6. Диго Г.Б., Диго Н.Б., Можаровский И.С., Торгашов А.Ю. Исследование методов идентификации моделей виртуальных анализаторов показателей качества ректификационной колонны // Моделирование систем. 2011. № 4 (30). С. 17-27.

7. Муртазин Т.М. Расчет показателей качества продуктов при оперативном управлении процессом гидроочистки дизельного топлива // Проблемы автоматизации технологических процессов добычи, транспорта и переработки нефти и газа. Сб. тр. II Всероссийской науч.-практ. интернет-конференции. Уфа: РИЦ УГНТУ, 2014. С. 46-48.

8. Цыпкин Я.З. Основы информационной теории идентификации. М.: Наука, 1984. 320 с.

9. Бард Й. Нелинейное оценивание параметров. М.: Статистика, 1979. 349 с.

10. Веревкин А.П., Кирюшин О.В., Муртазин Т.М., Уразметов Ш.Ф. Метод адаптации моделей оперативной оценки показателей качества нефтехимических производств (на примере производства этиленпропиленовых каучуков) // Нефтегазовое дело. 2013. Т. 11. № 4. С. 127-133.

11. Пат. 2536822 РФ. Способ управления процессом полимеризации этиленпропиленовых синтетических каучуков / А.П. Веревкин, О.В. Кирюшин, Т.М. Муртазин, Ш.Ф. Уразметов. Заявитель и патентообладатель - Уфимский государственный нефтяной технический университет. № 2013139849/04; Заявл. 27.08.2013; Опубл. 27.12.2014, Бюл. № 36. 8 с.

12. Веревкин А.П., Кирюшин О.В., Уразметов Ш.Ф. Исследование связи между динамической вязкостью и вязкостью полимеров по Муни на примере этиленпропиленовых каучуков для целей управления процессом // Башкирский химический журнал. 2012. Т. 19. № 4. С. 16-19.

13. Хавкин В.А., Чернышева Е.А., Гуляева Л.А. Гидрогенизационные процессы получения моторных топлив. Уфа: Издательство ГУП ИНХП РБ, 2013. 264 с.

14. Гун Р.Б. Нефтяные битумы. М.: Химия, 1973. 548 с.

15. Веревкин А.П., Кирюшин О.В. Автоматизация технологических процессов и производств в нефтепереработке и нефтехимии. Уфа: Изд-во УГНТУ, 2005. 171 с.

TERRITORIJA NEFTEGAS - OIL AND GAS TERRITORY No. 11 november 2016

21