Научная статья на тему 'Автоматическая адаптация математической модели компьютерного тренажерного комплекса электрообессоливающей установки'

Автоматическая адаптация математической модели компьютерного тренажерного комплекса электрообессоливающей установки Текст научной статьи по специальности «Компьютерные и информационные науки»

CC BY
409
60
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
НЕФТЕПЕРЕРАБОТКА / ЭЛЕКТРООБЕССОЛИВАЮЩАЯ УСТАНОВКА / ТЕПЛОВОЙ РЕЖИМ / КОМПЬЮТЕРНЫЙ ТРЕНАЖЕРНЫЙ КОМПЛЕКС / МАТЕМАТИЧЕСКАЯ МОДЕЛЬ / АДАПТАЦИЯ / OIL PROCESSING / ELECTRICAL DESALTING PLANT / THERMAL CONDITIONS / COMPUTER TRAINING COMPLEX / MATHEMATICAL MODEL / ADAPTATION

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Власов С. А., Вялых И. А.

Компьютерные тренажерные комплексы в химической, нефтехимической, нефтеперерабатывающей и других отраслях промышленности стали неотъемлемой частью процесса подготовки квалифицированного технологического персонала, осуществляющего управление технологическими установками. В основе компьютерного тренажерного комплекса лежат математическая модель технологического процесса, включающего в себя технологическое статическое и динамическое оборудование, контрольные измерительные приборы, и модель распределенной системы управления с реализованными в ней алгоритмами управления и противоаварийной защиты. Для поддержания систем, основанных на математических моделях, в том числе компьютерных тренажеров, в рабочем состоянии необходимо постоянно адаптировать математические модели к текущему состоянию объекта управления или оптимизации. Трудоемкость «ручной» адаптации математической модели компьютерного тренажерного комплекса на актуальный технологический режим составляет примерно 100-150 человеко-часов. В статье рассмотрен алгоритм автоматической адаптации динамической модели компьютерного тренажерного комплекса к текущему технологическому режиму объекта, с применением поисковых алгоритмов, с учетом достижения моделью стационарного режима. Алгоритм обладает такими недостатками, как большие затраты вычислительных мощностей ЭВМ и значительной длительностью процесса адаптации. В связи с этим предложен альтернативный алгоритм, который заключается в создании статической модели, аналогичной существующей динамической модели тренажера, с последующей подстройкой режима по статической модели и данным реального времени с объекта, с последующей подстановкой найденных коэффициентов в динамическую модель тренажера. Алгоритм позволяет поддерживать актуальное состояние компьютерного тренажерного комплекса, соответствующее реальному состоянию электрообессоливающей установки.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Власов С. А., Вялых И. А.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

AUTOMATIC ADAPTATION OF MATHEMATICAL MODEL OF COMPUTER TRAINING COMPLEX OF ELECTRICAL DESALTING PLANT

Computer training complexes in chemical, petrochemical, oil processing and other industries became an integral part of process of preparation of the qualified technology personnel exercising control of technology installations. Are the cornerstone of a computer training complex mathematical model of the technology process including the processing static and dynamic equipment, the instrumentation and model of distributed control system with the control algorithms implemented in it and antiemergency protection. For maintenance of the systems founded on mathematical models, including computer simulators, in working order, it is necessary to adapt mathematical models to a current status of object of management or optimization constantly. Labor input of "manual" adaptation of mathematical model of a computer training complex on the actual technology mode makes about 100-150 man-hours. In article the algorithm of automatic adaptation of dynamic model of a computer training complex to the current technology mode of object, using search algorithms, taking into account achievement is considered by model of the stationary mode. The algorithm possesses shortcomings the computers including big expenses of computing capacities and considerable duration of process of adaptation. In this regard the alternative algorithm which consists in creation of static model of the similar existing dynamic model of the exercise machine, with the subsequent fine tuning of the mode on static model and data of real time from object, with the subsequent substitution of the found coefficients in dynamic model of the exercise machine is offered. The algorithm allows to support the actual condition of a computer training complex corresponding to a real condition of electrical desalting plant.

Текст научной работы на тему «Автоматическая адаптация математической модели компьютерного тренажерного комплекса электрообессоливающей установки»

ВЕСТНИК ПНИПУ

2016 Химическая технология и биотехнология № 3

Б01: 10.15593/2224-9400/2016.3.03 УДК 65.011.56

С.А. Власов

Пермский национальный исследовательский политехнический университет, Пермь, Россия

И.А. Вялых

ООО «Инфраструктура ТК», Пермь, Россия

АВТОМАТИЧЕСКАЯ АДАПТАЦИЯ МАТЕМАТИЧЕСКОЙ МОДЕЛИ КОМПЬЮТЕРНОГО ТРЕНАЖЕРНОГО КОМПЛЕКСА ЭЛЕКТРООБЕССОЛИВАЮЩЕЙ УСТАНОВКИ

Компьютерные тренажерные комплексы в химической, нефтехимической, нефтеперерабатывающей и других отраслях промышленности стали неотъемлемой частью процесса подготовки квалифицированного технологического персонала, осуществляющего управление технологическими установками.

В основе компьютерного тренажерного комплекса лежат математическая модель технологического процесса, включающего в себя технологическое статическое и динамическое оборудование, контрольные измерительные приборы, и модель распределенной системы управления с реализованными в ней алгоритмами управления и противоаварийной защиты.

Для поддержания систем, основанных на математических моделях, в том числе компьютерных тренажеров, в рабочем состоянии необходимо постоянно адаптировать математические модели к текущему состоянию объекта управления или оптимизации. Трудоемкость «ручной» адаптации математической модели компьютерного тренажерного комплекса на актуальный технологический режим составляет примерно 100-150 человеко-часов.

В статье рассмотрен алгоритм автоматической адаптации динамической модели компьютерного тренажерного комплекса к текущему технологическому режиму объекта, с применением поисковых алгоритмов, с учетом достижения моделью стационарного режима. Алгоритм обладает такими недостатками, как большие затраты вычислительных мощностей ЭВМ и значительной длительностью процесса адаптации. В связи с этим предложен альтернативный алгоритм, который заключается в создании статической модели, аналогичной существующей динамической модели тренажера, с последующей подстройкой режима по статической модели и данным реального времени с объекта, с последующей подстановкой найденных коэффициентов в динамическую

модель тренажера. Алгоритм позволяет поддерживать актуальное состояние компьютерного тренажерного комплекса, соответствующее реальному состоянию электрообессоливающей установки.

Ключевые слова: нефтепереработка, электрообессоливаю-щая установка, тепловой режим, компьютерный тренажерный комплекс, математическая модель, адаптация.

S.A. Vlasov

Perm National Research Polytechnic University, Perm, Russian Federation

I.A. Vyalykh

"Infrastructure TK" LLC, Perm, Russian Federation

AUTOMATIC ADAPTATION OF MATHEMATICAL MODEL OF COMPUTER TRAINING COMPLEX OF ELECTRICAL DESALTING PLANT

Computer training complexes in chemical, petrochemical, oil processing and other industries became an integral part of process of preparation of the qualified technology personnel exercising control of technology installations.

Are the cornerstone of a computer training complex mathematical model of the technology process including the processing static and dynamic equipment, the instrumentation and model of distributed control system with the control algorithms implemented in it and antiemer-gency protection.

For maintenance of the systems founded on mathematical models, including computer simulators, in working order, it is necessary to adapt mathematical models to a current status of object of management or optimization constantly. Labor input of "manual" adaptation of mathematical model of a computer training complex on the actual technology mode makes about 100-150 man-hours.

In article the algorithm of automatic adaptation of dynamic model of a computer training complex to the current technology mode of object, using search algorithms, taking into account achievement is considered by model of the stationary mode. The algorithm possesses shortcomings the computers including big expenses of computing capacities and considerable duration of process of adaptation. In this regard the alternative algorithm which consists in creation of static model of the similar existing dynamic model of the exercise machine, with the subsequent fine tuning of the mode on static model and data of real time from

object, with the subsequent substitution of the found coefficients in dynamic model of the exercise machine is offered. The algorithm allows to support the actual condition of a computer training complex corresponding to a real condition of electrical desalting plant.

Keywords: oil processing, electrical desalting plant, thermal conditions, computer training complex, mathematical model, adaptation.

Компьютерный тренажерный комплекс (КТК) технологической установки обессоливания нефти на нефтеперерабатывающем предприятии (ЭЛОУ) предназначен для формирования у технологического персонала установки знаний умений и навыков по управлению технологической установкой в штатных (пуск, останов, смена режима) и нештатных (имитация возможных отказов приборов, оборудования) режимах. КТК представляет тобой систему, каждый из элементов которой реализует отдельные функции.

КТК ЭЛОУ состоит из следующих подсистем (рис. 1):

• сервера виртуальных машин, в состав которого входят среда моделирования ТП, среда моделирования РСУ и СПАЗ;

• рабочего места инструктора;

• рабочего места оператора РСУ;

• рабочего места полевого оператора.

Рис. 1. Структурная схема КТК ЭЛОУ

Подсистема моделирования реализует алгоритмы расчета текущего состояния динамической математической модели установки ЭЛОУ, состоящей из 1756 уравнений, а именно параметров технологического процесса установки. Математическая модель воспроизводит термодинамические процессы, массообменные процессы, химические превращения, протекающие в аппаратах установки с учетом гидродинамики в среде моделирования UniSim Design Suite (пример графического интерфейса показан на рис. 2). Подсистема моделирования РСУ и ПАЗ полностью воспроизводит алгоритмы и пользовательский интерфейс реальной РСУ установки.

'31 teit.dyn.uic - UniSim File Edit Simulation Flowsheet PFD Tools Window Help

4 L) jfia M ts. I- rai^Otf^ra^fblnTliimlTlA A

9280 6750 тш ■„«„..,

Рис. 2. Пример графического интерфейса среды моделирования с фрагментом

модели установки ЭЛОУ

Данные расчетов моделей технологического процесса (ТП) и РСУ в реальном времени передаются на станции инструктора, операторов, которые обеспечивают отображение состояния технологического процесса в интерфейсе полевого оператора, где отображается состояние оборудования и показания датчиков, установленных в «поле», либо оператора РСУ.

Станция инструктора также используется для сопровождения и тестирования тренажерной модели, инжиниринговых исследований моделируемого ТП установки.

Любая математическая модель, в том числе и модель ТП, лежащая в основе КТК устаревает, из-за параметрических («старение» оборудования, закоксовывание и запарафинивание труб и т.п.) и структурных (замена или добавление нового оборудования и приборов, изменение обвязки оборудования) изменений ТП. Поэтому для актуализации КТК необходимо постоянно адаптировать математическую модель к текущему ТП установки.

Трудоемкость адаптации математической модели инженером, разработавшим КТК (т.е. знающим объект и модель ТП) на актуальный технологический режим, составляет порядка 100-150 человеко-часов для установки, включающей в себя порядка 2000 каналов измерения

[1-5].

Сама среда моделирования UniSim Design Suite имеет встроенные средства решения задачи оптимизации, в виде которой можно сформировать адаптацию, но данные методы применимы только для статических моделей.

Для адаптации динамической модели использовался пакет прикладных программ MATLAB, для этого настроена двусторонняя связь пакета с COM-объектом динамической модели КТК (рис. 3) [6].

Рис. 3. Структурная схема алгоритма адаптации

После запуска алгоритма адаптации MATLAB создает ActiveX/COM сервер, с помощью которого запускает среду UniSim Design, загружает динамическую модель с заданными начальными коэффициентами. На каждой итерации оптимизационный алгоритм в MATLAB обращается к объекту UniSim Design, получает данные о текущем состоянии процесса. Решается задача оптимизации, результаты которой передаются в модель. Модель рассчитывается до стацио-

нарного режима, далее данные о состоянии процесса вновь передаются в оптимизационный алгоритм МЛТЬЛБ [7-10].

Для тестирования алгоритма автоматического поиска настроечных коэффициентов выбран контур нагрева воды паром (рис. 4) на модели электрообессоливающей установки. В качестве настроечного параметра модели теплообменного оборудования используется комплексный коэффициент теплопередачи иА, кДж/(К-ч), на каждом теплообменнике.

^пар угар

Т = ДиАь иА2, ^пар, Т^ , -РН2° , ТвХ20)

Рис. 4. Технологическая схема контура нагрева воды на установку паром

Температура на выходе теплообменников согласно регламенту должна поддерживаться в пределах 50-70 °С и на текущий момент составляет 50 °С. Температура на выходе теплообменника зависит от коэффициентов иА обоих теплообменников, расхода воды, расхода пара (положения регулирующего клапана), температуры воды на входе и температуры пара на входе:

Т = ДиАь иА2, ^пар, Твпхар, ^Н2°, ТН2°),

где иА1, иЛ2 - комплексный коэффициент теплообмена первого и второго теплообменников; ^впар - расход пара; Т™р - температура пара на вход в теплообменники; ^Н2° - расход воды; Т^2° - температура воды на входе.

Параметрами являются расход воды, расход пара (положение регулирующего клапана), при этом температура воды на входе и температура пара на входе принимаются постоянными и берутся с объекта управления.

^пар, Гвпхар, FH2O, 7-2° = const.

Температура воды на выходе теплообменников определяется коэффициентом UA:

T = f(UAi, UA2). Для настройки схемы упростим контур (рис. 5):

T = f(k),

где k = f(UAi, UA2).

Пар

О

-иж^

Вода

T = fk)

Нагретая вода

Конденсат

Рис. 5. Упрощенная технологическая схема контура нагрева воды

k

Критерием задачи оптимизации является минимум разности температур между моделью и объектом:

тт(То -Т),

где Т0 - прогнозируемое значение температуры на выходе по модели; Т - текущее значение температуры на выходе.

По разработанному алгоритму оптимизации (рис. 6) найден коэффициент теплопередачи, при котором будет поддерживаться необходимая температура воды на выходе из теплообменника за 26 итераций (рис. 7) и который составляет ЦА1 = иА2 = = 12 355,029 кДж/(К-ч).

Основная программа

Функция оптимизации

Начало

Рис. 6. Блок-схема алгоритма нахождения коэффициента теплопередачи при фиксированной температуре

481-1-1-1-1-1-

О 10 20 30 40 50 60

Номер итерации операции Рис. 7. Динамика изменения температуры

С помощью данного метода поиска алгоритм очень точно найден коэффициент за относительно небольшой промежуток времени.

При попытке аналогичным образом применить данный метод к нахождению параметров всех теплообменников данной модели адаптация не была закончена, так как было достигнуто максимальное количество вычислений функции, установленных по умолчанию. При увеличении количества вычислений функции адаптация завершается нахождением локального минимума критерия оптимизации.

Данный метод не удовлетворяет необходимой точности, а также время адаптации слишком велико (~30 ч реального времени), что делает невозможным его применение в режиме реального времени.

Для решения проблемы слишком большого времени адаптации было решено создать статическую модель объекта, аналогичную существующей динамической модели. Данная модель выполнена в упрощенном виде (смоделированы только основные потоки и все аппараты, непосредственно влияющие на процесс) (рис. 8).

При запуске алгоритма данные реального времени с датчиков температур реального объекта передаются в статическую модель объекта, эти данные устанавливаются как необходимые значения температур в соответствующих потоках. Промежуточные температуры между теплообменников, где отсутствуют датчики температур, определяются

как средняя температура между граничными потоками, на которых установлены датчики температуры. После расчета статической модели с новыми данными рассчитанные коэффициенты иА теплообменников записываются в динамическую модель. После ожидания установившегося режима динамической модели проверяется достоверность найденных коэффициентов.

Рис. 8. Структурная схема и блок-схема алгоритма адаптации

Конечный результат имеет максимальную абсолютную ошибку 4,6 °С, что позволяет сделать вывод об удовлетворительной работе алгоритма (таблица).

Результаты вычислений для нескольких теплообменников

Расположение датчика температуры Фактическая температура, °C Найденная температура в модели,°C Абсолютная ошибка, °C

Температура воды на входе в теплообменники 20 20 0

Температура воды на выходе из теплообменников 60 55,4 4,6

Температура основного потока на входе в теплообменники 19,7 19,7 0

Температура основного потока на входе в электродигидраторы 74,8 73,68 1,12

Температура основного потока на выходе с установки 52,5 54,38 1,88

Время нахождения конечного результата также позволяет использовать данный метод в режиме реального времени.

Дальнейшее развитие работы позволит одновременно с технологическим процессом адаптировать математическую модель динамики по данным реального времени, извлекаемым из БДРВ предприятия, что позволит использовать математическую модель динамики, лежащую в основе КТК для прогнозирования изменения ТП при вмешательстве оператора РСУ, отработки перехода с режима на режим, изменения показателей качества продукции при смене режима и сырья.

Список литературы

1. Дозорцев В.М. Компьютерные тренажеры для обучения операторов технологических процессов. - М.: СИНТЕГ, 2009. - 272 с.

2. Компьютерный тренинг операторов: непреходящая актуальность, новые возможности, человеческий фактор / В.М. Дозорцев, Д.В. Агафонов, В. А. Назин, А.Ю. Новичков, А.И. Фролов // Автоматизация в промышленности. - 2015. - № 7. - С. 8-20.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

3. Dag-Erik Helgestad. Modelling and optimization of the C3MR process for liquefaction of natural gas // Process Systems Engineering. -2009. - Vol. 44.

4. Шумихин А.Г., Буракова А.Е. Построение компьютерного тренажерного комплекса установки атмосферно-вакуумной трубчатки на основе математического моделирования // Традиционная и инноваци-

онная наука: история, современное состояние, перспективы: сб. ст. Междунар. науч.-практ. конф.: в 4 ч. - Уфа: АЭТЕРНА, 2016. - Ч. 2. -С. 16-20.

5. Беккер В.Ф. Моделирование химико-технологических объектов управления: учеб. пособие. - 2-е изд., перераб. и доп. - М.: РИОР: ИНФРА-М, 2014. - 142 с.

6. Гартман Т.Н., Клушин Д.В. Основы компьютерного моделирования химико-технологических процессов: учеб. пособие для вузов. - М.: Академкнига, 2006. - 416 с.

7. Математическое моделирование химико-технологических процессов: учеб. пособие / А.М. Гумеров, Н.Н. Валеев, А.М. Гумеров, В.М. Емельянов; Казан. гос. технол. ун-т. - Казань, 2006. - 216 с.

8. Растригин Л.А. Адаптация сложных систем. - Рига: Зинатне, 1981. - 375 с.

9. Дьяконов В.П. MATLAB 6/6.1/6.5 + Simulink 4/5 в математике и моделировании. Полное руководство пользователя. - М.: СОЛОН-Пресс, 2003. - 576 с.

10. Operations Guide. UniSim Design. - Copyright Honeywell, 2009. - 1554 c.

References

1. Dozortsev V.M. Kompyuternye trenazhery dlya obucheniya opera-torov tekhnologicheskikh protsessov [Computer simulators for training of operators of technology processes]. Moscow: SINTEG, 2009. 272 p.

2. Dozortsev V.M., Agafonov D.V., Nazin V.A., Novichkov A.Yu., Frolov A.I. Kompyuternyj trening operatorov: neprekhodyashchaya aktual-nost, novye vozmozhnosti, chelovecheskij faktor [Computer training of operators: enduring relevance, new opportunities, human factor]. Avtomatiza-tsiya v promyshlennosti, 2015, no. 7, pp. 8-20.

3. Dag-Erik Helgestad. Modelling and optimization of the C3MR process for liquefaction of natural gas. Process Systems Engineering, 2009, vol. 44.

4. Shumikhin A.G., Burakova A.E. Postroenie kompyuternogo trenaz-hernogo kompleksa ustanovki atmosferno-vakuumnoj trubchatki na osnove matematicheskogo modelirovaniya [Creation of a computer training complex of installation of an atmospheric and vacuum pipe still on the basis of mathematical modeling]. Sbornik statej Mezhdunarodnoj nauchno-prakticheskoj konferentsii "Traditsionnaja i innovatsionnaya nauka: is-

toriya, sovremennoe sostoyanie, perspektivy". Ufa: AETERNA, 2016. Part 2, pp. 16-20.

5. Bekker V.F. Modelirovanie khimiko-tekhnologicheskikh obektov upravleniya [Modeling of chemical and technology objects of management]. Moscow: RIOR: INFRA-M, 2014. 142 p.

6. Gartman T.N., Klushin D.V. Osnovy kompyuternogo modeliro-vaniya khimiko-tekhnologicheskikh protsessov [Bases of computer modeling of chemical and technology processes]. Moscow: Akademkniga, 2006. 416 p.

7. Gumerov A.M., Valeev N.N., Gumerov A.M., Emelyanov V.M. Matematicheskoe modelirovanie khimiko-tekhnologicheskikh protsessov [Mathematical modeling of chemical and technology processes]. Kazan, 2006. 216 p.

8. Rastrigin L.A. Adaptatsiya slozhnykh system [Adaptation of complex systems]. Riga: Zinatne, 1981. 375 p.

9. Dyakonov V.P. MATLAB 6/6.1/6.5 + Simulink 4/5 v matematike i modelirovanii. Polnoe rukovodstvo polzovatelya [MATLAB 6/6.1/6.5 + Simulink 4/5 in mathematics and modeling. Full users guide]. Moscow: SOLON-Press, 2003. 576 p.

10. Operations Guide // UniSim Design. Copyright Honeywell, 2009. 1554 p.

Получено 22.09.2016

Об авторах

Власов Сергей Алексеевич (Пермь, Россия) - магистр кафедры автоматизации технологических процессов и производств Пермского национального исследовательского политехнического университета (614013, г. Пермь, ул. Профессора Поздеева, 9, корпус Б; e-mail: [email protected]).

Вялых Илья Анатольевич (Пермь, Россия) - кандидат технических наук, доцент кафедры автоматизации технологических процессов и производств Пермского национального исследовательского политехнического университета (614990, г. Пермь, Комсомольский пр., 29; e-mail:atp@ pstu.ru).

About the authors

Sergej A. Vlasov (Perm, Russian Federation) - Master, Department of Automation of technological processes and production, Perm National Research Polytechnic University (9, Pozdeyeva Professors str., Perm, 614013, Russian Federation, Building B; e-mail: [email protected]).

Ilya A. Vyalykh (Perm, Russian Federation) - Associate professor, Ph.D. of Technical sciences, Department of Automation of technological processes and production, Perm National Research Polytechnic University (29, Komsomolsky av., Perm, 614990, Russian Federation; e-mail: [email protected]).

i Надоели баннеры? Вы всегда можете отключить рекламу.