CC BY
83
УДК 628.35:661.5.63
В.Г. Плехов, В.В. Дьяченко, И.Л. Дьяченко
Пермский национальный исследовательский политехнический университет
АВТОМАТИЗАЦИЯ ПРОЦЕССОВ БИОЛОГИЧЕСКОЙ ОЧИСТКИ СТОЧНЫХ ВОД ПРЕДПРИЯТИЙ НЕФТЯНОЙ ПРОМЫШЛЕННОСТИ
Представлена концепция системы автоматизации управления процессами на очистных сооружениях нефтеперерабатыг-вающего предприятия. Приведены результатыы структурного ЮЕГ-анализа автоматизированной системы управления. Для алгоритмизации задач прогнозирования показателей качества очистки предложено использовать в качестве моделей связей «вход - выход» нейронныге сети. Приведеныг количественныге результатыг моделирования нейронной сетью связи «содержание взвешенныгх веществ в очищенной воде - показатели неочищенной водыг».
Город Пермь - крупнейший промышленный центр Российской Федерации и Пермского края. В настоящее время промышленным производством в Перми занимаются 170 крупных и средних организаций в сферах машиностроения, электроэнергетики, нефтегазопереработки, деревопереработки, химии и нефтехимии. Экономика города характеризуется, прежде всего, развитой тяжелой промышленностью [1]. При таком количестве предприятий существует сложнейшая проблема создания надежных заслонов, исключающих проникновение промышленных отходов в природную гидросферу. Ориентация промышленности на сокращение сброса отходов, на создание замкнутых производственных циклов с оборотным водоснабжением требует интенсивных усилий по совершенствованию технологии очистки сточных вод, синтеза оптимальных химико-технологических систем очистки промышленных сточных вод [2].
Производственные сточные воды характеризуются чрезвычайным разнообразием в отношении как количества и режима их поступления, так и их состава, что создает дополнительные трудности при создании, автоматизации и оптимальном управлении комплексами очистных сооружений.
На территории нефтеперерабатывающих заводов имеются производственные, бытовые и атмосферные сточные воды. Производственные сточные воды образуются в результате обезвоживания и переработки нефти. Бытовые сточные воды поступают от умывальников, душей, уборных и смыва полов административных зданий и бытовых помещений. Атмосферные воды образуются вследствие выпадения атмосферных осадков на проезды, площадки технологических установок и резервуар-ных парков, а также на другие площади заводской территории.
Состав производственных сточных вод предприятий нефтяной промышленности очень разнообразен и зависит от природы содержащихся в них загрязнений. По своей природе загрязнения сточных вод делятся на минеральные, органические и бактериальные.
К минеральным загрязнениям относятся песок, глинистые частицы, растворы солей, кислот и щелочей, а также многие другие вещества, поступающие в сточные воды при отделении их от сырой нефти и в процессе переработки нефти.
Органические соединения очень разнообразны. Основными органическими загрязнениями являются нефть, продукты переработки нефти и реагенты, участвующие в технологическом процессе переработки нефти.
Бактериальные загрязнения представляют собой живые микроорганизмы: дрожжевые плесневые грибы, мелкие водоросли и бактерии, в том числе и болезнетворные - возбудители брюшного тифа и дизентерии. Такой вид загрязнений свойственен в основном бытовым сточным водам [3].
Для очистки сточных вод от нефтепродуктов в настоящее время применяют механические, физико-химические, химические и биологические методы. Из механических методов практическое значение имеют отстаивание, центрифугирование и фильтрование; из физико-химических - флотация, коагуляция и сорбция; из химических - окисление хлором (хлорирование), окисление озоном (озонирование). Биологические методы основаны на способности аэробных микроорганизмов -минерализаторов перерабатывать (окислять) некоторые органические соединения, входящие в состав нефтепродуктов, как правило, в смеси с бытовыми сточными водами. Ввиду сложности состава очищаемых нефтесодержащих вод и высоких требований к степени очистки в технологических схемах очистных станций используются комбинации различных методов [4].
Главные цели автоматизации систем и сооружений водоотведения состоят в улучшении качества водоотведения и очистки сточной воды (бесперебойность отведения и перекачки сточных вод, качество очистки сточных вод и др.); сокращении эксплуатационных затрат; улучшении условий труда [5].
Основной функцией автоматизации систем и сооружений водоотведения является повышение надежности работы сооружений путем контроля состояния оборудования и автоматической проверки достоверности информации и стабильности работы сооружений. Все это способствуют автоматической стабилизации параметров технологических процессов и показателей качества очистки сточных вод, оперативной реакции на возмущающие воздействия (изменение количества отводимой сточной воды, изменение качества очищенной сточной воды). Оперативное обнаружение способствует локализации и ликвидации аварий и сбоев в работе технологического оборудования. Обеспечение хранения и оперативной обработки данных и представление их в наиболее информативном виде на всех уровнях управления; анализ данных и выработка управляющих воздействий и рекомендаций производственному персоналу координирует управление технологическими процессами, а автоматизация подготовки и обработки документов позволяет ускорять документооборот. Конечной целью автоматизации является повышение эффективности управления технологическими и организационно-деловыми процессами в системах, обеспечивающих водоотведение.
Структурная схема автоматизированной системы управления очистными сооружениями представлена на рис. 1.
Станция управления и сбора данных предназначена для контроля основных параметров очистных сооружений и управления станцией управления воздуходувкой и шкафом управления задвижкой. Функции станции:
1) управление режимами оборудования в автоматическом режиме;
2) управление объектами технологического процесса по командам диспетчера с верхнего уровня;
3) ведение и хранение архивов событий и измерений;
4) передача архивных данных на верхний уровень;
5) контроль состояния оборудования;
6) контроль состояния коммутационной аппаратуры;
7) технический учет электроэнергии;
8) оповещение при аварийных событиях или отклонениях.
Рис. 1. Структурная схема автоматизированной системы управления: А1 - аэротенк; С1 - смеситель; Н1 - камера гашения напора; 01 - вторичный отстойник; 1 - датчик кислорода; 2 - датчик мутности; 3 - датчик pH; 4 - расходомер; 5 - станция управления и сбора данных; 6 - АРМ диспетчера; 7 - станция управления задвижкой отстойника; 8 - станция управления задвижкой воздуходувки; 9 - станция управления воздуходувкой; 10 - задвижка воздуходувки; 11 - задвижка отстойника;
12 - воздуходувка
Станция управления воздуходувкой предназначена для управления и защиты двигателя воздуходувки с заданной производительностью. Функции станции:
1) управление двигателем воздуходувки, по командам верхнего уровня или станции управления и сбора данных;
2) защита электродвигателя воздуходувки с использованием микропроцессорного реле защиты типа РЗ-03-07:
♦ от превышения пусковых токов (МТЗ время срабатывания не более 0,04 с, относительная погрешность измерения токов не более 2 %);
♦ от превышения длительности протекания пусковых токов;
♦ от превышения токов в процессе работы (полнофазное измерение токов);
♦ от снижения активной мощности обусловленной «сухим ходом» насоса;
♦ от минимального напряжения (относительная погрешность измерения напряжения не более 2 %);
♦ от асимметрии токов и неполнофазного режима питания;
♦ от включения электродвигателя воздуходувки при пониженном сопротивлении изоляции (измерение сопротивления изоляции при постоянном напряжении 500 В);
3) защита по встроенным датчикам;
4) управление двигателем воздуходувки с помощью устройства плавного пуска или преобразователя частоты;
5) ведение и хранение архивов событий и измерений при аварийных событиях или отклонениях;
6) контроль состояния оборудования;
7) контроль состояния коммутационной аппаратуры;
8) технический учет электроэнергии.
Шкаф управления задвижкой предназначен для управления двигателем задвижки. Функции шкафа управления задвижкой:
1) управление двигателем задвижки, по командам верхнего уровня или станции управления и сбора данных;
2) ведение и хранение архивов событий и измерений при аварийных событиях или отклонениях;
3) контроль состояния оборудования;
4) контроль состояния коммутационной аппаратуры;
5) технический учет электроэнергии.
Функции, выполняемые системой автоматизации комплексом очистных сооружений, отражены на ГОЕР0-диаграмме (рис. 2-5).
С точки зрения управления процесс биологической очистки сточных вод плохо поддается прогнозированию. Относительно трудно предсказать состав и количество воды на входе процесса, поведение активного ила, количество и качество подаваемого кислорода. С целью оптимизации управления процесса биологической очистки сточных вод можно использовать интеллектуальные системы на основе нейронных сетей. Интеллектуальные системы на основе искусственных нейронных сетей позволяют с успехом решать проблемы распознавания образов, выполнения прогнозов, оптимизации, ассоциативной памяти и управления [6].
USED AT:
AUTHOR: Дьяченко
PROJECT: Автоматизация и управление комплексом очистных сооружений
NOTES: 123456789 10
DATE: 01.05.2012 REV: 01.05.2012
■ WORKING READER DATE CONTEXT:
DRAFT
RECOMMENDED
PUBLICATION A-0
ю
оо
USED АТ:
AUTHOR: Дьяченко
PROJECT: Автоматизированная система управления очистными сооружениями
NOTES: 1 2 3 4 5 6 7 8 9 10
DATE: 01.05.2012 REV: 09.05.2012
■ WORKING READER DATE CONTEXT:
DRAFT
RECOMMENDED
PUBLICATION A-0
Датчик расхода воды
Датчик pH
Датчик мутности
Станция управления задвижкой воздуходувки
Датчик кислорода
Станция управления воздуходувкой
Управление режимами оборудования в автоматическом режиме
[]
Управление объектами технологического процесса по командам диспетчера с верхнего уровня
Оператор
Оповещение при аварийных событиях или отклонениях
Технический учет электроэнергии
Ведение и хранение архивов событий и измерений
Контроль состояния оборудования
Контроль состояния коммутационной аппаратуры
АРМ Диспетчера
Передача архивных данных
на верхний уровень
USED AT:
AUTHOR: Дьяченко
PROJECT: Автоматизированная система управления очистными сооружениями
NOTES: 123458789 10
DATE: 01.05.2012 REV: 01.05.2012
■ WORKING READER DATE CONTEXT:
DRAFT
RECOMMENDED
PUBLICATION A-0
АО
u>
о
USED AT:
AUTHOR: Дьяченко
PROJECT Автоматизированная система управления очистными сооружениями
NOTES: 123456789 10
DATE: 01.05.2012 REV: 01.05.2012
■ WORKING READER DATE CONTEXT:
DRAFT
RECOMMENDED
PUBLICATION A-0
Задвижка воздуходувки
Управление
двигателем
задвижки по
командам
верхнего
уровня
V
V 1 г
Управление двигателем задвижки по станции управления и сбора данных
Станция управления задвижкой
Оператор
Ведение и хранение архивов событий и измерений при аварийных событиях или отклонениях
Контроль состояния оборудования
Контроль состояния коммутационной аппаратуры
Технический учет электроэнергии
Станция управления и сбора данных
NODE:
АО
TITLE:
Станция управления задвижкой воздуходувки
NUMBER:
Для создания, обучения и тестирования нейронных сетей используется пакет программ МЛТЬЛБ. В качестве архитектуры нейронной сети взята широко распространенная, в том числе в системах управления, сеть с прямым распространением сигнала и обратным распространением ошибки.
Нейронная сеть (рис. 6) состоит из входного слоя нейронов 1, в количестве, зависящем от количества входов сети, одного скрытого слоя 2 с таким же количеством нейронов и одним выходным слоем 3 с одним нейроном 4 на выходе. Функции активации нейронов сигмоидальные, за исключением последнего слоя, в котором функция активации линейная.
2 3
Рис. 6. Нейронная сеть
В качестве входных переменных (вектор X) были взяты значения: pH, содержание нефтепродукта, содержание взвешенных веществ, содержание фенола, количество ионов аммония, хлоридов, сульфатов в сбрасываемой воде. В качестве выходной переменной у взято содержание взвешенных веществ в очищенной воде. По историческим трендам была создана обучающая выборка для нейронной сети. Была спроектирована нейронная сеть NET. NET реализует функцию:
y[0At] = NET(x[mAt] | m = 0; -1; - 2;...- 6; At = 12ч),
где At - период квантования времени «исторических» данных; у = [0At] - измеренное значение содержания взвешенных веществ в очищенной воде; X - вектор входных переменных с учетом «исторических» данных размерностью dim X = 7 .
Результаты обучения и тестирования сети приведены на рис. 7. Был рассчитан коэффициент корреляции между экспериментальными значениями и рассчитанными нейронной сетью значениями содержания взвешенных веществ в очищенной воде, его значение составило 0,86.
14
13
12
11
10
9
8
7
6
5
4
содержание взвешенных веществ в очищеннон воде измеренное значение, мг/л
содержание взвешенных веществ в очищенной воде рассчитанное сетью значение, мг/л
50 100 150 200
Рис. 7. Результаты обучения и тестирования нейронной сети
Кол-
Использование нейронной сети в задаче управления комплексом очистных сооружений позволяет прогнозировать значения показателей качества очищенной воды по измеренным на входе показателям неочищенной воды, перечисленным выше, на время до двух суток.
Для решения этой задачи применяется управление «с упреждением». Пришедшие на вход возмущения компенсируются изменением во времени управляющих воздействий с целью стабилизации показателей качества очищенной воды на регламентируемых значениях. Эта задача решается с помощью применения в качестве модели связей «входы -выходы» процесса очистки воды нейронной сети.
Список литературы
1. Администрация города Перми: офиц. сайт. - URL: http: // www. gorodperm.ru/economic/main/industry/
2. Гордин И.В., Манусова Н.Б., Смирнов Д.Н. Оптимизация химико-технологических систем очистки промышленных сточных вод. -Л.: Химия, 1977. - 246 с.
3. Карелин Я. А. Очистка производственных сточных вод предприятий нефтяной промышленности. - М.: Гостоптехиздат, 1953. -296 с.
4. Стахов Е.А. Очистка нефтесодержащих сточных вод предприятий хранения и транспорта нефтепродуктов. - Л.: Недра, 1983. - 263 с.
5. Воронов Ю.В., Яковлев С.В. Водоотведение и очистка сточных вод: учеб. для вузов. - М.: Изд-во АСВ, 2006. - 704 с.
6. Anil K. Jain, Jianchang Mao, K.M. Mohiuddin. Artificial Neural Networks // A Tutorial, Computer. - 1996. - Vol. 29, No. 3. - P. 31-44.
Получено 20.06.2012
