РАЗРАБОТКА ДИАГНОСТИЧЕСКОЙ МОДЕЛИ ДЛЯ ДИАГНОСТИКИ СОСТОЯНИЯ ПРОЦЕССА ПОЛУЧЕНИЯ ОЛЕФИНОВ Текст научной статьи по специальности «Компьютерные и информационные науки»

II. ИНФОРМАЦИОННЫЕ СИСТЕМЫ. АВТОМАТИЗАЦИЯ И СИСТЕМЫ УПРАВЛЕНИЯ

УДК 004.891.3 Uliana Yu. Osipenko1, Leon A. Rusinov2

DEVELOPMENT OF DIAGNOSTIC MODEL FOR CONDITION DIAGNOSIS OF OLEFIN PRODUCTION PROCESS

St Petersburg State Institute of Technology (Technical University), Moskovsky Pr., 26, St Petersburg, 190013, Russia e-mail: osipenko.u@gmail.com

The production process of olefins was analyzed from the point of view of diagnostics of abnormal situations. The process was decomposed to localize the occurrence of abnormal situations. The frame-production diagnostic model was developed. The model was implemented by using the specialized shell of expert system. The results of the diagnostic model operation are demonstrated by using the development of one of possible abnormal situations, as an example.

Key words: the process of obtaining olefins, diagnostic model, frame-production structure, abnormal situation.

DOI 10.15217/issn1998984-9.2018.43.87

Введение

Процесс получения моноолефинов из нормальных парафинов является одной из основных стадий производства линейного алкилбензола, который применяется как компонент при изготовлении синтетических моющих средств [1]. Его масштабное использование обусловлено экологической безопасностью для окружающей среды, что подтверждено многочисленными исследованиями. В настоящее время линейный алкилбензол пользуется большим спросом на рынке. Комплекс ЛАБ-ЛАБС на ООО «Кинеф» является единственным в России, и на основе его продукции производится 100 % синтетических моющих средств в России. Вместе с тем производственных мощностей комплекса недостаточно для удовлетворения потребностей российской промышленности моющих средств [2].

Повышение производства линейного алкилбензола и ужесточение, связанных с этим требований к безопасной эксплуатации, к качеству выпускаемой продукции, необходимость снижения затрат на производство, - все это требует совершенствования систем контроля состояния технологического процесса и режимов работы оборудования.

Управление процессом производства олефинов усложняется тем, что он подвержен постоянным несанкционированным возмущениям, таким как изменение состава и расхода исходного сырья, загрязнения теплообменных аппаратов, падение активности катализатора в реакторах блоков Пакол и Дифайн и сезонные изменения температуры окружающей среды. Это способствует

У.Ю. Осипенко1, Л.А. Русинов2

РАЗРАБОТКА ДИАГНОСТИЧЕСКОМ МОДЕЛИ ДЛЯ

ДИАГНОСТИКИ СОСТОЯНИЯ ПРОЦЕССА ПОЛУЧЕНИЯ ОЛЕФИНОВ

Санкт-Петербургский государственный технологический институт (технический университет), Московский пр. 26, Санкт-Петербург, 190013, Россия e-mail: osipenko.u@gmail.com

Проанализирован процесс производства олефинов с точки зрения диагностики нештатных ситуаций. Проведена декомпозиция процесса для локализации мест возникновения нештатных ситуаций. Разработана продукционно-фреймовая диагностическая модель, которая была реализована с помощью специализированной экспертной оболочки. Приведеныi результатыi работыi диагностической модели на примере развития одной из возможных нештатных ситуаций.

Ключевые слова: процесс получения олефинов, диагностическая модель, фреймово-продукционная структура, нештатная ситуация.

возникновению нештатных ситуаций, которые могут привести к авариям.

Системы защиты при аварийных ситуациях на установке производства олефинов направлены на отключение оборудования, прекращение подачи материальных и энергетических ресурсов и перевод процесса в безопасный режим. Это ведет к простою и экономическим потерям предприятия. Важной задачей является раннее обнаружение и предотвращение опасных нештатных ситуаций еще до того, как сработает система противоаварийной защиты. В настоящее время на установке эту задачу решают технологи и операторы, основываясь на опыте ведения процесса. Однако такой способ диагностики содержит субъективный фактор и требует тщательной и длительной подготовки новых работников. Поскольку по статистике именно по вине операторов происходит четверть всех крупных аварий на промышленных предприятиях [3].

К тому же нештатные ситуации часто проявляются изменением одних и тех же параметров, что затрудняет своевременное их обнаружение и, соответственно, принятие мер по их устранению. В этом случае актуальной проблемой становится разработка диагностической системы обнаружения нештатных ситуаций на ранних стадиях их развития.

Целью данной работы являлась разработка диагностической модели для системы диагностики состояния процесса получения олефинов, связывающей возможные нарушения на процессе с их проявлениями (симптомами), контролируя которые система и производит диагностику состояния процесса.

1. Осипенко Ульяна Юрьевна, ст. преподаватель, каф. ресурсосберегающих технологий, e-mail: osipenko.u@gmail.com Osipenko Uliana Yurievna, Lecturer, Department of Resource-Saving Technologies

2. Русинов Леон Абрамович, д-р техн. наук, профессор, заведующий каф. автоматизации процессов химической промышленности, e-mail: lrusinov@yandex.ru

Rusinov Leon Abramovich, Dr. Sci. (Eng.), Professor, Chair of the Department of Processes Automation in Chemical Industry Дата поступления - 13 декабря 2017 года

Анализ технологического процесса производства олефи-нов как объекта диагностики

олефинов, входящая в состоит из трех основных

Установка производства комплекс ЛАБ-ЛАБС ООО «Кинеф» производственных блоков [1]:

- блок Предфракционирования, предназначенный для разделения широкой сырьевой фракции нормальных парафинов на узкие фракции;

- блок Пакол, предназначенный для селективной дегидрогенизации нормальных парафинов высокой степени чистоты до соответствующих моноолефинов;

- блок Дифайн, в котором происходит избирательное превращение диолефинов - побочных продуктов реактора блока Пакол - в моноолефины.

Упрощенная технологическая схема процесса производства олефинов приведена на рисунке 1.

Рисунок 1. Упрощенная технологическая схема процесса производства олефинов

Процесс производства олефинов является взрывопожароопасным. Продуктами, определяющими его взрывоопасность, являются пары нефтепродуктов, которые с кислородом воздуха образуют смеси, взрывающиеся при наличии огня или искры. Особенностью процесса помимо высоких температур является применение вакуума.

Наиболее частыми причинами аварий и взрывов становятся: несоответствие конструкций технологическому режиму, потеря механической прочности аппаратуры, трубопроводов и арматуры (коррозия, загрязнение, внутренние дефекты металла, местные перегревы), отсутствие необходимого технического надзора.

Детальный анализ процесса производства олефинов позволил выявить наиболее опасные направления развития нештатных ситуаций, вызываемые как одной, так и совокупностью конкретных причин.

Основными симптомами нарушений на установке являются:

- изменение температурного режима в аппаратах,

- повышение давления в аппаратах,

- увеличение или уменьшение расхода орошения в колоннах разделения,

- уменьшение или прекращение подачи сырья,

- падение или увеличение уровня в аппаратах,

- изменение температуры сырья на входе в аппараты.

Локализация мест возникновения нештатных ситуаций позволила выделить 10 участков:

1. Стриппер-колонна С-201 блока Предфракционирование, предназначенная для выделения из сырья установки фракции С9 (компонент дизельного топлива);

2. Рефлюксная емкость У-201 колонны С-201 блока Предфракционирование;

3. Редистилляционная колонна С-202 блока Предфракционирование, предназначенная для получения фракций С10-С12 и С13, которые, смешиваясь, являются сырьем блока Пакол;

4. Колонна С-203 блока Предфракционирование, предназначенная для выделения фракции С14-С17;

5. Сырьевой насос блока Предфракционирования Р-804А/В;

6. Теплообменник подогрева сырья блока Предфракционирования Е-201;

7. Сырьевая емкость У-301 блока Пакол;

8. Реактор Я-301 блока Пакол, предназначенный для дегидрогенизации парафинов С10-С13 до соответствующих моноолефинов;

9. Колонна С-301 блока Пакол, предназначенная для выделения фракции нормальных олефинов (продукт установки);

10. Реактор Я-1401 блока Дифайн, предназначенный для преобразования диолефинов - побочных продуктов реактора блока Пакол - в моноолефины.

Такая декомпозиция процесса на автономные области позволяет вести поиск нарушений внутри каждого участка отдельно, что обеспечивает значительное снижение размерности диагностической модели [4].

Диагностическая модель

Для того чтобы оперативно выявлять отклонения в ходе процесса и правильно определять причину, их вызвавшую, система диагностики должна выполнять следующие задачи:

1. Вести непрерывный мониторинг хода процесса;

2. Выполнять обнаружение возникающих нарушений на ранних стадиях;

3. Проводить локализацию нарушения, то есть определять место его возникновения;

4. Определять причины, вызвавшие нарушения;

5. Обеспечивать своевременную выдачу обслуживающему персоналу рекомендаций, направленных на ликвидацию нештатной ситуации.

Диагностическая система должна начинать работу в диапазоне между регламентными границами и аварийными ограничениями. Для этого необходимо установить порог, до которого протекание процесса еще считается нормальным, но его превышение уже является поводом для беспокойства, хотя параметры все еще находятся в допустимом диапазоне. Назовем этот порог эксплутационным.

В таблице приведены диапазоны изменения диагностических параметров для первой выделенной области

- колонны С-201.

Сложность рассматриваемого объекта и большое количество возможных нарушений, а также проведенная локализация мест их возникновений создает предпосылки к использованию иерархической структуры модели диагностической системы. На основании детального обзора диагностических моделей, их структур и особенностей, приведенного в статье [5], а также данных работ [4, 6, 7] для решения поставленной задачи была выбрана иерархическая фреймово-продукционная структура представления знаний в модели. В такой структуре нештатные ситуации группируются по какому-либо признаку. Полученные группы представляются корневыми фреймами на верхнем иерархическом уровне, а дочерние фреймы объединяют знания, характеризующие подгруппы нештатных ситуаций, вызываемых различными причинами, но имеющих общие симптомы [4]. Определение причины нештатной ситуации проводится на базе связывающих нарушения с симптомами продукционных правил, располагаемых также в дочерних фреймах (при их наличии).

Декомпозиция процесса производства олефинов и анализ вероятных нарушений позволили выделить группы нештатных ситуаций по месту их локализации. Каждая такая группа формирует зону ответственности связанного с ней корневого фрейма и определяется по переменным процесса внутри отдельной структурной единицы, выделенной при его декомпозиции. При этом для нештатных ситуаций, проявление которых связано с несколькими структурными единицами, должен быть введен дополнительный корневой фрейм.

Нештатные ситуации внутри группы, имеющие общие определяющие симптомы, но вызванные разными причинами, попадают в зоны ответственности дочерних фреймов и описываются продукционными правилами.

Структура корневого фрейма FrameR описывающего i-ю группу нештатных ситуаций, была представлена набором следующих слотов:

FrameR ={DVali, NVali, Imi, Stati, FrameDi}.

Слоты корневого фрейма FrameRi содержат: DVali -список определяющих диагностических параметров фрейма, используемых для диагностики i-той группы нештатных ситуаций; NVali - список наблюдаемых диагностических показателей; Imi - матрицу пороговых значений AVii для основных диагностических показателей, используемых для обнаружения группы ситуаций, которые имеют общие основные симптомы, и выхода на дочерний фрейм; Stat -статус корневого фрейма (условие инициализации фрейма: Stat = 1, если хотя бы один из показателей выходит за пороговое значение xy.i); FrameDi - список возможных подгрупп ситуаций (имена дочерних фреймов FrameD^).

Структура дочернего фрейма FrameD^, описывающего j-тую подгруппу нештатных ситуаций, была представлена следующим образом:

FrameDi.j = {FrameRi, DVali.j, NVali.j, Stati.j, DiagMi.j, Diagnosisi.j, Recomdi.j}

Фрейм использует следующие значения слотов: FrameR - указатель имени корневого (родительского) фрейма; DVal^ - список основных диагностических показателей дочернего фрейма, обуславливающих его активизацию, и дополнительных симптомов, позволяющих идентифицировать конкретную причину возникновения нештатной ситуации; NVal^ - список наблюдаемых диагностических показателей j-того дочернего фрейма; Stati.j

- статус фрейма {причина нештатной ситуации выявлена, не выявлена, возможна}; DiagMi.j - продукционные правила Rulek, связывающие причины нештатных ситуаций с основными и

дополнительными симптомами; □¡адпоБ^. - причины ситуаций; РдБк - результат диагностики (диагноз); Recomd¡.j -рекомендации по устранению нештатных ситуаций и их последствий.

Таблица. Диапазоны изменения диагностических параметров С-201

№

Fibzob

Наименован ие

параметра

Температур

а верха колонны С-201

Температур а на 5-ой тарелке колонны С-201

Температур

а низа колонны С-201

Расход орошения колонны С-201

Давление колонны С-201

Расход теплоносит еля в Е-203

Уровень в емкости V-201

Температур

а после воздушного холодильни ка А-201

Ед. изм.

°С

°С

°С

м3/ч

кПа

м3/ч

%

°С

Значения параметра

0,5

20

0,9

28

145-170

150-185

230-250

1-3,5

0-30

20-80

30-70

45-61

172

187

253

3,8

33

83

72

62

180

200

273

5,7

50

100

80

66

На рисунке 2 представлены корневой и дочерние фреймы, связанные с работой колонны С-201. В слоте DiagM дочерних фреймов находятся продукционные правила, которые описывают возможные причины возникновения нештатной ситуации. В условной части эти правила содержат нормированные пороговые значения, превышение которых приводит к срабатыванию правила. Пороговые значения диагностических показателей s¡ нормировались приведением к единичному интервалу [0,1].

Рисунок 2. Корневой и дочерние фреймы, определяющие нарушения в колонне С-201

T

T

T

F

P

201

L

Т

Продукционные правила фрейма FrameDi.1 «Нарушение температурного режима колонны С-201», приведенного на рисунке 2, с учетом нормирования параметров выглядят следующим образом:

Rulei= Если ÏB20it > 0,29 & Т5Т201 t< 0,22 & ÏH20it < 0,34 & Fte203 t< 0,12 & F0201 i> 0,25, то Dgsi, Reci

Rule2=Если T5T20it > 0,22 & TB20it < 0,29 & TH20it < 0,34 & FrE203t < 0,12 & Fo20i i> 0,25, то Dgs2, Rec2

Ruleз=Если TB20it > 0,29 & T5T20it > 0,22 & TH20it < 0,34 & FrE203t < 0,12 & Fo20i^ > 0,25, то Dgs3, Rec3

Rule4= Если TH20it > 0,34 & T5T20i < 0,22 & TTb2oi < 0,29 & FrE203t < 0,12 & Fo20i i> 0,25, то Dgs4, Rec4

Rule5=Если (TH20it > 0,34 & FS^t > 0,12), то Dgs5, Rec5 Rule6=Если TB20it > 0,29 & T5T20it > 0,22 & Fo20ii < 0,25, то Dgse, Rec

Переменные, приведенные в вышеуказанных шести правилах, перечислены в таблице. Индексы переменных соответствуют месту измерения. Стрелки t и i указывают рост или падение диагностического показателя отслеживается системой. Слоты Dgsk и Reck содержат соответственно название выявленной нештатной ситуации и рекомендации по ее устранению.

Тестирование диагностической

модели

Для проверки работоспособности разработанной диагностической модели была использована экспертная оболочка Kappa. В оболочке Kappa помимо модели продукционных правил можно использовать объектно-ориентированную модель для представления знаний. В результате фреймовая структура предметной области может быть представлена в виде иерархии классов и объектов.

Результат работы разработанной модели можно оценить на примере развития ситуаций, сгруппированных в дочернем фрейме FrameD1.1. Определяющими диагностическими показателями для активации фрейма FrameD1.1 являются температуры верха, низа и на 5-ой тарелке колонны C-20i. При отклонении за установленные диапазоны работы значения хотя бы одного из показателей система локализует место возникновения нештатной ситуации и определяет вероятные причины, вызвавшие ситуацию. Hа экран оператору выводятся выявленные и возможные причины, вызвавшие нештатную ситуацию, вместе с симптомами и рекомендациями по ее устранению. Для каждой найденной ситуации рассчитывается степень развития.

В качестве примера на рисунке 3 приведен результат работы системы при обнаружении ситуации «нарушение температурного режима в колонне C-20i». Эта ситуация имеет общий симптом «уменьшение расхода орошения колонны C-20i» с ситуацией «нарушение подачи орошения C-20i», но по степени развития менее вероятна, что и показано на мониторе системы.

Ir.-Uf. L.i ( . Optics

I Гуж I

параметры

Нщ^июъе талтерагуркго режила С-201 I пзйачи срсшамя С-201

sr'jpfi верс-201 теьгерзтура 5ой тарелки с-21 [■' 'YVi-'iT',!'..'! if.: С-ЭЭ1 Рххоц cçouxtvi С-201 F авюд в Е-2СЗ

173.3 191.7 263.6 0.79 91.74

причины степень выявленные развития Прижны Степень

Отказ клапана-регулятора расхода теллхосителя 0,41 Отказ в работе системы орсшешя С-201 0.11

Рекомендации

Перейти на регулирование расхода теплоносителя байпасом клапана-регулятора и устгиоеить требуемый расход. Выяснить причту отказа, устранить ее и перейти на автоматическое регулирование расхода, Прсеерить работу насоса Р-201А/В, клочить в работу резервной насос. Проверить работу клапана-регулятора расхода поз. FV-17, перейти на регул-рсеаже расхода орошения байпасом клапана-регулятора и установить требуемое значение расхода.

Рисунок 3. Результат обнаружения двух возможных причин возникновения нештатной ситуации

Системе были предъявлены состояния процесса, соответствующие разным степеням развития как одной, так и нескольких одновременно возникающих нештатных ситуаций, что является наиболее сложным случаем для распознавания. Все ситуации были верно идентифицированы, что подтвердило работоспособность модели.

Заключение

Результаты исследования диагностической модели, ее тестирования с помощью экспертной оболочки показали, что система достаточно точно распознает причины ситуаций даже в том случае, если они имеют несколько общих симптомов, и может быть использована для диагностики состояния процесса производства олефинов. В дальнейшем планируется дополнить разработанную диагностическую систему подсистемой мониторинга для повышения чувствительности при обнаружении нарушений. И провести верификацию модели расширив число экспертов.

Литература

1. Баннов П.Г. Процессы переработки нефти. В 3-х ч. Ч. 2. М.: ЦНИИТЭнефтехим, 2001. 415 с.

2. Гурко Н.С., Лисицын Н.Э., Федоров В. И. Имитационное моделирование и оптимизация процесса дегидрирования н-парафинов в моноолефины // Автоматизация в промышленности. 2009. №9. С. 11-14.

3. Осипенко У.Ю, Федоров В.И.Использование возможностей современных компьютерных программ для повышения эффективности разработки и применения автоматизированных обучающих систем // Известия СПбГТИ(ТУ). 2016. № 36(62). С. 113-118.

4. Русинов Л.А, Рудакова И.В., Куркина В.В. Мониторинг и диагностика состояния технологических процессов // Известия СПбГТИ(ТУ). 2010. № 7(33). С. 80-87.

5. Вент Д.П, Пророков А.Е., Санаева Г.Н., [и др.]. Математические модели, используемые в задачах диагностики технологических систем // Программные продукты, системы и алгоритмы. 2015. № 3. С. 1-22.

6. Yu Qian, Yanrong Jiang, Yanqin Wen, Xiuxi Li, Yanbin Jiang. Novel hybrid representation of knowledge in the expert system for real-time faults diagnosis // Computer Aided Chemical Engineering. 2003. Vol. 15. P. 996-1001.

7. Мешалкин В.П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применение. М.: Химия, 1995. 368 с.

References

1. BannovP.G. Processy pererabotki nefti. V 3-h ch. Ch. 2. M.: CNIITJeneftehim, 2001. 415 s.

2. Gurko N.S., Lisicyn N. V., Fedorov V.I. Imitacionnoe modelirovanie i optimizacija processa degidrirovanija n-parafinov v monoolefiny // Avtomatizacija v promyshlennosti. 2009. №9. S. 11-14.

3. Osipenko UJu, Fedorov V.I.Ispol'zovanie vozmozhnostej sovremennyh komp'juternyh programm dlja povyshenija jeffektivnosti razrabotki i primenenija avtomatizirovannyh obuchajushhih sistem // Izvestija SPbGTI(TU). 2016. № 36(62). S. 113-118.

4. RusinovL.A., Rudakova I.V., Kurkina V.V. Monitoring i diagnostika sostojanija tehnologicheskih processov // Izvestija SPbGTI(TU). 2010. № 7(33). S. 80-87.

5. Vent D.P, Prorokov A.E, Sanaeva G.N, [i dr.], Matematicheskie modeli, ispol'zuemye v zadachah diagnostiki tehnologicheskih sistem // Programmnye produkty, sistemy i algoritmy. 2015. № 3. S. 1-22.

6. Yu Qian, Yanrong Jiang, Yanqin Wen, Xiuxi Li, Yanbin Jiang. Novel hybrid representation of knowledge in the expert system for real-time faults diagnosis // Computer Aided Chemical Engineering. 2003. Vol. 15. P. 996-1001.

7. Meshalkin V.P. Jekspertnye sistemy v himicheskoj tehnologii. Osnovy teorii, opyt razrabotki i primenenie. M.: Himija, 1995. 368 s.