Содержание к диссертации
Введение
Глава 1. Процесс первичного разделения нефти как объект наблюдения иуправления 10
1.1. Общее описание проблемы. Идентификация состояния процесса 10
1.2. Технологические цели и критерии их достижения. Постановка технологической задачи ректификации нефти 21
1.3. Идентификация свойств сырья и состояния процесса 29
1.4. Основные выводы по литературному обзору и постановка задачи исследования 36
1.5. Основные результаты первой главы 38
Глава2. Математическое моделирование процесса ректификации . 39
2.1. Объекты исследования 39
2.2. Разработка программы «POLIFUN» для моделирования процесса ректификации 41
2.3. Программа статистического моделирования «REGMOD» 56
2.4. Методы исследования и применяемые критерии 57
2.5. Выводы по главе 2 62
Глава 3. Анализ и идентификация моделей статики ректификационных колонн различного типа 64
3.1. Общая структура модели статики процесса ректификации 64
3.2. Влияние тарелки питания на эффективность ректификации 65
3.3. Температурные профили, контрольные зоны (оптимизация расположения датчиков) 67
3.4 Влияние степени извлечения на эффективность ректификации 76
3.5. Влияние на эффективность орошения 83
3.6. Структурная и параметрическая идентификация типовой модели статики процесса ректификации и выбор критерия оптимальности 85
3.7. Выводы по главе 3 93
Глава 4. Структурная и параметрическая идентификация моделей физико-химических свойств нефти 95
4.1. Источники информационных неопределенностей данных по качеству нефти 96
4.2. Фракционный состав и интегральные показатели качества 102
4.3. Параметрическая идентификация моделей фракционного состава нефтесмесей 107
4.4. Выводы по главе 4 117
Глава 5. Алгоритмы и Аппаратно-программные комплексы для оптимизации ректификации нефти 120
5.1. Программно-математический модуль «Predict Assay» для оперативной оценки выходов продуктов заданного ассортимента 120
5.2. Аппаратно-программный комплекс и алгоритм оптимального управления ректификацией нефти 131
5.3. Оптимизация технологического режима колонны ректификации нефти на установке ГК-3 ОАО АНХК 139
5.4. Практическое применение локального критерия для оценки состояния процесса ректификации нефти 146
5.5. Выводы по главе 5 151
Заключение 152
Список использованных источников 157
- Технологические цели и критерии их достижения. Постановка технологической задачи ректификации нефти
- Разработка программы «POLIFUN» для моделирования процесса ректификации
- Температурные профили, контрольные зоны (оптимизация расположения датчиков)
- Источники информационных неопределенностей данных по качеству нефти
Введение к работе
В настоящее время, в связи с предстоящим вступлением России в ВТО, для отечественных предприятий весьма актуальным является выполнение требований стандартов серии ISO 9000 по обеспечению максимальной «идентифицируемости, наблюдаемости и управляемости» производства. Обеспечение этих требований в отношении процесса ректификации нефти является весьма сложной проблемой, так как кроме динамичности (наличия перманентных и существенных изменений во времени), сложности и распределенности параметров в пространстве и времени для этого процесса характерно применение особого вида сырья - нефти, которая сама по себе является сложной и динамичной физико-химической системой. Несмотря на значительное количество работ по улучшению контроля над процессом, существует актуальная проблема неполной наблюдаемости и, соответственно, неполной управляемости процесса первичного разделения нефти. На верхних уровнях управления нефтепереработкой завода в настоящее время широко применяются современные системы технико-экономического моделирования и оптимизации (PIMS, RPMS и т.п.), которые на базе экономических критериев, маркетинговой обстановки и усредненных данных по качеству перерабатываемых нефтесмесей выдают оптимальные задания на уровень отдельных установок. Однако на установках ректификации нефти фактические отборы фракций, как правило, значительно отклоняются от оптимальных заданий. Основные причины этого заключается в следующем:
• различия планового- и фактического качества сырья; отсутствие методов и алгоритмов, позволяющих оперативно получить достоверную картину разделения нефти и тем самым обеспечить полный и безусловный контроль над процессом.
Экономический смысл проблемы наблюдаемости процесса первичного разделения нефти заключается в наличии на установках ректификации избыточного запаса по качеству, то есть убыточного перераспределения фракций в пользу малоценных продуктов. Этот запас зависит от степени совершенства оборудования и составляет на различных установках от 1-2 до 6-8% мас. в пересчете на нефть. Подобный запас, именуемый иногда «динамическим», неизбежно возникает в условиях неполной наблюдаемости в результате самых различных технологических манипуляций по управлению процессом для компенсации операторами ненаблюдаемых и неконтролируемых ими возмущений. Поэтому экономическая цель настоящего исследования заключается в выявлении и указании путей снижения этого запаса по качеству, и увеличения выхода целевых продуктов путем приближения фактических отборов к оптимальным значениям.
Основным инструментом для представления информации о процессе и реализации управляющих воздействий являются распределенные автоматические системы управления технологическими процессами (АСУТП), представляющие собой комплекс технических и программно и алгоритмических средств. Общее количество параметров, которые собираются и выводятся на мониторы рабочих мест операторов-технологов, достигает нескольких тысяч. Количество информации о процессе в виде отдельных измерений столь велико, что оперативная и корректная их интерпретация в режиме реального времени без использования специальных алгоритмов практически исключена. Последнее, как видно из данных таблицы 1, является принципиальным моментом, ухудшающим качество управления.
Как видно из данных таблицы, простое информирование, пусть даже оперативное, не дает гарантий правильного решения и, напротив, перенасыщение оператора информацией в условиях дефицита времени приводит к так называемой «информационной» болезни. Именно поэтому необходимо обеспечить корректную интерпретацию ключевой информации и данных с представлением результатов в виде максимально интегрированной и адаптированной для восприятия оценки состояния процесса.
Любая интерпретация требует концептуальной основы, т.е. модели взаимодействия намечаемой цели, наблюдаемого объекта и окружающей среды (источников возмущений), т.е. предполагает обязательное предварительное решение задачи целеуказания. Кроме того, поскольку локальный процесс «встроен» в общую схему нефтеперерабатывающих заводов (НПЗ), должны быть определены способы взаимодействия локального технологического процесса с окружающей его технико-экономической средой НПЗ, т.е. корректный способ декомпозиции глобального критерия оптимизации на локальные. Этот вопрос как имеющий особую методологическую важность должен быть выделен в решение отдельной проблемы. Поэтому важнейшей задачей исследования должен стать выбор критерия, позволяющего оперативно оценить степень оптимальности режима разделения нефти на продукты заданного ассортимента.
Нефть как сырье процесса и источник основных возмущений процесса является самостоятельной и чрезвычайно сложной динамической системой, наблюдение свойств которой в режиме реального времени является отдельной и весьма непростой проблемой. В этом главное отличие процесса ректификации нефти от ректифи-кации ограниченного числа точно идентифицированных компонентов. Одни и те же значения интегральных параметров качества (таких как плотность, температура за-стывания вязкость и т.п.), которые в настоящее время служат главными критериями целями управления, могут быть получены при различных отборах и наложениях смежных фракций, т.е. при разных состояниях процесса. Таким образом, решение общей проблемы контроля процесса первичной перегонки имеет как бы «удвоенную сложность» по сравнению с ректификацией ограниченного числа компонентов и соответственно включает две группы проблемных задач:
• Оперативная оценка (идентификация) свойств нефти;
• Оперативная оценка (идентификация) состояния процесса.
Проблема неполной наблюдаемости и управляемости процесса ректификации нефти, являясь основным препятствием для экономически эффективной интенсификации и оптимизации нефтепереработки, составляет предмет настоящего исследования.
Цель работы - повышение точности выполнения оптимальных заданий верхнего уровня управления (систем PIMS. RPMS и т.п.) путем выбора и обоснования способов корректной декомпозиции глобального критерия оптимизации нефтепереработки на локальные. Создание на базе выбранных критериев комплекса методических и алгоритмических средств, для оптимального управления технологическим процессом ректификации нефти.
Основными задачами исследования являлись следующие:
1. Определение типовых свойств статических характеристик ректификационных колонн (структурная и параметрическая идентификация типовых моделей статики процесса ректификации в колоннах различного типа) и анализ особенностей нелинейной задачи минимизации энергозатрат ректификации с целью поиска наиболее рациональных способов ее решения .
2. Разработка технико-экономического критерия (концепция управления) для ректификации нефти, учитывающих типовые свойства установившихся режимов ректификационных колонн и особенности оптимизационной задачи минимизации энергозатрат ректификации.
3. Разработка алгоритма оптимального управления процессом первичного разделения нефти с использованием выбранных локальных критериев оптимизации, обеспечивающих корректное однозначное сопряжение с глобальной оптимизацией всей схемы переработки нефти на заводе.
4. Разработка способов оперативной идентификации ключевых свойств нефти.
5. Разработка алгоритмов оценки (наблюдения) целевых параметров процесса недоступных прямым измерениям, в том числе фактических температур раздела и наложений смежных фракций, отборов от потенциала и т.п.
Основные результаты проведенной работы Научная новизна:
1. Впервые предложен критерий оптимальности процесса ректификации нефти на базе связанной пары ключевых параметров - «температуры раздела» и «наложения» смежных фракций, позволяющий удерживать заданное (оптималь ное) распределение узких фракций в продуктах разделения нефти инвариантно к колебаниям качества сырья.
2. На базе установленных особенностей типовых распределений плотности перерабатываемых нефтесмесей впервые предложены идентификационные модели, позволяющие оценивать фракционный состав перерабатываемых нефтесмесей в режиме реального времени.
3. Предложена декомпозированная модель качества нефти, позволяющая оперативно прогнозировать выходы целевых продуктов заданного ассортимента.
На защиту выносятся:
• методы и средства оперативной идентификации основных свойств нефти и нефтепродуктов;
• модель интегральных свойств нефти, позволяющая оперативно прогнозировать выходы целевых продуктов заданного ассортимента;
• метод и критерий оценки локальной оптимальности процесса ректификации нефти;
• алгоритмы и программно математическое обеспечение для оптимального управления ректификацией нефти на базе выбранного критерия, и для детерминированного и статистического моделирования процессов;
• методика моделирования и оптимизации установившихся режимов процесса ректификации.
Личный вклад автора
Разработка критериев и алгоритмов оптимизации (математического и программного обеспечения), разработка и внедрение программно-математического обеспечения для АСУТП на базе контролеров «Ремиконт», разработка метода и уст ройства для оценки состава многокомпонентной смеси, разработка и внедрение программно-математического комплекса для построения интегрированной картины разделения на атмосферном блоке. Участие (разработка отдельных модулей) в разработке пакета детерминированного моделирования «POLIFUN». Постановка задачи, руководство, участие в разработке и выбор расчетных формул для пакета «PREDICT ASSAY».
Экономический эффект.
Применение разработанной автором методики оптимизационного анализа по-зволило выдать и реализовать рекомендации по оптимизации режима ректификации нефти на установке ГК-3 ОАО «АНХК», а именно снизить потери наиболее ценных продуктов с побочными (мазутом) на 41%. При этом затраты на оптимизацию (обследование, расчеты и т.п. составили около 700 тыс.рублей, в то время как альтернативный вариант - реконструкция оценивался руководством ОАО «АНХК» в 1,5-2 миллиона долларов). Для установки ГФУ ОАО «Ачинского НПЗ» даны рекомендации по усовершенствованию систем регулирования, позволяющие снизить энергозатраты на 35%.
Предложенная модель свойств нефти и разработанная на ее базе методика прогноза выходов продуктов при ректификации нефти с учетом требований ассортимента, а также реализующий ее программный модуль PREDICT ASSAY позволяют задавать оптимальные температуры раздела смежных фракций и оперативно оценивать потенциалы продуктов. Применение методики позволяет увеличить оперативность по сравнению с применяемой в настоящее время методикой ВНИИНП примерно в 400 раз.
Разработанный на базе идентификационной модели нефти аппаратно-программный комплекс «ИТК», внедренный на установке АВТ-11 ОАО «НК НПЗ», позволяет оценивать основной параметр качества нефти (фракционный состав).
Технологические цели и критерии их достижения. Постановка технологической задачи ректификации нефти
Выходные переменные Y находятся под одновременным воздействием всех входных переменных и регуляторов. Поэтому, как показывает практика, применение независимых регуляторов для управления процессом ректификации даже в простой колонне чревато неустойчивостью из-за взаимных влияний. Для того чтобы эффективно управлять выходными переменными Y подсистема динамической оптимизации должна осуществлять связанное (многомерное) регулирование при оптимальных настройках (в соответствии с выбранными динамическими критериями оптимизации) такого многомерного регулятора.
В настоящее время задачу оптимизации динамики процесса ректификации с помощью многомерного связанного регулирования можно считать решенной и теоретически и практически. Существует несколько высокоэффективных направлений и подходов к ее решению. Среди них можно указать теорию автономного регулирования с помощью введения дополнительных компенсирующих связей между каналами, выдвинутую в 1934 г. И.Н. Вознесенским, теорию инвариантных комбинированных систем и т.п. Разработаны (и в мировой практике широко применяются в качестве стандартного программно-математического обеспечения АСУТП) блоки многомерного регулирования. Мировым эталоном в области многомерного (связанного) управления является программно-математический продукт мирового лидера в области оптимизации процессов нефтехимии и нефтепереработки компании «Ас-пенТех». Этот продукт под названием пакет «DMC+» реализует функции многомерного оптимального регулирования при самых различных постановках задач с применением самого различного набора критериев. Применение такого пакета позволяет оптимизировать динамику практически любого сложного технологического процесса, в том числе и ректификации. Однако для эффективного использования такого рода подсистем динамической оптимизации необходимы входные установки-задания по оптимальным значениям непосредственно измеряемых или вычисляемых выходных переменных. Такие оптимальные установки-задания и должна обеспечить подсистема статической оптимизации. Схема подобной двухконтурной оптимизации указана на рисунке 1.1. Таким образом, для общей оптимизации работы колонны должна быть сначала решена задача статической оптимизации, затем оптимальные статические установки должны быть переданы подсистеме динамической оптимизации, которая должна обеспечить безусловное выполнение статических установок, оптимизировав переходные процессы по своим динамическим критериям оптимизации.
Резюме подраздела. Для решения задачи полномасштабного наблюдения, (максимально полной идентификации) процесса ректификации необходим учет особенностей процесса, его статики и динамики, а также учет наличия неопределенностей информации о процессе. Такой учет требует интеллектуализации систем управления как для корректной и оперативной интерпретации данных, так и для оперативного целеуказания, оптимальной постановки технологической задачи в конкретных условиях. В этой связи необходимо особо отметить, что исследование статических характеристик ректификационных колонн детерминированными методами позволяет получить важнейшую априорную информацию об истинных физико-химических особенностях процесса и тем самым гарантировать корректность технологической интерпретации информации о состоянии процесса. Поэтому исследование процесса, для постановки технологических задач и выбора критериев корректнее всего проводить с помощью критерия Майкова, т.к. это позволяет оценить степень термодинамического совершенства процесса. Таким образом, для выбора типового критерия оптимальности ректификации необходимо построить математические модели разнотипных колонн и провести их исследование с помощью критерия Майкова. Однако для практического использования результатов теоретических исследований необходимо обеспечить адекватность этих детерминированных компонентных моделей процессу и их своевременную адаптацию, что требует решения задачи обеспечения оперативной и достоверной информацией о свойствах перерабатываемой нефти и ключевых факторах процесса.
Технологические цели и критерии их достижения. Постановка технологической задачи ректификации нефти
Ректификационная колонна является крайним случаем декомпозиции ректификационного производства на стадии, т.е. максимально простым блоком, все еще сохраняющим все основные особенности процесса как такового. Главным концептуальным вопросом наблюдения и управления ректификационной колонной является выбор цели и критериев оценки степени ее достижения. Цель определяет назначение системы, смысл ее существования и функционирования во внешней производственной среде. С формальной точки зрения целью оптимального управления является сужение набора значений выходов системы Y до некоторой области цели которая в частном случае может быть точкой цели y =(yl ,y2 ,....yn ). Для технологического процесса область цели К должна быть задана с помощью критерия эффективности производства. Критерий эффективности управления (КЭУ) должен отражать качество управления. КЭУ делятся на два рода:
Разработка программы «POLIFUN» для моделирования процесса ректификации
Общепризнанным обстоятельством является существенная нелинейность оп тимизационной задачи для процесса ректификации, поэтому необходимо изучить те ее особенности, которые могут дать ключ к наиболее рациональным и простым ее решениям. В первую очередь необходимо рассмотреть возможность сведения к ли нейным формам основных зависимостей процесса, т.е. идентифицировать типовые модели процесса. " " " Если принять в качестве целевых выходных переменных содержание примесей {Xdm, XWM) (или суммы примесей) в продуктах разделения, то типовая модель статических зависимостей выходных переменных от основных факторов процесса ректификации в колоннах различного типа может быть представлена следующими общими выражениями, описывающими нелинейные гиперповерхности статики: В разработанной методике исследования статики (Глава 2) осуществляется снижение общей размерности задачи идентификации статики процесса ректификации путем декомпозиции ее на две подзадачи: исследование конструктивных пара метров (предварительная стадия) и стадию исследования режимных параметров. Если конструктивные параметры оптимизировать на предварительной стадии (проектирования или оптимизационного технологического анализа), а область варьирования основных режимных параметров сузить до регламентной области, то в достаточно узком диапазоне изменений могут быть получены основные статические зависимости качества разделения (содержания примесей Xdnb XWJ1) в виде упрощенных полиномиальных моделей с двумя входными доминантными переменными (е/е0, Ln) технологического режима: Путем дальнейшего сужения области изменений до рабочей (область технологической карты процесса) становится возможным получение зависимостей линейного характера, или близких к линейным. В этом случае, как будет показано ниже, могут быть выбраны простые критерии и алгоритмы локальной оптимизации, позволяющие выдерживать оптимизационные уставки верхних уровней инвариантно к колебаниям качества сырья. Кроме решения указанных вопросов при исследовании статики требуется решение вопроса оперативного наблюдения за важнейшими факторами процесса не доступными прямым измерениям (например, степенью извлечения и флегмовым числом). Влияние тарелки питания на эффективность ректификации Как указано первой стадией является исследование конструктивных параметров. Правильный выбор тарелки ввода питания {FM) на стадиях проектирования, или уточнение ее на стадии анализа фактического режима может существенно улучшить качество разделения продуктов без внесения дополнительных энергозатрат. На рисунках 3.1, 3.2 показаны графики зависимости критерия относительной термодинамической разделительной способности колонны (N) от номера тарелки питания (FM) при различной степени извлечения верхнего продукта и при разном орошении. Графики иллюстрируют следующие основные свойства зависимости TV = f(FM).
Важно отметить, что минимум критерия Ми максимум критерия Л7"достигается не всегда при одном и том же значении номера тарелки питания, поэтому при определении тарелки питания для колонн четкой и сверхчеткой ректификации следует пользоваться критерием N. Для колонн, делящих непрерывные смеси и обладающих небольшой разделительной способностью, или колонн, предназначенных для доочистки продуктов, лучше пользоваться критерием М. Этот важный вывод следует учесть при выборе критерия для оптимизации разделения нефти.
Одним из существенных недостатков отечественной практики ректификации, а также ее проектирования, является недостаточное внимание к вопросам наблюдаемости и управляемости процесса. Исследование способов оперативных косвенных измерений ключевых параметров процесса должно стать необходимой стадией повышения эффективности действующего процесса.
Температурный профиль ректификационной колонны является важнейшим показателем режима работы колонны, легко доступным контролю. Под контрольной зоной (или тарелкой) понимается такая тарелка, на которой наблюдается наибольшая чувствительность изменения температуры к изменению какого-либо входного параметра. В общем случае положение контрольной тарелки в колонне не является величиной постоянной, ее местонахождение зависит от параметра и величины возмущения. Однако в пределах нормальной эксплуатации колонны смещение это не очень значительно, что позволяет определить область тарелок, наиболее чувствительных к возмущениям путем проведения минимального количества экспериментов на математической модели процесса. Практически любое возмущение процесса разделения можно преобразовать в эквивалентное изменение отбора от потенциала. Поэтому варьированием отборов вокруг базового значения (например, проектного) проще всего определить область максимальных изменений профиля температур. Любая тарелка в этой области может служить контрольной тарелкой. Этот простой принцип положен авторами в основу применяемой в данной работе методики определения контрольных зон. Пример применения предлагаемой методологии оптимизации расположения датчиков приведен ниже.
На рисунках 3.3 - 3.5 представлены температурные профили работы колонн при различных отборах (буквой N на указанных графиках обозначены номера тарелок). На рисунках 3.6 и 3.7 представлены примеры результатов обработки, графики отклонений температурного профиля колонн К-404 и К-101 от базового при различных отборах. Рассмотрим подробнее. Если за базовый режим по отбору принять проектный, соответствующий отбору меньше потенциального (например, D/DonT = 0.98), то область наиболее чувствительных по температуре тарелок в этом случае находится между 30 и 45 тарелками в исчерпывающей секции колонны в соответствии с рисунком 3.6. В качестве контрольной тарелки может служить 35. Если за основной режим принять режим, соответствующий отбору больше потенциального, область наиболее чувствительных по температуре тарелок перемещается в укрепляющую секцию колонны и располагается между 83 и 93 тарелками и в качестве контрольной может служить 90-ая тарелка.
Для основного режима, соответствующего отбору, равному потенциальному, область наиболее чувствительных тарелок находится как в исчерпывающей (45 тарелке), так и в укрепляющей (65-80 тарелки) секциях колонны. Для колонны К-404 режим потенциального отбора является преимущественным по всем критериям, и для этой колонны контрольные тарелки следует определять при базовом отборе, равном потенциальному.
Температурные профили, контрольные зоны (оптимизация расположения датчиков)
Из приведенных на рисунках 4.2 и 4.3. данных видно, что имеют место перманентные периодические колебания качества нефтесмесей, перерабатываемых заводами самарского региона. При этом ярко выраженных трендов качества не наблюдается, и колебания характеризуются ограниченными амплитудами колебаний (вариация плотности вокруг среднего составляет около 3,75%, вариации содержания серы вокруг среднего составляет около 40%). Провести полноценный частотный анализ с помощью фильтра Фурье не удалось, однако как видно из данных рисунков 4.2-4.3 наиболее вероятные периоды колебаний (основные гармоники) качества нефтесмсей составляют от 1-1,5 месяцев до 1,5-2 месяцев. Приведенные на рисунках 4.2-4.3 (а также многочисленные, не вошедшие в работу данные) позволили проанализировать и выделить основные типы распределений показателей качества. Особенности этих распределений позволили предложить соответственные им структуры моделей качества и провести их параметрическую идентификацию.
Модели нефти и длительность лабораторных процедур идентификации. Невозможность полной, «истинной», идентификации нефти как смеси индивидуальных углеводородов приводит к тому, что практически все способы получения информации о физико-химических свойствах нефти сводятся к моделированию ее набором псевдокомпонентов. В процессе периодической лабораторной идентификации качества перерабатываемого сырья для подготовки данных системы оптимизационного планирования НПЗ (PIMS) нефть представляется как смесь 42 псевдокомпонентов и 5 точно идентифицируемых индивидуальных компонентов газовой части (/ = 1, ..., 47), характеризуемых 17 физико-химическими свойствами (к= 1, ..., 17). В общем случае, получение такой детализированной модели свойств нефти требует выделения 47 фракций по ГОСТ 11011 и проведения 17 анализов по различным методикам для каждой из выделенных фракций и потому может занимать от одного до нескольких месяцев в зависимости от аналитических возможностей лаборатории. Результаты идентификации сводятся в единую матрицу, описывающую свойства индивидуальной нефти или нефтесмеси и имеющую размерность 47x17. Это означает, что все к свойств нефти в обычной практике лабораторной идентификации считаются примерно равноценными в информационном плане, то есть изменяющимися со сравнимыми частотами и амплитудами. Аналитическая формулировка такого рода крайне затратной идентификационной модели может выглядеть следующим образом аддитивных или сведенных к аддитивности физико-химических свойств /-го псевдокомпонента (узкой фракции) или компонента; ATI- пределы выкипания /-ой узкой фракции (77,-и 72/); /- номера компонентов или псевдокомпонентов (узких фракций), которые располагаются в соответствии с ростом их температуры кипения. Таким образом, основными источниками информационных неопределенностей качества нефти в процессе оперативного управления являются следующие моменты: Колебания качества нефтесмесей (в первую очередь фракционного состава); Сложность применяемой идентификационной модели нефти и, соответственно, длительность и сложность лабораторной процедуры идентификации. чем аналогичных показателей качества нефтей (интегральных), т.к. отношение среднеквадратических отклонений показателей качества узких фракций к средне-квадратическим отклонениям аналогичных показателей нефтей составляет от 6 до 28% (в среднем 14,9%). Поэтому можно сделать вывод, что фактором, определяющим изменчивость интегральных показателей качества индивидуальной нефти, является именно распределение весовых коэффициентов сц. Это распределение задает доли влияния векторов качества узких фракций Р/ на интегральный вектор качества Р и является ничем иным, как особой характеристикой качества нефти, именуемой фракционным составом. Фракционный состав является полным аналогом концентрации индивидуального компонента в идентификационных процедурах четкой ректификации. Из изложенного следует, что доля фракционного состава в вариации показателей качества нефти (таблица 4.1) составляет от 72 до 96%. Исходя из изложенного выше, можно констатировать, что основным отличием свойств нефтесмеси от свойств одной конкретной индивидуальной нефти является то, что весовые коэффициенты а, (фракционный состав) перманентно меняются во времени, причем гораздо значительнее, чем вектор индивидуальных физико-химических свойств псевдокомпонента - узкой фракции Р/. Стабильность вектора индивидуальных физико-химических свойств псевдокомпонента - узкой фракции Р,- связана с тем, что по мере сужения пределов выкипания фракции свойства узких фракций приближаются к не изменяющимся свойствам индивидуальных компонентов. Таким образом, если известны соотношения (массовые доли /5), в которых смешиваются N(J= 1, ..., N) индивидуальных нефтей вида (4.6), то модель нефтесмеси из N индивидуальных нефтей может иметь следующий вид.
Источники информационных неопределенностей данных по качеству нефти
При оптимальном управлении важнейшим этапом является указание текущих координат цели (т.е. положение оптимума), поэтому при оперативной адаптации режима установок ректификации нефти к изменениям производственных заданий и качества сырья наиболее важным моментом является корректная установка (оптимальное планирование) текущих производственных заданий по отборам и ассортименту продуктов, не противоречащая реальным потенциалам этих продуктов в фактически поступающем сырье. Как указано в главе 3, оптимальное производственное планирование отборов продуктов нефти (являющееся по своей сути оперативным целеуказанием) должно сводиться к определению оптимальных «температур раздела» (ТРрад) смежных фракций (формула (3.6)). Оптимальными точками раздела ИТК являются те точки, которые обеспечивают минимум запаса по качеству, что, как показано в главе 3, означает минимизацию энергозатрат на производство целевых продуктов. В настоящее время, для оценки потенциалов выхода продуктов (и соответственно, температур раздела) используются Методические указания ВНИИНП [154] Указанная методика чрезвычайно затратна и продолжительна (включает выделение узких фракций, повариантное последовательное компаундирование и анализ полученных базовых смесей). Полный цикл анализов по указанной методике занимает до 25-30 дней, поэтому полученные даные невозможно использовать для оперативного оптимального управления. На базе предложенной идентификационной модели нефти (формула(4.6)) и в соответствии с Техническим заданием ОАО «АНХК» разработана методика и программно-математический продукт «PREDICT ASSAY», предназначенный для оперативной оценки потенциалов продуктов заданного ассортимента и прогноза значений наиболее критичных пока зателей качества взамен методики ВНИИНП. Эта оценка возможна в двух вариантах: Оценка независимого потенциала (без учета других продуктов). Оценка потенциалов с учетом других продуктов. Каждый вариант может осуществляться в двух модификациях ( с минимизацией запаса по качеству или без нее). Кроме того возможен прогноз значений показателей качества фракции заданного состава. Методологическая концепция оперативного прогноза потенциалов и качества продуктов, разработанная автором, основывается на критериальном подходе к разделению нефти, приведенному в главе 3, и новой идентификационной модели свойств нефти и нефтепродуктов как указано в главе 4, идентификационная модель вида (формула (4.6)), позволяет выделить оценку фракционного состава в отдельный блок оперативной задачи (рисунок 5.1), что позволяет сократить до минимума затраты времени на получение порядка 86% информации о качестве нефти. Таким образом, исходная информация для «PREDICT ASSAY» делится на две различающиеся частотой обновления части: оперативные данные по фракционному составу нефти относятся к данным, требующим максимального оперативного обновления, а данные по физико-химическим свойствам узких фракций и ограничения относятся к наиболее стабильной, наиболее трудоемкой и потому значительно реже (раз в 2- 3 месяца) обновляемой части информации.
Задача оптимального разделения нефти с учетом критериального подхода к разделению нефти как управлению температурами раздела смежных фракций формулируется в структурном виде следующим образом: Если структурная модель рассматривается в контексте модели более высокого уровня, то в качестве с„ может быть взята двойственная оценка соответствующего продукта. Но обычно исходят из того, что при первичной переработке нефти стоимости светлых продуктов (бензина, керосина, дизельного топлива) приблизительно равны, а стоимость мазута существенно меньше. Поэтому стремятся максимизировать выход светлых. В соответствии с этим параметр с„ можно определить так: cn{xn xi»i)=x» \ хп- если п индекс светлого продукта, с„( ,, ,) = 0 в противном случае. Штрафная составляющая вводится для обеспечения показателей качества продуктов. Она представляет собой взвешенную сумму квадратов относительных отклонений (в нижнюю или верхнюю сторону) расчетных значений показателей от заданных.
