Содержание к диссертации
Введение
Глава 1. Современное состояние проблемы управления безопасностью химических производств 13
1.1 Основные понятия и определения предметной области, связанной с управлением безопасностью сложных технических систем 13
1.2 Анализ возможности использования теории принятия решений для управления безопасностью опасных промышленных объектов 27
1.2.1 Основные понятия и определения теории принятия решений 28
1.2.2 Основные группы задач принятия решений 30
1.2.3 Принятие решений в условиях неопределенности 32
1.3 Использование современных методов искусственного интеллекта и информационных технологий в области промышленной безопасности 37
1.3.1 Нейронные сети в системах управления безопасностью сложными техническими объектами 38
1.3.2 Интеллектуальные системы управления безопасностью 40
1.3.3 Экспертные системы для управления безопасностью 42
1.3.4 Системы поддержки принятия решений на базе методов искусственного интеллекта для управления безопасностью сложных технических объектов 45
1.3.5 Информационные системы в области промышленной безопасности 49
Выводы по главе 1 '. 58
Глава 2. Разработка моделей и методов управления безопасностью химических производств в интеллектуальной системе поддержки принятия решений 59
2.1 Классификация задач, моделей и методов для управления безопасностью химических производств в условиях неопределенности 59
2.1.1 Классификация задач управления безопасностью химических производств 59
2.1.2 Классификация моделей и методов для решения задач управления безопасностью химических производств 61
2.1.3 Анализ неопределенностей химических производств как объектов управления безопасностью. Классификация неопределенностей различной природы 67
2.2 Формулировки задач оперативного управления безопасностью химико-технологических процессов в условиях неопределенности 70
2.2.1 Задача оптимального оперативного управления безопасностью химико-технологических процессов 70
2.2.2 Разработка рекуррентных нейросетевых моделей для оперативного управления безопасностью химико-технологических процессов 74
2.2.3 Разработка нейросетевых моделей на основе сетей адаптивного резонанса для идентификации предаварийных ситуаций 77
2.3 Разработка функциональной структуры интеллектуальной системы поддержки принятия решений для управления безопасностью химических производств 84
2.4 Разработка моделей и методов управления безопасностью химико-технологических систем в интеллектуальной системе поддержки принятия решений 92
2.4.1 Разработка моделей и методов принятия решений по оперативному управлению безопасностью химико-технологических систем и производств 92
2.4.2. Разработка методов и моделей принятия решений по оптимизации мероприятий, направленных на повышение безопасности химических производств на стадии реконструкции и модернизации 100
2.5. Разработка системы поддержки принятия решений по управлению безопасностью на основе моделей искусственного интеллекта 105
2.5.1 Разработка системы поддержки принятия решений по оперативному управлению безопасностью на основе продукционных моделей представления знаний '105
2.5.2 Разработка моделей представления знаний в виде фреймов при создании экспертных систем для управления безопасностью химических производств 112
Выводы по главе 2 116
Глава 3. Разработка алгоритмического и программного обеспечения интеллектуальной системы поддержки принятия решений по управлению безопасностью химических производств 118
3.1 Разработка структуры комплекса программных средств интеллектуальной системы поддержки принятия решений 118
3.1.1 Использование оболочки экспертной системы «ESWin» для разработки продукционных и фреймовых моделей представления знаний в экспертных системах 120
3.1.2 Использование оболочки экспертной системы «Эксперт» для разработки продукционных моделей представления знаний в экспертных системах 125
3.1.3 Использование пакета MATLAB Neural Network Toolbox для создания нейронных сетей Элмана 129
3.1.4 Использование пакета Neural Network Wizard для создания сетей прямого распространения 130
3.2 Разработка распределенной базы данных для анализа производственных опасностей, оценки риска и управления безопасностью химических производств 135
Выводы по главе 3 143
Глава 4. Практическое использование интеллектуальной системы поддержки принятия решений на примере установок каталитического крекинга и ЭЛОУ-АВТ-6 Московского нефтеперерабатывающего завода 144
4.1 Анализ Московского нефтеперерабатывающего завода (МНПЗ) как источника риска 144
4.1.1 Общая характеристика установки каталитического крекинга 144
4.1.2 Общая характеристика установки ЭЛОУ - АВТ - 6 147
4.2 Сравнение результатов нейросетевого моделирования, полученных с использованием MATLAB и Neural Network Wizard на примере управления реакторно-регенераторным блоком установки каталитическо го крекинга МНПЗ 151
4.2.1 Пример обучения нейронных сетей для прогнозирования и управления технологическими процессами установки каталитического крекинга с использованием Neural Network Wizard 151
4.2.2 Результаты нейросетевого моделирования, полученные с использованием пакета MATLAB 157
4.3 Разработка продукционных правил в экспертных системах интеллектуальной системы поддержки принятия решений на примере установки каталитического крекинга 160
4.4 Оценка эффективности мероприятий принятия решений по управлению безопасностью на стадии реконструкции установки (на примере вакуумного блока установки ЭЛОУ-АВТ-6) 173
Выводы по главе 4 182
Основные результаты работы и выводы 183
Список литературы 184
- Основные понятия и определения предметной области, связанной с управлением безопасностью сложных технических систем
- Классификация задач, моделей и методов для управления безопасностью химических производств в условиях неопределенности
- Разработка структуры комплекса программных средств интеллектуальной системы поддержки принятия решений
- Анализ Московского нефтеперерабатывающего завода (МНПЗ) как источника риска
Введение к работе
Крупнотоннажные непрерывно действующие химические и нефтеперерабатывающие производства являются высокорисковыми объектами, представляющими серьезную опасность для человека и окружающей среды, функционирующими в условиях неопределенности, связанной с отсутствием или неполнотой информации о процессах возникновения и развития аварии.
Существует несколько подходов к обеспечению безопасности химических производств. В работах отечественных и зарубежных ученых Горского В.Г. [1], Кузьмина И.И. [2,3,4], Порфирьева Б.Н. [5], Махутова Н.А. [2,6], Маршалла В. [7], Хенли Э. [8] предложен подход к обеспечению безопасности химических производств с использованием методов анализа и оценки риска. Однако большинство разработанных моделей оценки риска и последствий аварий на опасных промышленных объектах имеют достаточно высокие погрешности, связанные с наличием в них значительного количества допущений и ограничений. А переход к более сложным феноменологическим моделям процессов развития химических аварий и негативных воздействий требует существенных временных затрат и наличия исходных данных, связанных с экспериментальными исследованиями, что является не приемлемым в системах оперативного управления безопасностью химических производств.
Наиболее прогрессивным является основанный на методах системного анализа информационно-управляющий подход к обеспечению безопасности химических производств, предложенный в трудах академика Кафарова В.В. [9,10,11] и развитый в работах его учеников Перова В.Л. [10,12], Дорохова И.Н. [13,14], Ме-шалкина В.П. [10,11,15], Палюха Б.В. [12,16], Егорова А.Ф. [17-29]. Этот подход заключается в анализе отказов, диагностике неисправностей и повышении эксплуатационной надежности оборудования и систем управления. Он направлен на создание автоматизированных систем управления технологическими процессами и автоматических систем противоаварийной защиты и блокировки, но не позволяет в полной мере описать и учесть неопределенности различной природы при создании систем управления безопасностью химических производств.
Для решения задач анализа производственных опасностей, идентификации предаварийных ситуаций и управления безопасностью химических производств перспективно использование методов искусственного интеллекта (нейронных сетей, логических рассуждений), которые позволяют за счет заложенных в них алгоритмов обучения и адаптации уменьшить погрешности существующих моделей, связанные с отсутствием или неполнотой информации, и применимы для управления безопасностью в режиме реального времени. В этой связи для учета неопределенностей различной природы решение проблемы обеспечения безопасности химических производств предложено осуществлять на качественно новом уровне с использованием новых информационных технологий на основе создания интеллектуальных систем поддержки принятия решений (СППР) по управлению безопасностью химико-технологических процессов и систем на всех стадиях возникновения и развития аварий. Данные системы позволяют формировать рекомендации для различных лиц, принимающих решения по управлению безопасностью химических производств, как на основе данных оперативных наблюдений, так и с использованием методов и моделей на основе искусственного интеллекта, заложенных в экс-
пертные системы СППР, включающие в себя знания специалистов и опыт эксплуатации химически опасных объектов.
Цель работы и задачи исследований. Целью данной работы является разработка функциональной структуры, моделей, методов и алгоритмов интеллектуальной системы поддержки принятия решений по управлению безопасностью химических производств.
Для реализации поставленной цели в работе сформулированы и решены следующие задачи:
оптимального оперативного управления безопасностью химико-технологических систем (ХТС) в условиях неопределенности;
оперативного управления безопасностью химико-технологических процессов и систем с целью предотвращения возникновения технологических нарушений, отказов и идентификации предаварийных ситуаций с использованием нейросе-тевых моделей;
многокритериального принятия решений по оперативному и долгосрочному управлению безопасностью ХТС и химических производств (ХП) на стадиях функционирования, реконструкции, модернизации с использованием системы поддержки принятия решений;
разработки продукционных моделей представления знаний в системе поддержки принятия решений по оперативному управлению безопасностью химико-технологических процессов (ХТП) и фреймовых моделей для создания экспертных систем для управления безопасностью ХП на всех стадиях возникновения и развития аварии;
разработки баз данных, баз знаний и комплексов программных средств интеллектуальной системы поддержки принятия решений.
Диссертация проводилась в рамках научно-исследовательской работы (НИР) по фундаментальным исследованиям, выполняемой научно-педагогическим коллективом кафедры компьютерно-интегрированных систем в химической технологии по теме "Развитие теоретических основ и методов системного анализа для управления безопасностью химических производств на основе новых информационных технологий" (2003-2005 г.).
Структура и объем работы. Диссертационная работа состоит из введения, четырех глав и выводов, изложенных на 194 страницах, содержит 40 рисунков, 15 таблиц и список литературы из 203 наименований.
Во введении обосновывается актуальность, научная новизна и практическая ценность результатов диссертационной работы. Сформулированы цели и основные направления исследования.
В первой главе диссертации проведен анализ возможности использования традиционных и современных интеллектуальных моделей и методов принятия решений для создания системы поддержки принятия решений по управлению безопасностью химических производств; представлен литературный обзор о современном состоянии проблемы управления безопасностью, на основе которого обоснована необходимость создания качественно новых систем управления безопасностью с использованием современных информационных технологий.
Систематизированы основные термины и определения предметной области, связанной с управлением безопасностью сложных технических систем.
Проведен анализ задач принятия решений, в результате которого установлено, что задача принятия решений по управлению безопасностью ХП является задачей в
условиях неопределенности. Проведена классификация моделей и методов для решения задач управления безопасностью химических производств.
Проведен анализ использования современных методов искусственного интеллекта и информационных технологий в области промышленной безопасности и определены наиболее перспективные из них (экспертные системы, нейронные сети, продукционные правила, фреймы). Проведен обзор современных программных комплексов, используемых в области промышленной безопасности.
В результате проведенного системного анализа химических производств как источников промышленной опасности, существующих подходов, методов, моделей анализа и оценки риска и принятия решений обоснована необходимость использования новых информационных технологий при создании интеллектуальной СППР по управлению безопасностью химических производств.
Вторая глава диссертации посвящена разработке функциональной структуры, моделей, методов и алгоритмов интеллектуальной системы поддержки принятия решений для управления безопасностью химических производств.
Проведена классификация задач управления безопасностью химических производств. Определено три основных класса задач управления безопасностью различных классов химически опасных объектов (ХОО): оптимального оперативного управления безопасностью ХТС и ХП; многокритериального поиска детерминированных управляющих решений из множества альтернатив; с использованием методов искусственного интеллекта в СППР.
В данной диссертационной работе в рамках предложенных классов задач управления безопасностью непрерывных ХТП и ХП сформулированы и решены следующие задачи. В рамках первого класса - задачи оптимального оперативного управления безопасностью химико-технологических систем и ХП в условиях неопределенности и оперативного управления безопасностью химико-технологических процессов и систем с целью предотвращения возникновения отказов и аварийных ситуаций с использованием нейросетевых моделей.
В рамках второго класса - сформулированы и решены задачи многокритериального принятия решений по оперативному и долгосрочному управлению безопасностью ХТС и ХП на стадиях функционирования, реконструкции модернизации с использованием методов сравнения альтернатив на основе многокритериальной теории полезности.
В рамках третьего класса задач управления безопасностью разработаны продукционные модели представления знаний в СППР по оперативному управлению безопасностью ХТП и фреймовые модели для создания экспертных систем (ЭС) для управления безопасностью ХП на всех стадиях возникновения и развития аварии.
В работе предложена функциональная структура интеллектуальной СППР по управлению безопасностью химических производств. Данная система является одной из подсистем интегрированной автоматизированной системы управления безопасностью химических производств, развитие которой предложено в настоящей работе.
Во второй главе диссертации разработано математическое обеспечение интеллектуальной СППР. Предложена постановка задачи оптимального оперативного управления безопасностью ХТП в условиях неопределенности и проведен анализ ее размерности. В работе предложены новые подходы и методы решения задач оперативного управления безопасностью ХТП и ХТС с использованием методов
искусственного интеллекта: нейронных сетей, продукционных и фреймовых моделей.
Для оперативного прогнозирования и управления безопасностью технологических процессов предложено использовать неиросетевые модели и алгоритмы на основе сетей: прямого распространения, адаптивного резонанса и рекуррентных нейронных сетей (Джордана и Элмана). Для идентификации предаварийных ситуаций предложено использовать нейронные сети адаптивного резонанса.
Для решения задачи принятия решений по оперативному управлению безопасностью ХТС, которая заключается в поиске управляющих воздействий, обеспечивающих требуемый уровень безопасности ХТС в выбранной системе приоритетов рисков и ущербов, в настоящей диссертационной работе предложен подход, включающий два основных этапа. На первом этапе с использованием многокритериальной теории полезности проводится ранжирование альтернатив - сценариев развития аварий и аварийных ситуаций, на втором - осуществляется выбор управляющих воздействий, направленных на предотвращение возникновения наиболее опасных сценариев развития аварий на непрерывно действующих установках химических производств.
В работе предложен новый подход к решению задачи многокритериального выбора мероприятий, направленных на снижение риска возникновения аварий на стадии модернизации (реконструкции) предприятий, разработана методика оценки эффективности этих мероприятий и предложен алгоритм выбора альтернативных вариантов с использованием методов анализа риска, принятия решений и экономических критериев
Для решения задач управления безопасностью с использованием методов искусственного интеллекта разработаны продукционные и фреймовые модели представления знаний для создания ЭС в СППР по оперативному управлению безопасностью химико-технологических процессов и производств на всех стадиях возникновения и развития аварии.
Третья глава посвящена разработке алгоритмического и программного обеспечения интеллектуальной системы поддержки принятия решений по управлению безопасностью химических производств.
В соответствии с функциональной структурой интеллектуальной СППР по управлению безопасностью химических производств разработан комплекс программных средств (КПС). Основной функцией данного комплекса является выдача рекомендаций лицу, принимающему решение, в режиме реального времени для принятия управляющих решений по обеспечению безопасного функционирования химико-технологических процессов, систем и производств. Комплекс реализован с использованием концепции распределенных баз данных и архитектуры клиент-сервер и включает:
серверную часть, созданную на базе реляционной системы управления базами данных (СУБД) Oracle 7.0, содержащей таблицы баз данных о состоянии технологического оборудования, КИПиА; технологических параметров процессов; для анализа производственных опасностей и оценки риска; на основе аварий на других производствах; по нормативным документам; вычислительных экспериментов (ВЭ) информационно-моделирующей подсистемы СППР;
клиентскую часть, реализованную на языке Object Pascal в среде Borland Delphi и состоящую из блока принятия решений и блока пополнения баз данных. Блок принятия решений содержит программные средства для ре-
шения соответствующих задач. Блок пополнения данных содержит средства добавления в базы данных информации о новых предприятиях, технологических установках, неисправностях, отказах, свойствах пожаро-, взрывоопасных веществ, авариях на других производствах, нормативных документах, результатах вычислительных экспериментов. В работе создана распределенная база данных для анализа производственных опасностей, оценки риска и управления безопасностью химических производств.
Рассмотрено использование оболочек экспертных систем «ESWin» и «Эксперт» для разработки продукционных и фреймовых моделей представления знаний в экспертных системах интеллектуальной СППР по управлению безопасностью ХТС и ХП и нейросетевых пакетов MATLAB Neural Network Toolbox и Neural Network Wizard для решения задач пропюзирования изменения технологических параметров процессов в системах управления безопасностью ХТП с целью предотвращения возникновения отказов и аварийных ситуаций.
В четвертой главе представлены результаты практического использования интеллектуальной системы поддержки принятия решений на примере установок каталитического крекинга и электрообессоливающей атмосферно-вакуумной установки (ЭЛОУ-АВТ-6) Московского нефтеперерабатывающего завода (МНПЗ). Эти две установки были выбраны в качестве объектов исследования как наиболее опасные на предприятии.
В данной главе на примере вышеперечисленных установок решены следующие задачи:
принятия решений по оценке эффективности внедрения новых технических средств на стадии реконструкции на примере вакуумного блока установки ЭЛОУ-АВТ-6;
разработки продукционных правил для представления знаний в экспертных системах управляющей подсистемы СППР (на примере установки каталитического крекинга);
нейросетевого прогнозирования технологических параметров процессов для оперативного управления безопасностью ХТП и идентификации предава-рийных ситуаций на установке каталитического крекинга.
Научная новизна работы заключается в следующем:
проведена классификация задач управления безопасностью химических производств и неопределенностей различной природы и обоснована необходимость разработки принципиально нового подхода к управлению безопасностью на основе создания интеллектуальной системы поддержки принятия решений;
предложен методический подход и разработаны модели и алгоритмы решения многокритериальных задач принятия решений по управлению безопасностью химических производств в детерминированных условиях на стадиях функционирования, реконструкции, модернизации, заключающиеся в ранжировании наиболее опасных сценариев развития аварий и аварийных ситуаций с учетом приоритетных критериев (рисков и ущербов) и поиске управляющих воздействий, направленных на предотвращение возникновения наиболее опасных сценариев;
предложен новый подход к принятию решений по управлению безопасностью химических производств с использованием методов искусственного интеллекта
и разработаны продукционные и фреймовые модели представления знаний для систем поддержки принятия решений по управлению безопасностью непрерывных ХТС и ХП;
разработаны нейросетевые модели оперативного управления безопасностью химико-технологических процессов на основе архитектур рекуррентных нейронных сетей, позволяющие в режиме реального времени рассчитывать управляющие воздействия по предотвращению возникновения отказов и аварийных ситуаций с учетом управляющих воздействий, принятых в предыдущий момент времени;
для идентификации предаварийных ситуаций разработаны принципиально новые нейросетевые модели, основанные на теории адаптивного резонанса, позволяющие хранить и формировать новые образы предаварийных ситуаций, которые могут возникнуть в процессе функционирования непрерывно действующих установок химических производств.
Практическая ценность работы
Разработано информационное и программно-алгоритмическое обеспечение, базы данных и базы знаний и комплексы программных средств интеллектуальной СППР по управлению безопасностью химических производств для решения широкого круга проблемно ориентированных задач промышленной безопасности.
Комплексы программных средств реализованы в архитектуре клиент-сервер, включающей распределенные базы данных, пакеты прикладных программ, информационно-моделирующие системы. Распределенные базы данных информационных подсистем интегрированной автоматизированной системы управления (ИАСУ) и базы данных вычислительных экспериментов систем поддержки принятия решений ИАСУ реализованы с использованием СУБД Oracle 7.0. Прикладное программное обеспечение и базы знаний интеллектуальной СППР безопасностью ХП реализованы в среде Borland Delphi и предназначены для работы в операционной системе Windows.
С использованием разработанного математического и программно-алгоритмического обеспечения проведен анализ Московского нефтеперерабатывающего завода как источника риска; получены результаты нейросетевого прогнозирования технологических параметров процессов и результаты оценки экономического, экологического и социальных видов рисков и тяжести последствий аварий; с использованием методов принятия решений проведено ранжирование сценариев развития аварий по степени их опасности; разработаны продукционные и фреймовые модели для оперативного управления безопасностью реакторно-регенераторного блока установки каталитического крекинга и электрообессоли-вающей атмосферно-вакуумной установки.
Полученные результаты исследований используются в учебном процессе на кафедре компьютерно-интегрированных систем в химической технологии.
Апробация работы. Основные положения диссертационной работы докладывались на 7 международных и одной всероссийской конференции, в том числе: XVI, XVII Международных научных конференциях «Математические методы в технике и технологиях» (г. Ростов/н Д, 2003, г. Кострома, 2004); XVI, XVII, XVIII, XIX «Международных конференциях молодых ученых по химии и химической технологии» (г. Москва, 2002, 2003, 2004, 2005); IX «Национальной конференции по искусственному интеллекту с международным участием» (г.Тверь, 2004); XII
международной конференции «Проблемы управления безопасностыо сложных систем» (2004).
Таким образом, в диссертационной работе проведен анализ химических производств как объектов управления безопасностью, в результате которого выявлены общие закономерности и специфические особенности анализа и оценки риска крупнотоннажных непрерывно действующих химических производств в режимах нормального функционирования и в случае аварий и предложен принципиально новый подход к управлению безопасностью ХТП, ХТС и химических производств, сочетающий принципы анализа и оценки риска и методы искусственного интеллекта. Предложена функциональная структура интеллектуальной СППР по оперативному и долгосрочному управлению безопасностью химических производств.
На защиту выносится следующий круг вопросов:
методологические принципы создания интеллектуальной системы поддержки принятия решений по управлению промышленной безопасностью крупнотоннажных непрерывно действующих химических производств на стадиях функционирования, реконструкции и модернизации, включающие комплексное решение задач: анализа химических производств как источников промышленной опасности и управление безопасностью;
методы, модели и алгоритмы принятия решений по оперативному и долгосрочному управлению безопасностью химико-технологических систем и производств на стадиях функционирования, реконструкции и модернизации;
нейросетевые модели оперативного управления безопасностью химико-технологических процессов на основе архитектур рекуррентных нейронных сетей и принципиально новые нейросетевые модели, основанные на теории адаптивного резонанса, предназначенные для идентификации предаварийных ситуаций;
продукционные и фреймовые модели представления знаний для систем поддержки принятия решений по управлению безопасностью непрерывных химико-технологических систем и производств;
информационное и программно-алгоритмическое обеспечение интеллектуальной системы поддержки принятия решений по управления безопасностью химических производств: базы данных и базы знаний в экспертных системах для управления безопасностью химических производств (диагностики отказов; по технологическим нарушениям (отказам) на установках и способам их устранения; по аварийным ситуациям и сценариям их развития, по мерам их локализации и ликвидации; по ликвидации последствий аварийных ситуаций).
Основные понятия и определения предметной области, связанной с управлением безопасностью сложных технических систем
Вопрос об упорядочении терминологии в такой области деятельности, как обеспечение безопасности населения и природной среды в ходе экономического и социального развития общества, начал обсуждаться только в последнее время, когда пришло осознание необходимости проведения научных исследований этой проблемы. В научных же исследованиях введение точной терминологии является строго обязательным требованием. И, тем не менее, приходится констатировать, что до настоящего времени в этой области деятельности отсутствует общепризнанная система терминов. Это утверждение касается даже такого основополагающего термина как "безопасность". Нельзя проводить исследования явления, которое не определено. Вопрос о том, что такое "безопасность" - это вопрос стратегии и тактики исследований в области обеспечения безопасности населения и окружающей среды. В проведенном в работе анализе понятий и определений предпринята попытка разбросанную по различным литературным источникам терминологию по безопасности, имеющую общий характер, критически осмыслить и свести в систему, содержащую точное понимание употребляемых терминов на единой основе.
Следует отметить, что данная система терминов основана на концепции безопасности, согласно которой проблема обеспечения безопасности человека и окружающей его среды в условиях хозяйственной деятельности представляет собой сложную социально-экономическую проблему, решение которой определяется характером взаимодействия социальных, экономических, экологических и демографических факторов, определяющих развитие общества. В рамках такого подхода в качестве "индикаторов" уровня безопасности выступают показатели состояния здоровья населения, благосостояния общества и качества природной среды. Как следствие этого, в работе приведен ряд терминов, отражающих основную терминологию, применяемую в смежных с безопасностью областях деятельности, имеющих непосредственное отношение к рассматриваемой проблеме.
Обеспечение безопасности промышленных производств необходимо рассматривать с точки зрения системного подхода, поэтому сначала остановимся на основных понятиях в данной области.
Понятие система происходит от греческого systema - целое, составленное из частей, соединение. Это - множество элементов, находящихся в отношениях и связях друг с другом, образующих определенную целостность, единство. Система -это совокупность взаимодействующих элементов, объединенных единством цели или общими целенаправленными правилами взаимоотношений [9].
Система обладает сложным внутренним строением, большим числом составных частей (подсистем) и элементов. Элемент системы - самостоятельная и условно неделимая единица. Элементы взаимодействуют между собой и окружающей средой, иначе говоря, между ними существует материальная, энергетическая и информационная связь. Совокупность элементов и связей образует структуру системы. Различают следующие виды систем.
Сложная система - множество элементов (объектов), каждый из которых представляет собой подсистему более низкого уровня, образующих единое целое путем наличия связей и отношений между ними. Функционирование сложной системы осуществляется в соответствии с заданными целями.
Сложные технические системы (СТС) - технические объекты, характеризующиеся следующими свойствами: целенаправленностью, целостностью и возможностью разбиения; иерархичностью, многоаспектностью и развитием.
Под химической системой [9] понимается совокупность физико-химических процессов, происходящих в системе, и средств для их реализации. Химическая система включает: собственно химический процесс, аппарат, в котором он проводится, средства для контроля и управления процессов и связи между ними. Примером системы может служить любой регулируемый химический процесс, протекающий в объекте (например, в реакторе), подлежащем управлению.
Применительно к иерархической структуре химического производства различают следующие уровни [9]: типовых химико-технологических процессов (механических, гидродинамических, тепловых, диффузионных и химических) и локальных систем управления ими; уровень производственных цехов и автоматизированных систем управления технологическими процессами; уровень химического предприятия и интегрированной автоматизированной системы управления химическим предприятием. Уровни в иерархической структуре химического предприятия взаимосвязаны между собой.
Химико-технологическая система Г101 - это совокупность взаимосвязанных технологическими потоками и действующих как единое целое аппаратов, в которых осуществляется определенная последовательность технологических операций (подготовка сырья, собственно химическое превращение и выделение целевых продуктов).
Современный уровень организации и управления производством предполагает функционирование в нем таких сложных технических систем, как автоматизированные системы, человеко-машинные системы различного назначения [17,32], компьютерно-интегрированные системы, интегрированные автоматизированные системы управления и др.
Интегрированная автоматизированная система управления - система управления, содержащая в своей функциональной структуре подсистему поддержки принятия решений, которая включает совокупность экспертных систем и средств искусственного интеллекта. Это принципиально отличает ИАСУ от традиционных автоматизированных систем управления и позволяет лицу, принимающему решение, в режиме реального времени осуществлять управление химико-технологическими процессами, системами и производством в целом с целью обеспечения их безопасности [17].
Для исследования свойств сложных систем используют методологию системного анализа.
Системный анализ [91 - это стратегия изучения сложных систем, каковыми, в частности, являются процессы химической технологии и химические производства. В качестве метода исследования в нем используется математическое моделирование, а основным принципом является декомпозиция сложной системы на более простые подсистемы (принцип иерархии системы) и установление количественных связей между ними. Выделение подсистем (уровней) определяется не только сложностью рассматриваемого объекта, но и степенью изученности данного уровня и наличием математического описания. Рассматривая независимо каждую из подсистем с входными и выходными потоками (энергии, массы, импульса и т. д.) и оценивая потенциал этих потоков, можно выявить источники и стоки, определить допустимые по некоторому критерию потери, а также выявить резервы повышения эффективности отдельных аппаратов и схемы в целом.
Таким образом, химическое производство необходимо рассматривать как многоуровневую кибернетическую систему по переработке энергетических, материальных и иных потоков, т. е. с позиций системного подхода.
Классификация задач, моделей и методов для управления безопасностью химических производств в условиях неопределенности
Для повышения безопасности химических производств в настоящее время необходимо использовать качественно новый тип интеллектуальных автоматизированных систем - интегрированные автоматизированные системы управления безопасностью, объединяющие в единую структуру информационно-моделирующие и управляющие системы, программные комплексы и технические средства сбора и передачи данных на базе локальных вычислительных сетей [30].
Задача управления безопасностью химических производств включает как оперативное управление безопасностью на разных уровнях иерархии химического производства, так и принятие долгосрочных управляющих решений, связанных с проектированием, реконструкцией, модернизацией химических производств с учетом риска и внутренней безопасности химически опасных объектов.
Целью управления безопасностью химических производств является: - недопущение и предотвращение аварийных ситуаций, связанных с отказами технологического оборудования, контрольно-измерительных приборов, а также, недопустимыми отклонениями технологических параметров протекания ХТП от регламентированных значений; - предотвращение цепного развития аварии с нанесением экономического, экологического и социального видов риска; - снижение тяжести последствий аварий (ущербов) в случае их возникновения; - принятие долгосрочных управляющих решений, направленных на повышение безопасности химических производств.
В данной работе проведена классификация задач управления безопасностью химических производств. Определено три основных класса задач управления безопасностью различных классов химически опасных объектов [30].
Первый класс задач оптимального оперативного управления безопасностью ХТС и ХП в процессе возникновения и развития аварийной ситуации является типичным классом задач управления в условиях неопределенности и формулируется как поиск оптимальных управляющих воздействий, направленных на минимизацию всех видов ущербов, которые могут возникнуть в результате аварии при обеспечении приемлемых или допустимых уровней всех видов рисков.
Второй класс задач принятия решений по управлению безопасностью ХТС на различных стадиях функционирования и проектирования формулируется как класс задач многокритериального поиска управляющих решений из множества альтернатив, обеспечивающих наибольшую безопасность системы, то есть приемлемые или допустимые уровни всех видов рисков и минимальные или достаточно низкие значения всех видов ущербов в соответствии с выбранной шкалой приоритетов.
Третий - задачи принятия решений по управлению безопасностью ХТП, ХТС и химических производств с использованием методов искусственного интеллекта в системах поддержки принятия решений для различных классов химически опасных объектов, стадий возникновения и развития аварии и уровней управления безопасностью.
Каждый класс химически опасных объектов характеризуется различными причинами возникновения аварийных ситуаций и особенностями их развития по много уровневым сценариям. В настоящей диссертационной работе все предложенные классы задач управления безопасностью рассматриваются на примере непрерывно действующих установок крупнотоннажных химических производств. В данной диссертационной работе в рамках предложенных классов задач управления безопасностью непрерывных ХТП и ХП сформулированы и решены следующие задачи, представленные на рис.2.1.
В рамках первого класса сформулированы и решены задачи оптимального оперативного управления безопасностью химико-технологических систем и ХП в условиях неопределенности и оперативного управления безопасностью химико-технологических процессов и систем с целью предотвращения возникновения отказов и аварийных ситуаций с использованием нейросетевых моделей.
В рамках второго класса задач сформулированы и решены задачи многокритериального принятия решений по оперативному и долгосрочному управлению безопасностью ХТС и ХП на стадиях функционирования, реконструкции модернизации с использованием системы поддержки принятия решений.
В рамках третьего класса задач управления безопасностью разработаны продукционные модели представления знаний в СППР по оперативному управлению безопасностью ХТП и фреймовые модели для создания ЭС для управления безопасностью ХП на всех стадиях возникновения и развития аварии.
В зависимости от объекта исследований в системе управления безопасностью предложено рассматривать несколько уровней управления, причем уровни развития аварии не всегда совпадают с уровнями управления безопасностью. Направленность управляющих воздействий может быть как локальной (на устранение одной причины), так и общей, нацеленной на устранение однотипных ситуаций или факторов риска или - на снижение различных последствий аварий в результате реализации одного или со вокупности управляющих воздействий. На каждом уровне управления безопасностью для различных аварийных ситуаций необходимо реализовать комплекс управляющих воздействий, направленных на устранение причин и на снижение тяжести последст вий. Предлагается следующая классификация управляющих воздействий в СППР ИА СУ безопасностью химических производств, согласно которой они могут быть [18,25]: - независимыми (например, по устранению различных возможных причин аварии, которые не могут возникнуть одновременно). Эти независимые действия могут быть направлены как на устранение различных аварийных ситуаций (в технологическом оборудовании), так и на устранение различных причин, приводящих к одной аварийной ситуации (в непрерывно действующих установках); - зависимыми - когда одно действие определяет последовательность выполнения других действий; - однонаправленными - когда одно и то же действие направлено на устранение типовой аварийной ситуации или типового фактора риска, которые могут возникнуть на различном технологическом оборудовании или производственном помещении (для периодических производств); - комбинированные - когда одни действия могут выполняться независимо от других, но общее управляющее решение должно быть найдено как объединение действий, реализуемых независимо.
Кроме того, управляющие воздействия по управлению безопасностью имеют долгосрочный (на стадии проектирования и реконструкции), плановый (профилактика оборудования и планово-предупредительные ремонты) и оперативный характер.
Для решения каждого из рассмотренных выше классов задач управления безопасностью требуются свои методы. В следующем разделе будет проведен их анализ и выбор для решения задач управления безопасностью химических производств.
Разработка структуры комплекса программных средств интеллектуальной системы поддержки принятия решений
Современные химические производства являются источниками потенциальной опасности для окружающей среды и человека. Для прогнозирования возникновения возможных аварий, связанных с технологическими и организационными нарушениями на химических производствах и управления безопасностью ХТС и ХП перспективно создание комплексов информационных и программных средств.
В соответствии с функциональной структурой СППР ИАСУ безопасностью ХП (см. рис.2.12) разработан комплекс программных средств (КПС), структура которого представлена на рис. 3.1. Основной функцией данного КПС является выдача рекомендаций ЛПР в режиме реального времени для принятия управляющих воздействий для обеспечения безопасного функционирования ХТП, ХТС или ХП.
Комплекс реализован с использованием концепции распределенных баз данных и архитектуры клиент-сервер.
Серверная часть создана на базе реляционной СУБД Oracle 7.0, содержащей таблицы нескольких баз данных (о состоянии технологического оборудования, КИПиА; технологических параметров процессов; для анализа производственных опасностей и оценки риска; на основе аварий на других производствах; по нормативным документам; вычислительных экспериментов (ВЭ) информационно-моделирующей подсистемы СППР). Запросы к таблицам базам данных реализуются с помощью структурированного языка запросов SQL (Structured Query Language) и позволяют находить информацию, соответствующую функциональному назначению баз данных.
Клиентская часть реализована на языке Object Pascal в среде Borland Delphi и состоит из блока принятия решений и блока пополнения баз данных. Блок принятия решений содержит программные средства для решения соответствующих задач. Для создания ЭС по предотвращению возникновения отказов, аварийных ситуаций и ликвидации их последствий предлагается использовать программу ESWin 1.32 для создания БЗ, представленных в виде фреймов и продукционных правил (с помощью программы Edkb, предназначенную для создания, редактирования и просмотра БЗ для этой оболочки) и оболочку экспертной системы Эксперт 1.0 для создания продукционных ЭС. Нейросетевой блок для прогнозирования изменений технологических параметров процессов и управления безопасностью ХП создается с помощью Neural Network Wizard (создания сетей прямого распространения) и MATLAB Neural Network Toolbox (создания сетей прямого распространения и с обратными связями - рекуррентных сетей, Элмана). Принятие решений по управлению безопасностью ХП осуществляется с помощью пакетов CriteriumDecisionPlus 3.0 (реализованы методы АНР (аналитической иерархии) и S.M.A.R.T. (разновидность АНР).) или Expert Choice 2000 (реализован метод аналитической иерархии). Блок пополнения данных содержит средства добавления в базы данных информации о новых предприятиях, технологических установках, неисправностях, отказах, свойствах пожаро-, взрывоопасных веществ, авариях на других производствах, нормативных документах, результатах вычислительных экспериментов.
Программа ESWin версии 1.32 предназначена для интерпретации баз знаний, представленных в виде фреймов, правил-продукций и лингвистических переменных, с целью решения задач идентификации, диагностики, прогноза, управления.
База знаний готовится в виде текста на специальном языке в двух файлах, содержащих фреймы с правилами-продукциями и описания лингвистических переменных.
Решение задачи экспертной системой осуществляется методом обратного логического вывода, т.е. доказательством цели (целевого факта) с присвоением при этом ему значения (при успешном выводе).
В процессе вывода происходит интерпретация правил, при которой проверяются заданные в них условия над свойствами (параметрами, факторами, характеристиками) понятий, описанных в виде фреймов. Эти свойства во фреймах описаны как слоты, имеющие имя и значение.
Слоты могут быть трех типов: символьные, численные, лингвистические переменные (ЛП).
Если слот еще не имеет значения, экспертная система запрашивает его значение у пользователя. При этом, если запрашивается значение лингвистической переменной, пользователь может ввести ее численное значение или выбрать одно из символьных значений. При вводе численного значения оно может быть использовано при проверке любых условий с любыми значениями (символьными тоже) этой лингвистической переменной.
Значения слотов некоторого фрейма или меню для выбора этого значения можно читать из какой-либо базы данных. Для этого в базе знаний необходимо создать специальную структуру данных, имеющую смысл описания отображения фрейма на структуру записи в базе данных. С использованием этой структуры автоматически формируются SQL-запросы к базе данных. Этот механизм использует BDE (Borland Data Engine) - машина базы данных Borland, позволяющая доступ до локальных таблиц в формате Paradox, dBase, InterBase или текстовых файлов, а также через SQL-LINK доступ до SQL-серверов, таких, как Informix, Oracle, Sybase, MS-SQL и др. Благодаря существованию BDE пользователь начисто избавлен от необходимости знания внутренних механизмов обмена данными и преобразования форматов и имеют дело только с самими данными, предоставленными ему в виде таблиц.
В случае срабатывания правила (истинности проверяемого в нем условия) в базу фактов добавляются новые факты, содержащиеся в заключении правила. Кроме того, могут выполняться некоторые побочные действия - запуск внешней программы, удаление ранее полученного факта, вывод сообщения на экран, вывод содержимого заданного фрейма, запуск заданного правила. Используя последнюю возможность можно усложнять логический вывод, не ограничиваясь только обратным выводом.
Программа реализована на Delphi 5. Фреймы Фрейм - структура данных, имеющая: Имя - string, Тип фрейма - класс, экземпляр класса или шаблон. Набор из неограниченного количества слотов, каждый из которых представляет собой: Название - string, Тип слота - символьный, численный, ЛП, дата, время Значение - число или строка Множество (список) возможных значений (для символьного слота или лингвистической переменной) (только во фрейме-классе). Коэффициент достоверности (только во фрейме-экземпляре). Время и дата изменения, Комментарий (имя текстового или графического файла). Файл может иметь формат txt, gif, bmp, avi, htm. Специализированный слот с именем PARENT, значением которого является имя фрейма-родителя. Специализированный слот с именем OWNER, значением которого является имя фрейма-владельца, в состав которого входит данный фрейм, Специализированный слот с именем DATE, значением которого является дата последнего изменения фрейма, Специализированный слот с именем TIME, значением которого является время последнего изменения фрейма. Следует иметь в виду, что слот может иметь либо множество возможных значений (во фрейме-классе) либо одно значение (во фрейме-экземпляре или во фрейме-классе или во фрейме-шаблоне) либо не иметь значений вообще.
При вопросе к пользователю список возможных значений выводится в качестве меню, и после выбора значения из этого меню формируется дочерний по отношению к текущему фрейм-экземпляр со слотом, имеющим это значение. Множество таких фреймов-экземпляров составляет переменную часть базы знаний.
Если в текущем фрейме нет запрашиваемого слота, он ищется во фреймах-родителях, и вопрос задается в соответствии с найденным описанием. При этом найденный слот с его значением помещается в текущий создаваемый фрейм-экземпляр.
При вопросе значения слота в случае наличия комментария все виды файлов-комментариев кроме txt выводятся вместе с вопросом в отдельной форме. Комментарий формата txt выводится по требованию нажатием соответствующей кнопки.
С помощью слотов PARENT и OWNER фреймы могут объединяться в деревья, которые будем далее называть С-деревьями и К-деревьями, соответственно. Кроме того, между фреймами могут существовать и произвольные связи через обычные слоты (значением слота в этом случае является имя другого фрейма).
На рисунках 3.2-3.4 представлены примеры разработки фреймов, разработанных в п. 2.5.2 (см. рис. 2.15-2.18), для управления безопасностью реакторно-регенераторного блока установки каталитического крекинга с помощью программы ESWin.
Анализ Московского нефтеперерабатывающего завода (МНПЗ) как источника риска
Комбинированная установка атмосферно-вакуумной перегонки нефти с предварительным обессоливанием и вторичной перегонкой бензина предназначена для переработки сырой нефти с целью получения продуктов первичной перегонки и полуфабрикатов - сырья установок каталитического риформинга, газофракционирования, битумной, гидроочисток, каталитического крекинга и фракции 150-250С. Предусмотрена возможность переработки совместно с сырой нефтью газового конденсата (широкой фракции) в соотношении не более 8:1). Генеральный проектировщик ВНИПИНефть. Установка состоит из следующих блоков: - электрообессоливания; - реагентного хозяйства; - атмосферной перегонки; - стабилизации и вторичной перегонки бензина; - вакуумного; - печей; - утилизации.
Блок электрообессоливания - ЭЛОУ предназначен для подготовки нефти к переработке на атмосферно-вакуумном блоке (АВТ).
Подготовка нефти заключается в удалении из поступающей на завод нефти хлористых солей кальция, магния, натрия, растворенных в воде, и воды, находящейся в нефти в виде эмульсий типа вода в нефти (в/н) и нефть в воде (н/в).
Атмосферный блок предназначен для разделения обессоленной нефти путем ректификации на сухой газ, головную фракцию и фракции: НК-120С, 120-180С, 150-250С, 240-290С, 290-350С, мазут (остаток атмосферной перегонки) - фракция выше 350С.
Блок стабилизации и вторичной перегонки бензина предназначен для стабилизации фракции НК-120С с получением жидкой газовой головки и углеводородного газа и последующего разделения стабильной фракции НК-120С на составляющие фракции НК-62С, 62-85С, 85-120С. Вторичная перегонка ведется по двухколонной схеме.
Вакуумный блок предназначен для перегонки мазута (остаточного продукта атмосферного блока) с целью максимального отбора фракций 350-420С и 420-500С.
Блок печей предназначен для обеспечения необходимого теплового режима колонн блоков: атмосферного, вакуумного и вторичной перегонки. Блок утилизации тепла предназначен для получения перегретого водяного пара за счет утилизации тепла дымовых газов печей. Анализ характерных аварий и состояния безопасности установки ЭЛОУ-АВТ-6.
Установка ЭЛОУ - АВТ - 6 характеризуется высоким уровнем взрыво- и пожароопасности, связанным с нахождением в системе больших объёмов горючих продуктов [197].
Энергетический потенциал взрывоопасное отдельных блоков составляет свыше 100, а радиус полного разрушения 22 метра.
Наиболее характерными являются аварии, связанные с разгерметизацией торцевых уплотнений, разрушением подшипниковых узлов насосов типа НК -560/300 для транспортировки нефтепродуктов, в результате несовершенства конструкций торцевых уплотнений, недоработок, допущенных при проектировании.
Аварийный выход из строя насосов неоднократно происходил в результате неудовлетворительного технического надзора за состоянием насосного оборудования, некачественного монтажа после ремонта, неудовлетворительной балансировки роторов и центровки насосов, а также нарушениями при организации смазки подшипниковых узлов.
Сложность в эксплуатации насосного оборудования во многом обусловлена несовершенством их конструкций, отсутствием средств контроля основных параметров, определяющих безопасную эксплуатацию насосов, системы автоматической защиты, обеспечивающей останов насосов при разгерметизации торцевых уплотнений и разрушении подшипниковых узлов, отсутствии перемещаемости продукта в корпусе насоса, а также средств дистанционного отключения отдельных ответственных насосов, в том числе печных.
Часто отмечались аварийные ситуации, связанные с пропуском нефтепродуктов вследствие разгерметизации фланцевых соединений теплообменников, трубопроводов и запорной арматуры. Выбросы в атмосферу нефтепродуктов, нагретых до высоких температур, имеющих низкую температуру самовоспламенения приводили к загоранию на технологических блоках. Эти аварийные ситуации были вызваны ненадёжностью конструкции фланцевых соединений, некачественной их сборкой, а также температурными деформациями при пусках и остановах объектов.
Возникновение пропусков на колонно - ёмкостном оборудовании влечёт за собой возможность возникновения загазованности на значительной территории, кроме того, затрудняется локализация очага загазованности из-за больших объёмов оборудования.
