Интеллектуальная система поддержки принятия решений в задачах управления непрерывными процессами: на примере установки первичной переработки нефти тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Нзамба Сенуво

• Нзамба Сенуво
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Нзамба Сенуво

ОГЛАВЛЕНИЕ

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1. ГЛАВА 1: ОСНОВНЫЕ ОСОБЕННОСТИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ УПРАВЛЕНИЯ ПРОЦЕССАМИ

ПЕРВИЧНОЙ ПЕРЕРАБОТКИ НЕФТИ

1.1.Основные особенности технологических схем и управления установками первичной переработкой нефти

1.2. Основные группы решаемых задач, группы генерируемых и проверяемых гипотез

1.2.1. Задача анализа работы оборудования, состояния установки, качества сырья и качества выпускаемых продуктов

1.2.2. Задача прогноза работы оборудования, состояния установки, режимов работы, качества сырья и качества выпускаемых продуктов

1.2.3. Генерация гипотез о состоянии работы оборудования, качества сырья, режимных параметров управления, качества и количествах выходных продуктов

1.3. Основные методы и средства поддержки решения задач первичной

переработки нефти

1.3.1 Работы по исследованию режимов первичной переработки нефти

и управлению режимами АВТ

1.3.2. Системы поддержки принятия решений в задачах мониторинга работы оборудования технических средств управления

1.4. Работы по применению средств вычислительной техники для управления режимами работы установок первичной переработки нефти

1.5.Разработка требований к созданию ИСППР при первичной

переработке нефти

Выводы по первой главе

2. ГЛАВА 2: РАЗРАБОТКА КОНЦЕПЦИИ, ПРИНЦИПОВ И МЕТОДИКИ ПОСТРОЕНИЯ ИСППР ПРИ УПРАВЛЕНИИ

АВТ

2.1. Разработка структуры ИСППР при управлении АВТ

2.2. Особенности разработки структуры интеллектуальной системы поддержки принятия решений

2.3. Разработка структурно-функциональной схемы ИСППР

2.4.Разработка требований и структуры СИМ ИСППР

2.5. Разработка интеллектуального интерфейса ИСППР

Выводы по второй главе

3. ГЛАВА 3: ОСНОВНЫЕ МАТЕМАТИЧЕСКИЕ МОДЕЛИ И ПРОГРАММНЫЕ СРЕДСТВА ИСППР, ИСПОЛЬЗУЕМЫЕ

ПРИ УПРАВЛЕНИИ АВТ

3.1. Модели распределения отдельных фракций

3.1.1. Модели материального баланса потоков по установке

3.1.2.Балансовые количественные ограничения в колоннах с учетом нечеткого разделения

3.1.3. Учет ограничений по качеству фракций

3.1.4. Модель расчета фракционного состава при отгоне по Энглеру

3.2. Выбор математических моделей процессов первичной переработки нефти

3.2.1. Общая модель процессов первичной переработки нефти

3.2.2. Выбор математической модели режима стабилизации процесса первичной переработки нефти

3.3. Обзор программных средств, используемых при реализации систем поддержки принятия решений

3.4. Особенности применения инструментальных средств G2 при создании ИСППР

3.4.1. Использование возможностей объектно-ориентированного программирования для построения моделей знаний

3.4.2. Представление знаний, правил, процедур и моделей

3.4.3 Работа в реальном времени

3.4.4. Динамическое моделирование и моделирование для анализа "

что - если "

Выводы по третьей главе

4. ГЛАВА 4: РАЗРАБОТКА МОДЕЛЕЙ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В ТИПОВЫХ ШТАТНЫХ И НЕШТАТНЫХ СИТУАЦИЯХ

4.1. Особенности поддержки принятия решений в штатных режимах управления

4.2. Особенности поддержки принятия решений в нештатных режимах

управления

4.3 Продукционные правила анализа балансов потоков на АВТ

4.3.1 Продукционные правила соблюдения баланса по каждому узлу распределения потоков на АВТ

4.3.2 Продукционные правила соблюдения баланса по каждому узлу смешения потоков на АВТ

4.4. Продукционные правила корректировки оперативного управления АВТ с использованием результатов прогноза на СИМ

4.5. Продукционные правила анализа текущей конфигурации источников данных

4.6.Определение моделей знаний, необходимых для решения основных

задач управления установками первичной переработки нефти

4.6.1. Выбор моделей представления знаний для формирования

событий, ситуации и сценариев

4.6.2 Описание ограничений в БЗ экспертных систем ИСППР

4.6.3.Формирование событий

4.6.4. Матричная-форма представления событий

4.6.5. Формирование описания текущей ситуации

4.6.6. Формирование описания текущих и тактических сценариев

4.6.7. Систематизация знаний специалистов по технологии и

управлению установками первичной переработки нефти

Выводы по четвертой главе

5. ГЛАВА5. ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ

5.1. Основные классы материальных потоков и оборудования, исполь-

зуемых в ИСППР

5.2.Разработка на основе G2 прототипа базы знаний ИСППР при

управлении АВТ

5.2.1.Mo дули прототипа базы знаний ИСППР при управлении АВТ

5.2.2.Классы и экземпляры объектов прототипа базы знаний при управлении АВТ

5.2.3. Основные процедуры базы знаний прототипа ИСППР

5.2.4. Основные правила

Выводы по пятой главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБАЗНАЧЕНИЙ

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1.Примеры таблиц параметров компонентов,

технологических режимов, выходных продуктов

ПРИЛОЖЕНИЕ 2.Описания специфических атрибутов прототипа БЗ

ИСППР управления АВТ

ПРИЛОЖЕНИЕ 3.Описания процедур БЗ ИСППР при управлении

АВТ

ПРИЛОЖЕНИЕ 4.Описания правила БЗ ИСППР при управлении АВТ

ПРИЛОЖЕНИЕ 5. Примеры таблиц и форм базы данных АВТ

ПРИЛОЖЕНИЕ 6. Описание основных сведений об установке АВТ

нефтеперерабатывающего завода Согара»

Введение диссертации (часть автореферата) на тему «Интеллектуальная система поддержки принятия решений в задачах управления непрерывными процессами: на примере установки первичной переработки нефти»

ВВЕДЕНИЕ

Актуальность темы. Создание и применение интеллектуальных систем поддержки принятия решений (ИСППР) [25,37,39,49,90] в системах управления (СУ) непрерывными промышленными процессами и установками [49,54,60] дает возможность дополнительного повышения эффективности и безопасности управления сложными объектами в нефтепереработке, нефтехимии и других отраслях. Для эффективного использования ИСППР необходимо определить задачи контроля и управления, для которых целесообразно применение ИСППР, разработать концепцию построения ИСППР, структуру и модель представления знаний с учетом различных требований и условий ее применения.

В традиционных подходах к разработке ИСППР для промышленных объектов вначале проводится модернизация технологии, технических средств и системы управления, а затем уже разрабатывается ИСППР, использующая полный объем информации. Основное внимание уделяется компенсации в системе управления возмущений, действующих на объект, а решение проблемы углубленного анализа данных и возможных причин возникновения значительных отклонений полностью возлагается на опытных технологов и диспетчеров, как лиц, принимающих решения (ЛПР).

В то же время на многих действующих промышленных установках модернизация объекта, технических средств управления (ТСУ) и системы управления проводится поэтапно в течение длительного времени, при этом наблюдаются значительные отклонения регулируемых переменных, а ограничения на режимные параметры задаются с большим запасом. Примером такого объекта может служить установка первичной переработки нефти (АВТ) нефтеперерабатывающего завода (НПЗ) Согара (SOGARA -Société Gabonaise de Raffinage), введенного в эксплуатацию в 1967 году в республике Габон [102,103]. С 2011 г. на НПЗ перерабатывается до 1 млн. тонн смеси местной тяжелой сернистой нефти привозной легкой нефти из Нигерии. Выходные продукты АВТ используются для производства неэтилированного бензина, керосина, бутана, дизельного топлива, мазута и битума. Технические средства системы управления установки эксплуатируются в течении многих лет и требуют замены.

На установке АВТ НПЗ Согара происходит поэтапная модернизация технических средств и системы управления. Предполагается использовать ИСППР для повышения качества принятия решений по управлению таким объектом и повышению

эффективности использования уже имеющегося оборудования за счет автоматизации углубленного анализа оперативных данных, выявления причин возможных отклонений и предупреждения о возможном возникновении нештатных ситуаций. В разработке ИСППР должны учитываться все основные требования и особенности промышленного применения ИСППР, а также условия работы, типичные для поэтапно модернизируемых производств. Чаще всего эти условия связаны со значительными возмущениями по качеству местного и привозного сырья, частыми изменениями требований по выпуску отдельных фракций и продуктов, отказами в работе устаревших средств контроля и управления, нехваткой специалистов высокой квалификации.

При разработке концепции построения ИСППР для класса объектов, находящихся в условиях поэтапной модернизации производства и частых отказов в работе ТСУ, необходимо решить ряд проблем. Одна из проблем - это автоматизация настройки функциональных возможностей ИСППР на использование фактически имеющейся информации от различных источников текущих оперативных данных в зависимости от текущей ситуации, изменения состава существующих источников данных в связи с отказами в работе ТСУ, задержками в получении необходимых данных и в связи с появлением новых датчиков, приборов, поточных анализаторов, лабораторных анализов и расчетов.

Другая проблема связана с автоматизацией логического анализа состояния объекта, работы оборудования и СУ с выявлением возможных причин возникновения текущих отклонений и нарушений. Еще одна проблема возникает в связи с необходимостью своевременного предупреждения ЛПР о возможных критических изменениях состояния объекта на заданном интервале времени с использованием методов прогнозирования. Решение указанных выше проблем связано с использованием различных источников данных, разных моделей описания процессов, а также использования альтернативных алгоритмов контроля и управления [21,54,60,72]. Использование традиционного подхода приводит к значительному расширению модели представления знаний; сложности автоматизации получения оценок текущего и прогнозируемого состояния объекта, технических средств управления и системы управления; усложняет логический анализ нештатных ситуаций и возможных причин их возникновения.

В связи с этим представляется актуальной задача разработки на базе системного подхода концепции, структуры построения ИСППР и прототипа основных ее подсистем,

реализующих повышенные требования к управлению объектами с изменяющейся доступной оперативной информацией, с использованием методов интеллектуального анализа данных, совершенствования модели представления знаний и алгоритмов их обработки.

Цель и задачи исследований. Целью исследований является повышение качества принятия решений ЛПР на основе разработки ИСППР, функционирующей в условиях поэтапной модернизации объекта и системы управления, ориентированной на автоматизацию выбора источников данных и выполнения логического анализа данных, выявления причин возникновения отклонений и нарушений, обнаружения предпосылок возникновения нештатных ситуаций для класса задач контроля и управления типовым непрерывными процессами, на примере установки АВТ НПЗ Согара.

На рис.1 показана схема взаимодействия ЛПР с ИСППР и системой управления АВТ. ЛПР доступен полный объем имеющейся информации об объекте и системе управления (каналы 1, 2, 3), о заданном критерии и режимах работы АВТ, а также информации от ИСППР. Часть оперативной информации от СУ АВТ поступает непосредственно в ИСППР по каналу 1. Информационный запрос ЛПР к ИСППР поступает через интеллектуальный интерфейс пользователя (оператора) по каналу 2, в соответствие с запросом в ИСППР осуществляется углубленный логический анализ имеющихся данных, а затем формируется и передается по каналу 3 ответная информация, необходимая ЛПР для поддержки принятия решений.

X(t)_--

_ |U(t)

! LI_

ОБЪЕКТ УПРАВЛЕНИЯ - АВТ"

Штатн!

система упр«вления

LIMS

Hj

CV

L__

у <*).

ПОЛЬЗОВАТЕЛЬ

СИСТЕМА ИЗМЕРЕНИЯ

4

КРИТЕРИИ, ОГРЛНИЧЕНИ

-ч-f----

ИН1 ЕЛЛЕКТУАЛЬНЫЙ

ПОЛЬЗОВАТЕЛЯ И

г

ИСППР

I

Рис.1. Схема взаимодействия ЛПР с ИСППР и системой управления АВТ. Для достижения указанной выше цели в диссертационной работе поставлены и решены следующие задачи:

1. Анализ особенностей принятия решений в задачах контроля и управления АВТ с использованием ИСППР и разработка требований к созданию прототипа ИСППР;

2. Разработка концепции, принципов и методики построения ИСППР на базе использования интеллектуальных средств, углубленного анализа оперативных данных от штатной системы контроля и управления АВТ и данных прогноза работы АВТ при выборе различных режимов управления;

3. Анализ и выбор математических моделей основных технологических процессов и работы оборудования АВТ, используемых для оценки текущего состояния объекта и получения оценок прогноза состояний объекта при выборе различных стратегий и режимов управления АВТ с использованием встроенной системы полномасштабного имитационного моделирования (СИМ);

4. Разработка моделей представления знаний в ИСППР для выделенных задач контроля и управления АВТ;

5. Разработка интеллектуального интерфейса ЛПР с ИСППР;

6. Разработка и экспериментальная проверка основных подсистем прототипа ИСППР

Методы исследования. При проведении исследований используются методы:

имитационного моделирования, системного анализа, ситуационного анализа, искусственного интеллекта, прогнозирования, экспертного оценивания, принятия решений и управления в условии неопределенности.

Научная новизна.

1. Разработана концепция, принципы построения и структура интеллектуальной системы поддержки принятия решений при управлении промышленным объектом в условиях его поэтапной модернизации. Концепция реализует принципы: автоматической настройки на источники оперативной информации; - автоматизации анализа текущего состояния объекта, оборудования и системы управления; - выявление возможных причин возникновения отклонений режимных параметров от регламентных значений; - предупреждение о возможном возникновении нештатных ситуаций на основе прогнозирования и методов ситуационного анализа. Это значительно расширяет функциональные возможности ИСППР и улучшает качество своевременно принимаемых решений.

2. Для основных классов типовых элементов математического описания объекта управления выделены значимые атрибуты и процедуры обработки событий и ситуаций, разработана продукционная модель представления базы знаний (БЗ) с использованием: а) к- значного логического состояния элементов объекта, ТСУ и СУ; б) формирования

части продукционных правил на основе данных имитации нештатных ситуаций на СИМ. Это существенно дополняет и уточняет модель представления знаний, получаемую традиционными методами, и повышает надежность оценки различных ситуаций.

3. Предложена модификация распределенной модели представления знаний с разделением вычислений общих продукционных правил различных классов на уровни обработки, обеспечивающие раздельное формирование и анализ фактов, событий, ситуаций, сценариев обработки ситуаций и выбора наиболее эффективных стратегий управления с учетом прогнозирования. Уровневое представление и обработка правил упрощает проверку базы знаний на непротиворечивость, сокращает сроки ее разработки и облегчает ее модификацию в процессе модернизации производства, ТСУ и системы управления.

4. Разработана методика построения ИСППР с использованием:

- единого сценарно-событийного подхода к представлению уровневых моделей знаний, реализованных в специализированных экспертных системах (ЭС), раздельной модификации модулей и рабочих пространств баз знаний и баз данных ЭС, формирования и модификации шаблонов сценариев работы ИСППР и сценариев интеллектуального интерфейса ЛПР с ИСППР, построенных на базе продукционных правил и фреймов;

системы полномасштабного имитационного моделирования (СИМ), реализующей модели объекта, изменения сырья, работы оборудования и системы управления. СИМ используется для прогнозирования работы объекта и для определения значимых отклонений контролируемых переменных при имитации на СИМ возможных нештатных ситуаций. На основе данных имитации формируются правила для автоматического обнаружения соответствующих нештатных и аварийных ситуаций в ЭС ИСППР. При проверке правил используются и реальные оперативные данные (факты) и результаты прогноза на СИМ. Данная методика существенно сокращает сроки разработки и отладки ПО ИСППР, расширяет возможности применения ИСППР и повышает качество решений, принимаемых ЛПР.

Основные положения, выносимые на защиту.

1 .Концепция, методика и структура построения ИСППР, обеспечивающей повышение качества принятия решений при управлении АВТ в условиях неполной и несвоевременной информации об изменении состава сырья, изменения требований на выходные продукты, изменений состава и характеристик технических средств контроля и управления в процессе модернизации производства и системы управления.

2. Разработка автоматической настройки базы фактов ИСППР на актуальные источники данных И уровневое представление общей модели знаний с выделением

соответствующих групп продукционных правил. Построение продукционных правил с использованием данных СИМ при имитации различных не измеряемых (или редко измеряемых) возмущений по сырью и нарушений в работе технических средств управления.

3. Разработка структуры интеллектуального интерфейса пользователя - технолога, диспетчера (ИИП), реализованного на базе продукционных правил и обеспечивающего эффективное взаимодействие пользователей различной квалификации с ИСППР и системой управления АВТ.

4. Разработка прототипа основных подсистем ИСППР, предназначенной для поддержки решения сложных задач контроля и управления АВТ, функционирующей в сложных производственных условиях на различных этапах модернизации производства.

Практическая значимость и внедрение результатов работы.

1. Разработан прототип базы знаний и основных подсистем ИСППР, ориентированной на поддержку принятия оперативных решений ЛПР при управлении типовыми процессами первичной переработки нефти на НПЗ в условиях модернизации производства. Разработка концепции, методики построения ИСППР и уровневой модели представления знаний обеспечивает основу для создания и внедрения промышленной разработки ИСППР для данного класса объектов.

2. Материалы создания и исследования данного прототипа ИСППР предполагается использовать при разработке технико-экономического обоснования проекта модернизации системы управления АВТ и на НПЗ Согара (Республика Габон).

3. Результаты диссертации внедрены в учебный процесс на кафедре «Кибернетики и мехатроники» РУДН в рамках курса «Интеллектуализация управления в технологических процессах».

Апробация результатов, полученных в диссертации, подтверждается докладами

на международной научно-практической конференции «Инженерные системы » (Москва 2010г. и 2011г.), на XII и XIII Международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта» (CAD/CAM/PDM-2012, CAD/CAM/PDM-2013), на конференции профессорско-преподавательского коллектива Российского университета дружбы народов (Москва 2011г.), на регулярных рабочих семинарах кафедры кибернетики и мехатроники РУДН, а также на семинаре кафедры Автоматизированных систем управления Российского государственного университета нефти и газа имени И.М. Губкина.

Публикации результатов. По материалам диссертации опубликовано 5 научных работы, 2 из них в журналах входящих в список рекомендованных изданий ВАК РФ:

1. Нзамба Сенуво. О разработке интеллектуального интерфейса операторов управления первичной переработки нефти.// Вестник РУДН, серия инженерные исследования, №4. Москва. - 2010. - С.88-93.

2. Нзамба Сенуво. Разработка структуры интеллектуальной системы поддержки принятия решений при первичной переработки нефти / В.О.Чинакал // Вестник РУДН, серия инженерные исследования, №4. Москва. - 2010. - С.79-87.

3. Нзамба Сенуво. Формирование моделей знаний интеллектуальных средств систем управления процессами первичной переработки нефти // Труды международной научно-практической конференции «инженерные системы-2011». РУДН. Москва. -2011. - С.222-231.

4. Нзамба Сенуво. Проектирование интеллектуальной системы поддержки принятия решений при управлении установками первичной переработки нефти / В.О.Чинакал // Труды XII - международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта САБ/САМ/РОМ - 2012». М., ИПУ РАН, ООО «Аналитик». - 2012,- С. 103-107.

5. Нзамба Сенуво. Разработка проекта интеллектуальной системы поддержки принятия решений в системе 02 / В.О.Чинакал // Труды 13-й международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта САБ/САМ/РЭМ - 2013». - М., ИПУ РАН, ООО «Аналитик». - 2013.- С.93.

Структура диссертации. Диссертация состоит из введения, 5 глав, заключения, списка литературы из 103 наименований и 6 приложений. Основная часть работы изложена на 172 страницах и содержит 56 рисунка и 17 таблиц.

Во введении обоснована актуальности темы диссертационной работы в условиях поэтапной модернизации объекта и системы управления, сформулированы цели и задачи исследования, отмечаются основные научные и методические результаты и практическая значимость полученных результатов.

В первой главе анализируются основные особенности принятия решений и применения интеллектуальных систем поддержки принятия решений (ИСППР) при управлении сложными промышленными объектами (на примере установки первичной

переработки нефти), а также рассматриваются особенности задач анализа и прогноза функционирования оборудования установок, контроля качества сырья и выпускаемых продуктов.

Во второй главе рассматривается разработке концепции, принципов и методики построения ИСППР, ориентированной на поддержку решения задач контроля и управления в классе типовых непрерывных процессов на примере установки первичной переработки нефти.

Третья глава анализируются возможности и эффективность использования известных математических моделей, программных й технических средств, разработанных и применяемых для решения задач контроля и управления в различных промышленных системах управления АВТ, системах поддержки принятия решений (СППР) и интеллектуальных системах (ИСППР).

В четвертой главе рассматриваются возможные варианты сформирования баз знаний экспертных системах ИСППР, для поддержки принятия решений в типовых ситуациях управления АВТ, используя данные от системы управления АВТ.

В пятой главе рассматриваются реализация и экспериментальная проверка работы основных блоков ИСППР.

ГЛАВА 1: ОСНОВНЫЕ ОСОБЕННОСТИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ УПРАВЛЕНИЯ ПРОЦЕССАМИ ПЕРВИЧНОЙ ПЕРЕРАБОТКИ НЕФТИ.

1Л.Основные особенности технологических схем и управления установками первичной переработкой нефти.

Для выделения основных проблем принятия решений при управлении установками первичной переработки нефти (АВТ) кратко рассмотрим основные особенности процессов АВТ и задач управления ими.

В промышленной практике переработки, нефти разделяют на фракции, различающиеся температурными пределами выкипания.

Это разделение проводят на установках первичной перегонки нефти с применением процессов нагрева, дистилляции, ректификации, конденсации и охлаждения. Прямую перегонку осуществляют при атмосферном или несколько повышенном давлении, а остатков под вакуумом.

Атмосферно-вакуумные трубчатые установки подразделяют на две группы [62]:

установки с однократным испарением мазута;

установки с двукратным испарением мазута (двухступенчатые).

Вследствие большого разнообразия перерабатываемых нефти и широкого ассортимента получаемых продуктов и их качества применяют несколько типовых схем. Широко распространены установки с предварительной отбензинивающей колонной и основной ректификационной атмосферной колонной, работоспособные при значительном изменении содержания в нефтях бензиновых фракций и растворенных газов.

Процесс первичной переработки нефти наиболее часто комбинируют с процессами обезвоживания и обессоливания, вторичной перегонки и стабилизации бензиновой фракции: ЭЛОУ-АТ, ЭЛОУ-АВТ (Электрообессоливающая установка). При переработке нефти в отпарных колоннах используется перегретый водяной пар:

В ректификационных секциях установок АВТ широко применяют промежуточное циркуляционное орошение, которое подают сверху секции (непосредственно под тарелкой вывода бокового дистиллята). Отводят циркулирующую флегму двумя тарелками ниже. В вакуумных колоннах верхнее орошение обычно циркулирующее, и

для уменьшения потерь нефтепродукта через верх колонны для него необходимы 3-4 тарелки.

В качестве холодильников и конденсаторов-холодильников широко применяют аппараты воздушного охлаждения (ABO). Использование ABO приводит к уменьшению расхода воды, первоначальных затрат на сооружение объектов водоснабжения, канализации, очистных сооружений и снижению эксплуатационных расходов.

На современных установках первичной переработки нефти достигнута высокая степень автоматизации, реализуемая на базе современных распределенных микропроцессорных систем (DCS), управляющих работой всех основных технических средств управления (ТСУ). Кроме большого числа контуров стабилизации основных режимных параметров (расходов, давлений, температур) на заводских установках и в DCS системах используются также автоматические анализаторы качества («на потоке»), определяющие:

содержание воды и солей в нефти; температуру вспышки авиационного керосина; дизельного топлива; масляных дистиллятов;

температуру выкипания 90 % (масс.) пробы светлого нефтепродукта, вязкость масляных фракций;

содержание продукта в сточных водах.

Некоторые из анализаторов качества включаются в схемы автоматического регулирования. Например, подача водяного пара в низ отпорной колонны автоматически корректируется по температуре вспышки дизельного топлива, определяемой с помощью автоматического анализатора температуры вспышки [62]. Для автоматического непрерывного определения и регистрации состава газовых потоков применяют поточные хроматографы.

Как объекты управления установки АВТ относятся к сложным многомерным объектам [19], и их управление отличается радом особенностей. Основными общими особенностями являются:

трудность четкого разделения исходного сырья и недостаточная эффективность средств измерения параметров многокомпонентных составов сырья и выходных продуктов;

наличие частых и значительных по величине возмущений процесса ректификации; продолжительность переходных процессов и значительные запаздывания по основным каналам управления вследствие перераспределения объемов и состава жидких и паровых фаз в различных частях колон;

наличие внутренних перекрестных связей по основным регулируемым величинам ректификационных колонн и необходимость многосвязанного регулирования, значительно осложняющего принятия решений по управлению процессами.

Кроме общих технологических особенностей АВТ необходимо также учитывать и особенности конкретных объектов и условий работы АВТ. Так для АВТ НПЗ Согара значительную проблему представляют большие возмущения по качеству сырья из-за использования смесей тяжелых сернистых нефтей из нескольких местных месторождений и привозных легких нефтей. Кроме того, измерения ИТК различных видов сырья и смесей выполняются редко, поточные анализаторы отсутствуют, часто возникают отказы в работе различных средств ТСУ, системе контроля и управления АВТ требуется модернизация. Задание режимных параметров производится технологами на основе редких лабораторных анализов проб, отбираемых по основным выходным продуктам, с учетом требований вторичных процессов и выпуска товарных продуктов. Для уменьшения нарушений регламентных ограничений на критические параметры отдельных потоков ЛПР вынуждены устанавливать ограничения с большим запасом, что снижает технико-экономические показатели работы АВТ. Более подробно особенности работы АВТ НПЗ Согара приведены в приложении 6.

Рассмотрим упрощенную технологическую схему типовой установки АВТ (рис. 1.1) , представленную в работе [62]. Обессоленная нефть направляется в теплообменники, где нагревается и поступает в колонну К-1 установки АВТ. Из этой нефти выделяются газы и бензиновые фракции. Нижний продукт колонны разделяется на два потока, первый из которых, пройдя через печь П-1, поступает в К-2 в качестве сырья. Вторая часть продукта возвращается в колонну К-1 после подогрева в печи П-1, обеспечивая дополнительное повышение температуры сырья. Верхним продуктом колонны К-1 является бензин и газ. Частично отбензиненная нефть после подогрева в печи П-1 поступает в колонну К-2, где разделяется на пять широких фракций. Бензин К-1 после смешения с бензином К-2 поступает на стабилизацию в колонну К-4.

Х4Э

Х01

Тяжелая сернистая нефть

Х44

Х45

Х4в

Х48

Рис 1.1. Упрощенная технологическая схема атмосферной части установки АВТ.

Где: К-1. Отбензинивающая колонна; К-2. Атмосферная колонна; К-3/1, К-3/2 и К-3/3. Отпарные колонны; К-4. Колонна стабилизации; К-5- Вакуумная колонна; Н- насосы; П-1 и П-2- Атмосферная и вакуумная печи, Х^Входящие и выходящие потоки отдельных фракций; ¡-индекс 1 -ого потока; Т1 и Т2- Теплообменники; С и Р - узлы смешения и разделения потоков, К-конденсатор, Е- Емкости и ХК - Холодники.

Продуктами К-4 являются нескоиденсированный газ и бензин. Часть мазута из колонны К-2 отбирается в виде товарного продукта, а другая часть поступает на переработку в вакуумную колонну К-5.

Из рассмотрения данной схемы видно, что при построении модели АВТ необходимо учитывать уравнения: - материального баланса по основным входным и выходным потокам, по содержанию фракций в соседних продуктах, зависимостей критических качественных показателей фракций выходных продуктов от состава сырья.

Таким образом, в модели АВТ и в модели знаний в ИСППР необходимо учитывать и априорную и оперативную информацию АВТ, а также опыт и знания квалифицированного персонала.

Построенные модели процесса первичной переработки нефти как объекта управления должны учитывать следующие характерные особенности:

-многомерность объекта управления;

-высокую степень взаимосвязанности переменных при дефиците измерений; -технико-экономические аспекты управления АВТ, связанные с высокой производительностью, энергоемкостью процесса, пожарной и взрывоопасностью, а также опасностью большого экологического ущерба. Все измеряемые, вычисляемые и регулируемые величины должны быть включены в модель АВТ, и также отражены в модели представления знаний ИСППР.

Список литературы диссертационного исследования кандидат наук Нзамба Сенуво, 2013 год

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

1. Автоматизированные системы управления технологическими процессами в промышленности, обзорная информация, сер. ТС-2 «автоматизированные системы управления». - М.: «ЦНИИТТЭИ приборостроения », 1985.

2. Александр И.А. Перегонка и ректификация в нефтепереработке. - М.: «Химия». 1981.-352 С.

3. Альбом математических описаний и алгоритмов управления типовыми процессами химической технологии. Гидродинамические модели потоков, процессы ректификации в аппаратах с насадкой, процессы экстракции в аппаратах с насадкой. Вып.2. - М.: «НИИТЭХИМ», 1986. - 17с.

4. Альбом математических описаний и алгоритмов управления типовыми процессами химической технологии. Гидродинамические, тепловые массообменные и ректификационные процессы. Руководящие технические материалы. Вып.5.-ч . 1,2,3. - М.: «НИИТЭХИМ», 1985. - 74 с.

5. Аляев Ю.А. Дискретная математика и математическая логика / С.Ф.Тюрин. - М.: «финансы и статистика». -2006.-366 с.

6. Анисимов В.И. Основы автоматического управления технологическими процессами нефтехимической и нефтеперерабатывающей промышленности. Л.: «Химия», Ленинградское отделение , 1976.

7. Анисимов И. В. Математическое моделирование и оптимизация ректификационных установок / В. И. Бодров, В. Б. Покровский. - М.: «Химия », 1975,-216 с.

8. Анисимов И.В. Математическое моделирование и оптимизация ректификационных установок / В.И. Бодров, В.Б Покровский. - М.: «Химия», 1975.-216 с.

9. Ахметов С.А. Технология, экономика и автоматизация процессов переработки нефти и газа / М.Х. Ишмияров, А.П.Веревкин, Е.С Докучаев, Ю.М Малышев-М.: « Химия», 2005. - 735 с.

Ю.Балакирев B.C. Оптимальное управление процессами химической технологии / В.М. Володин, A.M. Цирлин - М.: «Химия», 1978. - 384 с.

11. Богатых К.Ф. Расчет состава непрерывной смеси по экспериментальной кривой однократного испарения / A.A. Кондратьев, М.Н. Минуллин, Ф.А.Арсланов // Теоретические основы химической технологии. №4-том5- 197-1.- С.508-513.

12. Васильев В.И. Многоуровневое управление динамическими объектами / Ю.М. Гусев, Ефанов В.Н. и др. - М.: «Эдиториал УРСС»1987. - 312 с

13.Веревкин А.П. Проблемы автоматического управления атмосферно-вакуумными установками / Муниров Ю.М. // Химия и технология топлив и масел. - №. 11-13.. М. -1994. - С.7-8.

Н.Владимирович Д.А. Булевы алгебры. - М.:«изд-во - Наука», 1969. - 319 С.

15. Гаек П. Автоматическое образование гипотез: математические основы общей теории / Гавранек Т. - М.: «Наука, Физматлит», 1984. - 280 с.

16.Галушкин А.И. Нейрокомпьютеры и их применение. Книга 3. М.: ИПРЖР, 2000528 с.

17. Геловани В.А. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды / A.A. Башлыков, В.Б. Бритков, Е.Д Вязилов. - М.: «Эдиториал УРСС», 2001.-304С.

18. Геловани В.А. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях: М. Изд. «Эдиториал УРСС», 2001. - 304 с.

19. Глебов М.Б. ПТК для исследования процесса ректификации с применением средств микропроцессорной техники / В.И. Дубровский, И.И. Дубровский, B.JI. Лукьянов // Автоматизация в промышленности, № 09. -М - 2007 - С. 11-14.

20.Диго Г.Д. Исследование методов идентификации моделей виртуальных анализаторов показателей качества ректификационных колонны [Электронный ресурс] / Н.Б. Диго, И.С. Можаровский, А.Ю. Торгашов // Труды Всероссийской научной конференции «фундаментальные и прикладные вопросы механики и процессов управления »: Сборник докладов. - Владивосток: ИАПУ ДВО РАН, 2011. 7 с. Режим доступа:

http://www.wsu.ru/files/7A571A57-947A-4BDE-AE39-5148EBBCCCDB.pdf

21. Докучаев Е.С. Интенсификация использования нефтехимических агрегатов. Экономические проблемы / и др. Справочник. - М.: «Химия», 1987. - 204 с.

22. Дудников Е.Е. Типовые задачи оперативного управления непрерывным производством / Цодиков Ю.М. М.: «Энергия», 1973. -272 с.

23.Жоров Ю.М. Системы автоматического регулирования и оптимального управления в нефтеперерабатывающей и нефтехимической промышленности капиталистических стран / Ю.И. Лазьян, Г.М. Татаринцева. - М.: «ЦНИИТЭНефтехим». 1986.

24. Захаров В.Н. Системы управления: задание, проектирование, реализация / Д.А. Поспелов, В.Е. Хазацкий. - М.: «Энергия», 1977. - 424 с.

25.Ивашкина E.H. Интеллектуализация нефтеперерабатывающих процессов с использованием компьютерных моделирующих систем [Электронный ресурс] / И.М. Долганов, Э.Д. Иванчина, М.В. Киргина, С.А. Фалеев, A.B. Кравцов // Известия Томского политического университета. - Т. 319. №5,- 2011.- С. 80-86. - Режим доступа: http://www.lib.tpu.rU/fiilltext/v/Bulletin_TPU/201 l/v319/15/17.pdf

26.Кафаров В. В. Математическое моделирование основных процессов химических производств / Глебов М. Б. - М.: «Высшая школа», 1991. - 400 с.

27. Комарцова Л.Г. Нейрокомпьютеры / А.В.Максимов. - М.: Изд-во. «МГТУ им.Н.Э. Баумана», 2004. -400 с.

28.Корнеева А.И. Применение ПЭВМ в АСУ ТП химических, нефтеперерабатывающих и нефтехимических производств: Методическая разработка. -М.: «МИПК», 1992. 44 с.

29. Коссер Р.Дж. Расчет пределов отбора фракций современными распределенными системами управления ректификационными колоннами. // Нефть, газ и нефтехимия за рубежом. № 1 - 1988. - С. 131-134.

30. Кравцов A.B. Интеллектуальные системы в химической технологии и инженерном образовании: Нефтехимические процессы на Pt-катализаторах / Э.Д. Иванчина. - Новосибирск «Наука» сибирская издательская фирма РАН , 1996. -200 с.

31.Креймер М.Л. Получение сырья узкого фракционного состава из сернистых нефтей для производства смазочных масел / Худайдатов Л.Б. // Труды Инта Баш НИИНП. вып.9. - М.: «Химия», 1971. - С.5-15.

32. Кречетов Н. Продукты для интеллектуального анализа данных. - Рынок программных средств, №. 14-15.-1997.-С. 32-39.

33.Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Борисов . -М.: «Телеком», 2001.-382 с.

34. Кубыщенко Н.П. Имитационное моделирование непрерывных систем с помощью пакета программа У1881М. - Екатеринбург: «УМЦ-УПИ», 2002.-22 с.

35. Кузьмин С.Т. Автоматизированные системы управления в нефтеперерабатывающей и нефтехимической промышленности за рубежом. Тематический обзор сер. «Автоматизация и контрольно-измерительные приборы в нефтеперерабатывающей промышленности» / и др. - М.: «ЦНИИТЭНефтехим», 1976.

36. Ларичев О.И. Проблемы построения эффективных систем поддержки принятия решений. - Сбор труд. - М.: «ВНИИСИ» ,1998.-С. 4-9

37. Методы и системы принятия решений. Интеллектуальные системы принятия решений: Сборник научных трудов. - Рига: «Риж. полититехн. Ин-т»,1987. -143С.

38.Новиков А. А. Введение в информатику процессов первичной переработки нефти: учебное пособие по направлению 130500 «Нефтегазовое дело» [Электронный ресурс] / А. А. Хамухин - Т: Изд-во Томского политехнического университета, 2008. - 232 с. Режим доступа:

http://window.edu.ru/resource/837/73837/files/InformProcPererNeft.pdf

39. Оразбаев Б.Б. Интеллектуальные системы для поддержки принятия решений при управлении сложными объектами в условиях неопределенности. Сборник докладов I Международного симпозиума «Интеллектуальные системы 94 ». -М.: «МГТУ им. Н.Э. Баумана», 1994.

40. Отчет по НИР «НИПИнефтехимавтомат» Сумгаит, 1981. Регистр № 0301.

41. Отчет по НкафИР «НИПИнефтехимавтомат» Сумгаит, 1981. Регистр №81-4.

42.Петлюк Ф.Б.Многокомпонентная ректификация. Теория и расчет / Серафимов Л.А.- М.: «Химия», 1983. - 304 с

43.Пневматическая система «Центр» Алма-Ата «Наука», 1972.

44. Поспелов Г.С. Искусственный интеллект - основа новой информационной технологии. // «Труды международного симпозиума по искусственному интеллекту». Л.: «ЛИЯФ»,1983.

45.Поспелов Д.А. Логика - лингвистические модели в системах управления. - М.: «Энергоиздат», 1981.

46.Праузниц Д. М. Машинный расчет парожидкостного равновесия многокомпонентных смесей / К.А. Эккерт, Р.В. Орай, Д.П. Коннел, Д. П. О'Коннел - М.: «Химия», 1971. - 215с

47. Пупков К.А. Интеллектуальные системы / Коньков В.Г. - М.: Изд-во «МГТУ им.Н.Э. Баумана», 2003. - 194 с.

48. Рассел С. Искусственный интеллект: современный подход / Норвиг П. - М.: Изд-во. Дом «Вильяме», 2007. - 1408с.

49.Розенберг Л.С. Повышение эффективности работы установки первичной переработки нефти с помощью системы усовершенствованного управления // Промышленные контролеры и АСУ, № 2. - 2007. -С. 6-12.

50. Рыбина Г.В. Основы построения интеллектуальные систем :Учебное пособие. -М.: «Финансы и статистики», 2010. - 432 с.

51. Серафимов Л. А. Термодинамический анализ модели NRTL с использованием концентрационных зависимостей избыточных функций / А. Серафимов, А. К. Фролкова, В. Мараева. // Теор. основы хим. Технологии. Т. 36, № 4.- Л. - 2002. -С.388-394.

52.Сизиков А. П. Программный продукт СОННП (Система оптимизации нефтеперерабатывающих и нефтехимических производств) [Электронный ресурс]. - Управление большими системами. Выпуск 24, - с.298-326. Режим доступа:

http://www.mathnet.ru/links/0b2ecdcd9d9ab5328ß3e58454406246/ubs26.pdf

53.Справочник современных автоматических систем управления технологическими процессами. // Нефть, газ и нефтехимия за рубежом. - №3. Выпуск IV. 1989.. С.99-133.

54.Тайлор Дж. Оптимизация производства на основе систем усовершенствованного управления (АРС). // Автоматизация в промышленности, №8. -М - 2013, - С. 1113.

55.Танатаров М.А. Технологические расчеты установок переработки нефти / М.Н. Ахметшина, P.A. Фасхутдинов, Н.Д. Волошин, П. А. Золотарев- М.: «Химия»,1987. - 352 с.

56.Торгашов А.Ю. Разработка моделей показателей качества ректификационных колонн, функционирующих в предельных режимах [Электронный ресурс]/ И.С. Можаровский, Г.Б. Диго, Н.Б. Диго. // Труды IX международной конференции «идентификация систем управления» SICPRO. - Москва, 30 января - 2 февраля 2012.С. 211-221. Режим доступа:

http://www.wsu.ru/files/D44B9D17-40DA-4405-9816-82380E4F0A24.pdf

57.Трахтенгерц Э.А. Принятие решений на основе компьютерного анализа- М.: «Препринт/Институт проблем управления», 1996. - 69 С.

58.Уотермен Д. Руководство по Экспертным системам. «Перевод с английского под редакцией Стефанюка B.JL». - М.: «Мир»,1989. - 388 С.

59. Федоров В.В. Перспективы развития АСУ, в сборнике «Автоматизированные системы и вычислительная техника в нефтеперерабатывающей и нефтехимической промышленности» №1. - М.: «ЦНИИТЭнефтехим», 1974.

60.Тайлор Дж. Оптимизация производства на основе систем усовершенствованного управления (АРС). // Автоматизация в промышленности, №8. -М - 2013, - С. 1113.

61.Харазов В.Г. Интегрирование системы управления технологическими процессами. - СПБ. «Профессия», 2009. -292 с.

62. Эрих В.Н. Химия и технология нефти и газа / М.Г. Расина, М.Г. Рудин. - JL: Изд-во «Химия», 1972 . - 464 с.

63.Нзамба Сенуво. Разработка структуры интеллектуальной системы поддержки принятия решений при первичной переработки нефти / Чинакал В.О. // Вестник РУДН, серия инженерные исследования, №4. - М: «РУДН», 2010. - С.79-87.

64.Нзамба Сенуво. Формирование моделей знаний интеллектуальных средств систем управления процессами первичной переработки нефти. // Труды международной научно-практической конференции «инженерные системы-2011». М.: «РУДН», 2011. С. 222-231.

65.Нзамба Сенуво. О разработке интеллектуального интерфейса операторов управления первичной переработки нефти. // Вестник РУДН, серия инженерные исследования, №4. - М: «РУДН», 2010. - С.88-93.

66.Нзамба Сенуво. Проектирование интеллектуальной системы поддержки принятия решений при управлении установками первичной переработки нефти /

В.О.Чинакал. // Труды XII - международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта CAD/CAM/PDM - 2012». -М.: ИПУ РАН, ООО «Аналитик», 2012. - С. 103-107.

67.Нзамба Сену во. Проектирование интеллектуальной системы поддержки принятия решений при управлении установками первичной переработки нефти / В.О.Чинакал. // Труды XIII - международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта CAD/CAM/PDM — 2013». — M.: ИПУ РАН, ООО «Аналитик», 2013. - с 93.

68. Adams G.F., Closed-loop controls of an 8500-bbl crude-oil unit "The oil and gas journal"№21, 1982, vol.60.

69.Akio GOFUKU. Dynamic Operation Permission system for oil Refinery Plant [Электронный ресурс] / Takahiro SATO // International journal of intelligent controls and systems, vol.14 No.2, June 2009. pp. 149-157. Режим доступа:

70. Bauer P. A brief course in fuzzy logic and fuzzy control / S. Nouak, R. Winkler. -1996. -24 p.

71.Boeffard A. Rev. Assoc. trans, techn. Petrol, № 208. -1981.

72.Breton M. Industrie pétrolière - Outils d'aide a la décision et études de cas / Zaccour G. // Colloque Douala 28-30 avril 1993 / HEC-Montréal SNH -Yaoundé, ESSEC -Douala: «Technip», 1993. -219 c

73. Bull. Japan petrol Inst., vol.17, № 1.-1975,

74. Constantin von Altrock. Fuzzy Application Library/Technical Applications // Fuzzy in Appliances [Электронный ресурс]. - Santa Clara, «the Embedded Systems Conferences». - 1996. Режим доступа: http://www.fuzzytech.eom/e/e_a_esa.html

75.Edom H., Lee S. Decision Support Systems Applications Research: A Bibliography (1971-1988) // «European Journal of Operational Research», 1990. № 46. pp. 333-342.

76.Favennec J.P. Exploitation et gestion de la raffinerie. - Paris: Technip», 1988.

77.Forrar G.L. Oil and gas journal, № 49. -1974.

78.Haettenschwiler P. Neues anwenderfreundliches Konzept der Entscheidungs-unterstutzung. Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft. - Zurich. «Hochschulverlag AG», 1999.-pp. 189-208.

79. Holland C.D. Fundamentals of multi-component distillation. New York, 1981. - 723 p.

http://www.ezconf.net/! JICS/files/164/IJICS-S07.pdf

80. King C.J. Separation process. / Graw-Hill Mc. - New York. 1980. -p. 850.

81.Krzysztof R. Lectures notes in artificial intelligence / Antonis C. Kakas E.M. - Cyprus, October, 1999.-339c.

82.Kuchn D.R. Computer control mathematics of control chemical engineering progress / H. Davidson.

83.01 Mean Foong. Decision support system for alarm Rationalization using Risk assessment Matrix [Электронный ресурс] / Mohamad Izuddin Nordin // International Journal of Computer Applications (0975 -8887), Volume 4 - No.9, August 2010-pp 8-13. Режим доступа: http://www.ijcaonline.org/volume4/number9/pxc3871174.pdf

84. Pierre L. Systèmes interactif d'aide a la décision et systèmes experts / Pomerol J.C. Paris, Editions Hermès. 1989. - 335c.

85.Pomerol J.C. Multicrterion decision Sergio B.R.

86.Power D.J. History of Decision Support Systems. DSS Resources.COM, World Wide Web / A Brief [Электронный ресурс]. Режим доступ:

http://DSSResources.COM/history/dsshistory.html, version 2.8, May 31, 2003.

87. URL: www.ntpdubna.ru. // информационный листок фирмы Gensym G2 в России.

88.URL: www.Honevwell■ru■//инфopмaциoнный листок фирмы «Honeywell»b России.

89.URL: http://www.adastra.ru. // информационный листок фирмы «AdAstra Research Group, Ltd» в России.

90. URL: http://www2.emersonprocess.com // интеллектуальная нефтепереработка -информационный листок фирмы «Emerson Process Management» .

91. URL: http://www.kbcat.com фирмы. - информационный листок фирмы «КВС Advanced Technologies pic. »

92. URL: http://www.nd.com/ - информационный листок фирмы NeuroDimension, Inc.

93. URL: http://www.neuralware.com/ - информационный листок фирмы Neural Ware

94. URL: ftp://neuron.krascience.rssi.ru/pub - информационный листок фирмы neuron.krascience.

95. URL: http://www.xpertrule.com/ - информационный лист фирмы Ward Systems Group

96. URL: http://www.Invensys.com/default.aspx - информационный листок фирмы Invensys.

97. URL:http://www.ect-service.ru/invest/consult/simsci/hextran/index.php информационный листок фирмы: «Инжиниринговая фирма ИКТ СЕРВИС»

98. URL: http://www.ask.ru/index.php.html-инфopмaциoнный листок фирмы «АСК Лабе».

99. URL: http://www.setpointsystems.com/energysavings.aspx - информационный листок фирмы «Setpoint Systems Corporation».

100. URL: http://www.yokogawa.ru/technologicalprocess - информационный листок фирмы «YOKOGAWA».

101. URL:http://www.wardsystems.com/http://www.neuroshell.com Информационный лист фирмы Ward Systems Group

102. URL: http://www.gaboneco.com - информационный сайт новости Габона.

103. URL: http://www.icpublications-newsletter.com/ - информационный лист: African Business/ New Letter / 55e annexes - № 2350 du 09/04/2012.

Приложение №1. Примеры таблиц параметров компонентов, технологических режимов, выходных продуктов

Таблица П. 1-1. Параметры технологического режима ректификационных колон блоков стабилизации и вторичной перегонки бензинов

Колон Температура, С Давление, МПа

верха низа сырья

К-1 65 190 170 1,2

К-2 62 92 - 0,15

К-3 90 150 - 0,12

К-4 102 175 - од

К-5 115 140 - 0,09

Таблица П. 1-2. Параметры технологического режима и качества продуктов разделения.

Показатели Колона вторичной перегонки Стабилизатор

Температура, °С на входе в колонну 130 120

верха колонны 96 71

низа колонны 175 160

ввода «горячей струи» 195 171

Давление, МПа верха колонны 0,34 1Д2

низа колонны 0,38 1,15

Доля отгона на входе в колонну, % (масс) 24,0 0

Расход «горячей» струи, % на загрузку 62 64

Затраты тепла, МВт вводимого с сырьем 8Д 2,2

снимаемого в конденсаторах 6,4 1Д

«горячей» струи 4,6 1,6

Содержание низкокипящего компонента, (масс) примеси в сырье колонны 35,8 13

примеси в дистилляте 3,6 5,0

примеси в остатке 2,00 4,90

ПРИЛОЖЕНИЕ № 2. Описания специфических атрибутов прототипа БЗ ИСППР управления АВТ

Таблица П.2-1. Специфические атрибуты класса «Crude-oil»_._

Класса № Атрибуты со значениями

«Crude-oil» 1 input-temperature is a float, initially is 25.000

2 current-temperature is given by a temp-param, initially is given by a temp-param

3 pressure is a float, initially is 20.000

4 current-pressure is given by a press-param, initially is given by a press-param

5 min-relative-density is a float, initially is 0.800

6 max-relative-density is a float, initially is 0.889

7 current-relative-density is given by an uppn-float-param, initially is given by an uppn-float-param

8 min-viscosity is an integer, initially is 9999

9 max-viscosity is an integer, initially is 10000

10 current-viscosity is given by an uppn-float-param, initially is given by an uppn-float-param

11 min-heat-capacity is a float, initially is 1.700

12 max-heat-capacity is a float, initially is 2.100

13 current-heat-capacity is given by an uppn-float-param, initially is given by an uppn-float-param

14 min-heat-of-combustion is a float, initially is 43.700

15 max-heat-of-combustion is a float, initially is 46.200

16 current-heat-of-combustion is given by an uppn-float-param, initially is given by an uppn-float-param

17 min-relative-permittivity is a float, initially is 2.000

18 max-relative-permittivity is a float, initially is 2.500

19 current-relative-permittivity is given by an uppn-float-param, initially is given by an uppn-float-param

20 min-flash-point is a float, initially is -35.000

21 max-flash-point is a float, initially is 30.000

22 current-flash-point is given by an uppn-float-param, initially is given by an uppn-float-param

23 min-molecular-mass is an integer, initially is 0

24 max-molecular-mass is an integer, initially is 0

25 current-molecular-mass is given by an uppn-float-param, initially is given by an uppn-float-param

Таблица П.2-2. Специфические атрибуты класса «Operations»

Класса № Атрибуты со значениями

«Operations» 1 id-operations is a symbol, initially is " 01-sm "

2 short-name-operations is a text, initially is "Smishenie"

Таблица П.2-3. Специфические атрибуты класса «Heat-exchanger»

Класса № Атрибуты со значениями

«Heat-exchanger» 1 id-heat-exchanger is a symbol, initially is he-01

2 short-name-heat-exchanger is a text, initially is "HT-EX"

3 id-coolants-heat-exchanger is a symbol, initially is "

4 rate-coolants-heat-exchanger is a float, initially is 10.000

5 max-temperature-coolants-input-heat-exchanger is a float, initially is 75.000

6 min-temperature-coolants-input-heat-exchanger is a float, initially is 45.000

7 current-temperature-coolants-input-heat-exchanger is given by a temp-param, initially is given by a temp-param

8 max-temperature-coolants-output-heat-exchanger is a float, initially is 70.000

9 min-temperature-coolants-output-heat-exchanger is a float, initially is 50.000

10 current-temperature-coolants-output-heat-exchanger is given by a temp-param, initially is given by a temp-param

11 id-product-input-heat-exchanger is a symbol, initially is "id-00"

12 id-product-output-heat-exchanger is a symbol, initially is "id-00"

13 short-name-product is a text, initially is "products-name" name-prod"

14 rate-product-input-heat-exchanger is given by a quant-param, initially is given by a quant-param

15 rate-product-output-heat-exchanger is given by a quant-param, initially is given by a quant-param

16 max-temperature-product-input-heat-exchanger is a float, initially is 0.000

17 min-temperature-product-input-heat-exchanger is a float, initially is 60.000

18 current-temperature-product-input-heat-exchanger is given by a temp-param, initially is given by a temp-param

19 max-temperature-product-output-heat-exchanger is a float, initially is 55.000

20 min-temperature-product-output-heat-exchanger is a float, initially is 20.000

21 current-temperature-product-output-heat-exchanger is given by a temp-param, initially is given by a temp-param

Таблица ! 1.2-4. Специфические атрибуты класса «Points»

Класса № Атрибуты со значениями

«Points» 1 consumption-input-point is given by a quant-param, initially is given by a quant-param;

2 consumption-output-point is given by a quant-param, initially is given by a quant-param

Таблица П.2-5. Специфические атрибуты класса «Capacity»

Класса № Атрибуты со значениями

«Capacity» 1 max-temperature-capacity is a float, initially is - 40.000

2 min-temperature-capacity is a float, initially is 1.000

3 current-temperature-capacity is given by an uppn-float-param, initially is given by an uppn-float-param

Таблица П.2-6. Специфические атрибуты класса «Tank»

Класса № Атрибуты со значениями

«Tank» 1 id-tank is a symbol, initially is tk-01

2 short-name is a text, initially is "tk"

3 max-volume-tank is a quantity, initially is 1000

4 level-volume-vhh-of-tank is a quantity, initially is 999.000

5 level-volume-vh-of-tank is a quantity, initially is 990.000

6 level-volume-vl-of-tank is a quantity, initially is 50.000

7 level-volume-vll-of-tank is a quantity, initially is 5.000

8 remains-volume-of-tank is a quantity, initially is 300.000

9 current-volume-of-tank is a quantity, initially is 0.000

10 max-pressure-of-tank is a float, initially is 100.000

11 min-pressure-of-tank is a float, initially is 50.000

12 current-pressure-of-tank is a float, initially is 0.000

13 max-temperature-of-tank is a float, initially is 90.000

14 min-temperature-of-tank is a float, initially is -10.000

15 current-temperature-of-tank is given by a temp-param, initially is given by a temp-param

16 input-flux-tank is a float, initially is 2.000

17 output-flux-tank is a float, initially is 3.000

Таблица П 2-7. Специфические атрибуты класса «Pump»

Класса № Атрибуты со значениями

«Pump» 1 id-pump is a symbol, initially is none "'id-name-pump'

2 id-input-flux-pump is a quantity, initially is 2

3 id-output-flux-pump is a quantity, initially is 2

4 short-name-pump is a text, initially is "Pum"

5 max-rate-pump is a quantity, initially is 2.000

6 min-rate-pump is a quantity, initially is 2.000

7 current-rate-pump is a quantity, initially is 0.000

8 max-temperature-rate-pump is a float, initially is 20.000

9 current-temperature-rate-pump is a float, initially is 0.000

10 max-pressure-input-pump is a float, initially is 30.000

11 min-pressure-input-pump is a float, initially is 10.000

12 current-pressure-input-pump is a float, initially is 0.000

13 max-pressure-output-pump is a float, initially is 30.000

14 min-pressure-output-pump is a float, initially is 10.000

15 current-pressure-output-pump is a float, initially is 0.000

'аблица П.2- l.Специфические атрибуты класса «Products»

Класса № Атрибуты со значениями

«Products» 1 id-product is a symbol, initially is '"id-Prod"

2 short-name-product is a symbol, initially is "name-prod"

Таблица П.2-9. Специфические атрибуты класса «Type-Column»

Класса № Атрибуты со значениями

«Туре-Column» 1 id-column is a symbol, initially is '"id-column"

2 id-product-input-column is a symbol, initially is "id-prod-input"

3 id-of-product-output-column is a symbol, initially is "id-prod-output"

4 short-name-column is a text, initially is "K-l"

5 min-temperature-column-top is a float, initially is 60.000

6 max-temperature-column-top is a float, initially is 70.000

7 current-temperature-column-top is given by a temp-param, initially is given by a temp-param

8 max-temperature-column-bottom is a float, initially is 190.000

9 min-temperature-column-bottom is a float, initially is 185.000

10 current-temperature-column-bottom is given by a temp-param, initially is given by a temp-param

11 max-pressure-column is a float, initially is 1.200

12 min-pressure-column is a float, initially is 1.050

13 current-pressure-column is given by a press-param, initially is given by a press-param

14 short-name-product is a text, initially is "fract-name"

15 id-product-input-in-column is a symbol, initially is "

16 id-product-on-output-column is a symbol, initially is "id-prod"

17 min-initial-boiling-point-product is a float, initially is 28.000

18 max-initial-boiling-point-product is a float, initially is 38.000

19 current-initial-boiling-point-product is given by a

temp-param, initially is given by a temp-param

20 max-temperature-of-boiling-10-percent-product is a float, initially is 83.000

21 min-temperature-of-boiling-10-percent-product is a float, initially is 65.000

22 current-temperature-of-boiling-10-percent-product is given by a temp-param, initially is given by a temp-param

23 maxi-temperature-of-boiling-50-percent-product is a float, initially is 180.000

24 mini-temperature-of-boiling-50-percent-product is a float, initially is 140.000

25 current-temperature-of-boiling-50-percent-product is given by a temp-param, initially is given by a temp-param

26 maxi-temperature-of-boiling-90-percent-product is a float, initially is 143.000

27 mini-temperature-of-boiling-90-percent-product is a float, initially is 190.000

28 current-temperature-of-boiling-90-percent-product is given by a temp-param, initially is given by a temp-param

29 min-final-boiling-point-product is a float, initially is 183.000

30 maxi-final-boiling-point-product is a float, initially is 215.000

31 current-final-boiling-point-product is given by a temp-param, initially is given by a temp-param

32 Min-relative-density-product is a float, initially is 0.800

33 max-relative-density-product is a float, initially is 0.900

34 current-relative-density-product is given by a temp-param, initially is given by a temp-param

Таблица П.2-10. Специфические атрибуты класса «Furnace»

Класса № Атрибуты со значениями

«Furnace» 1 short-name-of-furnace is a text, initially is "FUR"

2 id-heat-source is a symbol, initially is "id-name-furnace"

3 consumption-heat-source is a quantity, initially is 5000

4 max-temperature-heat-source is a float, initially is 700.000

5 min-temperature-heat-source is a float, initially is 230.000

6 current-temperature-heat-source is given by a temp-param, initially is given by a temp-param

7 id-heated-product-input is a symbol, initially is "id-prod-input"

8 id-heated-product-output is a symbol, initially is "id-prod-

output"

9 consumption-heated-product is a quantity, initially is 3000

10 max-temperature-heated-product-input is a float, initially is 675.000

11 min-temperature-heated-product-input is a float, initially is 550.000

12 current-temperature-heated-products-input is given by a temp-param, initially is given by a temp-param

13 max-temperature-heated-products-output is a float, initially is 600.000

14 min-temperature-heated-product-output is a float, initially is 575.000

15 current-temperature-heated-product-output is given by a temp-param, initially is given by a temp-param

Таблица П.2- 1. Специфические атрибуты класса «Condenser»

Класса № Атрибуты со значениями

«Condenser» 1 id-condenser is a symbol, initially is "id-name-cond"

2 short-name-condenser is a text, initially is "Cond"

3 max-temperature-condenser is a float, initially is 1.000

4 mini-temperature-condenser is a float, initially is -30.000

5 current-temperature-condenser is a float, initially is 0.000

ПРИЛОЖЕНИЕ № 3. Описания процедур БЗ ИСППР при управлении АВТ

1. Листинг описания процедура мониторинга текущих значений температуры

внутри резервуара:

check-temp (Р: class tanks) max-temperature-of-tanks: float; min-temperature-of-tanks: float; current-temperature-of-tanks:float; begin

max-temperature-in-tanks =49.999; min-temperature-in-tanks=-10; current-temperature-in-tanks= random (-11,55);

if the current-temperature-in-tanks of P >min-temperature-of-tanks and the current-temper ature-in-tanks of P <max-temperature-of-tanks then change the body icon-color of P to green; wait for 5 seconds; inform the operator that "The current-temperature OK";

if the current-temperature-of-tanks ofP >=50 then change the products icon-color ofP to red else

if the current-temperature-in-tanks ofP<= min-temperature-of-tanks then change the body icon-color of P to magenta; wait for 5 seconds;

inform the operator that "This low deviation of temperature and Increase the temperature slightly"; end

2. Листинг описания процедура мониторинга текущих значений температуры

верха колонны:

check-column(C: class type-column) max-temperature-column-top: float; m in-temperature-column-top: float; current-temperature-column-top: float; begin

max-temperature-column-top= 65.00; min-temperature-column-top= 50.00; if the current-temperature-column-top of change the body icon-color of С to red else

if the current-temperature-column-top of change the body icon-color of С to yellow; wait for 5 seconds; inform the operator that " This deviation temperature of top column "

end

3. Листинг описания процедура мониторинга текущих значений температуры

низа колонны:

check-column!(С: class type-column) max-temperature-column-bottom: float; min-temperature-column-bottom: float; current-temperature-column-bottom: float; begin

max-temperature-column-bottom = 65.00; min-temperature-column-bottom= 50.00;

if the current-temperature-column-bottom -top of С >= max-temperature-column-bottom then change the bodyl icon-color of С to magenta else

if the current-temperature-column-bottom of С <= min-temperature-column-bottom then change the bodyl icon-color of С to maroon; wait for 5 seconds;

inform the operator that " This is deviation temperature of bottom column»; end

4. Листинг описания процедура Check-attribute-values.

Check2-attribute-values (CO: class crude-oil)

state-ok: truth-value = true;

begin

if (the current-relative-density of CO < the min-relative-density of CO) then begin

post "check2-attribute-values для объекта [the name of CO]: значение [the current-relative-density of CO] атрибута current-relative-density ниже установленного порога [the min-relative-density of CO]"; state-ok — false; end

else if (the current-relative-density of CO > the max-relative-density of CO) then

С >= max-temperature-column-top then

С <= min-temperature-column-top then

begin

post "check2-attribute-values для объекта [the name of CO]: значение [the current-relative-density of CO] атрибута current-relative-density выше установленного порога [the max-relative-density of CO]"; state-ok = false; end;

if (state-ok) then

change the body icon-color of CO to green else

change the body icon-color of CO to red

end

5. Листинг описания процедура Light-crude-ok.

Light-crude-ok (P: class crude-oil) begin

change the body icon-color of P to green end

6. Листинг описания процедура Check-attribute-values.

Pressure-emergency-countermeasurel (со: class crude-oil) begin

post "ВНИМАНИЕ: запущен аварийный сброс давления для объекта [the пате of СО]";

conclude that the current-pressure of CO — the current-pressure of CO - 50; end

ПРИЛОЖЕНИЕ № 4:Описания правила БЗ ИСППР при управлении АВТ.

А) Пример класса «crude-oil».

7. Листинг описания правила проверка значения атрибута экземпляр.

Whenever the current-temperature of LIGHT-CRUDE receives a value

and when the current-temperature of light-crude > the input-temperature of LIGHT-CRUDE then post "Значение температуры [the current-temperature of LIGHT-CRUDE] превышает установленный максимум [the input-temperature of LIGHT-CRUDE]!"

8. Листинг описания правила мониторинга текущих значений температуры любого экземпляра класса «Crude-oil» на входе:

if the current-temperature of any crude-oil CO > the input-temperature of CO

then post "Значение температуры [the current-temperature of light-crude] для объекта [the name of CO] превышает установленный максимум [the input-temperature of CO]"

9. Листинг описания правила мониторинга текущих значений давления любого экземпляра класса «Crude-oil»

if the current-pressure of any crude-oil CO > the pressure of CO

then post "Значение давления [the current-pressure of light-crude] для объекта [the name of CO] превышает установленный максимум [the pressure of CO]"

10. Листинг описания правила мониторинга текущих значений относительной плотности любого экземпляра класса «Crude-oil» по максимуму.

if the current-relative-density of any crude-oil CO > the max-relative-density of CO

then post "Значение относительной плотности [the current-relative-density of light-crude] для объекта [the name of CO] превышает установленный максимум [the maxi-relative-density of CO]"

11. Листинг описания правила запуска процедура «check2-attribute-values>> класса «Crude-Oil».

for any crude-oil CO

unconditionally start check2-attribute-values (CO)

12. Листинг описания правила текущих значений относительной плотности любого экземпляра класса «Crude-oil» по минимуму.

if the current-relative-density of any crude-oil CO < the min-relative-density of CO

then post "Значение относительной плотности [the current-relative-density of light-crude] для объекта [the name of CO] превышает установленный минимум [the min-relative-density of CO]"

13. Листинг описания правила мониторинга текущих значений вязкости любого экземпляра класса «Crude-oil» по максимуму.

if the current-viscosity of any crude-oil CO > the max-viscosity of CO

then post "Значение вязкости [the current-viscosity of light-crude] для объекта [the name of CO] превышает установленный максимум [the max-viscosity of CO]"

14. Листинг описания правила мониторинга текущих значений вязкости любого экземпляра класса «Crude-oil» по минимуму.

if the current-viscosity of any crude-oil CO < the mini-viscosity of CO

then post "Значение вязкости [the current-viscosity of light-crude] для объекта [the name of CO] превышает установленный минимум [the mini-viscosity of CO]"

15. Листинг описания правила симуляции значений параметров класса «Crude-oil».

for any crude-oil CO unconditionally

conclude that the current-temperature of CO = the current-temperature of light-crude +

random (-10.0, 20.0)

and

conclude that the current-pressure of CO = the current-pressure of CO + random (-3.0, 10.0) and

conclude that the current-relative-density of CO = the current-relative-density of CO +

random (-3.0, 10.0)

and

conclude that the current-viscosity of CO = the current-viscosity of C0+ random (1, 5)

16. Листинг описания правила инициализация значений параметров класса «Crude-Oil».

initially for any crude-oil CO unconditionally

conclude that the current-temperature of CO = 0.0 and

conclude that the current-pressure of CO = 0.0 and conclude that the current-relative-density of CO = 50.0 and conclude that the current-viscosity of CO = 99 Б) Пример класса «Tank»

1. Листинг описания правила проверка значения атрибута экземпляр «Tankl»

whenever the current-temperature-in-tanks of tankl receives a value and when the current-temperature-in-tanks of tankl > the max-temperature-of-tanks of tankl

then inform the operator that «Значение температуры [the current-temperature-of-tanks of tankl] превышает установленный максимум [the maxi-temperature-of-tanks of tankl]"

2. Листинг описания правила мониторинга текущих значений давления любого экземпляра класса «Tank» по максимуму.

if the current-pressure of any tanks TK > the max-pressure-in-tanks of TK then inform the operator that "Значение давления [the current-pressure of tankl] для объекта [the name of TK] превышает установленный максимум [the current-pressure of TK] "

3. Листинг описания правила симуляции значений параметров класса «Tank».

for any tanks TK unconditionally

conclude that the current-temperature-in-tanks of TK = the current-temperature-in-tanks of tankl + random (-3.0, 10.0) and

conclude that the current-pressure-in-tanks ofTK = random (-3.0, 10.0) and

conclude that the current-volume-of-tanks of TK = the current-volume-of-tanks of TK +random (-3.0, 10.0)

4. Листинг описания правила инициализация значений параметров класса «Tank».

initially for any tanks TK unconditionally

conclude that the current-temperature-in-tanks ofTK = 0.0 and

conclude that the current-pressure-in-tanks ofTK = 0.0 and conclude that the current-volume-of-tanks ofTK = 50.0