Полный текст

Большинство химических, нефтехимических и нефтеперерабатывающих производств является взрывопожароопасным [1]. Одним из условий обеспечения безопасного функционирования таких технологических объектов является наличие хорошо обученного, высококвалифицированного управляющего производством персонала [2]. Согласно действующим в Российской Федерации федеральным нормам и правилам в области промышленной безопасности на все технологические объекты I и II категорий взрывоопасности должен быть разработан компьютерный тренажерный комплекс (КТК), содержащий максимально приближенные к реальным условиям динамические модели процессов и систем управления для подготовки, обучения и контроля знаний, умений и навыков оперативного персонала при управлении технологическим процессом, в том числе на режимах пуска и останова, смены технологического режима, а также в нештатных и аварийных ситуациях [3]. Таким образом, практически каждая технологическая установка, эксплуатируемая на химических и нефтеперерабатывающих предприятиях, имеет или в ближайшее время будет иметь КТК, включающий в свой состав высокоточные динамические математические модели технологического процесса и системы управления установки. КТК охватывает все необходимые элементы оборудования технологического процесса (ТП), все позиции распределенной системы управления (РСУ) и системы противоаварийной защиты (СПАЗ), а также контрольно-измерительное оборудование и исполнительные механизмы и устройства, показывающие и управляемые только по месту на технологическом оборудовании, необходимые для полноценного обучения оперативного персонала технологических установок [4-10]. КТК представляет собой две модели и интерфейсы операторов, соединенные между собой с помощью среды инструктора (рис. 1). Рис. 1. Типовая структурная схема КТК Математическая модель технологического процесса, имитирует и повторяет реальный технологический процесс, детально описываемый дифференциальными уравнениями теплового и материального баланса, уравнениями гидродинамики и химической кинетики. Моделирование проводится с учетом термодинамических свойств потоков и материалов оборудования, механических динамических характеристик клапанов, насосов и емкостей, химических превращений в аппаратах, потери тепла в окружающую среду, а также контрольно-измерительного оборудования. Модель РСУ представляет собой полное повторение системы управления технологической установкой, включая систему ПАЗ и пользовательский интерфейс оператора, детально повторяющий реальную среду оператора РСУ. Среда инструктора - компонент тренажера, который связывает эти две модели друг с другом через граничные переменные и позволяет сохранять промежуточные синхронизированные состояния математических моделей, например при пуске установки. Она обеспечивает синхронизацию моделей во времени, синхронизацию всей необходимой информации с моделей на интерфейсы полевого оператора и оператора РСУ, а также позволяет инструктору реализовывать нештатные ситуации и неисправности оборудования. Интерфейс оператора РСУ выполняет функции в полном соответствии с реальной РСУ (включая мнемосхемы, тренды, другие элементы мониторинга и панели управления процессом) и отображает информацию о текущем состоянии модели, а также позволяет вести управление по позициям, соответствующим позициям оператора РСУ. Интерфейс полевого оператора представляет собой интерактивную технологическую схему процесса, отображающую информацию о текущем состоянии модели по полевым позициям, и позволяет вести управление по этим позициям, а также отображает изменения с полевых приборов и визуализирует нештатные состояния технологического оборудования (пропуск трубопровода, и др.). Однако динамическая модель технологического процесса, лежащая в основе компьютерного тренажерного комплекса, устаревает за счет параметрических («старение» оборудования, закоксовывание и запарафинивание труб и т.п.) и структурных (замена или добавление нового оборудования и приборов, изменение обвязки оборудования) изменений технологического процесса [11]. В связи с этим использование имеющейся модели для имитационного моделирования затруднено, и необходима адаптация модели к текущему режиму. Трудоемкость адаптации математических моделей РСУ и ТП инженером, разработавшим тренажер (т.е. знающим объект и модели технологического процесса и системы управления) на актуальный технологический режим составляет порядка 100-150 человеко-часов для установки, включающей порядка 2000 каналов измерения. Автоматизация процедуры адаптации позволяет использовать динамическую математическую модель установки, включая технологический процесс и РСУ, с целью проверки предполагаемых решений по управлению технологической установкой, в том числе в темпе с технологическим процессом, например, для целей оценки правильности и целесообразности принятия операторами управленческих решений по корректировке текущего технологического режима. При этом, если позволяют вычислительные возможности сервера КТК, присутствует возможность ускорить процесс расчета, включающий синхронизированное ускорение расчета математических моделей РСУ и технологического процесса. Величина ускорения зависит от сложности математических моделей РСУ и технологического процесса, а также от вычислительных мощностей технического оснащения КТК. Максимальная скорость расчета может в разы превышать реальное время, что позволяет при имитационном моделировании прогнозировать принимаемые оперативным персоналом решения и видеть ускоренную реакцию объекта управления. При автоматизации процедуры адаптации математической моделей РСУ и технологического процесса возможна только параметрическая [12] адаптация, так как все структурные изменения ТП в модели необходимо осуществлять вручную. Для периодической оперативной коррекции математической модели ТП предлагается модернизация алгоритма, предложенного в работах [13, 14] за счет использования технологических данных реального времени (рис. 2). Из базы данных реального времени (БДРВ) по протоколам OPC DA (HDA), PI SDK, API и другим с заданной периодичностью данные о текущем и историческом состоянии установки (значения технологических параметров, результаты лабораторного контроля качественных характеристик сырья и продуктов ТП) передаются в статическую модель объекта (рис. 3). Эти данные устанавливаются как целевые значения в соответствующих материальных и энергетических потоках. После этого решается задача параметрической идентификации настроечных характеристик моделей аппаратов и динамического оборудования методами нелинейной оптимизации [15-20]. Далее идентифицированные параметры (коэффициенты) оборудования устанавливаются как настроечные коэффициенты аппаратов и оборудования в динамической модели КТК. После ожидания установившегося режима динамической модели проверяется достоверность найденных коэффициентов в соответствии с критерием идентификации. Критерием задачи идентификации математической модели является минимум разницы между каждым измеряемым параметром в динамической модели и соответствующим параметром реального ТП. Рис. 2. Блок-схема алгоритма адаптации Рис. 3. Структурная схема работы алгоритма с учетом данных реального времени Данный алгоритм позволит поддерживать актуальное состояние тренажерного комплекса, соответствующее реальному состоянию ТП. Поддержание модели установки в актуальном состоянии дает возможность разработки цифрового двойника технологической установки, дублирующего реальный объект управления в информационной и технологической составляющей. Наличие актуального КТК дает широкие возможности для применения методов имитационного моделирования с целью отработки принимаемых решений по управлению технологическим процессом, тестирования вновь создаваемых алгоритмов управления, в том числе APC-систем. При этом скорость реакции КТК на управляющие воздействия и вносимые возмущения может быть увеличена для отслеживания переходных процессов и достижения стационарного состояния за меньший период времени. При дальнейшей доработке возможна разработка на базе КТК электронного помощника, работающего в режиме советчика, предупреждая оператора установки о возможном развитии технологического режима и возможном возникновении неисправностей оборудования. Электронный помощник позволит своевременно принимать меры по предотвращению нештатных ситуаций.

Об авторах

С. А Власов

Пермский национальный исследовательский политехнический университет

И. А Вялых

Пермский национальный исследовательский политехнический университет

А. О Колыхматов

ООО "Промышленная кибернетика"

Список литературы

Статистика

Просмотры

Аннотация - 38

PDF (Russian) - 40

Ссылки

• Ссылки не определены.