Quo vadis prosessregulering?

Transkript

1 Quo vadis prosessregulering? Morten Hovd PROST industrimøte Granfos, 24. Januar 2001 PROST Industrimøte, Granfos, 24. januar 2001

2 Hvor står vi? Et subjektivt bilde PROST Industrimøte, Granfos, 24. januar 2001

3 Lineær systemteori er godt utviklet Herunder også metodikk for regulatordesign, forutsatt En gitt (lineær) modell av systemet som skal reguleres, og at modellen er rimelig nøyaktig Et begrep om hvor nøyaktig modellen er Klarhet om hvilke variable som skal reguleres, og med hvilke pådrag Rimelig gode målinger og pådragsorganer

4 Ulineær systemteori Mange elegante resultater Stiller ofte store krav til modellnøyaktighet Vil kanskje aldri bli ferdig utforsket Mange forskjellige typer fenomener men lineær teori er ofte tilstrekkelig Enkelte ganger kan enkle transformasjoner av variable gjøre modellene betydelig mindre ulineære

5 MPC Håndterer godt beskrankninger i prosessen Kan ofte også håndtere andre ulineariteter godt Selv om teoretiske bevis kan være vanskelige eller umulige Adapsjonen i stor grad utledet fra modellen, og mindre fra systemets oppførsel Høy ytelse kan stille store krav til både modell og regnekraft

6 Vi kan løse svært mange problemer, men Vi forstår ikke helt hvordan vi skal formulere problemet! Forutsetningene for å definere problemet er noen ganger ikke til stede. Det egentlige problemet er så forferdelig stort

7 1. Hvordan formulere problemet? Hva skal reguleres, og hvilke pådrag skal brukes? Ikke likegyldig hvordan man spesifiserer tilgjengelige frihetsgrader. Prosessorientert tilnærming: Reguler de dominerende variable! Gir godt rom for prosessforståelse og erfaring Men hva som er en dominerende variabel er ikke klart definert. Går ofte greit å finne regulerte variable, pådrag og tilhørende reguleringsstruktur som fungerer Men fra et økonomisk synspunkt kan resultatet bli nesten tilfeldig dårlig

8 Matematisk tilnærming Tar hensyn til prosessens økonomi Prøver å ta alle muligheter i betraktning, problemet blir derfor lett uhåndterlig stort. Velegnet til å validere forslag utledet fra en prosessorientert tilnærming

9 2. Forutsetninger for å definere reguleringsproblemet En god forståelse for prosessen som skal reguleres helst uttrykt i form av en rimelig nøyaktig modell Man er i stand til å observere hva som foregår i prosessen direkte målinger er vanligvis å foretrekke ønsker relativt hyppige målinger soft sensing, etc., mulig alternativ der direkte måling ikke er tilgjengelig. Pådragene er hensiktsmessige for formålet ikke for små, ikke for store, rimelig nøyaktige, tilstrekkelig hurtige,... Sjelden lurt å gjøre store innsparinger på instrumenteringen

10 Nye måleinstrumenter Kanskje den viktigste drivkraft for anvendelse av regulering på nye prosesser/områder Nye måleteknikker gjør det mulig å måle variable som tidligere ikke var tilgjengelige kan kreve avansert signalbehandling (f. eks. Raman-spektroskopi, billedbehandling,...) Mindre måleinstrumenter, mer robuste instrumenter, gjør at man kommer til der man tidligere ikke kunne måle

11 3. Det egentlige problemets størrelse Mange prosessanlegg er svært store, med enheter som henger tett sammen. optimal koordinering av alle enhetene vil kreve svært gode modeller, og lite usikkerhet. modelleringen krever tid og ressurser kanskje ikke mulig å finne tilstrekkelig god modell regulering/koordinering av større prosessavsnitt medfører vanligvis at man fokuserer på langsom dynamikk utviklingen i større grad avhengig av forbedret prosessforståelse enn tilgjengelig regnekraft Mange problemer krever omfattende beregninger for å finne løsningen. kan også gjelde problemer hvor prosessmodellen er av moderat størrelse. gjelder spesielt problemer med diskrete pådrag f.eks. start og stopp av utstyrsenheter. håp om bedre forståelse for hvordan slike problemer bør formuleres og løses forbedret regnekraft vil være av betydning

12 Optimalisering i regulering LQG - optimaliseringen løst off-line, enkel online implementasjon MPC - optimaliseringen løst on-line tar hensyn til beskrankninger i prosessen større krav til regnekraft Mange har spådd fortsatt økning i bruk av online optimalisering i prosessregulering, men det skjer også utvikling som peker i motsatt retning LQG-regulatorer som tar hensyn til beskrankninger velger regulator avhengig av hvilke begrensninger som er aktive regulatorene beregnes off-line krever lite regnekraft on-line, men krever noe minne. Uvisst hvilken betydning dette vil ha for dagens kommersielle MPC-algoritmer vil bare bli brukt der man ønsker å ta hensyn til kunnskap om ulineariteter i prosessen?

13 Vedlikehold av prosessreguleringen Svært mange reguleringsfunksjoner i en stor prosess, men få operatører og svært få ingeniører som forstår prosessregulering Reguleringssløyfer med default-parametre, eller regulatortuning for svært forskjellige forhold. Control Performance Assessment: teknikker for å hjelpe driftsansvarlige med å prioritere hvilke reguleringsfunksjoner man bør fokusere på. er det mulig å oppnå vesentlig forbedret regulering? hva er årsaken til dårlig regulering? eksterne forstyrrelser, dårlig tuning, utstyrsproblemer, f. eks. stiksjon Vanskelige forutsetninger, ønsker: nøyaktige metoder lave krav til prosesskunnskap ikke forstyrre prosessen med eksperimenter Har likevel kommet fram til endel nyttige teknikker

14 Konklusjoner / forventninger Nye måleinstrumenter vil sannsynligvis være viktigste bidrag til utvidet bruk av prosessregulering. Bør og vil bli bedre til å designe prosesser som er enkle å regulere designe gode reguleringsstrukturer argumentere (også økonomisk) for god instrumentering Håndtering av diskrete pådrag vil bli mer integrert mer øvrig regulering Verktøy til hjelp i drift og vedlikehold av reguleringsfunksjoner vil få større anvendelse og nye verktøy vil forhåpentligvis bli utviklet.