Optimaliserende regulering av komplekse prosesser

Transkript

1 1 Optimaliserende reglering av komplekse prosesser av Ivar J. Halvorsen PROS årsmøte rondheim 4. mai Web: ema: 2 Petlyk Destillasjonskolonner Hva er en Petlyk kolonne? Hvorfor brke Petlyk kolonner? Regleringsproblematikk nalytiske metoder for bedre forståelse Selvoptimaliserende reglering Utnytte tilbakekobling, også for optimaliserting alg av variable for reglering Petlyk kolonne som case rk av dataverktøy Litt om erfaringer fra Matlab, Maple og Hysys Hva er en Petlyk kolonne og hvorfor brke en? 3 Konvensjonelle konfigrasjoner for 3-komponent separasjon: DIRE SPLI (DSL) INDIRE SPLI (IS)

2 Pre- fractionator he prefractionator does the easy split (/) Prefraksjonator arrangement: he Petlyk arrangement Main colmn 4 Flly hermally opled olmns Saves 20-50% Petlyk in a single shell: he Dividing Wall olmn: Extra degree of freedom: Liqid split (R l ) L 1 =L*R l 3 L ondenser () op prodct 5 Feed,, () Side prodct he Dividing Wall Reboiler 6 Extra DOF: apor split (R ) 2 =*R v () ottom prodct Regleringsproblematikk: 6 Dampstrøm() som fnksjon av (R l,r v ): ontor plot of (R l,r v ) 3 Energiforbrk øker raskt når R l,r v ikke settes til den optimale løsningen apor split R v t preferred prefractionator split P * R * 4 2 t balanced main colmn 0.3 Optimal operation line, =100% z f =[ ] α =[ ] q = =300% Liqid split R l Optimal drift fordrer at de ekstra frihetsgradene (R l or R v ) settes nøyaktig. Petlyk kolonna krever on-line jstering av ekstra frihetsgrader

3 7 nalytiske metoder for bedre forståelse: Minimm energi-bereginger for ideelle blandinger Eksakte analytiske ttrykk, basert på Underwoods ligninger Enkle beregninger i Matlab Kan finne optimal løsning for generell mltikomponent føde Kan forklare oppførsel til optimal løsning ved forstyrrelser Kan forklare symptomer på ikke optimal drift isalisering av min for 3-komponent føde () 8 > min over fjellene /F Preferred split Petlyk min D=-L L P 1-q 0 1 D/F Eksempel på resltat: min for Petlyk kolonna: 9 Max =, min min min

4 Selvoptimaliserende reglering (Self-Optimizing control) 10 Grnnleggende spørsmål: Hvilke variable skal vi reglere og hvorfor? nta vi har flere mlige maniplerte variable enn prodktspesifikasjoner. Innganger allokert Forstyrrelser (d) til å oppfylle spesifikasjoner Prodkt spek. Prosess } Målinger av variable med spesifikasjoner ndre tilgjengelige maniplerte () innganger { } ndre tilgjengelige målinger (c) Hvordan kan vi brke disse? OPIMLISERE! min J(, d) = J( pt ( d), d) o typiske sitasjoner når det skjer forstyrrelser, og =konstant? d: Forstyrrelser og settpnkter d=d o + d i andre lkkede sløyfer d=d o I) riviell case: 11 ap I Flatt optimm, kan beholde =konstant ap II II) anskelig case: On-line optimalisering nødvendig Spørsmål: Kan vi forandre SE II til å bli en triviell SE I? Mlig svar: Selvoptimaliserende reglering: 12 elg variable (c) som når de regleres til settpnkter (c s ) også fører til at driften holdes nær optimm. Dette er et reglator strktrproblem (dvs å velge variable å reglere) Settpnktene (c s =g(,d)) erstatter de maniplerte inngangene () som resterende frihetsgrader. Konverterer til J c (c s,d) eller bare J c (d ) (hvor d =[d,c s ]) ariabelen (c) bør ha følgende egenskaper: Optimal verdi på c s bør være følsom for forstyrrelser (flat J c (d ), som case I) Ikke minimm eller maximm i optimm (mlig å reglere med et settpnkt) Lett å avlede fra målinger (praktisk og økonomisk) Lett å reglere (gode regleringsegenskaper)

5 Illstrasjon av selvoptimaliserende reglering Kriterim d=d o d =d o + d 13 ap med konstant = L(,d)=J(,d)-J opt (d) ap: L(,d)=J (c o s,d)-j opt (d) med selvoptimaliserende reglering r Reglert variabel c=g(,d) ør ha Gradient informasjon d=d o d=d o + d Settpnkt (c s o ) =g -1 (c s o,d o + d) c R l DS Eksempel på selvoptimaliserende reglering: i brker =R l for å holde DS konstant. Evalering av forstyrrelse i føde-entalpi (q) emperatr profil DS F,q,z - topp bnn oilp () R v =konstant Feed liqid fraction (q) Uten reglering: (R l o,r v o,q) (R l,r v konstant) (Dashed) Selvoptimaliserende reglering: (DS o,r v o,q) (=R l, DS konstant)(solid) Optimal løsning opt (q), (R l R v optimalisert for hver q)(dotted) Data verktøy 15 Matlab (90%) Mest brkt: basis matlab+simlink og Optimization toolbox Enkelt å programmere egne fnksjoner Fll kontroll med alle beregninger ra for prototyping og eksperimentering Maple (5%) For symbolsk maniplering av matematiske ttrykk rkt for å verifisere analytiske beregninger, og i noen grad for å komme på sporet av analytiske løsinger. Hysys (5%) For statisk (og dynamisk) prosess-simlering. rkt for delvis å verifisere egne modeller i matlab, og for å kontollere resltater mot testcase med fll termodynamikk