Разработка системы оперативного управления установки подготовки нефти

Размещено на http://www.allbest.ru/

Содержание

• Введение

1. Оценка целесообразности разработки системы оперативного управления установкой подготовки нефти

1.1 Описание технологического процесса подготовки нефти в установке УППН-М

1.2 Анализ процесса как объекта диагностики и оперативного управления

1.3 Постановка задачи исследования и имитационного моделирования

2. Описание системы оперативного управления и диагностики процесса подготовки нефти

2.1 Обзор методов и систем диагностики состояния клапанов

2.1.1 Краткая классификация методов диагностики

2.1.2 Методы и подходы применяемые для диагностики клапанов

2.2 Использование кластеризации данных для составления нечетких правил

2.2.1 Нечеткая кластеризация данных

2.2.2 Кластеризация нечётких с-средних

2.2.3 Алгоритм Густафсон-Кесселя

2.2.4 Идентификация параметров в условной части правил с помощью нечеткой кластеризации

2.2.5 Определение количества кластеров

2.3 Описание структуры экспертной системы оперативного управления

3. Результаты имитационного моделирования

3.1 Описание среды MATLAB

3.2 Моделирование развития нештатных ситуаций дочернего фрейма 3.5. Тестирование работы интерпретатора системы

3.2.1 Описание имитационной модели в среде MATLAB

3.3 Описание тестовой модели клапана

3.4 Отладка и тестирование диагностической модели клапана

4. Технико-экономическое обоснование результатов НИР

4.1 Область использования результатов НИР

4.2 Расчет сметы затрат на НИР

4.3 Расчет договорной цены на НИР

4.4 Оценка эффективности использования НИР

5. Охрана труда и окружающей среды

5.1 Опасные и вредные производственные факторы, имеющие место при выполнении работы

5.2 Категория помещения по взрывопожароопасности. Класс пожароопасной зоны

5.3 Вентиляция

5.4 Освещение помещения. Разряд зрительных работ

5.5 Аптечка и ее содержание

5.6 Безопасность выполняемых работ

5.7 Анализ технологических операций

5.8 Методы первой помощи

5.9 Охрана окружающей среды

6. Стандартизация

Заключение

Список использованных источников

• Приложение

Введение

Нефтегазовый комплекс является основой энергоснабжения страны и одним из ее важнейших народно-хозяйственных комплексов. Сегодня, обеспечивая более 2/3 общего потребления первичных энергоресурсов и 4/5 их производства, данный комплекс является главным источником налоговых (около 42% доходов федерального бюджета) и валютных (около 46 %) поступлений государства. Нефтяная промышленность - стратегически важное звено в нефтегазовом комплексе и одна из важнейших составляющих российской экономики, обеспечивающая все отрасли экономики и население широким ассортиментом моторных видов топлива, горюче-смазочных материалов, сырьем для нефтехимии, котельно-печным топливом и прочими нефтепродуктами. На долю России приходится около 14% мировых запасов нефти, 10% объемов добычи и 8,5% ее экспорта. В настоящее время в структуре добычи основных первичных энергоресурсов России на нефть приходится около 30 %.

Процесс первичной очистки нефти необходим для получения товарной нефти с требуемыми качественными характеристиками из эмульсии, поступающей со скважин добычи нефти. Кроме того, данный технологический процесс обеспечивает удаление из эмульсии воды и попутного газа.

В настоящее время для подготовки нефти в основном используются установка типа УППН-М, состоящей из печи нагрева нефтяной эмульсии, деэмульгатора, отстойника, сепаратора, устройства обессоливания и обезвоживания нефти или установка типа Heater-Treater. Эксплуатация установок Heater-Treater представляет собой единый модуль горизонтальной компоновки, полностью оснащенный средствами автоматизации. Однако, способ подготовки нефти с помощью УППН-М более распространен и далее все вопросы дипломной работы касаются именно его. Опыт эксплуатации подобных установок показывает, что из-за содержания в первичной нефти разнообразных примесей наблюдается нестабильность работы системы подготовки нефти из-за частых отказов средств автоматизации, в основном - клапанов. Таким образом, была сформулирована задача разработки методов и принципов оперативного управления установкой УППН-М, которая является надстройкой существующей АСУ, а зоной ответственности которой будет обнаружение и принятие решений по управлению процессом в условиях возникновения и развития нештатных ситуаций.

1. Оценка целесообразности разработки системы оперативного управления установкой подготовки нефти

1.1 Описание технологического процесса подготовки нефти в установке УППН-М

Процесс подготовки нефти необходим для получения товарной нефти с требуемыми качественными характеристиками из газожидкостной смеси, поступающей со скважин добычи нефти. Кроме того, данный технологический процесс обеспечивает подготовку воды и попутного газа [1]. Упрощенная технологическая схема представлена на рисунке 1.1.

Нефть с разведочных скважин Северо-Кожвинского месторождения подается на сепаратор С-1 для проведения первой ступени сепарации, где отделяется основная масса попутного газа. Первая ступень сепарации происходит при давлении 0,9 МПа.

Для более рационального использования сепаратора первой ступени уровень жидкости в аппарате необходимо поддерживать на уровне 50 %. В этом случае, с учетом того, что сепаратор первой ступени является цилиндрическим аппаратом и расположен горизонтально, площадь поверхности жидкости будет максимальной, что наиболее оптимально для сепарации газа. Однако следует отметить, что процесс сепарации попутного газа является потенциально опасным, так как превышение уровнем жидкости определенного значения (1 м) приведет к тому, что жидкость направится в коллектор для отвода газа. Поэтому в настоящее время в целях безопасности уровень жидкости в сепараторе первой ступени поддерживается на уровне 35 - 40 %, так как в этом случае при увеличении объема сырой нефти, поступающей на ЦПС, уровень жидкости в аппарате растет с меньшей скоростью.

После сепаратора С-1 нефть смешивается с нефтью Южно-Лыжского и Южно-Терехевейского месторождений и поступает на нагреватель П-1, так как при повышении температуры процесс разделения эмульсии протекает более оптимально. Однако нагрев жидкости до очень высокой температуры может привести к закипанию нефти в змеевике печи, что недопустимо. С другой стороны, при низкой температуре процесс разделения эмульсии будет протекать хуже, чем при более высокой, что может привести к увеличению обводненности товарной нефти, увеличению ее номера по степени подготовленности и уменьшению ее цены.

Нагретая до 40°С, нефть через депульсаторы поступает в сепараторы С-2/1,2 для проведения второй ступени сепарации нефти от газа, выделившегося в результате нагрева, и предварительного сброса пластовой воды, содержащейся в продукции скважин Северо-Кожвинского месторождения. Вторая ступень сепарации происходит при давлении 0,5 МПа.

Размещено на http://www.allbest.ru/

Рисунок 1.1 - Упрощенная схема технологического процесса

Регулирование уровня жидкости в сепараторах С-2/1,2 производится с помощью клапана на трубопроводе выхода пластовой воды.

Из сепаратора С-2/1,2 нефть, с остаточной обводненностью не более 10%, прокачивается сырьевыми насосами H-1/(1-4) через нагреватель П-2 и нагретая до 70°С, подается на блок подготовки УКПН, состоящий из последовательно расположенных отстойника обезвоживания О-1 и отстойника обессоливания О-2, предназначенных для разделения жидкости на воду и нефть.

Обвязка сырьевых насосов позволяет использовать их для внутрипарковой перекачки нефти.

В отстойнике обезвоживания происходит сброс пластовой воды до обеспечения 1,0 % остаточной обводненности нефти.

Перед блоком обессоливания происходит подача в поток нефти через смеситель горячей пресной воды с температурой не менее 55°С в количестве 8 % от объема нефти. После завершения процесса обессоливания нефть с остаточной обводненностью 0,5 % и с температурой 65°С поступает в концевую сепарационную установку КСУ для окончательной сепарации (разгазирование) и далее направляется в резервуары товарной нефти РВС-1/1, 2 для динамического отстоя.

Концевая ступень сепарации происходит при давлении 0,105 МПа. Регулирование уровня жидкости в отстойниках О-1 и О-2 осуществляется с помощью регулирующего клапана, установленного на трубопроводах выхода пластовой воды. Для контроля за содержанием пластовой воды в нефти на трубопроводах выхода нефти с аппаратов установлены влагомеры.

В резервуарах обеспечивается постоянное поддержание температуры нефти 50°С циркуляцией горячей воды от котельной для обеспечения ее внешнего транспорта. Внутренняя обвязка резервуаров позволяет использовать их для приема сырой нефти и предварительного сброса пластовой воды в случае аварии на УКПН. КСУ также обвязан на прием товарной и сырой нефти. На выходе с КСУ установлены регулирующие клапаны на нефтяной и газовой линиях.

Из резервуаров товарная нефть насосами внешнего транспорта Н-2/1,2,3 через узел оперативного учета нефти УОУН поступает по межпромысловому нефтепроводу на терминал "Чикшино", где сдается через коммерческий в систему магистральных нефтепроводов АК "Транснефть". Для снижения вязкости перекачиваемой нефти предусмотрен ввод депрессанта в нефтепровод после УОУН блоком дозирования БР-3.

В случае аварии на нефтепроводе ЦПС "Северная Кожва" - терминал "Чикшино" возможна циркуляция горячей нефти в резервуарах по линии "резервуар - насос внутренней перекачки - нагреватель нефти - резервуар".

Объем резервуаров РВС-1/1,2 обеспечивает суточный запас по товарной нефти и суточный объем поступления сырой нефти. Для сокращения потерь от испарения нефти резервуары оборудуются газоуравнительной обвязкой со свечой рассеивания и емкостью сбора конденсата.

Пластовая вода из сепараторов и отстойников направляется на очистные сооружения пластовой воды.

Газ I-й и II-й ступеней сепарации поступает на осушку в газосепаратор Гс. После очистки газа от капельной жидкости, он частично используется на собственные нужды в качестве топлива для нагревателей и котельной. Оставшийся газ сжигается на факеле высокого давления.

Газ III-й ступени сепарации после КСУ поступает на установку улавливания легких фракций через конденсатосборник Е-3/3, где газ освобождается от капелек нефти. После компримирования газ смешивается с газом I-й и II-й ступеней сепарации и используется на собственные нужды ЦПС (в нагревателях нефти, котельной). Избыточный газ сжигается на факеле высокого давления.

В случае аварии на газ сжигается на факеле сжигания газа низкого давления Ф-2.

Факельная система оборудована автоматическим розжигом факела и оборудованием для улавливания жидкой фазы. Для улавливания жидкой фазы предусматривается расширительная камера и конденсатосборник с насосной откачкой.

На линиях топливного газа, факельной линии, газопроводах I-й и III-й ступеней сепарации предусмотрен замер газа. На факельном газопроводе установлен регулятор давления, поддерживающий давление в газосепараторе Гс.

Перед факелами, для улавливания капель нефти и мехпримесей, предусмотрены нефтегазоотделители Е-3/1,2.

Для проведения периодической очистки и диагностики нефтепровода ЦПС "Северная Кожва - терминал «Чикшино" предусмотрена камера запуска очистных и диагностических устройств.

Сброс остатков нефти из аппаратов, камеры запуска очистных устройств, конденсата из газосепаратора и опорожнение технологических трубопроводов предусмотрено в дренажные емкости Е-2/1,2.

В случае аварии на нагревателях нефти П-1, П-2 предусмотрен сброс нефти из змеевиков нагревателей в аварийную емкость.

Обводненность товарной нефти во многом зависит от того, как на ЦПС была разделена водонефтяная эмульсия. Качество разделения эмульсии определяется используемым реагентом-деэмульгатором, а также температурой, при которой проводится процесс отстаивания. С учетом того, что аппараты для отстаивания расположены в технологической схеме после печей, обводненность косвенно зависит от их работы, а именно от разницы температур жидкости на входе и выходе печи.

Для улучшения расслаивания водонефтяной эмульсии на ЦПС предусмотрен ввод деэмульгатора в следующих точках:

- на входе нефти на ЦПС - в количестве 30 г/т нефти;

- перед отстойником обезвоживания О-1 - в количестве 10 г/т нефти.

Реагенты - деэмульгаторы применяют также для замедления процесса старения и предотвращения образования устойчивых эмульсий. Подача реагента осуществляется блоками дозирования. Объем технологических емкостей внутри блоков обеспечивает хранение 30-ти суточного запаса реагента. Для хранения возвратной тары предусматривается открытый склад с навесом. Для перекачки реагента из контейнеров в технологические емкости предусмотрен шланговый насос, устанавливаемый в помещении разогрева реагента.

Для предотвращения потерь газообразных углеводородов, содержащихся в нефти, необходимо, чтобы вся система добычи и сбора нефти и газа, а также система транспорта и приемные резервуары были полностью герметичны.

1.2 Анализ процесса как объекта диагностики и оперативного управления

моделирование управление диагностика matlab

Установка первичной подготовки нефти на сегодняшний момент достаточно хорошо оснащена современными средствами автоматизации. Существующая система регулирования и сбора информации позволяет осуществлять стабилизацию основных технологических параметров, как например, уровень в промежуточных емкостях, температуру, расход, влажность.

Однако, опрос экспертов и анализ регламента [2] позволяет выделить целый ряд нештатных ситуаций, которые возникают довольно часто из-за особенностей исходной эмульсии, поступающей из скважины. Т.е. реальный процесс, как уже отмечалось, нестабилен и имеет большой уровень неопределенности. Поэтому на долю операторов, ведущих процесс (в данном случае экспертов в конкретной предметной области), возлагается задача: на основе их опыта, интуиции и знания процесса распознавать ситуации, на которые при проектировании не была рассчитана система управления, и своевременно принимать управленческие решения с целью возврата процесса к нормальному режиму функционирования.

Как известно, человеческий фактор достаточно сильно влияет на работу системы управления и нет гарантии, что оператор сможет своевременно и подробно распознать и оценить развивающуюся ситуацию. Поэтому в помощь оператору разрабатываются надстройки системы управления, выполняющие функции советчика. Они базируются на эвристической информации, полученной в результате экспертных опросов, анализа литературных данных и изучения регламентов аналогичных технологических процессов. Для рассматриваемого процесса первичной подготовки нефти предыдущими исследователями проведен сбор и первичная формализация экспертной информации с выделением основных причинно-следственных связей между технологическими параметрами и состояниями процесса. Отсутствие адекватной математической модели, позволяющей описать процесс в режиме нормального его функционирования, предрекает возможность моделирования изменения недостающих технологических параметров.

Подробный анализ полученной продукционной модели показал, что многие нештатные ситуации и причины, их вызывающие, можно ранжировать по функционально-территориальному признаку.

- Функциональный подход - выделение независимых друг от друга структур (участков, групп единиц оборудования), выполняющих определенные функции, независимо от их топологии и времени функционирования.

- Территориальный подход - выделение участков процесса по их территориальному расположению с учетом топологии процесса, независимо от функциональных и временных отношений между ними. Такой подход к декомпозиции целесообразен при сильной распределенности объекта в пространстве [3].

- Таким образом, был составлен перечень продукционных правил диагностической модели, который дан в таблице 1.1.

Таблица 1.1 - Описание продукционно-диагностической модели

Основной параметр	Нарушение	Доп. параметр	Возможные причины	Рекомендации
Изменение уровня нефти
Уровень нефти LT44 > 1 м	Высокий уровень нефти в сепараторе С-1	Клапан на трубопроводе выхода нефти закрыт LV44 = 1	R1.Нарушение работы клапана	Прочистить клапан, при необходимости заменить его
		1. Клапан на трубопроводе выхода нефти открыт LV44 = 0 2. Давление на приеме насоса внешнего транспорта - высокое PT23 > 0,17 МПа	R2.Забилась сетка фильтра на приеме насоса внешнего транспорта	Остановить насос, прочистить сетку фильтра
		1. Клапан на трубопроводе выхода нефти открыт LV44 = 0 2. Расход поступающей эмульсии - большой FT28 > 140 мі/ч	R3.Объем поступающей эмульсии велик	Уменьшить объем поступающей эмульсии
Уровень нефти > 1 м	Высокий уровень нефти в сепараторе С-2/1	Клапан на трубопроводе выхода нефти закрыт	R4.Нарушение работы клапана	Прочистить клапан, при необходимости заменить его
		1. Клапан на трубопроводе выхода нефти открыт 2. Давление на приеме насоса внешнего транспорта - высокое	R5.Забилась сетка фильтра на приеме насоса внешнего транспорта	Остановить насос, прочистить сетку фильтра
		1. Клапан на трубопроводе выхода нефти открыт 2. Расход поступающей эмульсии - большой	R6.Объем поступающей эмульсии велик	Уменьшить объем поступающей эмульсии
Уровень нефти > 1,8 м	Высокий уровень нефти в сепараторе С-2/2	Клапан на трубопроводе выхода нефти закрыт	R7.Нарушение работы клапана	Прочистить клапан, при необходимости заменить его
		1. Клапан на трубопроводе выхода нефти открыт 2. Давление на приеме насоса внешнего транспорта - высокое	R8.Забилась сетка фильтра на приеме насоса внешнего транспорта	Остановить насос, прочистить сетку фильтра
		1. Клапан на трубопроводе выхода нефти открыт 2. Расход поступающей эмульсии - большой	R9.Объем поступающей эмульсии велик	Уменьшить объем поступающей эмульсии
Уровень нефти > 1,5 м	Высокий уровень нефти в концевой сепарационной установке КСУ	Клапан на трубопроводе выхода нефти закрыт	R10.Наруше-ние работы клапана	Прочистить клапан, при необходимости заменить его
		1. Клапан на трубопроводе выхода нефти открыт 2. Давление на приеме насоса внешнего транспорта - высокое	R11.Забилась сетка фильтра на приеме насоса внешнего транспорта	Остановить насос, прочистить сетку фильтра
		1. Клапан на трубопроводе выхода нефти открыт 2.Расход поступающей эмульсии - большой	R12.Объем поступающей эмульсии велик	Уменьшить объем поступающей эмульсии
Уровень нефти LT44 < 0,4 м	Низкий уровень нефти в сепараторе С-1	Клапан на трубопроводе выхода нефти закрыт LV44 = 1	R13.Засорился или протекает клапан на трубопроводе подачи нефти FV28	Прочистить клапан, при необходимости заменить его
Уровень нефти < 0,4 м	Низкий уровень нефти в сепараторе С-2/1	Клапан на трубопроводе выхода нефти закрыт	R14.Засорился или протекает клапан на трубопроводе подачи нефти	Прочистить клапан, при необходимости заменить его
Уровень нефти < 0,4 м	Низкий уровень нефти в сепараторе С-2/2	Клапан на трубопроводе выхода нефти закрыт	R15.Засорился или протекает клапан на трубопроводе подачи нефти	Прочистить клапан, при необходимости заменить его
Уровень нефти < 0,7 м	Низкий уровень нефти в КСУ	Клапан на трубопроводе выхода нефти закрыт	R16.Засорился или протекает клапан на трубопроводе подачи нефти	Прочистить клапан, при необходимости заменить его
Нарушение уровня границы раздела фаз нефть/вода
Уровень воды LTv46 < 0,4 м	Низкий уровень воды в сепараторе С-2/2	1. Отсутствует сигнал о закрытии или открытии клапана на трубопроводе выхода пластовой воды 0 < LV46 < 1 2. Влажность нефти лежит в пределах от 1 % до 10 % 1 % < MT54 < 10 %	R17.Плохо закрыт или протекает клапан LV46	Прочистить клапан, при необходимости заменить его
		1. Клапан на трубопроводе выхода пластовой воды закрыт LV46 = 1 2. Влажность нефти лежит в пределах от 1 % до 10 % 1 % < MT54 < 10 %	R18.Попал песок в дренажный клапан	Прочистить клапан, при необходимости заменить его
		1. Клапан на трубопроводе выхода пластовой воды закрыт LV46 = 1 2. Влажность нефти меньше 1 % MT54 < 1 %	R19.Мало воды в поступающей эмульсии	Добавить воды в поступающую эмульсию
Уровень воды < 0,4 м	Низкий уровень воды в сепараторе С-2/1	1. Отсутствует сигнал о закрытии или открытии клапана на трубопроводе выхода пластовой воды 2. Влажность нефти лежит в пределах от 1 % до 10 %	R20.Плохо закрыт или протекает клапан на трубопроводе выхода пластовой воды	Прочистить клапан, при необходимости заменить его
		1. Клапан на трубопроводе выхода пластовой воды закрыт 2. Влажность нефти лежит в пределах от 1 % до 10 %	R21.Попал песок в дренажный клапан	Прочистить клапан, при необходимости заменить его
		1. Клапан на трубопроводе выхода пластовой воды закрыт 2. Влажность нефти меньше 1 %	R22.Мало воды в поступающей эмульсии	Добавить воды в поступающую эмульсию
Уровень воды LTv46 > 1,8 м	Высокий уровень воды в сепараторе С-2/2	1. Отсутствует сигнал о закрытии или открытии клапана на трубопроводе выхода пластовой воды 0 < LV46 < 1 2. Расход поступающей нефти меньше 120 мі/ч FT30 < 120 мі/ч	R23.Засорился клапан LV46	Прочистить клапан, при необходимости заменить его
		1. Отсутствует сигнал о закрытии или открытии клапана на трубопроводе выхода пластовой воды 0 < LV46 < 1 2. Расход поступающей нефти больше 140 мі/ч FT30 > 140 мі/ч	R24.Избыточное поступление воды с эмульсией	Перекрыть клапан FV30
Уровень воды > 1,8 м	Высокий уровень воды в сепараторе С-2/1	1. Отсутствует сигнал о закрытии или открытии клапана на трубопроводе выхода пластовой воды 2. Расход поступающей нефти меньше 120 мі/ч	R25.Засорился клапан на трубопроводе выхода пластовой воды	Прочистить клапан, при необходимости заменить его
		1. Отсутствует сигнал о закрытии или открытии клапана на трубопроводе выхода пластовой воды 2. Расход поступающей нефти больше 140 мі/ч	R26.Избыточ-ное поступление воды с эмульсией	Перекрыть клапан на трубопроводе подачи эмульсии
В выходной нефти повышенное содержание воды
Влажность нефти MT57 > 1 %	Повышенное содержание воды в нефти на выходе из КСУ	1. Температура нефти на выходе из нагревателя П-1 низкая TT1 < 35 °C	R27.Недоста-точная температура нагрева нефти	Увеличить подачу обогревающего газа в нагреватель П-1
		1. Температура нефти на выходе из нагревателя П-1 достаточная 35 °С < TT1 < 40 °C 2. Уровень нефти высокий LT50 > 1,5 м	R28.Высокая граница разделения воды	Прочистить клапана LV48, LV49. При необходимости заменить их
Повышение давления
Давление в С-1 > 1,02 МПа	Повышенное давление в емкостном оборудовании	-	R29.Неиспра-вен предохрани-тельный клапан	Остановить аппарат, сбросить давление. Проверить работоспособность предохранительного клапана, отрегулировать его, а при необходимости заменить
Давление в ГС-1 > 0,50 МПа
Давление в С-2/1,2 > 0,56 МПа
Давление в О-1 > 0,39 МПа
Давление в О-2 > 0,33 МПа
Давление в КСУ > 0,12 МПа

Из таблицы 1.1 видно, что общее количество правил, определяющих причины нарушений - 29. Из них 15 правил связаны с отказами клапанов (1, 4, 7, 10, 13, 14, 15, 16, 17, 18, 20, 21, 23, 25, 29). Но и почти все остальные правила также имеют в качестве определяющего параметра результаты анализа состояния клапанов (2, 3, 5, 6, 7, 8, 9, 11, 12, 19, 22, 24, 26).

Проблема диагностики таких нарушений усложняется тем, что большинство клапанов стоит в контурах управления и поэтому их возможные отказы маскируются.

К тому же, вероятность того, что актюатор (совокупность регулирующего клапана, серводвигателя и позиционера) будет работать со сбоями весьма существенна. Особенно когда клапаны установлены в "тяжелых" условиях, например, в условиях высоких температур, влажности, механических загрязнений потоков, загрязнений химическими растворителями, агрессивными средами и т.д. Своевременное определение развития слабых или начинающихся нарушений прежде чем они становятся серьезными, имеет большое влияние на прогноз продолжительности жизни промышленного клапана. Нарушения в работе клапана вызывают возмущения на процессе и могут вызвать его остановку, что ведет к экономическим потерям, и иногда влияют на безопасность и экологию. Кроме того, когда клапана неправильно функционирую, страдает качество конечного продукта. Мониторинг развития начинающихся нарушений важен не только для определения моментов ревизий, но и для мониторинга качества работы процесса. Поэтому возникла задача выбора метода диагностики нарушений в работе клапанов. На сегодняшний момент можно проследить ряд работ посвященных вопросам диагностики состояния клапанов, и, как правило, эти работы касаются клапанов с пневмоприводом. Заказная спецификация на средства автоматизации для процесса первичной подготовки нефти содержит фактически только пневматические клапаны с электро-пневматическим позиционером и соответственно унифицированным токовым управляющим сигналом.

1.3 Постановка задачи исследования и имитационного моделирования

Каждый технологический процесс под действием возмущающих факторов может иметь отклонения от регламента. Эти отклонения могут существенно влиять на экономическую эффективность процесса. В нормальном режиме функционирования установки первичной очистки нефти незначительные, отработанные возмущения могут быть устранены системой регулирования, но в некоторых случаях принятие решения о методах и способах воздействия на процесс, при выходе последнего из нормального режима функционирования, выполняется операторами, ведущими процесс, при этом реакции по устранению плохо документированы или определяются опытом оператора.

Попытки изменений систем сигнализации или занижение порогов защиты не приводят к положительным результатам, так как большинство таких ситуаций встречаются нерегулярно и их невозможно спрогнозировать заранее, а изменение в системе сигнализации и защиты приводят к усилению влияния человеческого фактора и экономическим потерям.

Многотоннажность установки, непрерывность работы техноло-гической линии и серьезность вопросов экономических потерь при простоях являются предпосылками к дополнению существующей системы автоматизации процесса подготовки нефти дополнительный блоком, а именно, системой оперативного управления, в функции которой входит своевременное оповещение персонала о возникающей нештатной ситуации.

Построение аналитических моделей процесса, функционирующих в области нештатных режимов является очень трудоемкой и не всегда осуществимой операцией, т.к. данный процесс относится к разряду так называемых слабоструктурированных и плохо формализуемых систем, для которых нет математических описаний, обеспечивающих требуемый уровень адекватности (особенно для нештатных ситуаций, из-за непостоянства исходной эмульсии, поступающей из скважины).

В связи с этим в ходе исследования необходимо выполнить:

- обзор существующих на сегодняшний момент подходов и методов диагностики состояния технологического процесса;

- аналитический обзор существующих подходов к проблеме диагностики состояния клапанов;

- выбор информационной технологии и структуры системы оперативного управления процессов;

- формализацию и формирование диагностической модели процесса на базе имеющихся результатов экспертного опроса;

- разработка диагностической модели состояния клапанов;

- разработка алгоритма раннего обнаружения возникновения нештатной ситуации;

- имитационное моделирование нештатных ситуаций и тестирование алгоритма работы.

2. Описание системы оперативного управления и диагностики процесса подготовки нефти

2.1 Обзор методов и систем диагностики состояния клапанов

2.1.1 Краткая классификация методов диагностики

Процедура диагностики состоит из двух этапов. На первом этапе определяется сам факт наличия нарушения, а затем, на втором этапе, производится его идентификация, т.е. выяснение причины, вызвавшей это нарушение. Естественно, что диагноз строится на основании информации о контролируемом процессе, которая, в основном поступает в реальном времени с датчиков. Однако, для обеспечения требуемой глубины диагностики, определяемой способностью системы различать причины, проявляющиеся практически одинаково, этой информации обычно не достаточно. Поэтому необходимо привлекать дополнительную информацию такую, как результаты лабораторных анализов, качественные характеристики процесса, определяемые оператором, данные о поверках датчиков и сроках работы оборудования и т.п.

Очень маловероятна ситуация, когда система обладает полной информацией обо всех входных, выходных и промежуточных переменных процесса, включая характер их взаимодействия со средой, в которой процесс проводится. В этом случае диагностика была бы хорошо определенной проблемой и обеспечивала бы стопроцентную достоверность диагноза. Другой крайний вариант - наличие одного датчика на сложном процессе, который в лучшем случае сможет показать находится ли процесс в нормальном состоянии или вышел из регламента, но определить причины выхода по этой информации невозможно. На практике мы имеем дело между этими крайними вариантами.

Рассмотрим методы, которые используются в системах диагностики состояния процесса на обоих этапах. Независимо от применяемых методов можно сформулировать основные требования, которым должна удовлетворять система диагностики [4]. Прежде всего, это возможность раннего обнаружения нарушения, что необходимо, во-первых, для возврата контролируемого процесса в регламентные рамки, т.к. на ранних стадиях возникающие нештатные ситуации, как правило, обратимы. Во-вторых, оператору представляется больше времени для принятия соответствующих действий по пресечению развития нештатной ситуации и, таким образом, не доводя ситуацию на процессе до порогов срабатывания системы защиты.

Очень важно обеспечить высокую степень глубины диагностики. Под глубиной диагностики понимается способность диагностической системы различать причины близких по характеру проявления нарушений. В идеале в отсутствии шумов и неопределенностей диагностическая система должна генерировать диагноз, ортогональный к причинам, не имеющим отношения к произошедшему нарушению. Глубина диагностики при прочих равных условиях существенно зависит от характера контролируемого процесса.

Необходимо также, чтобы система диагностики была робастна по отношению к шумам и неопределенностям. Естественно, что шумы и неопределенности не способствуют обеспечению высокой достоверности получаемых диагнозов. При их наличии, а в промышленных условиях эти факторы всегда присутствуют, повысить степень робастности системы можно варьируя пороговые значения, определяющие в системе границы между нормальной работой процесса и нештатными ситуациями. Здесь необходим некий компромисс, т.к. снижение пороговых значений приводит к увеличению числа ложных диагнозов (снижению робастности), а их увеличение - к позднему обнаружению (или даже пропуску) нештатной ситуации.

Система диагностики должна не только обнаруживать факт наличия нештатной ситуации и определять ее причину даже, если она ранее была системе неизвестна. Учитывая, что для моделирования нештатной ситуации может быть очень мало информации, можно предположить, что будут известны и учтены в диагностической модели не все возможные нештатные ситуации или они будут смоделированы недостаточно адекватно. Тем не менее желательно, чтобы система определяла ситуацию, неучтенную в модели, как новую, а не указывала на одну из известных.

Очень важно, чтобы пользователь мог оценить степень достоверности диагноза. В идеале желательно, чтобы система позволяла априорно оценить возможность неверной классификации причины нарушения, которое может произойти на процессе. Это облегчило бы целесообразный выбор пороговых значений при построении диагноза.

При нормальном протекании технологического процесса возможны изменения его параметров при варьировании параметров исходного сырья, настройки технологии и аппаратуры, ведущей процесс, изменении производительности и т.п. Отсюда вытекает требование адаптируемости системы диагностики к таким изменениям.

Немаловажное значение имеет также способность системы объяснить построенный диагноз. Это свойство важно для оператора, т.к. позволяет ему осознанно следовать рекомендациям системы при принятии оперативных решений.

Наконец, важное значение имеет способность системы диагностировать множественные нарушения. Эта проблема усугубляется тем, что нарушения часто взаимно реагируют и их совместный образ, особенно в нелинейных процессах, не соответствует простому наложению индивидуальных образов этих нарушений. В то же время попытка заложить в модель образы возможных комбинаций нарушений может вылиться в проблемы из-за большой размерности получаемой модели.

Процедуры диагностики производятся на основе моделей, связывающих в том или ином виде некоторые наблюдаемые характеристики процесса (диагностические показатели, симптомы) с причинами, вызвавшими отклонение процесса от регламентных рамок. Такие модели получили название диагностических. Их основное отличие от обычных моделей состоит в том, что они описывают анормальные состояния процесса, нештатные и, естественно, нежелательные ситуации, в которые попадает процесс. В качестве диагностических могут в некоторых случаях использоваться и обычные модели процесса, но обычно, как будет показано ниже, они не могут обеспечить требуемую глубину диагностики.

Классификация диагностических моделей приведена на рисунке 2.1 [4]. Можно выделить три группы типов диагностических моделей, используемых при построении систем диагностики. Это - модели, учитывающие количественные связи между переменными (для простоты назовем их количественными моделями) учитывающие только качественные соотношения между ними, и модели, строящиеся на массивах зарегистрированных значений переменных процесса во время его работы.

Количественные модели могут быть феноменологическими, регрессионными и моделями в пространстве состояний.

Рисунок 2.1 - Классификация диагностических моделей

Феноменологические модели основаны на знании физических и химических законов, по которым протекает контролируемый процесс. В процессах химической технологии при построении таких моделей используются массовые, энергетические балансы, равновесие импульса в кинетике, а также уравнения типа уравнений состояния. Однако такие модели редко используются в управлении процессом и его диагностике главным образом из-за их сложности, трудности работы с ними в режиме реального времени и большого количества допущений при их выводе. Кроме того, процессы химической технологии часто нелинейны. В результате полученные модели описывают процесс в лучшем случае в очень узком рабочем диапазоне и становятся неадекватными как раз в тех зонах процесса, которые выходят из регламентных рамок и требуют оценки системой диагностики. Все это делает создание процедур для обнаружения нарушений более трудным. Поэтому основное достоинство феноменологических моделей то, что их параметры имеют определенный физический смысл, который может быть очень полезен для диагностики, к сожалению, не может быть в должной мере использовано.

Модели на основе балансовых уравнений (массовые, тепловые балансы, балансы по импульсам силы можно рассматривать как частный случай феноменологических моделей. По этим моделям во время проведения диагностики выявляют те или иные нарушения в балансах: при нормальной работе процессе балансовые уравнения соблюдаются точно (нулевые невязки); при нарушениях предполагается, что невязки перестают быть нулевыми. К сожалению, многие нарушения не всегда можно выявить по балансовым уравнениям, например, те, которые влияют на качественные характеристики продукта, не меняя количественных характеристик процесса. Поэтому эти методы не нашли самостоятельного применения, а используются при проведении диагностики как дополнительные вкупе с другими методами.

Некоторый интерес представляют модели на основе фильтра Калмана [5]. Известно, что фильтр Калмана представляет собой рекурсивный алгоритм для оценки переменных состояния. Фильтр реализует рекурсивную оценку значения переменной по методу наименьших квадратов. Рассмотрим линейную модель в пространстве состояний процесса с m входными переменными

u(t)=[u1(t), u2(t)…um(t)]T

и k выходными переменными

y(t)=[y1(t), y2(t) …yk(t)]T

(t - дискретное время). Тогда имеем:

(2.1)

где x(t) - вектор переменных состояния размерности [nx1]; вектор х 0 имеет среднее х 0 и ковариационную матрицу 0. A, B и C - матрицы параметров (коэффициентов), (t) и (t) - белые шумы. Фильтр оценивает вектор состояния x(t+1) по наблюдаемым данным {y(t) и u(t)}, минимизируя функционал:

(2.2)

где e(t) - оценка невязки

.

Отклонение оценки вектора состояния от его среднего значения является сигналом о возникновении нарушения.

Обычный фильтр Калмана работает с линейными системами. В случае нелинейных систем, к которым относится подавляющее большинство технологических процессов в химической промышленности, используется расширенный (модернизированный) фильтр Калмана, который использует нелинейные уравнения состояния, но линеаризует нелинейности измерений и процесса вокруг точки последней оценки состояния [6,7].

Для выявления нарушений, связанных с многими переменными необходимо создать банк Калмановских фильтров, каждый из которых был бы настроен на специфическое нарушение. Блок оценки векторов невязок позволяет идентифицировать нарушение.

Таким образом, использование количественных моделей, в частности, моделей состояния и Калмановских фильтров, ограничено линейными, и в некоторых случаях, очень специфичными нелинейными моделями. Для общей нелинейной модели линейные аппроксимации часто оказываются неудовлетворительными, что существенно снижает эффективность диагностики. Другая проблема этих моделей - слишком упрощенное представления возмущений. В большинстве случаев, матрица возмущений включает только аддитивные неопределенности. Однако, на практике строгое моделирования неопределенностей, вызванных дрейфом параметров, представляется в виде мультипликативных неопределенностей. Это - общее ограничение всех подходов, основанных на количественных моделях.

В дополнение к трудностям, связанным с моделированием, процедуры диагностики здесь далеко не прозрачны и не позволяют легко объяснить ситуацию из-за их природы. Не может быть произведена и априорная оценка погрешностей классификации при использовании этих методов. Если нарушение ранее было не известно, то нет гарантии, что по невязкам можно будет его идентифицировать, отделив от других. Адаптируемость этих подходов к изменяющемуся технологическому режиму также не учитывается. И наконец, когда рассматривается крупномасштабный процесс, размер банка фильтров может стать очень большим, что резко увеличивает объем вычислений. Поэтому эти модели практически не используются в диагностике химико-технологических процессов и особенно - потенциально опасных процессов.

Модели, использующие качественные соотношения между переменными процесса, делятся на модели, учитывающие причинно-следственные связи типа нарушение-симптом и модели на основе некоторых абстрактных логических построений. Из первых следует выделить модели на основе графов, в частности графа причинно-следственных связей (ГПСС) и направленного сигнального графа (НСГ). Сюда же можно и отнести дерево отказов, более часто используемое для анализа надежности устройств и построения ГПСС, но не в системах диагностики [8].

Вообще модели, использующие причинно-следственные связи являются хорошей альтернативой для случая, когда математические описания процессов, пригодные для работы в реальном времени, отсутствуют, но функциональные зависимости переменных понятны. Модели на основе формальных абстрактных построений используются редко, т.к. они, хотя и могут сфокусировать внимание пользователя на проблемных участках процесса, но также требуют наличия глубоких (теоретических) знаний о нем.

Из-за отсутствия для большинства потенциально опасных технологических процессов моделей, обеспечивающих хорошую степень адекватности и удобных для использования в системах реального времени, на практике большее распространение получили диагностические модели, синтезируемые на базе текущей информации с процесса. Они не требуют наличия априорных глубоких знаний о процессе, а лишь наличия эмпирических (опытных) знаний, которыми обладают эксперты, или больших выборок текущей информации о значениях параметров и переменных процесса и именно это их свойство и обеспечило им большое внимание исследователей [9, 10].

Методы этой группы также можно разделить на качественные и количественные (рисунок 2.1). К первым, прежде всего, следует отнести экспертные системы (ЭС). Разработка ЭС требует сбора знаний о возможном поведении контролируемого процесса и возможных нештатных ситуациях, которые могут возникнуть в течение работы процесса. Методы этой группы используются в основном для диагностики процессов[11, 12].

2.1.2 Методы и подходы применяемые для диагностики клапанов

Множество современных производств имеет распределенные системы управления с взаимосвязанными элементами как на местном (или низком) системном уровне, так и на более высоких уровнях. Сложность проведения оперативного управления, мониторинга и диагностики в таких системах возрастает по мере расширения зоны ответственности системы. Это требует использования более совершенных методов диагноза, где уже не достаточно полагаться на контроль и диагностику отдельных компонентов или элементов системы (например, актюаторов или датчиков), а использовать комбинированный мониторинг групп или множеств компонентов (непосредственно включая диагностику самого процесса). Существенное требование к этим системам - это раннее обнаружение нарушений (когда они являются "начинающимися" и их трудно обнаружить) и эффективная и надежная их идентификация, даже в случае, когда процесс подвергается возмущениям и/или когда на нем действуют эффекты, неучтенные моделью (например, из-за сложного характера протекания). Для значительного повышения надежности процесса и улучшения экономических показателей были развиты так называемые робастные методы FDI.

Хотя понимание потенциала и потребности в таких совершенных FDI методах растет, иногда практически нереально пытаться в реальных промышленных условиях доказать улучшение при использовании таких методов безопасности процесса и его экономических показателей. Иногда инженеры завода не могут тратить время на изучение новых методов и предпочитают использовать известные и "проверенные" (но простые) методы, даже если их возможности сильно ограничены. Следовательно, несмотря на существенное количество исследований в этой области, существует разрыв в знаниях и опыте между огромной активностью ученых на симпозиумах и в научных журналах и применении этих методов на производстве. Одним из способов устранения этого разрыва при наличии общей цели - применения совершенных методов FDI, является разработка базисного теста, способного обеспечить эффективное обучение на реальной проблеме на технологическом процессе.

Второй подход из качественных методов, использующих текущую информацию с процесса - это анализ трендов переменных. Данный метод используется, в том числе, и для диагностики датчиков. Количественный вариант использования трендов для диагностики, карты Шьюхарта, широко используются в статистике [13] и будут рассмотрены ниже. Использование для диагностики трендов на качественном уровне предполагает изучение влияния нарушений на их форму. Здесь важно отметить, что необходимое использование фильтров для подавления шумовой составляющей неизбежно приводит к искажению формы самого тренда. Кроме того, здесь встречаются существенные сложности из-за наличия переходных процессов. Более того, в сложных технологических процессах развитие нарушений сопровождается изменением сразу нескольких переменных. Поэтому анализ трендов может показать наличие факта нарушения, но далеко не всегда идентифицировать его. Все это привело к тому, что методы качественного (не количественного) анализа трендов используются весьма редко.

На реальных процессах мы сталкиваемся с проблемой наличия случайных возмущений, влияющих на их поведение. В отличие от детерминированных систем, будущее состояние стохастических систем полностью не определено прошлыми и настоящими состояниями и регулирующими воздействиями. Измерения могут рассматриваться как статистические временные ряды, полученные при единичной реализации основного стохастического процесса. Когда процесс находится в норме, наблюдения имеют некоторые вероятностные распределения, соответствующие нормальному режиму работы. Эти распределения изменяются, когда процесс выходит из регламента. Обычно распределения характеризуются своими параметрами, например, если при нормальной работе процесса его переменные имеют Гауссово распределение, то параметрами, представляющими интерес, будут значения их средних и СКО (стандартных отклонений). При нарушениях в ходе процесса или среднее, или СКО, или оба вместе могут отклоняться от их номинальных значений. Соответственно, диагностика состояния процесса может быть позиционирована как проблема обнаружения изменений в параметрах стохастической системы. При этом не требуется детерминированной модели процесса, но необходимы некоторые допущения относительно распределений переменных процесса, которые будут контролироваться.

При использовании статистического подхода и работе в режиме реального времени измерения переменных производятся последовательно через равные временные интервалы и диагноз строится на основании выборок из этих измерений, полученных вплоть до текущего момента. Решение о наличии нарушения может приниматься прямо по значениям измерений, когда вектор измерений x(t)= [x1(t), x2(t),..., xn(t)]ТRn, где Rn - критическая область (например, карты Шьюхарта [13]). Однако, более часто строится некоторая статистика g(t) как функция вектора измерений переменных процесса x(t) и решение принимается сравнением значений этой статистики g(t) с некоторым порогом C:

(2.3)

где T - время первого превышения статистикой g(t) порога C.

При диагностике в реальном времени необходимо обнаружить изменение как можно раньше, то есть, обнаруживать первый момент выполнения условий x(t)Rn или g(t)С. Таким образом, качество работы обнаружителя нарушений существенно зависит от выбора статистики g(t) и значения порога С. Однако, чувствительность к шуму обычно также увеличивается при повышении чувствительности обнаружителя к реальному изменению параметров процесса. Т.е при уменьшении обнаруживаемого уровня развития нарушения и снижении задержки обнаружения, число ложной тревог будет возрастать, что естественно нежелательно. Хорошим принято считать обнаружитель, который минимизирует обнаруживаемый уровень развития нарушения и задержку в обнаружении при заданном (принимаемом) уровне ложных тревог (например, обнаружитель Неймана-Пирсона для обнаружения информационных сигналов в шумах [14]).

Статистический контроль процесса (СКП или в английской терминологии - SPC) является одной из самых ранних попыток использования статистики для текущего контроля и обнаружении нарушений. Это, прежде всего, уже упоминавшиеся карты Шьюхарта (1931г.) и карты кумулятивных сумм, введенные Пейджем в 1954г [13]. На рисунке 2.2 представлена типичная контрольная карта процесса, основанная на выборочном среднем. Здесь предполагается, что нарушение проявляется в изменении среднего, выходе его за контрольные пределы.

Важно отметить, что контрольные пределы не являются пределами, предусмотренными техническими условиями. Они устанавливаются статистическими расчетами на основе наблюдений на выходе процесса. Вследствие недостатка информации о распределении вероятности контролируемых переменных процесса разными авторами используются различные методики установления контрольных пределов. В [13] достаточно подробно описывается один из вариантов процедуры построения контрольной карты Шьюхарта. Контрольные пределы предложено вычислять итерационно с учетом уточняемых оценок среднего и размаха (используется вместо СКО и соответствует разности между максимальным и минимальным значениями переменной в выборке).



Рисунок 2.2 - Пример контрольной карты процесса

Контроль процесса на основании этих карт предполагает его стационарность при нормальной работе. И, таким образом, нарушения могут быть обнаружены при мониторинге его переменных во времени. Возрастающие требования по качеству продукции и надежности процесса привело к широкому использованию статистического контроля процесса с помощью карт различного типа. Хотя основные концепции, на которых основываются методы такого проведения СКП остаются справедливыми, методы их реализации с трудом могут быть приспособлены к современным технологиям сбора информации. Современные сложные технологические процессы характеризуются большим числом переменных, коррелированных между собой. В результате требуется строить большое количество карт, к тому же, так как контролируемые параметры не независимы, использование карт, следящих за одной переменной, может вводить в заблуждение и вызвать путаницу из-за игнорирования корреляционных связей. В то же время нарушения часто характеризуются одновременными изменениями в нескольких переменных, и, часто, существенными изменениями их корреляционных связей, а не самих значений, что карты обнаружить не могут. Неспособность к учету корреляционных связей между переменными является главным недостатком контрольных карт.

Здесь эффективны многомерные статистические методы, способные к сжатию данных и сокращению размерности мониторинга при сохранении необходимой информации о процессе. Это упрощает анализ. Они учитывают корреляционную картину на процессе и позволяют выявить ее изменения. К таким методам относится, прежде всего метод главных компонент (МГК, в английской терминологии - РСА). Метод впервые был предложен Пирсоном еще в 1901 году и затем вновь открыт и детально разработан Хоттелингом почти 50 лет спустя. В настоящее время метод стал популярным при различных применениях и, в частности, в диагностике [15].

При проведении обычного корреляционного или регрессионного анализа на основе полученной корреляционной матрицы строятся, например, уравнения регрессии, связывающие факторные признаки с результативными, и по ним проводится содержательная интерпретация полученных результатов и принимаются соответствующие решения. При использовании МГК корреляционная матрица используется как исходная ступень для дальнейшего анализа наблюдаемых ранее значений признаков. Появляется возможность извлечения дополнительной информации об изучаемом процессе или объекте. Главной особенностью МГК является преобразование выборки исходных коррелированных переменных в выборку новых некоррелированных переменных значительно (более чем на порядок) меньшей размерности. Главные компоненты адекватно отражают исходную информацию в более компактной форме. Выделенные главные компоненты содержат больше информации, чем непосредственно замеряемые параметры. Некоторым недостатком метода является сложность математического аппарата, однако, в настоящее время, этот недостаток не является решающим. Но именно способность метода существенно снижать размерность модели во много раз позволили эффективно использовать метод для обнаружения нарушений. Однако в отечественной практике он, к сожалению, используется пока недостаточно.

...