KR100740975B1 - 실시간 최적화 공정과 관련하여 사용하기 위한 성분 맵퍼 - Google Patents

실시간 최적화 공정과 관련하여 사용하기 위한 성분 맵퍼 Download PDF

Info

Publication number
KR100740975B1
KR100740975B1 KR1020017001905A KR20017001905A KR100740975B1 KR 100740975 B1 KR100740975 B1 KR 100740975B1 KR 1020017001905 A KR1020017001905 A KR 1020017001905A KR 20017001905 A KR20017001905 A KR 20017001905A KR 100740975 B1 KR100740975 B1 KR 100740975B1
Authority
KR
South Korea
Prior art keywords
component
pseudo
sub
density
predetermined
Prior art date
Application number
KR1020017001905A
Other languages
English (en)
Other versions
KR20010072482A (ko
Inventor
게오르기오우아포스톨로스티.
크램벡프레데릭제이.
쳉투칭
Original Assignee
엑손모빌 오일 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엑손모빌 오일 코포레이션 filed Critical 엑손모빌 오일 코포레이션
Publication of KR20010072482A publication Critical patent/KR20010072482A/ko
Application granted granted Critical
Publication of KR100740975B1 publication Critical patent/KR100740975B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06G—ANALOGUE COMPUTERS
    • G06G7/00—Devices in which the computing operation is performed by varying electric or magnetic quantities
    • G06G7/48—Analogue computers for specific processes, systems or devices, e.g. simulators
    • G06G7/57—Analogue computers for specific processes, systems or devices, e.g. simulators for fluid flow ; for distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Fluid Mechanics (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Vaporization, Distillation, Condensation, Sublimation, And Cold Traps (AREA)

Abstract

다수의 물질 성분들을 갖는 유체 흐름이 다수의 의사 성분들(401, 402)로 모델화된 공정과 관련하여 성분 맵퍼(22)가 제공된다. 모델 내의 각 의사 성분은 변화하는 선정의(先定義)된 물성치 및 변화하는 양을 갖는다. 다수의 부-의사 성분들은 각 의사 성분을 위하여 규정되어 의사 성분은 부-의사 성분으로 대체 가능하다. 각 부-의사 성분(401)은 각 의사 성분을 위한 제어 공정의 선정의된 물리적 물성치를 위한 선정의된 값들을 가지며, 선정의된 물성치의 현재 값과 의사 성분의 현재 양은 얻어지고, 그후, 의사 성분의 각 부-의사 성분(401)을 위한 현재 양이 계산된다. 선정의된 물성치의 선정의된 값과 각 의사 성분의 각 부-의사 성분을 위한 계산된 현재 양은 그후 실시간 최적화 공정에서 이용된다.
성분 맵퍼, 실시간 최적화 공정

Description

실시간 최적화 공정과 관련하여 사용하기 위한 성분 맵퍼{Component mapper for use in connection with real-time optimization process}
본 발명은 정제 공정과 관련한 실시간 최적화 공정과 관련하여 사용하기 위한 성분 맵퍼(component mapper)에 관한 것이다. 특히, 본 발명은 모델 성분들의 값들을 얻고 그 후 모델 성분들의 부 성분들(sub-components)의 값들을 계산하는 성분 맵퍼에 관한 것이다.
공지된 바와 같이, 최적화 공정에서, 시스템은 모델화된 컴퓨터이며, 어떠한 결과들을 최대화 및/또는 어떠한 결과들을 최소화하기 위하여 모델은 최적화된다. 공지된 바와 같이, 이러한 최적화는 일반적으로 반복 메커니즘을 포함하여 시스템 세팅들(settings)이 결정된다. 그후, 컴퓨터 모델의 실시간 최적화의 결과는 다수의 세트 포인트들이며, 이 세트 포인트들은 상술한 최적화를 이룰 것이다.
이러한 최적화 공정은 일반적으로 시스템 데이터를 수집하는 단계와 이러한 수집된 데이터를 기초로한 최적화 루틴(routine)을 수행하는 단계를 포함한다. 만일 최적화 루틴이 비교적 빠르게 종결된다면, 시스템은 현저하게 변화되지 않을 것이며, 최적화 결과들은 시스템에 적용 가능할 것이다. 상응하게는, 만일 최적화 루틴이 비교적 빨리 종결되지 않는다면, 시스템은 현저하게 변화될 것이며, 최적화 결과들은 시스템에 적용할 수 없을 것이다. 예를 들어, 최적화 루틴이 주변 온도에 기초로하고 또한 주변 공기가 10°정도 내려갈 때 종결된다면, 이러한 온도 저하는 최적화 공정 결과의 유효성에 실질적으로 영향을 미칠 것이다. 그렇다면, 최적화 루틴이 비교적 빠르게 수행되는 것이 필요하다.
정유 산업에서, 실시간 최적화 공정은 정유 공장 또는 그 일부를 실시간으로 최적화하기 위한 노력의 일환으로 이용되어져 왔다. 전체 정유 공장의 실시간 최적화 공정에서, 필요한 입력들은 일반적으로 플랜트 경제(plant economics)를 규정하는 선정의된(先定義) 요소들; 유용한 원유 원료 유에 대한 정보; 이러한 원료유의 분석/분해; 플랜트 내에 특별한 시설들이 유용한지 여부와 같은 플랜트에 관한 가동 억제; 주변 온도 및 공기 압력뿐만 아니라 습도 및 강우량 정보를 포함하는 플랜트 부지에서의 가동 조건; 전체 정유 공장, 그 환경 및 그 가동 요소들에 대한 다른 유사한 정보를 포함한다. 그 뒤, 이러한 정보를 기초로 하여 전체 공장 또는 적어도 그 일부분의 성능을 최적화하는 것이 목적이다.
이해되어져야 할 바와 같이, 최적화되는 것은 하루마다 또는 심지어 시간마다 변화될 수 있다. 예를 들어, 8시간 한 주기동안 정유 공장 또는 그 일부는 휘발유를 생산하기 위하여 최적화될 수 있다. 다음 4시간 동안, 정유 공장 또는 그 일부는 가정용 난방유를 생산하기 위하여 최적화될 수 있다. 그후 다음 48시간 동안, 정유 공장 또는 그 일부는 프로판과 에틸렌을 생산하기 위하여 최적화될 수 있다.
그러나, 이해될 수 있는 바와 같이, 정유 공장 또는 그 일부를 실시간 최적화하기 위한 노력을 무시할 수 없다. 그 한가지로는, 많은 변화가능하고 복잡한 식 들을 포함하는 정유 공장 내의 요소를 위한 모델들이 매우 복잡할 수 있다는 것이다. 다른 것으로는, 최적화 공정에 제공되어야 하는 그리고 요소 모델들 간에 교환되어져야 하는 정보의 양이 막대할 수 있다는 것이다. 즉, 실시간 최적화 공정의 목적을 위하여 비록 모든 정유 공장이 컴퓨터 모델화될 수 있고 모델화되어 왔지만, 따라서 정유 공장 전체 모델의 규격과 복잡성은 지금까지 이러한 전체 모델을 최적화하기에 필요한 컴퓨터 계산 시간의 과도한 양을 초래하여 왔다. 결과로서, 이러한 최적화 공정은 진정한 "실시간(real-time)"이 아니다.
따라서, 정유 공장 또는 그 일부의 최적화와 관련한 진정한 실시간 최적화 공정에 대한 필요성이 존재한다.
본 발명은 공정과 관련한 성분 맵퍼(component mapper)를 제공함으로서 상술한 필요성을 만족하며, 여기서 다수의 물질 성분들을 갖는 유체 흐름(fluid stream)이 다수의 의사-성분들(pseudo-component)로 모델화된다. 각 물질 성분은 비등점(boiling point)을 가지며, 각 의사-성분은 선정의(先定義)된 비등점을 가지며 선정의된 비등점을 대략적으로 갖는 유체 흐름으로부터의 모든 물질 성분들을 포함한다. 유체 흐름의 모델 내의 각 의사-성분들은 변화하는 선정의된 물성치와 변화하는 양을 갖는다.
각 의사-성분을 위하여 다수의 부 의사 성분들(sub-pseudo-component)이 규정되어 있어 의사-성분이 다수의 부 의사 성분들로 대체될 수 있다. 각 부-의사-성분은 의사-성분의 선정의된 비등점, 선정의된 물성치를 위한 선정의된 값 및 변화하는 양을 갖는다.
각 의사-성분을 위하여, 선정의된 물성치의 현재 값과 의사-성분의 현재 양이 얻어지며, 그 후 의사-성분들의 각 부-의사-성분을 위한 현재 양이 계산된다. 그후, 선정의된 물성치의 선정의된 값 및 각 의사-성분의 각 부-의사-성분을 위한 계산된 현재 양은 실시간 최적화 공정에서 활용된다.
본 발명의 한 실시예에서, 선정의된 물성치는 밀도이며, 양은 퍼센트 중량(percentage weight)과 퍼센트 체적(percentage volume)이다.
첨부된 도면과 관련하여 읽을 때 본 발명의 상술한 요약뿐만 아니라 다음의 상세한 설명이 보다 잘 이해될 것이다. 그러나, 이해되는 바와 같이, 본 발명은 도시된 정확한 배열 및 수단들에 제한되지 않는다.
도 1은 주 분류기 및 하나 이상의 증류 컬럼과 통합된 반응기 시스템을 포함하는 정제 유니트의 전형적인 구성을 나타내는 블럭도.
도 2는 본 발명의 한 실시예에 따른 블럭도로서, 성분 맵퍼와 함께 모델화된 도 1의 반응기, 주 분류기 및 증류 컬럼을 나타냄.
도 3은 정제 유체 흐름 내의 의사 성분들 또는 럼프들(lumps)의 비중/밀도와 비등점 간의 전형적인 관계를 나타내는 도시한 그래프.
도 4A는 도 2의 성분 맵퍼와 관련하여 수행된 단계들을 나타내는 플로우챠트.
도 4B는 도 2의 성분 맵퍼와 관련하여 의사-성분과 그의 부-의사-성분들간의 관계를 나타내는 블럭도.
도 4C는 도 2의 성분 맵퍼의 입력과 출력을 나타내는 블럭도.
도 5는 입력으로서 하나 이상의 원유를 수용하는 주 원유 유니트 또는 원유 분류기를 포함하는 정제 유니트의 다른 전형적인 구성을 나타내는 블럭도.
도 6은 본 발명의 다른 실시예에 따른 블럭도로서, 성분 맵퍼와 함께 모델화된 도 5의 주 원유 유니트를 나타냄.
단지 편의를 위하여 다음의 설명 내에 특정 용어들이 사용될 수 있으나, 제한되는 것으로 고려되지는 않는다. 단어 "왼쪽", "오른쪽", "상부", "하부"는 참고로 사용된 도면들 내의 방향들을 지시한다. 용어 "안으로" 및 "밖으로"는 나아가 각각 기준된 물체의 기하학적 중심을 향한 그리고 중심으로부터 떨어진 방향이다. 용어는 위에서 특별히 언급된 단어들, 그 파생어 및 유사한 외래어를 포함한다.
전체적으로 유사한 요소들을 나타내기 위하여 유사한 도면 부호가 사용된 상세 도면을 참고하면, 반응기 시스템(12), 주 분류기(14; main fractionator) 및 일련의 증류 컬럼들(16a; distillation column)을 포함하는 정제 시스템(10a)의 전형적인 구성이 도 1에 도시된다. 공지된 바와 같이, 정제 시스템(10a)은 실질적으로 전체 정유 공장을 나타낼 수 있다. 그러나, 더 가능하게는, 전형적인 정유 공장은 도 1에 도시된 바와 같은 여러 개의 정제 시스템들(10a)뿐만 아니라 여러 개의 다른 정제 시스템들(도시되지 않음)을 가질 수 있을 것이다. 그럼에도 불구하고, 본 발명을 이해하는 목적을 위하여 단지 도 1에 도시된 정제 시스템(10a)만을 고려하 는 것이 필요하다.
알려진 바와 같이, 전형적인 정유 공장은 입력물로서 하나 또는 그 이상 종류의 원유를 받으며 출력물로서 여러 가지 다른 제품들을 생산한다. 또한 공지된 바와 같이, 일반적으로 원유는 가볍고 비교적 단순한 분자들(비교적 낮은 비등점을 가진)로부터 무겁고 비교적 복잡한 분자들(비교적 높은 비등점을 가진)의 범위인 수천 가지의 다른 종류의 탄화수소 기반 분자들로 구성되어 있다. 예비 단계로서, 그리고 도 5 및 도 6과 관련하여 후술할 바와 같이, 원유는 초기에 주 원유 유니트 내에서 분류되어 원유는 적어도 그 구성 성분의 중량/비등점에 따라 다수의 유체 흐름들로 개략적으로 분리된다.
그러나, 낮은 중량/비등점의 유체 흐름은 더 바람직하게 고려되기 때문에 높은 중량/비등점의 유체 흐름의 적어도 일부는 공급 원료로서 도 1의 반응기(12)를 포함하는 반응기 공정에 적용된다. 반응기(12)는 수용된 공급 원료에 공지의 방법으로 온도, 압력 및/또는 촉매를 가하여 공급 원료 내의 물질 성분들을 보다 복잡하고 무거운 분자들에서 덜 복잡하고 가벼운 분자들로 파쇄(break down)한다. 따라서, 반응기(12)는 그 출력부에서 반응기(12)으로의 공급 원료와 비교하여 보다 낮은 중량/비등점의 물질 성분을 갖는 유체 흐름을 생산한다. 이러한 반응기(12)로부터 배출된 유체 흐름은 그후 주 분류기(14)로 전달되어 수용된다.
공지된 바와 같이, 주 분류기(14)는 그 내부에 확정된 온도 구배(temperature gradient)를 갖는 어느 정도 넓은 수직 컬럼이다. 특히, 분류기(14)는 상부에서 비교적 차가우며(주변 온도와 거의 비슷) 바닥에서 비교적 고온(1,000 내지 1,200℉와 거의 비슷 또는 그 이상)이다. 주 분류기(14)에 의하여 수용된 유체 흐름 내의 물질 성분들은 그후 그들의 각 비등점에 따라 주 분류기(14) 내에서 가라앉는다. 보다 특히, 주 분류기(14)로 유입된 유체 흐름의 각 물질 성분은 이러한 분류기(14) 내에서 그 비등점 온도에서 평형 상태로 도달할 때까지 떠오르거나 또는 떨어질 것이다. 만일, 물질 성분이 일반적으로 액체라면, 성분이 가스 상태로 비등되는 영역에 도달할 때까지 이 성분은 보다 높은 온도의 부분으로 떨어질 것이다. 상응하게, 만일 이러한 물질 성분이 일반적으로 기체라면, 성분이 액화되는 영역에 도달할 때까지 이 성분은 보다 낮은 온도의 부분으로 상승할 것이다.
주 분류기(14)는 다수의 다른 높이/온도 영역들(도시되지 않음)에서의 트레이들(trays)을 포함하여 각 트레이는 비등점과 대략적으로 대응한다. 대략적으로 이러한 비등점을 갖는 유체 흐름 내의 물질 성분들은 그후 이러한 트레이 내에 수집되며, 이후 공정을 위하여 유체 흐름으로서 배출된다(도 1의 PROD.1, BY PROD). 이해될 바와 같이, 주 분류기(14)는 반응기(12)로부터 수용된 유체 흐름을 분류된 유체 흐름으로의 조악한 분리를 수행한다. 분류된 유체 흐름의 보다 미세한 분리를 발생시키기 위하여 각 분류된 유체 흐름은 주 분류기(14)로부터 수용을 위한 하나 이상의 증류 컬럼(16)으로 전달되어 보다 미세한 성분으로 더 분리된다.
알려진 바와 같이, 각 증류 컬럼(16)은 주 분류기(14)와 동일한 기능적 원리로 작동한다. 즉, 각 증류 컬럼(16)은 수직 컬럼 형태로 상부의 저온부로부터 하부의 고온부까지 온도 구배를 형성한다. 그러나, 예를 들어 300℉의 대략적인 비등점을 갖는 수용된 분류된 유체 흐름 내에서의 보다 미세한 분리를 달성하기 위하여 하나의 증류 컬럼(16)은 200 내지 400℉의 설정된 온도 범위를 가질 수 있으며, 그 내부에 20℉ 간격으로 트레이들을 갖는다. 또한, 예를 들어 600 내지 700℉의 대략적인 비등점을 갖는 수용된 분류된 유체 흐름 내에서의 보다 미세한 분리를 달성하기 위하여 다른 증류 컬럼(16)은 500 내지 800℉의 설정된 온도 범위를 가질 수 있으며, 그 내부에 30℉ 간격으로 트레이들을 갖는다. 증류 컬럼들(16) 내의 다수의 트레이들로부터의 이러한 미세 분리로서 다수의 생산물들이 증류 컬럼들로부터 생산될 수 있다(도 1의 PROD. 2, PROD. 3 PROD. 4).
인지하여야할 바와 같이, 비록 반응기 정제 시스템(10a)이 도 1에 도시된 바와 같이 반응기(12), 주 분류기(14) 및 일련의 증류 컬럼들(16)을 포함할 수 있을 것 같지만, 이러한 반응기 정제 시스템(10a)의 구조 및 조직은 본 발명의 사상과 범위로부터 벗어남이 없이 변화될 수 있다. 예를 들어, 다수의 반응기들(12)이 사용될 수 있으며, 각 반응기는 다른 온도, 압력에서 그리고/또는 다른 촉매를 갖고 작동한다. 마찬가지로, 다수의 분류기들(14)이 사용될 수 있으며 또한 다수의 증류 컬럼들(16)이 다수의 모든 다른 배열 형태, 직렬 및 병렬 상태로 사용될 수 있다. 예를 들어, 다수의 분류기들(14)은 다수의 반응기들(12)에 의하여 병렬 형태로 공급될 수 있으며, 다수의 일련의 증류 컬럼들(16)은 다수의 분류기들(14)에 의해 병렬 형태로 공급될 수 있다.
도 1의 반응기 정제 시스템(10a)에 관한 분석 수행 상태를 도시하는 도 2를 참고하면, 도 1에 도시된 바와 같은 각 요소는 적절한 컴퓨터 시스템 또는 프로세서(20) 상에서 작동하는 대응 컴퓨터 모델(18a)로 대체되고 나타내어진다. 프로세 서 또는 컴퓨터 시스템(20)은 이러한 프로세서(20)가 적절한 방법으로 모델(18a)을 구동하기에 충분한 힘을 갖고 있는 한 본 발명의 사상 및 범위로부터 벗어남이 없이 어떠한 적절한 장치일 수 있다. 예를 들어, 프로세서(20)는 개인용 컴퓨터 또는 워크 스테이션 프로세서, 소형-컴퓨터 프로세서, 메인 프레임 컴퓨터 프로세서 또는 유사한 것일 수 있다.
따라서, 반응기 모델(12m)은 반응기(12)를 나타내며, 주 분류기 모델(14m)은 주 분류기(14)를 나타내고, 증류 컬럼 모델(16m)은 증류 컬럼(16)을 나타낸다. 본 발명의 사상 및 범위로부터 벗어남이 없이 어떠한 적절한 정밀한 화학 공학 재료들(chemical engineering materials)들 및 에너지 균형 모델들(energy balanced models)이 모델들(12m, 14m, 16m)용으로 사용될 수 있다. 이러한 모델들 (12m, 14m, 16m)은 일반적으로 알려져 있고, 따라서 본 설명 내에서 어떠한 상세한 설명도 요구되지 않는다. 각 모델(12m, 14m, 16m)이 유체 흐름 또는 공급 원료를 나타내는 입력물을 기대하며 각 모델이 대응 요소로부터 배출된 하나 이상의 유체 흐름을 나타내는 하나 이상의 출력물을 생산하는 것으로 말하면 충분하다.
상술한 바와 같이, 일반적으로 원유는 수천 가지의 다른 종류의 탄화수소 기반 분자들로 구성되어 있다. 상응하게, 어떤 정제 공정에서, 특정 요소에 의해 수용된 유체 흐름 또는 공급 재료는 수천 개의 화학 성분들 및 분자들의 복잡한 혼합물(complex amalgam)이다. 비록 유체 흐름 내의 각각의 그리고 모든 성분들 및/또는 분자들이 어느 한 모델의 목적을 위하여 개별적으로 고려될 수 있지만, 이러한 모델이 너무 복잡하고 너무 많은 계산 시간을 필요로 한다는 것으로 오랫동안 인식 되어져 왔다.
대신, 성분들과 분자들을 비등점을 기반으로 의사-성분들(pseudo-compounds) 또는 럼프들(lumps)로 그룹화하고 이러한 럼프들을 기반으로 모델링함으로서 양호한 모델링 결과를 얻을 수 있다는 것이 발견되어져 왔다. 이는 특히 정제 공장 가동의 많은 부분들이 원유의 구성 성분의 비등점에 좌우된다는 점을 생각하면 사실이다.
비등점 온도 럼프들의 한 전형적인 시스템에서, 의사-성분 또는 럼프(lump) 112는 약 112℉의 비등점을 갖는 모든 물질 성분들을 포함하도록 규정되며, 럼프 130는 약 130℉의 비등점을 갖는 모든 물질 성분들을 포함하도록 규정된다. 이러한 시스템은 약 1,010℉까지 20℉(150, 170 등) 증가 상태의 럼프들을 가지고 계속된다. 그러나, 온도 럼프의 다른 시스템들이 역시 알려져 있으며, 이러한 다른 시스템들은 본 발명의 사상 및 범위로부터 벗어나지 않고 사용될 수 있다. 예를 들어, 럼핑 시스템의 범위는 확장되거나 줄어들 수 있으며, 범위 내의 주기 또한 확장되거나 줄어들 수 있다. 나아가, 바람직하다고 생각된다면 럼프들 중 특정 럼프들은 무시될 수 있다.
위에서 언급한 럼핑 시스템으로, 특정 모델(12m, 14m, 16m)으로의 입력물 및 모델로부터의 출력물은 그 내부에 함유된 럼프들에 따라 규정될 수 있다. 나아가, 이러한 럼프들을 이용한 모델링은 받아들일 수 있는 최적화 결과를 부여한다는 것이 발견되어져 왔다. 그럼에도 불구하고, 발전된 컴퓨터들을 이용할지라도 이러한 결과를 얻기 위하여 필요한 시간이 너무 길다. 대략적인 평가로서, 정유 공장 최적 화 공정에서, 만일 컴퓨터 모델링 시스템이 45분내에 결과들을 제공하지 못한다면 이러한 컴퓨터 모델링 시스템은 실시간 최적화 공정으로서 완전하게 특징지어질 수 없다. 다른 방법으로 표현하면, 시간 T에서 얻어진 데이터를 위한 최적 결과는 T+45분에서는 유효하지 않을 것이며, 이는 그 사이 시간 내에 조건들이 현저하게 변화될 가능성 때문이다.
그 모델(12m, 14m, 16m)에 의해 표현되는 정유 공장 또는 그 일부에서의 각 요소로 최적화 공정이 진행될 수 있다. 이러한 공정에서, 공급 원료의 정제는 미리 선정된 최적화 변수들을 기초로하여 최적화된다. 특히, 공지된 바와 같이, 정제 시스템(10a)의 어떤 입력물 및/또는 출력물 및/또는 다른 가동 요인들이 최대화 또는 최소화되기 위하여 선정되며, 최적화가 이루어질 때까지(확실히 최적화가 가능하다면) 최적화 공정은 반복적인 방법으로 이러한 모델들(12m, 14m, 16m)을 세밀하게 조정(tune)한다. 최적화 공정은 일반적으로 알려져 있으며, 따라서 여기에서 더이상 상세하게 설명할 필요는 없다.
지금까지 진정한 실시간 최적화의 실현을 방해하여 왔던 중대한 문제점은 럼프가 분류기 모델(14m) 또는 증류 컬럼 모델(16m) 내로의 입력물일 때 각 럼프의 비중/밀도가 최적화 공정에서 반복될 때마다 변화할 수 있다는 사실에서 기인한다. 보다 특별하게는, 이러한 모델들이 입력물로서 비중/밀도가 반복될 때마다 변화하는 럼프를 받아들일 때 모델들(14m, 16m)은 많은 추가 공정 시간을 필요로 한다. 이해되어져야 할 바와 같이, 변화할 때마다 럼프들이 반응기 모델(12)로부터 출력될 때 럼프의 수율 변화의 결과로서 이러한 럼프 비중/밀도에서의 변화가 일어나며, 이러한 변화는 온도, 압력 및/또는 사용된 촉매 내의 변화와 함께 발생한다. 이해되어져야 할 바와 같이, 럼프 수율 내의 이러한 변화들은 럼프들과 상응하는 물질 성분의 반응기(12)로부터의 수율의 변화들과 상응한다.
주 분류기 모델(14m) 및 증류 컬럼 모델들(16m) 내에서의 럼프 비중/밀도 변화에 의하여 요구되는 많은 추가적인 공정 시간은 이러한 공정이 실제로 실시간이 되는 것으로 합리적으로 고려되지 않는 점(즉, 45분 이상)으로의 평형 상태에 도달하기 위한 실시간 최적화 공정을 위하여 걸리는 시간을 기본적으로 증가시킨다.
이해되어져야 하는 바와 같이, 반응기 모델(12m)의 출력물은 유체 흐름과 대응하는 다수의 럼프들이며, 이러한 유체 흐름 내의 각 럼프는 변화하는 밀도(D), 변화하는 퍼센트 중량(%W) 및 변화하는 퍼센트 체적(%V)을 갖는다. 이러한 값들은 이러한 배출된 유체 흐름의 전체 밀도(DT)로서 이러한 배출된 유체 흐름 내의 각 럼프를 위하여 알려져 있으며 반응기 모델(12m)에 의하여 공급된다.
생각나게 하는 것으로서, 대상물의 밀도(d)는 중량(w)/체적(v)으로서 결정된다. 어떤 특정 럼프를 위해, 퍼센트 중량(%W)은 w럼프/w전체, 퍼센트 체적(%V)은 v럼프/v전체이다. 따라서, 이러한 럼프의 밀도(D)는
D = (%W*w전체)/(%V*v전체)
또는, D = (w전체/v전체)*(%W/%V)
또는, D = DT*%W/%V이다.
여기서, DT는 럼프가 존재하는 유체 흐름의 전체 밀도이다. 물의 밀도와 비 교할 때 비중이 밀도인 점에서 비중은 밀도와 밀접하게 관련되기 때문에 럼프의 비중(SG)이 SG=SGT*%W/%V 임을 나타내기 위하여 유사한 계산들을 수행할 수 있으며, 여기서 SGT는 럼프가 존재하는 유체 흐름의 전체 비중이다. 비중과 밀도의 밀접한 관계 때문에 여기서 본 설명과 첨부된 청구범위에서는 필요성 또는 로직(logic)이 달리 지시하는 어떠한 예를 제외하고는 이러한 항목들이 교환될 수 있다는 것이 이해된다.
본 발명에서, 변화하는 럼프 밀도의 문제는 각 럼프를 위하여 다수의 부-럼프들(sub-lumps)을 한정하는 것에 의하여 해결되며, 각 부-럼프는 일정한 밀도를 갖는다. 보다 특히, 도 2에 도시된 바와 같이, 본 발명에서는, 성분 맵퍼(22; component mapper)는 반응기 모델(12)로부터 출력된 각 럼프를 입력물로 수용하기 위하여 이용되며, 또한 각 입력된 럼프를 위하여 다수의 부 의사 성분들 또는 부 럼프들을 출력물로서 제공하여 입력된 럼프가 다수의 출력된 부 럼프들로 대치될 수 있다. 중요하게는, 각 입력된 럼프는 반복될 때마다 변화될 수 있는 밀도를 갖는 반면에 성분 맵퍼(22)로부터 출력된 각 부-럼프는 미리 설정된 일정한 밀도를 갖는다. 또한 중요하게는, 각 부-럼프는 그 대응 입력된 럼프의 미리 설정된 비등점을 갖는다. 각 부-럼프는 반복될 때마다 변화하는 퍼센트 중량과 퍼센트 체적을 갖는다. 그후, 성분 맵퍼(22)는 각 부-럼프를 위하여 반복 동안에 어떠한 방법으로 퍼센트 중량과 퍼센트 체적을 결정하며, 따라서 1) 각 부 럼프의 밀도는 일정하게 유지하며, 2) 중량은 보존되고(럼프의 퍼센트 중량은 그의 모든 부-럼프들의 퍼센트 중량의 합과 동일), 3) 체적은 보존된다(럼프의 퍼센트 체적은 그의 모든 부-럼프들의 퍼센트 체적의 합과 동일).
부-럼프들을 규정하는 과정(도 4A, 단계 401)에서, 각 럼프를 위한 부-럼프들의 수는 본 발명의 사상 및 범위로부터 벗어나지 않고 변화할 수 있다. 예를 들어, 2, 3, 4개 또는 그 이상의 부-럼프들이 각 럼프를 위해 사용될 수 있다. 그러나, 부가적인 각 부-럼프는 모델(18a) 내에서의 계산 시간을 증가시킬 것이라는 것이 언급될 수 있다. 각 부-럼프를 규정하는 방법은 마찬가지로 본 발명의 사상 및 범위로부터 벗어나지 않고 변화할 수 있다
도 3을 참고하면, 본 발명의 한 실시예에서, 비교적 높은 선정의(先定義)된 밀도를 갖는 HIGH(H) 부-럼프(삼각형 표시)와 비교적 낮은 선정의된 밀도를 갖는 LOW(L) 부-럼프(다이아몬드 표시)가 각 럼프(사각형 표시)를 위하여 규정된다. 도 3에서 알 수 있는 바와 같이, 럼프 및 부 럼프가 공통의 고정된 비등점을 공유한다는 사실 때문에 어떤 럼프를 위하여 럼프 및 그 부 럼프는 하나의 수직선에 존재한다.
바람직하게는, 각 럼프를 위하여, 대응하는 H 부-럼프의 비교적 높은 선정의된 밀도는 럼프가 이룰 수 있는 대략적으로 가능한 가장 높은 밀도로서 결정되며, 대응하는 L 부-럼프의 비교적 낮은 선정의된 밀도는 럼프가 이룰 수 있는 대략적으로 가능한 가장 낮은 밀도로서 결정된다. 따라서, 이러한 부 럼프들은 일반적으로 럼프가 "달라질(roam)" 수 있는 가능한 밀도 범위를 규정한다.
알려진 바와 같이, 이러한 가능한 가장 높은 그리고 가장 낮은 밀도 정보는 유용하거나 또는 결정될 수 있다. 특히, 반응기(12)/반응기 모델(12(m)으로의 어떠 한 공급 원료를 위하여, 분석 정보는 유용하거나 결정될 수 있으며, 이러한 분석 정보는 이러한 밀도 정보를 결정하기 위하여 공지의 방법으로 사용될 수 있다. 도 3에 도시된 그래프는 그러나 분석 정보로부터 얻어진 밀도 정보의 한 예이다. 물론, 그래프 내의 표시들은 공급 원료마다 변할 것이다.
위에서 설명한 바와 같이, 성분 맵퍼(22)는 각 반복을 위하여 어떤 방법으로 각 부-럼프를 위한 퍼센트 중량과 퍼센트 체적을 결정하며, 따라서 1) 각 부-럼프의 밀도는 일정한 값을 유지하며; 2) 중량은 보존되고; 3) 체적은 보존된다. 따라서, 성분 맵퍼(22)는 각 럼프를 위한 입력으로서 이러한 럼프의 퍼센트 중량(%W)과 이러한 럼프의 퍼센트 체적(%V)을 필요로 한다. 더욱이, 백분율 수(percentage figure)에 기초한 밀도 계산을 수행하기 위하여 성분 맵퍼는 입력으로서 럼프가 존재하는 유체 흐름의 전체 밀도(DT)를 필요로 한다. 도 4B에 도시된 바와 같이, 럼프(의사 성분(L))를 위한 수신된 퍼센트 중량 및 퍼센트 체적 값을 기초로 하여 성분 맵퍼(22)는 한쌍의 부-럼프들(부-의사 성분들(SL1 및 SL2)) 각각을 위하여 퍼센트 중량 및 퍼센트 체적 값을 계산한다.
도 4C를 참고하면, 제 1 부-럼프(예를 들어, H 또는 L 부-럼프들중 하나)는 (선정의된) 밀도(D1), (변화하는) 퍼센트 중량(%W1) 및 (변화하는) 퍼센트 체적(%V1)을 가질 것이며, 여기서 이러한 값들은 다음과 같이 관련이 있다.
D1=DT * %W1/%V1 (1)
또한, 제 2 부-럼프(예를 들어, H 및 L 부-럼프들중 다른 것)는 (선정의된) 밀도(D2), (변화하는) 퍼센트 중량(%W2) 및 (변화하는) 퍼센트 체적(%V2)을 가질 것이며, 여기서 이러한 값들은 다음과 같이 관련이 있다.
D2=DT * %W2/%V2 (2)
중량과 체적은 각각 보존되기 때문에
%W=%W1+%W2 (3) 및
%V=%V1+%V2 (4) 이 필요하다.
도 4C에 도시된 바와 같이, D1 및 D2는 미리 규정되어 있으며, %W, %V 및 DT는 성분 맵퍼(22)에 의하여 수신된다. 따라서 알려지지 않은 값들은 %W1, %W2, %V1 및 %V2이다. 4개의 알려지지 않은 값들과 4개의 식들(식 (1) 내지 식(4))이 있기 때문에 4개의 알려지지 않은 값들의 각각을 규정하기 위하여 공지의 값들에 따라 4개의 식들은 해결될 수 있다.
각 럼프를 위하여, 그후 성분 맵퍼는 현재 밀도(D), 현재 퍼센트 중량(%W) 및 현재 퍼센트 체적(%V)을 획득한다(도 4A, 단계 403). 이러한 정보로서 성분 맵퍼는 그 뒤 식 (1) 내지 식 (4)에 따라 서브-럼프 값들(%W1, %W2, %V1 및 %V2)을 계산한다(도 4A, 단계 405). 이해되어야할 바와 같이, 상술한 계산을 실행하기 위하여 본 발명의 사상과 범위에서 벗어나지 않고 성분 맵퍼(22)는 다양한 특정치들중 어느 것을 이용할 수 있다. 예를 들어, 성분 맵퍼(22)는 위에 개시된 형태로 식 (1)-(4)들로 보완될 수 있으며, 그후 공지의 방법으로 적절한 계산을 수행한다. 물론, 성분 맵퍼(22)는 공지의 값들에 따라 4개의 알려지지 않은 값들의 각각을 규정하기 위하여 해결된 형태로 식 (1)-(4)들로 보완될 수 있으며, 그후 또한 공지의 방법으로 적절한 계산을 수행한다.
성분 맵퍼(22)가 모든 럼프들의 모든 부-럼프들을 위하여 퍼센트 중량 및 퍼센트 체적 값들을 결정하면, 그후 이러한 값들은 실시간 최적화 공정에서 활용되기 위하여 성분 맵퍼(22)로부터 출력된다(도 4A, 단계 407). 특히, 성분 맵퍼(22)로부터 출력된 값들이 도 2에 도시된 바와 같은 분류기 모델(14m)에 의하여 수신된다. 이해되어야 할 바와 같이, 성분 맵퍼는 변화하는 밀도 럼프들을 선정의된 밀도 부-럼프들로 교체한다. 또한 이해되어야 할 바와 같이, 최적화 공정은 반복 공정이기 때문에 그리고 각 반복 공정이 반응기 모델(12m)으로부터 출력되는 다른 데이터를 만들 수 있기 때문에 성분 맵퍼(22)는 반응기 모델(12m)로부터 현재 업데이트된 입력 정보를 반복적으로 얻으며. 이러한 정보에 대한 필요한 계산을 수행하고, 분류기 모델 (14m)에 의한 수신을 위하여 현재 업데이트된 출력 정보를 생산한다.
중요하게는, 분류기 모델(14m)은 각 부-럼프의 밀도가 일정한 것으로 추측할 수 있어 이러한 분류기 모델(14m)을 위한 공정 시간은 크게 감소한다. 분류기(14)/분류기 모델(14m)은 어떠한 부-럼프의 밀도를 변경해서는 안되기 때문에 이러한 분류기 모델(14m)의 출력은 선정의된 밀도 부-럼프들을 포함할 것이다. 따라서, 그리고 또한 중요하게는, 증류 모델들(16m)은 각 부-럼프의 밀도가 일정한 것으로 추측할 수 있으며, 이러한 증류 모델(16m)을 위한 공정 시간 역시 크게 감소한다. 실험적으로, 선정의된 밀도 부-럼프를 사용함으로서 달성된 처리 시간의 단축은 실시간 최적화 공정으로서 모델(18a) 내에서 구현된 모델링 공정을 적합하게 하기에 충분하다는 것이 알려져 왔다. 즉, 선정의된 밀도 부-럼프들을 이용한 모델 (18a)을 위한 공정 시간은 45분 이하이다.
도 5로 돌아가서, 다른 정제 시스템(10b)이 도시되어 있다. 도시된 바와 같이, 정제 시스템(10b)은 다수의 공급 원료들을 동시에 받을 수 있으며, 이러한 공급 원료들은 합쳐져 분류기(14)로 향한다. 정제 시스템(10b)의 한 실시예에서, 이러한 시스템(10b)은 위에서 간단히 설명된 주 원유 유니트이다. 이러한 주 원유 유니트에서, 선정의된 비율 또는 퍼센트의 다수의 별개의 원유 원료유들은 결합된 유체 흐름 형태로 분류기(14)로 동시에 향할 수 있다. 그후, 이후 공정 또는 유사한 공정을 위하여 분류기(14)는 먼저 결합된 유체 흐름을 적어도 개략적으로 이러한 유체 흐름으로 분리하기 위하여 다수의 유체 흐름들(PROD. 1-PROD. 5, 등)로 분류한다. 정제 시스템(10b) 내의 분류기(14)는 출력물이 다를 수 있을지라도 작동면에서 정제 시스템(10a) 내의 분류기(14)와 동일하다. 정제 시스템(10b)의 다른 실시예에서, 분류기(14)는 결합된 유체 흐름 형태로 선정의된 비율 또는 퍼센트를 갖고 동시에 분류기로 향하는 다수의 다른 유체 흐름들을 수용할 수 있는 어떠한 분류기 또는 증류 컬럼이다.
도 6을 참고하면, 정제 시스템(10a)을 이용한 것과 같이, 도 5의 정제 시스템(10b)에 대한 분석을 수행하는 과정에서 도 5에 도시된 바와 같은 각 요소는 적절한 컴퓨터 시스템 또는 프로세서(20) 상에서 작동하는 대응 컴퓨터 모델(18b)로 교체되고 표시된다는 것을 알 수 있다. 본 경우에서, 모델(18b)은 분류기 모델 (14m)에 의하여 받아 들여진 결합된 유체 흐름 내의 각 개별적인 유체 흐름의 비율 및 퍼센트를 규정하기 위하여 부가의 모델링 구성 외에 분류기(14)를 나타내는 분류기 모델(14m)을 포함한다.
전에서와 같이, 최적화는 모델(18b)을 이용하여 발생한다. 그러나, 여기에서, 최적화 공정은 이러한 최적화 공정의 한 부분으로서 다수의 개별적인 공급 원료들(도 5 및 도 6에서의 원유)의 비율 또는 퍼센트를 변화시키거나 조정할 수 있다. 본 경우에서, 결합된 유체 흐름은 다수의 럼프들 같이 모델화되며, 여기서 각 럼프는 변화하는 밀도를 갖는다. 럼프 밀도 값들은 결합된 유체 흐름 내의 각 개별적인 유체 흐름을 위한 얻어진 분석 정보 및 결합된 유체 흐름 내의 모든 개별적인 유체 흐름들의 비율 또는 퍼센트 결합에 기초하여 알려진다.
정제 시스템(10b)의 모델(18b)은 정제 시스템(10a)의 모델(18a) 내의 성분 맵퍼(22)와 실질적으로 동일한 성분 맵퍼(22)를 갖는다. 따라서 정제 시스템(10b) 내의 성분 맵퍼(22)는 선정의된 부-럼프들에 기초하여 작동하며, 각 부-럼프는 선정의된 밀도를 갖는다.
그 후, 각 럼프를 위하여, 정제 시스템(10b) 내의 성분 맵퍼(22)는 현재 밀도, 현재 퍼센트 중량 및 현재 퍼센트 체적을 얻는다(도 4A, 단계 403). 이러한 정보를 이용하여 성분 맵퍼는 그후 럼프의 각 부-럼프를 위한 현재 퍼센트 중량 및 현재 퍼센트 체적을 계산한다(도 4A, 단계 405).
정제 시스템(10b) 내의 성분 맵퍼(22)가 모든 럼프들의 모든 부-럼프들을 위하여 퍼센트 중량 및 퍼센트 체적 값들을 결정하면, 이러한 값들은 그후 실시간 최적화 공정에서 활용되어지기 위하여 성분 맵퍼(22)로부터 출력된다(도 4A, 단계 407). 특히, 성분 맵퍼(22)로부터 출력된 부-럼프 값들은 도 6에 도시된 바와 같이 분류기 모델(14m)에 의하여 수신된다. 이전에서와 같이, 이러한 분류기 모델(14m)을 위한 공정 시간이 실시간 최적화가 달성되는 시점까지 크게 감소한다는 결과를 가지고 모델(18b)의 분류기 모델(14m)은 각 부-럼프의 밀도가 일정하다는 것을 추측할 수 있다.
따라서, 비록 지금까지 선정의된 밀도들을 갖는 부-럼프들을 생산하는 것에 관하여 설명되었을지라도 본 발명의 성분 맵퍼(22)는 단지 이러한 시도로만 제한되지는 않는다. 대신에, 본 발명의 사상 및 범위로부터 벗어남이 없이 모든 종류의 선정의된 물성치를 갖는 부-럼프를 생산하기 위하여 적절한 변형과 함께 성분 맵퍼(22)는 사용될 수 있다. 예를 들어, 선정의된 밀도를 달성하기 위하여 퍼센트 중량과 퍼센트 체적을 조정하기보다는 성분 맵퍼(22)는 선정의된 퍼센트 체적을 달성하기 위하여 밀도와 퍼센트 중량을 조절할 수 있다. 사실, 선정의된 물성치는 제한되지는 않지만 냉각 특성, 옥탄가, 화학제 함량, 화학제 형태, 점도 등과 같은 것을 포함하는 어떠한 적절한 물리적 물성치 또는 화학적 물성치일 수 있다. 물론, 선정된 선정의된 물성치를 위하여 성분 맵퍼(22)는 선정의된 물성치를 위한 선정의된 값을 이루기 위하여 조정될 수 있는 대응하는 변화하는 양을 가져야만 한다. 이러한 변화하는 양은 화학적 또는 물리적 물성치를 나타내는 퍼센트 값일 수 있으며, 퍼센트 중량, 퍼센트 체적, 몰 퍼센트(mole percentage) 또는 유사한 것을 포함할 수 있다.
본 발명에서, 성분 맵퍼는 변화하는 밀도 또는 다른 물성치 럼프들로부터 선정의된 밀도 또는 다른 물성치 부-럼프들을 생산한다. 성분 맵퍼, 모델들 그리고 다른 특징들을 실현하기 위하여 필요한 프로그램의 세부 사항 및 기술(mechanics)은 어떠한 큰 특이성 내에 제공되지 않았으며, 이는 이러한 세부 사항이 이미 일반적으로 알려져 있거나 본 기술 분야의 숙련된 자들에 의해 명백해지고 따라서 용이하게 이해될 수 있다는 사실 때문이다. 본 기술 분야의 숙련된 자들은 또한 실시예의 발명적인 개념으로부터 벗어남이 없이 상술한 실시예들에 대해 변형이 이루어질 수 있다는 것을 이해할 것이다. 따라서, 본 발명은 개시된 특별한 실시예들로 한정되는 것은 아니며, 대신 첨부된 청구항에 의해서 규정된 바와 같은 본 발명의 사상 및 범위 내에서의 변형들을 포함한다는 것이 이해된다.

Claims (15)

  1. 다수의 물질 성분을 갖는 유체 흐름이 다수의 의사-성분들(pseudo-component)로서 모델화되되, 각 물질 성분은 비등점을 가지며, 각 의사-성분은 선정의(先定義)된 비등점을 가지며 상기 선정의된 비등점을 대략적으로 가지는 상기 유체 흐름으로부터의 모든 물질 성분들을 포함하고, 상기 유체 흐름의 모델 내에서 각 의사-성분은 변화하는 선정의된 물성치 및 변화하는 양을 가지는, 공정에 관한 방법에 있어서,
    상기 유체 흐름의 모델 내의 각 의사-성분에 대하여, 다수의 부-의사 성분들을 정의하여 상기 의사-성분이 상기 다수의 부-의사 성분들로 대체될 수 있도록 하되, 각 부-의사 성분은 상기 의사-성분의 상기 선정의된 비등점, 상기 선정의된 물성치에 대한 선정의된 값, 및 변화하는 양을 가지는 단계;
    각 의사-성분에 대하여:
    상기 선정의된 물성치의 현재값 및 상기 의사-성분의 현재 양을 계산하는 단계; 및
    상기 의사-성분의 각 부-의사 성분에 대한 현재의 양을 계산하는 단계; 및
    상기 선정의된 물성치에 대한 상기 선정의된 값과 상기 계산된 현재의 양을 실시간 최적화 공정내의 각 의사-성분의 각 부-의사 성분을 위하여 사용하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서, 양은 퍼센트 중량, 퍼센트 체적 또는 몰 퍼센트(mole percentage)인 방법.
  3. 제 1 항에 있어서, 선정의된 물성치는 밀도, 냉각 특성, 옥탄가, 화학제 함량, 화학제 형태 또는 점도인 방법.
  4. 제 1 항에 있어서,
    상기 유체 흐름의 모델 내에서의 각 의사-성분은 변화하는 밀도, 변화하는 퍼센트 중량 및 변화하는 퍼센트 체적을 가지고, 각 부-의사 성분은 상기 의사-성분의 상기 선정의된 비등점, 선정의된 밀도, 변화하는 퍼센트 중량 및 변화하는 퍼센트 체적을 가지도록 정의되고;
    각 의사-성분에 대하여:
    현재의 밀도, 현재의 퍼센트 중량 및 현재의 퍼센트 체적이 얻어지고;
    의사-성분의 각 부-의사 성분에 대하여, 현재의 퍼센트 중량 값 및 현재의 퍼센트 체적값이 계산되고;
    상기 선정의된 밀도 값, 상기 계산된 현재의 퍼센트 중량 값, 및 상기 계산된 현재의 퍼센트 체적 값이, 각 의사-성분의 각 부-의사 성분을 위하여 사용되는 방법.
  5. 제 4 항에 있어서, 모델화된 유체 흐름은 유체 증류를 위하여 분류기 또는 증류 컬럼으로 전달되며, 이용 단계는 각 의사-성분의 각 부-의사 성분을 위한 선정의된 밀도 값, 계산된 현재 퍼센트 중량 값 및 계산된 현재 퍼센트 체적 값을 기초로 하는 분류기 또는 증류 컬럼의 모델링을 포함하는 실시간 최적화 공정 내의 각 의사-성분의 각 부-의사-성분을 위한 선정의된 밀도 값, 계산된 현재 퍼센트 중량 값 및 계산된 현재 퍼센트 체적 값을 이용하는 단계를 포함하는 방법.
  6. 제 4 항에 있어서, 다수의 개별 유체 흐름의 변화하는 조합이 되도록 모델링된 유체 흐름을 선정하는 단계를 더 포함하는 방법.
  7. 제 4 항에 있어서, 각 의사-성분은 의사 성분의 선정의된 비등점 및 선정의된 밀도를 갖는 고(高) 부-의사 성분과, 의사 성분의 선정의된 비등점 및 상기 고(高) 부-의사 성분의 선정의된 밀도보다 낮은 선정의된 밀도를 갖는 저(低) 부-의사 성분으로서 규정되는 방법.
  8. 제 7 항에 있어서, 각 의사-성분은 의사 성분의 선정의된 비등점 및 의사 성분의 가장 높은 가능한 밀도로서 결정되는 선정의된 밀도를 갖는 고(高) 부-의사 성분과, 의사 성분의 선정의된 비등점 및 의사 성분의 가장 낮은 가능한 밀도로서 결정되는 선정의된 밀도를 갖는 저(低) 부-의사 성분으로서 규정되는 방법.
  9. 제 4 항에 있어서,
    모델화된 유체 흐름은 전체 밀도(DT)를 가지며;
    유체 흐름의 모델 내의 각 의사-성분(P)은 변화하는 밀도(D), 변화하는 퍼센트 중량(%W) 및 변화하는 퍼센트 체적(%V)을 가지되,
    D = DT*%W/%V (1)
    여기서, 각 의사 성분(P)의 각 부-의사 성분(Px (x=1, 2))은 선정의된 밀도(Dx), 변화하는 퍼센트 중량(%Wx) 및 변화하는 퍼센트 체적(%Vx)을 가지되,
    D1 = DT*%W1/%V1 (2)
    D2 = DT*%W2/%V2 (3)
    %W = %W1 + %W2 (4)
    %V = %V1 + %V2 (5)
    여기서, D1 및 D2는 미리 규정되어 있으며;
    DT, %W 및 %V는 공지되어 있고;
    계산 단계는 %W1, %W2, %V1 및 %V2를 위하여 식들(2)-(5)을 푸는 단계를 포함하는 방법.
  10. 메모리 내에 저장되며, 프로세서 상에서 구동되고, 의사-성분이 다수의 부-의사-성분들로 대체 가능하도록 유체 흐름의 모델 내의 각 의사-성분을 위하여 다수의 부-의사-성분을 규정하는 맵퍼(mapper)를 포함하되, 각 부-의사 성분은 의사-성분의 선정의된 비등점, 선정의된 물성치를 위한 선정의된 값 및 변화하는 퍼센트 양을 갖는, 제 1 항의 방법을 수행하기 위한 컴퓨터.
  11. 제 10 항에 있어서, 의사 성분들은 밀도를 위하여 선정의된 값, 변화하는 퍼센트 중량 및 변화하는 퍼센트 양을 갖도록 규정되며,
    맵퍼는 각 의사-성분을 위한 현재 밀도, 현재 퍼센트 중량 및 현재 퍼센트 체적으로 보완하기 위한 입력; 각 의사-성분의 각 부-의사-성분을 위한 현재 퍼센트 중량 값 및 현재 퍼센트 체적 값을 계산하기 위한 입력을 가지며,
    맵퍼는 또한 각 의사-성분의 각 부-의사-성분을 위하여 계산된 현재 퍼센트 중량 값 및 계산된 현재 퍼센트 체적 값을 공급하기 위한 출력을 갖는 컴퓨터.
  12. 제 11 항에 있어서, 계산된 값들은 각 의사-성분의 각 부-의사 성분을 위하여 선정의된 밀도 값, 계산된 현재 퍼센트 중량 값 및 계산된 현재 퍼센트 체적 값을 기초로 하는 분류기 또는 증류 컬럼의 모델링을 포함하는 실시간 최적화 공정에서 이용되는 컴퓨터.
  13. 제 12 항에 있어서,
    각 의사-성분의 각 부-의사-성분을 위한 현재 퍼센트 중량 값들 및 현재 퍼센트 체적 값들을 반복적으로 업데이트시키기 위하여 각 의사-성분을 위한 현재 밀도, 현재 퍼센트 중량 및 현재 퍼센트 체적은 맵퍼의 입력으로 반복적으로 공급됨과 함께,
    의사-성분의 각 부-의사-성분을 위한 반복적으로 업데이트된 현재 퍼센트 중량 값, 반복적으로 업데이트된 현재 퍼센트 체적 값 및 선정의된 밀도 값은 실시간 최적화 공정에서 이용되는 컴퓨터.
  14. 제 11 항에 있어서, 맵퍼는 각 의사-성분을 위하여 의사 성분의 선정의된 비등점 및 선정의된 밀도를 갖는 고(高) 부-의사 성분과, 의사 성분의 선정의된 비등점 및 상기 고(高) 부-의사 성분의 선정의된 밀도보다 낮은 선정의된 밀도를 갖는 저(低) 부-의사 성분을 규정하는 컴퓨터.
  15. 제 14 항에 있어서, 맵퍼는 각 의사-성분을 위하여 의사 성분의 선정의된 비등점 및 의사 성분의 가장 높은 가능한 밀도로서 결정되는 선정의된 밀도를 갖는 고(高) 부-의사 성분과, 의사 성분의 선정의된 비등점 및 의사 성분의 가장 낮은 가능한 밀도로서 결정되는 선정의된 밀도를 갖는 저(低) 부-의사 성분을 규정하는 컴퓨터.
KR1020017001905A 1998-08-24 1999-08-18 실시간 최적화 공정과 관련하여 사용하기 위한 성분 맵퍼 KR100740975B1 (ko)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US9756798P 1998-08-24 1998-08-24
US9756698P 1998-08-24 1998-08-24
US60/097,567 1998-08-24
US60/097,566 1998-08-24
US09/224,579 US6442513B1 (en) 1998-08-24 1998-12-31 Component mapper for use in connection with real-time optimization process
US09/224,579 1998-12-31

Publications (2)

Publication Number Publication Date
KR20010072482A KR20010072482A (ko) 2001-07-31
KR100740975B1 true KR100740975B1 (ko) 2007-07-19

Family

ID=27378409

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020017001905A KR100740975B1 (ko) 1998-08-24 1999-08-18 실시간 최적화 공정과 관련하여 사용하기 위한 성분 맵퍼

Country Status (10)

Country Link
US (1) US6442513B1 (ko)
EP (1) EP1131711A4 (ko)
JP (2) JP2002523563A (ko)
KR (1) KR100740975B1 (ko)
AR (1) AR020244A1 (ko)
AU (1) AU753032B2 (ko)
BR (1) BR9913267A (ko)
CA (1) CA2339966C (ko)
NO (1) NO20010941L (ko)
WO (1) WO2000011550A1 (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU7709700A (en) * 1999-09-23 2001-04-24 Chroma Graphics, Inc. Method and apparatus for describing and simulating complex systems
DE19949954B4 (de) * 1999-10-16 2007-12-06 Basf Coatings Ag Verfahren zur Analyse und Optimierung eines mehrstufigen Herstellungsprozesses
US6876991B1 (en) 1999-11-08 2005-04-05 Collaborative Decision Platforms, Llc. System, method and computer program product for a collaborative decision platform
US6735541B2 (en) * 2001-02-16 2004-05-11 Exxonmobil Research And Engineering Company Process unit monitoring program
US7257451B2 (en) * 2005-02-15 2007-08-14 Exxon Mobil Chemical Patents Inc. Method for creating a linear programming model of an industrial process facility
US7627376B2 (en) * 2006-01-30 2009-12-01 Medtronic, Inc. Intravascular medical device
US7389186B2 (en) 2006-08-11 2008-06-17 Exxonmobil Research And Engineering Company Prediction of stream composition and properties in near real time
US20080312885A1 (en) * 2007-06-12 2008-12-18 Justsystems Evans Research, Inc. Hybrid method for simulation optimization
US8775138B2 (en) * 2008-11-21 2014-07-08 Exxonmobil Chemical Patents Inc. Methods for handling withdrawal of streams from a linear programming model developed from a thermodynamically-based reference tool
US9141098B2 (en) * 2009-10-30 2015-09-22 Rockwell Automation Technologies, Inc. Integrated optimization and control for production plants
US20120084110A1 (en) * 2010-10-05 2012-04-05 M3 Technology, Inc. System and method for smart oil, gas and chemical process scheduling
US9075402B2 (en) * 2011-03-08 2015-07-07 Honeywell International Inc. System and method for mapping component bases using a chemical process simulator
CN102643662B (zh) * 2012-04-25 2014-09-17 南京富岛信息工程有限公司 一种原油调合优化方法
WO2014015096A2 (en) 2012-07-19 2014-01-23 Saudi Arabian Oil Company System and method for effective plant performance monitoring in gas oil separation plant (gosp)
BR102015002628A2 (pt) * 2015-02-06 2017-04-25 Petróleo Brasileiro S A - Petrobras sistema e método de otimização de programação de petróleo em uma refinaria através de programação genética linear e orientada à gramática, e, meio de armazenamento legível
US10614533B2 (en) 2015-12-18 2020-04-07 Exxonmobil Chemical Patents Inc. Methods for optimizing petrochemical facilities through stream lined transferal
US11537769B2 (en) * 2020-05-12 2022-12-27 Renesas Electronics Corporation Simulator and simulation method

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3896041A (en) * 1973-03-14 1975-07-22 Westinghouse Electric Corp Method and system of simulating nuclear power plant count rate for training purposes
US5396416A (en) * 1992-08-19 1995-03-07 Continental Controls, Inc. Multivariable process control method and apparatus
US5486995A (en) * 1994-03-17 1996-01-23 Dow Benelux N.V. System for real time optimization
US5488561A (en) * 1992-08-19 1996-01-30 Continental Controls, Inc. Multivariable process control method and apparatus

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4208712A (en) 1964-12-09 1980-06-17 Mobil Oil Corporation Multi-unit optimization
US4047004A (en) 1971-09-13 1977-09-06 Mobil Oil Corporation Simulation of complex sequences of multi-stage separators
US4211636A (en) 1975-08-27 1980-07-08 Mobil Oil Corporation FCC Catalyst section control
US4211637A (en) 1975-08-27 1980-07-08 Mobil Oil Corporation FCC Catalyst section control
US4282084A (en) 1978-09-27 1981-08-04 Mobil Oil Corporation Catalytic cracking process
CA2136633A1 (en) * 1992-06-12 1993-12-23 James D. Allbery, Jr. Intelligent process control communication system and method
US5402333A (en) 1992-06-15 1995-03-28 E. I. Du Pont De Nemours & Co., Inc. System and method for improving model product property estimates
CA2184832A1 (en) * 1994-03-17 1995-09-21 Johannes H.A. Krist System for real time optimization and profit depiction
US5666297A (en) 1994-05-13 1997-09-09 Aspen Technology, Inc. Plant simulation and optimization software apparatus and method using dual execution models
US5796920A (en) * 1994-08-19 1998-08-18 Harris Corporation Multiprocessor system and method for identification and adaptive control of dynamic systems
US5699269A (en) 1995-06-23 1997-12-16 Exxon Research And Engineering Company Method for predicting chemical or physical properties of crude oils
US5699270A (en) 1995-06-23 1997-12-16 Exxon Research And Engineering Company Method for preparing lubrication oils (LAW232)
US5864773A (en) * 1995-11-03 1999-01-26 Texas Instruments Incorporated Virtual sensor based monitoring and fault detection/classification system and method for semiconductor processing equipment

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3896041A (en) * 1973-03-14 1975-07-22 Westinghouse Electric Corp Method and system of simulating nuclear power plant count rate for training purposes
US5396416A (en) * 1992-08-19 1995-03-07 Continental Controls, Inc. Multivariable process control method and apparatus
US5488561A (en) * 1992-08-19 1996-01-30 Continental Controls, Inc. Multivariable process control method and apparatus
US5486995A (en) * 1994-03-17 1996-01-23 Dow Benelux N.V. System for real time optimization

Also Published As

Publication number Publication date
AU5490299A (en) 2000-03-14
NO20010941L (no) 2001-04-24
JP2002523563A (ja) 2002-07-30
WO2000011550A1 (en) 2000-03-02
AR020244A1 (es) 2002-05-02
KR20010072482A (ko) 2001-07-31
US6442513B1 (en) 2002-08-27
EP1131711A4 (en) 2009-01-21
CA2339966A1 (en) 2000-03-02
EP1131711A1 (en) 2001-09-12
BR9913267A (pt) 2001-05-15
CA2339966C (en) 2011-07-12
JP2010174253A (ja) 2010-08-12
AU753032B2 (en) 2002-10-03
NO20010941D0 (no) 2001-02-23

Similar Documents

Publication Publication Date Title
KR100740975B1 (ko) 실시간 최적화 공정과 관련하여 사용하기 위한 성분 맵퍼
Vega et al. Integrated design and control of chemical processes–Part I: Revision and classification
Alizadehdakhel et al. CFD and experimental studies on the effect of valve weight on performance of a valve tray column
US11827858B2 (en) Method for optimizing gas oil separation plant parameters to maximize oil recovery
Serfidan et al. Optimal estimation of physical properties of the products of an atmospheric distillation column using support vector regression
Sage et al. High-pressure cryogenic distillation data for improved LNG production
Ahmed et al. Artificial neural networks controller for crude oil distillation column of Baiji refinery
JP2007004769A (ja) 石油精製プラントのパラメータ予測装置及びパラメータ予測方法
Meyer et al. Coal dense medium separation dynamic and steady-state modelling for process control
KR20130008636A (ko) 공정의 모니터링 및 제어 방법
CN109817287A (zh) 一种延迟焦化模型集成方法
Mehrpooya et al. Design and implementation of optimized fuzzy logic controller for a nonlinear dynamic industrial plant using HYSYS and MATLAB simulation packages
Kumar et al. Fluid flow and its modeling using computational fluid dynamics
Ali et al. Determination of Optimal Cut Point Temperatures at Crude Distillation Unit using the Taguchi Method
Kemaloğlu et al. Model predictive control of a crude distillation unit an industrial application
Haragovics et al. Applicability of desirability function for control structure design in the frequency domain
Tucker An approach to modelling industrial unit processes: application to a spiral concentrator for minerals
Aparı́cio et al. Two different approaches for RDC modelling when simulating a solvent deasphalting plant
Abbasi et al. Mathematical modeling of gas oil hds and optimization of operational conditions in trickle bed reactor by genetic algorithm
TWI833666B (zh) 支援方法、支援裝置以及支援程式
Tumidajski et al. Methods of modeling and optimization of work effects for chosen mineral processing systems
Khor High-octane gasoline production from catalytic naphtha reforming
Patrascioiu Modelling the Atmospheric Distillation Using the Unisim Design Simulator
Montazeri et al. Optimization of Three Phases Horizontal Separator Using the Genetic Algorithm (GA) Method to Reduce Manufacturing Costs and Promote the Phase Separation Process in the Petroleum Industry
Rotstein et al. Analysis and design of paint manufacturing processes

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120628

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20130628

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee