KR100979363B1

KR100979363B1 - 다입력 다출력 연속생산과정의 실시간조작 최적화 방법

Info

Publication number: KR100979363B1
Application number: KR1020087003815A
Authority: KR
Inventors: 왕지안
Original assignee: 왕지안
Priority date: 2005-07-20
Filing date: 2005-12-27
Publication date: 2010-08-31
Also published as: US20090037003A1; CA2615727A1; CA2615727C; US7848831B2; KR20080033419A; WO2007009322A1; SG164373A1

Abstract

본 발명은 제어시스템기술분야에 속하며 다입력 다출력 연속생산과정의 실시간조작 최적화방법에 관한 것이다. 당해 방법은 생산과정 중의 여러 개의 주요조작조건을 최적화변량으로 하고 주요조작조건과 관계되는 기술지표를 목표함수로 하여 생산과정의 주요조작조건과 기술지표의 역사데이터에 근거하여 상관적분법 혹은 기타 방법으로 온라인에서 주요조작조건과 기술지표간의 현재시간에서의 그래디언트벡터를 계산해낸 다음 이 그래디언트 벡터에 근거하여 조작조건의 조정방향을 확정한다. 그래디언트벡터가 플러스 혹은 마이너스 수치일 경우 주요조작조건을 조정하여 그래디언트 벡터가 제로방향으로 변화하게 하여 기술지표가 최적인 상태에 달하도록 한다. 본 발명은 생산과정의 최적화 제어과정을 간단하게 하며 조작이 간편하고 간섭저항성이 강하고 통용성이 강하며 적응범위가 넓고 효과가 좋다.

연속생산, 최적화, 주요조작조건, 그래디언트 벡터, 기술지표

Description

다입력 다출력 연속생산과정의 실시간조작 최적화 방법{REAL-TIME OPERATING OPTIMIZED METHOD OF MULTI-INPUT AND MULTI-OUTPUT CONTINUOUS MANUFACTURE PROCEDURE}

본 발명은 컨트롤시스템 기술분야에 속하며 다입력 다출력 연속 생산과정의 실시간 조작 최적화 방법에 관한 것이다.

도면 1은 연속적으로 원재료가 투입되고 연속적으로 제품이 산출되는 연속적인 생산과정을 나타낸 도면이다. 도면 중의 A는 상류 가공 장치군이고 그의 제품은 가공장치B의 원료이며 또한 가공장치B의 제품은 하류장치C의 원료이다. A를 장치군이라고 칭하는 것은 단원세트의 상류장치가 B를 위해 원재료를 제공하고 있지 않을 가능성이 있기 때문이다. B제품이 한 가지 종류뿐이 아닐 가능성이 있고 그의 제품은 여러 개의 하류 장치에게 원재료를 제공하고 있을 가능성이 있기에 그의 하류장치를 장치군C라 칭한다. 지적해야 할 것은 이런 장치군이 연결되어 유동함은 연속적인것이다. 가공장치 B에는 생산 중에서 조정할 수 있는 주요한 요소 즉 제어가 가능한 주요한 조작조건 U가 존재한다. 이런 조작조건은 또한 가공장치B의 일정한 기술지표J, 예를 들면 에너지소모, 경제효익, 제품생산성과 관계되며 여기서의U는 생산과정의 입력으로 볼 수 있고 한 개나 여러 개가 있을 수 있으며 J는 생산 과정의 출력으로 볼 수 있고 한 개나 여러 개가 있을 수 있다. 조작최적화의 임무는 생산 중에서 어떻게 이런 조작조건을 조정하여 일정한 시간 내에 지정한 기술지표(한 개일수도 있고 여러 개의 조합일 수도 있다)가 최적인 상태 (최대는 경제효익을 예를 들 수 있고 최소는 에너지소모를 예를 들 수 있다)에 달하게 하는가 하는것이며 도면 2에서 표시한 바와 같다. 지적해야 할 바는 목표함수는 생산의 수요에 따라 바뀔수 있는 것이다. 단일한 목표함수과정의 조작최적화에 대해 일반적으로 하기의 형식으로 서술을 한다.

(1-1)

공식 중에서 J는 목표함수이고, J^*는 목표함수의 최적치이며 U는 조작 조건 혹은 조작변량이라고 칭한다. U^*는 조작변량의 최적치이다.

통상적으로U와 J의 함수관계J(U)가 미지함수임으로 U^*를 얻기 위한 두 가지 자주 쓰는 방법이 있다. 수학모델과 실시간 온라인 검색법이다.

1. 모델링(Modeling)방법

모델링방법의 기본발상은 미리 목표함수J와 조작변량 U간의 수학모델을 만들어 놓은 다음 당해 모델과 약속조건에 따라 비선형 혹은 선형 기획으로 U^*를 구한다.

수학모델을 만드는 과정에서 모델링원리의 다름에 따라 메커니즘 모델링과 경험모델링 두 가지로 나눌 수 있다.

메커니즘 모델링이란 전체 시스템 중의 각 부분의 설비의 운전 메커니즘방정식을 흐름의 구조에 따라 물질 밸런스, 에너지 밸런스 원리를 이용하여 조합함으로써 구체적인 생산과정에 부합되는 원세트의 수학방정식을 구축하는 것을 말한다. 최후에 시스템의 투입산출,가격 등에 따라 목표함수와 조작변량 U간의 관계를 확정해낸다.

단, 서술하게 되는 과정이 너무 복잡하거나 혹은 메커니즘이 명확하지 않거나 혹은 기본방정식이 불명확하게 되면 흔히 메커니즘모델링작업의 진행이 어렵게 된다. 이밖에 한 개 시스템의 메커니즘모델이 일반적으로 보편성을 가지고 있지 아니하며 심지어 가공제품에 변화가 있거나 흐름에 약간 변동이 있게 되면 반드시 모델을 수정하거나 다시 만들어야 한다.

경험모델링법이란 대량의 실험 혹은 일상 운행하고 있는 리포트 데이터를 베이스로 하여 시스템의 조작변량과 목표 함수간의 경험관계를 구축하는 것이다. 이런 모델링의 메리트는 간단하고 보편성을 가지고 있는 것이다. 그 과정 혹은 시스템이 얼마나 복잡하거나 달라도 모두 같은 간단한 수단으로 모델링을 할 수 있으며 전문적인 공정지식과 선험방정식이 필요없다.

하지만 이런 방법의 신뢰성이 낮다. 모델이 온라인에서 응용될 때의 작업조건이 까다롭거나 혹은 모델링 데이터 채집의 작업상황을 초월했을 때 모델에 커다란 에러가 생겨 실용을 할 수 없게 되며 공정설비에 작은 변동이 있게 되면 모델구조에 커다란 변화가 생겨 모델링작업이 이루어지지 못하게 된다.

2. 온라인검색법

검색법은 일종의 보편성을 띤 방법으로서 구체적인 과정과는 상관없다. 그의 기본발상은 온라인에서 조작변량의 수치를 변경하고 목표함수의 변화정황을 관찰함으로써 조정개량 변화방향이 정확한가 아닌가를 확정하는 것이다. 원칙적으로 말하면 많은 비선형기획방법 예를 들면 황금분할법이나 최고속하강법 등은 모두 온라인에서 응용할 수 있다. 그러나 이런 방법은 흔히 간섭에 대한 민감성이 강하다. 모두 알고 있는 바와 같이 통상적인 상황하에서 목표함수는 조작변량의 함수 일뿐만아니라 기타 제어 불가능 변량(환경변량)의 함수이기도 하다. 때문에 목표함수에 변화가 발생하였을 때 조작변량의 변화가 기인인가 간섭작용이 기인인가를 판단하기가 어렵다. 종래의 온라인검색법에서는 일반적으로 모두 조작변량과 목표함수를 유일한 인과관계로 하고 있기 때문에 외계의 간섭이 존재할 때 잘못된 판단을 하게 될 수 있으며 심지어는 동작이 반대방향으로 움직이게 될 수도 있다.

지적해야 할 바는 모델법이나 직접검색법에 상관없이 일반적으로 1-1의 수학적 서술을 베이스로 하여 만들어진다. 다만 목표함수 J와 U 간의 관계를 반영함이 대수관계로 정의되어 있으며 외계간섭이 포함되어 있지 않다. 때문에 이로부터 얻어낸 계산방법은 원칙상 다만 정지상태의 간섭이 없는 시스템에만 적용된다.

실제과정에서의 상황은 보다 복잡하다. 우선 조작변량은 목표 함수와 논리상에서 인과관계가 있을 뿐만 아니라 또한 시간상에서도 동태 과정이 존재하며 다시 말하면 조작변량에 변동이 있을 때 목표 함수는 즉각 변화하지 않고 과도 과정이 있는 것이다. 다음은 많은 공업 과정의 실제상황에서 볼 때 목표함수는 흔히 상하 기복이 있는 맥동중에 있으며 정지상태의 경우를 찾기가 매우 힘들다. 이는 통상적으로 불가측정과 불가제어의 심한 간섭으로 인해 발생한다. 예를 들면 생산 과정에서 원료의 성분변화는 흔히 제어할 수 없고 온라인 성분측정이 힘들기에 이런 변량은 통상적으로 측정할 수가 없다. 한편, 많은 과정은 원료 성분의 변화에 대해 매우 민감함으로 결과적으로 성분의 변화가 목표함수에 대한 영향이 흔히 제어가 가능한 온도, 압력 등 여러 요소가 목표함수에 대한 효과나 반응을 초월하게 되며 어떤 때는 수십 배 이상에 달하게 된다. 이렇게 되면 조작변량의 변화로 생기는 목표함수의 변화성분은 흔히 원료성분이 목표함수에 대한 간섭 속에 "묻히게" 된다. 이런 동태적인 간섭 상황하에 전통적인 방법은 무력한 것으로 나타나고 있다.

본 발명이 해결하고자 하는 기술문제는 종래 기술중의 다입력 다출력 연속생산과정의 실시간 조작 최적화에 존재하는 과정이 복잡하고 극히 어려우며 받는 간섭요소가 많고 적응범위가 좁고 효과가 낮은 결함에 대하여 일종의 다입력 다출력 연속생산과정의 실시간 조작 최적화 방법을 제공하여 생산과정 중의 최적화제어과정을 간단히 함으로써 조작을 간단히 하고 간섭에 대한 저항력을 강하게 하고 통용성이 강하게 하며 적응범위를 넓히고 효과를 좋게 하는 것이다.

상기 기술문제를 해결하기 위해 본 발명은 일종의 다입력 다출력 연속생산과정에서의 실시간 조작 최적화 방법을 제공하며 당해 방법에서는 생산과정 중의 여러 주요조작조건을 최적화 변량으로 하고 주요조작조건과 상관되는 한 개 또는 여러 개의 기술지표를 목표함수로 하여 생산과정의 주요조작조건과 기술지표의 동태역사데이터에 근거하여 온라인에서 주요조작조건과 기술지표 간의 현재 시간에서의 그래디언트벡터를 계산한 다음 이 그래디언트 벡터에 근거하여 조작조건의 조정방향을 확정하는 것이다. 그래디언트 벡터가 마이너스수치 혹은 플라스수치일 경우 모두 주요조작조건을 조정하여 그래디언트벡터가 제로방향으로 변화하여 기술지표가 최적화에 달하게 한다. 이런 그래디언트의 계산은 온라인에서 끊임없이 진행되고 있으며 기술지표가 최적화에 달했는가 아닌가에 상관없이 일단 그래디언트가 제로가 아님을 발견했을 경우 주요조작조건을 조정하여 그래디언트 벡터가 제로방향을 향해 변화하도록 하며 최적포인트의 추적을 실현한다. 주요조작조건을 조정하여 그래디언트벡터가 제로방향을 향해 변화하도록 하는 과정이 바로 주요조작조건 최적화의 과정이며 생산과정에서 최적포인트가 시간에 따라 변화할 수 있음으로 이런 최적화과정은 온라인에서 끊임없이 진행된다.

온라인에서 주요조작조건과 기술지표 간의 현재 시간에서의 그래디언트 벡터를 계산해내는 방법은 상관 적분기술 혹은 기타 가능한 방법(예를 들면 동태모델식별 방법)을 이용했으며 생산과정의 주요조작조건과 기술 지표의 동태역사 데이터에 대해 계산을 진행한다.

상관적분 실시간 최적화방법의 근거는 상관적분의 이론이다. 상관적분은 일종의 랜덤 과정과 상관되는 운산이다. 상관적분 이론에서는 목표함수, 간섭, 최적화변량을 랜덤 과정으로 보고 최적화변량은 평균수치로서 제어가 가능하며 일반적으로 먼저 목표함수

를 확정한다. 당해 목표 함수는 온라인에서 계산할 수 있던가 온라인에서 측정할 수 있어야 하며 목표함수를 다음과 같이 표시할 수 있다.

[수학식 1]

그중

는 m차원 평균수치로서 제어가 가능한 최적화 변량임.

는 간섭이고 f는 미지의 사상이며 최적화 목표함수의 정의는 다음과 같다.

[수학식 2]

여기서

는 조작변량의 평균치이며 그는 기층 제어기의 설정 수치 혹은 밸브 위치 등일 수 있다. 이 다변량의 최적화문제에 대해 일정한 조건하에 목표함수의 평균수치가 조작변량 평균수치의 그래디언트

에 대해 다음과 같은 공식을 만족시킨다는 것을 증명할수 있다.

[수학식 3]

공식중에서

는 평균치가 제로인 노이즈항이고,

는 조작변량과 목표함수간의 상호상관 적분벡터이며 다음과 같이 정의한다 .

는 조작변량 자체상관 적분행렬이며 다음과 같이 정의한다.

공식

[수학식 4]

와 조작변량

(i=1, 2,...,m)에 근거하여 변량의 자체상관 적분행렬

을 계산해낸다. 그 중 T，M은 0 보다 큰 적분상수이다.

공식

[수학식 5]와 목표함수의 실시간 측량수치

에 근거하여 최적화 변량과 목표변량의 상호상관 적분벡터를 계산해낸다. 그중T，M는 0 보다 큰 적분상수이다.

상술한 공식 중에서

, (i=1, 2,...,m),

는 각각 조작변량과 목표함수의 측량치이다. 알 수 있는 바와 같이

,

는 조작변량과 목표함수의 관측치를 통해 계산해 낼 수 있으므로 공식

[수학식 6]에 근거하여 목표함수의 그래디언트

를 계산해낸다(최소자승법으로 목표함수의 그래디언트

를 추정한다).

목표함수의 그래디언트를 계산한후 직접적인 반복으로 조작변량의 새로운 설정치

를 계산해낼수 있다.

공식

[수학식 7] 에 근거하여 최적화변량의 새로운 설정치

를 계산해낸다. 공식 중의 α는 상수이며 만일 최적화 목표가 극대치를 구하는 것이라면 0보다 큰 수치를 취하고 만일 최적화목표가 극소치라면 0보다 작은 수치를 취한다.

이런 반복되는 과정을 온라인에서 지속적으로 그래디언트가 0이 될 때까지 진행한다.

다목표 상황에 대해서도 유사한 결론이 있다.

본 발명의 구체적인 내용은 다음과 같다.

1. 최적화된 과정의 수요에 근거하여 여러 개의 최적화하고자 하는 기술지표 즉 목표함수

를 확정하며 이와 같은 목표함수는 꼭 온라인에서 계산 혹은 측정할수 있어야 한다. 가상적인 종합목표함수

를 구축하며 여기서의

는 각 목표함수의 부가수치이다. 공정요구에 따라 0부터 1까지의 수치를 취한다. 지적할 바는 생산 중에서 목표함수가 바뀔 수 있으므로 여기서의 부가수치는 시간에 따라 변화할 수 있다.

생산공정의 요구에 근거하여 최적화하고자 하는 주요조작조건

을 확정하여 최적화하고자 하는 변량으로 한다.

최적화하고자 하는 주요조작조건에 대해 종래의 제어를 하며 그의 설정치는 최적화 제어컴퓨터가 상관적분기술을 이용하여 계산을 진행하고 공정과정의 구체적인 상황과 요구에 근거하여 일정한 시간을 두고 주기적으로 한차례의 설정치에 대한 조정을 진행한다.

최적화하고자 하는 주요조작조건에 대해 진행하는 종래의 제어란 집산시스템 컴퓨터 DCS(Distributed Control System) 혹은 종래의 계기가 최적화하고자 하는 조작조건에 대해 진행하는 종래의 제어(traditional controllers)를 말하며 그의 설정치는 최적화 제어컴퓨터가 상관적분기술을 이용하여 계산을 하고 일정한 시간을 두고 주기적으로(시간주기는 구체적인 공정과정의 속도에 따라 확정함) 한차례의 설정치에 대한 조정을 진행한다.

2. 주요조작조건과 각 기술지표(즉 각 목표함수)의 데이터를 채집한다. 그 방법은 구체적인 과정시간의 특성에 따라 일정한 데이터 윈도우넓이(당해 데이터베이스의 시간 폭은 당해 공정과정 최적화변량이 목표함수로 이행되는 과정시간의 3배 이상이어야 하며 일반적으로 8-18시간임)를 가지고 있는 실시간 데이터채집 데이터시스템을 만들고, 통상적으로 당해 시스템은 집산제어시스템(즉 DCS로 구성되어 있고 생산과정의 주요조작조건과 기술지표의 역사데이터를 획득하는데 쓰인다. 당해 시스템은 일정한 채집 시간간격(당해 시간간격은 공정과정의 속도에 따라 정해지며 일반적으로 30-90초임)을 두고 주요조작조건과 각 기술지표 즉 각 목표함수의 데이터를 채집한다. 데이터 윈도우 내의 데이터는 데이터 베이스 내에 보존되며 한번씩 샘플링을 할 때마다 데이터 윈도우가 앞으로 한 개 채집시간만큼 이동된다. 다시 말하면 제일 오래된 데이터가 포기되고 가장 새로운 데이터가 데이터베이스에 가입되는 것이다. 도면 3에서는 2개의 조작조건이 있는 예를 들어 표시를 했다.

3. 데이터샘플링이 완성된 후 각 조작조건에 대해 자체상관 적분행렬

의 계산을 진행했다. m개의 조작조건을 설정하였다.

[수학식 8]

공식 중에서

T，M는 적분상수임.

4. 각 조작변량과 기술지표간의 상호상관 적분행렬

를 계산한다. n개 의 목표함수가 설정되여 있다.

[수학식 9]

공식중에서

T，M은 적분상수이다.

상관적분 이론에 근거하여 이상의 M은 최적화변량으로부터 목적함수에 이르기까지의 최대의 시간상수보다 커야 하며 T는 M의 1-5배로 한다.

5. 이상의 조작조건의 자체상관 적분행렬 및 조작변량과 각 기술지표 간의 상호상관 적분벡터에 근거하여 조작조건의 종합 기술지표 간에 대한 그래디언트 벡터

를 계산한다. 먼저 하기의 일차방정식의 계산을 통해 K ^d 를 얻어낸다.

[수학식 10]

[수학식 11]

다만,

[수학식 12]

종합목표 함수J가 조작조건에 대한 그래디언트

는 다음과 같다.

[수학식 13]

6. 얻어낸 조작조건의 종합기술지표에 대한 그래디언트벡터

에 근거하여 조작조건의 변화방향을 계산해낸다. 그의 원칙은 만일 계산해낸 그래디언트가 제로라면 당해 조작조건은 현재 이미 최적상태에 처해 있는 것을 말하며 제로가 아니라면 그래디언트의 크기와 방향에 따라 조작조건에 대해 조정을 한다. 예를 들면 현재의 조작조건치가 이미 알려져 있다면 아래의 방법에 따라 조정후의 조작조건치를 구해 내고 종합기술지표의 최대화를 요구한다 .

[수학식 14]

공식중에서

는 원래의 m개의 조작조건(제 l보)의 수치이고

는 조정 후의 새로운 조작조건(제l+1보)의 수치이다.

[수학식 15]

는 m개의 플러스상수(만일 기술지표의 최대치를 구한다면)이다. 하나의 조작조건하의 생산과정에서 기술지표의 최대치를 구함을 예를 들어 도면과 같이 조정방법을 표시한다. 도면 4, 도면 5, 도면 6에서 표시하는 바와 같다. 도면 4에서 표시하는 바와 같이 상관 적분방법으로 계산해낸 그래디언트가 제로라면 기술지표는 최대치이며 조작조건은 이와 같은 상황을 조정할 필요가 없다. 도면 5에서 표시하는 바와 같이 상관적분 방법으로 계산해낸 그래디언트가 마이너스수치라면 조작조건을 감소시켜야만 기술지표를 제고시킬 수 있다. 도면 6에서 표시하는 바와 같이 상관적분 방법으로 계산해낸 그래디언트가 플러스수치라면 조작조건을 증대시켜야만 기술지표를 제고시킬 수 있다.

확실한 것은 제 i 개의 조작조건 u_i에 있어서 매번의 조정스텝의 길이가

이며 적당한 α _i 의 수치를 취한다면 즉 만일 기술지표의 최대치를 구하려면 α _i 를 플러스수치로 취하고 그렇지 않다면 마이너스수치로 취해야만 스텝길이의 크기와 방향을 조정할 수 있다.

조정이 끝나면 일정한 시간간격(30-90초)을 두고 다시 한번 데이터샘 플링을 하고 스텝 3으로 돌아간다.

스텝 3으로부터 6까지의 과정을 온라인에서 끊임없이 진행하여 각 조작포인트가 최종적으로 최적포인트에 달하게 한다. 지적할 바는 각 계 조도가 이미 제로로 되어 있어도 스텝 2로부터 5까지를 끊임없이 진행해야 하며 이는 기술지표와 조작조건간의 함수관계가 시간에 따라 변화하기 때문이며(예를 들면 원료의 성질의 변화, 장치의 개조 등), 끊임없이 그래디언트가 제로인가 아닌가를 잘 관찰해야 한다. 만일 변화가 발생했을 경우 수시로 조정을 진행해야 한다. 도면 7에서 표시한바와 같이 기술지표와 조작조건의 관계가 그 어떤 원인(예를 들면 원료의 변화)으로 인해 변화가 발생하여 현재의 조작포인트가 더 이상 최적 포인트가 아닐 경우 그래디언트가 제로가 아님을 발견할 수 있으며 상관적분의 방법에 따라 조작조건을 최적포인트에 접근시킬 수 있다.

따라서 본 방법에 따라 수시로 생산과정 중에 최적포인트를 이탈했는가 아닌가를 발견할수 있으며 최적포인트에 대한 추적을 진행할 수 있다.

도면 1은 연속적으로 원료를 투입하고 연속적으로 제품을 산출하는 연속적 생산과정을 나타낸 도면.

도면 2는 연속 생산 과정의 조작최적화 흐름설명도.

도면 3은 2개의 조작조건을 가지고 있는 데이터윈도우 데이터 처리 채집 설명도.

도면 4는 조작조건과 기술지표의 곡선의 그래디언트가 제로일때의 곡선도.

도면 5는 조작조건과 기술지표의 곡선의 그래디언트가 마이너스일때의 곡선도.

도면 6은 조작조건과 기술지표의 곡선의 그래디언트가 플러스일때의 곡선도.

도면 7은 조작조건과 기술지표의 관계에 변화가 발생했을 때 곡선의 그래디언트도 함께 변화하게 되는 곡선도

도면 8은 본 발명중 컴퓨터를 이용하여 연속생산과정에 대해 최적화조작을 진행하는 제어도.

도면 9는 ARGG장치 반응 재생 시스템 흐름도.

도면 10은 케톤벤젠 탈유탈랍 연합장치 공정 흐름도.

<도면의 주요 부분에 대한 부호의 설명>

1:업파이프의 반응기 2:선풍분리기 3:침전기

4:촉매제 재생기 5:외부취열기 6:분류시스템

이하, 본 발명의 바람직한 실시예를 첨부 도면에 의거하여 상세하게 설명하기로 한다.

생산과정에서 컴퓨터를 이용하여 최적화제어를 진행할 것을 요구하며 먼저 집산시스템컴퓨터(즉 DCS）혹은 종래의 계기로 최적화하고자 하는 조작조건에 대해 종래의 제어를 하고 그의 설정치는 최적화제어컴퓨터가 본 발명의 방법을 이용하여 계산을 진행하고 일정한 시간을 두고 주기적으로 한 번씩 설정치의 조정을 진행하며 이 조정주기는 구체적인 공예과정의 속도에 따라 정한다. 도면 8에서 표시하는 바와 같다.

실시예 1: ARGG(Atmospheric Residue Maximum Gas Plus Gasoline)장치의 온라인 상관적분 최적화제어

ARGG 장치는 석유화학 공장에서 저가치의 오일을 고가치의 액체탄화 수소, 휘발유, 디젤유로 분해하는데 쓰이는 장치로서 그 과정은 연속생산과정에 속한다. ARGG장치의 반응재생시스템 흐름도는 도면 9와 같다. 탱크존에서 오는 원료오일과 싸이클 휘발유, 싸이클오일과 싸이클오일슬러리를 혼합하여 업파이프 반응기 1의 하부에서 기체로 만들어 업파이프 반응기 1에 뿜어넣어 반응시스템으로 들어가게 한다.

안개모양으로된 반응원료와 뿜어 들인 증기 및 촉매제 재생기 4의 고온촉매제는 업파이프 반응기 1의 하부에서 혼합되어 업파이프 반응기 1을 따라 상승하여 촉매분류반응을 일으키고 반응 후의 오일과 가스는 촉매제와 함께 업파이프의 출구에서 선풍분리기 2에 진입되어 신속하게 오일과 가스를 고체과립 모양의 촉매제와 분리시키고 분리된 오일과 가스를 분류시스템 6으로 보낸다.

분리된 촉매제는 촉매제 재생기 4로 들어간다.이런 촉매제의 표면에는 반응과정에서 생기는 탄소층이 생성되며 이 탄소층은 재생기 안에서 연소제거된다.이 과정을 코크-버닝(coke-burning)이라고 한다. 코크-버닝(coke-burning) 과정에서 생기는 과잉열량은 외부취열기 5가 가져간다. 코크-버닝을 걸쳐 재생된 촉매제는 다시 업파이프 반응기 1의 하부에 들어가며 원료와 혼합된 후 반응을 일으킨다. 촉매제의 활성을 유지하고 또한 소모된 촉매제를 보충하기 위하여 외부로부터 촉매제 재생기로 새 촉매제를 보충시킨다.

분리기로부터의 오일과 가스는 분류시스템 6에 진입하여 당해 시스템의 분리를 걸쳐 액체탄화수소, 휘발유, 디젤유를 산출한다. 산출된 싸이클 오일 슬러리와 싸이클오일 및 부분적인 휘발유는 업파이프 반응기 1에 되돌아간다.

당해 장치의 응용예에서 다음과 같은 몇가지 주요조작변량을 최적화 변량으로 선택한다.

● 업파이프반응기 출구온도

● 업시키려는 건성 가스의 유량

● 투입원료의 온도

● 종결제의 유량

● 싸이클 휘발유의 비례

● 싸이클 오일의 유량

● 싸이클 오일슬러리의 유량

● 신촉매제 추가량

최적화되는 기술지표(목표함수)에는 다섯개가 있다.

● 액체탄화수소의 수율

● 휘발유의 수율

● 디젤유의 수율

● 총액체의 수율

● 장치 총 경제 효익

최적화제어시스템의 구조는 도면8과 같다. 고정수치 제어시스템은 HONEYWELL TPS3000의 집산제어시스템으로 구성되였으며 최적화제어는 HONEYWELL TPS3000의APP(Application Processing Platform:응용과정처리기)컴퓨터가 담당한다. 현재 공예의 요구에 따라 이상 다섯개의 기술지표중 하나를 선택하여 현재 최적화하고저 하는 기술지표로 한다. 그리고 다음의 스텝에 따라 진행한다.

1. 각 주요조작변량을 명명한다.

u₁=업파이프반응기 출구온도

u₂=업시키고자 하는 건성 가스의 유량

u₃=투입원료의 온도

u₄=종결제의 유량

u₅=싸이클 휘발유의 비례

u₆=싸이클 오일의 유량

u₇=싸이클 오일슬러리의 유량

u₈=신촉매제의 첨가량

각 목표함수를 명명한다.

J₁=액체탄화수소의 수율

J₂=휘발유의 수율

J₃=디젤유의 수율

J₄=총액체의 수율

J₅=장치 총경제효익

2. HONEYWELL TPS3000집산시스템과 APP컴퓨터를 이용하여 하나의 OPC(OLE for Process Control)를 베이스로 한 데이터채집시스템을 만든다. APP컴퓨터에서 데이터윈도우 넓이 8시간을 가지고 있는 실시간데이터베이스를 만든다. 60초를 사이 두고 주요조작조건과 각 기술지표(각 목표함수)의 데이터를 채집한다. 데이터윈도우안의 데이터는 데이터베이스에 저장되며 매번 샘플링을 할때마다 데이터윈도우는 앞으로 한개 샘플링시간이 이동되며 다시 말하면 가장 낡은 데이터가 포기되고 가장 새로운 데이터가 데이터베이스에 첨가된다.

3. 데이터샘플링이 끝나면 각 조작조건에 대해 자체상관 적분행렬

의 계산을 한다. 현유의 8개조작조건은 다음과 같다.

[수학식 16]

공식중에서

상기 적분중의 상하 한계치 3600, -3600, 10800, -10800은 당해 과정의 최적화 변량으로부터 목표함수통로에 이르기까지의 대체적인 향응시간에 따라 확정한 것이다.

4. 각 조작변량과 기술지표 간의 상호상관 적분행렬 K _UJ 를 계산한다: 현유 5개의 목표함수는 다음과 같다.

[수학식 17]

공식 중에서

5. 상기 조작조건의 자체상관 적분행렬과 조작변량 및 각 기술지표간의 상 호상관 적분벡터에 근거하여 조작조건이 종합 기술지표 간에 대한 그래디언트 벡터

를 계산해낸다. 먼저 하기의 일차방정식의 계산을 통하여 K ^d 를 계산해낸다.

[수학식 10]

[수학식 11]

그리고,

[수학식 12]

종합목표 함수J가 조작조건에 대한 그래디언트

는 다음과 같다.

[수학식 18]

공식 중에서

는 5개의 0 혹은 1의 상수이며 현재 최적화의 목표함수에 따라 정한다. 예를 들면 현재 최적화를 요구하는 것이 액체탄화수소 수율일 경우

를 취하고 나머지는 0을 취한다. 기타 상황에서도 유사하게 정한다.

6. 얻어낸 조작조건에 따라 종합기술지표의 그래디언트벡터

에 대해 조작조건의 변화방향을 계산한다. 그 원칙은 만일 계산해낸 그래디언트가 제로일 경우 당해 조작조건은 현재 이미 가장 우수한 상태에 있는 것이고 만일 제로가 아닐 경우는 그래디언트의 크기나 방향에 따라 조작조건에 대해 조정을 진행한다. 예를 들면 현재의 조작조건치(

)를 이미 알고 있다면 하기의 방법에 따라 조정 후의 조작조건치를 구해내고 기술지표의 최대화를 요구한다.

[수학식 19]

공식중에서

는 원래의 8개 조작조건치이며

는 조정후의 새로운 조작조건이다.

는 8개의 정수상수이며 이들 상수의 크기와 최적화제어의 수렴 속도와 상관되며 현장에서의 조정이 필요하다. 현장의 조정결과에 근거하여 0.001을 취한다.

7. 제3스텝으로 되돌아간다.

실제시스템의 테스트에 근거하여 액체탄화수소수율, 총액체수율과 장치 경제효익 이 세가지의 기술지표에 대해 하기와 같은 결과를 얻어냈다.

이상의 테스트결과에서 볼수 있는 바와 같이 당해 시스템은 비교적 좋은 응용효과를 가지고 있다.

실시예 2: 케톤벤젠 탈유탈랍 연합장치의 온라인 상관적분 최적화제어

케톤 벤젠 장치는 오일싸이클 공장의 윤활유 생산 메인장치이며 목적은 원료중 의 윤활유와 왁스를 분리시키는 것이고 또한 연속생산과정에 속하기도 한다. 당해 과정의 공예흐름도는 도면10과 같다.

원료오일은 시스템에 진입한 후 일곱 갈래로 나뉘어지며 매 갈래에 3개의 결정기가 설치되어 있다. 각 갈래에서는 우선 원료오일에 여과액체를 보태여 임시희석을 진행한 후 환열기 E101에 진입된다. 원료오일이 E101에 진입될 때 신선한 용제와 냉각 후의 여과액체를 넣어 한 차례의（1）희석을 진행하며 원료 오일이 한 차례의（1)희석과 E101 냉각을 거친 후 환열기 E101에 여과액체를 넣어 또 한 차례의（2) 희석을 진행한다. 그 후에 원료오일이 암모니움 냉각결정기 E102、E103에 진입된후 신선한 용제를 넣어 이차 희석을 진행한다. 결정 후의 원료오일은 완충탱크D101, 탈랍여과기에 진입되며 그 사이에 냉세척용제를 넣고 여과후의 여과액체는 여과액체탱크 D104를 걸쳐 용제회수 시스템에 회수된다. 여과되여 나온 왁스는 왁스액체탱크 D105와 D106에 들어간다. 일단 왁스탈유 여과기를 걸쳐 그 사이에 일단 냉세척이 첨가되여 그의 여과액체는 여과액체 탱크 D110속으로 들어간다. 일단 왁스탈유 여과기로부터 여과되여 나온 왁스는 왁스액체탱크D112에 들어가서 신선용제와 혼합된 후 이단의 왁스 탈유 여과기에 진입되며 이단 냉세척이 첨가된다. 이단왁스탈유 여과기에 의해 여과된 액체가 여과액체탱크D111에 들어간후 탈랍 여과기 왁스 액체탱크 D105에 들어간다. 이단 왁스 탈유 여과기로부터 여과되어 나온 왁스는 왁스탱크 D113안에서 이단희석 용제와 혼합된 후 형성된 탈유왁스가 용제회수시스템에 들어간다.

당해 시스템이 최적화하고저 하는 기술지표는 오일을 제거한 왁스의 수율이다. 주요한 조작변량(최적화변량)은 매개 갈래의 용제의 비율이며 구체적인 내용은 다음과 같다.

최적화제어기의 최적화변량은 23개 있으며 각각 다음과 같다.

1. 첫갈래 예비희석비

2. 두번째갈래 예비희석비

3. 세번째갈래 예비희석비

4. 네번째갈래 예비희석비

5. 다섯번째갈래 예비희석비

6. 여섯번째갈래 예비희석비

7. 일곱번째갈래 예비예비희석비

8. 첫번째갈래의 일차희석 (1)희석비

9. 두번째갈래의 일차희석 (1)희석비

10. 세번째갈래의 일차희석 (1)희석비

11. 네번째갈래의 일차희석 (1)희석비

12. 다섯번째갈래의 일차희석 (1)희석비

13. 여섯번째갈래의 일차희석 (1)희석비

14. 일곱번째갈래의 일차희석 (1)희석비

15. 첫번째갈래의 일차희석 (2)희석비

16. 두번째갈래의 일차희석 (2)희석비

17. 세번째갈래의 일차희석 (2)희석비

18. 네번째갈래의 일차희석 (2)희석비

19. 다섯번째갈래의 일차희석 (2)희석비

20. 여섯번째갈래의 일차희석 (2)희석비

21. 일곱번째갈래의 일차희석 (2)희석비

22. 이차비

23.냉세척비

이 시스템에서 고정수치 제어시스템에 쓰이는것은 YOKOGAWA Centem CS시스템이며 최적화제어컴퓨터는 당해 시스템의 조작장소이다. 상관적분 최적화가 제어하는 데이터윈도우 넓이는 13시간이다. 60초를 사이두고 주요조작조건과 기술지표(목표함수:오일을 제거한 왁스의 수율)의 데이터를 채집한다. 하기의 스텝에 따라 제어계산을 진행한다.

1. 각 주요조작변량을 명명한다.

u₁=첫갈래 예비희석비

u₂=두번째갈래 예비희석비

u₃=세번째갈래 예비희석비

u₄=네번째갈래 예비희석비

u₅=다섯번째갈래 예비희석비

u₆=여섯번째갈래 예비희석비

u₇=일곱번째갈래 예비희석비

u₈=첫번째갈래의 일차희석 (1)희석비

u₉=두번째갈래의 일차희석 (1)희석비

u₁₀=세번째갈래의 일차희석 (1)희석비

u₁₁=네번째갈래의 일차희석 (1)희석비

u₁₂=다섯번째갈래의 일차희석 (1)희석비

u₁₃=여섯번째갈래의 일차희석 (1)희석비

u₁₄=일곱번째갈래의 일차희석 (1)희석비

u₁₅=첫번째갈래의 일차희석 (2)희석비

u₁₆=두번째갈래의 일차희석 (2)희석비

u₁₇=세번째갈래의 일차희석 (2)희석비

u₁₈=네번째갈래의 일차희석 (2)희석비

u₁₉=다섯번째갈래의 일차희석 (2)희석비

u₂₀=여섯번째갈래의 일차희석 (2)희석비

u₂₁=일곱번째갈래의 일차희석 (2)희석비

u₂₂=이차비

u₂₃=냉세척비

목표함수를 명명한다.

J₁=오일을 제거한 왁스의 수율

2. YOKOGAWA Centum CS집산제어 시스템과 조합세트로 된 데이터 채집환 경으로 조작터에서 데이터 채집시스템을 만든다. 그리고 데이터윈도우 넓이가 13시간인 실시간데이터베이스를 만든다. 당해 데이터베이스는 매번 60초를 사이두고 YOKOGAWA Centem CS를 통하여 주요조작조건과 각 기술지표(각 목표함수)의 데이터를 채집한다. 데이터윈도우안의 데이터는 데이터베이스에 보존되며 매번 샘플링을 할때마다 데이터윈도우는 앞으로 한개 샘플링시간을 이동한다. 다시 말하면 가장 오래 된 데이터가 포기되고 가장 새로운 데이터가 데이터베이스에 첨가된다.

3. 데이터샘플링이 끝난 후 각 조작조건에 대해 자체상관 적분행렬

의 계산을 한다. 현유의 m=23개의 조작조건은 다음과 같다.

[수학식 8]

공식중에서

T=7200, M=14000은 적분상수이며 당해 상수는 탈랍과정의 대 체적인 시간상수에 의해 정해진다.

4. 각 조작변량과 기술지표간의 상호상관 적분행렬 K _UJ 를 계산한다.

[수학식 20]

공식중에서

T，M는 적분상수이고 T=7200, M=14000이다。

5. 이상의 조작조건의 자체상관 적분행렬과 조작변량 및 각 기술지표 간의 상호상관 적분벡터 근거하여 조작조건의 종합 기술지표 간에 대한 그래디언트 벡터

를 계산한다. 먼저 하기의 일차방정식을 계산하여K ^d 를 얻어낸다.

[수학식 10 및 11]

종합 목표함수J가 조작조건에 대한 그래디언트가

이다.

[수학식 21]

공식중에서

6. 얻어낸 조작조건이 종합기술지표에 대한 그래디언트 벡터

에 근거하여 조작조건의 변화방향을 계산한다. 그 원칙은 만일 계산해낸 그래디언트가 제로라면 당해 조작조건은 현재 이미 최적상태에 있는 것이고 만일 제로가 아니라면 그래디언트의 크기와 방향에 따라 조작조건에 대해 조정을 진행한다. 예를 들면 현재의 조작조건의 수치를 이미 알고 있다면 아래의 방법에 따라 조정후의 조작조건의 수치를 구하며 기술지표의 최대화를 요구한다.

[수학식 14]

공식중에서

는 원래의m개의 조작조건의 수치이며

는 조정 후의 새로운 조작조건이다.

[수학식 15]

는 m개의 정수상수이며 이들 상수의 크기는 최적화 제어의 수 렴속도와 관계되며 현장에서 조정을 진행할 필요가 있다. 현장의 조정결과에 따라 취하게 되는 수치가 모두 0.001이다.

7. 제3스텝으로 되돌아간다.

실험을 통하여 아래와 같은 도표를 얻었다.

Claims

다입력 다출력 연속생산과정의 실시간 조작최적화 방법에 있어서 생산과정 중의 여러 개의 주요조작조건을 최적화변량으로 하고 주요조작조건과 상관되는 하나 혹은 여러 개의 기술지표를 목표함수로 하여 생산과정의 주요조작조건과 기술지표의 역사데이터에 근거하여 온라인에서 주요조작조건과 기술지표간의 현재 시간에서의 그래디언트벡터를 계산한 다음 이 그래디언트벡터에 근거하여 조작조건의 조정방향을 확정하며 그래디언트벡터가 마이너스 혹은 플러스일때 주요조작조건을 조정하여 그래디언트벡터가 제로방향을 향해 변화하도록 하여 기술지표가 최적에 달하게 하며 상기 그래디언트벡터의 계산은 온라인에서 끊임없이 진행되고 있으며 기술지표가 최적에 달했든 달하지 않았든가에 상관없이 일단 그래디언트가 제로가 아님이 발견되였을 경우 주요조작조건을 조정하여 그래디언트 벡터가 제로방향에 따라 변화하도록 조정을 하여 최적포인트의 추적을 실현하는 것을 특징으로 하는 다입력 다출력 연속생산과정의 실시간 조작최적화 방법에 있어서, 온라인에서 주요조작조건과 기술지표간의 현재 시간에서의 그래디언트벡터를 계산해내는 방법은 상관적분기술을 이용하여 생산과정의 주요조작조건과 기술지표의 역사데이터에 대해 적분계산을 진행하고, 상기 상관적분기술은 구체적으로 하기의 내용 즉,

목표함수
를 구축하는데, 당해목표함수는 온라인에서 계산할수 있거나 혹은 온라인에서 측량할수 있어야 하며
[수학식 1], 그중의
는 m차원의 평균치로서 제어가능한 최적화변량이고
는 간섭이며
는 미지의 사상이고,

공식

[수학식 4]

와 조작변량
(i=1, 2,...,m)에 근거하여 최적화변량의 자체상관 적분행렬
을 계산해내는데 그 중에서 T，M는 0보다 큰 적분상수이고,

공식

[수학식 5]과 목표함수의 실시간측정치
에 근거하여 최적화변량과 목표변량의 상호상관 적분벡터를 계산해내는데 그 중에서 T，M은 0보다 큰 적분상수이고,

공식
[수학식 6]

에 근거하여 목표함수의 그래디언트
를 구해내고,

공식
[수학식 7]

에 근거하여 최적화 변량의 새로운 설정치
를 계산해 내는데 공식중에서
는 상수인 것을 특징으로 하는 다입력 다출력 연속생산과정중의 실시간 조작최적화 방법.
삭제
삭제
제 1항에 있어서,

상기 방법은 하기의 스텝을 포함하며

(1) 최적화하고저 하는 과정의 요구에 따라 여러 개의 최적화하고저 하는 기술지표 즉 목표함수
를 확정하며, 이와 같은 목표함수는 꼭 온라인에서 계산할 수 있거나, 측정할 수 있어야 하며, 종합적인 목표함수
를 구축하는데, 여기서의
는 각 목표함수의 부가수치이고 공정요구에 따라 0부터 1까지의 수치를 취하며 여기서의 부가수치는 시간에 따라 변화할 수 있으며,

생산공정의 요구에 근거하여 최적화하고자 하는 주요조작조건
을 확정하여 최적화하고자 하는 여러 개의 변량으로 하며,

최적화하고자 하는 주요조작조건에 대해 종래의 제어를 진행하며 그의 설정치는 최적화 제어컴퓨터가 상관적분 기술을 이용하여 계산을 진행하며 공정요구에 따라 일정한 시간주기를 두고 한차례씩 설정치의 조정을 진행하며;

(2)데이터윈도우의 실시간 데이터 채집시스템을 만들고 주요조작조건과 기술지표의 데이터를 채집하여 생산과정의 주요조작조건과 기술지표의 역사데이터를 획득하며;

(3) 데이터샘플링이 끝나면 각 주요조작조건에 대해 자체상관 적분행렬
의 계산을 진행하는데,

m개의 조작조건이 설정되어 있다면,

[수학식 8]

공식 중에서

T，M는 적분상수이며,

(4) 각 조작변량과 기술지표 간의 상호상관 적분행렬
를 계산한다. n 개의 목표함수를 설정하면,

[수학식 9]

공식중에서

T，M은 적분상수이고,.

(5) 상기 조작조건의 자체상관 적분행렬 및 조작변량과 각 기술지표 간의 상호상관 적분벡터에 근거하여 조작조건의 종합기술지표간에 대한 그래디언트 벡터
를 계산해내고, 먼저 하기의 일차방정식의 계산을 통해 K^d 를 얻어내며,

[수학식 10]

[수학식 11]

그리고,

[수학식 12]

종합목표 함수J가 조작조건에 대한 그래디언트
는

[수학식 13]이며,

(6) 얻어낸 조작조건이 종합기술지표에 대한 그래디언트 벡터
에 근거하여 조작조건의 변화방향을 계산해내고 그의 원칙은 계산해낸 그래디언트가 제로라면 당해 조작조건이 현재 이미 최적상태에 있음을 말하며 만일 제로가 아니라면 그래디언트의 크기와 방향에 따라 조작조건에 대한 조정을 진행하고;

(7) 조정이 끝나면 일정한 시간을 사이에 두고 다시 데이터의 샘플링을 진 행하며 스텝 3으로 되돌아가고;

스텝 3에서부터 6까지의 과정은 온라인에서 끊임없이 진행되고 있음으로 각 조작포인트가 최종적으로 최적포인트에 도달하는 것을 특징으로 하는 다입력 다출력 연속생산과정 중의 실시간 조작최적화 방법.
제4항에 있어서, 스텝(1)에서 최적화하고저 하는 주요조작조건에 대해 진행하는 종래의 제어는 우선 집산시스템컴퓨터 즉 DCS 혹은 종래의 계기가 최적화하고자 하는 조작조건에 대해 종래의 제어를 진행하는 것이며 그의 설정치는 최적화제어컴퓨터가 상관적분 기술을 이용하여 계산을 진행하며 일정한 시간을 사이에 두고 주기적으로 한번 씩 설정치의 조정을 진행하는 것을 특징으로 하는 다입력 다출력 연속생산과정 중의 실시간 조작최적화 방법.
제4항에 있어서, 상기 스텝(2)에서 구체적인 과정의 시간특성에 근거하여 데이터윈도우를 가지고 있는 실시간 데이터채집 시스템을 만들고 주요조작조건과 기술지표데이터를 채집하는 방법은 일정한 데이터윈도우 넓이를 가지고 있는 실시간 데이터채집 데이터시스템을 만드는 것이며 생산과정의 주요조작조건과 기술지표의 역사데이터를 획득하기 위해 일반적으로 당해 시스템은 집산제어시스템 즉 DCS로 구성되어 있으며 또한 당해 시스템은 일정한 샘플링 간격을 두고 주요조작조건과 각 기술지표 즉 각 목표함수의 데이터를 채집하고 있으며 데이터윈도우의 데이터는 데이터베이스에 저장되며 매번 한차례의 샘플링을 할 때마다 데이터윈도우는 앞으로 한 개 샘플링시간이 이동되어 가장 낡은 데이터가 포기되고 가장 새로운 데이터가 데이터베이스에 첨가되는 것을 특징으로 하는 다입력 다출력 연속생산과정 중의 실시간 조작최적화 방법.
제6항에 있어서, 상기 스텝(2)에서 만든 데이터윈도우 넓이는 당해 공정과정 최적화변량이 목표함수에 이행되는 과정시간의 3 배이상 큰 것을 특징으로 하는 다입력 다출력 연속생산과정 중의 실시간 조작최적화 방법.
제6항에 있어서, 상기 스텝(2)에서 공예과정의 속도에 따라서 실시간 데이터채집 데이터시스템이 주요조작조건과 각 기술지표 즉 목표함수의 데이터를 30-90초를 사이에 두고 한 번씩 채집하는 것을 특징으로 하는 다입력 다출력 연속생산과정중의 실시간 조작최적화 방법.
제4항에 있어서, 상기 스텝(6)에서 계산해낸 그래디언트가 제로라면 당해 조작조건은 현재 이미 최적상태에 있음을 말하며 계산해낸 그래디언트가 제로가 아니라면 그래디언트의 크기와 방향에 따라 조작조건에 대해 조정을 진행하는데 조작조건수치를 이미 알고 있다면 아래의 방법에 따라 조정 후의 조작조건치를 구해내고 종합기술지표의 최대화를 요구하는데

공식중에서

는 원래의 m개의 조작조건치이며
는 조정 후의 새로운 조작조건이고,

만일 기술지표 최대치를 구하고자 한다면
는 m개의 정수 상수인 것을 특징으로 하는 다입력 다출력 연속생산과정 중의 실시간 조작최적화 방법.
제7항에 있어서, 상기 스텝(6)에서 i번째의 조작조건 u_i에 있어서 매 번의 조정스텝의 길이는
이고 α_i 의 수치를 취하여 기술지표의 최대치를 구하고자 한다면 α_i 를 플러스 수치로 취하고 그렇지 않다면 마이너스 수치를 취하여 스텝길이의 크기를 조정하는 것을 특징으로 하는 다입력 다출력 연속생산과정중의 실시간 조작최적화 방법.