KR20220088881A - 공정의 비선형 모델 예측 제어 - Google Patents

공정의 비선형 모델 예측 제어 Download PDF

Info

Publication number
KR20220088881A
KR20220088881A KR1020227016859A KR20227016859A KR20220088881A KR 20220088881 A KR20220088881 A KR 20220088881A KR 1020227016859 A KR1020227016859 A KR 1020227016859A KR 20227016859 A KR20227016859 A KR 20227016859A KR 20220088881 A KR20220088881 A KR 20220088881A
Authority
KR
South Korea
Prior art keywords
steady
state
input
output
model
Prior art date
Application number
KR1020227016859A
Other languages
English (en)
Inventor
라훌 빈드리시
Original Assignee
다우 글로벌 테크놀로지스 엘엘씨
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 다우 글로벌 테크놀로지스 엘엘씨 filed Critical 다우 글로벌 테크놀로지스 엘엘씨
Publication of KR20220088881A publication Critical patent/KR20220088881A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • C—CHEMISTRY; METALLURGY
    • C07—ORGANIC CHEMISTRY
    • C07C—ACYCLIC OR CARBOCYCLIC COMPOUNDS
    • C07C29/00—Preparation of compounds having hydroxy or O-metal groups bound to a carbon atom not belonging to a six-membered aromatic ring
    • C07C29/15—Preparation of compounds having hydroxy or O-metal groups bound to a carbon atom not belonging to a six-membered aromatic ring by reduction of oxides of carbon exclusively
    • C07C29/151—Preparation of compounds having hydroxy or O-metal groups bound to a carbon atom not belonging to a six-membered aromatic ring by reduction of oxides of carbon exclusively with hydrogen or hydrogen-containing gases
    • C07C29/152—Preparation of compounds having hydroxy or O-metal groups bound to a carbon atom not belonging to a six-membered aromatic ring by reduction of oxides of carbon exclusively with hydrogen or hydrogen-containing gases characterised by the reactor used
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0285—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and fuzzy logic
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/058—Safety, monitoring
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24075—Predict control element state changes, event changes

Abstract

정상 상태 이득 반전을 나타내는 작동을 위한 화학 시스템이 본원에 제공되며 공급물 스트림을 수용하고 유출 스트림을 생성하여 공정을 형성하도록 구성된 반응기 및 공정을 제어하도록 구성된 제어 장치를 포함한다. 제어 장치는 작동 파라미터 및 출력 변수를 나타내는 입력을 수신하고, 입력 및 출력 변수에 응답하여 공정을 제어하거나 최적화하도록 구성된 정상 상태 조작 입력을 제공한다. 제어 장치는 입력 교란 모델, 상태 추정기, 비선형 정상 상태 목표 계산기, 및 정상 상태 조작 입력 및 관련 출력 변수에 기초하여 하나 이상의 입력의 조정을 위한 신호를 제공하도록 구성된 조절기를 포함한다.

Description

공정의 비선형 모델 예측 제어
알킬렌 옥사이드의 생산은 은계 촉매를 사용하여 산소의 존재 하에 올레핀의 촉매적 에폭시화를 이용하는 화학 시스템을 통해 달성될 수 있다. 이러한 공정에 사용되는 통상적인 은계 촉매는 전형적으로 상대적으로 더 낮은 효율 또는 "선택성"을 제공한다(예를 들어, 더 낮은 비율의 반응된 알킬렌이 원하는 알킬렌 옥사이드로 전환됨). 일부 공정에서 에틸렌의 에폭시화에 통상적인 촉매를 사용할 때 전환된 에틸렌의 분율로 표시되는 산화에틸렌에 대한 이론적 최대 효율은 6/7 또는 85.7% 한계를 초과하는 값에 도달하지 않는다.
소위 "높은 선택성" 또는 "높은 효율" 촉매와 같은 특정 촉매는 농도가 높은 효율을 제공하는 값으로부터 멀어짐에 따라 기체 상 촉진제 농도의 함수로서 상대적으로 가파른 효율 곡선을 나타내는 경향이 있다(예를 들어, 기체 상 촉진제 농도의 변경에 대한 효율의 변경은 효율을 최대화하는 촉진제 농도로부터 떨어져 작동할 때 적어도 0.2%/ppmv이다). 따라서, 촉진제 농도의 작은 변경은 효율이 시간 경과에 따라 기체 상 촉진제의 특정 농도(또는 공급 속도)에서 현저한 최대값, 예를 들어 최적값을 나타낼 수 있기 때문에 상당한 효율 변경을 초래할 수 있다. 화학 공정의 현저한 최대값은 대량 수송 및 화학 반응 속도로 인한 공정 비선형성 및 시간 지연을 특징으로 하는 다중 상(multi-phase) 유동 및 화학 반응으로 인한 것이다.
화학 공정에서의 많은 변수가 다른 변수와 비선형 관계, 예를 들어 변수의 루프간 상호 작용을 가지기 때문에, 비선형일 수도 있는 이러한 다중 상호의존 변수 관계를 효과적으로 특성화하려면 공정 모델을 개발할 필요가 있다. 다양한 구현예에서, 다른 접근법 중에서 선형 모델 예측 제어(LMPC: Linear Model Predictive Control)는 공정 제어 분야에서의 적용을 위해 제안되었다. 그러나, 이러한 접근법은 정상 상태 이득 반전을 갖는 공정에서 안정성이 계속 부족했다.
일부 실시형태에서, 정상 상태 이득 반전을 나타내는 작동을 위한 화학 시스템은 공급물 스트림을 수용하고 유출 스트림을 생성하여 공정을 형성하도록 구성된 반응기 및 공정을 제어하도록 구성된 제어 장치를 포함한다. 제어 장치는 작동 파라미터 및 출력 변수를 나타내는 입력을 수신하고, 입력 및 출력 변수에 응답하여 공정을 제어하거나 최적화하도록 구성된 정상 상태 조작 입력을 제공한다. 제어 장치는 측정되지 않은 교란을 결정하기 위해 맞춤 출력 측정으로서 정상 상태 조작 입력을 사용하는 것에 기초한 입력 교란 모델, 맞춤 출력 측정을 활용하여 공정에 들어가는 측정되지 않은 교란을 추정하고 이에 의해 모델에 의한 공정의 특성화에 기초하여 공정에서의 변경을 예측하도록 구성된 상태 추정기, 모델에 의해 계산된 공정의 특성화에 기초하여 공정에 대한 정상 상태 조작 입력을 결정하도록 구성된 비선형 정상 상태 목표 계산기, 및 정상 상태 조작 입력 및 관련 출력 변수에 기초하여 하나 이상의 입력을 조정하기 위한 신호를 제공하도록 구성된 조절기를 포함한다.
일부 실시형태에서, 제어 장치를 통해 화학 시스템을 제어하는 방법은 공정의 작동 파라미터 및 정상 상태 출력 변수를 나타내는 입력을 수신하는 단계를 포함한다. 본 방법은 또한 측정된 교란과 측정되지 않은 교란 모두의 존재 하에 최적화된 조작된 입력을 결정하기 위해 맞춤 출력 측정으로서 최적의 조작된 정상 상태 입력을 사용하는 것에 기초하여 입력 교란 모델을 구현하는 단계를 포함한다. 또한, 본 방법은 모델에 의한 공정의 특성화에 기초하여 공정을 예측하기 위해 공정의 상태를 추정하는 단계를 포함한다. 본 방법은 화학 시스템의 하나 이상의 정상 상태 출력 변수의 모델링 및 추정에 의한 공정의 특성화에 기초하여 공정에 대한 목표하는 조작된 입력을 결정하는 단계를 추가로 포함한다. 마지막으로, 본 방법은 목표하는 조작된 입력에 기초하여 공정을 조절하는 단계를 포함한다.
이제 도면을 참조하면, 예시적인 실시형태가 상세히 도시된다. 도면이 일부 실시형태를 나타내지만, 도면은 반드시 축척에 따른 것은 아니며, 특정 특징은 본 발명을 더 잘 예시하고 설명하기 위해 과장되거나 제거되거나 부분적으로 섹션화될 수 있다. 또한, 본원에 기재된 실시형태는 예시적인 것이며, 총망라하거나 다르게는 도면에 도시되고 다음의 상세한 설명에 개시되어 있는 정확한 형태 및 구성으로 청구범위를 한정하거나 제한하도록 의도되지 않는다.
도 1은 본 개시내용의 실시형태에 따른, 올레핀을 에폭시화함으로써 알킬렌 옥사이드를 제조하는 공정의 실시형태를 도시하는 공정 흐름도이다.
도 2는 본 개시내용의 실시형태에 따른, 정상 상태 이득 반전을 갖는 공정을 위한 비선형 모델 예측 제어(NMPC) 장치의 개략도이다.
도 3은 본 개시내용의 실시형태에 따른, 조작된 입력에 기초한 출력의 정상 상태 변화를 도시하는 그래프이다.
도 4는 본 개시내용의 실시형태에 따른, 정상 상태 에틸렌 옥사이드(EO) 선택성을 도시하는 그래프이다.
도 5는 본 개시내용의 실시형태에 따른, 기준선 데이터에 기초한 EO 선택성을 나타내는 그래프이다.
도 6은 본 개시내용의 실시형태에 따른, 기준선 데이터에 기초한 시간 경과에 따른 염화 유효성 파라미터 Z 및 EO 생산 속도를 도시하는 한 쌍의 그래프이다.
도 7은 본 개시내용의 실시형태에 따른, 높은 생산 속도에서 NMPC 장치의 사용에 기초한 EO 선택성을 도시하는 그래프이다.
도 8은 본 개시내용의 실시형태에 따른, 높은 생산 속도에서 NMPC 장치의 사용에 기초한 시간 경과에 따른 염화 유효성 파라미터 Z 및 EO 생산 속도를 도시하는 한 쌍의 그래프를 도시하는 그래프이다.
도 9는 본 개시내용의 실시형태에 따른, 증가하는 생산 속도를 갖는 NMPC 장치의 사용에 기초한 시간 경과에 따른 염화 유효성 파라미터 Z 및 EO 생산 속도를 도시하는 한 쌍의 그래프를 도시하는 그래프이다.
도 10은 본 개시내용의 실시형태에 따른, 증가하는 생산 속도를 갖는 NMPC 장치의 사용에 기초한 EO 선택성을 도시하는 그래프이다.
도 11은 본 개시내용의 실시형태에 따른, 측정되지 않은 교란을 갖는 NMPC 장치의 사용에 기초한 시간 경과에 따른 염화 유효성 파라미터 Z 및 EO 생산 속도를 도시하는 한 쌍의 그래프를 도시하는 그래프이다.
도 12는 본 개시내용의 실시형태에 따른, 측정되지 않은 교란을 갖는 NMPC 장치의 사용에 기초한 EO 선택성을 도시하는 그래프이다.
정의
본원에서 원소 주기율표에 대한 모든 언급은 2003년 CRC Press, Inc.에서 출판되고 이에 저작권이 있는 원소 주기율표를 참조로 한다. 또한, 족(Group) 또는 족들에 대한 임의의 언급은 족의 번호 매기기를 위해 IUPAC 시스템을 사용하여 이러한 원소 주기율표에 반영된 족 또는 족들에 대한 것이다. 달리 언급되거나, 문맥으로부터 암시되거나 또는 당업계에서 통상적이지 않는 한, 모든 부(part) 및 퍼센트는 중량을 기준으로 한다. 미국 특허 실무를 위해, 본원에서 참조된 임의의 특허, 특허 출원 또는 공보의 내용은, 특히 (본원에서 제공된 임의의 정의와 모순되지 않는 정도까지) 합성 기술, 정의 및 당업계의 일반적 지식의 개시와 관련하여, 그 전문이 참조로 본원에 포함된다(또는 그 대응 US 버전이 참조로 그렇게 포함됨).
미국 특허 실무 상, 임의의 참조된 특허, 특허 출원 또는 공보의 내용은 특히 정의(본 개시내용에 구체적으로 제공된 임의의 정의와 상반되지 않는 한) 및 당업계의 일반 지식의 개시내용과 관련하여 그 전체 내용이 참조로 포함된다(또는 그와 동등한 US 버전이 이와 같이 참조로 포함된다).
본원에 개시된 수치 범위는 하한치와 상한치를 포함해서, 그 사이의 모든 값을 포함한다. 명시적 값(예를 들어, 1, 또는 2, 또는 3 내지 5, 또는 6, 또는 7의 범위)을 함유하는 범위의 경우, 임의의 2개의 명시적 값 사이의 임의의 하위 범위가 포함된다(예를 들어, 상기 1 내지 7의 범위는 1 내지 2; 2 내지 6; 5 내지 7; 3 내지 7; 5 내지 6 등의 하위 범위를 포함).
반대로 언급되거나, 문맥으로부터 암시되거나, 당업계에서 통상적이지 않는 한, 모든 부(part) 및 백분율은 중량 기준이고, 모든 시험 방법은 본 개시내용의 출원일 현재 통용되는 것이다.
본원에 사용되는 용어 "조성물"은 조성물을 이루는 물질의 혼합물, 뿐만 아니라 조성물의 물질로부터 형성된 반응 생성물 및 분해 생성물을 지칭한다.
본원에 사용되는 용어 "알킬렌 옥사이드"는 하기 구조 A를 가지며:
구조 A
Figure pct00001

R1 및 R2는 수소 및 1 내지 6개의 탄소 원자를 갖는 알킬 라디칼로 이루어진 군으로부터 개별적으로 선택된다. 예를 들어, 알킬렌 옥사이드는 프로필렌 옥사이드(R1=CH3, R2=H) 또는 에틸렌 옥사이드(R1=R2=H)일 수 있다.
용어 "포함하는", "함유하는", "갖는" 및 이들의 파생어는, 임의의 추가 성분, 단계 또는 절차의 존재가 구체적으로 개시되어 있는지의 여부와는 상관없이, 이들을 배제하고자 하는 것은 아니다. 어떠한 의심의 여지를 피하기 위해, 용어 "포함하는"의 사용을 통해 청구된 모든 조성물은 달리 명시되지 않는 한, 중합체인지 여부와 상관없이 임의의 추가 첨가제, 보조제 또는 화합물을 포함할 수 있다. 대조적으로, 용어 "본질적으로 이루어진다는"는 것은 작동성에 본질적이지 않은 것들을 제외하고, 임의의 다른 성분, 단계 또는 절차를 임의의 이어지는 기재 범주에서 제외한다. 용어 "이루어진다"는 것은 구체적으로 기술되거나 열거되지 않은 임의의 성분, 단계 또는 절차를 제외한다.
"작동 가능하게 연결된" 또는 "작동 가능하게 결합된"이라는 용어는 조합되어 원하는 기능을 달성하는 임의의 두 구성요소를 포함한다. 작동 가능하게 결합된 것의 일부 예는 물리적으로 만들 수 있는 구성요소, 물리적으로 상호 작용하는 구성요소, 무선으로 상호 작용하는 구성요소, 무선으로 상호 작용하는 구성요소, 논리적으로 상호 작용하는 구성요소 및/또는 논리적으로 상호 작용하는 구성요소를 포함하지만 이에 제한되지 않는다.
"제어 장치"는 제어 신호, 구동 신호, 전력 신호, 센서 신호 등을 송수신하기 위한 입력 및 출력과 함께, 프로세서, 마이크로컨트롤러, 주문형 집적 회로(application-specific integrated circuit), 프로그래밍 가능한 게이트 어레이 및 임의의 기타 디지털 및/또는 아날로그 구성요소, 뿐만 아니라 전술한 것의 조합을 비제한적으로 포함하는 본원에 기재된 다양한 구성 요소를 제어하기에 적합한 소프트웨어 및/또는 처리 회로의 임의의 조합을 포함한다. 이러한 모든 컴퓨팅 장치 및 환경은 다른 의미가 명시적으로 제공되거나 문맥으로부터 명백하지 않는 한, 본원에서 사용되는 "제어 장치", "제어기" 또는 "프로세서"라는 용어의 의미에 속하도록 의도된다.
"에틸렌 옥사이드"는 화학식 C2H4O 및 하기 구조 B를 갖는 환형 에테르(에폭사이드)이다.
구조 B
Figure pct00002
본 개시내용은 비제약 제어 법칙을 공식화하지 않고 일반적으로 비선형 제약 최적화 문제를 해결할 수 있는 적절한 교란 모델로 증강된 비선형 모델 예측 제어(NMPC) 장치를 구현하는 화학 시스템을 제공한다. 본원에 제공되는 제어 장치는 정상 상태 이득 공정이 부호를 변경하는 최적 지점(예를 들어, "피크")에서 또는 원하는 또는 최적 범위 내에서 공정을 제어하기 위한 충분한 확실성을 보장할 수 있다. 또한, 본원에 제공되는 제어 장치는 불안정을 방지하기 위해 해당 지점에서 떨어져 작동하는 대신 교란이 있을 때 정상 상태 이득 반전이 발생하는 피크 근처에서 공정을 일반적으로 유지하기 위해 입력을 조작한다.
측정된 교란이 있을 때 최적 지점에서 정상 상태 이득 반전으로 공정을 제어하는 것은 정상 상태 이득의 빈번한 부호 변경을 초래할 수 있으며 제어된 출력을 최대화하는 적절한 제어 조치를 위해 교란의 적절한 추정을 필요로 한다. 상당한 공정 교란 및 잠재적인 모델링 오류로 인해 이득 반전으로 실제 산업 공정을 제어하는 적용에서 문제가 발생할 수 있으며, 이에 의해 확실한 솔루션의 중요성을 증가시킨다. 따라서, 본원에 제공되는 화학 시스템은 드물게 이용 가능한 맞춤 출력 측정으로서 관찰된 최적화된 조작된 정상 상태 입력의 사용을 통해 조작된 입력에 대해 정상 상태 이득 반전을 갖는 출력 변수를 최대화하도록 구성될 수 있다. 화학 시스템은 또한 정상 상태 이득 반전으로 출력 변수를 최대화하기 위해 드문 맞춤 출력 측정을 활용하는 입력 교란 모델을 구현한다.
이제 도 1을 참조하면, 알킬렌 옥사이드를 제조할 수 있는 화학 시스템(10)은 본 개시내용의 실시형태에 따른 반응기(12)를 포함한다. 불순물로서 에탄과 같은 포화 탄화수소를 포함하는 올레핀 공급물 스트림(14)은 산소 공급물(16) 및 기체 상 촉진제 공급물(18)과 조합되어 반응기 입구에 근접한 반응기 공급물 스트림(20)을 정의한다. 반응기 생성물 스트림(22)은 알킬렌 옥사이드 생성물과 부산물(예를 들어, CO2, H2O 및 소량의 포화 탄화수소), 미반응 올레핀, 산소 및 불활성 물질을 포함한다. 일부 상업적 공정에서, 일부 물 생성물과 함께 알킬렌 옥사이드 생성물은 알킬렌 옥사이드 회수 유닛에서 반응기 생성물 스트림(22)으로부터 제거될 수 있다. 원하는 경우, 미반응 올레핀 및 산소를 재순환시키기 위해 재순환 스트림(24)이 또한 제공될 수 있다. 그러나, 재순환 스트림(24)이 구현되는 경우, 아르곤 및 에탄과 같은 부산물 및/또는 불순물의 축적을 줄이기 위해 퍼지 라인이 제공될 수 있다. 또한, 일부 실시형태에서, 플랜트(10)는 또한 반응기(12)에 들어가기 전에 재순환 스트림(24)이 새로운 공급물 스트림(20)과 조합되는 곳의 상류에서 수행되는 이산화탄소 제거 단계를 포함한다.
일 실시형태에서, 공급물 스트림(14)에 의해 제공되는 올레핀은 에틸렌이다. 추가적으로 또는 대안적으로, 일 실시형태에서, 올레핀 공급물 스트림(14)은 방향족 올레핀, 디-올레핀 - 공액 여부에 상관없이 -, C2-C12 α-올레핀, 및/또는 C2-C8 α-올레핀을 포함할 수 있다. 산소 공급물(16)은 실질적으로 순수한 산소 또는 공기를 포함할 수 있다. 순수한 산소가 사용되는 경우, 질소 또는 메탄과 같은 밸러스트(ballast) 가스 또는 희석제(26)가 또한 포함되어 산소 농도를 가연성 고려 사항에 의해 허용되는 최대 수준 아래로 유지할 수 있다. 반응기 공급물 스트림(20)에서의 산소 농도는 넓은 범위에 걸쳐 변하며, 실제로 가연성은 산소 농도에 대한 제한 인자일 수 있다.
존재하는 경우, 반응기 공급물 스트림(20)에서의 이산화탄소 농도는 반응기(12)에서 사용되는 촉매의 효율, 활성 및/또는 안정성에 역효과를 가질 수 있다. 이산화탄소는 반응 부산물로서 생성되고 불순물로서 다른 유입 반응 가스와 함께 도입된다. 다양한 상업적 에틸렌 에폭시화 공정에서 이산화탄소의 적어도 일부는 농도를 사이클에서 허용 가능한 수준으로 제어하기 위해 연속적으로 제거된다.
기체 상 촉진제는 원하는 알킬렌 옥사이드를 생산하기 위한 화학 시스템(10)의 효율 및/또는 활성을 향상시키는 화합물이다. 실시형태에서, 기체 상 촉진제는 유기 염화물을 포함한다. 예를 들어, 기체 상 촉진제는 메틸 클로라이드, 에틸 클로라이드, 에틸렌 디클로라이드, 비닐 클로라이드 및 이들의 혼합물로 이루어진 군으로부터 선택된 적어도 하나이다. 다양한 실시형태에서, 에틸 클로라이드 및 에틸렌 디클로라이드는 기체 상 촉진제 공급물 스트림(18)일 수 있다. 예로서 클로로탄화수소 기체 상 촉진제를 사용할 때, 원하는 알킬렌 옥사이드에 대한 화학 시스템(10)의 성능(예를 들어, 효율 및/또는 활성)을 향상시키는 촉진제의 능력은 기 체상 촉진제가 예를 들어 원자 염소 또는 염화물 이온과 같은 특정 염소 종을 촉매에 침착시킴으로써 반응기(12)에서 촉매의 표면을 염소화하는 정도에 따라 달라진다고 믿어진다. 그러나, 염소 원자가 없는 탄화수소는 촉매로부터 염화물을 제거하고, 따라서 기체 상 촉진제에 의해 제공되는 전반적인 성능 향상을 저해하는 것으로 믿어진다. 에탄 또는 프로판과 같은 파라핀계 화합물은 촉매로부터 염화물을 제거하는 데 특히 효과적인 것으로 여겨진다. 그러나, 에틸렌 및 프로필렌과 같은 올레핀은 또한 촉매로부터 염화물을 제거하는 작용을 하는 것으로 여겨진다. 이들 탄화수소 중 일부는 또한 에틸렌 공급물 스트림(12)에 불순물로서 도입될 수 있거나 다른 이유(예를 들어, 재순환 스트림(24)의 사용)로 존재할 수 있다. 일부 실시형태에서, 반응기 공급물 스트림(20)에서 에탄의 농도는 존재하는 경우 0 내지 약 2몰%이다. 반응기 공급물 스트림(20)에서 기체 상 촉진제 및 염화물-제거 탄화수소의 경쟁 효과를 고려할 때, 촉매를 염화하는 데 있어서 기체 상 종의 순 효과를 나타내는 "전체 촉매 염화 유효성 값"을 정의하는 것이 편리하다. 유기 염화물 기체 상 촉진제의 경우, 전체 촉매 염화 유효성은 무차원량 Z로서 정의되고 다음 식으로 표시될 수 있으며:
Figure pct00003
상기 식에서 에틸 클로라이드 당량은 공급물 스트림(20) 중 유기 클로라이드의 농도에서 반응기 공급물 스트림(20)에 존재하는 유기 클로라이드의 실질적으로 동일한 촉매 염화 유효성을 제공하는 에틸 클로라이드의 농도(ppmv; 이는 ppm 몰에 상당함)이고; 에탄 당량은 반응기 공급물 스트림(20) 중 비-염화물 함유 탄화수소의 농도에서 반응기 공급물 스트림(20) 내의 비-염화물 함유 탄화수소의 실질적으로 동일한 촉매 탈염 유효성을 제공하는 에탄 농도(몰%)이다.
기체 염소-함유 촉진제가 단일 종으로서 공급될 수 있지만, 촉매와 접촉시 다른 종들이 형성되어 기체 상의 혼합물을 초래할 수 있다. 결과적으로, 반응 가스가 재순환 스트림(24)을 통해 재순환되는 경우, 종의 혼합물이 반응기(12)의 입구에서 발견될 것이다. 특히, 입구에서 재순환된 반응 가스는 에틸 클로라이드, 비닐 클로라이드, 에틸렌 디클로라이드 및/또는 메틸 클로라이드를 함유할 수 있지만, 에틸 클로라이드 또는 에틸렌 디클로라이드만이 새로운 공급물 스트림(20)에 공급된다.
유입 가스(알킬렌, 산소 및 밸러스트 가스)와 기체 상 촉진제가 혼합되는 순서는 다양할 수 있으며 혼합은 동시에 또는 순차적으로 발생할 수 있다. 공정의 기체 성분의 혼합 순서는 편의상의 이유, 안전상의 이유 및/또는 임의의 기타 이유로 선택된다. 예를 들어, 산소는 안전상의 이유로 밸러스트 가스 뒤에 첨가된다. 그러나, 일부 실시형태에서, 기체 상 촉진제는 반응기(12)에서의 고체 촉매에 도입될 때 반응기 공급물 스트림(20)에 존재해야 한다.
반응기(12)에 적합한 반응기의 비제한적 예는 고정층 관형 반응기, 연속 교반 탱크 반응기(CSTR) 및 유동층 반응기를 포함한다. 선택된 특정 작동 모드는 공정 경제성에 의해 결정될 수 있다. 에폭시화 반응은 발열 반응이다. 따라서, 냉각제 시스템(26)(예를 들어, 열 전달 유체 또는 끓는 물과 같은 냉각제 유체를 갖는 냉각 재킷 또는 유압 회로)이 반응기(12)의 온도를 조절하기 위해 제공된다. 반응 온도는 에틸렌 옥사이드의 원하는 수율을 제공하도록 선택된다. 실시형태에서, 에폭시화 반응은 적어도 200℃, 또는 적어도 210℃, 또는 적어도 220℃인 온도에서 수행된다. 다양한 실시형태에서, 300℃ 이하의 반응 온도 또는 290℃ 이하의 반응 온도가 구현된다. 반응기 압력은 원하는 질량 속도 및 생산성에 따라 선택되며 5 atm(506 kPa)에서 30 atm(3.0 MPa) 범위이다. 가스 시간당 공간 속도(GHSV)는 3000 hr-1 초과, 4,000 hr-1 초과 또는 5,000 hr-1 초과이다.
알킬렌 옥사이드, 예를 들어 에틸렌 옥사이드 또는 프로필렌 옥사이드의 생산을 위한 촉매는 적합한 담체 물질을 하나 이상의 은 화합물 용액으로 함침시킨 다음 담체의 기공 전체에 은을 환원 및 침착시키는 처리에 의해 제조될 수 있다. 일반적으로, 담체는 산소 또는 산소-함유 기체에 의한 알킬렌의 상응하는 알킬렌 옥사이드로의 산화를 촉매할 수 있는 임의의 양의 은인 촉매량의 은으로 함침된다.
실시형태에서, 다양한 촉진제는 특정 촉매 물질, 예를 들어 은과 조합하여 존재할 때 촉매 성능의 하나 이상의 측면에 도움이 되거나 또는 달리 원하는 생성물, 예를 들어 에틸렌 옥사이드 또는 프로필렌 옥사이드를 제조하는 촉매의 능력을 촉진하도록 작용하는 물질이다. 촉매에 이러한 촉진제의 존재는 촉매 성능에 대한 하나 이상의 유익한 효과, 예를 들어 원하는 생성물의 생산 속도 또는 양을 향상시키고, 적절한 반응 속도를 달성하는 데 필요한 온도를 감소시키며, 바람직하지 않은 반응의 속도 또는 양을 감소시키는 등에 기여하는 것으로 나타났다. 경쟁 반응은 반응기(12)에서 동시에 발생하며, 전체 공정의 유효성을 결정하는 중요한 인자는 이러한 경쟁 반응에 대한 제어의 척도이다. 원하는 반응의 촉진제라고 불리는 물질은 다른 반응, 예를 들어 연소 반응의 억제제일 수 있다. 중요한 것은 전체 반응에 대한 촉진제의 효과가 에틸렌 옥사이드와 같은 원하는 생성물의 효율적인 생산에 유리하다는 것이다. 촉매에 존재하는 하나 이상의 촉진제의 농도는 촉매 성능에 대한 원하는 효과, 특정 촉매의 다른 성분, 담체의 물리적 및 화학적 특성, 및 에폭시화 반응 조건에 따라 광범위하게 변한다.
적어도 두 가지 유형의 촉진제, 즉 고체 촉진제와 기체 촉진제가 있다. 고체 및/또는 기체 촉진제는 촉진량으로 제공된다. 촉매의 특정 성분의 "촉진량"은 상기 성분을 함유하지 않는 촉매와 비교할 때 그 촉매의 촉매 특성 중 하나 이상에서 개선을 제공하도록 효과적으로 작용하는 그 성분의 양을 지칭한다. 촉매 특성의 예는 작동성(런-어웨이(run-away)에 대한 내성), 효율성, 활성, 전환율, 안정성 및 수율을 포함한다. 당업자는 개별 촉매 특성들 중 하나 이상이 "촉진량"에 의해 향상될 수 있는 한편, 다른 촉매 특성은 향상되거나 향상되지 않거나 심지어 감소될 수 있음을 이해한다. 상이한 작동 조건에서 상이한 촉매 특성이 향상될 수 있음이 추가로 이해된다. 예를 들어, 한 세트의 작동 조건에서 향상된 효율을 갖는 촉매는 다른 세트의 조건에서 작동될 수 있으며, 여기서 개선은 효율성보다는 활성에서 나타나며 에틸렌 옥사이드 플랜트의 작동자는 의도적으로 작동 조건을 변경하여 공급원료 비용, 에너지 비용, 부산물 제거 비용 등을 고려하여 이익을 최대화하기 위해 다른 촉매 특성을 희생하더라도 특정 촉매 특성을 이용한다.
촉진제에 의해 제공되는 촉진 효과는 예를 들어 반응 조건, 촉매 제조 기술, 지지체의 표면적 및 기공 구조 및 표면 화학적 특성, 촉매의 은 및 공-촉진제 함량, 촉매에 존재하는 다른 양이온 및 음이온의 존재와 같은 많은 변수에 의해 영향을 받을 수 있다. 다른 활성화제, 안정화제, 촉진제, 강화제 또는 기타 촉매 개선제의 존재가 또한 촉진 효과에 영향을 미칠 수 있다.
에폭시화 공정의 성능은 선택성, 촉매의 활성 및/또는 공정 동안 작동 안정성에 기초하여 평가된다. 선택성은 원하는 올레핀 옥사이드를 생성하는 전환된 올레핀의 몰 분율이다. 일부 경우에, 에틸렌 옥사이드 생산에서 화학 시스템(10)의 작동자는 제약이 없는 경우 선택성을 최대화하기 위해 더 높은 에틸렌, 더 높은 산소 및 더 낮은 CO2 수준을 사용해야 한다고 생각할 것이다. 그러나, 일부 공정의 정상 상태 이득 반전 특성으로 인해, 촉매가 고온에서 작동하고 온도가 감소되는 경우, 선택성 이득이 관찰될 것이다. 그러나, 온도가 더 낮아질수록 선택성 이득의 정도가 작아지고 결국 선택성 최대값에 도달한다. 온도가 더 낮아짐에 따라 선택성이 또한 감소한다.
실시형태에서, 본원에 기재되는 화학 시스템(10)은 플랜트(10)의 작동 동안 최적 지점에서 또는 그 근처에서 공정을 유지하는 개방 루프 또는 폐쇄 루프 공정에서 사용될 수 있다. 두 공정 모두에서, 하나 이상의 입력을 조절하기 위해 제어 장치(28)가 사용된다. 예를 들어, 반응기 출구 스트림(22)과 작동 가능하게 결합된 유출물 농도 분석기(30), 공급물 스트림(20)과 작동 가능하게 결합된 반응기 공급물 농도 분석기(32), 올레핀 공급물 스트림(14) 하류의 올레핀 공급물 유량계(34), 기체 상 촉진제 공급물 스트림(18) 하류의 기체 상 촉진제 공급물 유량계(36), 및 냉각제 시스템(26)과 작동 가능하게 결합된 유량계(38)로부터 입력을 수신하는 제어 장치(28)가 제공된다. 제어 장치(28)는 컴퓨터화된 제어 시스템에서 구현되고 또한 중앙 처리 장치 및 메모리, 뿐만 아니라 궁극적으로 입력을 조절하기 위한 제어 밸브를 조정하는 데 사용되는 출력을 포함한다. 수신된 입력에 기초하여, 제어 장치(28)는 반응기 스트림(22)에서의 반응기 유출물 중 알킬렌 옥사이드의 몰% 및 반응기 공급물 스트림(20)에 대한 기체 상 촉진제 유효성 파라미터(예를 들어, Z)를 결정한다.
에틸렌 옥사이드 생산의 경우, 기체 상 촉진제는 하나 이상의 염소화 탄화수소이다. 따라서, 제어 장치(28)는 또한 분석기(32)로부터의 반응기 공급물 스트림(20)에서 에틸렌, 에탄 및 기타 비-염소화 탄화수소의 농도의 뿐만 아니라 에틸 클로라이드, 비닐 클로라이드 및 에틸렌 디클로라이드와 같은 염소화 탄화수소에 대한 농도 데이터를 수신한다. 그 다음 농도 데이터는 전체 염화 유효성(예를 들어, Z)를 계산하는 데 사용된다. 제어 장치(28)는 또한 반응기 출구 스트림(22)에서의 반응기 유출물 중 알킬렌 옥사이드의 몰% 및/또는 알킬렌 옥사이드의 수율에 대한 사용자 입력 설정점을 수신한다. 사용자 입력 설정점 및 분석기(30)로부터의 데이터에 기초하여, 제어 장치(28)는 반응기 출구 스트림(22)에서의 알킬렌 옥사이드의 농도 및/또는 알킬렌 옥사이드의 수율이 사용자 입력 설정점의 미리 결정된 범위 내에 있는지를 결정한다. 알킬렌 옥사이드 농도 및/또는 수율이 미리 결정된 범위를 벗어날 때, 제어 장치(28)는 반응 온도 또는 기체 상 촉진제의 유량(기체 상 촉진제 유효성 파라미터의 값을 변경하기 위해), 및/또는 임의의 다른 변수 입력을 조정한다.
제어 장치(28)는 반응기 공급물 스트림(20)에서 올레핀 농도를 조절하기 위해 제공된다. 예시된 실시형태에서, 제어 장치(28)는 반응기 공급물 스트림(20)에서의 올레핀의 양을 나타내는 분석기(32)로부터 조성물 데이터를 수신한다. 반응기 공급물 스트림(20)에서의 올레핀 농도에 대한 사용자 입력 설정점을 갖는 제어 장치(28)는 유량계(34)로부터 유동 데이터를 수신하고 올레핀 공급물 스트림(12)과 유체적으로 결합된 제어 밸브를 조작하여 그 유동을 제어한다. 제어 장치(28)는 아날로그 또는 디지털일 수 있고 컴퓨터화된 분산 제어 시스템에서 구현된다. 예시된 제어 방식은 단지 예시일 뿐이며 본 개시내용의 범위를 제한하려는 것은 아니다.
도 2를 참조하면, 화학 시스템에 대한 안정성 및 최대 수익성의 목표를 달성하기 위해, 제어 장치(28)는 화학 시스템(10)의 모델(42), 화학 시스템(10)의 작동을 예측하기 위해 화학 시스템(10)의 작동을 모의하도록 구성된 상태 추정기(44), 화학 시스템(10)을 작동시키기 위한 최적화된 조작 입력을 결정하도록 작동하는 정상 상태 계산기(46), 및/또는 최적화된 조작 입력에 기초하여 화학 시스템(10)을 조정하도록 구성된 조절기(48)를 포함하는 다양한 모듈을 갖는다. 본 명세서에서 기재되는 "모델", "상태 추정기", "계산기" 및/또는 "조절기"는 그의 구현 독립성을 보다 특별히 강조하기 위해 모듈로서 표시되었다. 예를 들어, 모듈은 맞춤 VLSI 회로 또는 게이트 어레이, 기성품(off-the-shelf) 반도체, 에컨대 논리 칩, 트랜지스터 또는 기타 개별 구성요소를 포함하는 하드웨어 회로로서 구현될 수 있다. 모듈은 또한 필드 프로그램 가능한 게이트 어레이, 프로그램 가능한 어레이 로직, 프로그램 가능한 논리 장치 등과 같은 프로그램 가능한 하드웨어 장치로서 구현될 수 있다.
모듈은 또한 다양한 유형의 프로세서에 의해 실행되도록 소프트웨어로 구현될 수 있다. 실행 가능한 코드의 식별된 모듈은 예를 들어 객체, 절차 또는 기능으로서 조직될 수 있는 컴퓨터 명령의 하나 이상의 물리적 또는 논리적 블록을 포함할 수 있다. 그럼에도 불구하고, 식별된 모듈의 실행 파일(executables)은 물리적으로 함께 위치할 필요는 없지만, 논리적으로 함께 결합될 때 모듈을 포함하고 모듈에 대해 언급된 목적을 달성하는 다른 위치에 저장된 이종 명령을 포함할 수 있다.
실행 가능한 코드의 모듈은 단일 명령 또는 많은 명령일 수 있으며, 심지어 여러 상이한 코드 세그먼트에 걸쳐, 상이한 프로그램 중에, 및 여러 메모리 장치에 걸쳐 분포될 수 있다. 유사하게, 작동 데이터는 본원에서 모듈 내에서 식별 및 예시될 수 있으며, 적절한 형태로 구현되고 적절한 유형의 데이터 구조 내에서 조직될 수 있다. 작동 데이터는 단일 데이터 세트로서 수집되거나 상이한 저장 장치를 포함하여 상이한 위치에 분포될 수 있으며, 적어도 부분적으로 시스템 또는 네트워크 상에 단지 전자 신호로서 존재할 수 있다.
실시형태에서, 화학 시스템(10)의 제어 장치(28)는 화학 시스템의 작동을 제어하도록 구성되며, 여기서 제어 장치는 화학 시스템의 작동 파라미터를 나타내는 입력 및 출력 변수를 수신하고, 입력 및 출력 변수에 응답하여 화학 시스템의 작동을 제어하고 최적화하기 위해 화학 시스템에 조작된 입력을 제공한다. 다양한 실시형태에서, 제어 장치(28)는 NMPC 장치(28)로서 구성되고 제어 가능한 화학 공정을 구현할 수 있는 플랜트(10)에 조작된 입력 u(또는 입력 변수)을 위한 값이 제공된다. 실시형태에서, 외부의 측정되지 않은 입력 교란 d 및/또는 측정된 교란 m이 플랜트에 제공된다. 실시형태에서, 조작된 입력 u, 입력 교란 d 및/또는 측정된 교란 m을 수신하는 것에 응답하여, 플랜트(10)는 다양한 출력 교란 P 1 , P 2 를 포함하는 출력 Y를 생성한다. 출력 Y는 상태 추정기(44)에 공급된다.
모델(42)은 적어도 하나의 입력과 적어도 하나의 출력 사이의 비선형 및/또는 선형 방정식으로 정의될 수 있고 플랜트(10)와 병렬로 작동한다. 비선형 모델(42)은 각각에 동일한 입력 u가 공급될 때 플랜트(10)와 유사한 예측 출력
Figure pct00004
을 제공하는 플랜트(10)의 다양한 공정의 수학적 모델이다. 다양한 실시형태에서, 모델(42)은 정상 상태 모델, 동적 모델, 적응 모델, 퍼지 모델 및/또는 신경망 모델 중 적어도 하나를 포함한다.
실시형태에서, 모델(42)은 화학 시스템(10)에서의 출력의 동적 및 정상 상태 응답을 그에 의해 수신된 입력에 대해 특성화한다. 다양한 실시형태에서, 비선형 모델(42)은 조작된 입력 u 및 추정된 입력 교란
Figure pct00005
를 수신한다. 이에 응답하여, 모델(42)은 출력 교란 추정치
Figure pct00006
,
Figure pct00007
를 인수분해하면서 예측된 출력
Figure pct00008
를 생성한다. 따라서, 화학 시스템(10)의 모델(42)은 화학 시스템(10) 및 그 제어 구조의 기능을 정확하게 묘사하도록 설계될 수 있다. 이를 위해 모델(42)은 비선형 문제를 해결하므로 각 출력 계산에 필요한 많은 계산으로 인해 계산이 까다로울 수 있다. 그러나, 실용적이도록, 모델(42)은 화학 시스템(10)을 운영하는 비용을 고려하면서 추정된 출력에 신속하게 도달해야 한다. 따라서, 제어 목표 중 하나는 단순히 작동을 최적화하는 대신에 작동 비용의 최적화(즉, 최소화)를 포함할 수 있다.
실시형태에서, 측정된 교란 및 측정되지 않은 교란 모두의 존재 하에서 최적화된 조작 입력의 위치를 결정하기 위해 드물게 이용 가능한 맞춤 출력 측정으로서 최적의 정상 상태 조작 출력일 수 있는 정상 상태 조작 입력을 사용하는 것에 기초한 입력 교란 모델이, 조작된 입력 u에 대해 정상 상태 이득 반전을 나타내는 출력 변수 y 1을 최대화하기 위해 1차 역학과 함께 사용된다. 정상 상태 비선형 모델 방정식은 다음과 같이 표현될 수 있으며:
Figure pct00009
상기 식에서 u ss 는 정상 상태 조작 입력이고, m은 측정된 교란이며, [
Figure pct00010
,
Figure pct00011
]은 정상 상태 제어 출력이다. 정상 상태 이득 반전을 갖는 출력 변수는 드물게 활성 제약이 되는 다양한 작동 한계 y 2와 함께 y 1로 표시된다. 정상 상태 비선형 모델(42)은 도 3에 도시된 바와 같이
Figure pct00012
가 최대화되는 피크에서 u ss 에 대한
Figure pct00013
의 정상 상태 이득에 대한 부호의 변경과 함께 조작된 입력 u ss 에 대한 출력
Figure pct00014
에 대한 이차(quadratic) 변화를 갖는다. 다른 실시형태에서, 화학적 공정 또는 작동의 정의된 목표 범위를 결정하기 위해 임의의 다른 수학적 함수가 이용될 수 있다. 다양한 정상 상태 이득 및 시간 상수를 갖는 1차 역학이 사용되어 출력 y 1 및 y 2에 대한 입력 u 및 m의 효과를 정의할 수 있다. 따라서, 실시형태에서, 1차 역학과 함께 정상 상태 비선형 모델(42)(방정식 (2) 및 (3))이 공정 모델(42)을 구성할 수 있다.
NMPC를 포함하는 실시형태에서, 최적 제어에 대한 보장이 없으므로, 교란 모델은 플랜트 모델 불일치와 함께 공정 교란을 나타낼 수 있고 또한 제어 목적을 고려할 수 있다. 피크에서 또는 피크의 원하는 범위 내에서 출력 변수 y 1를 최대화하는 제어 목표와 함께 정상 상태 이득 반전을 갖는 공정의 경우, 교란 및 잠재적인 모델링 오류의 존재 하에서 조작된 입력의 상응하는 값을 확실하게 찾아내는 것이 중요할 수 있다. 실시형태에서, 제어 장치(28)는 정상 상태 이득 반전이 발생하는 최적 피크의 위치를 이동시키는 측정되지 않은 교란을 추정하도록 구성된다. 다양한 실시형태에서, 측정되지 않은 교란은 반응기의 촉매적 에이징 또는 관련된 과대/과소(over/under) 성능을 포함할 수 있다. 출력 변수 y 1에 대한 출력 교란 모델은 입력 또는 상태 교란에 의존하는 최적의 정상 상태 조작 입력 u의 위치를 제공할 가능성이 없다. 출력 변수 y 1에서의 오류를 사용하는 조작된 입력 u에 대한 입력 교란 모델은 공정이 정상 상태 변화 곡선의 양의 이득 부분에 있는지 음의 이득 부분 - 이는 각각 도 3에서 영역(50) 및 영역(52)로 표현되며 피크(54)에 의해 분리됨 -에 있는지 알아야 할 필요가 있을 수 있다. 양의 이득 또는 음의 이득의 식별은 다양한 산업 공정에 공통적인 잡음있는 데이터를 갖는 출력 변수 y 1를 최대화하기 위한 피크(54)에 근접하여 문제가 된다. 제어된 출력이 최대화된
Figure pct00015
인 최적의 정상 상태 조작 입력
Figure pct00016
의 위치는 측정된 교란 m 및 측정되지 않은 교란에 의존하여 하기와 같이 된다:
Figure pct00017
최적의 정상 상태 조작 입력
Figure pct00018
은 정상 상태 공정 모델(42)(방정식 (2) 및 (3))에서 드물게 이용 가능한 맞춤 출력 측정값 y 3으로서 도입된다. 증강된 정상 상태 비선형 모델(42) 방정식은 다음과 같이 표현될 수 있다:
Figure pct00019
정상 상태에서,
Figure pct00020
에 대한 예상 최적은 제어 장치(28) 안정화 시간 t s 후에 발생할 수 있고 최적의 정상 상태 조작 입력
Figure pct00021
또는 출력 측정 y 3에 대한 새로운 값이 관찰될 수 있다. 드물게 활성화되는 작동 한계 y 2에 대한 모델(42)은 선형이고 최적의 정상 상태 조작 입력
Figure pct00022
의 값과는 독립적이다. 제어 장치(28)의 안정화 시간 t s 에 걸쳐 도 4에 일반적으로 예시된 바와 같은 m에 대한 정상 조건에서 최적의 정상 상태 조작 입력
Figure pct00023
을 향한 u의 이동은, 최적의 정상 상태 조작 입력
Figure pct00024
의 위치가 변경되어 입력 교란 모델(42)에 의해 수정될 필요가 있지 않다면 출력 변수 y 1의 증가를 초래할 수 있다. 입력 교란 모델은 예상되는 최적에 대한 새로운 피크(54)가 측정된 교란 m에 대한 정상 조건에서 일반적으로 도 3에 예시된 바와 같이 관찰될 때 최적의 정상 상태 조작 입력
Figure pct00025
의 실제 위치를 설명하는 데 사용된다. 다양한 알고리즘 또는 모델이 사용되어 제어 장치(28)의 안정화 시간 t s 에 걸쳐 데이터에 대해 다음의 기준이 모두 충족된 후
Figure pct00026
에 대한 새로운 피크(54)의 관찰에 기초하여 최적의 정상 상태 조작 입력
Figure pct00027
또는 정상 상태 출력 측정 y 3의 위치 불일치를 업데이트할 수 있다.
1. 조작된 입력 u는 작동 한계 y 2에 의해 제한되는 대신에 1차 출력 y 1을 최대화하는 데 이용 가능하다.
2. 측정된 교란 m은 정의된 통계 기준에 따라 정상적이다;
3. 조작된 입력 u는 정상적이거나 최적의 정상 상태 조작 입력
Figure pct00028
을 향해 이동하고 있다;
4. 제어 장치의 안정화 시간 t s 이후에 출력 변수 y 1이 감소하기 때문에 최적의 정상 상태 조작 입력
Figure pct00029
에 대해 새로운 최적 위치가 관찰된다.
정상 상태 통계 기준은 적절한 한계에 대한 제어 장치(28)의 안정화 시간에 걸쳐 표준 편차를 검토함으로써 측정된 교란 m에 대해 정의된다. 예를 들어, 표준 편차는 다음과 같이 계산된다:
Figure pct00030
실시형태에서, 데이터 필터링 및 스크리닝은 잡음있는 출력 측정값 y에 대해 구현된다. 예를 들어, 디지털 필터는 잡음을 필터링하기 위해 제어 장치(28)로 구현되며 신호 스파이크(spike) 및 글리치(glitch)를 클리핑하기 위한 진폭 필터 및/또는 제어 장치(28)의 계산 속도에 부정적인 영향을 미칠 수 있는 신호로부터 더 높은 차수의 잡음 관련 주파수를 제거하기 위한 저역 통과 필터 둘 다를 포함한다.
상태 공간 모델(42)이 구현되는 실시형태에서, 제어 장치 주파수 k에서 1차 역학을 갖는 정상 상태 비선형 모델(42)(방정식 (6), (7) 및 (8))에 대한 이산화된 상태 공간 모델(42)은 다음과 같이 표현될 수 있으며:
Figure pct00031
상기 식에서 y 1은 정상 상태 이득 반전을 갖는 최대 출력 변수이고, y 2는 안전 작동 한계 내에서 제어되며, y 3은 출력 변수 y 1를 최대화하기 위한 최적 정상 상태 조작 입력
Figure pct00032
의 위치를 나타낸다. 일부 플랜트 작동의 경우, 조작된 입력 u는 변수 함수를 통해 출력 변수 y 1을 최대화하는 데 이용 가능할 수 있으며, 그 중 일부는 도 1을 참조하여 설명되었다. 따라서. 증강된 상태 공간 모델은 다음과 같이 작성될 수 있으며:
Figure pct00033
상기 식에서 X = [x 1 , x 2 , x 3]은 모델(42)의 상태를 나타내고 Y = [y 1 , y 2 , y 3]은 출력 측정값을 나타낸다.
도 3을 추가로 참조하면, 일 실시형태에서, 제어 장치(28)의 메모리 내에 저장된 명령과 함께 제어 장치(28)는 정상 상태 이득 반전이 조작된 입력 u에 대해 발생하는 피크(54)에서 출력 변수 y 1를 최적화하기 위해 이용될 수 있다.
일부 실시형태에서, 플랜트-모델 불일치는 제어 장치(28)의 NMPC에서 입력 또는 공정 대신에 출력 측정에서의 교란에 기인할 수 있다. 제어 장치(28)의 메모리에 저장된 명령은 측정된 교란과 측정되지 않은 교란 둘 모두의 존재 하에서 최적의 조작된 입력 u의 위치에서 불일치를 설명하기 위해 본원에 정의된 것과 같은 맞춤 출력 측정에 기초한 입력 교란 모델을 구현하는 데 사용된다. 제어 장치(28)가 증강된 상태 공간 공식(방정식 (16) 및 (17))에서 출력 측정을 이용하기 위해, 제어 장치(28)는 화학 시스템(10)의 작동을 모의하여 모델(42)에 의한 화학 시스템(10)의 특성화에 기초하여 화학 시스템(10)의 작동을 예측하도록 구성된 상태 추정기(44)를 포함한다. 예를 들어, 실시형태에서, 상태 추정기(44)는 공정에 들어가는 측정되지 않은 교란을 추정하고 이에 의해 모델(42)에 의한 화학 시스템의 특성화에 기초하여 화학 시스템의 작동을 예측하기 위해 맞춤 출력 측정을 이용하도록 구성된다.
실시형태에서, 상태 추정기(44)는 드물게 관찰된 출력 측정값 y 3으로서 표시되는 최적 정상 상태 조작 입력
Figure pct00034
의 위치로부터의 피드백을 통합하는 데 사용되는 입력 교란 모델을 포함할 수 있다. 실시형태에서, 다음 관계에 따라 조작된 입력 u에 대한 입력 교란 d로서 관찰된 값과 예측된 값의 차이를 할당함으로써 최적 정상 상태 조작 입력
Figure pct00035
또는 관찰된 출력 측정 y 3의 위치에 대한 수정이 이루어지며:
Figure pct00036
상기 식에서
Figure pct00037
는 샘플링 시간 또는 제어 장치 주파수 k에서 y 3의 출력 예측 오류에 기초하는 입력 교란의 추정치이다. 예를 들어 새로운 정상 상태 최적 y 3을 관찰하기 위한 모든 기준이 위에서 정의된 바와 같이 제어 장치(28)의 안정화 시간 t s 에 걸쳐 충족되는 경우에만 상기 수정(방정식(18))은 드물게 이루어질 수 있다. 입력 교란의 추정치가 동일하게 유지되는 실시형태에서, 새로운 최적 정상 상태 조작 입력
Figure pct00038
또는 관찰된 출력 측정 y 3으로 인해 수정이 없으며, 따라서 다음과 같다:
Figure pct00039
상태 추정기(44)의 예측을 업데이트하기 위해, 출력 측정 y 2에서 관찰된 오류의 분수 바이어스(fractional bias)가 모델(42)을 업데이트하기 위해 일정한 출력 교란 p^ 2 로서 사용된다. 분수 바이어스는 다음과 같이 계산된다:
Figure pct00040
작동에서, 출력 교란 모델은 최대화된 출력 변수 y 1로부터의 피드백을 통합하여 제어 장치 주파수 k에서 상태 추정치를 얻기 위해 사용된다. 출력 변수 y 1에 대한 상태
Figure pct00041
및 출력 교란
Figure pct00042
의 추정치는 다음과 같이 입력 교란 추정치
Figure pct00043
의 통합과 함께 비선형 모델(42)에 대한 확장된 칼만 필터를 사용하여 얻어질 수 있다:
Figure pct00044
그 다음, 위에서 약술된 필터(
Figure pct00045
)가 사용되어 X 및 p 1에 대한 상태 추정치를 업데이트하기 위한 피드백을 제공할 수 있다. 전체 필터는 출력 측정값 y 3에 대한 측정 업데이트의 드문 이용 가능성으로 인해 시변(time-varying)한다. 실시형태에서, 시변 시스템은 필터 이득을 얻기 위해 시불변 상승 시스템으로서 재구성될 수 있다.
실시형태에서, 정상 상태 계산기(46)는 모델에 의한 화학 시스템(10)의 특성화 및 화학 시스템(10)의 하나 이상의 정상 상태 출력 변수에 기초하여 화학 시스템(10)을 작동하기 위한 최적화된 조작된 입력을 결정하도록 작동한다. 일부 경우에, 계산기(46)는 출력 Y ss 를 사전 정의된 지점으로 및/또는 사전 정의된 범위 내로 유지하도록 구성된 최적화기로서 작동될 수 있다. 실시형태에서, 비선형 정상 상태 목표 계산기(46)는 모델에 의해 계산된 바와 같은 화학 시스템의 특성화에 기초하여 화학 시스템을 작동하기 위한 정상 상태 조작 입력을 결정하도록 구성된다. 출력 Y ss , 입력 u ss 및 상태 X ss 에 대한 정상 상태 계산기(46)는 그들의 각각의 설정점
Figure pct00046
으로부터의 출력 편차 및 그의 현재 값
Figure pct00047
로부터의 입력 편차를 최소화하기 위해 비선형 프로그램을 사용하여 평가될 수 있다. 최대화되고 있는 출력 변수
Figure pct00048
에 대한 설정점
Figure pct00049
은 정상 상태 이득 반전이 발생하는 피크(54)에서 그의 최대화를 용이하게 하기 위해 실행 불가능한 높은 값에서 선택된다. 그 다음, 비선형 목표 추적 최적화 문제는 다음과 같이 작성될 수 있으며:
Figure pct00050
상기 식에서 Q s 및 S s 는 양의 정부호 가중치 행렬이다.
증강된 출력 교란 벡터는 P로서 표시되는 반면 d는 입력 교란이다. 모델(42)에 대한 지배적 제약은 다음 관계로 표현될 수 있다:
Figure pct00051
입력 d 및 출력 p에 대한 측정된 교란 m 및 일정한 교란의 영향은 상기 공식에서 설명된다. 동작 동안, 실시형태에서, 입력 제약은 항상 충족되는 반면, 출력 제약은 중요성에 따라 순위가 매겨지고 할당된 상대적 우선순위에 기초하여 충족된다. 또한, 실시형태에서, 입력 교란 추정치 d는 새로운 최적 정상 상태 조작 입력
Figure pct00052
또는 출력 측정치 y 3이 정상 상태 조건에 대해 관찰되는 경우에만 업데이트되는 반면, 출력 교란 P는 출력 측정치 y 1 및 y 2에서의 바이어스에 기초하여 모든 제어 장치 실행에서 추정될 수 있다. 그러나, 출력 교란 P는 본원에 제공되는 교시를 벗어나지 않고 임의의 다른 제어 장치 실행 기간 또는 주파수에서 추정될 수 있음이 이해될 것이다.
도 3을 추가로 참조하면, 제어 장치(28)는 또한 최적화된 조작된 입력 및 관련된 출력 목표에 기초하여 화학 시스템(10)의 하나 이상의 입력의 조정을 위한 신호를 제공하도록 구성된 조절기(48)를 포함한다. 신호는 새로운 올레핀 공급물의 유동, 산소 공급물의 설정점, 기체 상 촉진제 공급물의 설정점, 및/또는 임의의 다른 변수 입력을 작동시키기 위한 제어 장치(28)를 제어하기 위해 제어 밸브를 작동시키도록 구성된다. 실시형태에서, 제어 장치(28)는 감시(supervisory) 제어 장치(28)로서 화학 시스템(10)에 적용될 수 있다; 즉, NMPC 제어 장치(28)는 공정을 직접 조작하지 않지만 하위 제어 장치, 예를 들어 선형 모델 예측 제어 장치("LMPC") 또는 비례 적분 미분("PID") 제어 장치에 대한 설정점을 제공한다. 이 제어 구조에서, NMPC 제어 장치(28)는 감시 모드에 있고 하위 레벨 LMPC 또는 PID 제어 장치에 대한 설정점을 제공한다. 이에 응답하여, 화학 시스템(10)은 NMPC 제어 장치(28)에 의해 할당된 설정점에 따라 PID 제어 장치에 의해 직접 조절된다. 다른 실시형태에서, NMPC 제어 장치(28)가 동적 실시간 최적화(RTO)로서 역할을 하는 3개 레벨 캐스케이드(cascade) 제어 구조가 이용될 수 있다. NMPC 제어 장치(28)는 다중 제약에 대해 상이한 작동 지점에서 독립 변수의 최적 값을 계산한다. 이러한 값은 외부 목표로서 2차 제어 장치에 전달된다. 그 다음, 2차 제어 장치는 이러한 외부 목표와 관련된 설정점을 이동하는 방법을 결정하고 PID 제어 장치에 다음 설정점 이동을 제공한다. PID 제어 장치는 시스템의 조작된 변수를 직접 제어하고 시스템의 제어된 변수를 2차 제어 장치에 의해 할당된 설정점으로 조절한다. 또한, 조작된 입력은 정상 상태 생산 속도, 정상 상태 염화 유효성 파라미터(Z) 또는 정상 상태 에틸렌 옥사이드(EO) 선택성 중 적어도 하나를 포함할 수 있다.
실시형태에서, 동적 조절기(48)는 다음의 개방 루프 비선형 목적 함수로 표현될 수 있으며:
Figure pct00053
상기 식에서 Q 및 S는 양의 정부호 가중치 행렬이고, N은 출력 범위(horizon)이며, M은 입력 범위이다. 따라서, 공정 최적화를 위한 지배적 제약은 다음과 같이 제약이 정의되는 시간 k까지의 출력 측정을 사용하여 상태 및 출력의 다양한 예측에 의해 정의된다:
Figure pct00054
본원에 기재되는 공정의 경우, 다음 형식의 입력 및 출력 제약이 고려된다:
Figure pct00055
실시형태에서, 입력 제약은 동적 조절에 대해 항상 충족된다. 반면에 출력 제약은 중요도에 따라 순위가 매겨질 수 있으며 우선순위에 기초하여 충족된다. 미래 개방-루프 제어 이동의 벡터(u k …u k + M )는 방정식(27)으로부터 계산되고 제1 입력 값은 하나 이상의 변수 입력의 제어를 통해 플랜트에 주입된다. 이 공정은 상태 추정치를 업데이트하기 위해 플랜트 측정을 사용하여 피드백과 함께 원하는 후속 시간 간격으로 반복될 수 있다.
제어 장치(28)는 입력 교란 추정치를 업데이트하는데 사용되는 추가적인 드문 출력 측정으로서 최적의 정상 상태 조작 입력
Figure pct00056
을 이용한다. 제어된 출력이 최대화된
Figure pct00057
인 최적의 정상 상태 조작 입력(방정식 (4))의 위치는 측정된 교란 m에 따라 달라지며 입력 교란 추정치를 업데이트하기 위해 사용될 수 있다. 입력 교란의 정확한 식별은 관련된 입력 다중도로 인해 y 1을 직접 사용하는 것에 문제가 있다. 따라서, 입력 다중도의 확실한 식별은 측정으로서 잡음있는 산업 데이터를 갖는 정상 상태 이득 반전을 갖는 공정의 피크(54)에 머물거나 이에 근접하는 목표를 갖는 제어 장치(28)에 중요할 수 있다. 또한, 본원에 기재되는 화학 시스템(10) 및/또는 제어 장치(28)는 또한 트로프(trough)에서 최소화하는 제어 목적, 예를 들어 작동 비용으로 최대 대신에 최소에서 정상 상태 이득 반전을 나타내는 공정에 사용될 수 있음이 생각될 수 있다.
실시형태에서, 본원에 기재되는 제어 장치(28)는 반응기에서 에틸렌 옥사이드 생산을 위한 선택성을 최대화하기 위해 산업용 에틸렌 에폭시화 반응기(12)에서 사용된다. 폐쇄-루프 제어 장치(28)는 선택성을 수동으로 최적화하는 것과 비교하여 EO 선택성에서 0.5 내지 1%의 평균 이득을 달성함으로써 상당한 상업적 가치를 초래했다.
제한이 아닌 예로서, 본 개시내용의 일부 실시형태가 다음의 실시예에서 상세하게 설명된다.
실시예
에틸렌 옥사이드(EO)에 대한 반응의 선택성을 최대화하기 위해 정상 상태 이득 반전을 갖는 공정을 구현하는 화학 시스템용 제어 장치가 적용된다. 에틸렌 옥사이드는 에틸렌의 에틸렌 옥사이드로의 선택적 산화를 위해 은계 촉매를 사용하여 에틸렌 옥사이드(EO) 선택성을 감소시키는 2차 반응을 최소화함으로써 생산된다. 통상적인 촉매의 경우, EO 선택성은 85.7%를 초과하는 값에 도달하지 않으며, 이는 오랫동안 다음 전체 반응에 대한 이론적인 최대 선택도로 간주되어 왔다:
Figure pct00058
일부 산업용 에틸렌 에폭시화 반응기는 촉진 또는 완화에 의해 특정 반응 경로를 수정하고 이러한 방식으로 에틸렌 옥사이드로의 선택적 산화를 증가시키기 위해 촉매에 흡착된 공-공급된 염소화 촉진제를 사용한다. 높은 효율 산업용 촉매는 무차원 염화 유효성 파라미터 Z로서 측정될 수 있는 효과적인 기체 상 염화물 농도의 함수로서 EO 선택성에 대해 비교적 가파른 포물선 곡선을 나타내는 경향이 있다. 경험적 정상 상태 모델은 EO 선택성 EO sel 을 부분 압력에 의존하는 염화 유효성 파라미터 Z와 관련시킨다. 피크 또는 최적 EO 선택성의 위치는 또한 EO 생산 속도를 제어하는 데 사용되는 반응 온도의 강한 함수이다.
피드백 제어 장치의 목적은 EO 생산 속도 EO prod 및 입구 산소 농도 iO2로 인한 교란의 존재 하에 염화 유효성 파라미터 Z를 조작함으로써 EO 선택성 EO sel 를 최대화하는 것이다. 예를 들어, 에틸 클로라이드 유동 EC flow 에 대한 공정 작동 한계는 공정 작동 한계가 극한 조건에서 EO 선택성 EO sel 의 최대화를 제한할 수 있도록 EO 선택성 EO sel 을 최대화하는 것보다 더 중요한 것으로 순위가 매겨진다. Z에 대한 EO 선택성 EO sel 가 최대에 도달하고 정상 상태 이득이 부호를 변경시키는 피크의 위치는 측정된 교란 및 측정되지 않은 교란에 따라 달라진다. 수명에 대한 예측과 비교하여 촉매의 과대/과소 성능을 포함하는 측정되지 않은 교란이 또한 피크의 위치에 영향을 미친다. 측정된 교란으로서 작용하는 상이한 생산 속도에서 Z에 대한 EO 선택성 EO sel 의 정상 상태 변화가 도 4에 도시되어 있다. 본원에 제공되는 제어 장치를 구현하기 전에 정상 상태 비선형 공정 모델을 사용하여 Z에 대한 개방 루프 목표를 계산하고 관찰된 EO 선택성 EO sel 에 기초하여 수정을 수동으로 수행했다.
검증된 경험적 정상 상태 모델은 1차 역학과 함께 사용되어 공정 출력 측정의 정보를 캡처한다. 다양한 정상 상태 이득(1 내지 10의 승수) 및 시간 상수(1 내지 2의 승수)가 있는 1차 역학은 입력 u, m의 출력 y에 대한 영향을 정의하는 데 사용된다. 정상 상태 비선형 모델(방정식 (6), (7) 및 (8))은 다음의 변수를 가지며:
Figure pct00059
상기 식에서 u는 조작된 입력이고, m은 측정된 교란이며, Y는 제어된 출력이다.
Figure pct00060
은 정상 조건에서 EO sel 을 최대화하는 조작된 입력 Z의 최적 정상 상태 값이며 맞춤 측정 y 3으로서 사용된다. 출력 Y에 대한 정상 상태 비선형 모델은 다음과 같이 계산되며:
Figure pct00061
상기 식에서 EO prod 에 대해 측정된 교란 m은 lb/hr로 측정되고 iO 2 는 백분율로서 표시된다. EO sel 는 표준(normal) EO 생산 속도 EO prod 에서 30분의 데드-타임(dead-time) 및 5시간의 시간 상수를 갖는 1차 역학을 갖는다. 또한 EC flow 는 표준 EO 생산 속도 EO prod 에서 데드-타임이 없고 2시간의 시간 상수를 갖는 1차 역학을 갖는다. EO sel 및 EC flow 에 대한 시간 상수는 EO 생산 속도 EO prod 에 따라 변한다.
Figure pct00062
는 최적 Z의 정상 상태 값이며 시변하는 역학을 갖지 않는다.
이산화된(discretized) 상태 공간 모델은 검증된 경험적 정상 상태 모델과 함께 방정식 (16) 및 (17)에 제공된 주파수에서 계산되고 제어 장치(28)에 의해 사용되어 EO 선택성 EO sel 또는 최대화된 출력 변수 y 1를 최대화한다. 더 빠른 2차 PID 제어 장치에 의해 조절되는 염화 유효성 파라미터 Z를 조작함으로써 EO 선택성을 최대화하는, NMPC가 내부에 구현된 1차 제어 장치로서 계층적 제어가 사용된다.
NMPC를 이용하는 1차 제어 장치는 15분마다 염화 유효성 파라미터 Z를 조작함으로써 EO 선택성 EO sel 를 최대화하는 데 사용된다. EO 선택성에 대한 모델이 긴 안정화 시간을 갖기 때문에 1차 제어 장치를 위한 더 느린 실행 시간은 충분하며, 또한 관련된 동적 최적화 문제의 더 높은 계산 요구로 인해 필요하다. 본원에 기재되는 EO 선택성 EO sel 에 대한 NMPC 모델은 비선형이며 EO 생산 속도에 따라 6 내지 12시간의 긴 안정화 시간을 갖는다. NMPC 모델은 원하는 제어 조치를 얻기 위해 적절하게 조정된다. NMPC 모델에 대한 제어 목적은 표 1에 약술된 바와 같이 에틸 클로라이드 유동 EC flow 또는 y 2에 대한 작동 한계가 가장 중요하도록 순위가 매겨지고, 그 다음 EO sel 또는 최대화된 출력 변수 y 1를 최대화한다.
Figure pct00063
이러한 순위는 정상 상태 목표 최적화(방정식(23)) 및 동적 조절(방정식(27)) 둘 모두의 동안에 적용된다. 작동 한계 y 2 또는 출력 측정 y 3에 대한 제한은 표준 플랜트 작동에 대해 활성화되지 않으므로 EO 선택성 EO sel 또는 최대화된 출력 변수 y 1의 최대화를 허용한다. EO 선택성 EO sel 의 최대화는 매우 높은 실현 불가능한 목표를 제공함으로써 달성된다. 염화 유효성 파라미터 Z 및 출력 y에 대한 조작된 입력에 대한 작동 한계는 표 2에 나타낸다.
Figure pct00064
동적 조절(방정식 (32))을 위한 염화 유효성 파라미터 Z에 대한 조작된 입력의 이동에 대한 제한은 기본 공정 및 공정 제어가 응답할 수 있는 것보다 더 빠르게 이동하는 것을 방지하기에 충분히 작다.
제어 장치에 대해 입력 범위 M은 3시간으로 설정되고 출력 범위 N은 12시간으로 설정된다(방정식 (27)). 원하는 값
Figure pct00065
으로부터 출력 Q, Q s 의 편차에 대한 2차 패널티(penalty)는 각 출력(방정식 (23) 및 (27))에 대해 동일한 상대 값을 얻기 위해 그의 공칭 값으로 설정되어 다음과 같이 된다:
Figure pct00066
염화 유효성 파라미터 Z(S)에 대한 조작된 입력의 변경 속도에 대한 2차 페널티는 표 2에 제시되어 있는 작동 하한 및 작동 상한을 고려한 후 최적화 함수일 수 있는 정상 상태 목표 계산, 및 동적 조절(방정식 (23) 및 (27))을 위해 설정되어 다음과 같이 된다:
Figure pct00067
염화 유효성 파라미터 Z에 대한 이동은 더 빠른 교란을 거부하기 위해 매초마다 에틸 클로라이드 유동 EC flow 을 조작함으로써 염화 유효성 파라미터 Z를 제어하는 2차 LMPC 또는 PID 제어 장치에 목표로서 전달함으로써 구현된다.
잡음있는 EO 선택성 측정 y에 대해 적절한 데이터 스크리닝 및 필터링이 구현된다. 잘못된 측정 분석으로 인한 잘못된 분석기 데이터는 제어 장치에 대해 계산된 EO 선택성의 부적절한 값을 제공할 수 있다. EO 선택성 EO sel 계산에 사용하기 전에 분석기 데이터를 타당성 한계에 대해 검토하여 적절한 피드백을 보장한다.
작동에서, NMPC 제어 장치의 구현 이전에 작동 규칙에 의한 EO 선택성의 관리를 보여주는 기준 플랜트 데이터가 도 5 및 6에 예시되어 있다. 예시된 바와 같이, 염화 유효성 파라미터 Z가 적절하게 조정되지 않았기 때문에 생산 속도가 시간 = 2400분에서 시간 = 3500분으로 감소하였지만 선택성은 일관되게 증가하지 않았다. 또한 시간 = 3600분에서 생산 속도 증가로 인해 시간 = 3800분 부근에서 선택성이 떨어졌다. 개방-루프 구현으로 인한 더 높은 염화 유효성 파라미터 Z는 시간 = 5500분에서 더 높은 선택성을 달성하는 데 도움이 되었다. 그러나, 염화 유효성 파라미터 Z에 대한 목표의 개방-루프 구현과 관련된 지연 및 제한으로 인해 EO 선택성 EO sel 에 손실이 있다.
반대로, EO 선택성 EO sel 은 정상 상태 비선형 공정 모델을 사용하여 염화 유효성 파라미터 Z에 대한 개방-루프 목표를 계산하는 예전 제어 방식보다 본원에 기재된 NMPC 제어 장치를 사용하여 더 효과적으로 최대화되어, 산업 공정에 대한 선택성에서 평균 0.5 내지 1%의 이득을 초래했다. NMPC 적용은 다음을 포함하는 세 가지 시나리오에 기초하여 EO 선택성 EO sel 을 최대화한다:
1. 높은 EO 생산 속도에서 EO 선택성 제어;
2. 증가하는 EO 생산 속도에 따른 EO 선택성 제어; 및
3. 측정되지 않은 큰 교란에 대한 EO 선택성 제어.
에틸 클로라이드 유동 EC flow 에 대한 제한은 넓고 위의 세 가지 시나리오에서 활성 제약이 되지 않으므로 염화 유효성 파라미터 Z는 EO 선택성 EO sel 을 최대화하기 위해 이용 가능하다.
도 7은 EO 선택성 EO sel 이 도 8에 예시된 높은 EO 생산 속도에서 염화 유효성 파라미터 Z를 조작함으로써 최적 주위에서 최대화되고 교란되는 방법을 보여준다. 입구 산소 농도는 그 기간 동안 비교적 일정하게 유지된다. EO 선택성 EO sel 의 최대화를 위한 최적 값이 낮을수록 최종 염화 유효성 파라미터 Z 값은 더 작다. 입력 교란 모델로 인한 최적 주변의 교란은 EO 선택성 EO sel 의 효과적인 최대화를 보장한다.
제어 장치는 또한 에틸 에폭시화 반응기가 낮은 생산 속도에서 더 높은 생산 속도로 속도를 증가시켰을 때 사용되었으며, 이는 도 9에 예시되어 있다. 염화 유효성 파라미터 Z에 대한 조작된 입력은 도 10에 예시된 바와 같이 3일에 걸쳐 EO 생산 속도에 따라 증가하며, 이는 최대화된 EO 선택성 EO sel 을 유지하기 위한 최적 값이 증가하고 있기 때문이다. 또한, 입구 산소 농도는 그 기간 동안 비교적 일정하게 유지된다.
도 11 내지 12에 예시된 실시예에서, 실제 염화 유효성 파라미터 Z가 변경되지 않았음에도 불구하고 측정 분석기 중 하나는 시간 = 200분에 백업 분석기로 교체되어 측정된 염화 유효성 파라미터 Z의 하락을 초래한다. 따라서, 제어 장치(28)는 측정된 염화 유효성 파라미터 Z를 증가시키기 위해 EC flow 를 증가시킴으로써 응답하며, 이는 더 높은 염소화 및 후속하는 EO 선택성 EO sel 의 하락으로 이어진다. 이것이 제어 장치(28)에 의해 검출될 때, 염화 유효성 파라미터 Z는 시간 = 400분에서 감소하기 시작하여 과염소화를 보상하여 더 높은 EO 선택성 EO sel 을 초래한다. 염화 유효성 파라미터 Z는 최대화된 EO 선택성 EO sel 을 유지하기 위해 최적의 주위에서 안정화 및 진동하는 시간 = 1750분 부근에서 감소를 멈춘다. 분석기 교체를 감지하기 위해 적절한 데이터 스크리닝 기준이 추가되었으며 제어 장치의 다양한 구현에 대한 관련된 측정되지 않은 교란을 방지하기 위해 재교정이 고려된다.
본 개시내용은 본원에 포함된 실시형태 및 예시에 제한되는 것이 아니라, 하기 특허청구범위의 범주에 속하는 실시형태의 일부 및 상이한 실시형태의 요소들의 조합을 포함하는 이러한 실시형태들의 수정된 형태를 포함하도록 특별히 의도된다.

Claims (15)

  1. 정상 상태 이득 반전을 나타내는 작동을 위한 화학 시스템으로서; 상기 시스템은
    공급물 스트림을 수용하고 유출 스트림을 생성하여 공정을 형성하도록 구성된 반응기; 및
    공정을 제어하도록 구성된 제어 장치를 포함하고, 상기 제어 장치는 작동 파라미터 및 출력 변수를 나타내는 입력을 수신하고, 입력 및 출력 변수에 응답하여 공정을 제어하거나 최적화하도록 구성된 정상 상태 조작 입력을 제공하며, 상기 제어 장치는
    측정되지 않은 교란을 결정하기 위해 맞춤 출력 측정으로서 정상 상태 조작 입력을 사용하는 것에 기초하는 입력 교란 모델,
    공정에 들어가는 측정되지 않은 교란을 추정하고 이에 의해 모델에 의한 공정의 특성화에 기초하여 공정에서의 변경을 예측하기 위해 맞춤 출력 측정을 이용하도록 구성된 상태 추정기,
    모델에 의해 계산된 공정의 특성화에 기초하여 공정을 위한 정상 상태 조작 입력을 결정하도록 구성된 비선형 정상 상태 목표 계산기, 및
    정상 상태 조작 입력 및 관련 출력 변수에 기초하여 하나 이상의 입력의 조정을 위한 신호를 제공하도록 구성된 조절기를 포함하는, 화학 시스템.
  2. 제1항에 있어서, 상기 계산기는 정상 상태 조작 입력에 대한 최적 범위를 결정하도록 구성되는, 화학 시스템.
  3. 제1항에 있어서, 상기 모델은 기본 제1 원리 모델, 경험적 모델, 적응 모델, 퍼지 모델 또는 역학을 갖는 신경망 모델 중 적어도 하나를 포함하는, 화학 시스템.
  4. 제1항에 있어서, 상기 제어 장치는 하기 관계를 통해 조작된 입력(u)에 대해 정상 상태 이득 반전을 나타내는 출력 변수를 최대화하며:
    Figure pct00068

    상기 식에서 u ss 는 정상 상태 조작 입력이고, m은 측정된 교란이며,
    Figure pct00069
    은 정상 상태 이득 반전을 나타내는 출력 변수인, 화학 시스템.
  5. 제1항에 있어서, 상기 제어 장치는 실시간 계산 요구를 해결하기 위한 1차 제어기로서의 비선형 모델 예측 제어(NMPC: nonlinear model predictive control) 장치, 및 NMPC의 하나 이상의 이동을 실행하기 위한 선형 모델 예측 제어기(LMPC: linear model predictive controller) 또는 비례-적분-미분(PID: proportional-integral-derivative) 제어기를 포함하는, 화학 시스템.
  6. 제1항에 있어서, 상기 제어 장치는 정상 상태 이득 반전이 발생하는 최적 피크의 위치를 이동시키는 측정되지 않은 교란을 추정하도록 구성되며, 상기 측정되지 않은 교란은 반응기의 촉매 에이징 및 관련된 과대/과소 성능을 포함하는, 화학 시스템.
  7. 제1항에 있어서, 상기 조작 입력은 정상 상태 생산 속도, 정상 상태 염화 유효성 파라미터, 또는 정상 상태 에틸렌 옥사이드(EO) 선택성 중 적어도 하나를 포함하는, 화학 시스템.
  8. 제1항에 있어서, 상기 조절기는 변수 출력을 최대화하기 위한 조작된 입력이 작동 임계값 내에 있는 경우 제어 장치의 안정화 시간에 걸친 이득 반전의 관찰에 기초하여 출력 변수를 최적화하기 위한 조작된 출력의 변경을 결정하고, 하나 이상의 측정된 교란이 통계적 기준에 기초할 때 정상적(steady)이고, 조작된 입력이 정상적이거나 최적의 정상 상태 조작 입력을 향해 이동하며, 새로운 최적의 최적화된 조작 입력이 제어 장치의 안정화 시간 후에 관찰되는, 화학 시스템.
  9. 제1항에 있어서, 상기 출력 변수는 상기 계산기 및 상기 조절기에 대한 높은 실현 불가능한 목표와 함께 출력 교란 모델을 사용함으로써 간헐적으로 최대화되는, 화학 시스템.
  10. 제1항에 있어서, 상기 조작 입력은 에틸렌 옥사이드(EO) 선택성을 제어하기 위한 염화 유효성 파라미터(Z) 또는 에틸렌 옥사이드(EO) 생산 속도 중 적어도 하나를 포함하는, 화학 시스템.
  11. 제1항에 있어서, 상기 제어 장치는 반응기에서의 유출 에틸렌 옥사이드(EO)의 선택성을 최적화하도록 구성되는, 화학 시스템.
  12. 제어 장치를 통해 화학 시스템을 제어하기 위한 방법으로서,
    공정의 작동 파라미터 및 정상 상태 출력 변수를 나타내는 입력을 수신하는 단계;
    측정된 교란과 측정되지 않은 교란 모두의 존재 하에 최적화된 조작 입력을 결정하기 위해 맞춤 출력 측정으로서 최적의 조작된 정상 상태 입력을 사용하는 것에 기초하여 입력 교란 모델을 구현하는 단계;
    모델에 의한 공정의 특성화에 기초하여 공정을 예측하기 위해 공정의 상태를 추정하는 단계;
    화학 시스템의 하나 이상의 정상 상태 출력 변수의 모델링 및 추정에 의한 공정의 특성화에 기초하여 공정에 대한 목표하는 조작된 입력을 결정하는 단계; 및
    상기 목표하는 조작된 입력에 기초하여 공정을 조절하는 단계를 포함하는, 방법.
  13. 제12항에 있어서, 상기 최적화된 조작 입력에 기초하여 화학 시스템을 조절하는 단계는 에틸렌 옥사이드(EO) 선택성을 제어하기 위한 염화 유효성 파라미터(Z) 또는 에틸렌 옥사이드(EO) 생산 속도 중 적어도 하나를 조작하는 단계를 포함하는, 방법.
  14. 제12항에 있어서, 상기 최적화된 조작 입력에 기초하여 화학 시스템을 조절하는 단계는 선택성의 증가로부터 선택성의 감소로의 변화를 나타내는 부호 변경이 발생하는 값에 근접한 정상 상태 이득 반전을 최대화하는 단계를 포함하는, 방법.
  15. 제12항에 있어서, 상기 화학 시스템의 조절 단계는 에폭시화 반응기에서 유출 에틸렌 옥사이드(EO)의 선택성을 최적화하도록 구성되는, 방법.
KR1020227016859A 2019-10-25 2020-10-14 공정의 비선형 모델 예측 제어 KR20220088881A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/663,737 2019-10-25
US16/663,737 US11249446B2 (en) 2019-10-25 2019-10-25 Nonlinear model predictive control of a process
PCT/US2020/055506 WO2021080824A1 (en) 2019-10-25 2020-10-14 Nonlinear model predictive control of a process

Publications (1)

Publication Number Publication Date
KR20220088881A true KR20220088881A (ko) 2022-06-28

Family

ID=73060103

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227016859A KR20220088881A (ko) 2019-10-25 2020-10-14 공정의 비선형 모델 예측 제어

Country Status (7)

Country Link
US (1) US11249446B2 (ko)
EP (1) EP4049095A1 (ko)
KR (1) KR20220088881A (ko)
CN (1) CN114556236A (ko)
CA (1) CA3154268A1 (ko)
TW (1) TWI771763B (ko)
WO (1) WO2021080824A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114996927B (zh) * 2022-05-27 2023-04-21 中南大学 一种基于局部约束的串级csth性能评估与诊断方法
CN115097737B (zh) * 2022-08-24 2022-11-08 北京航空航天大学 一种可重入制造系统的多层级调控方法
CN115629579B (zh) * 2022-10-13 2023-11-07 南京天洑软件有限公司 一种cstr系统的控制方法及装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2414149A (en) 1945-08-03 1947-01-14 Robert S Hall Nut splitting device
US4349869A (en) 1979-10-01 1982-09-14 Shell Oil Company Dynamic matrix control method
US5740033A (en) * 1992-10-13 1998-04-14 The Dow Chemical Company Model predictive controller
US7058617B1 (en) * 1996-05-06 2006-06-06 Pavilion Technologies, Inc. Method and apparatus for training a system model with gain constraints
US7203555B2 (en) * 2004-05-14 2007-04-10 University Of Delaware Predictive regulatory controller
US7414149B2 (en) * 2004-11-22 2008-08-19 Rohm And Haas Company Non-routine reactor shutdown method
US7653445B2 (en) * 2007-04-13 2010-01-26 Controlsoft, Inc. Apparatus and method for model-based control
WO2009086220A1 (en) 2007-12-21 2009-07-09 University Of Florida Systems and methods for offset-free model predictive control
KR101745737B1 (ko) 2009-04-21 2017-06-09 다우 테크놀로지 인베스트먼츠 엘엘씨. 고 효율 촉매가 노화될 때 고 효율 촉매를 사용하는 간편화된 알킬렌 옥사이드 생산 방법
AU2015201580B2 (en) * 2009-12-02 2016-06-09 Shell Internationale Research Maatschappij B.V. Economics-based coordination of advanced process control and real-time optimization
US8504175B2 (en) 2010-06-02 2013-08-06 Honeywell International Inc. Using model predictive control to optimize variable trajectories and system control
EP2788337B1 (en) * 2011-12-09 2016-03-02 Dow Technology Investments LLC Method of maintaining the value of an alkylene oxide production parameter in a process of making an alkylene oxide using a high efficiency catalyst
WO2013095888A1 (en) 2011-12-19 2013-06-27 Dow Technology Investments Llc Method of formulating alkylene oxide catalyst in relation to catalyst reference properties
US9740214B2 (en) * 2012-07-23 2017-08-22 General Electric Technology Gmbh Nonlinear model predictive control for chemical looping process
US10146237B2 (en) * 2017-04-28 2018-12-04 Johnson Controls Technology Company Smart thermostat with model predictive control

Also Published As

Publication number Publication date
CN114556236A (zh) 2022-05-27
TWI771763B (zh) 2022-07-21
EP4049095A1 (en) 2022-08-31
WO2021080824A1 (en) 2021-04-29
US20210124316A1 (en) 2021-04-29
US11249446B2 (en) 2022-02-15
CA3154268A1 (en) 2021-04-29
TW202117472A (zh) 2021-05-01

Similar Documents

Publication Publication Date Title
KR20220088881A (ko) 공정의 비선형 모델 예측 제어
McAuley et al. Nonlinear product property control in industrial gas‐phase polyethylene reactors
Ricker et al. Nonlinear model predictive control of the Tennessee Eastman challenge process
Kadam et al. Integration of economical optimization and control for intentionally transient process operation
US20080071395A1 (en) Model predictive control with stochastic output limit handling
RU2004118491A (ru) Способ и системы для эпоксидирования олефина
Zhang et al. Plantwide control system design and performance evaluation for ammonia synthesis process
Markana et al. Multi-criterion control of a bioprocess in fed-batch reactor using EKF based economic model predictive control
Würth et al. Economic dynamic real-time optimization and nonlinear model-predictive control on infinite horizons
Udugama et al. A comparison of a novel robust decentralised control strategy and MPC for industrial high purity, high recovery, multicomponent distillation
Arellano-Garcia et al. Real-time feasibility of nonlinear model predictive control for semi-batch reactors subject to uncertainty and disturbances
Singh et al. Steady state analysis of reactive distillation using homotopy continuation
Baeza Principles of bioprocess control
Bindlish Nonlinear model predictive control of an industrial process with steady-state gain inversion
EP3240781B1 (en) Process for manufacturing ethylene oxide using scaled selectivity values
US20190282991A1 (en) Off-gas incinerator control
Navia et al. Handling infeasibilities in dual modifier-adaptation methodology for real-time optimization
Cimander et al. Bioprocess control from a multivariate process trajectory
Ritschel et al. Economic optimal control of a U-loop bioreactor using simultaneous collocation-based approaches
Idris et al. Real-time optimizing nonlinear control applied to a continuous reactive distillation process
Şendrescu et al. Nonlinear PID controller for a bacterial growth bioprocess
Engell A procedure for systematic control structure selection with application to reactive distillation
Duque et al. A comparison of control architectures for controlling a CSTR for acrylic acid production
Wojsznis et al. Model predictive control with event driven operation
Pham et al. Control structure selection for optimal disturbance rejection