RU2040294C1 - Способ управления процессом первичной переработки нефти в сложной ректификационной колонне - Google Patents

Способ управления процессом первичной переработки нефти в сложной ректификационной колонне Download PDF

Info

Publication number
RU2040294C1
RU2040294C1 SU4868372A RU2040294C1 RU 2040294 C1 RU2040294 C1 RU 2040294C1 SU 4868372 A SU4868372 A SU 4868372A RU 2040294 C1 RU2040294 C1 RU 2040294C1
Authority
RU
Russia
Prior art keywords
column
complex
temperature
irrigation
values
Prior art date
Application number
Other languages
English (en)
Inventor
Геннадий Михайлович Бакан
Виктор Викторович Волосов
Дмитрий Александрович Казеев
Михаил Григорьевич Калифкин
Елена Алексеевна Нижниченко
Елена Анатольевна Одинцова
Николай Николаевич Сальников
Николай Дмитриевич Сергиенко
Вадим Евсеевич Сомов
Original Assignee
Институт кибернетики им.В.М.Глушкова АН Украины
Киришское производственное объединение "Киришнефтеоргсинтез"
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 Институт кибернетики им.В.М.Глушкова АН Украины, Киришское производственное объединение "Киришнефтеоргсинтез" filed Critical Институт кибернетики им.В.М.Глушкова АН Украины
Priority to SU4868372 priority Critical patent/RU2040294C1/ru
Application granted granted Critical
Publication of RU2040294C1 publication Critical patent/RU2040294C1/ru

Links

Images

Landscapes

  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)

Abstract

Использование: в нефтехимии и нефтепереработке. Сущность изобретения: измеряют температуры на входе и выходе конденсатора воздушного охлаждения. Вычисляют интенсивность охлаждения. Определяют оценки температур выкипания с учетом транспортного запаздывания по измерительным каналам и корректируют расходы боковых погонов. 2 ил.

Description

Изобретение относится к управлению процессом нефтепереработки и нефтехимии и может быть использовано при автоматическом и автоматизированном управлении процессом первичной переработки нефти в сложной ректификационной колонне.
В настоящее время на практике управление сложными ректификационными колоннами осуществляется с помощью оператора-технолога, который поддерживает в допустимых пределах режимные параметры, обеспечивая таким образом необходимые значения показателей качества нефтепродуктов. Такими показателями могут быть, например, значения температур выкипания проб нефтепродуктов. Такой способ управления не позволяет эффективно компенсировать влияния многочисленных возмущений, таких как нестабильность состава перерабатываемого сырья, нестабильность и неидеальность предшествующих колонне технологических блоков и т.д. на стабилизируемые показатели качества. Даже при высокой профессиональной подготовленности обслуживающего персонала при частом действии возмущающих факторов возможен выпуск некондиционной продукции.
Известен способ управления процессом первичной переработки нефти в сложной ректификационной колонне путем регулирования температур выкипания проб нефтепродуктов [1] Он основан на том, что по результатам измерения текущих значений температур выкипания нефтепродуктов, температур в определенных точках колонны, расходов перегретого водяного пара, относительных отборов дистиллятов адаптируют математическую модель процесса, по заданиям на показатели качества нефтепродуктов определяют необходимые значения режимных координат, которые должны обеспечить требуемые значения показателей качества нефтепродуктов. Указанный способ существенно использует конструктивную особенность колонн, имеющих так называемые "глухие" тарелки. Эта особенность заключается в том, что с помощью изменения расходов циркуляционных орошений можно изменять отборы боковых нефтепродуктов колонн.
Однако колонны с "глухими" тарелками не нашли широкого распространения на практике. Их применение ограничено маломощными установками.
Все современные высокопроизводительные установки снабжены ректификационными колоннами без "глухих" тарелок. Это обстоятельство значительно сужает сферу применения указанного способа управления.
В качестве прототипа выбран способ управления процессом первичной переработки нефти в сложной ректификационной колонне [2] основанный на том, что по результатам измерения показателей качества нефтепродуктов (температур выкипания) и соответствующих им значений режимных параметров процесса расходов циркуляционных и острого орошения, температур верха простых колонн, нагрузки сложной колонны по сырью, отборов боковых нефтепродуктов, расходов перегретого водяного пара в низ простых колонн, давления в сложной колонне, температур низа простых колонн адаптируют математическую модель процесса. По невязке между заданными значениями показателей качества и оценками их текущих значений, определяемых по математической модели, вычисляются и реализуются требуемые значения управляющих параметров расхода перегретого пара в низ сложной колонны, отбора нижнего бокового нефтепродукта и расхода нижнего циркуляционного орошения, отбора верхнего бокового нефтепродукта и расхода верхнего циркуляционного орошения, расхода острого орошения.
Обеспечивая высокую точность стабилизации в установившихся режимах работы колонны, способ-прототип имеет недостатки в нестационарных режимах. Такими недостатками являются замедленная реакция изменения управляющих параметров, компенсирующих влияние контролируемых возмущений на показатели качества нефтепродуктов, и отсутствие возможности влияния на характер переходных процессов при изменении заданий на стабилизируемые значения показателей качества. Контролируемыми (измеряемыми) возмущениями являются плотность исходного перерабатываемого сырья, поступающего в дополнительную частично отбензинивающую его колонну, расход острого орошения в дополнительной колонне, интенсивность охлаждения паров углеводородов с верха колонны в конденсаторе воздушного охлаждения (КВО). В качестве меры интенсивности охлаждения принята разность температур потока паров углеводородов на входе и выходе КВО. Первый из названных недостатков вызван отсутствием измерений перечисленных контролируемых возмущений. На изменение контролируемых возмущений модель непосредственно не реагирует. При каждом их изменении происходит перенастройка коэффициентов модели. Изменение управляющих параметров, компенсирующих влияние контролируемых возмущений на стабилизируемые показатели качества нефтепродуктов, осуществятся не ранее, чем закончится процесс перенастройки коэффициентов модели. В течение процесса перенастройки, длительность которого несколько часов, возможен выпуск некондиционной продукции. Второй из недостатков связан с использованием статической модели для управления таким инерционным динамическим объектов, каким является ректификационная колонна. Переходные процессы отработки изменения задания на стабилизируемые значения показателей качества могут иметь существенные перерегулирования, их длительность целиком определяется инерционностью самой ректификационной колонны. В переходном процессе отработки изменения задания по одному из показателей качества возможны отклонения от заданных значений других показателей качества (неавтономность каналов управления).
Целью изобретения является повышение точности стабилизации показателей качества нефтепродуктов за счет более эффективной, обеспечивающей меньшие ошибки компенсации действующих на колонну контролируемых возмущений и сокращение времени переходных процессов при изменении заданий на стабилизируемые значения показателей качества, обеспечения монотонного характера протекания переходных процессов.
Цель достигается тем, что согласно способу управления процессом первичной переработки нефти в сложной ректификационной колонне путем регулирования температур выкипания нефтепродуктов изменением управляющих параметров отборов боковых нефтепродуктов, расходов циркуляционных и острого орошений, расхода перегретого пара в низ сложной колонны, измерение температур выкипания нефтепродуктов, расходов циркуляционных и острого орошений, нагрузки по сырью сложной колонны, расходов перегретого водяного пара в низ сложной и простых колонн, использующему адаптивную модель процесса, дополнительно измеряют температуру нефти на входе сложной колонны и интенсивность охлаждения паров углеводородов исходящих из верхней части сложной колонны КВО, расход острого орошения в дополнительной частично отбензинивающей нефть колонне и плотность сырья на ее входе. В зависимости от значений измеряемых величин адаптируют модель процесса с учетом запаздывания в измерительных каналах и вычисляют оценки температур выкипания, опережающие (прогнозирующие) измеряемые значения температур выкипания на время, равное транспортному запаздыванию в измерительных каналах. По оценкам и заданным значениям температур выкипания определяют необходимые значения отборов боковых нефтепродуктов, расходов циркуляционных и острого орошений, расхода перегретого пара в низ сложной колонны, в зависимости от которых регулируют температуру выкипания нефтепродуктов.
Положительный эффект повышение точности стабилизации температур выкипания нефтепродуктов и сокращение времени переходных процессов достигается всей изложенной совокупностью отличительных признаков изобретения. Игнорирование любого из отличительных признаков изобретения привело бы к ухудшению точности, т.е. невозможности достижения цели.
В патентной и научно-технической литературе не выявлены технические решения, содержащие всю заявленную совокупность отличительных признаков.
В основу построения математической модели, по которой вычисляются оценки температур выкипания, положены следующие, записанные в изображениях по Лапласу, соотношения:
Yi(S)
Figure 00000001
mij
Figure 00000002
Vj(S), (1) где i номер соответствующей выходной величины,
i=1,l; l=6;
Yi выходная величина модели, представляющая собой отклонение температуры выкипания (показателя качества) соответствующего нефтепродукта от ее некоторого заданного (среднего) значения Ti o(Ti o=const известна): Yi=Ti-Ti o;
Vj входные величины модели, представляющие собой отклонение соответствующих материальных потоков и температур от их заданных (средних) значений;
V1 отклонение отбора W2 верхнего бокового нефтепродукта от его среднего значения W2 o:V1=W2-W2 o;
V2 отклонение отбора W1 нижнего бокового нефтепродукта от его среднего значения W1 o:V2=W1-W1 o;
V3 отклонение расхода Q2 верхнего циркуляционного орошения от его среднего значения Q2 o:V3=Q2-Q2 o;
V4 отклонение расхода Q1 нижнего циркуляционного орошения от его среднего значения Q1 o:V4=Q1-Q1 o;
V5 отклонение расхода Qo острого орошения от его среднего значения Qo o: V5=Qo-Qo o;
V6 отклонение расхода G1 перегретого пара в низ сложной колонны от его среднего значения G1 o:Vo=G1-G1 o;
V7 отклонение температуры tF сырья на входе в колонну от ее среднего значения tF o:V7=tF-tF o;
V8 отклонение нагрузки F по сырью на входе в колонну от ее среднего значения Fo:V8=F-Fo;
V9 отклонение интенсивности S охлаждения паров углеводородов, исходящих из верхней части сложной колонны КВО от ее среднего значения So:V9=S-So, в качестве величины интенсивности S принимается разность tВ-tКВО температур верха колонны tВ и паров углеводородов tКВО после их охлаждения вентиляторами КВО;
V10 отклонение плотности сырья dF на входе частично отбензинивающей нефть (дополнительной колонны) от ее среднего значения dF o:V10=dF-dF o;
V11 отклонение расхода g острого орошения в дополнительной колонне от его среднего значения go:V10=g-go;
V12, V13 отклонение расходов G2, G3 перегретого пара в низ простых колонн (стриппингов) от их средних значений
G2 o,G3 o:V12=G2-G2 o; V13=G3-G3 o;
Уравнения (1) могут быть записаны в следующей форме:
Yi(S)=eimin Yi пр(S), где
Y п i р(S)
Figure 00000003
mij
Figure 00000004
Vj(S)
τimin=m
Figure 00000005
n τij при j=
Figure 00000006
, θijijimin.
С учетом того, что τij при всех j=
Figure 00000007
соизмеримы и θijпредставляют собой малые величины (в отличие от τij, которые могут в несколько раз превосходить постоянные времени Tij и составлять 30-50 мин), в целях упрощения полагается
Y п i р(S)
Figure 00000008
mij
Figure 00000009
Vj(S), где
Tij Y=Tij+ θij/3.
Из свойств преобразования Лапласа следует, что модель для Yi пр(S) осуществляет прогноз измеренных значений температур выкипания Ti изм(t) на время, равное времени запаздывания τimin:
Ti o+Yi пр(t)= Ti изм(t+ τimin), где t текущий момент времени, и в соответствии с принятыми обозначениями Yi пр(t)=Ti пр(t)-Ti o.
Соотношения (1) представляют собой дифференциальные уравнения математической модели процесса, записанные в изображениях по Лапласу. В отличие от статической модели прототипа предлагаемая модель является динамической и в ней индивидуально учитывается статика и динамика влияния каждого из независимых внешних воздействий на стабилизируемые выходные величины Y(i). Это свойство предлагаемой модели позволяет, измеряя текущие значения контролируемых возмущений, определить такие значения управляющих параметров, которые компенсируют влияние возмущений на выходные величины не только в статике, но и в переходных процессах отработки изменения заданий на стабилизируемые значения выходных величин Yi.
В модели прототипа влияние не входящих в нее непосредственно внешних воздействий на показатели качества (температуры выкипания) нефтепродуктов оценивается измерением входящих в нее параметров внутреннего состояния давления Р, температур низа tнi и верха tВi. Коэффициенты при этих параметрах состояния в уравнениях моделей не адаптируются и являются постоянными, причем коэффициенты при tнi и tВiравны единице, коэффициенты при давлении αнi и αВi. При изменении параметров tнi и tВi, вызванном внешними воздействиями, изменения оценок показателей качества, вычисленные по модели, могут отличаться от фактически измеренных показателей качества. Аналогичное явление имеет место при изменении давления в колонне в случае, если коэффициенты αнiи αВi заданы с погрешностями. Появившаяся невязка между вычисленными по модели и соответствующими измеряемыми показателями качества ведет к перенастройке коэффициентов модели алгоритмом идентификации. Следствием этого будет замедленный во времени, неудовлетворительный характер компенсации действующих возмущений.
В предлагаемом способе каждое из внешних воздействий входит в модель со своим адаптируемым коэффициентом. Поэтому действие контролируемых возмущений не приводит к перенастройке модели и эффективно парируется вычислением и реализацией соответствующих управляющих параметров.
Цель управления процессом ректификации нефти в рассматриваемой сложной колонне может быть формализована в виде следующей системы целевых условий:
Yi=Yi*, i=1,2,l, (2) где Yi стабилизируемые значения показателей качества (температур выкипания) соответствующих нефтепродуктов; Yi* заданные значения этих температур; l=6.
В прототипе выбран закон управления, основанный на методе простой итерации. Этот способ управления обладает рядом недостатков, связанных в первую очередь с трудностями правильного выбора шага итерации.
В заявленном способе для решения задачи стабилизации выходных величин используются получившие в последнее время достаточно широкое распространение универсальные идеи методов решения обратных задач динамики (например, Галлиулин А.С. Методы решения обратных задач динамики. М. Наука, 1986; Крутько П.Д. Обратные задачи динамики управляемых систем: Линейные модели. М. Наука, 1987).
Приведенные выше уравнения для модели Yi пр(S) в изображении по Лапласу во временной области описываются разностными уравнениями вида
Xi[k+1]AiXi[k]+ ВiuU[k]+Bω[k] (3)
Y п i р[k]
Figure 00000010
[k] Xi[k] (4) где индекс k=0,1,2 дискретное время, связанное с непрерывным временем t соотношением t=kT, T период дискретизации;
Xi[k] вспомогательный вектор состояния размерности 13 для i-го выхода, i=
Figure 00000011
;
u[k](V1,Vl) вектор управляющих воздействий размерности l;
ω [k](Vl+1,V13) вектор контролируемых возмущений размерности n=13-l;
Ai=diag{ai1,ai13} диагональная матрица размерности (13х13), коэффициенты которой вычисляются как
aij=
Figure 00000012
Figure 00000013
,
T y i j=
Figure 00000014
+
Figure 00000015
Figure 00000016
min=
Figure 00000017
in
Figure 00000018
; Тij, τij середины интервалов, являющихся экспериментально определяемыми интервальными оценками постоянных времени Tij и транспортных запаздываний τij, i=
Figure 00000019
j=
Figure 00000020
Biu, B прямоугольные матрицы соответствующих размерностей, причем
(Biu: B)= I-Ai,
I единичная матрица;
Figure 00000021
[k] (
Figure 00000022
[k]
Figure 00000023
[k])T вектор размерности 13, компонентами которого являются оценки
Figure 00000024
неизвестных параметров mij. Значения
Figure 00000025
[k] вычисляются в результате работы алгоритма адаптации.
Соотношения (2), (3) могут быть записаны в виде
X[k+1] AX[k]+ BuU[k]+ Bωω [k] (5)
Y[k]
Figure 00000026
[k]X[k] (6) где X[k] вспомогательный вектор состояния размерности 13l;
Y[k](Y1 пр[k]Yl пр[k] вектор выходных величин размерности l;
A=diag{A1,Al} диагональная матрица размерности (13l x 13l);
Figure 00000027
[k] матрица размерности (13l x l) вида
Figure 00000028
[k]
Figure 00000029
Figure 00000030
Figure 00000031
.0
Figure 00000032

Bu=(B1u T θ,Blu T θ)T матрица размерности 13l x l;
θ матрица размерности l˙n, все компоненты которой равны нулю; n=13-l;
Bω=(θTB TTB)T матрица размерности (13l x n).
В соответствии с выражением (2) цель управления состоит в стабилизации вектора Y[k] выхода объекта вблизи заданного значения Y*=(Y1*,Yl*)T. Задача стабилизации вектора Y[k] решается как задача нахождения последовательности U[k] векторов управлений:
U[k] U[k-1]+ ΔU*[k] (7) которая обеспечивает изменение вектора Y[k] выходных величин в соответствии с уравнением
Y[k+1](I-Λ )Y[k]+ ΛY*. (8)
Здесь U[k] значение вектора управляющих воздействий на интервале времени (k-1)T≅t<kT, где k текущий момент дискретного времени; I единичная l˙l матрица; Λ= diag{ λ1l} заданная диагональная матрица, 0< λi<1 для всех i=
Figure 00000033
, l= 6. Закон регулирования вектора Y[k] показателей качества в соответствии с уравнением (8) обеспечивает монотонный характер переходных процессов при изменении задания Y*. Действительно, из выражения (8) непосредственно следует, что Y[k] _→ Y* при k_→∞ Пусть режим установился и Y[k]Y* и пусть затем оператор установки изменил задание с Y* на Y * i
Figure 00000034
*. Тогда процесс отработки, как это следует из выражений (7), (8), нового задания будет монотонным, без перерегулирования. При этом те из выходов, по которым задание фактически не изменялось 1≅i≅6 в процессе отработки, не изменяются. Задавая различные λi, можно влиять на длительность переходных процессов.
Из выражений (5) (8) следует, что искомое приращение Δ U*[k] вектора управления определяется как решение ΔU системы линейных алгебраических уравнений:
Figure 00000035
[k+1]BuΔU (I-Λ)Y[k] + Λ Y*
Figure 00000036
[k+1]
Figure 00000037
AX[k]+BиU[k-1]+ Bωω[k]
Figure 00000038
(9)
Коэффициенты передачи mij[k] уточняются в результате работы алгоритмов адаптации. Для адаптации коэффициентов mij используются алгоритмы идентификации, основанные на нестохастическом подходе, а именно на эллипсоидальном оценивании выпуклых множеств. Эти алгоритмы достаточно подробно изложены, например, в статье Черноусько Ф.Л. Оптимальные гарантированные оценки неопределенностей с помощью эллипсоидов I, II, III (Известия АН СССР. Техническая кибернетика, 1980, N 3, с. 3-11, N 4, с. 3-11, N 5, с. 5-11) и в статье Бакана Г. М. Фильтрация многозначного процесса в ограниченном шуме (Кибернетика и вычислительная техника, 1980, вып. 49, с. 7-18).
В алгоритмах идентификации используются оценки показателей качества (температур выкипания), вычисленные с учетом транспортного запаздывания и соответствующие текущим показаниям анализаторов. Эти оценки вчисляются с помощью уравнений, аналогичных уравнениям (3), (4) и имеющих вид
Xi[k+ 1] AiXi[k]+ Biu Eu iU[k]+
+BEω iω [k] (10)
Yi[k] [k] Xi[k] (11) где E - u τi diag{ ζi1,ζil
Eω i diag{ ζi(l+1)i13 матрицы операторов сдвига ζijV[k]V[k- τij]
Принятый закон адаптивного управления обеспечивает высокую точность стабилизации заданных значений показателей качества, автономность каналов управления, монотонность переходных процессов, инвариантность системы по отношению к действующим на объект возмущениям.
На фиг. 1 представлена упрощенная схема способа управления сложной колонной; на фиг. 2 графики, иллюстрирующие функционирование системы управления сложной колонной при изменении температуры сырья.
Сложная колонна состоит из секций 1-6 и предназначена для разделения частично отбензиненной нефти. Секции 1 и 2 составляют нижнюю простую колонну, секции 3 и 4 среднюю, секции 5 и 6 верхнюю простую колонну. Отпарные секции (стриппинги) средней и верхней простых колонн вынесены за пределы основной колонны.
Отбензиненная нефть поступает в нижнюю простую колонну по линии 7, верхний продукт этой колонны (в паровой фазе) поступает в среднюю простую колонну и т.д. В сложной колонне нефть разделяется на четыре нефтепродукта мазут (нижний нефтепродукт сложной колонны), который отводится по линии 8, дизельное топливо (нижний боковой нефтепродукт), которое отводится по линии 9, лигроин (верхний боковой нефтепродукт), который отводится по линии 10, и бензин (верхний нефтепродукт сложной колонны), который отводится по линии 11.
Регулировать температуры выкипания нефтепродуктов предлагается с помощью установки необходимых значений отборов нефтепродуктов по линиям 9 и 10, расходов циркуляционных орошений по линиям 12 и 13 и острого орошения по линии 14 и расхода перегретого пара в низ сложной колонны по линии 15. Необходимые значения отборов нефтепродуктов реализуют с помощью регуляторов 16 и 17, расходов циркуляционных орошений с помощью регуляторов 18 и 19, острого орошения с помощью регулятора 20, расхода перегретого водяного пара в низ сложной колонны с помощью регулятора 21.
Система снабжена также измерителем 22 плотности нефти, поступающей по линии 23 в дополнительную, частично отбензинивающую нефть колонну 24, расходомером 25, контролирующим расход острого орошения в этой дополнительной колонне, расходомером 26, контролирующим нагрузку по сырью сложной колонны, расходомерами 27, 28, контролирующими отборы боковых нефтепродуктов, расходомерами 29-31, контролирующими расход перегретого пара в низ сложной и простых колонн, расходомерами 32-34, контролирующими расход циркуляционных и острого орошений сложной колонны, блоком 35 разности, определяющим интенсивность охлаждения паров углеводородов как разности сигналов, поступающих от датчика 36 температуры в верхней части сложной колонны и от датчика 37 температуры паров углеводородов после их охлаждения вентиляторами КВО 38, датчиком 39 температуры сырья на входе в сложную колонну, автоматическими анализаторами 40-45, измеряющими показатели качества нефтепродуктов.
Показания расходомеров 25-34, датчика 39 температуры, измерителя 22 плотности, блока 35 разности определения интенсивности охлаждения, а также показания анализаторов 40-45 качества нефтепродуктов поступают в вычислительное устройство 46, где формируются уставки для регуляторов 16-21, которые обеспечивают стабилизацию в сложной колонне температур выкипания нефтепродуктов.
В холодильнике 47 происходит охлаждение и конденсация паров, исходящих из верхней части дополнительной колонны 24. Полученный конденсат с помощью регулятора 48 разделяется на два потока: первый из них, называемый острым орошением, возвращается в дополнительную колонну по линии 49, а второй поток отводится в резервуар готовой продукции (бензина) по линии 50.
Способ управления реализуется по следующему алгоритму. С помощью анализаторов или лабораторных исследований измеряют текущие значения показателей качества (температур выкипания) нефтепродуктов и вводят их в вычислительное устройство 46. Туда же поступают текущие значения плотности dF сырья от датчика 22, расхода g острого орошения в дополнительной колонне от датчика 25, нагрузки F по сырью сложной колонны от датчика 26, температуры сырья tF от датчика 39, отборов W1, W2 боковых нефтепродуктов от датчиков 27, 28, расходов Q1, Q2, Qoциркуляционных орошений от датчиков 32, 33 и острого орошения от датчика 34, расходов G1, G2, G3 перегретого пара в низ сложной и простых колонн от датчиков 29-31, интенсивности S охлаждения паров углеводородов от блока 35 разности. Используя измеренные значения указанных величин, вычислительное устройство 46 реализует рекуррентный алгоритм адаптации матричного коэффициента М. Источником адаптируемого сигнала является невязка текущих показаний анализаторов и приведенных с учетом транспортных запаздываний к этому моменту времени вычисленных оценок этих показателей. Такие оценки вычисляются с помощью зависимостей (10) (11) по соответствующим значениям плотности dF сырья, расхода g острого орошения, нагрузки F по сырью, температуры tF, отборов W1, W2нефтепродуктов, расходов Q1, Q2, Qo циркуляционного и острого орошений, расходов G1, G2, G3 перегретого водяного пара, интенсивности S охлаждения паров углеводородов. В вычислительное устройство 46 вводят задание вектора Y*. Используя функциональную зависимость (9), определяют приращение ΔU* вектора управления.
Далее, используя закон управления (7), определяют необходимые значения расхода G1 перегретого водяного пара в низ сложной колонны, отбора W1 нижнего бокового нефтепродукта, расхода Q1 нижнего циркуляционного орошения, отбора W2 верхнего бокового нефтепродукта, расхода Q2 верхнего циркуляционного орошения и расхода Qo острого орошения.
Реализуя полученные значения управляющих параметров W1, G1, W2, Q1, Q2, Qo, регулируют показатели качества (температуры выкипания) нефтепродуктов. Повышение точности стабилизации показателей качества за счет эффективного парирования действующих на колонну возмущений и улучшение быстродействия и характера протекания переходных процессов позволяют по сравнению с прототипом приблизить заданные значения стабилизируемых показателей качества к границам технологических допусков и вследствие этого повысить отбор светлых нефтепродуктов.
Заявляемый способ управления допускает возможность стабилизации произвольной комбинации из любого, меньшего чем шесть, числа l вышеуказанных показателей качества нефтепродуктов в зависимости от располагаемой вычислительной мощности управляющей ЭВМ и состава измерительного комплекса установки. Кроме того, в зависимости от конкретных технологических требований и располагаемого состава измерительного комплекса колонны предлагаемый способ допускает возможность стабилизации произвольных, отличных от температур выкипания, показателей качества получаемых нефтепродуктов, или стабилизации количества получаемого верхнего нефтепродукта (бензина). При этом в основу математической модели управляемого процесса для соответствующей стабилизируемой величины Yi также может быть положено соотношение (1).
На фиг. 2 приведены результаты эксперимента, выполненного при опытно-промышленных испытаниях заявляемого способа управления. В качестве возмущения выбрана температура нефти, поступающей в колонну. Температура нефти была поднята на 10оС в течение одного часа, а затем уменьшена к прежнему значению 352оС за то же время. Стабилизируемыми показателями качества являлись температура выкипания 90% пробы дизельного топлива Т90Д, температуры выкипания 70% пробы дизельного лигроина Т70Л, температуры вспышки лигроина ТВЛ. Задания на стабилизируемые значения показателей качества равнялись Т90Д*= 349оС, Т70Л*=192оС, ТВЛ*=39оС. Графики изменения показателей качества Т90Д (t), Т70Л (t), ТВЛ (t), измеряемых анализаторами, отборов W1(t), W2(t) дизельного топлива и лигроина, расхода острого орошения Qo(t) и изменения температуры tF(t) приведены на фиг. 2. Контролируемые входные воздействия Q1(t), Q2(t), F(t), S(t) изменялись в ходе эксперимента несущественно и на графике не приводятся. Отклонение температур Т90Д(t), Т70Л (t), ТВЛ (t) от заданных значений составляло не более ±2оС, что не превышает ошибку в показаниях анализаторов. При управлении по способу-прототипу подобное возмущение вызывало отклонение стабилизируемых показателей качества от заданных значений, превышающее 2оС в течение около 3 ч, причем максимальное отклонение составляло 10оС.
Эффективность предлагаемого способа управления подтверждается результатами выполненных опытно-промышленных испытаний, проведенных на Киришском нефтеперерабатывающем заводе. При этом стабилизируемыми показателями качества являлись температура Т90Д дизельного топлива, температура Т70Л лигроина и температура ТВЛ вспышки лигроина. В качестве управляющих переменных были выбраны отбор W1 дизельного топлива, отбор W2 лигроина и расход Qo острого орошения.

Claims (1)

  1. СПОСОБ УПРАВЛЕНИЯ ПРОЦЕССОМ ПЕРВИЧНОЙ ПЕРЕРАБОТКИ НЕФТИ В СЛОЖНОЙ РЕКТИФИКАЦИОННОЙ КОЛОННЕ, включающий измерение температур выкипания боковых погонов, расходов боковых погонов, циркуляционных и острого орошений, перегретого пара в низ сложной и простых колонн, сырья сложной колонны, регулирование температуры выкипания по их заданным значениям изменением расходов боковых погонов циркуляционных и острого орошений, перегретого пара в низ сложной колонны отличающийся тем, что, с целью повышения качества боковых погонов за счет повышения точности стабилизации температур выкипания, измеряют температуру паров на входе и выходе конденсаторов воздушного охлаждения, сырья на входе сложной колонны, расход острого орошения в дополнительной колонне, плотность сырья на входе в дополнительную колонну, определяют интенсивность охлаждения паров на конденсаторе воздушного охлаждения по разности температур на его входе и выходе, вычисляют оценки температур выкипания с учетом транспортного запаздывания по измерительным каналам и по полученным значениям корректируют расходы боковых погонов, циркуляционных и острого орошений, перегретого пара в низ сложной колонны.
SU4868372 1990-07-30 1990-07-30 Способ управления процессом первичной переработки нефти в сложной ректификационной колонне RU2040294C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
SU4868372 RU2040294C1 (ru) 1990-07-30 1990-07-30 Способ управления процессом первичной переработки нефти в сложной ректификационной колонне

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SU4868372 RU2040294C1 (ru) 1990-07-30 1990-07-30 Способ управления процессом первичной переработки нефти в сложной ректификационной колонне

Publications (1)

Publication Number Publication Date
RU2040294C1 true RU2040294C1 (ru) 1995-07-25

Family

ID=21537260

Family Applications (1)

Application Number Title Priority Date Filing Date
SU4868372 RU2040294C1 (ru) 1990-07-30 1990-07-30 Способ управления процессом первичной переработки нефти в сложной ректификационной колонне

Country Status (1)

Country Link
RU (1) RU2040294C1 (ru)

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
1. Авторское свидетельство СССР N 738633, кл. B 01D 3/42, 1977. *
2. Авторское свидетельство СССР N 1074559, кл. B 01D 3/42, 1982. *

Similar Documents

Publication Publication Date Title
Forbes et al. Model accuracy for economic optimizing controllers: The bias update case
CA2118885C (en) Process control system
Marchetti et al. Steady-state target optimization designs for integrating real-time optimization and model predictive control
US6826521B1 (en) System and methodology and adaptive, linear model predictive control based on rigorous, nonlinear process model
US5640491A (en) Control system using an adaptive neural network for target and path optimization for a multivariable, nonlinear process
Herceg et al. Development of soft sensors for isomerization process based on support vector machine regression and dynamic polynomial models
Qin et al. An overview of industrial model predictive control technology
US3296097A (en) Predictive control of distillation column internal reflux
Karjala et al. Dynamic data rectification by recurrent neural networks vs. traditional methods
US3294648A (en) Controlling the operation of a distillation column
US20030158680A1 (en) On-line calibration process
Gao et al. Design of PID controller for greenhouse temperature based on Kalman
US4358821A (en) Method and apparatus for the incorporation of varying flow in the control of process quantities
US20090037003A1 (en) Real-time operating optimized method of multi-input and multi-output continuous manufacturing procedure
RU2040294C1 (ru) Способ управления процессом первичной переработки нефти в сложной ректификационной колонне
US3621217A (en) Special-purpose process control computer
Assandri et al. Nonlinear parametric predictive temperature control of a distillation column
Gerov et al. Parameter estimation method for the unstable time delay process
Mellichamp et al. Identification and adaptation in control loops with time varying gain
Sahraie et al. Adaptive neuro-fuzzy inference system (ANFIS) approach to evaluate the debutanizer top product
US4289588A (en) Fractional distillation column pumparound heat removal control
Jäschke Invariants for optimal operation of process systems
Kemaloğlu et al. Model predictive control of a crude distillation unit an industrial application
Herceg et al. Continuous estimation of the key components content in the isomerization process products
Rodriguez-Blanco et al. Modifier-Adaptation approach to deal with structural and parametric uncertainty