На Московском НПЗ внедряется система усовершенствованного управления технологическими процессами (СУУТП), которая повышает эффективность и оптимизируют работу производственных установок завода. Об этом компания сообщила 16 февраля 2017 г.   Оптимизация бизнес-процессов на НПЗ — это задача, решение которой — важное условие дальнейшего повышения эффектности бизнеса «Газпром нефти». Вынужденное сокращение добычи нефти в мире, растущие природоохранные требования, требования к качеству нефтепродуктов, изменчивый спрос на продукты переработки, как в количественном, так и в качественном отношении, вынуждают компании искать решения. Добавьте к этому постоянные требования по обеспечению эффективной работы на каждом этапе технологического процесса переработки и повышенные требования к безопасности на НПЗ — все это требует постоянного  улучшения работы как отдельных установок, так и целого комплекса оборудования без изменения технологии. Именно поэтому нефтянка активно внедряет передовые IT-решения уже несколько 10-летий.   Все начиналось с внедрения разнородного КИПиА — низшего уровня автоматизации, включающего оборудование и системы, так называемую «лоскутную» автоматизацию. На большинстве НПЗ этот этап давно прошли. Следующий  уровень в пирамиде автоматизации — это автоматизация управления технологическими процессами (АСУТП), которая, помимо  экономического эффекта, позволяет свести к минимуму человеческий фактор, что тоже очень важно.   Очередной уровень — это создание интеллектуальных СУУТП (за рубежом — Advance Process Control system), которые делают бизнес-процессы более эффективными. В АСУТП (они поэтому и называются автоматизированными, а не автоматическими) важная роль отведена оператору установки, который должен: — успевать оперативно реагировать на 10ки различных сигналов, от которых зависит качество конечного продукта и стабильность всего производственного процесса; — точно соблюдать технологию, для чего требуется удерживать параметры на границах критических значений. Повысить интеллект АСУТП, чтобы помочь оператору, можно за счет дополнения их сложными многопараметрическими контроллерами и использования виртуальных анализаторов. Так получается современная СУУТП. Интеллектуальность СУУТП заключается в том, что она не просто позволяет регулировать каждый параметр в зависимости от внешних факторов и качества сырья, а задает рабочий алгоритм, заранее просчитывая и учитывая различные комбинации.   Система программируется на основе статистической модели технологического процесса, может выбирать оптимальный режим и стабилизировать на нем работу установок.  Говоря простым языком инженеров-технологов, автоматизированная система виртуальных анализаторов позволяет получить достоверную оперативную информацию о техпроцессе, обеспечивая с помощью математической модели имитацию данных с поточных анализаторов.   Все это позволяет повысить производительность техпроцесса, качество продукции, сократить время переходных процессов, увеличить время поддержания оптимального технологического режима, снизить потребление энергоресурсов и т.д. «Газпром нефть» уже не один год успешно реализует комплексную программу автоматизации своих нефтеперерабатывающих активов, проводит серьезную работу по повышению эффективности рабочих процессов и эксплуатационной готовности нефтеперерабатывающих заводов (НПЗ), снижению операционных затрат и развитию уровня автоматизации производства.   Программа охватывает все НПЗ компании и обеспечивает рост выхода светлых нефтепродуктов, увеличивает производительность и энергоэффективность заводских установок. В 2016 г. на Московском НПЗ новая СУУТП была смонтирована на установках первичной переработки нефти, каталитического риформинга, газофракционирования и гидроочистки дизельного топлива. К 2018 г. новые СУУТП начнут работу еще на 5 установках Московского НПЗ.   Вы спросите можно ли и далее повышать интеллектуальность СУУТП? Ответ прост — можно. Для того, чтобы система могла не только информировать, но и сама оперативно реагировать, нужно создать искусственный интеллект, усложнив математическую модель, ведь создание математической модели техпроцесса и использование виртуальных анализаторов — это лишь первый шаг к машинному обучению. Нужно обучить машину: — анализировать на основе математических методов виртуальные показатели; — прогнозировать необходимое управляющее воздействие на изменение техпроцесса на основе анализа; — воздействовать на параметры техпроцесса;  — анализировать не по одной функции, а на основе нескольких параметров.   В части софта для СУУТП в отечественной нефтепереработке российские разработки вполне могут конкурировать с западными, — считает кандидат технических наук, доцент Московского технологического университета В. Холопов, отмечая, что любая СУУТП  — это не «коробочный» продукт, а настраиваемые и собираемые отдельно под каждое конкретное производство системы, с реализацией которых отечественные разработчики вполне успешно справляются. При этом очевидно отставание по элементной базе, т.е. приборам, которыми мы пользуемся: контроллерам, вычислительным системам и т.д.   Комментарий эксперта: Вячеслав Куликов, Dr.-Ing., Руководитель экспертной организации в России и СНГ, ООО «Эмерсон»: — Усовершенствованное управление технологическими процессами – это устоявшаяся, проверенная временем технология. Основные ее элементы – многопараметрические регуляторы и виртуальные анализаторы на базе математических моделей. СУУТП могут применяться для любых непрерывных технологических процессов, так как применяемый математический аппарат один и тот же. На практике наибольшее применение СУУТП получили в нефтепереработке, на крупнотоннажных установках, где даже небольшое повышение производительности или выхода ценных продуктов влечет за собой существенную экономическую выгоду для предприятия. Известны многочисленные применения в нефтехимии, химии, в энергетике, на целлюлозно-бумажных предприятиях и в других отраслях с непрерывным циклом производства. Общее между СУУТП и модным сейчас машинным обучением и нейронными сетями, безусловно, есть, и более того – эти технологии применялись в СУУТП практически с момента их возникновения. Для создания СУУТП необходима идентификация математических моделей процесса на основе предоставленных данных о процессе, а машинное обучение – это по сути развитие технологий поиска зависимостей и моделей, отражающих реальный мир, где основную роль выполняет не человек, а компьютерные программы. С развитием информационных технологий стала возможна обработка гораздо больших массивов данных, чем ранее, что позволяет находить более точные, скрытые зависимости между параметрами, а также адаптировать модели к изменениям в технологическом процессе. Нейронные сети – это одна из технологий, позволяющая определить такие скрытые зависимости, в системе управления DeltaV она реализована в виде специального функционального блока СУУТП.  

Ссылка на источник



Комментарии закрыты.

  • Свежие комментарии

  • Популярные статьи

    • Не найдено
  • Облако меток