Anotácia projektu

V súčasnosti sa neustále zvyšuje kvalita pokročilých regulátorov pre chemický priemysel, s čím súvisí zvyšujúca sa potreba merania rôznych procesných veličín. Tieto veličiny môžu byť z pohľadu zložitosti indikácie rozdelené na ľahko merateľné (napr. teploty, tlaky a prietoky) a na ťažko merateľné (napr. koncentrácia produktov). Hlavným cieľom tohto projektu je znížiť náklady spojené s monitorovaním ťažko merateľných veličín prostredníctvom inferenčných (softvérových) senzorov. Pri návrhu inferenčných senzorov je naším ďalším cieľom dosiahnuť vyššiu presnosť odhadu žiadanej veličiny a tým zabezpečiť aj vyššiu bezpečnosť na danej prevádzke. V tomto projekte budeme analyzovať a porovnávať efektívnosť niekoľkých vhodných metód návrhu inferenčných senzorov založených na dátach. Na základe tohto porovnania je naším cieľom vytvoriť novú metódu so zameraním na vyššiu robustnosť a efektívnosť. Návrh inferenčných senzorov a následnú validáciu budeme realizovať prostredníctvom matematického modelu (destilačnej kolóny) v prostredí programu gPROMS ModelBuilder. Na dosiahnutie dôveryhodnejších výsledkov vykonáme niekoľko simulácií pri rôznych fyzikálnych podmienkach v danom modeli. Stabilitu simulácie (konvergenciu) pri týchto rôznych podmienkach nám zabezpečí dodatočný balíček Multiflash, ktorý obsahuje rozsiahlu databázu zmesí a  poskytuje viacero modelov na opis fázových rovnováh. Poznatky získané z návrhu inferenčných senzorov v prostredí gPROMS ModelBuilder následne aplikujeme na dve reálne prevádzky ropnej rafinérie Slovnaft, a.s. v Bratislave. Týmito prevádzkami sú fluidné katalytické krakovanie (FCC) a hydrogenácia vákuových destilátov (VGH). Získané výsledky z tohto návrhu inferenčných senzorov budú prezentované na medzinárodnej konferencii ESCAPE 31 v Istanbule, ktorá je zameraná na aktuálne chemicko-inžinierske problémy.

Popis vedeckých (umeleckých) cieľov projektu

        Predkladaný projekt sa zameriava na návrh inferenčných senzorov, ktorých úlohou je odhad ťažko merateľných veličín (napr. zloženie produktov) v procesoch patriacich do chemického priemyslu. Inferenčný senzor predstavuje lacnú a presnú alternatívu rôznych iných analytických metód (napr. refraktometria) na indikáciu týchto problematických veličín. Inferenčný senzor odhaduje požadovanú premennú na základe meraní z iných senzorov (teplotné senzory, tlakové senzory, prietokomery) v danom procese. Hlavnou úlohou pri návrhu optimálneho inferenčného senzora je určiť, ktoré merané veličiny by mali byť súčasťou štruktúry daného senzora.

Prvým cieľom projektu je návrh matematického modelu destilačnej kolóny v prostredí programu gPROMS ModelBuilder. Pri tomto návrhu budeme vychádzať z technologického reglementu reálnej laboratórnej kolóny UOP3CC. Navrhnutý matematický model následne odsimulujeme pri rôznych podmienkach, pričom využijeme možnosti a nastavenia balíka Multiflash. Modelovacie prostredie programu gPROMS ModelBuilder nám poskytuje pomerne veľkú flexibilitu a umožňuje nám nastaviť matematický model podľa našej potreby. Získané dáta z rôznych simulácií matematického modelu budú následne použité na návrh inferenčných senzorov.

Druhým cieľom projektu je analýza vhodných metód na indikáciu systematických chýb a štatistický odchýlených meraní vo viacrozmerovej dátovej množine. Prítomnosť týchto chýb v dátovej množine môže výrazne znížiť presnosť navrhnutých inferenčných senzorov. Preto je potrebné chybové merania identifikovať a následne odstrániť alebo nahradiť. Príležitosť na splnenie tohto cieľa nám poskytuje práve gPROMS ModelBuilder, ktorý nám dáva možnosť nastavenia kvality (šumu) merania jednotlivých veličín a taktiež pridanie systematických chýb.

Následným cieľom projektu je využitie syntetických dát očistených od systematických chýb na návrh inferenčných senzorov. V tomto projekte budeme porovnávať efektívnosť viacerých metód na návrh inferenčných senzorov založených na dátach, pričom každá skúmaná metóda sa zaoberá iným aspektom dát. Na návrh inferenčných senzorov použijeme vyhradenú množinu meraní (trénovacie dáta) a na vyhodnotenie kvality jednotlivých senzorov použijeme zvyšnú časť dát (testovacie dáta). Týmto spôsobom chceme zabezpečiť férové porovnanie jednotlivých metód, aby sme mohli jednoznačne určiť výhody a nevýhody každej metódy. Pri návrhu inferenčných senzorov musíme vyriešiť dve úlohy. Prvou úlohou je určenie správnej štruktúry senzora a druhou úlohou je výpočet parametrov modelu. To ako sa jednotlivé metódy dokážu vysporiadať s týmito úlohami určí kvalitu navrhnutých inferenčných senzorov. Toto porovnanie metód chceme následne využiť na vývoj novej metódy návrhu inferenčných senzorov, ktorá bude kombinovať výhody skúmaných metód s cieľom poskytnutia vyššej robustnosti.

Poznatky získané z metód na ošetrenie dát a z návrhu inferenčných senzorov následne aplikujeme na návrh inferenčných senzorov pre dve reálne prevádzky ropnej rafinérie Slovnaft, a.s. v Bratislave. Týmito prevádzkami sú fluidné katalytické krakovanie (FCC) a hydrogenácia vákuových destilátov (VGH). Tieto prevádzky predstavujú zložitosťou (počet uvažovaných zariadení pri návrhu senzorov) dva rôzne problémy, čo nám dáva príležitosť efektívneho porovnania skúmaných metód návrhu inferenčných senzorov.

Posledným cieľom tohto projektu je sumarizácia výsledkov a ich následná prezentácia na medzinárodnej konferencii ESCAPE 31, ktorá bude organizovaná v Istanbule. Zameraním tejto konferencie sú efektívne riešenia na aktuálne chemicko-inžinierske problémy.