ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА УПРАВЛЕНИЯ СМЕШЕНИЕМ БЕНЗИНОВ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ С УЧЕТОМ ПАРАМЕТРИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ
УДК: 004.942+665.73
DOI: 10.33285/0132-2222-2021-7(576)-28-36
Авторы:
ГОРБУНОВ СЕРГЕЙ СЕРГЕЕВИЧ 1,
КОСТАНДЯН АРТУР ВАЛЕРИЕВИЧ 2,
ЕГОРОВ АЛЕКСАНДР ФЕДОРОВИЧ 3,
СИДОРОВ ВАЛЕРИЙ ВАСИЛЬЕВИЧ 4,
АЛЕКСАНЯН АШОТ АРСЕНОВИЧ 1
1 МЦЭ-Инжиниринг, г. Москва, Россия
2 КСИМАТИК, г. Москва, Россия
3 РХТУ им. Д.И. Менделеева, г. Москва, Россия
4 РГУ нефти и газа (НИУ) имени И.М. Губкина, г. Москва, Россия
Ключевые слова: смешение бензинов; интеллектуальная система; оптимизационная модель; рецептура смешения бензинов; математическое описание; критерий оптимальности; ограничение; параметрическая неопределенность; нейронная сеть.
Аннотация:
Процесс смешения бензинов является важной конечной стадией в общей технологической цепочке производства бензинов. Технологические издержки компаундирования определяются эффективностью поддержания гидродинамического режима смешения компонентов бензина, контроля, оптимизации рецептур, оптимального управления и регулирования. Разработка математической модели, постановка задачи оптимизации и управления смешением бензинов в режиме реального времени (онлайн-режим) являются одним из важных этапов создания распределенной системы управления (РСУ). В статье рассмотрена математическая модель онлайн-оптимизации смешения бензинов с учетом условий неопределенности параметров технологического режима. В представленной математической модели учитывается параметрическая неопределенность процесса смешения бензинов в режиме реального времени при построении алгоритмов управления в РСУ. Приведена нейросетевая модель решения задачи прогноза и оптимизации системы управления смешением бензинов в режиме реального времени.
Список литературы:
1. White J., Hall F. Gasoline blending optimization cuts use of expensive components // Oil & Gas J. - 1992. - Vol. 90, Issue 44. - P. 81-84.
2. Michalek T.F., Nordeen K., Rys R. Using a relational database for blend optimization // Hydrocarbon Processing. - 1994. - Vol. 73, Issue 9. - P. 47-49.
3. Agrawal S.S. Integrate blending control, optimization and planning // Hydrocarbon Processing. - 1995. - Vol. 74, Issue 8. - P. 129-139.
4. Diaz A., Barsamian J.A. Meet changing fuel requirements with online blend optimization // Hydrocarbon Processing. - 1996. - Vol. 75, Issue 2. - P. 71-76.
5. Blend-control system all but eliminates reblends for Canadian refiner / P.J. Vermeer, C.C. Pedersen, W.M. Canney, J.S. Ayala // Oil & Gas J. - 1997. - Vol. 95, Issue 30. - P. 74-79.
6. Naman B.T. Linear models help refiners develop RFG recipes // Oil & Gas J. - 1999. - Vol. 97, Issue 8. - P. 64-66.
7. Chen J., Wang N., Wang S.Q. Neuro-internal model based optimal control for gasoline blending process // Control Theory and Application. - 1999. - Vol. 16, Aug. - P. 532-535.
8. Zhang Y., Monder D., Forbes J.F. Real-time optimization under parametric uncertainty: a probability constrained approach // J. of Process Control. - 2002. - Vol. 12, Issue 3. - P. 373-389. - DOI: 10.1016/S0959-1524(01)00047-6
9. Программный комплекс оптимального планирования и оптимизации рецептур смешения бензинов и мазутов / С.С. Горбунов, А.А. Алексанян, В.А. Костандян, А.Ф. Егоров // Нефтепереработка и нефтехимия. Научно-техн. достижения и передовой опыт. - 2019. - № 1. - С. 13-19.
10. Учет нелинейности рецептур смешения топлив в программном комплексе оптимального планирования и оптимизации рецептур смешения топлив / С.С. Горбунов, А.А. Алексанян, В.А. Костандян, А.Ф. Егоров // Нефтепереработка и нефтехимия. Научно-техн. достижения и передовой опыт. - 2019. - № 2. - С. 9-11.
11. Комплексная система планирования и оптимизации рецептур смешения бензинов / С.С. Горбунов, А.В. Костандян, А.А. Алексанян, А.Ф. Егоров // Математические методы в технике и технологиях: сб. тр. междунар. науч. конф. - СПб: Изд-во Политехн. ун-та, 2019. - Т. 4. - С. 91-94.
12. Hines J.W., Garvey D. Process and equipment monitoring methodologies applied to sensor calibration monitoring // Quality and Reliability Engineering. - 2007. - Vol. 23, Issue 1. - P. 123-135. - DOI: 10.1002/qre.818
13. Zhang Y., Monder D.S., Forbes J.F. Real-time optimization under parametric uncertainty: a probability constrained approach // J. of Process Control. - 2002. - Vol. 12, Issue 3. - P. 373-389. - DOI: 10.1016/S0959-1524(01)00047-6
14. Model-based real-time optimization of automotive gasoline blending operations / A. Singh, J.F. Forbes, P.J. Vermeer, S.S. Woo // J. of Process Control. - 2000. - Vol. 10, Issue 1. - P. 43-58. - DOI: 10.1016/S0959-1524(99)00037-2
15. Muller A. New method produces accurate octane blending values // Oil & Gas J. - 1992. - Vol. 90, Issue 12. - P. 80-90.
16. Zahed A.H., Mullah S.A., Bashir M.D. Predict octane number for gasoline blends // Hydrocarbon Processing. - 1993. - Vol. 72, Issue 5. - P. 85-87.
17. Бураков М.В. Нейронные сети и нейроконтроллер: учеб. пособие. - СПб.: ГУАП, 2013. - 284 с.
18. Tian G.Y., Zhao Z.X., Baines R.W. A Fieldbus-based intelligent sensor // Mechatronics. - 2000. - Vol. 10, Issue 8. - P. 835-849. - DOI: 10.1016/S0957-4158(99)00078-1
19. Kramer M.A. Nonlinear principal component analysis using autoassociative neural networks // AIChE J. - 1991. - Vol. 37, Issue 2. - P. 233-243. - DOI: 10.1002/aic.690370209
Назад в номер