МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

СХІДНОУКРАЇНСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ

ІМЕНІ ВОЛОДИМИРА ДАЛЯ

На правах рукопису

ДЖАБРАН АБДАЛХАМІД АБДАЛНАБІ

УДК 681.5.015

АВТОМАТИЗАЦІЯ ПРОЦЕСІВ КЕРУВАННЯ

КОЛОНОЮ СИНТЕЗУ У ВИРОБНИЦТВІ МЕТАНОЛУ

05.13.07 – автоматизація процесів керування

Дисертація на здобуття наукового ступеня

кандидата технічних наук

Науковий керівник:

Лорія Марина Геннадіївна

кандидат технічних наук, доцент

Цей примірник дисертації ідентичний

за змістом з іншими, що подані до

спеціалізованої вченої ради К 29.051.13

Учений секретар спеціалізованої вченої ради К 29.051.13 Кардашук В. С.

Сєвєродонецьк – 2016

2

СОДЕРЖАНИЕ

ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ 5

ВВЕДЕНИЕ 6

РАЗДЕЛ 1 АНАЛИТИЧЕСКИЙ ОБЗОР 12

1.1 Структура АСУ ТП 12

1.2 Уровни иерархии АСУ ТП 15

1.3 Задачи, выполняемые АСУ ТП 16

1.4

Основные понятия и положения оптимизации химико-

технологических процессов

19

1.5

1.6

Нечеткая логика

Характеристика методов оптимизации химико-

технологических процессов

21

25

1.7.1 Свойства метанола и его применение 31

1.7.2 Методы получения метанола 32

1.7.3 Паро-кислородная конверсия метана 33

1.7.4 Моноэтаноламиновая очистка конвертированного газа 34

1.7.5 Осушка конвертированного газа 34

1.7.6 Синтез метанола-сырца 35

1.7.7 Технологическая схема агрегатов синтеза метанола 38

1.8 Выводы и постановка задач 41

РАЗДЕЛ 2 РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ

КОЛОННЫ СИНТЕЗА МЕТАНОЛА ДЛЯ РЕАЛИЗАЦИИ

СИСТЕМЫ УПРАВЛЕНИЯ С МОДЕЛЬЮ

42

2.1 Динамическая математическая модель полки газового

реактора

43

2.1.1 Информационно-логический анализ полки колонны

синтеза

43

2.1.2 Разработка частным математических моделей первой

полки колонны синтеза

46

3

2.1.3 Математическая модель второй и третьей полок колонны

синтеза метанола

63

2.2

2.3

2.4

Динамическая математическая модель кожухотрубного

теплообменника

Математическая модель колонны синтеза метанола.

Выводы к разделу 2

64

75

78

РАЗДЕЛ 3 РАЗРАБОТКА АЛГОРИТМА И СИСТЕМЫ

УПРАВЛЕНИЯ КОЛОННОЙ СИНТЕЗА В

ПРОИЗВОДСТВЕ МЕТАНОЛА

79

3.1 Обобщенная информационно-логическая схема колонны

синтеза метанола с внутренним теплообменником

79

3.2 Критерии оптимальности 82

3.3 Решение оптимизационной задачи 85

3.4 Использование алгоритма Хука-Дживса для уточнения

координат экстремума

87

3.5 Разработка алгоритма управления колонной синтеза

метанола

91

3.5.1 Адаптация математической модели 92

3.5.2 Алгоритм работы системы управления с моделью

колонной синтеза метанола

93

3.6

3.7

Разработка функциональной схемы автоматизации

колонны синтеза метанола

Выводы к разделу 3

96

99

РАЗДЕЛ 4 ИССЛЕДОВАНИЕ КОМПЬЮТЕРНО-

ИНТЕГРИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ С

МОДЕЛЬЮ КОЛОННОЙ СИНТЕЗА В ПРОИЗВОДСТВЕ

МЕТАНОЛА

101

4.1 Разработка компьютерно - интегрированной системы

управления с моделью колонной синтеза метанола

101

4.2 Разработка технического обеспечения КИСУ 102

4

4.2.1 Структура КИСУ 102

4.2.2 Выбор комплекса технических средств для реализации

КИСУ

103

4.2.2.1 Подсистема среднего уровня 104

4.2.2.2 Подсистема верхнего уровня 106

4.3 Разработка информационного обеспечения КИСУ

колонной синтеза метанола

108

4.3.1 Общие принципы визуализаии АРМ оператора 109

4.3.2 Разработка операторского интерфейса КИСУ стадией 109

4.3.2.1 Обзорный фрагмент мнемосхемы управлениястадией 111

4.3.2.2 Тренд реального времени параметров процесса 112

4.3.2.3 Фрагмент очета тревог 112

4.4 Исследование статических характеристик колонны синтеза

метанола

113

4.5 Исследование динамических характеристик колонны

синтеза метанола

120

4.6 Выводы к разделу 4 124

ВЫВОДЫ 126

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 128

ПРИЛОЖЕНИЕ А. Акт внедрения диссертационной работы 141

ПРИЛОЖЕНИЕ Б. Параметры системы и регуляторов 142

ПРИЛОЖЕНИЕ В. Вывод диференциального уравнения для

кожухотрубного теплообменника 166

5

ПЕРЕЧЕНЬ УСЛОВНЫХ СОКРАЩЕНИЙ

АСУТП – Автоматизированная система управления технологическим

процессом

ЛС – Локальная сеть

САУ – Система автоматичного управления

ММ – Математическая модель

ПП – Переходной процесс

ПдФ – Передаточная функция

ПхФ – Переходная функция

ТО – Теплообменник

САУ – Система автоматизированного управления

АТК – Автоматизированный технологический комплекс

ХТС – Химико-технологическая система

ХБ – Холодный байпас

КИСУ – Компьютерно-интегрированная система управления

6

ВВЕДЕНИЕ

Актуальность темы. Повышение стоимости сырья на мировых рынках

вызывает стремительный рост себестоимости продукции украинских

предприятий. Так на сегодняшний день удельный вес стоимости природного

газа в себестоимости продукции химических производств достигает 75%.

Чтобы продукция отечественных предприятий была конкурентоспособной на

мировых рынках, нужно решит проблему эффективного использования

сырья, энергоресурсов и т.д. То есть необходимо провести модернизацию

технологических процессов. Наряду с методами решения этой проблемы за

счет внедрения новых катализаторов и усовершенствование конструкций

оборудования широко применяется замена локальных систем управления на

АСУ ТП.

Однако для сложных процессов и аппаратов, например, таких как синтез

метанола и аммиака, где применяются многополочные газовые реакторы,

просто замена локальных систем управления на АСУ ТП проблему

оптимального управления не решает. Но с другой стороны на базе АСУ ТП

можно реализовать систему управления с моделью сложного аппарата,

которым и есть колонна синтеза метанола или аммиака. Сложность

заключается в том, что необходимо разработать математическую модель,

которая бы применялась как для оптимизации технологического процесса,

так и для автоматизированной системы управления. Создание модели

сложного физико-химического процесса, как правило, является

итерационным процессом, когда функционирование разработанной

математической модели постоянно сравнивается с параметрами реального

процесса и соответственно корректируется. В этом случае адаптация модели

будет обеспечивать эффективность обеих стратегий управления. Кроме того,

динамическая модель может применяться в системе обучения и тренировка

обслуживающего персонала. Это в конечном итоге повысит безопасность

работы реактора.

7

Система управления реактором должна обеспечивать максимальную

степень конверсии исходных компонентов обратимой реакции путем

поддержания оптимального профиля температур по высоте реактора.

Особенность задачи состоит в том, что процесс в реакторе приближается к

модели идеального вытеснения, которая подразумевает градиент параметров

вдоль пространственной координаты. Разработка модели для реализации

такой системы – является нетривиальной задачей.

В этом аспекте перспективными являются работы, которые проводятся

на кафедре “Электронных аппаратов” (ЕА) ВНУ им. В. Даля под

руководством к.т.н., доцента Лория М. Г. относительно создания методов

разработки системы управления с моделью колонной синтеза метанола.

Связь работы с научными программами, планами, темами.

Работа выполнялась согласно планам научных исследований

Восточноукраинского национального университета имени Владимира Даля и

Министерства образования и науки Украины по тематике «Разработка

системы управления с моделью колонной синтеза в производстве метанола»

0114U000644. Кроме того, на протяжении 2011-2016 выполнялись

дипломные и магистерские работы по этой тематике.

Цель и задачи исследования. Целью работы является повышения

технологической эффективности работы колонны синтеза в производстве

метанола за счет разработки системы управления с моделью, которая

позволит вести процесс в оптимальных условиях при любой нагрузке на

колонну.

Для достижения этой цели необходимо решить следующие задачи:

1. Разработать математическую модель колонны синтеза в производстве

метанола

2. Разработать критерии оптимизации работы колонны синтеза в

производстве метанола

3. Разработать систему управления с моделью колонны синтеза в

производстве метанола

8

4. Исследовать предложенную систему управления на компьютерных

имитаторах.

Объект исследования – процессы управления колонной синтеза в

производстве метанола.

Предмет исследования – система управления с моделью колонной

синтеза в производстве метанола.

Методы исследования: Во время решения поставленных задач в

работе использовались: методы теории математического моделирования,

которые позволили разработать статическую и динамическую модель

колонны синтеза в производстве метанола; методы теории идентификации,

на основе которых были синтезированы модели исследуемого объекта

управления; теория оптимального управления и методы математической

статистики, которые позволили предложить критерии оптимизации работы

колонны синтеза в производстве метанола и подтвердить эффективность

полученных результатов на компьютерных имитаторах, разработать

рекомендации относительно их практического использования. Исследование

математических моделей и системы управления с моделью проводились с

использованием современных программных продуктов: SCADA-системы

TRACE MODE 6.08, Maple 17, MS Excel 2013, Mathcad 15.

Научная новизна полученных результатов.

Теоретические и экспериментальные исследования, проведенные во

время выполнения диссертационной работы, позволили решить задачу

повышения технологической эффективности работы колонны синтеза в

производстве метанола за счет разработки системы управления с моделью,

которая позволит вести процесс в оптимальных условиях при любой нагрузке

на колонну.

В рамках решения этой задачи получены следующие научные

результаты:

1. Впервые предложена система управления с моделью колонной синтеза

в производстве метанола, которая позволит обеспечить проведение процесса

9

синтеза метанола в оптимальных условиях при любых нагрузках на колонну

за счет поддержания эффективного профиля температур в колонне синтеза.

2. Впервые разработан критерий оптимальности работы колонны синтеза

в производстве метанола на основе детерминированной модели колонны, что

позволило применить аналитические методы поиска экстремума.

3. Впервые при построении системы управления с моделью колонной

синтеза метанола применен блок адаптации модели, который позволит

получать адекватную математическую модель колонны путем корректировки

ее коэффициентов при этом не меняя самую модель.

Практическое значение полученных результатов. В работе

предложена система управления с моделью колонной синтеза в производстве

метанола, которая за счет адаптации модели к непостоянным условиям

процесса и использованию оптимизационных методов, позволяет вести

процесс синтеза метанола в оптимальных условиях. Это позволит снизить

себестоимость получаемого метанола за счет сокращения затраты сырья и

материалов на выпуск продукции до ~ 2 %, увеличить срок эксплуатации

катализатора, за счет предотвращения условий при которых он

перегревается, увеличить объем выпуска метанола за счет поддержания

экстремальных значений технологических параметров в колонне синтеза в

производстве метанола. Концентрация метанола на выходе колонны

увеличилась на 1%.

Теоретические результаты диссертационной работы используются в

учебном процессе в ВНУ им. В.Даля в рамках специализации

“Автоматизация технологических процессов” при преподавании таких

дисциплин как: “Методы современной теории управления”, “Проектирование

и монтаж автоматизированных систем управления”. Результаты

диссертационной работы введены на НВП ”Інтеко”, что подтверждается

соответствующими актами.

Личный вклад соискателя. Все научные результаты диссертационной

работы, которые выносятся на защиту, полученные автором самостоятельно.

10

В работах, написанных с соавторами, соискателю принадлежат следующие

результаты: [1] – разработка системы экстремального управления

многополочным реактором с моделью; в [2] – разработка динамической

модели газового реактора; в [3] – разработка комбинированной модели для

задач оптимизации; в [4] – адаптация математической модели реактора

синтеза метанола; в [5] – оптимизация колонны синтеза метанола,[6] –

алгоритм поиска оптимального решения для управления с моделью колонной

синтеза метанола.

Апробация результатов диссертации. Основные положения и

отдельные результаты диссертационной работы докладывались и

обсуждались на международных научно-практических конференциях

“Технология-2011”, “Технология-2012”, “Технология-2013”, “Технология-

2014” (г. Северодонецк), региональных научно-практических конференциях

«Майбутній науковець-2013», Першої всеукраїнської науково-практичної

конференції «Актуальні проблеми створення електронних засобів

промислових автоматизованих систем» (м. Сєвєродонецьк, 2011 р.), Другої

всеукраїнської науково-практичної конференції «Актуальні проблеми

створення електронних засобів промислових автоматизованих систем» (м.

Сєвєродонецьк, 2012 р.), Третьої всеукраїнської науково-практичної

конференції «Актуальні проблеми створення електронних засобів

промислових автоматизованих систем» (м. Сєвєродонецьк, 2013 р.),

«Електронні апарати та системи. Проблеми створення. Перспективи

розвітку». П’ятої Всеукраїнської науково-практичної конференції. (м.

Сєвєродонецьк, 2015 р.).

Публикации. Результаты диссертационной работы опубликованы в 13

печатных научных роботах, из которых 5 статей в научных изданиях,

рекомендованых МОН Украины, 1 статья в международном издании и 7

тезисов конференций.

Объем и структура диссертации. Диссертационная работа состоит из

введения, четырех разделов основной части, выводов, перечня

11

использованной литературы и трех приложений. Общий объем диссертации

156 страниц, из которых основное содержание изложено на 115 страницах

печатного текста и 38 рисунка. Перечень использованной литературы

составляет 141 наименований. Приложения содержат сведения о внедрении

результатов работы, результаты моделирования.

12

РАЗДЕЛ 1

АНАЛИТИЧЕСКИЙ ОБЗОР

1.1 Структура АСУ ТП

АСУ ТП - это совокупность математических методов, технических

средств (ЭВМ, средств связи, устройств отображения информации и т. д.) и

организационных комплексов, обеспечивающих рациональное управление

сложным объектом (процессом) в соответствии с заданной целью.АСУ

состоит из основы и функциональной части. В основу входят

информационное, техническое и математическое обеспечение. К

функциональной части относят набор взаимосвязанных программ,

автоматизирующих конкретные функции управления (планирование,

финансово-бухгалтерскую деятельность и др.). Различают АСУ объектами

(технологическими процессами АСУТП, предприятием АСУП, отраслью

ОАСУ) и функциональными автоматизированными системами, например,

проектирования, расчетов, материально-технического и др. обеспечения.

АСУ — ряд технологий производства, позволяющих осуществлять

управление работой оборудования и контроль за работой оборудования при

помощи ЭВМ. Идея нормативного проектирования систем управления

содержалась еще в попытках построения деятельности организаций на

основе применения математической модели (сетевой, конвейерной, очереди,

линейного программирования и др.). Как общий принцип построения

целостных организаций эта идея была осознана в середине 60-х годов. Хотя

многочисленные технические аспекты метода АСУ продолжают

разрабатываться, его основы и формы применения к прикладным задачам

достигли определенного, довольно высокого уровня, позволяющего говорить

об этой разработке как в принципе о завершенной.Представлялось, что

относительно подробное описание отдельных, имеющих ключевое значение

13

аспектов метода, а также аспектов его разработки и применения позволяет,

во всяком случае, оттенить специфику замысла и его реализации. В качестве

таких аспектов выбраны:

- задачи, для решения которых предназначен метод;

- требования к методу, предъявленные его разработчиками;

- научно-техническое обеспечение выполнения этих требований;

- место метода среди отечественных и зарубежных работ;

- применение метода в прикладных работах [16-20].

Информационное обеспечение АСУ - совокупность реализованных

решений по объектам, размещению и формам организации информации,

циркулирующей в АСУ при ее функционировании.Повсеместное

использование АСУ упрощает процесс управления. Основа АСУ -

интегрированная обработка производственно-экономической информации,

охватывающая решение задач прогнозирования, планирования и управления

производством с использованием современных средств. АСУ решают три

задачи:

- оперативное планирование и управление;

- технико-экономическое планирование и материально-технического

снабжения;

- учёт движения товарно-материальных ценностей, готовой продукции,

расчётов с поставщиками, кассовых и банковских операций.

Действующие АСУ безусловно доказали свою исключительную

экономическую эффективность. Расчет экономической эффективности при

внедрении АСУ. В современных условиях хозяйствования промышленные

предприятия получили большие возможности совершенствования системы

планирования и управления производством для резкого повышения общей

эффективности производственно-хозяйственной деятельности. Эти

возможности обеспечены, с одной стороны, относительной свободой

решения тактических и оперативных вопросов по управлению

14

производством, а с другой, - применением компьютерных средств для

выработки оптимальных планово-управленческих решений [21-25].

Автоматическая система, которая в течение длительного времени

требуемым образом изменяет или поддерживает неизменными какие-либо

физические величины (температуру, давление и пр.) в управляемом процессе,

называется САУ. САУ осуществляет управление без участия человека и

формирует воздействия, обеспечивающие требуемый режим работы объекта

управления – изменение выходных величин, характеризующих состояние

объекта управления, в соответствии с заданным законом или обеспечение их

постоянства. Полностью автоматическое управление может быть

реализовано только для относительно простых объектов (отдельных

устройств, агрегатов, технологических операций), поведение которых

является детерминированным и для которых процесс управления может быть

строго формализован.

Современный технологический процесс в целом как объект управления

характеризуется структурной сложностью и территориальной

распределенностью; функциональной сложностью и

многопараметричностью. Поведение таких объектов управления имеет

вероятностную (недетерминированную) природу, и не подлежит полной

формализации. Поэтому при управлении технологическим процессом в

целом формализованные операции управления выполняются автоматически,

а неформализованные, например, принятие решений в нештатных ситуациях,

требуют участия человека. Такое управление называется

автоматизированным [25-29].

Системы управления технологическими процессами, в которых функции

управления осуществляются автоматическими устройствами локальных

САУ, вычислительной техникой и человеком, называются

автоматизированными системами управления технологическими процессами

(АСУ ТП). Кроме термина АСУ ТП, широкое распространение для

обозначения систем такого уровня получил термин SCADA-системы

15

(Supervisory Control and Data Acquisition – диспетчерское управление и сбор

данных). САУ являются подсистемой первого уровня общей, иерархической

структуры АСУ ТП. На уровне АСУ ТП осуществляется управление

параллельной работой систем локальных уровней, контроля над работой всех

систем, централизованного учета отказов в работе и др. На этом уровне для

обработки большого объема информации используется вычислительная

техника (контроллеры, компьютеры). Результат обработки информации

представляется оперативному персоналу в форме, удобной для принятия

решений (режим ручного дистанционного управления), или используется для

непосредственной корректировки задающих воздействий для САУ

локального уровня (супервизорный режим).

1.2 Уровни иерархии АСУ ТП

Традиционная структура АСУ ТП имеет трехуровневую иерархию, в

которой на нижнем уровне располагаются датчики с

исполнительнымимеханизмами и полевые сети «интеллектуальных»

датчиков, уровнем выше - микропроцессорные логические контроллеры, и на

верхнем уровне - рабочие станции диспетчера (оператора), объединенные с

контроллерами в локальнуюсеть (ЛС).

Ввод данных на рабочие станции производится непосредственно по

сетиили через выделенный сервер ввода-вывода. В локальной сети верхнего

уровняАСУ ТП может присутствовать выделенный сервер данных для

ведения базыданных параметров техпроцесса и аварийных сигнализаций,

который удобнотакже использовать для передачи данных в локальную сеть

управления предприятием [30-34].

Уровень контроллеров АСУ ТП может иметь централизованную

илираспределенную архитектуру. Централизованная архитектура

подразумевает размещение всех контроллеров системы в одном месте, как

правило, впомещении операторной в электротехническом шкафу, рядом с

16

рабочими станциями (ПЭВМ) оператора.В распределенной архитектуре

контроллеры размещаются рядом собъектами автоматизации (рядом с

датчиками и исполнительнымимеханизмами) и объединяются между собой

интерфейсом полевой сети.

Распределенная архитектура является более экономичной, так как в этом

случаезначительно сокращаются затраты на кабельную продукцию.

Распределенная архитектура выгодна при создании больших систем,когда

объем сигналов ввода-вывода исчисляется тысячами, когда болееэкономично

иметь на территории объекта несколько блок-боксов дляразмещения

контроллеров, чем тянуть длинные кабели всей системы в одно место (в

операторную). Для небольших систем с объемом сигналов ввода-вывода до

несколькихсотен, можно использовать централизованную архитектуру.

1.3 Задачи выполняемые АСУ ТП

Одной из характерных тенденций развития систем автоматического

управления в машиностроении является использование вычислительной

техники - современных электронных вычислительных машин не только для

сбора и преобразования информации, но и для непосредственного

управления технологическими машинами и системами машин. Такие

системы управления, в отличие от традиционных, давно известных систем

управления с распределительным валом и кулачками, копирами, упорами и т.

д., получили название АСУТП. Главной отличительной чертой

традиционных систем управления технологическими объектами с

дискретным характером действия, где необходимая программа работ

задается расположением упоров, профилем кулачков копиров или иными

материальными аналогами, а также кодируется на перфоленте, перфокартах

и магнитной ленте, является жесткое программирование рабочего цикла

машин с отсутствием какой-либо обратной связи, кроме систем

программного управления с обратной связью по датчикам фактического

17

положения управляемых органов.Поэтому задачи выполнения системами

управления технологическими объектами с дискретным характером

операций формулируются лишь как обеспечение необходимой координации

работы механизмов и устройств во времени и пространстве. Управляемым

считается такой технологический процесс, где по заранее разработанной

программе объект обработки подвергается технологическим воздействиям в

соответствии с заданными методами, маршрутами и режимами обработки,

контроля, сборки.Появление систем управления, основанных на применении

вычислительной техники, позволяет рассматривать управляемый

технологический процесс как процесс, для которого определены

контролируемые воздействия, установлены вероятностные и

детерминированные зависимости между входными воздействиями и

выходными параметрами выпускаемых изделий, разработаны методы

измерения входных воздействий и выходных параметров и методы

управления процессами. Таким образом, важнейшее преимущество АСУТП

перед традиционными системами управления на механической,

гидравлической, электрической основе заключается в гибком управлении с

оперативным реагированием на все возможные (и неизбежные) отклонения

параметров процесса, исходя из обеспечения целевой функции

автоматизируемого оборудования.

Задачи, выполняемые в системе «технологический процесс - АСУТП»,

можно сформулировать следующим образом: по полученным данным о

технологическом процессе составить прогноз хода технологического

процесса и такой план управляющих воздействий (например, изменения

режимов обработки), чтобы в определенный момент состояние

технологического процесса отвечало некоторому экстремальному значению

обобщенного критерия качества [35-37].

Высокопроизводительные современные технические системы, как

совокупность автоматизированного технологического оборудования и

высокоэффективных средств управления на базе ЭВМ, получили название

18

автоматизированных технологических комплексов (АТК). Таким образом,

АСУТП является высшей ступенью автоматизации управления

технологическим оборудованием и одновременно низовым информационным

звеном промышленных АСУ.

В настоящее время технически реализуемый перечень управляющих и

информационных функций, выполняемых автоматизированными системами

управления, весьма велик и в общем виде сводится к следующим:

а) управляющие: регулирование отдельных параметров тех-

нологического процесса; однотактное логическое управление (выполнение

блокировок, защит и т. д.); каскадное регулирование; многосвязное

регулирование; выполнение программных и логических операций

дискретного управления процессом и оборудованием; оптимальное

управление установившимися режимами технологического процесса и

работы оборудования; оптимальное управление неустановившимися

режимами технологического процесса и работы оборудования; оптимальное

управление технологическим объектом в целом с самоприспособлением

системы управления.

Приведенный перечень не исключает выполнения АСУТП и других

функций, необходимых в том или ином случае;

б) информационно-вычислительные: сбор, первичная обработка и

хранение технической и технологической информации; косвенные измерения

параметров процесса и состояния технологического оборудования;

сигнализация состояний параметров технологического процесса и

технологического оборудования; расчеты технико-экономических и

эксплуатационных показателей технологического процесса и работы

технологического оборудования; подготовка информации для вышестоящих

и смежных систем и уровней управления; регистрация параметров

технологического процесса, соотношения технологического оборудования и

результатов расчетов; контроль и регистрация отклонений параметров

процесса и состояния оборудования от заданных; анализ срабатывания

19

блокировок и защит технологического оборудования; диагностика и

прогнозирование хода технологического процесса и состояния

технологического оборудования, диагностика и прогнозирование состояний

комплекса технических средств АСУТП, оперативное отображение

информации и рекомендаций ведения технологического процесса и

управления технологическим оборудованием; выполнение процедур

автоматического обмена информацией с вышестоящими и смежными

системами управления [36].

1.4 Основные понятия и положения оптимизации химико-

технологических процессов

Целью любой деятельности специалистов в сфере химического

производства в конечном итоге является поиск наилучших условий

проведения технологических процессов, проектирование и организация

рациональных технологических схем, оптимальных экспериментальных

исследований. Задача оптимизации ХТС является комплексной, т.к. она

включает в себя как оптимизацию структуры, так и оптимизацию режимов

функционирования элементов. Основной целью оптимизации ХТС является

обеспечение наиболее высоких технико-экономических показателей.

Понятие «оптимизация» можно определить следующим образом.

Оптимизацией называется целенаправленная деятельность, заключающаяся в

получении наилучших результатов при соответствующих условиях.

Оптимизация – процесс достижения наилучших или определение

(нахождение) наиболее благоприятных условий проведения какого-либо

процесса (действия). В приложении к технологическому процессу –

определение наилучших условий проведения процесса.

Исторически, сама проблема оптимизации возникла с техническим

прогрессом и появлением конкуренции, т.е. производители одинаковых

товаров стали искать условия выпуска продукции, позволяющие выпускать

20

один и тот же товар с минимальными издержками. Поиски оптимальных

решений привели к созданию специальных математических методов и уже в

18 веке были заложены математические основы оптимизации (вариационное

исчисление, численные методы и др.). Однако до второй половины 20 века

методы оптимизации во многих областях науки и техники применялись

очень редко, поскольку практическое использование математических

методов оптимизации требовало огромной вычислительной работы, которую

без ЭВМ реализовать было крайне трудно, а в ряде случаев – невозможно.

Особенно большие трудности возникали при решении задач оптимизации

процессов в химической технологии из-за большого числа параметров и их

сложной взаимосвязи между собой [35].

Любая оптимизация предполагает наличие множества вариантов

функционирования системы, оценка которых позволяет выявить, какой

вариант лучше. При постановке задачи оптимизации необходимо иметь

количественную оценку качества работы оптимизируемой системы, которая

позволяет сравнивать различные состояния системы между собой. Эта

количественная оценка носит название критерия оптимизации. При

постановке задачи оптимизации необходимо требовать достижения

экстремального значения лишь одной величины. Таким образом,

одновременно системе не должно приписываться два или более критериев

оптимальности, поскольку практически во всех случаях экстремум одного

критерия не соответствует экстремуму другого. Поэтому неправильная

постановка задачи: получить максимальную производительность при

минимальной себестоимости продукта; правильная постановка задачи:

получить максимальную производительность при заданной себестоимости

или получить минимальную себестоимость при заданной

производительности. В первом случае критерий оптимальности –

производительность, во втором – себестоимость. При постановке задачи

оптимизации необходимо иметь возможность вариации состояний системы,

причем количество вариантов различных ее состояний зависит от вида и

21

числа степеней свободы оптимизируемой системы. Параметры, позволяющие

реализовать различные варианты состояния системы, носят название

управляющих воздействий или управлений. К управлениям могут быть

отнесены самые различные параметры. При решении задача оптимизации

находят такие значения управляющих параметров, при которых критерий

оптимальности достигает экстремума.

1.5 Нечеткая логика

Нечеткая логика основана на использовании таких оборотов

естественного языка, как «далеко», «близко», «холодно», «горячо». Диапазон

ее применения очень широк - от бытовых приборов до управления сложными

промышленными процессами. Многие современные задачи управления

просто не могут быть решены классическими методами из-за очень большой

сложности математических моделей, их описывающих. Вместе с тем, чтобы

использовать теорию нечеткости на цифровых компьютерах, необходимы

математические преобразования, позволяющие перейти от лингвистических

переменных к их числовым аналогам в ЭВМ [36-49].

Классическая логика развивается с древнейших времен. Ее

основоположником считается Аристотель. Логика известна нам как строгая и

сугубо теоретическая наука, и большинство ученых (кроме разработчиков

последнего поколения компьютеров) продолжают придерживаться этого

мнения. Вместе с тем классическая или булева логика имеет один

существенный недостаток - с ее помощью невозможно описать

ассоциативное мышление человека. Классическая логика оперирует только

двумя понятиями: ИСТИНА и ЛОЖЬ, и исключая любые промежуточные

значения. Аналогично этому булева логика не признает ничего кроме единиц

и нулей. Все это хорошо для вычислительных машин, но попробуйте

представить весь окружающий вас мир только в черном и белом цвете,

вдобавок исключив из языка любые ответы на вопросы, кроме ДА и НЕТ.

22

Решить эту проблему и призвана нечеткая логика. С термином

«лингвистическая переменная» можно связать любую физическую величину,

для которой нужно иметь больше значений, чем только ДА и НЕТ. В этом

случае вы определяете необходимое число термов и каждому из них ставите

в соответствие некоторое значение описываемой физической величины. Для

этого значения степень принадлежности физической величины к терму будет

равна единице, а для всех остальных значений - в зависимости от выбранной

функции принадлежности

Получившие наибольшее развитие из всех разработок искусственного

интеллекта, экспертные системы завоевали устойчивое признание в качестве

систем поддержки принятия решений. Подобные системы способны

аккумулировать знания, полученные человеком в различных областях

деятельности. Посредством экспертных систем удается решить многие

современные задачи, в том числе и задачи управления. Однако большинство

систем все еще сильно зависит от классической логики.

Одним из основных методов представления знаний в экспертных

системах являются продукционные правила, позволяющие приблизиться к

стилю мышления человека. Любое правило продукций состоит из посылок и

заключения. Возможно наличие нескольких посылок в правиле, в этом

случае они объединяются посредством логических связок И, ИЛИ. Обычно

продукционное правило записывается в виде: «ЕСЛИ (посылка) (связка)

(посылка)… (посылка) ТО (заключение)».

Главным же недостатком продукционных систем остается то, что для их

функционирования требуется наличие полной информации о системе.

Нечеткие системы тоже основаны на правилах продукционного типа,

однако в качестве посылки и заключения в правиле используются

лингвистические переменные, что позволяет избежать ограничений,

присущих классическим продукционным правилам.

Целевая установка процесса управления связывается с выходной

переменной нечеткой системы управления, но результат нечеткого

23

логического вывода является нечетким, а физическое исполнительное

устройство не способно воспринять такую команду. Необходимы

специальные математические методы, позволяющие переходить от нечетких

значений величин к вполне определенным. В целом весь процесс нечеткого

управления можно разбить на несколько шагов: фаззификация, разработка

нечетких правил и дефаззификация.

Фаззификация (переход к нечеткости).

Точные значения входных переменных преобразуются в значения

лингвистических переменных посредством применения некоторых

положений теории нечетких множеств, а именно - при помощи определенных

функций принадлежности.

Рассмотрим этот этап подробнее. Прежде всего, введем понятие

«лингвистической переменной» и «функции принадлежности».

Лингвистические переменные.

В нечеткой логике значения любой величины представляются не

числами, а словами естественного языка и называются ТЕРМАМИ. Так,

значением лингвистической переменной ДИСТАНЦИЯ являются термы

ДАЛЕКО, БЛИЗКО и т. д.

Конечно, для реализации лингвистической переменной необходимо

определить точные физические значения ее термов. Конкретное определение

степени принадлежности возможно только при работе с экспертами. При

обсуждении вопроса о термах лингвистической переменной интересно

прикинуть, сколько всего термов в переменной необходимо для достаточно

точного представления физической величины. В настоящее время сложилось

мнение, что для большинства приложений достаточно 3-7 термов на каждую

переменную. Минимальное значение числа термов вполне оправданно.Такое

определение содержит два экстремальных значения (минимальное и

максимальное) и среднее.

На рис. 1.1. показаны области эффективного применения традиционных

нейросетевых и нечетких систем управления.

24

Рис. 1.1. Область наиболее эффективного применения некоторых

методов современной теории управления

Для большинства применений этого вполне достаточно. Что касается

максимального количества термов, то оно не ограничено и зависит целиком

от приложения и требуемой точности описания системы. Число же 7

обусловлено емкостью кратковременной памяти человека, в которой, по

современным представлениям, может храниться до семи единиц

информации.

Как следует из рис. 1.1, традиционные методы управления хорошо

зарекомендовали себя при относительно невысокой сложности объекта

управления и наличии достаточно полной информации о нем. Нейросетевые

системы управления целесообразно применять при отсутствии информации

или высокой сложности объекта управления. Промежуточное положение

между данными технологиями занимают нечеткие системы. Отметим, что

границы между различными подходами, показанные на рис. 1.1, являются

весьма условными (нечеткими) [39].

Заметим также, что применение гибридной технологии (сочетание

традиционных методов управления, нечеткой логики и нейросетевого

25

подхода) позволяет создавать системы управления эффективные во всем

спектре ситуаций, отраженных на рис. 1.1.

1.6 Характеристика методов оптимизации химико-технологических

процессов

Для управляемых химико-технологических процессов или систем

различают две стадии оптимизации: статистическую и динамическую.

Проблемы создания и реализации оптимального стационарного режима

непрерывного процесса решает статистическая оптимизация; создания и

реализации системы оптимального уравнения периодическим или

полунепрерывным процессом – динамическая оптимизация. В зависимости

от характера рассматриваемых математических моделей, применяются

различные математические методы оптимизации: аналитические; методы

математического программирования; статистические. Группа аналитических

методов оптимизации объединяет аналитический поиск экстремума функции,

метод множителей Лагранжа, вариационные методы и принцип максимума.

Аналитический поиск экстремума функции, заданных без ограничений на

независимые переменные является наиболее простым, но применяется к

задачам, у которых оптимизируемая функция имеет аналитическое

выражение, дифференцируемое во всем диапазоне исследования, а число

переменных невелико. Аналитические методы оптимизации применяются,

когда оптимизируемые функции заданы аналитически и число независимых

переменных невелико. При большом числе переменных возникает так

называемый барьер многомерности, и применение аналитических методов

становится затруднительными. Осложняет применение аналитически,

использование аналитических методов в их классическом виде довольно

ограничено оптимизируемая функция имеет аналитическое выражение,

дифференцируемое во всем диапазоне исследования, а число переменных

невелико. Аналитические методы оптимизации применяются, когда

26

оптимизируемые функции заданы аналитически и число независимых

переменных невелико. При большом числе переменных возникает так

называемый барьер многомерности, и применение аналитических методов

становится затруднительными. Осложняет применение аналитически

использование аналитических методов в их классическом виде довольно

ограничено. Группа методов математического программирования включает:

динамическое программирование, линейное программирование и нелинейное

программирование. Динамическое программирование – эффективный метод

решения задач оптимизации многостадийных процессов. Метод предполагает

разбивку анализируемого процесса на стадии (во времени или в

пространстве)- например, реактор в каскаде или тарелка в колонне.

Рассмотрение задачи начинается с последней стадии процесса, и

оптимальный режим определяется постадийно. Линейное программирование

– метод для решения задач оптимизации с линейными выражениями для

критерия оптимальности и линейными ограничениями на область изменения

переменных. Подобные задачи решаются итерационными способами. Эти

методы используются при оптимальном планировании производства при

ограниченном количестве ресурсов, для транспортных задач и др. Методы

нелинейного программирования объединяют различные способы решения

оптимальных задач: градиентные, безградиентные и случайного поиска.

Общим для методов нелинейного программирования является то, что их

используют при решении задач с нелинейными критериями оптимальности.

Все методы нелинейного программирования – это численные методы

поискового типа. Суть их заключается в определении набора независимых

переменных, дающих наибольшее приращение оптимизируемой функции.

Данная группа методов применяется как для детерминированных, так и

стохастических процессов. Методы математического программирования

используются в тех случаях, когда оптимизируемые функции описываются

линейными уравнениями, функциями-полиномами аддитивными функциями.

Они обычно используются для решения задач максимизации дохода при

27

ограничении ресурсов, оптимального использования оборудования,

транспортных задач, оптимального управления многостадийными

процессами. Рассмотренные методы оптимизации процессов химической

технологии предполагают в качестве обязательного условия наличие

аналитической или графической зависимости критерия оптимальности от

параметров, характеризующих состояние технологического процесса и

наличие математической модели процесса. Во многих случаях построение

такой модели оказывается невозможным ввиду недостаточной информации

об условиях протекания процесса. Отсутствие математической модели

процесса приводит к возможности форматирования аналитической

зависимости критерия оптимальности от параметров управления и, таким

образом, в подобных ситуациях выше рассмотренные методы оказываются

непригодными. В этих случаях задача оптимизации технологических

процессов решается непосредственно в рамках действующего производства,

используя статистические методы. Интенсификация технологических

процессов в химической промышленности привела к необходимости

управлять процессами, протекающими с предельными скоростями, при

высоких температурах и давлениях, когда малейшие изменения параметров

могут привести к нарушению режима эксплуатации оборудования. Для

оптимального управления такими технологическими процессами используют

автоматические самонастраивающиеся системы управления. В этих случаях в

контур управления включается вычислительная машина [39-46].

Разработка новых подходов оптимального управления

технологическими процессами является актуальной задачей. Это

обусловлено развитием современных компьютерных систем управления, как

правило, построенных на базе сетевых программируемых логических

контроллеров и персональных компьютеров. При этом компьютер, обладая

наиболее мощными вычислительными ресурсами, применяется для решения

математически несложных задач: визуализации состояния элементов

технологической системы, документирования параметров технологического

28

процесса, и программирования управляющей программы. Тем самым

уникальный инструмент для интеллектуальной обработки информации,

численных методов решения системы уравнений в обыкновенных и частных

производных остаётся невостребованным.

Традиционный подход к управлению технологическими процессами

включает следующие этапы: расчёт режимов обработки на базе

вероятностных моделей, формирование управляющей программы, синтез

регуляторов по управляемым параметрам (рис. 1.2).

Рис. 1.2. Математическая модель технологического процесса

Априорный подход базируется на построении математической модели

технологического процесса, определении целевой функции и метода

оптимизации.

Целью оптимального управления является нахождение наилучшего

варианта из множества возможных альтернатив с позиции многоцелевой

функции. Определяющую роль в методологии оптимального управления

играет математическая модель, представляющая собой множество

соотношений между переменными, ограничениями и целевой функцией.

Последовательность решения поставленной задачи включает следующие

операции:

29

- формулировка задачи оптимального управления;

- разработка априорной математической модели;

- подготовка управляющей программы;

- уточнение решения.

Рис. 1.3. Построение математической модели

Существующие априорные детерминированные математические модели

не учитывают вероятностной природы технологических процессов.

Поэтому точность априорной модели обычно недостаточна, и при

решении задачи оптимизации вероятностных технологических процессов

целесообразно выделить априорный и оперативный метод оптимизации.

Оперативный метод оптимизации, базирующийся на обработке

информации в реальном масштабе времени, позволяет существенно повысить

качество управления. Математическая модель позволяет корректировать

технологию, адаптировать её к реальному процессу, адекватно реагировать

на возмущающие воздействия. Для таких систем свойственны: неполный

детерминизм, логичность действия, прогнозирование.

Таким образом, для данного подхода можно выделить две составляющие

управления: априорная технологическая программа и математическая модель

30

в реальном масштабе времени для корректировки управляющей программы.

Общий принцип управления можно представить в виде следующей

структурной схемы.

Рис. 1.4. Оперативный метод оптимизации

Дальнейшим развитием является метод управления технологическим

процессом с обучением, смысл которой заключается в автоматической

обработке результатов технологических процессов, их анализе и

формировании вероятностных моделей [50-53].

Рис. 1.5. Метод оптимизации с обучением

31

1.7 Анализ технологическогопроцесса синтеза метанола

1.7.1 Свойства метанола и его применение

Метанол по значению и масштабам производства является одним из

важнейших многотоннажных продуктов, выпускаемых современной

химической промышленностью.

Он широко применяется для получения пластических масс,

синтетических волокон, синтетического каучука. Высокой растворимостью

газов в метаноле широко пользуются в промышленности, применяя метанол

и его растворы в качестве поглотителя для извлечения примесей из

технологических газов. Метиловый спирт – важный вид сырья для получения

формальдегида, ингибиторов, антидетонационных смесей, антифризов,

лаков, красок и других продуктов. В чистом виде применяется как

высокооктановая добавка к топливу.

Метанол (метиловый спирт) СН3ОН представляет бесцветную

легкоподвижную жидкость с температурой кипения 650С, температурой

кристаллизации –97.90С и плотностью 0.792 т/м

3. Критическая температура

метанола 239.650С. Метанол горюч. Температура вспышки 8

0С, пределы

взрываемости паров в воздухе 5.5-36.5%. Метанол смешивается во всех

отношениях с водой, спиртами, бензолом, ацетоном и др. органическими

растворителями. Пары сухого метанола образуют с воздухом взрывчатые

смеси. Метанол токсичен, вызывает отравление через органы дыхания, кожу

и при приеме внутрь, действуя на нервную и сосудистую систему. ПДК

составляет 5 мг/м3. Прием внутрь 5-10 см

3 приводит к тяжелому отравлению,

вызывает слепоту, доза 30 см3

– смертельна. Метанол – сильный яд

кумулятивного действия, оказывает также слабое наркотическое действие.

32

1.7.2 Методы получения метанола

Долгое время метанол получали исключительно сухой перегонкой

древесины. Этот способ достаточно трудоемкий и дорогой, так как из 1м3

березовых дров можно получит лишь 5-6кг метанола. Производство метанола

синтезом из оксида углерода и водорода впервые было организовано в

Германии в 1923г.

Метанол получают различными методами, отличающимися исходным

сырьем, способами его переработки в технологический газ, а также

условиями проведения синтеза метанола. В настоящее время основной

способ получения метанола – синтез из оксида углерода и водорода (эта

смесь называется синтез-газом). Смесь окиси углерода и водорода

производят путем конверсии метана [54-69].

Синтез метанола по физико-химическим условиям его проведения и по

технологическому оформлению аналогичен синтезу аммиака. Как азото-

водородную смесь, так и синтез-газ можно получить конверсией природного

газа. В обоих процессах взаимодействие смесей тщательно очищенных газов

происходит в присутствии катализатора. Из-за малого выхода конечных

продуктов и тот и другой процессы являются непрерывно циклическими,

причем реакцию никогда не ведут до полного превращения. Такая аналогия

дала возможность вести оба синтеза на подобных установках, которые

монтируют в составе одного завода.

Исходным сырьем в процессе синтеза метанола является газ после паро-

кислородной конверсии метана, а также технический водород, применяемый

для регулирования соотношения Н2:СО. К составу сырья предъявляются

общин требования: наличие примесей – СН4 0.5%, СО2 2.2%, Н2S 2.0 мг/м3,

карбониды железа 3.0 мг/м3.

Процесс получения метанола состоит из следующих стадий:

1. Парокислородной конверсия природного газа в шахтном конверторе.

33

2. Очистка конвертированного газа от углекислоты до получения газа с

функционалом

f = (Н2 –СО2) /(СО +СО2) =2.05 -2.20 (1.1)

3. Осушка конвертированного газа на алюмогеле.

4. Компримирование свежего газа до давления не более 9.3 МПа.

5. Синтез метанола – сырца.

6. Ректификация метанола – сырца.

1.7.3 Паро-кислородная конверсия метана

Процесс получения технологического газа ведется в одну стадию

методом паро-кислородной конверсии метана в шахтном конверторе на

никелевых катализаторах при температуре 850-12000С.

Процесс протекает по следующим реакциям:

СН4 +2О2 ↔ СО2 +2Н2О (1.2)

СН4 + 0.5О2 ↔СО +2Н2 (1.3)

СН4 +Н2О ↔ СО +3Н2 (1.4)

СН4 +СО2 ↔ 2СО +2Н2 (1.5)

СО +2Н2О ↔СО2 +Н2 (1.6)

Равновесный состав конвертированного газа зависит от температуры и

давления процесса, а также состава исходной смеси, объема и типа

катализатора. В свободном объеме над слоем катализатора протекает

кислородная конверсия метана по реакциям (1.2) и (1.3) –экзотермический

процесс.

За счет тепла выделившегося в результате протекания данных реакций, в

слое катализатора идет паровая и кислородная конверсия метана и

углеводородов с увеличением объема и поглощением тепла по реакциям (1.4)

и (1.5) – эндотермический процесс.

Конвертированный газ с объемной долей компонентов: Н2 н/м 63%, СО

н/б 19.5%, СО н/м 14%, СН4 0.4-1.5% поступает в трубное пространство

34

котла-утилизатора, отдавая тепло на получение насыщенного пара,

теплообменник, подогревая исходную парогазовую смесь, далее охлаждается

в холодильниках и направляется на моноэтаноламиновую очистку от СО2.

1.7.4 Моноэтаноламиновая очистка конвертированного газа

Очистка конвертированного газа – процесс удаления СО2, заключается в

химической и физической абсорбции СО2 водным раствором

моноэтаноламина МЭА для обеспечения объемной доли СО2 в

конвертированном газе н/б 12%.

Процесс очистки протекает по следующим реакциям

2RNН2 +СО2 +Н2О ↔(RNН3)2СО3 Н2 (1.7)

(RNН3)2СО3 +СО2 +Н2О ↔2RNН3НСО3 Н2 (1.8)

где R– (НО–СН2-СН3).

Конвертированный газ подается в абсорбер, орошаемый раствором МЭА,

который поглощает избыток СО2. Раствор МЭА идет на регенерацию и после

удаления из него СО2 возвращается в абсорбер, а конвертированный газ

направляется на стадию осушки.

1.7.5 Осушка конвертированного газа

Осушка происходит на неподвижном слое адсорбента – алюмогеле,

обладающем свойством поглощать влагу из газа и кислые газы, в т.ч. СО2.

Регенерация насыщенного влагой алюмогеля производится продувкой слоя

алюмогеля горячим азотом. Процесс осушки проходит в адсорбере

заполненном алюмогелем, поглощающим влагу до точки росы -500С.

Осушенный конвертированный газ очищается от уносимой алюмогелевой

пыли в фильтрах и направляется на компрессию.

Компримирование конвертированного газа.

35

Процесс производится на трехступенчатых компрессорах до давления н/б

9.3 МПа. Затем газ подается на стадию синтеза.

1.7.6 Синтез метанола–сырца

Основные реакции процесса обратимые и экзотермические:

СО + 2Н2 ↔ СН3ОН + 90.7 кДж/моль Н2 (1.9)

СО2 + 3Н2 ↔ СН3ОН + Н2О+ 49.5 кДж/моль Н2 (1.10)

Кроме этих реакций протекает и реакция эндотермическая –

взаимодействие диоксида углерода и водорода

СО2 + 3Н2 ↔ СО + Н2О - 41.1 кДж/моль Н2 (1.11)

Одновременно с образованием метанола могут идти и реакции

образования диметилового эфира, органических кислот, альдегидов, кетонов,

сложных эфиров [59].

Вода образуется во всех реакциях. Образующиеся побочные продукты в

метаноле-сырце определяют как схему получения метанола–ректификата из

метанола-сырца, так и качество конечного продукта. Наличие

микропримесей и их массовая концентрация в метаноле-сырце зависят от

сырья и его подготовки, от катализатора, от технологических параметров

процесса.

При выборе параметров процесса руководствуются не только качеством

метанола-сырца, но и экономическими факторами. Исходя из этого принят

процесс синтеза метанола при температуре н/б 2800С и избыточном давлении

н/б 9.0МПа, с функционалом 2.05-2.2 (функционал – отношение разности

объемных долей водорода и диоксида углерода к сумме объемных долей

оксида и диоксида углерода в свежем синтез-газе) на цинк-медь-

алюминиевом катализаторе.

Метанол-сырец, полученный при данных условиях, отвечает

требованиям, предъявляемым к нему, как к сырью для получения

высококачественного метанола-ректификата.

36

Установлено, что синтез метанола из оксида углерода и водорода

протекает лишь в присутствии воды или кислородсодержащих соединений.

На выход метанола-сырца оказывают влияние следующие технологические

факторы: давление процесса; температура; объемная скорость газа;

соотношение объемных долей компонентов свежего газа, наличие примесей;

активность катализатора.

Согласно принципу Ле-Шателье повышение давления сдвигает

равновесие вправо и увеличивает выход метанола-сырца, массовой доли

высших спиртов и эфиров в метаноле, уменьшается массовая доля

парафинов. Синтез метанола по реакциям (1.9 и 1.10) протекает с

уменьшением объема, а восстановление диоксида углерода, реакция (1.11) –

без его изменения. В связи с этим повышение давления способствует более

глубокой переработке оксидов углерода. Для низкотемпературного синтеза

наиболее эффективен диапазон избыточных давлений 4.9-19.6 МПА. При

дальнейшем росте давления равновесная концентрация метанола

увеличивается незначительно.

Согласно принципу Ле-Шателье повышение температуры сдвигает

равновесие реакции влево и уменьшает выход метанола. При повышении

температуры производительность всех катализаторов проходит через

максимум. Рабочая температура синтеза зависит от активности катализатора:

чем активнее катализатор, тем при более низкой температуре образуется

метанол с приемлемой для промышленных условий скоростью [60-79].

С ростом температуры равновесная концентрация метанола в смеси

снижается (реакции 1.9 и 1.10 идут с выделение тепла), но скорость

достижения равновесия увеличивается. Если равновесие не было достигнуто,

то небольшое повышение температуры увеличит выход метанола, в случае,

если равновесие было достигнуто, повышение температуры снизит выход

метанола.

Температуру в слое катализатора надо поддерживать на возможно более

низком уровне, при условии обеспечения производительности по метанолу.

37

Оптимальными температурами синтеза метанола при избыточном давлении

8.6-9.0 МПа являются температуры 205-2680С.

В отсутствии катализатора метанол практически не образуется.

Применяемые в промышленности катализаторы проявляют активность

только при определенных температурах. Степень превращения исходной

газовой смеси в метанол за один проход через катализатор практически

невелика -6-7%. Для увеличения общего выхода метанола

непрореагировавшую газовую смесь после выделения из нее

образовавшегося спирта возвращают в колонну синтеза, добавляя свежий газ,

т.е. проводят процесс по непрерывной циклической схеме.

С увеличением объемной скорости газа масса метанола, получаемая с

единицы объема катализатора, увеличивается, и, за счет уменьшения времени

контакта, уменьшается массовая концентрация примесей. Оптимальная

объемная скорость составляет (18-20)*103ч

-1. При больших объемных

скоростях достигается более равномерное распределение температуры в

массе катализатора и предотвращаются его перегревы.

Исходя из стехиометрических коэффициентов реакций (1.9 и 1.10),

соотношение объемных долей в исходном газе водорода к оксиду углерода

составляет (Н2:СО) =2, а (Н2:СО2)=3. Практикой установлено, что газ для

синтеза метанола должен содержать компоненты в соотношении близком к

стехиометрии и иметь функционал f =2.01-2.18.

Для получения указанного соотношения в большинстве случаев состав

синтез-газа после стадии конверсии метана необходимо корректировать

отмывкой от СО2. Избыток СО2, сверх необходимого для процесса

минимума, является поставщиком избыточного кислорода, который

выводится из процесса в виде воды. Извлечение избытка СО2 из

конвертированного газа приводит к увеличению объемной доли инертов, а

это снижает выход метанола, т.к. снижается парциальное давление

реагирующих компонентов. Увеличение соотношения способствует

снижению массовых концентраций примесей.

38

Сера в любом виде токсична для катализатора синтеза метанола.

Отравление серой выражается в необратимой потере активности

катализатора. Массовая концентрация сероводорода в конвертированном газе

должна быть н/б 0.00015 мг/дм3. Сера в свежий газ попадает из природного

газа и компрессорного масла, попадание масла в циркуляционный газ может

привести к отравлению катализатора. Парафины могут образовываться в

ходе реакции при температуре менее 2050С и более 2800С, а также при

наличии пентакарбонилов железа. Наличие парафинов в метаноле может

привести к забивке арматуры, трубопроводов.

Активность катализатора уменьшается с увеличением срока службы

катализатора, а при наличии вредных примесей в газе, нарушениях

технологического режима. Фирмой–изготовителем катализатора

определяются оптимальные условия восстановления и работы для каждого

типа катализатора, а также гарантии по содержанию примесей в метаноле–

сырце при соблюдении установленных условий.

1.7.7 Технологическая схема агрегатов синтеза метанола

Многочисленные процессы синтеза метанола включают три обязательные

стадии: очистка синтез-газа от сернистых соединений, масла,

пентакарбонилов железа; собственно синтез и очистка; и ректификация

метанола. В остальном технологические схемы отличаются аппаратурным

оформлением и параметрами процесса. Все они могут быть разделены на три

группы:

1. Синтез при высоком давлении проводится на цинк-хромовом

катализаторе при температуре 370-4200С и давлении 20-30МПА.

2. Синтез при низком давлении проводится на цинк-медь-хромовых

катализаторах при Т=250-3000С и давлении 5-10 МПа. Использование в этой

схеме низкотемпературных катализаторов, активных при более низком

39

давлении, позволяет снизить энергозатраты на сжатие газа и уменьшить

степень рециркуляции непрореагировавшего сырья.

3. Синтез в трехфазной системе «газ-жидкость – твердый катализатор»,

проводимый в суспензии из тонкодисперсного катализатора и инертной

жидкости, через которую барботируется синтез-газ.

Полученный метанол-сырец очищают от кислот, сложных эфиров,

высших спиртов, пентакарбонила железа, что в сочетании с последующей

ректификацией позволяет получить чистый метиловый спирт. Основным

аппаратом в синтезе метанола служит реактор (колонна синтеза) –

контактный аппарат, конструкция которого зависит от способа отвода тепла

и принципа осуществления процесса синтеза.Функциональная схема

производства метанола приведена на рис. 1.6.

Рис. 1.6. Функциональная схема синтеза метанола

Технологический процесс получения метанола из оксида углерода и

водорода включает ряд операций, обязательных для любой технологической

схемы синтеза. Газ предварительно очищается от карбонида железа, серни-

стых соединений, подогревается до температуры начала реакции и поступает

в реактор синтеза метанола. По выходе из зоны катализа из газов выделяется

образовавшийся метанол, что достигается охлаждением смеси, которая затем

сжимается до давления синтеза и возвращается в процесс.

Для таких производств как производство синтетического метанола,

аммиака степень преобразования синтез-газа в целевой продукт за один

проход через слой катализатора невелика и составляет порядка 2-3%.

40

Поэтому колонны синтеза в этих производствах представляют собой

многополочные газовые реакторы. Образовавшийся в результате реакции

целевой продукт охлаждают, конденсирую и отделяют от циркуляционного

газа. Циркуляционный газ смешивают со «свежим» газом для восстановления

исходных концентраций реагентов и возвращают на вход колонны синтеза.

Использование много полочных реакторов позволяет повысить степень

преобразования синтез-газа в продукт до 12-14%. Схема колонны синтеза в

производстве синтетического метанола приведена на рис.1.7.

Колонна синтеза в производстве метанола работает следующим образом.

Синтез-газ с температурой порядка 333 0С подается в цикл синтеза. На входе

колонны синтеза 1 газ разделяется на пять потоков: основной ход (ОХ) и

холодный байпасы (ХБ). Синтез-газ, который подается в колонну по ОХ

проходит через рекуперативный теплообменник 2, где нагревается до

температуры порядка 420 0С отходящим из колонны газом. Нагретый до

температуры 420 0С газ подается на первую полку колонны синтеза 1.

Рис.1.7. Схема много полочного газового реактора производства метанола

(1 - колонна синтеза, 2 – рекуперативный теплообменник

41

Для поддержания рабочей температуры на полках реактора, которая

составляет порядка 520 0С, используют ХБ.

Данный объект представляет собой сложный объект управления,

характеризующийся большим количеством внутренних связей. На

действующем производстве метанола (ЧАО «Северодонецкое объединение

«Азот») температуры на полках колонны синтеза выставляются оператором -

технологом вручную. Такой подход не может обеспечить оптимальную

работу колонны синтеза при изменении нагрузки на аппарат, изменении

состава синтез-газа, изменении свойств катализатора [60-75].

1.8 Выводы и постановка задач

На основании проведенного анализа сделаны выводы:

- эффективность работы стадии синтеза в производстве метанола

определяется созданием в колонне синтеза оптимального профиля

температур по высоте колонны, который определяется параметрами

процесса;

- для оптимизации процесса синтеза метанола в колонне синтеза необходимо

создать систему управления на базе АСУ ТП производства метанола, которая

обеспечит оптимальный профиль температур при любых нагрузках и

возмущениях, действующих на колонну. Для реализации этого предложено

использовать систему управления с моделью колонной синтеза метанола.

- сложность объекта управления требует использование математической

модели высокого порядка, а стратегия разрабатываемой системы управления

– простую модель, удобную для решения задач оптимизации. Объединить

достоинства двух подходов предложено в комбинированной модели, которая

свяжет уравнением четвертого порядка все параметры процесса синтеза

метанола. Вопрос адекватности модели предлагается решить использованием

блока адаптации.

42

РАЗДЕЛ 2

РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ КОЛОННЫ

СИНТЕЗА МЕТАНОЛА ДЛЯ РЕАЛИЗАЦИИ СИСТЕМЫ

УПРАВЛЕНИЯ С МОДЕЛЬЮ

На начальных стадиях проектирования производства отсутствует

возможность использования экспериментальных данных с этого

производства. Вместо них можно использовать результаты моделирования

этого производства. При этом используются, как правило, аналитические

модели, которые построено на основе фундаментальных законов физики:

сохранение массы, энергии, импульса и т.п. [71-74].

Преимущество таких моделей заключается в том, что диапазон их

адекватности технологическому процессу определяется физическими

свойствами объектов и сред. Например, параметры фазовых переходов,

механическая прочность оборудования, и т.п.

Большинство производств можно поделить на типовые технологические

процессы, которые происходят в типовом технологическом оборудовании. В

качестве типовых можно рассматривать процессы масса – и теплообмена,

химического преобразования, гидродинамические, фазовых переходов.

Технологические процессы, которые построены на типовых процессах,

имеют свое типовое технологическое оборудование. К основным аппаратам,

например, химической технологии относятся трубопроводы, емкости,

теплообменники, испарительные, абсорбционные и ректификационные

колоны и тому подобное.

Несмотря на большое многообразие химико-технологических объектов

и процессов, которые происходят в них, для построения аналитических

моделей можно использовать единый подход, взяв за основу современную

классификацию процессов. Назначение моделей – использование в системах

регулирования и управление определяет их состав. Главным требованием,

которое выдвигается к таким моделям, есть с одной стороны простота, а с

43

другой – достаточная точность. Точность моделей обеспечивается учетом в

них всех наиболее существенных процессов, а простота – системой

предположений [75].

2.1 Динамическая математическая модель полки газового реактора

2.1.1 Информационно-логический анализ полки колонны синтеза

Рассмотрим полку колонны синтеза, которая приведена на рис. 2.1.

Рис. 2.1. Полка газового реактора

На полках колонны синтеза синтеза метанола (колонны синтеза

метанола) происходит каталитическая реакция синтеза метанола. Синтез-газ

по каналу «основного» хода с расходом 2F , температурой 2T и

концентрацией метанола 2Q подается на вход полки колонны синтеза. На

первую полку синтез газ по «основному» ходу подается через внутренний

теплообменник колонны синтеза, а на вторую и третью полки с предыдущих

полок колонны. Для регулирования температурного режима на полках

колонны, часть синтез-газа подается минуя внутренний теплообменник

колонны синтеза через регулирующие клапаны (на рис. 2.1. клапан 1). Эти

потоки называются «холодными» байпасами. В соответствии с рис. 2.1.

«холодный» байпас с расходом 1F , температурой 1T и концентрацией

44

метанола 1Q подается на вход полки газового реактора через регулирующий

клапан 1. На входе полки колонны синтеза эти два потоки смешивается

между собой, а на катализаторе полки образуется метанол. Процесс

происходит при температуре Т и давлении Р . Продукты реакции отводятся

из реактора расходом F , который фактически равняется сумме двух

расходов 1F и 2F . Концентрация метанола на выходе полкиQ .

Модель, разработанная для одной полки колонны синтеза (например для

первой) может быть применена для второй и для третей полки колонны. Для

этого необходимо будет учесть индексы, обозначающие привязку потоков и

параметров к нумерации полок реактора.

На производстве метанола на стадии синтеза метанола используют

технологическую схему с рециклом. В этой схеме целевой компонент

(метанол) из выходящего потока из реактора извлекают, а газ, который

очищен от метанола и содержит достаточно большое количество реагентов,

возвращают в реактор. Поэтому во входных потоках метанол содержится в

небольших концентрациях.

Концентрация метанола, который образуется вследствие реакции,

определяет температуру на полках колонны. Реакция синтеза метанола

является экзотермической. Температура на полках реактора поддерживается

на заданном уровне за счет подачи на вход полки потока холодного синтез-

газа – «холодного» байпаса [76, 77].

К выходным параметрам (координатам) процесса, как правило, относят

концентрацию Q метанола на выходе полки реактора, температуру Т в

реакторе и давление Р . В производстве метанола давление Р определяется

работой компрессора и потому этот параметр нужно отнести к

возмущающим параметрам. При управлении газовыми реакторами

достаточно регулировать температуру, а концентрацию в этом случае можно

только контролировать.

45

К входным координатам процесса следует отнести только лишь расход

газа по «холодному» байпасу 1F . Расход синтез-газа по основному ходу 2F на

входе колонны и на входе каждой полки не может быть регулируемым

параметром и поэтому, его следует отнести к возмущениям.

Все другие параметры процесса являются возмущающими

координатами. К ним следует отнести температуры входных потоков 1T и 2T

и концентрации 1Q и 2Q в них целевого компонента. Информационно-

логическая схема полки колонны синтеза метанола приведена на рис. 2.2.

Рис. 2.2. Информационно-логическая схема полки газового реактора

Также нужно отметить, что исходные координаты колонны синтеза

являются взаимосвязанными. Так, например, изменение температуры Т в

реакторе с одной стороны согласно закону Ле Шателье изменит количество

вещества, которое образуется, то есть вызовет изменение концентрации Q , а

с другой стороны вызовет изменение давления Р в реакторе. Из этого

следует, что изменение любой из входных координат (регулирующей или

возмущающей) вызовет изменение сразу всех выходных координат.

Для определения ММ колонны синтеза нужно составить две частных

модели: по концентрации Q целевого компонента (метанола), по

температуре T . Составим эти частные ММ.

46

2.1.2 Разработка частных математических моделей первой полки

колонны синтеза

Возможно построение ММ по концентрации Q метанола, который

образуется вследствие реакции, или по концентрации одного из реагентов,

который расходуется в реакции. Выбор того или иного компонента, по

концентрации которого составляется модель, зависит от возможности

измерения концентрации, регулирования, цели управления и др.

Рассмотрим составление частной ММ по концентрации Q метанола,

который образуется в реакции (целевого компонента). Составим уравнение

материального баланса по целевому компоненту (компоненту, который

образуется в реакции). Целевой компонент поступает в реактор и с первым и

со вторым потоком, образуется на полке колонны в следствие реакции,

накапливается в реакторе и отводится с потоком, который выходит из

реактора.

Уравнение материального баланса по целевому компоненту имеет вид.

dmdmdmdmdm vp 21 , (2.1)

где 1dm – масса метанола, которая попадает в колонну синтеза с первым

потоком;

2dm – масса метанола, которая попадает в колонну со вторым потоком;

рdm – масса метанола, которая образуется в реакции;

Vdm – масса метанола, которая накапливается в колонне объемом V;

dm – масса метанола, которая отводится из колонны.

Запишем уравнение (2.1) в технологических переменных.

dtQFdm 111 , (2.2)

47

где 1F – расход синтез-газа по «основному» ходу на входе полки, с

кг;

1Q – концентрация метанола в потоке «основного» хода, часткамас. ;

dt – приращение времени, с .

dtQFdm 222 , (2.3)

где 2F – расход синтез-газа по «холодному» байпасу на входе полки, с

кг;

2Q – концентрация метанола в «холодном» байпасе, часткамас. .

dtQQVKdm пp , (2.4)

где – плотность газовой смеси в колонну (определяется из уравнения

Менделеева-Клапейрона), 3м

кг;

V – свободный объем колонны синтеза, 3м ;

K – скорость химической реакции, c

1;

Q та nQ – концентрация метанола компоненту на выходе та на входе полки

колонны соответственно, .. часмас

В случае первой полки, концентрации метанола в потоке «основного»

хода и «холодного» байпаса 1Q и 2Q равны и в расчете их можно приравнять

к величине nQ . В случае второй и третей полки, концентрация метанола nQ

получается в результате смешения двух потоков и, соответственно, будет

определяться по формуле

48

21

2211

FF

QFQFQn

.

Скорость химической реакции К зависит от температуры процесса. Эта

зависимость определяется уравнением Арениуса

RT

EKK exp0 , (2.5)

где 0K – константа скорости реакции, c

1;

E – энергия активации реакции, моль

Дж;

R – универсальная газовая постоянная, Kмоль

Дж;

T – температура реакции, K .

VdQdmV , (2.6)

где – плотность газовой смеси в колонне, 3м

кг;

V – свободный объем колонны, 3м ;

dQ – изменение концентрации метанола в колонне, часткамас.

dtFQdm , (2.7)

где F – расход газовой смеси на выходе полки колонны, c

кг;

Q – концентрация метанола на выходе колонны, .. часмас

49

Таким образом, с учетом уравнений (2.2) – (2.7) уравнение (2.1) в

технологических переменных примет вид:

QdtFFVdQdtFF

QFQFQ

RT

EVKdtQFdtQF 21

21

221102211 exp

. (2.8)

Разделим уравнение (2.8) на dt . В результате получим

QFFdt

dQV

FF

QFQFQ

RT

EVKQFQF 21

21

221102211 exp

(2.9)

Уравнение (2.9) представляет собой нелинейную математическую модель

полки колонны синтеза по концентрации метанола. Переменными

величинами в этой модели являются такие параметры: 1F , 2F , 1Q , 2Q , Q , Т .

Проведем линеаризацию уравнения (2.9) используя разложение в ряд

Тейлора.

110110101011 FQQFQFQF (2.10)

220220202022 FQQFQFQF (2.11)

2010

202010100

00

21

22110 expexp

FF

QFQFQ

RT

EVK

FF

QFQFQ

RT

EVK

Т

FF

QFQFQ

RT

EVK

RT

E

2010

202010100

002

0

exp

22010

1201020101012

10

2010

20201010

00

22exp

FF

FQQFQFQF

FF

QFQFQ

RT

EVK

50

22010

2201010202022010 22

FF

FQQFQFQFF. (2.12)

dt

QdV

dt

dQV

(2.13)

201020100201021 FQFQQFFQFFQFF (2.14)

Подставив уравнения (2.10) - (2.14) в уравнение (2.9), получим

1101101010 FQQFQF 2202202020 FQQFQF

2010

202010100

00 exp

FF

QFQFQ

RT

EVK

Т

FF

QFQFQ

RT

EVK

RT

E

2010

202010100

002

0

exp

22010

1201020101012

10

00

22exp

FF

FQQFQFQFQ

RT

EVK

22010

2201010202022010 22

FF

FQQFQFQFF

dt

QdV

2010201002010 FQFQQFFQFF (2.15)

Извлечем из уравнения (2.15) постоянные величины.

1010QF 2020QF

2010

202010100

00 exp

FF

QFQFQ

RT

EVK 02010 QFF (2.16)

51

Уравнение (2.16) является уравнением статики или статической моделью

полки колонны синтеза по концентрации метанола. Это уравнение может

быть использовано для нахождения режимных параметров процесса или для

нахождения неизвестных параметров математической модели.

Извлечем из уравнения (2.15) уравнение статики (2.16).

110110 FQQF 220220 FQQF

Т

FF

QFQFQ

RT

EVK

RT

E

2010

202010100

002

0

exp

22010

1201020101012

10

00

22exp

FF

FQQFQFQFQ

RT

EVK

22010

2201010202022010 22

FF

FQQFQFQFF

dt

QdV

20102010 FQFQQFF (2.17)

Уравнение (2.17) является размерной частной математической моделью

по концентрации метанола полки колонны синтеза метанола в производстве

метанола. Совершим переход к безразмерной математической модели. Для

этого каждое слагаемое уравнения (2.17) умножим и разделим на

номинальное значение соответствующей переменной.

10

11010

10

11010

F

FFQ

Q

QQF

20

22020

20

22020

F

FFQ

Q

QQF

02010

202010100

00

0

expT

Т

FF

QFQFQ

RT

EVK

RT

E

52

002

2010

0 expQ

Q

RT

E

FF

VK

10

1

02

2010

0102

10 exp2

Q

Q

RT

E

FF

VKQF

10

1

22010

102010201010

00

2exp

F

F

FF

FQQFQF

RT

EVK

20

2

22010

202010

00

2exp

Q

Q

FF

QFF

RT

EVK

20

2

22010

202010102020

00

2exp

F

F

FF

FQQFQF

RT

EVK

dt

Q

Qd

VQ 00

20

2020

10

1010

002010

F

FQF

F

FQF

Q

QQFF

(2.18)

В соответствии со структурно-логической схемой (рис.2.2.) обозначим:

10

yQ

Q

; 2

0

yT

T

; 1

10

1 xF

F

; 1

10

1 zT

T

; 2

10

1 zQ

Q

; 3

20

2 zT

T

; 4

20

2 zQ

Q

; 5

20

2 zF

F

;

60

zP

P

; 7

0

zF

F

.

С учетом этих замен, уравнение (2.18) примет вид:

1101011010 хFQуQF 5202042020 zFQzQF

2

2010

202010100

00

0

exp yFF

QFQFQ

RT

EVK

RT

E

53

1

02

2010

0 exp yRT

E

FF

VK

2

02

2010

0102

10 exp2

zRT

E

FF

VKQF

12

2010

102010201010

00

2exp x

FF

FQQFQF

RT

EVK

42

2010

202010

00

2exp z

FF

QFF

RT

EVK

52

2010

202010102020

00

2exp z

FF

FQQFQF

RT

EVK

dt

dyVQ 1

0

50201010102010 zQFxQFyQFF (2.19)

Приведем уравнение (2.19) к каноническому виду. Для этого все

слагаемые, которые содержат множители 1y , перепишем в левую часть

уравнения, а все остальные – в правую и разделим уравнение на

02

2010

01010020101 exp

RT

E

FF

VKQFQFFП

Уравнение (2.19) примет вид:

21651541431311211111

1 уКzKzKzKzKxKydt

dy , (2.20)

где 1

01

П

VQ - постоянная времени, с;

220101

102010201010

00

1

0101011

2exp

FFП

FQQFQF

RT

EVK

П

QQFК

- коэффициент;

54

1

101012

П

QFК - коэффициент;

02

20101

0102

1013 exp

2

RT

E

FFП

VKQFK

- коэффициент;

220101

202010

00

1

202014

2exp

FFП

QFF

RT

EVK

П

QFК

- коэффициент;

220101

202010102020

00

1

0202015

2exp

FFП

FQQFQF

RT

EVK

П

QQFК

- коэффициент.

2010

202010100

00

0116 exp

FF

QFQFQ

RT

EVK

RTП

EК - коэффициент.

Уравнение (2.20) является частной математической моделью полки

колоны синтеза метанола в производстве метанола без учета времени

запаздывания.

Для того, чтобы разработать частную математическую модель полки

колонны синтеза метанола по температуре, необходимо составить уравнения

теплового баланса полки (реактора). Тепло в реактор поступает с двумя

потоками входящих реагентов, выделяется в процессе синтеза метанола. Это

тепло накапливается в объеме полки (тепло накапливаемое в объеме

катализатора и в объеме реакционной смеси на полке) и выходит с полки

расходом равным сумме входящих расходов. Общее уравнение теплового

баланса имеет вид:

dqdqdqdqdq Vp 21 , (2.21)

где 1dq – количество тепла, которое поступает с первым потоком;

2dq – количество тепла, которое поступает со вторым потоком;

55

pdq – количество тепла, которое выделяется в результате реакции;

Vdq – количество тепла, которое накапливается в объеме полки;

dq – количество тепла, которое выходит с выходящим потоком.

Запишем уравнение теплового баланса в технологических переменных.

dtTсFdq 1111 , (2.22)

где 1F – расход синтез-газа по основному ходу, с

кг;

1с – теплоемкость синтез-газа в потоке основного хода, Ккг

Дж;

1T – температура потока основного хода на входе полки , К .

dtTсFdq 2222 , (2.23)

где 2F – расход синтез-газа по «холодному» байпасу, с

кг;

2с – теплоемкость потока, подаваемого по «холодному» байпасу, Ккг

Дж;

2T – температура потока «холодного» байпаса , К0.

dtQQVKrdq np , (2.24)

где r – удельная теплота реакции, кг

Дж;

– плотность газовойсмеси в реакторе (определяется из уравнения

Менделеева-Клапейрона), 3м

кг;

56

V – свободный объем колонны синтеза, 3м ;

K – скорость химической реакции, c

1;

Q та nQ – концентрация метанола на выходеи на входе в реактор

соответственно, частьмас. .

VcdTdqV , (2.25)

где – плотность газовойсмесив реакторе (определяется из уравнения

Менделеева-Клапейрона), 3м

кг;

V – свободный объем реактора, 3м ;

c – теплоемкость газовой смеси, которая находится в реакторі, Ккг

Дж;

dT – изменение температури в реакторе, К .

dtFcTdq , (2.26)

где F – расход газаиз колонны синтеза (определяется суммой расходов 1F и

2F ), c

кг;

c – теплоемкость газовой смеси, которая выходит изколонны, Ккг

Дж;

T – температура вколонне, К .

С учетом сказанного, уравнение теплового баланса в технологических

переменных примет вид

57

dt

FF

QFQFQ

RT

EK

RT

rPVdtTсFdtTсF

21

22110222111 exp

dtcTFFdTRT

PVc21 . (2.27)

Разделим правую и левую части уравнения (2.27) на dt.

21

22110222111 exp

FF

QFQFQ

RT

EK

RT

rPVTсFTсF

cTFFdt

dT

RT

PVc21 . (2.28)

Уравнение (2.28) является нелинейной математической моделью полки

колонны синтеза метанола по температуре. К переменным параметрам

модели следует отнести: 1F , 2F , 1T , 2T , Q , 1Q , 2Q , T , P .

Выполним линеаризацию нелинейной математической модели полки

колонны синтеза по температуре. Для этого воспользуемся разложением в

ряд Тейлора

111 TсF 10110 TсF 1101 FTс 1110 TсF

222 TсF 20220 TсF 2202 FTс 2220 TсF

2010

202010100

00

0

0000201020102010 exp,,,,,,,,

FF

QFQFQ

RT

EK

RT

VrPPTQQQTTFFf

PTQQQTTFFf ,,,,,,,, 212121 000201020102010 ,,,,,,,, PTQQQTTFFf +

1

1

212121 ,,,,,,,,F

F

PTQQQTTFFf

+

2

2

212121 ,,,,,,,,F

F

PTQQQTTFFf

+

58

1

1

212121 ,,,,,,,,Т

Т

PTQQQTTFFf

+

2

2

212121 ,,,,,,,,Т

Т

PTQQQTTFFf

+

1

1

212121 ,,,,,,,,Q

Q

PTQQQTTFFf

+

2

2

212121 ,,,,,,,,Q

Q

PTQQQTTFFf

+

Q

Q

PTQQQTTFFf

,,,,,,,, 212121 +

TT

PTQQQTTFFf

,,,,,,,, 212121 +

P

P

PTQQQTTFFf

,,,,,,,, 212121 .

dt

Td

RT

PVc

dt

dT

RT

PVc

0

.

201020100201021 FcTFсТTcFFcTFFcTFF .

С учетом сказанного, уравнение математической модели первой полки

колонны синтеза метанола по температуре примет вид

10110 TсF 1101 FTс 1110 TсF 20220 TсF 2202 FTс 2220 TсF

000201020102010 ,,,,,,,, PTQQQTTFFf

11

212121 ,,,,,,,,F

F

PTQQQTTFFf

+

2

2

212121 ,,,,,,,,F

F

PTQQQTTFFf

+

1

1

212121 ,,,,,,,,Т

Т

PTQQQTTFFf

+

2

2

212121 ,,,,,,,,Т

Т

PTQQQTTFFf

+

1

1

212121 ,,,,,,,,Q

Q

PTQQQTTFFf

+

59

2

2

212121 ,,,,,,,,Q

Q

PTQQQTTFFf

+

Q

Q

PTQQQTTFFf

,,,,,,,, 212121 +

T

T

PTQQQTTFFf

,,,,,,,, 212121 +

P

P

PTQQQTTFFf ,,,,,,,, 212121

dt

Td

RT

PVc

0

2010201002010 FcTFсТTcFFcTFF .

(2.29)

Извлечем из уравнения (2.29) уравнение статики

10110 TсF 20220 TсF

2010

202010100

00

0

0 expFF

QFQFQ

RT

EK

RT

VrP

02010 cTFF

(2.30)

И получим размерную частную математическую модель первой полки

колонны синтеза метанола по температуре

1101 FTс 1110 TсF 2202 FTс 2220 TсF

11

212121 ,,,,,,,,F

F

PTQQQTTFFf

+

2

2

212121 ,,,,,,,,F

F

PTQQQTTFFf

+

1

1

212121 ,,,,,,,,Т

Т

PTQQQTTFFf

+

2

2

212121 ,,,,,,,,Т

Т

PTQQQTTFFf

+

1

1

212121 ,,,,,,,,Q

Q

PTQQQTTFFf

+

2

2

212121 ,,,,,,,,Q

Q

PTQQQTTFFf

+

Q

Q

PTQQQTTFFf

,,,,,,,, 212121 +

60

T

T

PTQQQTTFFf

,,,,,,,, 212121 +

P

P

PTQQQTTFFf ,,,,,,,, 212121

dt

Td

RT

PVc

0

20102010 FcTFсТTcFF .

(2.31)

Аналогично показанному выше способу, приведем частную

математическую модель (2.31) к безразмерному каноническому виду (вывод

модели не приводится). После всех преобразований модель (2.31) примет

вид:

12862752642532422312212122

2 yKzKzKzKzKzKzKxKydt

dy . (2.32)

где 2 - постоянная времени;

21К ; 22К - коэффициенты модели.

Таким образом, уравнения (2.20) и (2.32) образуют систему.

12862752642532422312212122

2

21651541431311211111

1

yKzKzKzKzKzKzKxKydt

dy

yKzKzKzKzKxKydt

dy

. (2.32)

Решение системы уравнений относительно y1 является динамической

математической моделью полки колонны синтеза по концентрации, а по y2 –

динамической математической моделью по температуре.

Динамическая математическая модель полки колонны синтеза метанола

по концентрации метанола имеет вид:

61

3

315342331

114321

113311

1122

12

211 z

dt

dzTKzKz

dt

dzTKx

dt

dxTKy

dt

dyТ

dt

ydТ

63755

173644

1635 zKzdt

dzTKz

dt

dzTK

. (2.33)

где 16

16283

1

K

KKП

- коэффициенты;

628

211131

1 КК

ККК

- коэффициенты;

628

221232

1 КК

ККК

- коэффициенты;

3

2333

П

КК - - коэффициенты;

628

241334

1 КК

ККК

- коэффициенты;

628

251435

1 КК

ККК

- коэффициенты;

628

261536

1 КК

ККК

- коэффициенты;

3

2337

П

КК - коэффициенты;

163

21211

КПT

- постоянные времени;

163

2112

КПT

- постоянные времени;

21113

11213

ККП

КT

- постоянные времени;

22123

12214

ККП

КT

- постоянные времени;

23133

13215

ККП

КT

- постоянные времени;

25143

14216

ККП

КT

- постоянные времени;

62

26153

15217

ККП

КT

- постоянные времени.

Динамическая математическая модель по температуре на первой полке

колонны синтеза метанола имеет вид:

2

225431

124421

123412

2222

22

221 z

dt

dzТKz

dt

dzTKx

dt

dxTKy

dt

dyТ

dt

ydТ

5

528464

427453

32644 z

dt

dzTKz

dt

dzTKz

dt

dzTK (2.34)

где 28

28164

1

K

KKП

- коэффициент;

284

21281141

КП

КККК

- коэффициент;

284

22281242

КП

КККК

- коэффициент;

284

2343

КП

КК - коэффициент;

284

24281344

КП

КККК

- коэффициент;

284

25281445

КП

КККК

- коэффициент;

284

26281546

КП

КККК

- коэффициент;

284

21221

КПT

- постоянная времени;

284

2122

КПT

- постоянная времени;

2111284

21123

КККП

КT

- постоянная времени;

63

2228124

12224

КККП

КT

- постоянная времени;

125 T ; 2428133

24126

КККП

КT

- постоянная времени;

2528144

25127

КККП

КT

- постоянная времени;

2628154

26128

КККП

КT

- постоянная времени.

Уравнения (2.32) и (2.33) могут быть использованы для определения

основных динамических особенностей объекта управления.

Уравнения (2.16) и (2.30) образуют систему, которая представляет собой

статическую модель первой полки колонны синтеза метанола в производстве

метанола. Решая эту систему уравнений относительно концентрации

метанола на выходе полки колонны синтеза или относительно температуры

синтез-газа на выходе полки получаем уравнение, которое связывает этот

выходной параметр со всеми входными параметрами процесса.

020102010

202010100

00

0

02022010110

020102010

202010100

0020201010

exp

exp

cTFFFF

QFQFQ

RT

EK

RT

VrPTсFTсF

QFFFF

QFQFQ

RT

EVKQFQF

(2.35)

2.1.3 Математическая модель второй и третей полок колонны

синтеза метанола

Вывод математических моделей второй и третей полок колонны синтеза

полностью идентичен выводу моделей первой полки. Отличие заключается в

том, что выходной поток с первой полки является входным потоком

основного хода для второй полки, а потока, который выходит со второй

64

полки – для третьей. При этом, параметры холодного байпаса, который

подается на вторую и на третью полки будут такими же [76,77].

В виду того, что для решения задач оптимизации необходима именно

статическая модель, приведем статическую модель второй и третей полок

колонны синтеза.

2,exp

2,exp

020102010

202010100

0

0

0

02022010110

020102010

202010100

0

020201010

icTFFFF

QFQFQ

RT

EK

RT

VrPTсFTсF

iQFFFF

QFQFQ

RT

EKVQFQF

iiiiiii

i

i

i

i

ii

iiiiii

iiiiiii

i

i

ii

iiii

(2.36)

3,exp

3,exp

020102010

202010100

0

0

0

02022010110

020102010

202010100

0

020201010

icTFFFF

QFQFQ

RT

EK

RT

VrPTсFTсF

iQFFFF

QFQFQ

RT

EKVQFQF

iiiiiii

i

i

i

i

ii

iiiiii

iiiiiii

i

i

ii

iiii

(2.37)

Индекс i в уравнении (2.36) и (2.37) обозначает номер полки колонны.

Таким образом, три системы уравнений (2.35), (2.36) и (2.37) описывают

зависимость концентрации метанола на выходе колонны синтеза метанола от

расходов «основного» хода и «холодных» байпасов, а также от

возмущающих параметров процесса синтеза. Однако, для того чтобы

получить полную модель колонны синтеза метанола, необходимо еще

разработать математическую модель встроенного в колонну рекуперативного

теплообменника [74,76].

2.2 Динамическая математическая модель кожухотрубного

теплообменника

С целью повышения энергоэффективности производства метанола тепло

отходящих из колонны газов расходуется на нагрев «основного» потока

синтез-газа, который поступает в колонну. Возможность регулирования

65

температуры «основного» потока синтез газа отсутствует, поэтому входных

регулирующих координат для этого объекта нет.

«Основной» поток синтез-газа расходом 0F и температурой ..гцT

попадает во внутритрубное пространство выносного теплообменника. В

межтрубное пространство подается газ, выходящий с третьей полки колонны

синтеза с расходом ..гцF , который равен сумме расходов «основного» хода 0F

и трех «холодных» байпасов 1..бхF , 2..бхF , 3..бхF , и температурой 3T .

Процесс теплообмена осуществляется через стенки труб

теплообменника.

Информационно-логическую схему выносного кожухотрубного

теплообменника можно представить следующим образом.

Рис. 2.3. Информационно-логическая схема выносного кожухотрубного

теплообменника

Для того, чтобы разработать математическую модель такого аппарата,

представим процесс теплообмена в аппарате в виде схемы (рис. 2.4).

66

Рис. 2.4. Схема процесса теплообмена в выносном кожухотрубном

теплообменнике

Составим уравнения тепловых балансов для точек 1, 2 и 3. Эти точки

условно определяют: 1 – процесс отдачи тепла выходящими из колонны

синтеза газов стенкам теплообменника; 2 – процесс распространения тепла

вдоль трубок теплообменника и передача тепла во внутритрубное

пространство теплообменника; 3 – процесс нагрева потока «основного» хода

синтез-газа, идущего в колонну.

Для точки 1 уравнение теплового баланса имеет вид:

211 TvT dqdqdqdqT

, (2.38)

де 1Tdq – количество тепла, которое приходит в теплообменник с потоком

газа, вышедшего с третьей полки;

Tvdq – количество тепла, которое накапливается в материале труб

теплообменника;

1dq – количество тепла, которое отдает поток газа, выходящего с третьей

полки колонны синтеза, трубкам теплообменника;

67

2Tdq – количество тепла, которое выходит из теплообменника с

охлажденным газом.

Запишем уравнение (2.38) в технологических переменных.

dtTcFdq гцгцT 3..1 , (2.39)

где гцF . – расход циркуляционного газа, с

кг;

гцc . – теплоемкость циркуляционного газа, Ккг

Дж;

3T – температура газа, выходящего с третей полки колонны, К ;

dt – изменение времени, с.

'3dTcVdq цгTцгVT

, (2.40)

где T – плотность газа, выходящего с третей полки колонны, 3м

кг;

TV – объем межтрубного пространства, 3м ;

цгc – теплоемкость газа, выходящего с третей полки колонны синтеза, Ккг

Дж;

'3dT – изменение температуры охлаждаемого газа в межтрубном

пространстве, К .

dtTTSdq ст 3111 , (2.41)

где 1 – коэффициент теплоотдачи от охлаждаемого газа к трубам

теплообменника, Ксм

Вт2

;

1S – площадь теплообмена между охлаждаемым газом и трубками (внешняя

поверхность теплообменных труб), 2м ;

3T – температура охлаждаемого газа на входе теплообменника, К ;

68

стT – температура стенок теплообменных труб, К .

LdNS н1 , (2.42)

где N – количество труб;

нd – внешний диаметр теплообменной трубки, м ;

L – длина трубки, м .

dtTcFdq цгцгT'

32 , (2.43)

где цгF – расход циркуляционного газа, с

кг;

цгc – теплоемкость газа, выходящего с третей полки, Ккг

Дж;

'3T – температура охлажденного газа на выходе теплообменника, K ;

dt – изменение времени, с.

С учетом сказанного, уравнение (2.38) примет вид

dtTсFdtTTSdTcVdtTсF TTTстTTTTTTTT2121

11 . (2.44)

Составим уравнение теплового баланса для точки 2.

21 dqdqdqстV , (2.45)

где 1

dq – количество тепла, которое поступает от охлаждаемого газа;

стVdq – количество тепла, которое накапливается в материале стенок;

69

2dq – количество тепла, которое отдается от труб во внутритрубное

пространство.

Определим слагаемые стVdq та

2dq уравнения (2.45) через

технологические параметры.

стстстстV dTсmdq , (2.46)

где стm – масса материала стенок, кг;

стс – теплоемкость материала стенок, Ккг

Дж;

стdT – изменение температуры стенки, К.

Масса труб может быть определена из паспорта теплообменника или

рассчитана через объем материала труб и его плотность.

стстст Vm . (2.47)

dtTTSdq цгст 222 , (2.48)

где 2 – коэффициент теплоотдачи от трубок теплообменника к синтез-газу,

идущему в колонну, Ксм

Вт2

;

2S – площадь теплообмена между трубками и синтез-газом (внутренняя

поверхность теплообменных труб), 2м ;

стT – температура стенки, К;

цгT – температура синтез-газа на выходе теплообменника, К.

70

LdNS вн2 , (2.49)

где N – количество труб;

внd – внутренний диаметр теплообменной трубки, м ;

L – длина трубки, м .

Составим уравнение теплового балансу для точки 3.

221 nvn dqdqdqdqn , (2.50)

где 1ndq – количество тепла, которое приходит в теплообменник с потоком

синтез-газа;

2dq – количество тепла, которое отдается от труб теплообменника к

продукту;

nvdq – количество тепла, которое накапливается во внутреннем пространстве

труб теплообменника;

2ndq – количество тепла, которое отводится из аппарата с потоком синтез-

газа.

Запишем уравнение (2.50) в технологических переменных.

dtTcFdq цгцгn 11 0 , (2.51)

где 0F – расход синтез-газа, с

кг;

цгc – теплоемкость синтез-газа, Ккг

Дж;

цгT – температура синтез-газа на входе теплообменника,К;

71

dtTTSdqcтT 0222 , (2.52)

где 2 – коэффициент теплоотдачи от трубок теплообменника к синтез-газу,

Ксм

Вт2

;

2S – площадь теплообмена между трубками и синтез-газом (внутренняя

поверхность теплообменных труб), 2м ;

cтT – температура стенок теплообменных труб, К ;

0T – температура синтез-газа на выходе теплообменника, К .

0dTcVdq nnnVn , (2.53)

где n – плотность синтез-газа, 3м

кг;

nV – объем внутритрубного пространства, 3м ;

nc – теплоемкость синтез-газа, Ккг

Дж;

0dT – изменение температуры синтез-газа во внутритрубном пространстве,

К .

dtTcFdq nn 002 , (2.54)

где 0F – расход синтез-газа, с

кг;

nc – теплоемкость синтез-газа, Ккг

Дж;

0T – температура синтез-газа на выходе теплообменника, К .

Подставим уравнения (2.45) в (2.50).

72

221 TVvT dqdqdqdqdqстT

. (2.55)

Уравнения (2.55) и (2.38), записанные в технологических переменных,

образуют систему уравнений, описывающих тепловой баланс

теплообменника. Запишем ее сразу в технологических параметрах.

dtTсFdTcVdtTTSdtTсF

dtTсFdtTTSdTcVdTcVdtTсF

nnnnnnnnстnnn

TTTnстстстстcтTTTTTTT

2221

2221

22

22

. (2.56)

Исключим из уравнения (2.56) постоянные величины

2010 000220 TTTnстTTT TсFTTSTсF . (2.57)

Первое уравнение системы (2.56), приведенное к каноническому виду,

имеет вид:

dt

dzyKzKxKy

dt

dy 4'12133121111

11 . (2.58)

де 1

10

П

TcV стстстcт постоянная времени, с ;

1

'1

П

cV TTT – постоянная времени, с ;

0221 стTSП - – коэффициент модели;

111

02010

П

FTTсK

TTTT – коэффициент модели;

1

0

1210

П

TсFK

TTT – коэффициент модели;

73

1

220

1320

П

TSсFK

nTT – коэффициент модели.

Учитывая, что стT , стТ сс , 1'1 , принимаем, что 0'

1 .

Выполним процедуру линеаризации и перехода к безразмерной модели

для второго уравнения системы (2.56).

При этом выведенное уравнение статики примет вид:

2010 000220 nnnnстnnn TсFTTSTсF . (2.59)

Приведенное к каноническому виду второе уравнение системы (2.56)

имеет вид:

.

12322212122

2 yKzKzKydt

dy . (2.60)

где 2

220

П

TcV nnnn – постоянная времени, с ;

2020 2202 nnnn TSTсFП - – коэффициент модели;

2

021

2010

П

TTFсK

nnnn - – коэффициент модели;

2

0

2210

П

TсFK

nnn - – коэффициент модели;

2

22

230

П

TSK

ст – коэффициент модели.

Уравнения (2.58) и (2.60) запишем как систему

74

12322212122

2

21331211111

1

yKzKzKydt

dy

yKzKxKydt

dy

. (2.61)

Для того, чтобы получить динамическую математическую модель

теплообменника по температуре синтез-газа на выходе теплообменника,

необходимо решить систему уравнений (2.61) относительно переменной у2.

Решение имеет вид:

33422

323311

313213111

12

12

22 zKz

dt

dzTKz

dt

dzTKxKy

dt

dyT

dt

ydT

. (2.62)

где 2313

2122

1 KKT

– постоянная времени,

2с ;

2313

211

1 KKT

– постоянная времени, с ;

13231 TT – постоянная времени, с ;

23

23133

1

K

KKП

– коэффициент модели;

2313

231131

1 KK

KKK

– коэффициент модели;

2313

2132

1 KK

KK

– коэффициент модели;

2313

2233

1 KK

KK

– коэффициент модели;

2313

1234

1 KK

KK

– коэффициенты модели.

75

Уравнение (2.62) является динамической математической моделью

внутреннего теплообменника колонны синтеза метанола в производстве

метанола.

Уравнения (2.57) и (2.59) представляют собой систему уравнений,

являющейся статической моделью внутреннего теплообменника колонны

синтеза метанола.

2010

2010

000220

000220

nnnnстnnn

TTTnстTTT

TсFTTSTсF

TсFTTSTсF

. (2.63)

2.3 Математическая модель колонны синтеза метанола

Для того чтобы получить динамическую и статическую математическую

модель колонны синтеза метанола, необходимо составить систему

уравнений, которая состоит из уравнений, которые описывают первую,

вторую и третью полки колонны, а также уравнений внутреннего

теплообменника.

Динамическая модель представляет собой систему уравнений (2.64).

76

33422

323311

313213111

12

12

22

21651541431311211111

21651541431311211111

21651541431311211111

3,

3,

2,

2,

1,

1,

1286275264253242231221212

2

2

1

1286275264253242231221212

2

2

1

1286275264253242231221212

2

2

1

zKzdt

dzTKz

dt

dzTKxKy

dt

dyT

dt

ydT

iyKzKzKzKzKzKzKxKydt

dy

iyKzKzKzKzKxKydt

dy

iyKzKzKzKzKzKzKxKydt

dy

iyKzKzKzKzKxKydt

dy

iyKzKzKzKzKzKzKxKydt

dy

iyKzKzKzKzKxKydt

dy

iiiiiiiiiiiiiiiii

i

i

iiiiiiiiiiiiii

i

iiiiiiiiiiiiiiiii

i

i

iiiiiiiiiiiiii

i

iiiiiiiiiiiiiiiii

i

i

iiiiiiiiiiiiii

i

. (2.64)

Решение системы уравнений относительно iy1 (где i = 3)даст

возможность получить динамическую математическую модель по

концентрации метанола на выходе колонны синтеза метанола.

Используя данную модель, можно определить динамические параметры

всей колонны синтеза метанола как объекта управления, а в частности

определить временные интервалы, в течение которых происходят

переходные процессы изменения концентрации образовавшегося метанола на

полках колонны.

Для того чтобы получить статическую модель колонны необходимо

объединить в систему статические модели первой, второй и третей полок

колонны, выносного теплообменника и замыкающее уравнение,

описывающее материальный баланс колонны по массовому расходу синтез-

газа

77

30201000

000220

000220

020102010

202010100

0

0

0

02022010110

020102010

202010100

0

020201010

020102010

202010100

0

0

0

02022010110

020102010

202010100

0

020201010

020102010

202010100

0

0

0

02022010110

020102010

202010100

0

020201010

2010

2010

3,exp

3,exp

2,exp

2,exp

1,exp

1,exp

FFFFF

TсFTTSTсF

TсFTTSTсF

icTFFFF

QFQFQ

RT

EK

RT

VrPTсFTсF

iQFFFF

QFQFQ

RT

EKVQFQF

icTFFFF

QFQFQ

RT

EK

RT

VrPTсFTсF

iQFFFF

QFQFQ

RT

EKVQFQF

icTFFFF

QFQFQ

RT

EK

RT

VrPTсFTсF

iQFFFF

QFQFQ

RT

EKVQFQF

цг

nnnnстnnn

TTTnстTTT

iiiiiii

i

i

i

i

ii

iiiiii

iiiiiii

i

i

ii

iiii

iiiiiii

i

i

i

i

ii

iiiiii

iiiiiii

i

i

ii

iiii

iiiiiii

i

i

i

i

ii

iiiiii

iiiiiii

i

i

ii

iiii

(2.65)

Система уравнений (2.65) является статической моделью колонны

синтеза метанола в производстве метанола. Данная модель позволяет

получить зависимость концентрации метанола на выходе колонны синтеза от

расходов синтез-газа по «основному» ходу и «холодным» байпасам,

78

подаваемым на первую, вторую и третью полки колонны. Данное уравнение

может быть использовано для решения оптимизационных задач

2.4 Выводы к разделу 2

В работе предлагается подход к разработке математической модели для

последующей оптимизации и управления сложным технологическим

объектом. Выполнен анализ полки колонны синтеза и внутреннего

теплообменника как объекта управления, составлены уравнения

материальных и тепловых балансов. На основе балансовых уравнений

разработаны динамические и статические математические модели полок

колонны синтеза и внутреннего теплообменника. Разработанные модели

полок колонны и внутреннего теплообменника позволили составить системы

уравнений, которые являются динамической и статической моделью колонны

синтеза метанола в производстве метанола. Математические модели колонны

синтеза метанола могут быть использованы для решения оптимизационных

задач управления процессом синтеза метанола, для построения

диагностического комплекса, для разработки тренажера и др

Результаты раздела 2 отображены в работах [1-3].

79

РАЗДЕЛ 3

РАЗРАБОТКА АЛГОРИТМА И СИСТЕМЫ УПРАВЛЕНИЯ

КОЛОННОЙ СИНТЕЗА МЕТАНОЛА В ПРОИЗВОДСТВЕ МЕТАНОЛА

3.1 Обобщенная информационно-логическая схема колонны синтеза

метанола с внутренним теплообменником

При проведении процесса синтеза метанола в производстве метанола

необходимо обеспечивать максимальную степень конверсии синтез-газа в

метанол в обратимой реакции синтеза путем поддержания оптимального

профиля температур по высоте колонны синтеза. Сложность задачи

заключается в том, что процесс в колонне приближается к модели идеального

вытеснения, которая подразумевает градиент параметров вдоль

пространственной координаты. В разделе 2 разработаны статические и

динамические модели полок колонны синтеза метанола и внутреннего

теплообменника. Анализ полученной математической модели позволил

составить обобщенную информационно-логическую схему трехполочной

колонны синтеза метанола со встроенным внутренним рекуперативным

теплообменником. Данная схема приведена на рис. 3.1.

Пунктирной линией на этой информационно-логической схеме показана

сама колонна синтеза. Она состоит из четырех отдельных объектов: трех

последовательных полок (П1, П2, и П3), заполненных катализатором, и

встроенного рекуперативного теплообменника (ТО). Кроме того, в

распределении потоков синтез-газа принимают участие два делителя Д1 и

Д2.

С точки зрения управления, колонна синтеза метанола являются

сложным объектом, который характеризуются большим количеством

возмущающих параметров и множественными внутренними связями [80,81].

80

Ри

с.3.1

. И

нф

ор

мац

ио

нн

о-л

оги

чес

кая

сх

ема

трех

по

лоч

но

го г

азового

реа

кто

ра

со в

стр

оен

ны

м р

екуп

ерат

ивн

ым

теп

лооб

мен

ни

ко

м:

Д1

, Д

2 –

мат

емат

ичес

ки

е оп

ерат

оры

дел

ени

я п

ото

ка;

П1

, П

2, П

3 –

по

лки

ко

лон

ны

си

нте

за м

етан

ола;

ТО

- т

епло

об

мен

ни

к

81

Условимся называть выходными параметрами параметры системы,

которые характеризуют ее состояние, и поддержание значений которых

является целью системы регулирования. Регулирующие параметры –

параметры, при помощи которых ведется регулирование (расходы

материальных и энергетических потоков). Возмущающие параметры –

параметры, которые оказывают влияние на выходные параметры, но не могут

быть регулюрующими. [83]

Анализ технологического процесса, происходящего в трехполочном

газовом реакторе, как объекта управления показывает, что технологический

объект имеет две выходные координаты: концентрацию целевого продукта

Q3 на выходе из колонны и температуру T3’газа на выходе из колонны после

теплообменника ТО. Для данного объекта температурный режим по высоте

колонны синтеза метанола однозначно определяет концентрацию метанола

на ее выходе, а, следовательно, и температуру T3, которая определяет

температурыT0 и T3’. Исходя из того, что с достаточной степенью точности

объект можно рассматривать как замкнутую термодинамическую систему,

величина концентрации Q3 однозначно определяет температуры T3, и,

соответственно, T0 и T3’. Поэтому регулирование или стабилизация

температуры T3’ не имеет в данном случае особого смысла. Особенностью

данного объекта является то, что для регулирования одного параметра –

концентрации целевого компонента Q3 используются три регулирующих

параметра – подачи холодных байпасов циркуляционного газа на полки с

катализатором. К возмущающим параметрам относятся расход

циркуляционного газа Fц.г., его температура Тц.г. и концентрация целевого

компонента на входе реактора Q0. Давление циркуляционного газа P можно

отнести к возмущающим координатам, потому что: во-первых, это параметр

стабилизируется компрессором синтез-газа; во-вторых, при степени

конверсии синтез-газа в готовый продукт порядка 10% уменьшение давления

за счет реакции составляет примерно 5%. Следовательно, при изменении

82

степени конверсии в пределах 8…12 % давление изменится в пределах

4…6%, что укладывается в погрешность измерительного канала давления.

3.2 Критерии оптимальности

Цель оптимального управления газовым трехполочным реактором

заключается в том, чтобы перераспределить циркуляционный синтез-газ для

достижения максимальной степени конверсии, и, соответственно,

максимальной концентрации целевого компонента – метанола, при этом

температура на полках колонны синтеза метанола не должна превысить

допустимое значение.

Для решения поставленной задачи в данной работе разработана

математическая модель для последующего получения критерия

оптимальности при решении оптимизационной задачи. Несмотря на

невысокую точность разработанной на первом этапе детерминированной

модели, она дает возможность оценить вид критериальной функции в

широком диапазоне изменения аргументов с учетом ее много

экстремальности, и выделить область глобального экстремума. На втором

этапе необходимо провести процедуру адаптации модели на основе

экспериментальных данных, получаемых с объекта управления, используя,

например, вероятностные методы. Это позволит обеспечить точность

моделируемых параметров за счет естественного учета всех возмущающих

воздействий [82-90].

Создание адекватной модели подразумевает учет нелинейности

зависимостей выходных параметров процесса от входных параметров. Это

неминуемо приводит к увеличению степени критериальных уравнений,

которыми описывается объект управления. Использование уравнений

высоких порядков существенно осложняет процесс оптимизации – поиск

оптимальных значений параметров технологического процесса. В

83

большинстве случаев приходится прибегать к приближенным решениям, что

снижает точность разрабатываемой модели.

Работа колонны синтеза метанола в статике описывается системой

уравнений (2.65). Решение данной системы может быть представлено в виде

PQTFFFFFfQ цгцг ,,,,,,, 003213 . (3.1)

Уравнение (3.1) является математической моделью трехполочной

колонны синтеза метанола по концентрации метанола на выходе колонны.

Анализируя полученную математическую модель, приходим к выводу,

что не все переменные могут быть определены. Таким образом, для того

чтобы определить их, необходимо составить дополнительные уравнения. Для

этого в работе предлагается сформировать тестовые воздействия на объект

управления, которые будут заключаться в изменении расхода одного из

холодных байпасов на известную фиксированную величину. [78, 80] Для

реализации данного подхода необходимо иметь возможность

стабилизировать значения расходов холодных байпасов, которые в условиях

данного теста не изменяются.

Реализация данных тестов позволит составить еще три уравнения.

PQTFFFFFfQ цгцгхбхбхб ,,,,,,, 01032111'3 . (3.2)

PQTFFFFFfQ цгцгхбхбхб ,,,,,,, 01031212''

3 . (3.3)

PQTFFFFFfQ цгцгхбхбхб ,,,,,,, 01013213'''

3 . (3.4)

Совместное решение уравнений (3.2) – (3.4) можно представить в виде

031232

333

434 aQaQaQaQa

84

31132112332211 ,, хбхбхбхбхбхбхб FFFFFFF

PQТFFFFFF цгцгхбхбхбхбхб ,,,,,, 03211233223 . (3.5)

Уравнение (3.5) являетсяуточненной математической моделью

трехполочнойколонны синтеза метанола со встроенным теплообменником. В

данном уравнении значение функции PQТF цгцг ,,, 0 зависит от параметров

возмущения. Учитывая то, что данные параметры доступны для измерения,

их значения могут быть измерены и подставлены в уравнение (3.5). Кроме

того, объект является достаточно инерционным, а параметры возмущения на

протяжении длительного времени остаются постоянными.

Таким образом, в системе будет появляться два значения концентрации

целевого компонента на выходе колонны синтеза: первое – измеренное, а

второе – рассчитанное. В случае, если рассчитанное значение отклоняется от

измеренного на величину, большую заданной, математическую модель

необходимо корректировать, вычисляя значения коэффициентов a4, a3, a2, a1

и a0.

Решение системы уравнений (3.5) по концентрации метанола на выходе

колонны синтеза метанола представляет собой уточненную математическую

модель колонны синтеза по концентрации метанола, а производная

концентрации по расходам «холодных» байпасов, приравненная к нулю,

является критерием оптимальности

0321

dFdFdF

dQ

. (3.6.)

Таким образом, анализируя уравнение (3.6), можно сделать вывод, что

решение данной задачи свелось к чисто математической задаче нахождения

максимума функции.

85

3.3 Решение оптимизационной задачи

Задача системы управления заключается в корректировке

коэффициентов модели, решении оптимизационной задачи и стабилизации

расходов холодных байпасов на рассчитанных значениях. Решением

оптимизационной задачи является нахождение значений расходов холодных

байпасов, при которых в данных условиях степень конверсии синтез-газа в

целевой продукт будет максимальной.Ввиду сложности и громоздкости

уравнения (3.6) ограничимся в работе его общим видом. Для того чтобы

найти максимум концентрации метанола на выходе колонны синтеза

метанола, для фиксированного значения нагрузки Fц.г., целесообразно

применить многопараметрическую оптимизацию. Современные средства

вычислительной техники, используемые для управления производством,

позволяют в приемлемое время получить решение [90-93].

Тем не менее, получить желаемое решение задачи в данной постановке

вряд ли возможно. Главным образом это связано с наличием сильных

неконтролируемых возмущений на объекте. К ним относятся изменение

активности катализатора, гидродинамических режимов в колонне и др.

Поэтому решение многопараметрической оптимизационной задачимодели

можно рассматривать не более как быстрый шаг в близкую окрестность

точки экстремума. Для этого необходимо построить срезы функции (3.5) для

фиксированных значений расходов «холодного» байпасаF3 с определенным

шагом. Графическое решение данного уравнения для произвольно

выбранного среза приведено на рис. 3.1.

Результатом решения оптимизационной задачи в алгоритме работы

системы управления с моделью колонной синтеза метанола в производстве

метанола для заданной нагрузки на агрегат (Fц.г. = сonst) являются

оптимальные значения расходов синтез-газа по физическим каналам

«холодных» байпасов.

86

Рис. 3.1. Графическое решение уравнения (3.5)

Полученные значения расходов реализуются через работу

исполнительных механизмов и регулирующих клапанов, установленных в

линиях подачи «холодных» байпасов.

Таким образом, для фиксированных значений расхода F3 с

определенным шагом получаем значения максимумов функций

концентрации. Графически эта функция будет иметь вид, представленный на

рис.3.2.

Таким образом, в работе системы управления реализуется быстрый

выход объекта управления на режим близкий к оптимальному (рис. 3.2).

87

Рис. 3.2 Решение оптимизационной задачи

После того, как найдено оптимальное значение расхода «холодного»

байпаса на третью полку колонны синтеза метанола при заданном значении

нагрузки и возмущающих параметров, для данного среза необходимо найти

значения расходов «холодных» байпасов на первую и вторую полки колонны

по описанному выше механизму.

Ввиду того, что точность модели не одинакова во всех точках процесса,

координаты реального экстремума концентрации (экспериментальное

значение) могут отличаться от рассчитанного по модели теоретического

значения. Для более точного перехода объекта в оптимальный режим на

следующем этапе работы системы предлагается использовать поисковый

алгоритм Хука-Дживса [82].

3.4 Использование алгоритма Хука-Дживса для уточнения

координат экстремума

Информация, полученная при переходе объекта управления в область

близкую к оптимальной, используется в качестве базисной точки поискового

алгоритма. Кроме того, данные, полученные по детерминированной модели,

используются при определении направления поиска по образцу и величины

88

шага. Это позволяет существенно сократить число пробных шагов при

реализации алгоритма, время поиска и повысить вероятность нахождения

ближайшей окрестности действительного оптимума.

На рис.3.3 показан первый шаг к нахождению реального экстремума из

точки, экстремума (1), полученной решением оптимизационной задачи. Для

реализации алгоритма Хука-Дживса необходимо застабилизировать значение

расхода «холодного» байпаса на первую и третью полки колонны. При этом

на воображаемом графике реальной функции зависимости концентрации

метанола на выходе колонны синтеза метанола от расходов «холодных»

байпасов появится срез, проходящий через точку 1, как это показано на

рис.3.3. Далее система формирует пробный шаг 2хбF и анализируется

значение концентрации метанола в новой точке. Если это значение меньше

предыдущего, то выбранное направление поиска экстремума является

неправильным, и его необходимо изменить на противоположное. Если

значение функции в новой точке больше чем в предыдущей, то эта точка

запоминается алгоритмом и из нее делается следующий пробный шаг в

направлении экстремума функции в этом срезе. При достижении точки

экстремума в этом срезе, следующий шаг даст меньшее значение

Алгоритм возвращает систему в предыдущее состояние, фиксируя точку

экстремума в первом срезе. Таким образом, на первом шаге работы

алгоритма Хука-Дживса, система осуществляет переход из точки 1 в точку 2,

а расход «холодного» байпаса на первую полку изменяется со значения 21хбF

до 22хбF .

После нахождения точки 2 (рис.3.3.), необходимо застабилизировать

расход «холодного» байпаса на вторую и третью полки колонны синтеза

метанола. Результатом этого является срез, перпендикулярный срезу в

первом шаге.

89

Рис. 3.3. Поиск экстремума функции по алгоритму Хука-Дживса (шаг 1)

Этот срез проходит через точку 2. Точкой максимума во втором срезе

является точка 3. Путь системы в точку 3 аналогичный описанному выше.

Таким образом, осуществив переход из точки 2 в точку 3 (рис.3.4) система

изменит расход «холодного» байпаса на первую полку со значения 11хбF

до 13хбF .

90

Рис.3.4. Поиск экстремума функции по алгоритму Хука-Дживса (шаг 2)

В рассматриваемой колонне синтеза метанола количество «холодных»

байпасов равно трем. Таким образом, график зависимости концентрации

метанола от расходов «холодных» байпасов представляет собой

гиперповерхность, которая не может быть представлена в явном виде.

Для реализации следующего шага алгоритма Хука-Дживса, необходимо

застабилизировать значения расходов «холодных» байпасов на первую и

вторую полки колонны синтеза метанола и найти значение расхода 33хбF , при

котором значение концентрации метанола в третьем срезе будет

максимальным. Таким образом, осуществляется первая итерация

приближения системы к оптимальному состоянию. Как показывает практика

использования алгоритма Хука-Дживса, трех итераций вполне достаточно,

чтобы с достаточной для практических задач точностью определить условия

экстремума.

91

При плавном отклонении в процессе работы системы экстремума

функции от найденных условий алгоритм Хука-Дживса достаточно легко

сможет перевести систему в состояние нового экстремума.

В случае, если переход колонны из одного состояния в другое

осуществляется резко (пуск производства, изменение нагрузки на агрегат), в

своем движении по алгоритму Хука-Дживса система может попасть в

область локального экстремума, что в конечном счете не даст оптимального

состояния системы. Для того чтобы избежать этого, в новом состоянии

запускается алгоритм проверки адекватности математической модели

колонны синтеза метанола, в случае необходимости выполняется ее

адаптация. Далее, как описано выше, находится критерий оптимальности и

решается оптимизационная задача. После нахождения теоретических

условий экстремума, система переходит в это состояние и активируется

алгоритм Хука-Дживса по экспериментальному уточнению экстремума.

3.5 Разработка алгоритма управления колонной синтеза метанола

Детерминированный подход позволил провести структурную

идентификацию и определить вид математической модели колонны синтеза

метанола в производстве метанола. В качестве модели принимается

уравнение четвертого порядка по концентрации целевого компонента. Эта

модель является исходной для системы управления с моделью колонной

синтеза метанола в производстве метанола. Модель достаточно проста: в

уравнении четвертого порядка неизвестная величина всегда может быть

выражена через коэффициенты уравнения. То есть, при адаптации модели

функциональный вид зависимостей изменяться не будет, а будут изменяться

только коэффициенты модели.

92

3.5.1 Адаптация математической модели

Во время работы колонны синтеза параметры процесса изменяются под

влиянием неконтролируемых возмущающих воздействий, которые не входят

в модель. К таким параметрам можно отнести: концентрацию газов - инертов

в синтез-газе, состояние (пробег) катализатора и т.д. Эти изменения приводят

к тому, что измеренное значение концентрации целевого компонента и

рассчитанное по модели будут отличаться на величину большую, чем

установлено. То есть, возникает необходимость корректировки

коэффициентов левой части математической модели объекта управления:

4a , 3a , 2a , 1a , 0a . В работе предложено эту задачу решать с использованием

рекуррентного метода наименьших квадратов [94].

Вследствие корректировки коэффициентов левой части модели

нарушается равенство между правой и левой частями модели. Поэтому

следующим этапом процесса адаптации является корректировка

коэффициентов правой части модели.

После корректировки коэффициентов при концентрации целевого

компонента, детерминированная математическая модель перестает быть

детерминированной и становится экспериментально-статистической.

Полученная таким образом математическая модель колонны синтеза,

используется в алгоритме управления для решения оптимизационной задачи.

Основным параметром процесса, который влияет на режим работы

колонны, является расход синтез – газа (нагрузка на агрегат). При изменении

нагрузки колонна синтеза перейдет в новое установившееся положение. При

этом модель будет нуждаться в адаптации по ранее приведенному алгоритму.

Таким образом, в работе предложен механизм адаптации

математической модели колонны синтеза метанола на основе

комбинированного моделирования.

93

3.5.2 Алгоритм работы системы управления с моделью колонной

синтеза метанола

Практическая реализация достаточно сложных алгоритмов стала

возможной благодаря широкому применению средств вычислительной

техники, обладающих высокой вычислительной мощностью. Благодаря тому,

что скорость и объем вычислительных процедур перестает быть критическим

ограничением работы системы, появляется возможность оптимизировать

структуру системы, повысить дружественность интерфейса, а также качество

и надежность системы в целом [96].

Для реализации стратегии оптимального управления колонной синтеза в

работе предложен алгоритм управления, который приведен на рис. 3.5.

Работает алгоритм следующим образом. Значения расходов «холодных»

байпасов, «основного» хода и расхода циркуляционного газа, а также всех

других параметров колонны, которые входят в модель по концентрации

колонны синтеза метанола измеряются при помощи соответствующих

информационно-измерительных каналов, преобразуются в цифровой вид и

подаются на вход математической модели колонны по концентрации. На

выходе колонны синтеза метанола формируются значения концентрации

метанола и температуры газа. Эти значения также измеряются

соответствующими информационно-измерительными каналами. На выходе

алгоблока, который реализует математическую модель колонны синтеза,

формируются расчетные значения концентрации метанола и температуры

газа на выходе колонны. Расчетное значение концентрации метанола

сравнивается с реальным измеренным значением концентрации метанола на

выходе колонны, а рассчитанное значение температуры сравнивается с

реальным измеренным значением температуры на выходе колонны. В случае

если разница между измеренными и рассчитанными значениями

концентрации метанола на выходе колонны и температуры газа превышает

94

некоторую заданную величину, то запускается алгоритм корректировки

модели.

Рис. 3.5. Блок-схема алгоритма функционирования

системы управления с моделью

Он работает таким образом. Сначала пересчитываются коэффициенты

левой части уравнения математической модели 4a , 3a , 2a , 1a , 0a . Решается эта

задача с использованием метода наименьших квадратов. Далее сравнивается

значение правой и левой частей уравнения моделей. В случае если они

неравны, запускается алгоритм пересчета коэффициентов правой части

уравнения модели. После выполнения процедуры корректировки

коэффициентов математической модели разница между измеренными и

95

рассчитанными значения концентрации метанола и температуры газа на

выходе колонны не будет превышать заданную величину.

При выполнении этого условия запускается процедура поиска

оптимального решения. Из уточненной математической модели колонны

синтеза метанола по концентрации формируется критерий оптимальности.

Фактически он представляет собой производную концентрации метанола на

выходе колонны по расходам «холодных» байпасов, приравненную к нулю.

После этого, находится максимально возможная в этих условиях

концентрация метанола на выходе колонны синтеза и соответствующие ей

значения расходов «холодных» байпасов. Полученные значения расходов

«холодных» байпасов пересчитываются в степень открытия

соответствующих клапанов. Данные значения, преобразованные в

управляющий сигнал, подаются на регулирующие клапана. При изменении

расходов «холодных» байпасов и «основного» хода в колонне синтеза

метанола произойдет перераспределение внутренних потоков и как следствие

начнутся переходные процессы, связанные с изменением профиля

температур по высоте колонны и, как следствие, с изменением концентрации

метанола на выходе каждой полки колонны. Продолжительность переходных

процессов, согласно регламенту и разработанной математической модели,

составляет порядка 40 минут. Во время движения системы к новому

установившемуся режиму процесс пересчета статической модели колонны

прекращается. После того, как переходные процессы в колонне

прекращаются, запускается алгоритм проверки адекватности статической

математической модели технологическому процессу. В случае если это

необходимо, запускается алгоритм адаптации математической модели, как

это было описано ранее. После адаптации модели проводится решение

оптимизационной модели и определяются оптимальные значения расходов

«холодных» байпасов и «основного» хода. В случае если они не совпадают с

текущими значениями, движение к оптимальному значению продолжается.

96

После выхода системы на рассчитанные теоретически условия

экстремума, включается алгоритм Хука-Дживса, который позволяет

произвести более тонкую подстройку системы.

3.6 Разработка функциональной схемы автоматизации колонны

синтеза метанола

При разработке системы управления с моделью колонной синтеза

метанола в производстве метанола важным является вопрос практической

реализуемости предлагаемых решений. Для обеспечения работы

предложенного алгоритма необходимо иметь реальные значения целого ряда

технологических параметров. Среди них расход синтез газа в колонну

синтеза (нагрузка на колонну), расход синтез газа по «основному» ходу,

расходы «холодных» байпасов на первую, вторую и третью полки колонны,

концентрация метанола перед колонной синтеза и на ее выходе, перепад

давления на колонне, давление в цикле синтеза, температура синтез-газа

перед колонной синтеза, на входе, в середине и на выходе каждой полки, на

выходе встроенного теплообменника.

Функциональная схема автоматизации представлена на рис. 3.6.

Для измерения расходов материальных потоков использован метод

переменного перепада давления. В трубопровод, по которому

транспортируется поток, устанавливается сужающее устройство. В качестве

сужающего устройства используется камерная диафрагма ДКП 6-150. На

сужающем устройстве при протекании потока увеличивается скорость

потока , в следствие чего, возникает перепад давления. Этот перепад

измеряется дифференциальным манометром «САПФИР 22 ДД». Данный

прибор имеет унифицированный токовый сигнал.

Перепад давления на колонне также измеряется дифференциальным

манометром «САПФИР 22 ДД».

97

Для измерения температур на стадии синтеза метанола используются

термопары ТХК-0515 с диапазоном измерения от 0 до 550 0С.

Рис. 3.6. Функциональная схема автоматизации колонны синтеза

метанола в производстве метанола

В основу работы термопары положен термо-электрический эффект.

Данный эффект заключается в возникновении разности потенциалов на

98

свободных концах термопары при возникновении разности температур

горячего спая и холодных концов термопары. Выходной сигнал термопары

представляет собой разность потенциалов. Для его нормализации

используется нормирующий преобразователь Ш-78.

Концентрация метанола в синтез-газе перед колонной синтеза метанола

и после нее измеряется хроматографическим методом при помощи

автоматического хроматографа «Кристалл 5000». Выходной сигнал данного

прибора не унифицированный. Для унификации выходного сигнала

газоанализатора концентрации метанола используется нормирующий

преобразователь Ш-703.

Для ввода измерительной информации в управляющий вычислительный

комплекс используется модуль УСО (устройство связи с объектом)

ПКМ (Р) – 1КМ4. Данное устройство позволяет вводить аналоговые сигналы

нормированные в токовом диапазоне 0-20 мА или 4-20 мА в управляющий

вычислительный комплекс. Модуль УСО имеет 16 каналов, что позволит

ввести через один модуль значение всех технологических параметров,

необходимых для функционирования математической модели. Это

устройство преобразует аналоговый сигнал в цифровой шестнадцати

разрядный код. Погрешность преобразования не более 0,05%.

После выполнения работы всех описанных выше алгоритмов, на выходе

системы управления с моделью колонной синтеза метанола появляется три

значения степени открытия клапанов в линиях «холодных» байпасов на

первую, вторую и третью полки колонны синтеза. Для вывода этих значений

на управляющие клапана используется модуль вывода ФТ-16. Данный

модуль позволяет одновременно управлять до 16 исполнительными

механизмами.

Следует особо отметить, что все описанные выше датчики и

преобразователи, необходимые для организации работы системы управления

с моделью колонной синтеза метанола в производстве метанола уже

установлены на действующем производстве метанола на ЧАО

99

«Северодонецкое объединение «АЗОТ»». То есть при внедрении на

рассматриваемом производстве предложенной системы не потребуется

дополнительных капиталовложений, направленных на установку новых

измерительных каналов.

В отличие от способа управления колонной синтеза метанола на

реальном производстве, где управление проводится вручную с

использованием рекомендаций технологического регламента, предложенная

система управления с моделью и алгоритм ее функционирования позволят

вести технологический процесс синтеза метанола в условиях, близких к

оптимальным. Учитывая крупнотоннажность и непрерывность производства

метанола (годовой объем производства метанола на ЧАО «Северодонецком

объединении «Азот»» 100 тыс. тонн) экономическая целесообразность

предлагаемой системы не вызывает сомнений.

3.7 Выводы к разделу 3

В работе предлагается подход к разработке математической модели для

последующей оптимизации и управления сложным технологическим

объектом. При этом комбинированная форма модели позволяет использовать

достоинства экспериментально-статистического и детерминированного

подходов для достижения высокой адекватности, легкой адаптируемости и

широкого диапазона применения. Что является ключевыми аспектами при

оптимизации и управлении сложными технологическими объектами. С

использованием этого подхода разработана модель трехполочного газового

реактора (колонны синтеза) в производстве метанола. На основании

полученных результатов разрабатываются программы для реализации

предложенных алгоритмов в АСУ ТП производства метанола, а также

ведутся работы по адаптации их к производству метанола. Внедрение данной

системы позволит сузить диапазон параметров технологического процесса

100

вокруг оптимального значения, что приведет к получению реального

экономического эффекта.

Разработана уточненная информационно-логическая схема колонны

синтеза метанола, которая позволила уточнить множественные внутренние

связи объекта управления и охарактеризовать их влияние на выходные

координаты колонны синтеза метанола. Разработан алгоритм работы системы

управления с моделью колонной синтеза метанола.

Получен общий вид математической модели колонны синтеза метанола

со встроенным внутренним теплообменником, что позволило получить

уравнение критерия оптимальности работы колонны.

Предложенный подход позволяет на основе решения оптимизационной

задачи получить такие значения расходов «холодных» байпасов, при которых

колонна будет работать в условиях, близких к оптимальным. Это позволяет

осуществить быстрый «бросок» системы в область близкую к оптимальной.

После этого, оптимальное на практике значение концентрации метанола на

выходе колонны синтеза (максимальное значение) находится с

использованием метода Хука-Дживса.

Разработана функциональная схема автоматизации и проанализирован

комплекс технических средств, необходимых для реализации предлагаемой

системы.

Результаты раздела 3 отображены в работах [3,4].

101

РАЗДЕЛ 4

ИССЛЕДОВАНИЕ КОМПЬЮТЕРНО-ИНТЕГРИРОВАННОЙ

СИСТЕМЫ УПРАВЛЕНИЯ С МОДЕЛЬЮ КОЛОННОЙ СИНТЕЗА В

ПРОИЗВОДСТВЕ МЕТАНОЛА

4.1 Разработка компьютерно-интегрированной системы управления

с моделью колонной синтеза метанола

Компьютерно-интегрированная система контроля и управление

предназначена для автоматизированного управления по выполнению

функций автоматизированного управления оборудованием, управление,

контроля и защиты для обеспечения безаварийной работы технологического

процесса в режимах продолжительной работы и остановки [98-101].

Целью данной работы есть создания КИСУ колонной синтеза метанола в

производстве метанола на базе современных средств микропроцессорной

техники.

Целью создания данной системы является:

повышение эффективности и оперативности управления за счет

использования современных технических средств контроля и управление;

упрощение для оперативного персонала процессов пуска, остановки и

ведения процесса синтеза метанола;

обеспечение эксплуатационной готовности, стабильности и

бесперебойной работы установки, предотвращение аварийных ситуаций,

обеспечение надежной работы;

защита путем остановки при аварийной ситуации;

увеличение технического ресурса;

обеспечение персонала достаточной, достоверной и своевременной

информацией о ходе технологических процессов и состояние оборудования

для ведения оперативного управления;

улучшение использования резервов мощности;

102

улучшение культуры обслуживания, уменьшение времени на

техническое обслуживание и ремонт;

блокирование некорректных действий оперативного персонала;

улучшение форм отчетности и экономического анализа деятельности

объекта автоматизации.

4.2 Разработка технического обеспечения КИСУ

4.2.1 Структура КИСУ

Комплекс технических средств КИСУ стадией условно можно разбить

на три подсистемы:

подсистема нижнего уровня. Подсистема нижнего уровня представлена

полевыми техническими средствами автоматизации (датчики КИПиА и

регулировочные клапаны), а также аппаратнымишкафами. В аппаратных

шкафах размещены силовые устройства (магнитные пускатели,

преобразователи частоты, реле и т.п.) для управления электросиловым

оборудованием (двигатели насосов);

подсистема среднего уровня. Подсистема среднего уровня

представлена промышленным контролером и модулями устройства связки с

объектом (УЗО), размещенными в шкафу ШКК.

подсистема верхнего уровня. Управление данной КИСУ колонны

синтеза предполагается осуществлять из двух операторских станций

(рабочих мест оператора). Для распечатки рапортов и др. информации в

составе подсистемы верхнего уровня предусмотренный принтер.

Для выполнения наладочных процедур программного обеспечения

операторских станций и контролера, а также как сервера базы данных,

предусмотренная инжиниринговая станция.

103

Для организации обмена информацией между контролером шкафа ШКК

и операторскими станциями, а также между операторскими станциями и

принтером используются коммуникационные модули, которые обеспечивают

двусторонний обмен информацией из сети ETHERNET со скоростью

передачи данных 100Мбит/с.

Для обеспечения бесперебойного электропитания операторских станций

РС1,2 и шкафов ШКК предусмотренный источник UPS, который размещен в

шкафу сетевых коммутаторов UPS.

4.2.2 Выбор комплекса технических средств для реализации КИСУ

В контурах регулирования регулятор организован в процессорном

модуле, а интерфейс связи оператора по управлению контуром

регулирования выполненный в компьютере и представляет собой

технологический фрагмент мнемосхем и оверлеев контуров регулирования.

Сигналы о значении переменных регуляторов поступают от датчиков

(преобразователей) на входные кроссовые клемники контролера в виде

унифицированных токовых сигналов 4÷20 мА.

Данные модули обеспечивают:

аналого-цифровое преобразование сигналов;

передачу сигналов, преобразованных в коды, в процессорные модули.

В процессорном модуле «переменная» обрабатывается, формируются

коды диагностики состояния «переменная». Значение «переменная» в

технических единицах поступают на вход программного регулятора.

Заданные значения переменной или клапана (“задание” или “клапан”)

контура регулирования, а также на смену режимов его работы (“A” или “P”)

поступают от компьютера на программный регулятор. Информация

передается по каналам интерфейсной связи.

104

Регулятор вырабатывает исходный сигнал “клапан” (оба процессорные

модуля работают синхронно и вырабатывают одинаковый управляющий

сигнал на клапан), что выдается на исходный аналоговый модуль.

Модули обеспечивают:

цифро-аналоговое преобразование управляющего сигнала регулятора;

выдачу управляющего сигнала в виде унифицированного токового

сигнала 4÷20 мА на объект управления.

Исходный управляющий сигнал контура регулирования 4÷20 мА

поступает на вход электо-пнемо-позиционера. Электро-пневмопозиционер

превращает сигнал управления 4÷20 мА в сигнал 0,2÷1,0 кгс/см2 и выдает его

на клапан.

Питание электронной части электро-пневмопозиционеров

осуществляется по тем же линиям, по которые передается управляющий

сигнал.

4.2.2.1 Подсистема среднего уровня

Средний уровень системы реализован на базе промышленного

контролера типа SIMATIC S7 400 фирмы Siemens [102].

S7-400 является универсальным контролером. Он отвечает твердым

требованиям промышленных стандартов, имеет высокую степень

электромагнитной совместимости, высокой стойкостью к ударным и

вибрационным нагрузкам. Установка и замена модулей контролера может

проводиться без отключения питания («горячая замена»).

Простота конструкции S7-400 существенно повышает его

эксплуатационные характеристики:

простота установки модулей.

Модули устанавливаются в свободные разъемы монтажных стоек и

фиксируются в рабочих положениях винтами, встроенными в корпусы.

105

Фиксированные места занимают только блоки питания и некоторые

интерфейсные модули.

Внутренняя шина, встроенная в монтажные стойки.

Во все монтажные стойки встроенная параллельная шина (Р-шина) для

скоростного обмена данными с сигнальными и функциональными модулями.

Все стойки, за исключением ER1 и ER2 имеют последовательную

коммуникационную шину (К-шину) для скоростного обмена большими

объемами данных с функциональными модулями и коммуникационными

процессорами.

Механическое кодирование фронтальных соединителей, которое

исключает возможность возникновения ошибок при замене модулей.

SIMATIC TOP Connect: система 1-, 2- и 3- руководящих соединителей с

терминальными блоками, оснащенными контактами под винт или

пружинными контактами-задвижками, который существенно упрощает и

ускоряющая выполнение монтажных работ.

Фиксированная монтажная глубина: все фронтальные соединители и

соединительные проводники располагаются в специальных отсеках модулей

и закрываются защитной дверцей. Все модули имеют одинаковую

монтажную глубину.

Свободное размещение модулей в разъемах всех монтажных стоек

контролера без ограничений на порядок их размещение.

Контролер S7-400 имеет модульную конструкцию. В составе контролера

предусмотрены следующие модули:

модуль блока питания PS используем для подключения S7-400 к

источникам питания =24 В;

модуль центрального процессора CPU 414-2;

коммуникационный модуль CP 443-1 для обмена данными со

станциями АРМО через промышленные сети IndustrialEthernet;

коммуникационные модуль CP 341 для обмена данными с модулями

введения-вывода на основе интерфейса RS-485.

106

В качестве модулей ввода-вывода будут использоваться

преобразователи измерительные многоканальные типа МТМ 292СТ ООО

НПП «Микротерм» (г. Северодонецк).

Данные преобразователи предусмотрены для преобразования сигналов

постоянного тока 4…20 мА в результат превращения в цифровой форме и

формирование унифицированного электрического аналогового сигнала

постоянного тока 4…20 мА, соответствующего избранному диапазону

результата преобразования по каждому каналу. Передача результатов

измерения от модулей введения/вывода в контроллер и прием значений

управляющего влияния в модуле от контролера будет осуществляться по

интерфейсу RS-485.

Входные цепи преобразователей МТМ 292СТ имеют маркирование

взрывозащиты типа «Exia IIC», поэтому необходимость в применении

барьеров искрозащитынет.

4.2.2.2 Подсистема верхнего уровня

Общий вид рабочего места оператора оформленного в виде стол

приведен на рис.4.1.

В составе рабочего места оператора предусмотренные следующие

элементы:

системный блок, размещенный в тумбе стола;

цветной монитор;

алфавитно-цифровая клавиатура;

манипулятор типа «мышь»;

принтер.

107

Рис. 4.1. Общий вид рабочего места оператора оформленного

в виде стола

108

4.3 Разработка информационного обеспечения КИСУ колонной

синтеза метанола

Информационное обеспечение определяет вид и конкретные формы

информационного отображения состояния объекта управления, как в виде

данных в контролерах, так и в виде документов, графиков, сигналов для их

представления специалистам, которые принимаете участие в управлении

технологическим процессом [103].

Реализацию проектных решений по визуализации выполним с

применением программного пакета «Интегрированная среда разработки

TRACE MODE 6 версии 6.07» фирмы AdastraResearchGroup, LTD.

Данный пакет предназначен для проектирования и эксплуатации

распределенных автоматизированных систем управления, имеет мощные

средства для создания распределенных иерархических АСК ТП, которые

включают у себя до трех уровней иерархии: уровень контролеров – нижний

уровень; уровень операторских станций – верхний уровень;

административный уровень [104].

Нужно отметить, что TRACE MODE 6 содержит рекордное количество

библиотек ресурсов, готовых к использованию в прикладных проектах. Она

имеет встроенные бесплатные драйверы к более чем 1600 контролерам и

платам введения/вывода, свыше 600 анимационных объектов, более 150

алгоритмов обработки данных и управление, комплексные технологические

объекты. Режим автопостроения, применяемый в TRACE MODE 6, по

информации разработчика пакета упрощает формирование базы тегов для

операторских станций, контролеров и ОPC-серверов, настраивает сетевые

связи, строит систему документирования и графический интерфейс.

109

4.3.1 Общие принципы визуализаии АРМ оператора

В данном проекте предусмотрим автоматизированное рабочее

место(далее – АРМ) оператора, которое позволит управлять технологическим

процессом. На нем основным интерфейсом связки оператора с системой

является персональный компьютер. На АРМ оператору будет

предоставляться следующая информация:

текущее значение параметров технологического процесса в цифровом

виде;

изменение значений параметров технологического процесса во времени;

состояние технологического оснащения и технические средства системы;

достижение параметров процесса технологических (предупредительных) и

аварийных уставок сигнализации «max» или «min»;

режимы работы контуров регулирования.

Предоставления информации будет осуществляться на дисплее АРМ

оператора за счет следующих графических экранов:

обзорного фрагмента мнемосхемы управления технологическим

процессом;

трендов реального времени параметров процесса.

Управление технологическим процессом будет осуществляться с

помощьювсплывающего окна панели регулятора технологического

параметру.

4.3.2 Разработка операторского интерфейса КИСУ стадией

4.3.2.1 Обзорный фрагмент мнемосхемы управлениястадией

Обзорный фрагмент мнемосхемы управления стадией является основной

формой интерфейса (связи) оператора с технологическим процессом. С

110

помощью данной мнемосхемы оператор получает оперативную информацию

о текущем режиме технологического процесса и может влиять на этот

процесс [105-111].

Так как для АРМ будет разработано еще экраны «Мнемосхема трендов»,

«Мнемосхема регуляторов» и «Сигнализация и события», то для

осуществления переходов между экранами необходимо предусмотреть

соответствующие средства. В качестве таких будем использовать

графические элементы - кнопку вызова окна трендов параметров процесса и

кнопку вызова окна сигнализации (рис. 4.2).

Рис. 4.2. Окно статической модели экрану «Мнемосхема»

111

4.3.2.2 Тренд реального времени параметров процесса

Тренды реального времени представляют собой графики изменения

значений параметров технологического процесса во времени. С помощью

трендов реального времени оператор получает оперативную информацию

для оценки текущего состояния и прогнозирования режима работы как

отдельных узлов, так и всего установки в целом. Значение параметров на

трендах отображается в виде точек на графике, которые соединены

беспрерывной линией и масштабируемы согласно заданным верхней и

нижней границам шкалы.

При этом горизонтальная ось – это ось времени, а вертикальная ось – ось

изменения параметра в инженерных единицах.

«Мнемосхема трендов» изображена на рис.4.3.

Рис. 4.3. Окно статической модели экрану «Мнемосхема трендов»

112

В нижней части окна приведенный перечень параметров, которые

входят в группу тренда.

В нижней части поля графика отображаются:

текущая шкала по оси времени;

кнопки сдвига тренда влево и вправо с разной скоростью;

Кнопка плавного прокручивания вправо

Кнопка среднего прокручивания вправо

Кнопка быстрого прокручивания вправо

Кнопка плавного прокручивания влево

Кнопка среднего прокручивания влево

Кнопка быстрого прокручивания влево

Равно как для экрана «Мнемосхема стадии» на этом экране для

осуществления перехода между экранами предусмотренные кнопки вызова

окон мнемосхемы стадии, мнемосхемы регуляторов, мнемосхемы трендов

параметров процесса, мнемосхемы сигнализации и событий (см. рисунок

4.2).

В левому верхнем углу также предусмотрен графический элемент для

выведения текущей даты и времени, изображенный на рисунке 4.3.

4.3.2.3 Фрагмент отчета тревог

Система сигнализации обеспечивает оперативное сообщение оператору

о нарушении технологического режима и об изменениях состояния

оборудования. По значимости и важности система сигнализации разбита на 4

уровня (приоритета):

аварийная сигнализация, которая дублирует сигнализацию локальной

системы защиты и сигнализирует о невыполненных операциях;

113

технологическая сигнализация, которая отрабатывает при достижении

значения контролирующего параметра границ технологических уставок

«max» или «min»;

сигнализация отказы технических средств контроля, которая

отрабатывает при нарушениях вызванных отказом модуля ПЗО (устройство

связи с объектом) или датчика контроля;

сигнализация состояния оборудования.

Сигнализация сопровождается:

миганием, изменением цвета фона значка типа параметра и цвета

гистограммы в элементе отображения данного параметра;

занесением соответствующего сообщения в список текущих нарушений.

4.4 Исследование статических характеристик колонны синтеза

метанола

Для определения статических характеристик полок колонны синтеза

метанола в производстве метанола воспользуемся статическими моделями,

которые разработаны в разделе 2. Используя статическую математическую

модель по концентрации, построим зависимость концентрации метанола от

длины пути, который синтез-газ проходит по колонне. Данная зависимость

представлена на рис. 4.10.

При выводе математической модели были приняты значения параметров

которые соответствуют реальным производственным значениям. При этом

принято, что концентрация метанола в синтез-газе, который подается в

колонну синтеза метанола составляет порядка 2%. На рис. 4.10 представлен

график зависимости концентрации метанола от длины пути синтез-газа по

колонне синтеза метанола при нагрузке 90% от максимального значения.

Анализируя этот график следует отметить, что на первой полке

образующийся метанол увеличивает свою концентрацию до 6%, пройдя

через слой катализатора расстояние, равное 5 метрам.

114

Рис. 4.10. Зависимость концентрации метанола, который образуется в

колонне от длины пути синтез-газа по колонне синтеза

После этого, на входе второй полки за счет введения «холодного»

байпаса с концентрацией метанола порядка 2% происходит разбавление, и

концентрация уменьшается до 5%. Проходя 7 метров слоя катализатора на

второй полке, в синтез-газе синтезируется метанол и его концентрация

увеличивается до порядка 9%. На входе третей полки в поток синтез-газа

вводится поток «холодного» байпаса третей полки, и концентрация метанола

уменьшается до порядка 8%. Проходя еще 8 метров слоя катализатора на

третей полке, концентрация метанола в синтез-газе увеличивается до 12%.

Значение концентрации метанола на выходе колонны, полученное из

математической модели, достаточно точно совпадает со значением,

измеренным на реальной колонне синтеза. Расхождение составляет всего

0.05%. Это позволяет говорить об адекватности разработанной

математической модели. Полученная зависимость дает представление об

изменении концентрации метанола внутри колонны синтеза в зависимости от

длины пути, пройденного через слой катализатора. Следует отметить, что на

действующем производстве нет возможности измерять значение

концентрации метанола после первой и второй полок колонны. Таким

образом, разработанные математические модели позволяют разделить

115

колонну синтезе на три последовательно работающих газовых реактора, что

дает возможность поставить оптимизационную задачу, сформировать

критерий оптимальности и найти оптимальное распределение синтез-газа по

реальным каналам колонны синтеза метанола [112-117].

Используя статическую математическую модель колонны синтеза

метанола по температуре, построим зависимость температуры в колонне

синтеза от длинны прохода синтез-газа по высоте колонны. Данная

зависимость при нагрузке на колонну по синтез-газу 90% приведена на рис.

4.11.

Рис. 4.11. Зависимость температуры в колонне от длинны прохода

синтез-газа по колонне

При входе на первую полку колонны синтез-газ имеет температуру

порядка 473 К. Эта температура определяется работой выносного

теплообменника ТО. На первой протекает реакция синтеза метанола. Эта

реакция является экзотермической. В результате протекания реакции

температура на первой полке подымается и на выходе полки она составляет

величину 527 К. на входе второй полки колонны в поток «основного» хода

синтез-газа добавляется «холодный» байпас. В результате этого температура

снижается до 475 К. При прохождении синтез-газа по второй полке колонны

его температура повышается и на выходе второй полки она уже составляет

116

530 К. На входе третей полки поток синтез-газа, который движется внутри

колонны, смешивается с «холодным» байпасом третей полки. В результате

этого температура снижается до 473 К. Проходя через слой катализатора

третей полки температура синтез-газа повышается до 531 К. Таким образом,

используя математическую модель колонны синтеза метанола по

температуре удалось получить профиль температур по высоте колонны

синтеза. При протекании процесса синтеза метанола важным является тот

факт, что температура на полке колонны не должна превышать 545 К.

Данный параметр является ограничением при решении оптимизационной

задачи.

Также следует отметить, что расхождение значений температуры по

высоте колонны от реальных значений, измеренных термопарами на

действующей колонне незначительное и не превышает 0,5%. Это позволяет

говорить об адекватности разработанной математической модели.

Для того чтобы получить зависимость максимально возможной

концентрации метанола при разных нагрузках на колонну необходимо

построить зависимость концентрации метанола на выходе колонны синтеза

от температуры на третей полке. Именно температура на третей полке

определяет температурный режим колонны, так как она определяет

температуру на входе выносного теплообменника ТО, а соответственно и на

его выходе, и как следствие, температуру на первой полке. На рис. 4.12 – 4.16

приведены зависимости концентрации метанола на выходе колонны синтеза

от температуры на третей полке колонны при нагрузке на колонну

соответственно 60%, 70%, 80%, 90% и 100%.

117

Рис. 4.12. Зависимость концентрации метанола на выходе колонны синтеза от

температуры на третей полке при нагрузке на колонну 60%

Рис. 4.13. Зависимость концентрации метанола на выходе колонны синтеза от

температуры на третей полке при нагрузке на колонну 70%

118

Рис. 4.14. Зависимость концентрации метанола на выходе колонны синтеза от

температуры на третей полке при нагрузке на колонну 80%

Рис. 4.15. Зависимость концентрации метанола на выходе колонны синтеза от

температуры на третей полке при нагрузке на колонну 90%

119

Рис. 4.16. Зависимость концентрации метанола на выходе колонны синтеза от

температуры на третей полке при нагрузке на колонну 100%

Рис. 4.17. Зависимость максимально достижимой концентрации метанола

на выходе колонны синтеза от нагрузки на колонну:

1 – теоретическая зависимость; 2 – регламентная зависимость.

120

Анализируя рис 4.12 – 4.16 можно сделать вывод о том, что с

изменением нагрузки на колонну синтеза максимально возможная

концентрация метанола на выходе колонны синтеза меняется. Кроме того,

изменяется и температура, при которой достигается этот максимум. Самого

большего значения концентрация метанола достигает при нагрузке 100% при

температуре 538 К.

Таким образом, используя математическую модель колонны синтеза

метанола, для разных значений нагрузки на колонну получены оптимальные

значения концентрации метанола и определены температуры на третей

полке, при которых достигаются эти значения концентрации.

На рис. 4.17 приведены зависимости максимально достижимой

концентрации метанола на выходе колонны синтеза от нагрузки на колонну.

Как следует из анализа приведенных зависимостей, внедрение системы

управления с моделью колонной синтеза метанола позволяет повысить

концентрацию метанола на выходе колонны синтеза на величину порядка 1%

во всех режимах работы. Учитывая непрерывность и крупнотоннажность

производства метанола экономическая целесообразность внедрения

предложенной системы не вызывает никаких сомнений.

4.5 Исследование динамических характеристик колонны синтеза

метанола

В разделе 2 были также получены динамические модели полок колонны

синтеза метанола и выносного теплообменника. При помощи этих моделей

можно получить динамические характеристики (кривые разгона) полок

колонны синтеза и выносного теплообменника. Коэффициенты

динамических математических моделей и уравнения переходных процессов

были рассчитаны в программе MAPLE 14, имеют громоздкий вид и

неудобную форму представления, поэтому в диссертационной работе они не

121

приводятся, а приводятся только графическое изображение переходных

процессов указанных объектов.

На рис. 4.18 приведена кривая разгона выносного теплообменника ТО.

Рис. 4.18. Кривая разгона выносного теплообменника ТО

Величина у в данном случае это относительное изменение температуры

синтез-газа, который подается по «основному» ходу в колонну синтеза.

Как следует из рис.4.18, кривая разгона выносного теплообменника

имеет апериодический характер. Время входа в 5% зону составляет 250

секунд.

На рис. 4.19 приведена кривая разгона первой полки по каналу расход

синтез-газа - температура на выходе первой полки колонны синтеза

метанола.

122

Рис. 4.19. Кривая разгона первой полки колонны синтеза метанола

Как следует из рис.4.19 кривая разгона первой полки колонны синтеза

метанола имеет апериодический характер. В отличие от кривой разгона

выносного теплообменника данная характеристика имеет время

запаздывания порядка 100 секунд. Данное время объясняется транспортным

запаздыванием и переходным процессом в выносном теплообменнике. Время

выхода в 5% зону составляет 1350 секунд.На рис. 4.20 приведена кривая

разгона второй полки по каналу расход синтез-газа - температура на выходе

второй полки колонны синтеза метанола.

Рис. 4.20. Кривая разгона второй полки колонны синтеза метанола

123

Как следует из анализа кривой разгона второй полки колонны синтеза

метанола, данная характеристика также является апериодической. Время

транспортного запаздывания составляет 285 секунд. Время выхода в 5% зону

1870 секунд.

На рисунке 4.21 приведена кривая разгона третей полки по каналу

расход синтез-газа - температура на выходе третей полки колонны синтеза

метанола.

Рис. 4.21. Кривая разгона третей полки колонны синтеза метанола

Как следует из анализа кривой разгона третей полки колонны синтеза

метанола, данный процесс также является апериодическим. Время

транспортного запаздывания составляет 455 секунд. Время выхода в 5% зону

установившегося значения составило 2540 секунд.

Кривые разгона выносного теплообменника и полок колонны синтеза

метанола позволили получить кривую разгона всей колонны синтеза

метанола по каналу расход синтез-газа - температура на выходе третей полки

колонны синтеза. Она приведена на рис. 4.22.

124

Рис. 4.22. Кривая разгона колонны синтеза метанола

Кривая разгона колонны синтеза метанола имеет апериодический

характер. Характеризуется временем транспортного запаздывания 490 секунд

и имеет время входа в 5% зону 2540 секунд, то есть столько же как и третья

полка колонны синтеза.

4.6 Выводы к разделу 4

В разделе 4 разработан технический проект компьютерно-

интегрированной системы управления с моделью колонной синтеза метанола

в производстве метанола, что позволило изучить работу предложенной

системы в тестовом режиме.

На основе полученных в работе статических моделей внутреннего

теплообменника и полок клоны синтеза, получены графические изображения

профилей температуры и концентрации по высоте колонны синтеза, что

позволило получить наглядное представление об эффективности работы

различных зон колонны.

Разработанные статические модели по температуре и концентрации

позволили получить зависимость концентрации метанола на выходе каждой

125

полки колонны от температуре на полке. Данная зависимость для третей

полки имеет явно выраженный экстремум максимума. Получены

зависимости концентрации метанола на выходе колонны синтеза метанола от

нагрузки на колонну в диапазоне 60 – 100%.

На основании полученных зависимостей концентрации метанола на

выходе колонны от температуры при разных нагрузках, была составлена

зависимость максимально возможной концентрации метанола на выходе

колонны синтеза от нагрузки на колонну. Установлено, что по сравнению с

регламентной характеристикой применение системы управления с моделью

позволяет повысить концентрацию метанола на выходе колонны синтеза на

величину порядка 1%. Учитывая непрерывность и крупнотоннажность

производства метанола это делает использование системы управления с

моделью колонной синтеза в производстве метанола чрезвычайно

перспективным и экономически обоснованным.

На основе разработанных в работе динамических математических

моделей, выносного теплообменника и полок колонны синтеза, получены

кривые разгона выносного теплообменника, полок колонны синтеза и всей

колонны синтеза. Это позволило установить, что характер переходного

процесса колонны синтеза метанола является апериодическим, время

транспортного запаздывания составляет 490 секунд, а время входа в 5% зону

составляет 2540 секунд.

Результаты раздела 4 отображены в работах [5,6].

126

ВЫВОДЫ

В диссертационной работе, целью которой, является повышение

технологической эффективности работы колонны синтеза в производстве

метанола за счет разработки системы управления с моделью, которая

позволила проводить процесс синтеза метанола в оптимальных условиях при

любой нагрузке на колонну, были решены следующие задачи:

1. Проведен анализ производства метанола, на основании которого было

установлено, что промышленный резерв данного производства состоит в

оптимизации работы колонны синтеза метанола. Выявлено, что координаты

экстремума (максимальная концентрация метанола на выходе колонны

синтеза) зависят от нагрузки на колонну и значения параметров возмущения.

2. Разработана детерминированная математическая модель колонны

синтеза в производстве метанола, которая является дифференциальным

уравнением четвертого порядка, и механизм ее адаптации. Это позволило

использовать довольно простую математическую зависимость при решении

оптимизационной задачи.

3. Разработан алгоритм поиска оптимального расхода синтез-газа по

физическим каналам колонны синтеза метанола, который позволяет для

любых возможных значений нагрузки, параметров возмущения найти

максимально возможную концентрацию метанола на выходе колонны

синтеза и соответствующих ей значений расхода синтез-газа по физическим

каналам колонны. Алгоритм состоит из двух этапов: первый – «быстрый»

переход в область близкую к оптимальной, используя решение

оптимизационной задачи; второй – тонкое налаживание оптимальных

значений с использованием поискового механизма.

4. Разработана система управления с моделью, которая реализует

алгоритм оптимального управления, состоящий в поиске оптимального

перераспределения расхода синтез-газа по физическим каналам колонны

127

синтеза метанола с целью поиска максимально возможной концентрации

метанола при заданной нагрузке, параметрах возмущения.

5. На основе изложенных положений, разработано компьютерный

имитатор работы колонны синтеза метанола с системой управления с

моделью, который используя данные из реальной колонны синтеза,

позволяет найти оптимальное перераспределение расхода синтез-газа по

физическому каналу колонны синтеза, обеспечивающее максимально

возможное значение концентрации метанола на выходе колонны.

6. Проведена апробация работы программы, которая реализует роботу

системы управления с моделью колонной синтеза метанола, в диапазоне

нагрузки 60 – 100% (расход циркуляционного газа от максимально

возможного значения) с шагом 5% и при фактических значениях параметров

возмущения на реальной колонне. Реализация полученных при работе

программы значений расхода синтез-газа на реальной колонне позволило

повысить концентрацию метанола на выходе колонны синтеза до 1% во всем

исследуемом диапазоне нагрузок. В натуральном выражении за 1 год работы

это позволит получить дополнительно от 6 до 8 тыс. тонн метанола.

128

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Абдалхамід Д. Система екстремального керування багатополочним

реактором з моделлю / Д. Абдалхамід, М.Г. Лорія, О.Б. Целіщев та ін.//

Вісник Східноукраїнського національного університету імені Володимира

Даля. - №15(186). - ч.2. - 2012. - С. 152-156.

2. Абдалхамід Д. Динамічна модель газового реактора / Д.Абдалхамід,,

М.Г. Лорія, О.Б. Целіщев // Вимірювальна та обчислювальна техніка в

технологічних процесах. - 2013. - №4. - С.31 – 35.

3. Абдалхамид Д.. Разработка комбинированой модели для задач

оптимизации/ Д. Абдалхамид, М.Г. Лория, П.Й. Елисеев и др.// Наука и

техника: Минск БНТУ, 2014.-№3.-С.209-213.

4. Абдалхамід Д. Адаптація математичної моделі реактора синтезу

метанолу / Д. Абдалхамід, М.Г. Лорія, О.Б. Целіщев та ін. //

Східноєвропейський журнал передових технологій. - 2013. №6/3(66). С. 4 - 6.

5. Д. Абдалхамід Освоєння виробничого резерву шляхом оптимізації

колони синтезу метанолу / М.Г. Лорія, О.Б. Целіщев, Д. Абдалхамід //

Східноєвропейський журнал передових технологій. - 2014. №3/6(69). С. 19 -

23.

6. Abdulhamid D. .Algorithm of optimal solution search for the control with

model system of methanol synthesis column . /Abdulhamid D., Loriya M. G.,

Tselischev A. B., and oth.// Вісник Східноукраїнського національного

університету імені Володимира Даля (науковий журнал). - №9(216). - ч.2. -

2014. - С. 55-58.

7. Абдалхамид Д. Адаптация математической модели реактора синтеза

метанола / Д. Абдалхамид // Актуальні проблеми створення електронних

засобів промислових автоматизованних систем 2013. Матеріали Третьої

Всеукраїнської науково- практичної. – Сєвєродонецьк: ТІ СНУ ім. В. Даля. –

2013.-С. 95-96.

129

8. Абдалхамід Д. Динамічна модель колони сінтезу метанола .Технологія

- 2014. Матеріали міжнародної науково- практичної конференції. –

Сєвєродонецьк: ТІ СНУ ім. В. Даля. – 2014.-С. 46-47.

9. Абдалхамид Д. Система экстремального управления многополочным

реактором с моделью / Д. Абдалхамид, М.Г. Лория, А.Б. Целищев//

Актуальні проблеми створення електронних засобів промислових

автоматизованних систем 2013. Матеріали Другої Всеукраїнської науково-

практичної. – Сєвєродонецьк: ТІ СНУ ім. В. Даля. – 2012.-С. 115-117.

10. Абдалхамид Д. Применение комбинированного моделирования для

оптимизации сложных объектов/ Д. Абдалхамид, М.Г. Лория, П.Й. Елисеев и

др.//Технологія - 2013. Матеріали міжнародної науково- практичної

конференції. – Сєвєродонецьк: ТІ СНУ ім. В. Даля. – 2014.-С. 80-82.

11. Абдалхамід Д. Математическая модель реактора синтеза метанола / Д.

Абдалхамид, М.Г. Лория // Електронні апарати та системи. Проблеми

створення. Перспективи розвітку. 2015. Матеріали П’ятої Всеукраїнської

науково- практичної. – Сєвєродонецьк: ТІ СНУ ім. В. Даля. – 2015.-С. 135-

137.

12. Абдалхамид Д. Система управления многополочным реактором / Д.

Абдалхамид, М.Г. Лория, // Актуальні проблеми створення електронних

засобів промислових автоматизованних систем 2011. Матеріали Першої

Всеукраїнської науково- практичної конференції. – Сєвєродонецьк: ТІ СНУ

ім. В. Даля. – 2011.-С. 139-140.

13. D. Abdalhamid The development of adaptation algorithm of methanol

synthesis column model / Майбутній науковець-2013. Матеріали

Всеукраїнської науково- практичної конференції: ТІ СНУ ім. В. Даля. –

2013.-С. 71-72.

14. Розовский, А. Я. Теоретические основы процесса синтезa метанола

[Текст] / А. Я. Розовский, Г. И. Лин. . – М.: Химия, –1990. –272c.

15. Амелин А.Г. Общая химическая технология [Текст] / А.Г.Амелин,

А.М.Кутепов – М.: Химия, 1977. – 324 с.

130

16. Стенцель Й.І. Автоматизація технологічних процесів хімічних

виробництв: Підручник [Текст] / Й.І. Стенцель, О.В. Поркуян - Луганськ: вид-

во Східноукр. нац. ун-ту ім. В. Даля, 2010. – 300 с.

17. Принципы математического моделирования химико-технологических

систем [Текст] / В.В.Кафаров, В.Л.Перов, В.П.Мешалкин и др.– М.: Химия,

1974. - 344 с.Zamilov, M. F. Investigationof hydrodynamic cavitationasa means of

natural crude oiland synthetic biofuel upgrading [Text] / M.F. Zamilov, S. Godin //

QuantumPotentialCorporation–2012, –C. 1–21.

18. Ландау, Л. Д. Теоретическая физика [Текст] / Л. Д.Ландау, Е. М.

Лифшиц // T. 6 - Гидродинамика,–М.: Наука. –1986.–C. 503–506.

19. Абрамович, Г. Н. Прикладная газовая динамика [Текст]/ Г. Н.

Абрамович // М.: Наука. –1991. –600с.

20. Сережин Л. П. Бизнес–мотивация на внедрение средств автоматизации

для эффективной эксплуатации САР / Л. П. Сережин // Автоматизация и IT в

нефтегазовой отрясли (научно-производственный журнал). — 2011. — №2(4).

— С. 2–5.

21. Банди Б. Методы оптимизации. Вводный курс[Текст] / Б.Банди. Пер. с

англ. - М.: Радио и свіязь, 1988. – 128с.

22. ВторойфронтХТС. The Chemical Journal, Сентябрь 2002, с.50-54

23. Spatial Self-Organization in One Process of Chemical Technology [Text] :

International Conference on Differential Equations and Dynamical Systems., 1-4

August 1997. Canada. Watérloo : 1997. - P. 166.

24. Thermal Spots in an Industrial Packed Bed Catalytic Reactor [Text] : Year

2000 International Conference on Dynamical Systems and Differential Equations

(ICDSDE) Abstracts Book. USA, Kennesaw, 2000. - P.81.

25. Fuzzy Modeling for Control [Text] : Kluwer, 1998. – P. 122.

26. Driankov, D. Palm R. Advances in Fuzzy Control [Text] / D.Driankov,

R.Palm // Physica-Verlag. Heidelberg. Germany - 1988. P. 129-137.

27. Pedrycz, W. An Introduction to Fuzzy Sets: Analysis and Design. [Text] /

W.Pedrycz, F.Gomide // MIT Press. Hardcover. - 1998. №2. – Р. 24-41.

131

28. Seraya, O.V., Demin, D.A. Linear regression analysis of a small sample of

fuzzy input data (2012) Journal of Automation and Information Sciences, 44 (7), pp.

34-48.

29. Современная инфраструктура эффективной эксплуатации САР на

промышленных предприятиях / ООО «НПО Техноконт» // Информатизация и

Системы Управления в Промышленности. — 2011. — №2(32). — С. 19–21.

30. Денисенко В. В. Компьютерное управление технологическим

процессом, экспериментом, оборудованием / В. В. Денисенко. – М.: Горячая

линия – Телеком, 2009. – 608 с., ил.

31. A multi-layer architecture for distributed data acquisition / М. Bertocco, S.

Cappellazzo, A. Flammini, M. Paxvis // Proceedings of the 19th IEEE

Instrumentation and Measurement Technology Conference. IMTC/2002. – 2002. –

Vol. 2. – P. 1261-1264.

32. Методы классической и современной теории автоматического

управления: учебник в 5-й т. / Под ред. К.А. Пупкова, Н.Д. Егупова. – 2-е изд.,

перераб. и доп. — М.: Издательство МГТУ им. Н.Э. Баумана, 2004. – Т.5:

Методы современной теории автоматического управления.–2004. — 784 с., ил.

33. Методы классической и современной теории автоматического

управления: Учебник в 3-х т. / Под ред. Н. Д. Егупова. – М.: Изд-во МГТУ им.

Н. Э. Баумана, 2000. – Т.З: Методы современной теории автоматического

управления. – 2000. – 748 с, ил.

34. Методы робастного, нейро-нечеткого и адаптивного управления.

Учебник/ Под ред. Н. Д. Егупова. – изд. 2-е. – М .: Изд-во МГТУ им. Бауман,

2002. – 744 с

35. Усков А.А. Интеллектуальные технологии управления. Искусственные

нейронные сети и нечеткая логика / А. А. Усков, А. В. Кузьмин. — М.:

Горячая линия – Телеком, 2004. — 143 с.

36. IEC 61131-7(2000) Programmable controllers. Part 7. Fuzzy control

programming. 2000.

132

37. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие

системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; пер. с польск. И. Д.

Рудинского. – М.: Горячая линия Телеком, 2006. – 452 с., ил.

38. Бочарников В.П. Fuzzy-технология: Математические основы. Практика

моделирования в экономике / Бочарников В.П.. – Санкт-Петербург: «Наука»

РАН, 2001. – 328 с.

39. Штовба С. Д. Проектирование нечетких систем средствами MATLAB /

С. Д. Штовба. М.: Горячая Линия – Телеком, 2007. – 288 с.

40. Яхъяева Г. Э. Нечеткие множества и нейронные сети: учебное пособие

/ Г. Э. Яхъяева – М.: Интернет-Университет Информационных Технологий;

БИНОМ. Лаборатория знаний, 2006. — 316 с.: ил., табл.— (Серия «Основы

информационных технологий»)

41. Пономарьов О.С. Нечеткие множества в задачах автоматизированного

управления и принятия решения: Навчальний посібник / О. С. Пономарьов. –

Харків: НТУ “ХПГ, 2005. – 232 с. – Рос. мовою.

42. Yesil E. Internal model control based fuzzy gain scheduling technique of

PID controllers / E. Yesil, M. Guzelkaya, I. Eksin // World Automation Congress.

2004. Proceedings. 28 June — 1 July 2004. – Vol. 17. – P. 501-506.

43. Еремин Д.М. Искусственные нейронные сети в интеллектуальных

системах управления / Д. М. Еремин, И. Б. Гарцеев. – М.: МИРЭА, 2004. – 75

с.

44. Комашинский В. И. Нейронные сети и их применение в системах

управления и связи / В. И. Комашинский, Д. А. Смирнов. – М.: Горячая линия-

Телеком, 2003. – 94 с.

45. Feng H.-M. A self-tuning fuzzy control system design / H.-M. Feng. // IFSA

World Congress and 20th NAFIPS International Conference, 2001. Joint 9th.

Volume 1. – 25-28 July 2001.– P: 209– 214 vol.1.

46. Fleming P. J. Genetic algorithms in control systems engineering / P. J.

Fleming, R. C. Purshouse. – IFAC Professional Brief, http://www.ifac-control.org. –

32 p.

133

47. Панченко Т. В. Генетические алгоритмы: учебно-методическое пособие

/ Т. В. Панченко; под ред. Ю. Ю. Тарасевича. — Астрахань : Издательский

дом «Астраханский университет», 2007. — 87 с.

48. Lee The Patent Office — http://gb.espacenet.com.

49. Стенцель Й. І. Автоматизація технологічних процесів хімічних

виробництв: Підручник / Й.І. Стенцель, О.В. Поркуян — Луганськ: вид-во

Східноукр. нац. ун-ту ім. В. Даля, 2010. – 300 с.

50. Гудвин Г. К. Проектирование систем автоматизации / Г. К. Гудвин, С.

Ф. Гребе, М. Э. Сальгадо. – М. «Бином». Лаборатория знаний, 2004. – 911 с.,

ил.

51. Шидловский С. В. Автоматическое управление. Перестраиваемые

структуры / С. В. Шидловский. − Томск: Томский государственный

университет, 2006. − 288 с.

52. Теорія автоматичного керування: Навч.посіб. / Л. М. Артюшин, О. А.

Машков, Б. В. Дурняк, М. С. Сівов. – Львів: Вид-во УАД, 2004.– 272с.

53. Методы классической и современной теории автоматического

управления: Учебник в 3-х т. / Под ред. Н.Д. Егупова. – М.: Изд-во МГТУ им.

Н.Э. Баумана, 2000. – Т.2: Синтез регуляторов и теория оптимизации систем

автоматического управления. – 2000. – 748 с, ил.

54. Ротач В. Я. Теория автоматического управления: учебник для вузов / В.

Я. Ротач. – 5-е изд., перераб. и доп. — М.: Издательский дом МЭИ, 2008. —

396 с., ил.

55. Филипс Ч. Системы управления с обратной связью / Ч. Филипс, Р.

Харбор. – М.: Лаборатория базовых знаний, 2001. – 616 с.

56. Густав Олссон Цифровые системы автоматизации и управления /

Густав Олссон, Джангуидо Пиани. – СПб.: Невский Диалект, 2001. – 557 с.:

ил.

57. Мирошник И. В. Теория автоматического управления. Линейные

системы: Учебное пособие для вузов / И. В. Мирошник. – СПб.: Питер, 2005. –

336 с.

134

58. Іванов А. О. Теорія автоматичного керування: Підручник / А. О. Іванов.

– Дніпропетровськ: Національний гірничий університет. – 2003. – 250 с.

59. Методы классической и современной теории автоматического

управления: Учебник в 5-й т. / Под ред. К.А. Пупкова, Н.Д. Егупова. – 2-е изд.,

перераб. и доп. – М.: Издательство МГТУ им. Н.Э. Баумана, 2004. – Т.3:

Синтез регуляторов систем автоматического управления. – 2004 – 616 с., ил.

60. Денисенко В. В. Заземление в системах промышленной автоматизации

/ В. В. Денисенко // СТА. – 2006. – № 2. – C. 94 – 99.

61. Ким Д. П. Теория автоматического управления / Д. П. Ким. – М.:

ФИЗМАТЛИТ, 2003. – Т. 1. Линейные системы. – 2003 – 288 с.

62. Дорф P. Современные системы управления/ Р. Дорф, Р. Бишоп. Пер. с

англ. Б. И. Копылова. — М.: Лаборатория Базовых Знаний, 2002. — 832 с.: ил.

63. Лукас В. А. Теория управления техническими системами: компактный

учеб курс для вузов / В. А. Лукас – 3-е издание, перераб. и дополн. –

Екатеринбург: Изд-во УГГГА, 2002 – 675 с., ил.

64. Андрюшин А. В. Управление и инноватика в теплоэнергетике: учебное

пособие / А. В. Андрюшин, В. Р. Сабанин, Н. И. Смирнов. – М.: Издательский

дом МЭИ, 2011. – 392 с.: ил.

65. Егоров А. И. Основы теории управления / А. И. Егоров. – М.:

ФИЗМАТЛИТ, 2004. — 504 с.

66. Страшинин Е. Э. Основы теории автоматического управления: учебное

пособие / Е. Э. Страшинин. – Екатеринбург: УГТУ, 2000. – Ч. 1: Линейные

непрерывные системы управления. – 2000 – 217 с.

67. Попович М. Г. Теорія автоматичного керування: підручник / М. Г.

Попович, О. В. Ковальчук.— К.: Либідь, 1997 — 544 с.

68. Методы классической и современной теории автоматического

управления: Учебник в 5-й т. / Под ред. К. А. Пупкова, Н. Д. Егупова. – 2-е

изд., перераб. и доп. – М.: Издательство МГТУ им. Н.Э. Баумана, 2004. – Т.1:

Математические модели, динамические характеристики и анализ систем

автоматического управления. –2004 – 656 с., ил.

135

69. Туманов М. П. Теория управления. Теория линейных систем

автоматического управления: учебное пособие / М. П. Туманов. – МГИЭМ. М.

– 2005. – 82 с.

70. Новиков С. И. Оптимизация автоматических систем регулирования

теплоэнергетического оборудования.Ч.1: учеб. пособие / С. И. Новиков. -

Новосибирск: Изд-во НГТУ. – 2006.–108 с.

71. Математичне моделювання технологічних об’єктів [Текст] : Підручник

/ О.Б.Целіщев, П.Й.Єлісєєв, М.Г.Лорія, І.І.Захаров – Луганськ. Вид–во

Східноукр. нац. унів. ім. В. Даля, 2011. – 421 с.

72. Теория автоматического управления: учеб. для машино-строит. спец.

вузов / В. Н. Брюханов, М. Г. Косов, С. П. Протопопов и др.; Под ред. Ю. М.

Соломенцева.— 3-е изд., стер. — М.: Высш. шк., 2000. — 268 с.: ил.

73. Методы классической и современной теории автоматического

управления: Учебник в 3-х т. / Под ред. Н. Д. Егупова. – М.: Изд-во МГТУ им.

Н. Э. Баумана, 2000. – Т.1: Анализ и статистическая динамика систем

автоматического управления. – 2000. – 748 с, ил.

74. Бессекерский В. А. Теория систем автоматического управления / В. А.

Бессекерский, Е. П. Попов.— СПб: Профессия, 2004.— 749 с.

75. Cominos P. PID Controllers: Recent Tuning Methods and Design to

Specification / P. Cominos, N. Munro // IEE Proceedings, Control Theory and

Applications. – 2002. – vol. 149. – Р. 46–53.

76. Intelligent Ziegler-Nichols-Based Fuzzy Controller Design for Mobile

Satellite Antenna Tracking System with Parameter Variations Effect / Jium-Ming

Lin, Po-Kuang Chang // WSEAS Transactions on Circuits and Systems. – July

2012. – Vol. 11, Issue 7. – Р. 224–236

77. Silva G. J. PID controllers for time delay systems / G. J. Silva; A. Datta and

S. P. Bhattacharyya. – Birkhauser: Boston USA, 2005. – 330 p.

78. Киреев В. И. Численные методы в примерах и задачах: учеб. пособие /

В. И. Киреев, А. В. Пантелеев. — 3-е изд. стер. — М.: Высш. шк., 2008. — 480

с.: ил.

136

79. Пантелеев. А. В. Методы оптимизации в примерах и задачах: учеб.

пособие / А. В. Пантелеев, Т. А. Летова. — 2-е изд., исправл. — М.: Высш.

шк., 2005. — 544 с.: ил.

80. Дьяконов В. П. Mathcad 11,12,13 в математике. Справочник / В. П.

Дьяконов. – М.: Горячая линия – Телеком, 2007. – 958 с., ил.

81. Норенков И. П. Основы автоматизированного проектирования: учеб.

для вузов / И. П. Норенков. – 2-е изд., перераб. и доп. – М.: Изд-во МГТУ им.

Н.Э. Баумана, 2002. – 336 с.: ил. – (Сер. Информатика в техническом

университете).

82. Мицель A. A. Методы оптимизации. Ч. 2: учебное пособие / A. A.

Мицель, A. A. Шелестов. – Томск: Томский межвузовский центр

дистанционного образования, 2002. – 73 с.

83. Алексеев А. А. Идентификация и диагностика систем : учеб. для студ.

высш. учеб. заведений / А.А. Алексеев, Ю. А. Кораблев, М. Ю. Шестопалов.

— М.: Издательский центр «Академия», 2009 – 352 с.

84. Ким Д. П. Теория автоматического управления: учеб. пособие. – М.:

ФИЗМАТЛИТ, 2004. – Т. 2. Многомерные, нелинейные, оптимальные и

адаптивные системы. –2004. – 464 с.

85. Мицель A. A. Методы оптимизации. Ч. 1: учебное пособие / A. A.

Мицель, A. A. Шелестов. – Томск: Томский межвузовский центр

дистанционного образования, 2002. – 192 с.

86. Лемешко Б.Ю. Методы оптимизации: конспект лекций / Б.Ю.

Лемешко. – Новосибирск: Изд-во НГТУ, 2009. – 126 с.

87. Харчистов Б. Ф. Методы оптимизации: учебное пособие / Б. Ф.

Харчистов. − Таганрог: Изд-во ТРТУ, 2004. − 140с.

88. Методы классической и современной теории автоматического

управления: Учебник в 5-й т. / Под ред. К.А. Пупкова, Н.Д. Егупова. – 2-е изд.,

перераб. и доп.– М.: Издательство МГТУ им. Н.Э. Баумана, 2004. – Т.4:

Теория оптимизации систем автоматического управления. – 2004. – 744с., ил.

137

89. Глебов Н.И. Методы оптимизации учеб. пособие / Н. И. Глебов, Ю. А.

Кочетов, А. В. Плясунов. – Новосиб. ун-т. Новосибирск, 2000. – 105 с.

90. Черноруцкий И. Г. Методы оптимизации в теории управления: учебное

пособие / И. Г. Черноруцкий. — СПб.: Питер, 2004. — 256 с: ил.

91. В.А. Иванов и др. Математические основы теории автоматического

регулирования, М.: «Высшая школа», 1971 г., 797 с.

92. Зайцев Г.Ф., Костюк В.И., Чинаев П.И. Основы автоматического

управления и регулирования. – К.: Техника, 1977. – 460 с.

93. Теория автоматического управления: Учеб. Для вузов по спец.

«Автоматика и телемеханика». В 2-х ч. Ч.1. Теория линейных систем

автоматического управления / Н. А. Бабаков, А. А. Воронов, А. А. Воронова и

др.; Под ред. А. А. Воронова. – 2-е изд., перераб. и доп. – М.: Высш. шк., 1986.

– 367 с.

94. Волков Е.А., Численные методы – М: Наука, 1987. – 248 с.

95. Математическое моделирование основных процессов химических

производств. Учеб. пособие для вузов. / В.В. Кафаров, М.Б. Глебов. – М.:

Высш.шк., 1991.–399с.

96. Математическое моделирование химико-технологических систем:

Учеб. пособие в 3ч./ под ред Л.С. Гордеева. – М.:РХТУ, 1999– 48с.(ч1);

47с.(ч2), 67с.(ч3).

97. Веников В. А., Веников Г.В. Теория подобия и моделирования. М.:

Высшая школа, 1984. – 342 с.

98. Лебедев А.Н. Моделирование в научно-технических исследованиях.

М.: Радио и связь, 1989. – 387 с.

99. Джон М. Смит Математическое и цифровое моделирование для

инженеров и исследователей. М.: Машиностроение, 1980. – 450 с.

100. Максимей И.В. Математическое моделирование больших систем.

Минск: Вышэйшая школа, 1985. – 311 с.

101. Мартин Ф. Моделирование на вычислительных машинах. М.:

Советское радио, 1972. – 588 с.

138

102. Максимей И. В. Имитационное моделирование на ЭВМ. М.: Радио и

связь, 1988. – 466 с.

103. Зильберман Б. З. Моделирование ЭП. М.: Наука, 1962. – 521 с.

104. Касаткин А. Г. Основные процессы и аппараты химической

технологии. Изд. 8-е. М.: Химия, 1971. – 822 с.

105. Стенцель Й.І. Математичне моделювання технологічних об’єктів

керування. Навч. посібник. – К.: IСДО, 1993, – 328 с.

106. Кафаров В.В. Методы кибернетики в химии и химической

технологии. М.: Химия, 1976. – 464 с.

107. Теория автоматического управления Под ред. А.В. Нетушила, М.:

«Высшая школа», 1976., I ч. 420 с., II ч. 420 с.

108. Гельвфонд И.М., Фомин С.В. Вариационное исчисление. – М.:

Физматгиз, 1971. – 385 с.

109. Теория автоматического управления. В 2 –х ч./А.А. Воронов, Д.П.

Ким, В.М. Лохин. – М.: Высш. Шк.; 1986. –1 ч. –498с., 2 ч. –504с.

110. Процессы и аппараты химической технологии. Учебник для вузов./

Н.Н. Смирнов, М.И. Курочкина, А.И. Волжинский, В.А. Плессовских. – СПб.:

Химия, 1996. – 400с.

111. Павлов К. Ф., Романков П. Г., Носков А. А. Примеры и задачи по

курсу процессов и аппаратов химической технологии. Л.: Госхимиздат, 1961. –

574 с.

112. Перри Дж. Г. Справочник инженера –химика, Т. Г, П. Л., Химия, 1969.

113. Справочник химика. Т. 1. М.–Л.: Химия, 1966. Т. V, 1968. – 734 с.

114. Чернышев А.К., Поплавский К.Л., Заичко Я.Д. Сборник номограмм

для химико-технологических расчетов. Л.: Химия, 1969. – 68 с.

115. Флореа О., Смигельский О. Расчеты по процессам и аппаратам

химической технологни. М.: Химия, 1971. 442 с.

116. Барон И.М. и др. Краткий справочник физико-химических

величин. Изд. 5-е. JI.: Химия, 1967. – 261 с.

117. Бретшнайдер С, Свойства газов и жидкостей. Инженерные методы

139

расчета. Пер. с полъск. М. – Л.: Химия, 1966. – 235 с.

118. Рид Р., Шервуд Т. Свойства газов и жидкостей. Определение и

корреляция. Пер. с англ. Л.: Химия, 1971. – 186 с.

119. Карапетьяц М.Х. Химическая термодинамика. M. – Л.:

Гостоптехиздат, 1953. – 498 с.

120. Григорьев В.А. и др. Краткий справочник по теплообменным

аппаратам. М. – Л.: Госэнергонздат, 1962. – 342 с.

121. Кафаров В. Б. Основы массопередачи. М.: Высшая школа, 1962, 655

с.

122. Лебедев П.Д. Теплообменные, сушильные и холодильные установки.

– М.: Энергия, 1972. – 322 с.

123. Плютто В.П. Управление химико-технологическими процессами.

Процессы массообмена: [Учеб. пособие].– М.: МХТИ, 1984. – 48 с.

124. Обрядчиков С. И, Хохряков П. А. Расчет ректификационных колонн.

М.: Гостоптехиздат, 1934. – 320 с.

125. Александров И. А. Ректификационные и абсорбционные аппараты.

Методы расчета и основы конструирования. Изд. 2-е. М.: Химия, 1971. – 467 с.

126. Александров И. А. Ректификационные и абсорбционные аппараты.

М. – Л.: Химия, 1975. – 511 с.

127. Козорезов Ю.И. и др. Показатели работы ректификационных колонн.

М.: ЦНИПИТЭИнефтегаз, 1963. – 368 с.

128. Раям В. М. Абсорбция газов. Изд. 2-е. М.: Химия, 1976. – 342 с.

129. Филиппов Л. П. ЖФХ, 1957, т. 31, с. 582 – 588; 1963, т, 37, с. 201–

204.

130. Рид Р., Шервуд Т. Свойства газов и жидкостей. Определение и

корреляция. Пер. с англ. Л.: Химия, 1971.

131. Стенцель Й.І. Автоматизація технологічних процесів хімічних

виробництв: Навч. посібник. – К.: ІСДО. 1995. – 360 с.

132. Дьяконов В. П. Компьютерная математика. Теория и практика. –

СПб: «Питер», 1999,2001. – 1296 с.

140

133. Эдвардс Ч.Г., Пенни Д.Э. Дифференциальные уравнения и проблема

собственных значений: моделирование и вычисление с помощью Mathematica,

Maple и MATLAB = Differential Equations and Boundary Value Problems:

Computing and Modeling. – 3-еизд. – М.: «Вильямс», 2007 с.

134. Мамиконов А.Г. Проектирование АСУ – М.: Высшая школа, 1987. –

303 с.

135. Стефани Е.П. Основы построения АСУ ТП – М.: Энергоиздат, 1982.–

352с.

136. Пиггот С.Г. Интегрированные АСУ химических производств. – М.:

Химия, 1985– 410 с.

137. Кафаров В.В., Макаров В.В. Гибкие автоматизированные системы в

химической промышленности: Учебник для вузов. – М.: Химия, 1990.– 320с.

138. Плютто В.П., Путинцев В.А., Глумов В.М. Практикум по теории

автоматического управления химико –технологическими процессами:

Цифровые системы – М.: Химия,1989.– 168 с.

139. Шувалов В.В., Огаджанов Г.А., Голубятников В.А. Автоматизация

производственных процессов в химической промышленности. – М.: Химия,

1991. – 480 с.

140. Автоматическое управление в химической промышленности:

Учебник для вузов. Под ред. Е.Г.Дудникова. – М.: Химия, 1987. – 368 с.

141. Зиновьев В.А. Краткий технический справочник. М. – Л.:

Гостехиздат, 1949. – 227 с.

141

Приложение А

142

Приложение Б

Параметры системы и регуляторов

Информация о проекте.

Принадлежность: Джабран Абдалхамид Абдалнаби

Организация: ВНУ им. В. Даля

Создан: 05.02.2012 22:14:25

Модифицирован: 12.09.2015 11:33:51

Комментарий:

Число шаблонов программ: 2

Число шаблонов экранов: 5

Число шаблонов отчетов: 0

Число шаблонов связей с БД: 0

Число каналов: 72

Число источников/приемников: 1

Содержание проекта.

Система

Слой конфигурирования узлов проекта

RTM_1

Технология

Слой для разработки проекта "от

технологии"

Топология

Слой для разработки проекта "от

топологии"

Источники/Приемники

Описания источников/приемников

различных приборов и приложений

КИПиА

Схема соединений АСУ

Шаблоны_программ

Шаблоны программ

Шаблоны_экранов

Шаблоны экранов

Шаблоны_документов

Шаблоны отчетов

Шаблоны_связей_с_СУБД

Шаблоны связей с БД

Ресурсы

Наборы текстов, рисунков, видеоклипов и

графических объектов

Описание объектов.

Система

143

Параметр Value

Имя Система

Комментарий Слой конфигурирования узлов проекта

Тип Система

Содержимое

слоя

Имя Имя

компьютера

Горячее

резервирование Комментарий

RTM_1

Система.RTM_1

Параметр Value

Имя RTM_1

Кодировка GH0

Комментарий

Тип RTM

Период пересчета 10

Разрешение 0.055

Имя компьютера

Пароль

Характеристика

Глобальный регистратор при старте 0

Статус глобального регистратора 0

AI 5710 10

AI 5720 10

AI Круиз 10

AI МФК 1000

AI 5700 10

AI 5648 50

AI LA 16/8 20

PCL 711/813 10

MIC 2718/PCL 818 10

MUX16(c 5710,5720) 100

MUX(c PCL) 100

PCL GainControl 10

Преобразование 2000

Шлюз 0

Использовать шлюз 0

Система.RTM_1.Схема

Параметр Value

Имя Схема

Кодировка GC1

Комментари

144

Параметр Value

й

Узел RTM_1

Тип Каналы

Содержимо

е группы

Имя Привязка Вызов Комментарий

Мнемосхема

стадии:2

Мнемосхема стадии

(Шаблоны_экранов)

Клапан_ОХ

Клапан_1

Клапан_2

Клапан_3

Клапан_4

Т1

Т2

Т3

Т4

PD6

P9

T8

Т5

ARG_000

Система.RTM_1.Схема.Клапан_ОХ

Система.RTM_1.Схема.Т1

Система.RTM_1.Схема.ARG

_000

Параметр Value

Имя ARG_000

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

Привязка

145

Параметр Value

Вызов

Система.RTM_1.Тренды

Параметр Value

Имя Тренды

Кодировка GC1

Комментарий

Узел RTM_1

Тип Каналы

Содержимое

группы

Имя Привязка Вызов Комментарий

Мнемосхема

трендов:12

Мнемосхема трендов

(Шаблоны_экранов)

Система.RTM_1.Регуляторы.Каналы_1.Кп

Параметр Value

Имя Кп

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

Привязка

RST 0

На объект ссылаются Регулятор_1:Кп (Система.RTM_1.Регуляторы.Каналы_1)

Вспл_рег_1:Кп (Система.RTM_1.Вспл_рег)

Система.RTM_1.Регуляторы.Каналы_1.Ти

Система.RTM_1.Регуляторы.Каналы_1.Тд

Система.RTM_1.Регуляторы.Каналы_1.Н_пр

Параметр Value

Имя Н_пр

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

Привязка

На объект ссылаются Регулятор_1:Н_пр (Система.RTM_1.Регуляторы.Каналы_1)

Система.RTM_1.Регуляторы.Каналы_1.В_пр

Параметр Value

Имя В_пр

146

Параметр Value

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

Привязка

Вызов

Входное значение 800

На объект ссылаются Регулятор_1:В_пр (Система.RTM_1.Регуляторы.Каналы_1)

Система.RTM_1.Регуляторы.Каналы_1.Режим

Параметр Value

Имя Режим

Кодировка TC2

Комментарий

Узел RTM_1

Тип Канал_HEX16

На объект ссылаются Регулятор_1:Режим (Система.RTM_1.Регуляторы.Каналы_1)

Вспл_рег_1:перекл_авт_ручн (Система.RTM_1.Вспл_рег)

Система.RTM_1.Регуляторы.Каналы_1.Вручную

Параметр Value

Имя Вручную

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

Индекс автопосылки 65535

На объект ссылаются Регулятор_1:Вручную (Система.RTM_1.Регуляторы.Каналы_1)

Вспл_рег_1:управление_клапаном (Система.RTM_1.Вспл_рег)

Система.RTM_1.Регуляторы.Каналы_2

Параметр Value

Имя Каналы_2

Кодировка GC1

Комментарий

Узел RTM_1

Тип Каналы

Содержимое

группы Имя Привязка Вызов Комментарий

147

Параметр Value

Регулятор_2

Регулятор

(Шаблоны_программ)

Кп

Ти

Тд

Задаине

Выход

Д_зона

Н_пр

В_пр

Режим

Вручную

Система.RTM_1.Регуляторы.Каналы_2.Регулятор_2

Параме

тр Value

Имя Регулятор_2

Кодиро

вка TC1

Коммен

тарий

Узел RTM_1

Тип CALL

Привязк

а

Вызов Регулятор (Шаблоны_программ)

Аргуме

нты

Имя Ти

п

Тип

дан

ных

Значе

ние по

умолч

анию

Привязка Фл

аги

Гру

ппа

Ед.изме

рения

Коммен

тарий

Кп IN REA

L

Кп:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

Ти IN REA

L

Ти:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

148

Параме

тр Value

Тд IN REA

L

Тд:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

Зада

ине IN

REA

L

Задаине:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

Вход IN REA

L

Т2:Реальное значение

(Система.RTM_1.Схем

а)

...

Выхо

д

O

U

T

REA

L

Выход:Входное

значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

Д_зо

на IN

REA

L

Д_зона:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

Н_пр IN REA

L

Н_пр:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

В_пр IN REA

L

В_пр:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

Режи

м IN

USI

NT

Режим:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

Вруч

ную IN

REA

L

Вручную:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_2)

...

Входно

е

значени

е

0

Состоян

ие 0

Система.RTM_1.Регуляторы.Каналы_2.Кп

Параметр Value

Имя Кп

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

149

Параметр Value

Привязка

Отчет Тревог 0

Аттрибуты 0

Отладка 0

На объект ссылаются Регулятор_2:Кп (Система.RTM_1.Регуляторы.Каналы_2)

Вспл_рег_2:Кп (Система.RTM_1.Вспл_рег)

На объект ссылаются Регулятор_2:Д_зона (Система.RTM_1.Регуляторы.Каналы_2)

Вспл_рег_2:D_zone (Система.RTM_1.Вспл_рег)

Система.RTM_1.Регуляторы.Каналы_2.Н_пр

Параметр Value

Имя Н_пр

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

Привязка

Вызов

На объект ссылаются Регулятор_2:Н_пр (Система.RTM_1.Регуляторы.Каналы_2)

Система.RTM_1.Регуляторы.Каналы_2.В_пр

Параметр Value

Имя В_пр

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

Привязка

Вызов

Входное значение 800

Смена типа Вх/Вых 0

Контроль границ 0

Индекс аварийного

словаря 4294967295

Дамп 0

В сеть 0

Индекс автопосылки 65535

На объект ссылаются Регулятор_2:В_пр

(Система.RTM_1.Регуляторы.Каналы_2)

150

Система.RTM_1.Регуляторы.Каналы_2.Режим

Параметр Value

Имя Режим

Кодировка TC2

Комментарий

Узел RTM_1

Тип Канал_HEX16

Привязка

На объект ссылаются Регулятор_2:Режим (Система.RTM_1.Регуляторы.Каналы_2)

Вспл_рег_2:перекл_авт_ручн (Система.RTM_1.Вспл_рег)

Система.RTM_1.Регуляторы.Каналы_2.Вручную

Параметр Value

Имя Вручную

Кодировка TC5

Комментарий

Узел RTM_1

Тип Канал_FLOAT

На объект ссылаются Регулятор_2:Вручную (Система.RTM_1.Регуляторы.Каналы_2)

Вспл_рег_2:управление_клапаном (Система.RTM_1.Вспл_рег)

Система.RTM_1.Регуляторы.Каналы_3

Параметр Value

Имя Каналы_3

Кодировка GC1

Комментарий

Узел RTM_1

Тип Каналы

Содержимое

группы

Имя Привязка Вызов Комментарий

Регулятор_3

Регулятор

(Шаблоны_программ)

Кп

Ти

Тд

Задаине

Выход

Д_зона

151

Параметр Value

Н_пр

В_пр

Режим

Вручную

Система.RTM_1.Регуляторы.Каналы_3.Регулятор_3

Параме

тр Value

Имя Регулятор_3

Кодиро

вка TC1

Коммен

тарий

Узел RTM_1

Тип CALL

Привязк

а

Вызов Регулятор (Шаблоны_программ)

Аргуме

нты

Имя Ти

п

Тип

дан

ных

Значе

ние по

умолч

анию

Привязка Фл

аги

Гру

ппа

Ед.изме

рения

Коммен

тарий

Кп IN REA

L

Кп:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

Ти IN REA

L

Ти:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

Тд IN REA

L

Тд:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

Зада

ине IN

REA

L

Задаине:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

Вход IN REA

L

Т3:Реальное значение

(Система.RTM_1.Схем

а)

...

Выхо

д

O

U

T

REA

L

Выход:Входное

значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

152

Параме

тр Value

Д_зо

на IN

REA

L

Д_зона:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

Н_пр IN REA

L

Н_пр:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

В_пр IN REA

L

В_пр:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

Режи

м IN

USI

NT

Режим:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

Вруч

ную IN

REA

L

Вручную:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_3)

...

Входно

е

значени

е

0

Состоян

ие 0

На объект ссылаются Регулятор_3:Д_зона (Система.RTM_1.Регуляторы.Каналы_3)

Вспл_рег_3:D_zone (Система.RTM_1.Вспл_рег)

Система.RTM_1.Регуляторы.Каналы_3.Н_пр

Система.RTM_1.Регуляторы.Канал

ы_3.В_пр На

объект

ссылают

ся

Регулятор_3:В_пр

(Система.RTM_1.Регуляторы.Ка

налы_3)

На

объект

ссылают

ся

Регулятор_3:Режим

(Система.RTM_1.Регуляторы.Ка

налы_3)

Вспл_рег_3:перекл_авт_ручн

(Система.RTM_1.Вспл_рег)

На объект

ссылаютс

я

Регулятор_3:Вручную (Система.RTM_1.Регуляторы.Каналы_3)

Вспл_рег_3:управление_клапаном (Система.RTM_1.Вспл_рег)

153

Аргум

енты

Имя Ти

п

Тип

дан

ных

Значен

ие по

умолч

анию

Привязка Фл

аги

Гру

ппа

Ед.изме

рения

Коммен

тарий

Кп IN REA

L

Кп:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

Ти IN REA

L

Ти:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

Тд IN REA

L

Тд:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

Задаи

не IN

REA

L

Задаине:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

Вход IN REA

L

Т4:Реальное значение

(Система.RTM_1.Схем

а)

...

Выхо

д

O

U

T

REA

L

Выход:Входное

значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

Д_зо

на IN

REA

L

Д_зона:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

Н_пр IN REA

L

Н_пр:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

В_пр IN REA

L

В_пр:Реальное значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

Режи

м IN

USI

NT

Режим:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

Вруч

ную IN

REA

L

Вручную:Реальное

значение

(Система.RTM_1.Регуля

торы.Каналы_4)

...

На объект ссылаются

Регулятор_4:Задаине

(Система.RTM_1.Регуляторы.Кана

лы_4)

Вспл_рег_4:Задание

(Система.RTM_1.Вспл_рег)

Всп_тр_рег:16:Задание

154

(Система.RTM_1.Вспл_тр_рег)

Система.RTM_1.Регуляторы.Каналы_5

Параметр Value

Имя Каналы_5

Кодировка GC1

Комментарий

Узел RTM_1

Тип Каналы

Содержимое

группы

Имя Привязка Вызов Комментарий

Регулятор_5

Регулятор

(Шаблоны_программ)

Система.RTM_1.Вспл_рег

Параметр Value

Имя Вспл_рег

Кодировка GC1

Комментарий

Узел RTM_1

Тип Каналы

Содержимое

группы

Имя Привязка Вызов Комментарий

Вспл_рег_1

Всплыв оконо настр рег

(Шаблоны_экранов)

Вспл_рег_2

Всплыв оконо настр рег

(Шаблоны_экранов)

Вспл_рег_3

Всплыв оконо настр рег

(Шаблоны_экранов)

Вспл_рег_4

Всплыв оконо настр рег

(Шаблоны_экранов)

Система.RTM_1.Вспл_рег.Вспл_рег_1

Параметр Value

Имя Вспл_рег_1

Кодировка TC1

Комментарий

Узел RTM_1

Тип CALL

Привязка

Вызов Всплыв оконо настр рег (Шаблоны_экранов)

Аргументы Имя Тип

Тип

данных

Значение

по

умолчанию

Привязка Флаги Группа Ед.измерения Комментарий

Кп OUT REAL Кп:Входное значение ...

155

Параметр Value

(Система.RTM_1.Регуляторы.Каналы_1)

Ти OUT REAL

Ти:Входное значение

(Система.RTM_1.Регуляторы.Каналы_1)

...

Тд OUT REAL

Тд:Входное значение

(Система.RTM_1.Регуляторы.Каналы_1)

...

Задание OUT REAL

Задаине:Входное значение

(Система.RTM_1.Регуляторы.Каналы_1)

...

Слой_авт IN USINT 0 NP ...

Слой_ручн IN USINT 1 NP ...

перекл_авт_ручн IN/OUT USINT 0

Режим:Входное значение

(Система.RTM_1.Регуляторы.Каналы_1)

...

D_zone OUT REAL

Д_зона:Входное значение

(Система.RTM_1.Регуляторы.Каналы_1)

...

управление_клапаном OUT REAL

Вручную:Входное значение

(Система.RTM_1.Регуляторы.Каналы_1)

...

Входное

значение 0

Система.RTM_1.Вспл_рег.Вспл_рег_4

Парам

етр Value

Имя Вспл_рег_4

Кодиро

вка TC1

Комме

нтарий

Узел RTM_1

Тип CALL

Привяз

ка

Вызов Всплыв оконо настр рег (Шаблоны_экранов)

Аргуме

нты

Имя Тип

Тип

дан

ных

Значе

ние

по

умолч

анию

Привязка Фл

аги

Гру

ппа

Ед.изм

ерения

Комме

нтарий

Кп OU

T

RE

AL

Кп:Входное значение

(Система.RTM_1.Регу

ляторы.Каналы_4)

...

Ти OU

T

RE

AL

Ти:Входное значение

(Система.RTM_1.Регу

ляторы.Каналы_4)

...

Тд OU

T

RE

AL

Тд:Входное значение

(Система.RTM_1.Регу ...

156

Парам

етр Value

ляторы.Каналы_4)

Задание OU

T

RE

AL

Задаине:Входное

значение

(Система.RTM_1.Регу

ляторы.Каналы_4)

...

Слой_авт IN USI

NT 0 NP ...

Слой_ручн IN USI

NT 1 NP ...

перекл_авт

_ручн

IN/

OU

T

USI

NT 0

Режим:Входное

значение

(Система.RTM_1.Регу

ляторы.Каналы_4)

...

D_zone OU

T

RE

AL

Д_зона:Входное

значение

(Система.RTM_1.Регу

ляторы.Каналы_4)

...

управление

_клапаном

OU

T

RE

AL

Вручную:Входное

значение

(Система.RTM_1.Регу

ляторы.Каналы_4)

...

Входно

е

значен

ие

0

Шаблоны_программ.Модель

Параметр Value

Имя Модель

Кодировк

а TT0

Коммента

рий

Тип Программа

Аргумент

ы

Имя Тип

Тип

данн

ых

Значени

е по

умолчан

ию

Привяз

ка

Фла

ги

Груп

па

Ед.измере

ния

Коммента

рий

Клапан_

ОХ OUT REAL ...

Клапан_

1 OUT REAL ...

Клапан_

2 OUT REAL ...

Клапан_ OUT REAL ...

157

Параметр Value

3

Клапан_

4 OUT REAL ...

Т1 IN/O

UT REAL ...

Т2 IN/O

UT REAL ...

Т3 IN/O

UT REAL ...

Т4 IN/O

UT REAL ...

Т5 IN/O

UT REAL ...

PD6 IN/O

UT REAL ...

P9 IN/O

UT REAL ...

T8 IN/O

UT REAL ...

Вых_1 IN REAL ...

Вых_2 IN REAL ...

Вых_3 IN REAL ...

Вых_4 IN REAL ...

Вызывает

ся Модель :11 (Система.RTM_1.Модель)

PROGRAM VAR_OUTPUTКлапан_ОХ : REAL; END_VAR

VAR_OUTPUTКлапан_1 : REAL; END_VAR VAR_OUTPUTКлапан_2 : REAL; END_VAR VAR_OUTPUTКлапан_3 : REAL; END_VAR

VAR_OUTPUTКлапан_4 : REAL; END_VAR VAR_INOUTТ1 : REAL; END_VAR VAR_INOUTТ2 : REAL; END_VAR VAR_INOUTТ3 : REAL; END_VAR

VAR_INOUTТ4 : REAL; END_VAR VAR_INOUTТ5 : REAL; END_VAR VAR_INOUT PD6 : REAL; END_VAR

VAR_INOUT P9 : REAL; END_VAR VAR_INOUT T8 : REAL; END_VAR VAR_INPUTВых_1 : REAL; END_VAR VAR_INPUTВых_2 : REAL; END_VAR

VAR_INPUTВых_3 : REAL; END_VAR VAR_INPUTВых_4 : REAL; END_VAR

END_PROGRAM

158

Шаблоны_программ.Регулятор

Параметр Value

Имя Регулятор

Кодировка TT0

Комментар

ий

Тип Программа

Аргумент

ы

Имя Ти

п

Тип

данн

ых

Значение

по

умолчан

ию

Привяз

ка

Флаг

и

Груп

па

Ед.измерен

ия

Комментар

ий

Кп IN REAL ...

Ти IN REAL ...

Тд IN REAL ...

Задаин

е IN REAL ...

Вход IN REAL ...

Выход OU

T REAL ...

Д_зона IN REAL ...

Н_пр IN REAL ...

В_пр IN REAL ...

Режим IN USIN

T ...

Вручну

ю IN REAL ...

Вызываетс

я

Регулятор_1 (Система.RTM_1.Регуляторы.Каналы_1)

Регулятор_2 (Система.RTM_1.Регуляторы.Каналы_2)

Регулятор_3 (Система.RTM_1.Регуляторы.Каналы_3)

Регулятор_4 (Система.RTM_1.Регуляторы.Каналы_4)

Регулятор_5 (Система.RTM_1.Регуляторы.Каналы_5)

PROGRAM

VAR_INPUTКп : REAL; END_VAR VAR_INPUTТи : REAL; END_VAR

VAR_INPUTТд : REAL; END_VAR VAR_INPUTЗадаине : REAL; END_VAR VAR_INPUTВход : REAL; END_VAR VAR_OUTPUTВыход : REAL; END_VAR

VAR_INPUTД_зона : REAL; END_VAR VAR_INPUTН_пр : REAL; END_VAR VAR_INPUTВ_пр : REAL; END_VAR

VAR_INPUTРежим : USINT; END_VAR

159

VAR_INPUTВручную : REAL; END_VAR

END_PROGRAM

Шаблоны_экранов

Параметр Value

Имя Шаблоны_экранов

Комментарий Шаблоны экранов

Тип Шаблоны_экранов

Содержимое слоя

Имя Комментарий

Мнемосхема стадии

Всплыв оконо настр рег

Мнемосхема трендов

Сигнализация и события

Всп_тр_рег

Шаблоны_экранов.Мнемосхема стадии

Параметр Value

Имя Мнемосхема стадии

Кодировк

а TT2

Коммента

рий

Тип Экран

Аргумент

ы

Имя Тип

Тип

данн

ых

Значени

е по

умолчан

ию

Привяз

ка

Фла

ги

Груп

па

Ед.измере

ния

Коммента

рий

Клапан_

ОХ

IN/O

UT REAL ...

Клапан_

1

IN/O

UT REAL ...

Клапан_

2

IN/O

UT REAL ...

Клапан_

3

IN/O

UT REAL ...

Клапан_

4

IN/O

UT REAL ...

Т1 IN/O

UT REAL ...

Т2 IN/O

UT REAL ...

160

Параметр Value

Т3 IN/O

UT REAL ...

Т4 IN/O

UT REAL ...

Т5 IN/O

UT REAL ...

PD6 IN REAL ...

P9 IN REAL ...

T8 IN REAL ...

ARG_00

0 IN REAL ...

Вызывает

ся Мнемосхема стадии:2 (Система.RTM_1.Схема)

Шаблоны_экранов.Сигнализация и события

Параметр Value

Имя Сигнализация и события

Кодировка TT2

Комментар

ий

Тип Экран

Аргумент

ы

Имя Ти

п

Тип

данн

ых

Значение

по

умолчан

ию

Привяз

ка

Флаг

и

Груп

па

Ед.измерен

ия

Комментар

ий

ARG_0

00 IN REAL ...

Вызываетс

я Сигнализация и события:17 (Система.RTM_1.Сигнал)

Шаблоны_экранов.Всп_тр_рег

Параметр Value

Имя Всп_тр_рег

Кодировка TT2

Коммента

рий

Тип Экран

161

Параметр Value

Аргумент

ы

Имя Ти

п

Тип

данн

ых

Значение

по

умолчан

ию

Привяз

ка

Флаг

и

Груп

па

Ед.измере

ния

Коммента

рий

Задание IN REAL ...

Вых_с_р

ег IN REAL ...

Вызываетс

я

Всп_тр_рег:13 (Система.RTM_1.Вспл_тр_рег)

Всп_тр_рег:14 (Система.RTM_1.Вспл_тр_рег)

Всп_тр_рег:15 (Система.RTM_1.Вспл_тр_рег)

Всп_тр_рег:16 (Система.RTM_1.Вспл_тр_рег)

Слой: Слой

Тип, ID Описание Позиция Размер Управление

0 .. -7x-5 260x209 -

<="" img="">

Шаблоны_документов

Параметр Value

Имя Шаблоны_документов

Комментарий Шаблоны отчетов

Тип Шаблоны_документов

Шаблоны_связей_с_СУБД

Параметр Value

Имя Шаблоны_связей_с_СУБД

Комментарий Шаблоны связей с БД

Тип Шаблоны_связей_с_СУБД

Ресурсы

Параметр Value

Имя Ресурсы

Комментарий Наборы текстов, рисунков, видеоклипов и графических объектов

Тип Ресурсы

Содержимое слоя Имя Комментарий

Картинки

162

Параметр Value

Библиотека_Изображений#1

Анимация

Библиотека_Видеоклипов#1

Ресурсы.Картинки

Параметр Value

Имя Картинки

Кодировка GP0

Комментарий

Тип Картинки

Содержимое группы Имя Комментарий

Библиотека_Изображений#1

Ресурсы.Картинки.Библиотека_Изображений#1

Параметр Value

Имя Библиотека_Изображений#1

Кодировка TL0

Комментарий

Тип Библиотека_Изображений

Ресурсы.Анимация

Параметр Value

Имя Анимация

Кодировка GV0

Комментарий

Тип Анимация

Содержимое группы Имя Комментарий

Библиотека_Видеоклипов#1

Ресурсы.Анимация.Библиотека_Видеоклипов#1

Параметр Value

Имя Библиотека_Видеоклипов#1

Кодировка TL2

Комментарий

Тип Библиотека_Видеоклипов

163

Приложение В

Вывод диференциального уравнения для кожухотрубного

теплообменника

Решение системы уравнений (2.61) относительно 2y . Для этого

воспользуемся методом подстановки. Определим из второго уравнения

системы 1y .

223

221

23

212

23

2

23

21

1z

K

Kz

K

Ky

Kdt

dy

Ky

. (В.1)

Продифференцируем это уравнение (В.1) по времени.

dt

dz

K

K

dt

dz

K

K

dt

dy

Kdt

yd

Kdt

dy 2

23

221

23

212

232

22

23

21 1

. (В.2)

Подставим (В.2) и (В.1) в первое уравнение системы (2.61). После

соответствующих преобразований получим

1

23

211

23

2111111

23

23131

23

21

2

12

23

21 1z

K

K

dt

dz

K

KxKy

K

KK

dt

dy

Kdt

yd

K

312223

222

23

221 zKz

K

K

dt

dz

K

K

. (В.3)

Приведем уравнение (В.3) к каноническому виду. Для этого поделим

правую и левую части уравнения (В.3) на 23

23133

1

K

KKП

.

164

33422

323311

313213111

12

12

22 zKz

dt

dzTKz

dt

dzTKxKy

dt

dyT

dt

ydT

.

(В.4)

где 2313

2122

1 KKT

– постоянная времени,

2с ;

2313

211

1 KKT

; 13231 TT – постоянные времени, с ;

2313

231131

1 KK

KKK

– коэффициент модели;

2313

2132

1 KK

KK

– коэффициент модели;

2313

2233

1 KK

KK

– коэффициент модели;

2313

1234

1 KK

KK

– коэффициент модели.

Уравнение (В.4) является математической моделью кожухотрубного

теплообменника по температуре синтез-газа, идущего в колонну синтеза

метанола.

Используя принцип суперпозиции, запишем дифференциальное

уравнение для каждого канала.

13111

12

12

22 xKy

dt

dyT

dt

ydT . (В.5)

1

131321

112

12

22 z

dt

dzTKy

dt

dyT

dt

ydT . (В.6)

2

232331

112

12

22 z

dt

dzTKy

dt

dyT

dt

ydT . (В.7)

33411

12

12

22 zKy

dt

dyT

dt

ydT . (В.8)

165

Используя преобразование Лапласа найдем передаточную функцию (без

учета времени запаздывания) кожухотрубного теплообменника по каждому

каналу влияния на температуру.

11

222

31

11

sTsT

KsW yx .

(В.9)

1

1

122

2

313211

sTsT

sTKsW yz . (В.10)

1

1

122

2

323312

sTsT

sTKsW yz . (В.11)

11

222

34

13

sTsT

KsW yz . (В.12)

После определения времени запаздывания в окончательном варианте

передаточные функции кожухотрубного теплообменника по температуре по

каналам влияния имеют вид:

ssTsT

sTKsW зyx 1

122

2

3131 exp

1

111

. (В.13)

ssTsT

sTKsW зyz 2

122

2

3232 exp

1

111

. (В.14)

ssTsT

sTKsW зyz 3

122

2

3333 exp

1

112

. (В.15)

ssTsT

sTKsW зyz 4

122

2

3434 exp

1

113

. (В.16)