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