Традиционно для определения показателей качества проб нефти используются специальные лабораторные исследования, которые часто являются дорогими и трудоемкими. Для того чтобы оптимизировать исследования, ученые из Пермского политехнического университета создали метод виртуального анализа температуры выкипания дизельного топлива с использованием нейронных сетей. Анализатор контролирует температуру, при которой дизельное топливо выкипает полностью. Эта температура определяет полноту его испарения. При слишком высоких значениях некоторые фракции не успевают испаряться и остаются в жидкой фазе в виде капель и пленки, что приводит к повышенному нагарообразованию и износу оборудования. Виртуальный датчик позволит быстро и непрерывно контролировать весь процесс нагревания в производстве дизельного топлива. Такой способ контроля намного выгоднее инструментальных анализаторов, проще и дешевле по внедрению и обслуживанию. Также измерения проводятся быстрее и легче по сравнению с методом обычного лабораторного анализа, так как виртуальный анализатор показывает состояние нефтепродукта непрерывно с обновлением значений в системе управления с любым заданным интервалом времени.
«Для получения качественного продукта требуется соответствующий контроль технологического процесса. Виртуальные анализаторы, используя результаты прямых измерений параметров (температуры, расхода, давления), выполняют функцию обычных измерительных устройств и могут применяться в компьютерных системах управления совместно с ними. Таким образом, они позволяют оператору с помощью компьютера на определенном этапе производства контролировать качество продуктов в ходе ведения процесса», – рассказала выпускник магистратуры кафедры «Оборудование и автоматизация химических производств» ПНИПУ Анна Стрельцова.
Как рассказал научный руководитель, доктор технических наук, профессор кафедры «Оборудование и автоматизация химических производств» ПНИПУ Александр Шумихин, в основе работы виртуального анализатора лежит математическая модель, отражающая взаимосвязь технологических переменных процесса и температуры выкипания как показателя качества, например, в производстве дизельного топлива. Особенностью предлагаемого метода является двухэтапный подход. На первом этапе была построена нейросетевая модель взаимосвязи, на втором по результатам вычислительного эксперимента с полученной нейросетью построили регрессионную модель, которая предсказывает значения показателя качества производимого нефтепродукта. Разработанная регрессионная модель устанавливается в компьютерную систему управления производством.
В своей работе ученые учитывали такие входные данные, как плотность нефти, расход мазута, температуры паров нефтепродуктов и самой нефти. Эти значения поступают на вход обученной модели, а на выходе получают температуру выкипания дизельного топлива.
По экспериментальным данным, полученным на реальном физическом оборудовании, ученые доказали, что полученная регрессионная модель статистически адекватна этим данным. Это значит, что разработанный метод построения виртуальных анализаторов перспективен для применения в нефтеперерабатывающей отрасли. Исследователи отмечают, что модели можно адаптировать к новым экспериментальным данным, что делает их применимыми к другим показателям качества нефтепродуктов.
Источник: Energy Land
распечатать статью
