Abstract
Современная автоматизация технологических процессов ориентирована на непрерывный контроль показателей качества продукции и оперативную коррекцию управляющих воздействий. В нефтегазовой промышленности прямое измерение состава продуктов ректификации потоковыми анализаторами и лабораторными методами связано с временной задержкой, затратами на обслуживание и ограниченной применимостью в системах управления реального времени. Целью исследования является разработка гибридного виртуального анализатора для непрерывной оценки состава дистиллята и кубового продукта и его интеграция в многосвязную систему управления. Объектом исследования является многомерная и многосвязная ректификационная колонна, в которой управляющими воздействиями выступают расход флегмы и расход парового потока из ребойлера. Метод исследования основан на объединении линейной MIMO-модели колонны, развязывающего устройства и нейросетевого корректирующего блока. Нейронные сети (NN) используют текущие и запаздывающие значения управляющих воздействий, параметров питания, давления, температур верхней и нижней зон колонны, а также уровней продуктов. Работоспособность предложенной структуры оценена на имитационной выборке, сформированной при изменении технологического режима и внешних возмущений. Нейросетевая коррекция повысила точность оценки состава по сравнению с базовой MIMO-моделью: среднеквадратическая ошибка для дистиллята снизилась с 0,00504 до 0,00125, для кубового продукта − с 0,00429 до 0,00235. Полученные оценки могут использоваться как сигналы обратной связи в контурах регулирования состава. Предложенный подход формирует основу для последующей апробации виртуального анализатора на архивных данных промышленного объекта.