автореферат диссертации по технологии, машинам и оборудованию лесозаготовок, лесного хозяйства, деревопереработки и химической переработки биомассы дерева, 05.21.03, диссертация на тему:Диагностика состояния содорегенерационного котлоагрегата с целью повышения эффективности его работы

На правах рукописи

00501 ьи^ ^

Горьковой Евгений Владимирович

ДИАГНОСТИКА СОСТОЯНИЯ СОДОРЕГЕНЕРАЦИОННОГО КОТЛОАГРЕГАТА С ЦЕЛЬЮ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ЕГО РАБОТЫ

05.21.03 - технология и оборудование химической переработки биомассы дерева; химия древесины

05.13.06 - автоматизация и управление технологическими процессами и производствами

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

1 2 [.'¡А?

САНКТ- ПЕТЕРБУРГ 2012

005015009

Работа выполнена в федеральной государственной бюджетной организации высшего профессионального образования «Санкт-Петербургский государственный технологический университет растительных полимеров»

Научный руководитель:

кандидат технических наук, профессор, Суриков Валерий Николаевич_

кандидат технических наук, доцент, Житков Владимир Викторович

Официальные оппоненты: доктор технических наук, профессор

Пазухина Галина Александровна

доктор технических наук, профессор Закирничный Вячеслав Степанович

Ведущая организация: ОАО Всероссийский научно-исследовательский институт бумаги (ВНИИБ)

Защита состоится 2~о[£т. в К часов на заседании

диссертационного совета Д212.231.01 при ФГБОУ ВПО Санкт-Петербургский государственный технологический университет растительных полимеров по адресу: 198095, Санкт-Петербург, ул. Ивана Черных, д. 4.

С диссертацией можно ознакомиться в библиотеке СПбГТУРП.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 198095, Санкт-Петербург, ул. Ивана Черных, д. 4.

Автореферат разослан

Ученый секретарь диссертационного совета

Махотина Л.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Содорегенерационныс котлоафегаты (СРК) являются одним из самых сложных и ответственных технологических агрегатов в целлюлозобумажной промышленности (ЦБП). От стабильности и надежности работы СРК зависит эффективность регенерации сульфида натрия из черных щелоков и возврат химикатов в варочный процесс при производстве целлюлозы.

Еще в 80-ых годах 20 века группой ученых: Жучковым П.А., Смороди-ным С.Н., Дорониным В.А и другими активно изучались процессы, происходящие в котлоагрегате, а так же способы управления технологическими процессами, обеспечивающие их стабильность. В настоящее время СРК оснащены современными сложными иерархическими системами автоматического управления технологическим процессом (АСУТП). Тем не менее, на этом технологическом процессе периодически возникают аварийные ситуации, порой чрезвычайно катастрофические. Иностранные компании повышают безопасность функционирования СРК с помощью тепловизоров, устанавливаемых в топках котлов. Однако без соответствующих технических реконструкций СРК и информационно-математического обеспечения управления их применение не решает проблемы обнаружения нештатных ситуаций в сложных химико-энергетических процессах СРК на предприятиях целлюлознобу-мажной промышленности.

В этой ситуации необходимо разработать новые подходы для обеспечения безопасности эксплуатации существующих и создаваемых СРК.

Цель диссертационной работы заключается в разработке диагностических методов, способов и алгоритмов слежения за состоянием технологических процессов в СРК для обнаружения нештатных ситуаций в работе СРК на ранних этапах их развития, определения причин нарушения и выдачи оператору рекомендации по их устранению еще до срабатывания систем автоматической защиты котлоагрегата.

Задачи исследований.

1) Исследовать процессы, протекающие в СРК. Провести анализ существующей системы АСУТП и предложить информационно-измерительное обеспечение, которое можно использовать для диагностирования состояний процессов в СРК.

2) На основе проведенной декомпозиции технологических процессов в СРК проанализировать и выделить их потенциально опасные ситуации.

3) Изучить и обосновать выбор математических моделей для диагностирования нарушений в СРК.

4) Разработать алгоритмы для системы диагностики СРК, которые позволят в составе АСУТП, обнаруживать нарушения на раннем этапе их развития, определять причины их возникновения и их устранять.

5) Провести экспериментальное исследование предложенной диагностической системы для подтверждения ее работоспособности и эффективности.

1. Создана система диагностирования технологических процессов СРК с использованием их декомпозиции, позволяющая с помощью двухуровневых моделей диагностики обнаруживать и идентифицировать нештатные ситуации, а так же давать рекомендации по их устранению.

2. Выполнено аналитическое исследование процесса сжигания черных щелоков в СРК, позволившее адаптировать его математическое описание для идентификации нештатных ситуаций в котлоагрегатах.

3. Предложена комбинация двух типов моделей диагностирования нарушений в технологическом процессе СРК, обеспечивающая непрерывное вьивление нештатных ситуаций, их причин и способов устранения последствий.

4. Разработан алгоритм работы системы диагностики СРК на основе предложенной комбинированной модели ее функционирования.

Практическая ценность.

1. Разработано и практически опробовано программно-алгоритмическое обеспечение функционирования системы диагностики содорегенераци-онных котлоагрегатов, что позволяет реализовать диагностирование технологических процессов в составе АСУТП котлоагрегатов.

2. Составлена методика опроса экспертов, на основе которой формируется фреймово-продукционная модель для конкретного содорегенераци-онного котлоагрегата.

3. Синтезирована двухуровневая фреймово-продукционная модель, которая за счет иерархической структуры ускоряет работу диагностической системы.

4. Система диагностики с использованием результатов опроса экспертов Сегежского ЦБП реализована и опробована в виде отдельного программного модуля, что позволяет ее легко внедрить в любую существующую систему управления содорегенерационным котлоагрегатом.

Положения, выносимые на защиту.

1. Двухуровневая система диагностики технологических процессов содо-регенерационного котлоагрегата, построенная на основе двухуровневых моделей диагностирования, что позволяет обеспечить раннее обнаружение развития нештатных ситуаций, идентификацию причин нарушений в технологических процессах котлоагрегатов и их устранение.

2. Модель процесса сжигания черных щелоков в СРК, адаптированную к обнаружению нештатных ситуаций в котлоагрегатах.

3. Комбинированная диагностическая модель для содорегенерационного котлоагрегата, состоящая из модели по методу главных компонент и иерархической фреймово-продукционной модели, обеспечивающая обнаружение и идентификацию нарушений в технологических процессах даже при различной скорости их развития.

4. Алгоритм функционирования системы диагностики в составе действующей АСУТП содорегенерационного котла, включающий две стадии: непрерывный мониторинг технологического процесса в простран-

стве главных компонент, активизацию фреймов при обнаружении нарушений, поиск конкретной причины нарушения.

5. Методику опроса экспертов для создания фреймово-продукционной модели, которая определяет причины нештатных ситуаций обеспечивающую непротиворечивые оценки причин неисправностей в СРК на основе его декомпозиции.

Методика исследований. В ходе выполнения работы были использованы методы теории технической диагностики, теории вероятностей, теории случайных процессов, математической статистики, сбора и обработки экспертной информации.

Достоверность основных положений и выводов подтверждается

• полным аналитическим исследованием методов диагностирования и моделей технологических процессов, происходящих в СРК

• положительными результатами имитационного моделирования системы диагностирования нештатных ситуаций в СРК на основе большого объема статистических экспериментальных данных.

• апробацией результатов работы в печати и на научно-технических обсуждениях

Апробация работы. Основные положения сообщались на конференциях и семинарах института повышения квалификации «Крона» СПБГТУРП в 2009-2011 годах. Результаты работы обсуждались на научных семинарах кафедры автоматизации технологических процессов и производств и информационно-измерительных технологий и систем управления СПБГТУРП. Имеются акты внедрения: акт об использовании материалов математического и алгоритмического обеспечения системы диагностики состояний СРК и акт внедрения результатов диссертационной работы в учебные дисциплины на кафедрах факультета АСУТП.

Публикации. По материалам диссертации опубликовано 4 работы, в том числе 2 в ведущих журналах, рекомендованных ВАК РФ

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и приложения. Содержит 129 страниц машинописного текста, 30 рисунков, список литературы состоит из 133 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованна актуальность темы диссертации, сформулирована цель, изложены основные положения, выносимые на защиту, научная новизна и практическая значимость работы.

В первой главе рассмотрен содорегенерационный котлоагрегат (СРК) предназначеный для регенерации (восстановления свойств) черного щелока, отработанного в процессе варки целлюлозы.

В топке СРК сжигается черный щелок с содержанием абсолютно сухих веществ около 65%. Минеральная часть щелоков скапливается на поду топки в виде огарка, где происходит окончательное дожигание органической части и восстановление щелока. Подача воздуха идет тремя потоками. Первый по-

ток (порядка 60%), применяется для подсушки щелоков, подается через ще-локовые горелки, второй поток подается в верхнюю часть топки для ограничения высоты огарка и дополнительной подсушки щелоков и третий поток поддерживает процесс горения. Тепло, выделяемое в процессе сжигания щелоков, утилизируется в виде пара с температурой 430 °С. Огарок, называемый плавом, удаляется с пода топки по леткам и попадает в бак смесителя плава с зеленым щелоком, где происходит окончательное восстановление щелоков. АСУТП СРК имеет сложную структуру. АСУТП СРК управляет и контролирует основные технологические параметры. Тем не менее, в котле имеются участки технологического процесса, управление которыми ведется вручную по визуальной оценке.

Анализ СРК как потенциально опасного объекта выявил, что к наиболее тяжелым авариям приводят хлопки и взрывы. Хлопок возникает при попадании большого куска плава в бак смеситель зеленого щелока. Взрыв возникает при попадании воды непосредственно в плав, за счет резкого испарения влаги.

Развитие нарушений в ходе технологических процессов обычно сопровождается изменением многих параметров. Часть информации о состоянии текущего технологического процесса можно получить только органолеггги-чески, особенно от процессов происходящих на поду топки. Однако из-за большого объема такой информации оператор часто не успевает определить нарушение и предотвратить его развитие до срабатывания систем автоматической защиты.

Еще одной особенностью содорегенерационного котлоагрегата является многосвязность параметров. Развитие нарушений в ходе технологического процесса обычно характеризуется изменением большого числа параметров, что также не способствует своевременной идентификации оператором причин нарушения.

Во второй главе предложено создать систему диагностики, которая, опираясь на данные, полученные от АСУТП, могла бы оценить опасные состояния в технологических процессах и выдать рекомендации оператору по устранению нештатной ситуации. К такой системе диагностики должно быть предъявлено требование: раннего обнаружения нарушения и определения причины его возникновения, чтобы оператор успел вернуть технологический процесс в нормальный режим до срабатывания систем автоматической защиты.

На стадии анализа математических моделей применяемых для диагностирования нештатных ситуаций были сформированы требования, предъявляемые к системе диагностики:

1) раннее обнаружение нарушения;

2) достаточная глубина диагностики;

3) необходимость обеспечить устойчивость к шумам в исходных данных;

4) возможности самообучаемости системы диагностики;

5) адаптируемость к изменениям технологического процесса;

6) определение множественных нарушений и уверенное различение их между собой.

Наиболее перспективными моделями, удовлетворяющие перечисленным требованиям являются модели на основе метода главных компонент (МГК). Они обладают серьезными преимуществами по сравнению с другими диагностическими моделями. МГК позволяет построить диагностическую модель на основе статистической информации, полученной с объекта. Основными требованиями, предъявляемыми к статистической выборке данных, получаемой от АСУТП СРК, из которой формируется исходная модель, являются: представление информации, соответствующей штатной работе СРК, полнота и достоверность этой информации. К значительным достоинствам МГК относится возможность сократить размерность диагностической модели, что позволяет упростить работу системы.

Алгоритм работы МГК состоит из следующих шагов:

1. Формирование начальной выборки данных Х°к (к=0) из п строк (результатов измерений) и р столбцов (наименований контролируемых переменных) при нормальных условиях работы процесса. Элементы матрицы Х\ нормируются к нулевому среднему и единичной дисперсии, образуя матрицу X, которая проверяется на наличие выбросов.

2. Формирование МГК-модели определение числа главных компонент, учитываемых в модели и разложение матрицы X по главным компонентам.

3. Вычисление пороговых значений Со и Ст2 для статистик р (нарушения внутри модели МГК) и Т2 (нарушения, не описываемые моделью МГК). Первые три шага - построение модели МГК, с четвертого шага начинается мониторинг процесса.

4. Осуществление центрирования и нормирования поступившего вектора новых наблюдений хг (ге[1, И]), полученного в результате очередного опроса датчиков через интервал опроса, с учетом рассчитанных ранее значений математических ожиданий и среднеквадратических отклонений.

5. Вычисление статистик <3 и Т2 и сравнение их с пороговыми значениями: 0>СдИ Т" >СТ,.

6. Если в течение пяти последовательных шагов какая-либо из статистик превышает пороговое значение, то нарушение считается обнаруженным.

7. Если в течение N шагов превышения пороговых значений не происходит, то из запомненных N вектор-строк {Х], ..., хм} формируется новая матрица Хк+], строится новая МПС-модель, определяются новые значения порогов Со и Ст2, а далее производится возврат к пункту 4.

В работе предложено усовершенствовать общепринятый алгоритм, добавив второе окно измерений. Первое окно представляет собой короткий интервал времени (500 секунд), по которому можно определить быстроразви-вающиеся нарушения, такие как хлопки, понижение уровня воды в барабане котла и т.п. Второе окно включает гораздо больший интервал времени (порядка 2500000 секунд, что равно 28 суткам). Это окно служит для определения медленно развивающихся нарушений, например, засорение внутренних

поверхностей труб, шлакование поверхностей нагрева, постепенных уход метрологических параметров датчиков и т.п.

При всех преимуществах МПС имеет одно серьезное ограничение. С помощью этого метода трудно идентифицировать причины, вызвавшие конкретную нештатную ситуацию. Поэтому в работе предложено использовать двух уровневую диагностическую систему. На первом уровне с помощью МГК происходит обнаружение развития нарушения. На втором уровне с помощью экспертной системы, представленной в виде фремово-продукционной системы производится идентификация причин, вызвавших нештатную ситуацию.

В третьей главе рассмотрена фреймово-продукционная система представляет собой, иерархическую модель, которая позволяет структурировать информацию, полученную от экспертов. Для проведения экспертного опроса были составлены листы опроса, которые предлагалось заполнить эксперту, и если это было необходимо, дополнить их. Затем были сформированы две группы экспертов: три специалиста содовщика и три оператора СРК. Такой состав экспертных групп позволил удалить противоречия из экспертной информации, полученной от специалистов разного профиля.

На первом этапе анализа экспертной информации использовалась стратегия удаления противоречий, которая заключалась в сопоставлении полученной от экспертов на данный момент информации с полученной ранее, и в проверке ее на непротиворечивость.

На втором этапе производились обработка и поиск противоречий уже в первично обработанной информации. Все выявленные противоречивые ответы были представлены экспертам для осмысления и устранения.

В результате анализа ответов экспертов был составлен окончательный список возможных нештатных ситуаций, их приоритетов (опасность ситуации), а также необходимых действий, которые рекомендуются оператору для устранения причин нештатных ситуаций.

Все диагностические показатели были разделены на три группы. В первую вошли диагностические показатели, которые обеспечены средствами автоматического контроля и могут быть использованы системой диагностики непосредственно. Во вторую группу вошли показатели, которые определяются по результатам лабораторно-аналитического контроля и применяются в системе диагностики как дополнительные факторы. В третью группу вошли характеристики, которые рассчитываются с помощью математических моделей.

При формировании иерархической структуры фреймово-продукционной модели, на основе декомпозиции объекта были выделены корневые фреймы, (табл. 1). Фрейм активизируется, если основные переменные, характеризующие группы ситуаций, связанных с этим фреймом, превышают пороговые значения.

Корневому фрейму подчинены дочерние фреймы, объединяющие описание конкретных нарушений, с точки зрения вызывающих их причин (табл. 2). Причины описаны нечеткими продукционными правилами. Для выявления

конкретной причины нарушения каждому нарушению соответствуют свои значения диагностических показателей. Эти типовые значения вводятся в левые части продукционных правил.

Обозначение Содержимое слота

РгК, Имя корневого фрейма: Нарушения в пароводяном тракте

Могг^,} Диагностические показатели, I е [1,4 ]: = 1'вх воды-1- = Г(Рых воды< 6,8 МПа) - давление воды на входе котла эг = рН Т = ЙрН > 9,3) - рН котловой воды Бз = Тпит.воды "Г = АЧГпит.воды > 85 °С) - температура питательной воды после экономайзера 54 = иТ = ЩЛ > 230В) - папряжение в сети питания приборов АСУТГ1

1ГП1 {^1} (Ух1) Матрица причинно следственных отношений 4x4: 51 ИгО, 81 Бз К4

< > > >

I 0,35

2 0,3

3 0,1

4 0,5

81, Статус $1=0/ 81=1 если хоть один б, > /,у|

газ,., РГ0,.2 М>,.з Дочерние фреймы у е [1,4]: 1. Нарушения, связанные с барабаном котла и водяной частью котла 2. Вспенивание воды 3. Выход из строя водоуказательных приборов 4. Гидравлические удары

Таблица 2. Структура одного из дочерних фреймов первого

Обозначение Содержимое слота

М)и Имя дочернего фрейма: Нарушения, связанные с барабаном котла

РгК, Имя корневого фрейма: Нарушения в пароводяном тракте

№Г1={3;} Определяющие диагностические показатели: =Г(Рек8ойы < 6,75 МПа) или ДР«> 6,85 МПа) - давление воды на входе в котел =№< «оды <80 т/ч или Ив* вогы > 82 т/ч) - расход воды на входе в котел эз = ДТвр реакц сист > 2 с) - время реакции системы автоматического управления в пароводяном тракте =Яй шум в топке = 1) - шум в топке ДЬбар < -150 мм ) -нижняя отметка в верхнем барабане котла относительно его середины Бб = ДЬбдр < +150 мм ) - верхняя отметка в верхнем барабане котла относительно его середины б? = ДТвых пара <38 кг/см2) - давление пара на выходе из котла Ба = СКО(Ьбар) - скачки уровня воды в барабане

БМ,., Список правил, описывающих причины

М-, | ЕСЛИ 31=1 & 32=1 & 33=1 & 54=1 & =1, ТОРё!, ЯС(

Продолжение табл. 2

Обозначение Содержимое слота

Если 3) ф бз =1 & вб =1 & = 1, то Т>яг, Исг

ИЦ Если Э! ф 52. то Dgз, Ясз

ИЦ ЕСЛИ Б! ф Б2 & Я] =1 & &)=1, & Яв = 1, ТО ИСц

Список возможных ситуаций и причин

Од, Отклонение уровня воды в барабане

ОЙ Повышение уровня воды в барабане

Ьяз Вибрации питательных трубопроводов

Удары в паропроводе

Список рекомендаций по устранению нарушений

Ее, Проверить исправность системы регулирования, проверить отсутствие течи в топку. Если есть течь, остановить котел. Если нет, увеличить подачу питательной воды

Кеси Исг Проверить исправность системы регулирования, продуть водоуказатель-ные колонки, проверить расход питательной воды. Открыть аварийный сброс

Остановить котел, проверить трубы, произвести ремонт

Яс4 Остановить котел, отремонтировать трубы

При активации корневого фрейма активизируются фреймы с дочерними ситуациями, имеющими сходные симптомы, и производится просмотр условных частей продукционных правил. Выбор конкретной причины из списка конкурирующих (ситуации, имеющие сходные симптомы), принимается по результатам оценки степени близости ситуаций текущего технологического процесса и декларированных в правилах фреймово- продукционной модели. Оценка степени близости ведется посредством сравнения вектора ситуации, наблюдаемой на процессе, с векторами описаний причин нештатной ситуаций, включенных в условные части правил диагностической модели.

Каждое продукционное правило представлено нечетким множеством А(и1), являющимся подмножеством универсального множества и, включающего в качестве элементов все возможные диагностические показатели и; (и|еЦ), степени проявления которых в данной ситуации (функций принадлежности ЦбСиО) входят в левые части правил диагностической модели (ДМ). В результате ситуация для каждого продукционного правила описывается в ДМ вектором Б* = (в!*, Бг*,... в/), элементы которого б^Цб »(и;*) отражают типовое значение показателей при появлении конкретного нарушения. Текущая ситуация на технологическом процессе в СРК описывается вектором Б= (Бь 32,... 5]).

Из различных критериев оценки степени близости ситуаций, записанных в правиле, к текущей ситуации на процессе, был выбран наиболее чувствительный критерий, построенный на основе скалярного произведения векторов 5 и 5*:

Ik-л)

SM{S,S*) =-,-*- , (6)

\ 1 J

где J (j e [ 1, J]) - число параметров в предусловии правила. В результате процедура идентификации причин нарушения выглядит следующим образом.

1. После фиксации факта возникновения нарушения начинается сканирование цепочки корневых фреймов. При этом вектор основных показателей, соответствующих нештатным ситуациям, в каждом корневом фрейме сравнивается с декларированными пороговыми значениями. При превышении хотя бы одним из симптомов данного порога, этот корневой фрейм активируется и управление передается в его дочерний фрейм соответствующий данной строке таблицы.

2. Производится просмотр всех продукционных правил в соответствующем слоте дочернего фрейма и оценивается степень близости вектора показателей, описывающих текущую ситуацию, ситуациям, декларированным в правилах, по критерию (6).

Значения критерия сравниваются с эмпирически выбранным пороговым значением у, при превышении которого в нескольких последовательных циклах причина ситуации считается идентифицированной. Чем он выше, тем больше запаздывание в идентификации причин нарушения, и наоборот, чем он ниже, тем больше ошибочных идентификаций (ложных тревог).

3. Если обнаруживается выход хотя бы одной из оценок близости нарушения за пороговое значение, то продукционное правило, соответствующее конкретной оценки, срабатывает и оператору выдаются текстовые сообщения по конкретному нарушению: его причина, степень развития и рекомендации к действиям по устранению нарушения.

Работа данного метода диагностики была проверена имитационным моделированием с использованием данных полученных с реального СРК. Для этого была собрана и сформирована выборка значений параметров процесса в СРК, учитывающая около 50 параметров (% абсолютно сухого вещества, расход черного щелока, расходы воздухов и др.), измеренных с частотой 1 раз в секунду в течение одних суток, т.е. объем выборки составляет 4 млн. значений в сутки. На основе этой выборки была синтезирована МГК модель, характеризующая нормальный режим работы СРК.

На следующем этапе был проведен опрос экспертов. На основе данных, полученных от экспертов, была сформирована двухуровневая фреймовая модель.

В четвертой главе для проверки работоспособности системы диагностики было решено задать нарушения, с помощью имитационного моделирования, т.к. добыть информацию с процесса содержащую нарушения не удалось. Для этого была использована модель, разработанная Житковым В.В. Для того, чтобы усложнить работу системы диагностики, были смоделирова-

ны конкурирующие ситуации (нештатные ситуации, имеющие схожие симптомы)

В примере один рассмотрены две ситуации и Б2), входящие в корневой фрейм «нарушения в пароводяном тракте» (рис. 2 и рис. 3).

Момент обнаружения Q статистикой нештатной ситуации

Момент обнаружения Т статистикой нештатной ситуации

100 200 300 400 500 100 200 300 400 500

3 2 б Рис. 2. Динамика изменения Q статистики (а) и Т статистики (б) во

время развития ситуации S1

Момент идентификации нарушения S1

1

0,95 0,9 0,85 0,8 0,75 0,7 0.65

Развитие "ситуаций^! Полог ¿0.3' i Ч ¡

i А/ i ;

Развитие( :ит} аций S2; /v

В! Он ¡ ^ и : и ; ! IA

J * i ni-ПК ГОВ

100

200 300 400 500

Рис. 3. Идентификация нарушения Б1 с применением критерия близости ситуаций

Если давление пара на выходе из котла равно давлению воды на входе в котел и уровень воды в барабане падает, то соответственно отмечается критическое понижение уровня воды в СРК (81). Конкурирующая с ней ситуа-

ция, заключается в том, что, если давление пара на выходе из котла и давление пара на саже обдувку не равно давлению воды на входе в котел и уровень воды в барабане постоянный или падает, то диагностируется свищ в трубах котлоагрегата (82). Общими симптомами для этих двух ситуаций является уменьшение уровня воды в барабане, а так же изменение соотношения между давлением питательной воды и пара.

Как видно из рис. 2 Т2 - статистика смогла определить развитие нарушения на 140 шаге. Идентификация нарушения Б1 произведена на 298 шаге согласно рис. 3. Т. к. частота измерений параметров 1Гц, то уже через две с половиной минуты оператор получил рекомендации по устранению нарушения. Для этого вида нарушений и динамики развития нарушения, полученная скорость работы системы диагностики считается достаточно быстрой.

Как показало исследование первых двух конкурирующих ситуаций, система диагностики уверенно различает ситуации, имеющие сходные симптомы.

Вторая пара ситуаций относится к фрейму «нарушения процесса горения в топке» (рис. 4 и рис. 5). Если температура черного щелока падает и расход первичного,

вторичного и третичного воздуха также падает и снижается концентрация абсолютно сухих веществ, то возможно прекращение горения на поду топки (ЯЗ). Если подача первичного воздуха падает, в топке растет разряжение и концентрация абсолютно сухих веществ падает, то возможны взрывы в топке (84). Общими симптомами в данных ситуациях служат изменение процента содержания абсолютно сухих веществ и расхода общего воздуха.

7000

5000 3000

1000

100 200 300 400 500 100 200 300 400 500

3 6 2 Рис. 4. Динамика изменения С> статистики (а) и Т статистики (б)

во время развития ситуации 83

Момент обнаружения О статистикой нештатной ситуации

Момент обнаружения Т статистикой непггатной ситуаиии

100 200 300 400 500

Рис.5. Идентификация нарушения S3 с применением критерия близости

ситуаций

Обнаружение нарушения Т2 - статистикой производится на 140 шаге (рис. 4). А обнаружение причин производится уже на 290 шаге, т.е. уже через 150 шагов после обнаружения нарушения Т2 - статистикой (рис. 5). При этом даже изменение одного симптома ведет к обнаружению нарушения Т2 - статистикой, и затем идентификация причин нарушения производится по оставшимся симптомам.

Для демонстрации работы второго окна МГК был сформирован новый массив данных в 2500000 измерений. Была выбрана новая пара ситуаций, которые имеют малую динамику развития. Ситуация S5 - зашламление экранных труб и S6 - коррозия экранных труб (рис 6 и рис 7).

Момент обнаружения Q статистикой нештатной ситуации

Момент обнаружения Т статистикой нештатной ситуации

100

60

20

2495000 2497500 2500000 а

2495000

Порог =

48

2497500 б

2500000

Рис. 6. Динамика изменения С* статистики (а) и Т2 статистики (б) во время развития ситуации Б5

0.95 0.9 0.85 0.8 0.75 0.7 0.65

Рис.7. Идентификация нарушения S5 с применением критерия близости

ситуаций

Обнаружение нарушения Т2 - статистикой производится на 2497364 шаге (рис. 6). А обнаружение причин производится уже на 2497801 шаге, т.е. уже через 437 шагов после обнаружения нарушения Т2 - статистикой (рис. 7). При этом даже изменение одного симптома ведет к обнаружению нарушения Т -статистикой, и затем идентификация причин нарушения производится по оставшимся симптомам.

В итоге имитационное моделирование нештатных ситуаций и проверка работы системы диагностики на смоделированных данных позволили утверждать, что идентификация причин вызвавших нарушение в функционировании СРК производится устойчиво и достаточно оперативно даже в наиболее сложных ситуациях для диагностики нештатных ситуаций, когда развиваются нарушения, которые имеют ряд общих симптомов.

Основные результаты диссертационной работы

1. Проведена структурная декомпозиция СРК, позволившая сформулировать задачи диагностирования нештатных ситуаций на предприятиях ЦБП с помощью существующего измерительно-информационного обеспечения АСУТП СРК.

2. Проведенные теоретические исследования диагностических моделей позволили выбрать двухуровневый подход к определению нарушений в технологических процессах содорегенерационного котлоагрегата на основе моделей метода главных компонент и фреймово-продукционной экспертной модели, позволяющих, установить факты появления нештатных ситуаций на ранней стадии их развития, и выявить причины нештатных ситуаций.

3. Разработана двухуровневая система диагностики, в которой на первом уровне, с помощью метода главных компонент определяется раннее по-

Развитие си-! i

туаций S5i • ; У liop6r=':0,9

......!......1......|......|\К ¡--Развитиедси.-

\±ХУ\ ; тукщщ S6

§Г\ I j ! - ! . -' -

iii!

§-: М М j | n -jiua^oB

2495000 2497500 2500000

явление нарушений в процессах СРК. На втором уровне системы диагностики на первом этапе анализируются симптомы нарушений в корневых фреймах и на втором этапе активизируются в соответствующих корневых фреймах дочерние фреймы, в которых обнаруживаются их причины на основе использования экспертных знаний.

4. Предлагаемая диагностическая система выполнена в виде программного модуля, предназначенного для интеграции в АСУТП процессами содо-регенерационным котлоагрегатом, что позволяет облегчить практическое внедрение этой системы на действующих содорегенерационных котлоагрега-тах.

5. Предложенный подход к созданию системы диагностики СРК, м.б. использован на ряде предприятий ЦБП. На основе измерительной информации полученной от системы АСУТП конкретного технологического объекта происходит слежение за состоянием технологического процесса. При этом ее настройка, как и в приведенном примере, осуществляется с помощью опроса экспертов работающих на этом технологическом объекте.

6. Создана методика обработки экспертных оценок причин нарушений работы СРК согласно его декомпозиции, позволяющая уточнять, дополнять и фильтровать базу знаний, полученных от групп экспертов, работающих на каждом конкретном содорегенерационном котлоагрегате.

7. Проведено моделирование в пакете Matlab(Simulink) двухуровневой системы диагностики, с использованием предложенных алгоритмов, что позволило подтвердить работоспособность и эффективность разработанного подхода к диагностированию нештатных ситуаций в СРК.

Публикации по теме диссертации

1. Горьковой Е.В., Рудакова И.В., Суриков В.Н. К вопросу о создании системы диагностики для содорегенерационных котлов // Целлюлоза. Бумага. Картон. 2010. №6. С. 54-57.

2. Горьковой Е.В., Рудакова И.В., Суриков В.Н. Двухуровневая система диагностики содорегенерационных котлов И Целлюлоза. Бумага. Картон. 2010. №7. С. 70-74.

3. Горьковой Е.В. Применение метода главных компонентов на содорегенерационном котле для обнаружения внештатных ситуаций // Машины и аппараты целлюлозно-бумажного производства: межвуз. сб. науч. тр. / ред-кол. Куров B.C. и др. СПб.: ГОУВПО СПбГТУРП, 2008. С. 109-113.

4. Горьковой Е.В. Локализация и идентификация нештатных ситуаций при эксплуатации содорегенерационных котлов // Машины и аппараты целлюлозно-бумажного производства: межвуз. сб. науч. тр. / редкол. Куров B.C. и др. СПб.: ГОУВПО СПбГТУРП, 2011. С. 65-71.

Подписано в печать 31.01.2012 г. Формат 60x84 1\16 Печать офсетная. Бумага офсетная. Объём: 1,0 усл. печ. л. Тираж 100 экз. Заказ № 39.

Типография РПТУ им. А. И. Герцена 191186, Санкт-Петербург, наб. р. Мойки, 48

61 12-5/1703

Федеральная государственная бюджетная организация высшего профессионального образования «Санкт-Петербургский государственный технологический университет растительных полимеров»

На правах рукописи

Горьковой Евгений Владимирович

Диагностика состояния содорегенерационного котлоагрегата с целью повышения эффективности его работы

05.21.03 «Технология и оборудование химической переработки биомассы

дерева; химия древесины»

05.13.06 «Автоматизация и управление технологическими процессами и

производствами»

Диссертация на соискание ученой степени кандидата технических наук

Научные руководители: к.т.н., проф., Суриков Валерий Николаевич к.т.н., доц., Житков Владимир Викторович

г. Санкт-Петербург, 2012

Содержание

Введение.................................................................................4 стр.

Глава 1. Описание СРК как объекта исследования..............................8 стр.

1.1 Описание СРК как объекта исследования и его место в производстве............................................................................8 стр.

1.2 Конструкция СРК и принцип его работы...................................12 стр.

1.3 Информационное обеспечение системы управления

содорегенерационным котлом......................................................22 стр.

1.4 Особенности процесса восстановления щелоков как объекта управления и оценка потенциальной опасности нарушений в ходе процесса сжигания

черных щелоков......................................................................28 стр.

Выводы к 1-ой главе.................................................................32 стр.

Глава 2. Теоретические основы алгоритма функционирования системы диагностики нештатных ситуаций СРК..........................................33 стр.

2.1 Анализ методов диагностики технологических процессов.............34 стр.

2.2 Математическое описание метода главных компонент..................47 стр.

2.3 Разработка алгоритма системы диагностики производственных ситуаций в СРК.......................................................................54 стр.

2.4 Методики идентификации нештатных ситуаций с помощью МГК..55 стр.

Выводы к 2-ой главе.................................................................60 стр.

Глава 3. Разработка системы диагностики нештатных ситуаций СРК.. ..62 стр.

3.1 Выбор метода представления знаний для экспертной системы........62 стр.

3.2 Создание экспертных оценок нештатных ситуаций в СРК.............64 стр.

3.3 Особенности применения экспертных оценок как второго уровня анализа нештатных ситуаций.................................................................72 стр.

3.4 Методы идентификации нештатных ситуаций декларированных в

правилах...............................................................................77 стр.

Выводы к 3-ей главе.................................................................83 стр.

Глава 4. Экспериментальное исследование диагностики нештатных

ситуаций в СРК......................................................................85 стр.

4.1 Формирование массива данных для тестирования.......................85 стр.

4.2 Алгоритм имитационного моделирования нештатных

ситуаций в технологическом процессе СРК...................................94 стр.

4.3 Синтез программы имитационного моделирования....................98 стр.

4.4 Проверка работы диагностической системы.............................101 стр.

Выводы к 4-ой главе...............................................................115 стр.

Основные результаты диссертационной работе..............................116 стр.

Литература...........................................................................118 стр.

Приложение...........................................................................130 стр.

Введение

Актуальность работы. Содорегенерационные котлоагрегаты (СРК) являются одним из самых сложных и ответственных технологических агрегатов в целлюлозобумажной промышленности (ЦБП). От стабильности и надежности работы СРК зависит эффективность регенерации сульфида натрия из черных щелоков и возврат химикатов в варочный процесс при производстве целлюлозы.

Еще в 80-ых годах 20 века группой ученых: Жучковым П.А., Смородинйм С.Н., Дорониным В.А и другими активно изучались процессы, происходящие в котлоагрегате, а так же способы управления технологическими процессами, обеспечивающие их стабильность. В настоящее время СРК оснащены V современными сложными иерархическими системами автоматического управления технологическим процессом (АСУТП). Тем не менее, на этом технологическом процессе периодически возникают аварийные ситуации, порой чрезвычайно катастрофические. Иностранные компании повышают безопасность функционирования СРК с помощью тепловизоров, устанавливаемых в топках котлов. Однако без соответствующих технических реконструкций СРК и информационно-математического обеспечения управления их применение не решает проблемы обнаружения нештатных ситуаций в сложных химико-энергетических процессах СРК на предприятиях целлюлознобумажной промышленности.

В этой ситуации необходимо разработать новые подходы для обеспечения безопасности эксплуатации существующих и создаваемых СРК.

Цель диссертационной работы заключается в разработке диагностических методов, способов и алгоритмов слежения за состоянием технологических процессов в СРК для обнаружения нештатных ситуаций в работе СРК на ранних этапах их развития, определения причин нарушения и выдачи оператору рекомендации по их устранению еще до срабатывания систем автоматической защиты котлоагрегата.

Задачи исследований.

1) Исследовать процессы, протекающие в СРК. Провести анализ существующей системы АСУТП и предложить информационно-измерительное обеспечение, которое можно использовать для диагностирования состояний процессов в СРК.

2) На основе проведенной декомпозиции технологических процессов в СРК проанализировать и выделить их потенциально опасные ситуации.

3) Изучить и обосновать выбор математических моделей для

яп

диагностирования нарушений в СРК.

4) Разработать алгоритмы для системы диагностики СРК, которые позволят в составе АСУТП, обнаруживать нарушения на раннем этапе их развития, определять причины их возникновения и их устранять.

5) Провести экспериментальное исследование предложенной диагностической системы для подтверждения ее работоспособности и эффективности.

Научная новизна работы.

1. Создана система диагностирования технологических процессов СРК с использованием их декомпозиции, позволяющая с помощью двухуровневых моделей диагностики обнаруживать и идентифицировать нештатные ситуации, а так же давать рекомендации по их устранению.

2. Выполнено аналитическое исследование процесса сжигания черных щелоков в СРК, позволившее адаптировать его математическое описание для идентификации нештатных ситуаций в котлоагрегатах.

3. Предложена комбинация двух типов моделей диагностирования нарушений в технологическом процессе СРК, обеспечивающая непрерывное выявление нештатных ситуаций, их причин и способов устранения последствий.

4. Разработан алгоритм работы системы диагностики СРК на основе предложенной комбинированной модели ее функционирования.

Практическая ценность.

1. Разработано и практически опробовано программно-алгоритмическое обеспечение функционирования системы диагностики содорегенерационных котлоагрегатов, что позволяет реализовать диагностирование технологических процессов в составе АСУТП котлоагрегатов.

2. Составлена методика опроса экспертов, на основе которой формируется фреймово-продукционная модель для конкретного содорегенерационного котлоагрегата.

3. Синтезирована двухуровневая фреймово-продукционная модель, которая за счет иерархической структуры ускоряет работу диагностической системы.

4. Система диагностики с использованием результатов опроса экспертов Сегежского ЦБП реализована и опробована в виде отдельного программного модуля, что позволяет ее легко внедрить в любую существующую систему управления содорегенерационным котлоагрегатом.

Положения, выносимые на защиту.

1. Двухуровневая система диагностики технологических процессов содорегенерационного котлоагрегата, построенная на основе двухуровневых моделей диагностирования, что позволяет обеспечить раннее обнаружение развития нештатных ситуаций, идентификацию причин нарушений в технологических процессах котлоагрегатов и их устранение.

2. Модель процесса сжигания черных щелоков в СРК, адаптированную к обнаружению нештатных ситуаций в котлоагрегатах.

3. Комбинированная диагностическая модель для содорегенерационного котлоагрегата, состоящая из модели по методу главных компонент и двухуровневой фреймово-продукционной модели и обеспечивающая

обнаружение и идентификацию нарушений в технологических процессах даже при различной скорости их развития.

4. Алгоритм функционирования системы диагностики в составе действующей АСУТП содорегенерационного котла, включающий две стадии: непрерывный мониторинг технологического процесса в пространстве главных компонент, активизацию фреймов при обнаружении нарушений, поиск конкретной причины нарушения.

5. Методику опроса экспертов для создания фреймово-продукционной модели, которая определяет причины нештатных ситуаций обеспечивающую непротиворечивые оценки причин неисправностей в СРК на основе его декомпозиции.

Методика исследований. В ходе выполнения работы были использованы методы теории технической диагностики, теории вероятностей, теории случайных процессов, математической статистики, сбора и обработки экспертной информации.

Достоверность основных положений и выводов подтверждается

• полным аналитическим исследованием методов диагностирования и

¿К: ■

моделей технологических процессов, происходящих в СРК

• положительными результатами имитационного моделирования системы диагностирования нештатных ситуаций в СРК на основе большого объема статистических экспериментальных данных.

• апробацией результатов работы в печати и на научно-технических обсуждениях / : • > 5 ,

Глава 1. Описание содорегенерационного котлоагрегата как объекта

исследования

\ ,

1.Юписание СРК и его место в производстве ;

Содорегенерационный котлоагрегат (СРК) является важным элементом цикла регенерации химикатов сульфат-целлюлозного завода и предназначен для регенерации (восстановления свойств) черного щелока, отработанного в процессе варки целлюлозы. Процесс регенерации черного щелока осуществляется в топке СРК за счет его сжигания. Тепловая энергия, выделенная в процессе сжигания органических соединений черного щелока, утилизируется в котле для производства перегретого водяного пара. Объединение химических и тепловых процессов в одном агрегате делает его сложным энерготехнологическим объектом управления: в нем объединены химический реактор с паровым энергетическим котлоагрегатом и это существенно усложняет управление таким энерготехнологическим объектом. СРК различаются по производительности, которая определяется расходом щелока подаваемого в топку котла и измеряется в тоннах за сутки. Производительность СРК, установленных в России, очень сильно различаются между собой, минимальная производительность — 250 т щелока в сутки, а максимальная — 2000 т [1, 2, 3]. СРК отличаются между собой по количеству барабанов в котле, по степени упаривания черного щелока (по проценту абсолютно сухих веществ), используемого для сжигания в СРК, по количеству вводимого воздуха в топку котлоагрегата. ш й , 4

Пик развития содорегенерационных котлов пришелся на восьмидесятые годы двадцатого века. Разными фирмами активно вносились изменения в конструктивные части котла с целью обеспечить максимальную степень восстановления щелоков и в тоже время уменьшить унос химикатов. Было разработано множество вариантов сжигания щелоков, но одним из самых эффективных считается способ скандинавских фирм Tampella, Alstrom, Getaverken с многоуровневой подачей воздуха[4, 5, 6, 7, 8].

Структура современного СРК представлена на рис. 1.1. Котел имеет П-образную компоновку, внутренние экранные поверхности рассчитаны под естественную циркуляцию теплоносителя [9]. Экранная система топки котла состоит из верхнего и нижнего барабана и экранных поверхностей, причем нижний барабан используется как коллектор для теплоносителя, а через верхний барабан, производится удаление пара в пароперегреватель. В котле сжигается черный щелок, поступивший после концентраторов, с содержанием абсолютно сухих веществ порядка 65%. Минеральная часть щелоков скапливается на поду топки в виде огарка, где происходит окончательное дожигание органической части и восстановление щелока. Подача воздуха идет тремя потоками. Первичный поток (порядка 60%) , используемый для подсушки щелоков, подается через горелки черных щелоков, вторичный поток подается в верхнюю часть топки

. Подогрев летки водой

Дроблений плава паром

-ЗштенБй ^1 ш^елок

Рис 1.1 Структура СРК (1 Топка. 2 Пароводяной поток. 3 Поток дымовых газов. 4 Поток плава и зеленого щелока)

для ограничения высоты огарка и дополнительной подсушки щелоков и третичный поток используется для поддержания процесса горения (на рис. 1 не показан). Тепло, выделяемое в процессе сжигания щелоков, утилизируется в виде пара средних параметров. Плав, образовавшийся в итоге сжигания щелоков, попадает в бак смесителя плава, где происходит окончательное довосстановление щелоков.

Несмотря на то, что сложный процесс восстановления щелоков достаточно хорошо автоматизирован, периодически происходят аварии, которые системы автоматического управления СРК не могут прогнозировать для своевременного предотвращения [10, 11, 12, 13]. Это связано частично с тем, что при управлении котлом приходится учитывать много параметров: более 250, если рассматривать СРК как стандартный паровой котел, и более 400, если учесть еще и параметры, связанные с восстановлением химикатов и особенностью сжигания щелоков. При этом ряд важнейших параметров, например, восстановление щелоков, положение «подушки» огарка, прогретость поверхности огарка, определяются только с помощью лабораторного анализа или визуально оператором. Для автоматического контроля этих параметров делались попытки установить тепловизор в топку котла. Эти попытки пока оказались неудачны из-за того, что черный щелок при сжигании выделяет очень много золы, которая забивает чувствительные поверхности тепловизора, и для его установки требуется менять конструкцию топки.

Западные компании делают попытки по установки тепловизора в топку котла, но даже такой шаг не решает всех проблем. Для идентификации результатов измерений тепловизором требуется собрать выборку данных. Для целлюлозо-бумажных комбинатов это является достаточно большой проблемой, разные предприятия имеют котлоагрегаты с разными конструктивными особенностями, и даже, если набрать статистику для одного конкретного котла, не возможно перенести данные на другой котел по принципу общности [16,17, 19, 20]. Хотя установка тепловизора на новые СРК

считается перспективной, но остается множество «старых» котлоагрегатов, процессами в которых нужно более эффективно управлять, с точки зрения исключения потенциально опасных ситуаций.

Для более детального изучения СРК требуется определить его место в производстве целлюлозы [21, 22]. Принципиальная схема производства целлюлозы из древесины сульфатным способом включает несколько этапов. Сначала производится приготовление щепы для варки целлюлозы, для этого на предприятие доставляется древесина, затем с нее счищается кора. Далее в рубительной машине производится приготовление древесной щепы. Щепу варят для выделения из древесины целлюлозы, варку осуществляют в растворе белого щелока при температуре 170 - 175 °С и давлении 1,0-1,1 МПа, при этом из древесины вываривается лигнин и прочие связующие вещества. Затем производится отделение целлюлозы, которая идет на производство бумаги, от отработанных, так называемых черных, щелоков путем промывки целлюлозы. Для экономии химикатов на четвертом этапе производится регенерация щелоков, за счет выжигания органических компонентов перешедших в щелока во время варки щепы и образования целлюлозы.

Черный щелок после варки сразу не сжечь [13, 14] для того, чтобы была возможна реакция горения щелоков их выпаривают, т.е. повышают содержание абсолютно сухого вещества (а.с.в.) до 50-65%. При содержании такого процента сухих веществ в черном щелоке возможна реакция горения без дополнительной «подсветки» (сжигание других видов топлив для поддержания реакции горения). В состав минеральной части черного щелока в основном входят натриевые соединения: свободный едкий натр (0,5-3% от массы абсолютно сухого вещества (а.с.в.)), сульфид натрия (1,3-6% от массы а.с.в.) и сульфата натрия (1,5-7%). Небольшая часть минеральных веществ состоит из: гипса Са804, алюмината (КаА102), хлорида (Т\ГаС1), сульфита (Иа^Оз), тиосульфата (Ка28203) и в очень малых дозах другие соединения. Соотношение и содержание лигнина и продуктов разрушения углеводов в черных щелоках

зависит от используемого сырья, т.е. от вида древесины, которая пошла на варку [1,2].

Регенерация белого щело�