Sistemas de Control de Factorias Azucareras
-
Upload
max-valderrama -
Category
Documents
-
view
55 -
download
5
Transcript of Sistemas de Control de Factorias Azucareras
Sistemas de control de factorías azucareras
Prof. Cesar de PradaDpt. Ingeniería de Sistemas y Automática
Universidad de Valladolid, Españ[email protected]
Indice
Factorías azucareras
¿Que es Control avanzado?
Estructuras de control
Sistemas de control y objetivos de operación en factorías azucareras– Simulador del proceso
Control predictivo– HITO
Optimización de planta completa– RTO
Importancia de los modelos y la optimización (y el software)
Valladolid (España)
••Capital de CastillaCapital de Castilla--LeLeóónn
Madrid
Universidad de Valladolid
La Universidad de Valladolid es la segunda mas antigua de España (siglo XIII )
26000 alumnos
Facultades y Escuelas:
Derecho, Medicina, Humanidades, Lenguas, Económicas, Arquitectura, Fisicas, Química, Matemáticas,…
Ingenierias: Industrial, Química, Informática, Telecomunicaciones, Electrónica, Automática y Electrónica Industrial, Organización Industrial
Departamento de Ingeniería de Sistemas y Automática
Opera desde 1973
Escuela de Ingenierías Industriales
Grupo de investigación en Control y supervisión de procesos– CTA
Master y Doctorado en “Ingeniería de procesos y Sistemas”, mención de calidad del MEC desde su origen
Dpt. Ingeniería de Sistemas y Automática (ISA)
Edificio de la Facultad de Ciencias
Grupo de Investigación Reconocido en Control y Supervisión de Procesos
2 Catedráticos
5 Prof. Titulares
4 Prof. Contratados
12 becarios doctoralesc\ Real de Burgos, s/n 47011 Valladolidweb: http://www.isa.cie.uva.esSecretaría: [email protected]
CTA Centro de Tecnología AzucareraCentro mixto de la UVA con participación y financiación de la industria azucarera española
http://www.cta.uva.es
Otra cooperación industrial estable:
Repsol-YPFEmpresarios AgrupadosCERN
Redes de Investigación Int. HYCON2CITEDALFA
Simuladores
Control
Optimización
GIR en “Control y Supervisión de Procesos”
Modelado y Simulación de Procesos
Optimización de Procesos
Control Avanzado de Procesos (Predictivo, Hibrido)
Detección y Diagnostico de fallos
Investigación en métodos y algoritmos
Desarrollo de sistemas y software
Aplicaciones industriales
Líneas de Investigación
Enfoque de las actividades, combinar:
Web
http://www.isa.cie.uva.es http://www.isa.cie.uva.es/csp
Comité Español de Automática CEA
Sociedad Española de Control Automático
Miembro de IFAC
400 socios
Jornadas de Automática /grupos temáticos / Estudios
Revista RIAI (Revista Iberoamericana de Automática e Informática Industrial)– Indexada JCR/SCI ISI, SCOPUS– Desde Enero 2011 Revista Elsevier– Unica revista indexada en Español– Acceso electrónico libre– http://riai.isa.upv.es/riai
Publicación periódica de ámbito internacional editada y distribuida por CEA.
Sistemas de control en azucareras Indice
Fábrica de azucar (Remolacha / Caña)
Descripción de objetivos de operación de las secciones y unidades de proceso
Descripción del sistemas de control de diversas secciones y unidades de proceso en:– Evaporación– Calderas– Cuarto de azucar– Depuración– Columnas de destilación
Aplicaciones de control avanzado, supervisión y operación de planta
Esquema de una azucarera
evaporación
Cuarto de azúcar
depuracióndifusiónremolacha
Pulpa húmeda
Azúcar
melaza
Agua gas
Calderasde vapor
vapor
vapor
jarabevapor
jugo
turboalternador
jugo
Secadero depulpa
Pulpa seca
gas
Espumas
Separación mieles
Electricidad
Objetivo general: Obtener los mejores rendimientos, minimizando costos y maximizando la cantidad de remolacha/ caña procesada
MolinosCaña Bagazo
Sala de control
Sala de control
4 – 20 mA
Campo
Operación
Configuración
DCS
HART I/O
H1AS-i
DeviceNet/Profibus
EvaporaciónTipo Robert
jugo
vapor
Jugo concentrado
vahos incondensables
condensado
Presión de vapor < presión líquido
Evacuación de condensados e incondensables
EvaporaciónTipo Robert
jugo
vapor
Jugo concentrado
vahos incondensables
condensado
h
W/m2 sControl de nivel:
Seguridad + eficiencia
h
Tiempo de residencia V/F
Evaporadores
Tipo Flujo descendente / mas eficientes
jugo
vapor
Jugo concentrado
vahos incondensables
condensado
Jugo
recirculado
Crítico: Mantener el flujo de recirculación
agua
Condensador
Vapor
jugo Jarabe / Melado
FT FCLTLCLTLC
PC
PT
DC
DT
PT
Efecto múltiple
FY
Color / Descarga /Evaporación
Seguridad
Niveles hacia adelante / atrás
Presión de vahos último evaporador: rango limitado
Condensador
Vapor
jugo Jarabe
FT FCLTLCLTLC
PC
PT
PT
Efecto múltiple
DC
DT
PY
F0 c0 =F5 c5
Condensador
Vapor
jugo Jarabe
LT LCLT LC
PC
PT
PT
Efecto múltiple
LT LC
DC
DT
FT
FY
Perturbaciones: Demandas de tachas, etc
Control de la presión de vapor: Turbinas
Control Evaporación
jugo
LCAnte-
evaporación
tachas
jarabe
Grados de libertad:
Balance de presiones Distribución de la carga de consumo de vahos Gestión de paradas de limpieza
Supervisión: Ensuciamiento (T), Incondensables, Presión, color
Agua
Perturbaciones: Demandas tachas (fase no-mínima) Brix jugo
LC LC LC LC
Control evaporación
jugo
tachas
jarabe
AguaDC
DTFT
FC
FT
FY
PC
Simulador de Evaporación
Simulación con EcosimPro
Orientado a objetos
Modelado físico
Modelos reutilizables
EL lenguaje sencillo
Métodos numéricos potentes
Manejo de discontinuidades
Problemas de alto índice
Buena interfaz gráfica
www.ecosim.com
Versión gratuita en
Circuito vapor
Circuito jugo
Condensados
Autoevaporación
Control Predictivo de la evaporación (Benavente)
jugoPre-evaporación
refundidorajarabe
CV: brix 4 5Nivel ante-evap
MV: presión vapor. Flujo jarabe Vacio 5º injecciones de agua
MPC
w
y(t+j)
N2
Horizonte Predicción
ttiempo
u(t-1)u(t)
NuHorizontecontrol
ttiempo
Procesou y
MV CV
Modelou y
N1
MPC evaporación
MPC Evaporación
Condensador
TT TC
Torre de enfriamiento
Vahos
Agua friaPT
Calderas de vapor
FT FCFF
FCFT
PT PC
Aire
Gas
Humos
Vapor
LC LT
PT PC
Depresión del hogar
Aditivos Purgas agua
Circuito de aire
FT FCFF
FCFT
PT PC
Aire
Gas
Humos
Vapor
LT
AT
LC
AC
LL
HL
>
<
O2
Circuito de aire
FT FCFF
FCFT
PT PC
Aire
Gas
Humos
Vapor
LC
LT
AT
FT FC
FT
AC
LL
HL
>
<
O2AT
HS
CO
Seguridad / Fuel/Aire
Master: aire/combustible
Recuperación de calor
Caldera de vapor
Calderas
Co-generación: Turboalternadores
Control de turbos / presión
Cálculos auxiliares
SaturadorTT
TC
PT PY
Vapor sobrecalentado
Se calcula la temperatura de saturación en función de la presión del vapor
Tsat
PC
Agua
Depuración de jugos
Carbonatación
PC
A la atmósfera
PT
FT
FCFTAT
FF
pH
AC
Flujo de gas limitado
Jugo
CO2
Alcalinidad
RTO
Gestión de alto nivel del procesoObjetivos:
– Conocer el valor de todas las variables del proceso, medidas y no medidas
– Hacer un seguimiento de la operación: rendimientos, ensuciamientos, etc.
– Optimizar la operación desde un punto de vista de la gestión económica energética
Reconciliación de datos /Optimización
HART I/O
H1AS-i
DeviceNet/Profibus
Sistema dereconciliación
de datos yoptimización
OPC
Reconciliación de datos
Encontrar los datos de planta (y) y los valores de otras variables (z) o parámetros (p) que se acercan lo mas posible a los datos medidos y son coherentes con un modelo del proceso
00
min2
1
)p,z,y(g)p,z,y(f
cony
yyN
i m
mp,z,y
RTO
Re-estimar periódicamente los parámetros p del modelo usando datos del proceso
Encontrar los valores de los grados de libertad del proceso para optimizar la función de costo con el modelo estimado
Función de costo
Optimización
p
Estimación de
parametros p
Datos del proceso
Modelo
wz
Condiciones deoperación
RTO azucarera
RTO azucarera
RTO azucarera
Cuarto de azúcar
Vahos
Jarabe
Meladura
Melazas
Azucar (es)
Unidades fundamentales:
Tachos, cristalizadores al vacio
Centrifugas
Refundidora, cristalizadores verticales, malaxadores,..
Tacha
Cristalización
Fenómeno complejo
Generado por la sobresaturación– Velocidad de crecimiento– Pureza– Distribución de tamaños– Falso grano– Maclas (agitación)
No hay medida directa de la sobresaturación
– Conductividad– Viscosidad– Radiofrecuencia– Brix (Microondas)
Control indirecto: Mantener sobresaturación, ajustando a la vez el crecimiento del cristal al nivel de llenado
Cristales: Microscopio, Visión artificial (Clave para cerrar el lazo en la distribución de tamaños)
DC
PC
PC
Tacha
Lazos / estructuras de una tacha
LC
Ciclo de operación mediante PLC/DCS
PID + Grafcet
Etapa de carga
Vacio
Nivel
Sin vapor
PC
PC
Lazos / estructuras de una tacha
DC
Etapa de concentraciónNivelVacioPresión de la calandria
Sistemas de agitación
Etapa de siembra
Etapa de formación de grano
Etapa de aclarado
PC
PC
Lazos / estructuras de una tacha
Etapa de cocciónNivel/concentraciónVacioPresión de la calandria
DC
PC
PCNivel
Concentración
Ajustable
Depende del transmisor
CocidoBrix
Nivel
CocidoNivel
Sobresaturación
Cristal
Pureza
Cocido
Presión calandria Vacio (presión vahos)
Cuarto de azúcar
Centrifugas / Turbinas
Separación de cristales y mieles
Discontinuas: Primeros productos
Continuas: Segundos productos
Malaxadores
Tachas
Cristales Mieles
Masa cocida
Centrifuga
Gestión del cuarto de azucar
Procesar todo el jarabe
Mantener brix y pureza en los tanques de alimentación
Mantener niveles en los depósitos
Secuenciar las tachas en tiempo real
Flujos Total y Miel rica/pobre
Unidades continuas/ batch
richsyrup
sugar B
Continuouspart of the
factory
beets water
syrup
steam
sugar A
Tank B
molasses
poorsyrup
Melter
massecuite
Malaxador
massecuite
Vacuumpans A Tacha B
Centrifugalseparators
richsyrup
sugar B
Continuouspart of the
factory
beets water
syrup
steam
sugar A
Tank B
molasses
poorsyrup
Melter
massecuite
Malaxador
massecuite
Vacuumpans A Tacha B
Centrifugalseparators
liquor
Continuous-batch: Motivation
Due to globalization, increased competition, etc. the upper layers elements of the control pyramid: Plant wide control, Process Optimization, Flexible operation, etc. are receiving more and more attention
Very frequently, at this level, there are continuous and batch units operating simultaneously
Basic control
Supervision
MPC
Instrumentation
RTO
Planning, etc.
Hierarchical approach
Separate the overall management of the process from the local control of the batch or continuous units
Only those variables that have an impact on the overall behaviour of the plant are relevant for the plant wide controller.
Products
Continuousproductionsection
Batchunit 1
Separationunits
Recycle
Rawmaterial
Batchunit 2
Batchunit n
Storagetank
Storagetank
Products
Continuousproductionsection
Batchunit 1
Separationunits
Recycle
Rawmaterial
Batchunit 2
Batchunit n
Storagetank
Storagetank
Plant-wide Control
Sequence + local control of the batch units
Other local continuous controllers
Process
MPC framework
ProcessOptimizer uw yv
Predictory(t+j)
u)jt(uu y)jt(yyu(t))g(x(t),y(t) ))t(u),t(x(f)t(x
)jt(u)jt(w)jt(yu
Jmin2N
1Nj
1Nu
0j
22
MPC offers a sensible framework for model based decision making
But the consideration of the batch units start/stop or logic requires binary variables NLP
MINLP
MPC
Process
Simulation from N1 to N2In order to compute J(u,x(t))
NLP Optimizer
u J
w
u(t) y(t)
Internal model implemented in a EcosimPro continuous simulation with the logic of operation embedded
Implementation in EcosimPro
EcosimPro dynamicmodel
Open loop optimization
Optimization assistant
C++ class
Simulated process
dll + OPC
Real time controller
Results in simulation
C++ class
Controller
Results
The benchmark is a realistic real-time dynamic simulation of the sugar end section of a beet sugar factory
The simulation is based on detailed first principles of the process. Model is quite complex
The model was implemented in the simulation language EcosimPro that generates C++ code
Low-level control (regulatory and sequential control) are implemented as part of simulation
The Internal model used by Hybrid Predictive Control was also implemented in EcosimPro
EcosimPro
Simulation
64.4 hours of simulation (250000 sec.)
Sample time 15 min. (900 sec.)
Levels of melter, tank and malaxador A and B, Purity and brix in melter and tank B are controlled
For each batch unit, 3 batches are at least predicted (90000 sec.), 2 of them are controlled. So, Np=3 and Ncb1=Ncb2=Ncb3=Ncb4=2.
4 changes for classical continuous variables. So, Ncc=4
Inflow = 6 Kg/sec; Purity = 94.4; Brix = 72
dtyyQyyRyyJ iiiiii
predictionend
irefii2
max2
min
_
0
2 )()()(
Results : Start up of the sugar end
0
20
40
60
80
100
0 40000 80000 120000 160000 200000 240000
0
20
40
60
80
100
0 40000 80000 120000 160000 200000 240000
0
20
40
60
80
100
0 40000 80000 120000 160000 200000 240000
Level of melter (%)
Level of malaxador A (%) Level of malaxador B (%)
Level of tank B (%)
0
20
40
60
80
100
0 40000 80000 120000 160000 200000 240000
666870727476788082848688909294
0 40000 80000 120000 160000 200000 240000666870727476788082848688909294
0 40000 80000 120000 160000 200000 240000
Purity and Brix in melter (%)
Purity (%)
Brix (%)
Purity and Brix in tank B (%)
Purity (%)
Brix (%)
Levels in melter, tank B and malaxadors
Brix and purity in melter and tank B
The sugar end start with the tanks filled and all vacuum pans and centrifugals empties
3 days of operation
Sampling time 15 minutes
Able to operate in real time
Process represented by a fulll scale industrial simulator for operator training
Results: Start up of the sugar end
0123456789
0 40000 80000 120000 160000 200000 240000
0123456789
0 40000 80000 120000 160000 200000 240000
Flows in centrifugals A (Kg/sec.) Flows in centrifugals B (Kg/sec.)
101520253035404550556065
0 40000 80000 120000 160000 200000 240000
101520253035404550556065
0 40000 80000 120000 160000 200000 240000
Timer in centrifugals A (sec.) Timer in centrifugals B (sec.)
High purity syrup Low purity syrupCooked mass Sugar crystals
Operation of the centrigugal separators
wait to load
123456789
10111213
123456789
10111213
Section A
Section B
load
crystallizationwait to unload
unload
wait to load
load
crystallizationwait to unload
unload
wait to load
load
crystallizationwait to unload
unloadwait to load
load
crystallizationwait to unload
unload
123456789
10111213
0123456789
10111213
0 40000 80000 12 0000 16 0000 200 000 240 000
Operation of the vacuum pans
On-line economic optimizationAims:
Process the flow of incoming syrup, scheduling the vacuum pans and avoiding bottlenecks
Maintain brix and purity in the feeding tanks within a range
Maintain levels in the vessels within a range
Control variables:
Schedule of vacuum pans
Poor/rich syrups relation
Centrifugals flow
New target: Maximize production of sugar A
richsyrup
sugar B
water
syrup
steam
sugar A
Tank B
molasses
poorsyrup
Melter
massecuite
Malaxador
massecuite
Vacuumpans A Tacha B
Centrifugalseparators
richsyrup
sugar B
water
syrup
steam
sugar A
Tank B
molasses
poorsyrup
Melter
massecuite
Malaxador
massecuite
Vacuumpans A Tacha B
Centrifugalseparators
liquor
NMPC controller
ProcessNLP Optimizer
u J
w
u(t) y(t)
u)jt(uu y)jt(yyu(t)g(x(t), y(t) ))t(u),t(x(f)t(x
)jt(u)jt(r)jt(yu
Jmin2N
1Nj
1Nu
0j
22
J(x,u) computed by EcosimPro simulation
Constraints The cost function is changed to:
Max Flow of sugar A
Flow of sugar A
0
0.5
1
1.5
2
2.5
3
3.5
4
0 50000 100000 150000 200000 250000 300000
The amount of sugar produced in increased steadily over 5 days
Results: 5 days of operation
0
1020
3040
50
6070
8090
100
0 50000 100000 150000 200000 250000 3000000
1020
30
40
5060
70
8090
100
0 50000 100000 150000 200000 250000 300000
0
1020
30
40
5060
70
8090
100
0 50000 100000 150000 200000 250000 3000000
1020
30
40
5060
70
8090
100
0 50000 100000 150000 200000 250000 300000
Level in the melter Level in tank B
Level Malaxador BLevel Malaxador A
Brix and purity
60
65
70
75
80
85
90
95
100
0 50000 100000 150000 200000 250000 30000060
65
70
75
80
85
90
95
100
0 50000 100000 150000 200000 250000 300000
Purity (black) Brix (blue) Melter Purity (black) Brix (blue) tank B
60
65
70
75
80
85
90
95
100
0 50000 100000 150000 200000 250000 300000
Purity (black) Brix (blue) molasses
Continuous control actions
0
1
2
3
4
5
6
7
8
9
0 50000 100000 150000 200000 250000 3000000
1
2
3
4
5
6
7
8
9
0 50000 100000 150000 200000 250000 300000
0
10
20
30
40
50
60
0 50000 100000 150000 200000 250000 3000000
10
20
30
40
50
60
0 50000 100000 150000 200000 250000 300000
Flow centrifugals A (black: massecuite, yellow: poor syrup, pale blue: rich syrup, dark blue: sugar)
Rich syrup timer, centrifugals A
Flow centrifugals B (black: massecuite, yellow: poor syrup, pale blue: rich syrup, dark blue: sugar)
Rich syrup timer, centrifugals B
Scheduling vacuum pans
0123456789
10111213
0 50000 100000 150000 200000 250000 300000
0123456789
10111213
0 50000 100000 150000 200000 250000 300000
Tacha A1
Tacha A2
Tacha A3
Tacha B
123456789
10111213
0 50000 100000 150000 200000 250000 300000
0123456789
10111213
0 50000 100000 150000 200000 250000 300000
Conclusions
A methodology for MPC of a class of hybrid continuous-batch processes has been presented
It has been applied to several realistic casesOpen problems:
– Stability– More complex scheduling problems (multiproduct)– …
Esquema de una azucarera
evaporación
Cuarto de azúcar
depuracióndifusiónremolacha
Pulpa húmeda
Azúcar
melaza
Agua gas
Calderasde vapor
vapor
vapor
jarabevapor
jugo
turboalternador
jugo
Secadero depulpa
Pulpa seca
gas
Espumas
Separación mieles
Electricidad
Objetivo general: Obtener los mejores rendimientos, minimizando costos y maximizando la cantidad de remolacha/ caña procesada
MolinosCaña Bagazo
Recuperación y purificación de etanol procedente de la fermentación de melazas.
MelazasFermentación Alcoholera
Columna
Destrozadora
Columna
Preconcentradora
Columna
Hidroselectora
Columna
Rectificadora
Líquido
fermentado
VinazasFlemas 70-80%
vol.
EtOH
Etanol +
impurezas
ALCOHOL ALCOHOL
NEUTRONEUTRO
Alcoholera
Alcohol
94.55%
Alcoholera
Columna rectificadora
Características
Columna superfraccionadoraAlta relación reflujo / destiladoExtracción lateral Isoamil Alcohol (3-metil 1-butanol)
– impureza en la columna rectificadora.– parcialmente miscible con el agua.– forma dos fases líquidas.– forma azeótropo con el agua.
Equilibrios
Composición en ºG.L
0
1020
3040
50
60
70
80
90
100
0 10 20 30 40 50Nº de Plato
ºG.L
Perfil de concentración de etanol en ºGL
Perfil de Temperatura
86
88
90
92
94
96
98
100
102
104
0 10 20 30 40 50Nº Plato
tem
p (ºC
)
Perfil de temperatura (ºC)
Perfiles
Alimentación
Control básico
Vapor
B
FT
LC
PT PC
LTLC
DAlimentación
F
R
Refrigerante
FCFT
Dificultad de controlar la composición con la temperatura de cabeza
Interacción de lazos
Extracción lateral
DMC
PROCESOMV1
MV2
Variables
ManipuladasDV1 DV2
CV1
CV2
Variables
controladas
Perturbaciones
CV: composiciones de Etanol en cabeza y fondo
MV: Flujo de vapor y extracción lateral
DV: Flujo y temperatura de alimentación
Dinámica
Variación en el caudal de vapor vivo
Modelos de respuesta en salto
Variación en la temperatura de alimentación:
Variación en el caudal de la extracción lateral:
Control Predictivo DMC
• Variación en el set point de Xw (49):
Var
. con
trol
adas
Var
. man
ipul
adas
• Variación en el caudal de alimentación:V
ar. c
ontr
olad
as
Var
. man
ipul
adas