СОГЛАСОВАНИЕ БАЛАНСА ПРИ СМЕШЕНИИ БЕНЗИНОВ

GASOLINE BLENDING BALANCE RECONCILIATION

Viacheslav Kuvykin

dr. Sc. (Phys.-Math.), Head of economic department OOO “LUKOIL-Nizhegorodnefteorgsintez”,

Russia, Kstovo

АННОТАЦИЯ

Построена математическая модель согласования баланса по количеству и качеству смеси и ее компонентов при смешении бензинов. Баланс по качеству, предложенный в работе, открывает новые возможности по управлению смешением по сравнению с традиционным материальным балансом. Согласование данных и диагностика ошибок измерения качества компонентов позволяет повысить эффективность работы систем смешения бензинов. Система уравнений баланса обеспечивает интеграцию автоматизированных систем линейного программирования и согласования данных на основе общих моделей потоков и качества. Совместная работа систем планирования и баланса дает возможность улучшить бизнес-процессы управления производством.

ABSTRACT

Mathematical model of quantity and quality balance reconciliation is designed. Quality balance opens new perspectives for blending control vs traditional material balance. Quality data reconciliation and gross measurement errors detection increase the gasoline blending effectiveness. The balance equations enable integration of linear programming automated system and reconcile data system based on common patterns of flows and quality. Joint operation of refinery production planning system and balance provides an opportunity to improve business processes.

Ключевые слова: нефтепереработка; смешение бензинов; математическое моделирование; оптимизация; определение ошибок; баланс по качеству; согласование данных.

Keywords: refining; gasoline blending; mathematical modeling; optimization; error detection; quality balance; data reconciliation.

Концепция балансовых уравнений широко используется при учете материальных потоков в нефтяной и химической промышленности [10]. Система согласования балансовых данных позволяет диагностировать существенные ошибки измерений, значительно повысить достоверность учета.

Развитие автоматизации на современных предприятиях можно охарактеризовать внедрением систем оперативного управления производством и оперативного производственного планирования [6]. Для успешного практического использования таких систем определяющую роль играет построение корректных моделей оптимального планирования [3; 5] и сведения материального баланса [10].

Одной из основных задач при оперативном управлении производством является интеграция таких систем в единое информационное пространство [2; 6]. Процесс интеграции направлен на поиск новых границ повышения эффективности производства, а именно: комплексной крупномасштабной оптимизации с использованием оперативных, финансовых и экономических показателей.

Одной из важных задач на сегодняшнем этапе развития нефтеперерабатывающей промышленности является производство экологически чистых автомобильных бензинов. Производство нефтепродуктов неизбежно связано с операциями смешения десятков компонентов, которые вырабатываются на производственных мощностях нефтеперерабатывающего завода (НПЗ). В процессе производства необходимо обеспечить выполнение требований по качеству товарных нефтепродуктов. Для столь сложной и громоздкой задачи успешно используются автоматизированные системы управления смешением.

Оптимизация и управление процессами смешения представлены разработками компаний ABB, Honeywell, Foxboro, Emerson, Yokogava, Aspen Tech и др. Это направление в настоящее время интенсивно развивается. Важной вехой в автоматизации процессов смешения нефтепродуктов стало активное внедрение спектрофотометрических поточных ИК-анализаторов в качестве средств оперативного технологического контроля качества компонентов и продуктов смешения [1; 7]. Следует отметить, что поточные анализаторы являются дорогими и сложными оптико-механическими приборами и требуют систематического квалифицированного технического обслуживания. Важной задачей является диагностика неисправностей и систематических ошибок в системе определения качества. Сократить число лабораторных анализов и повысить надежность измерений можно за счет своевременной диагностики неисправностей на основе балансовых уравнений.

Целью работы является построение моделей для сведения баланса по массе и качеству смеси и ее компонентов, интеграция модели с системой оптимального планирования, контроль работы поточных анализаторов.

Известно, что неисправность измерителей расхода можно определить, воспользовавшись системами сведения материального баланса, которые успешно применяются в нефтепереработке [10]. Расширим функции таких систем, используя данные по измерениям не только материальных потоков, но и их качественных характеристик.

Математическая модель материального баланса может быть записана следующим образом:

                                                                        (1)

где:  – вектор переменных, описывающий потоки, остатки продукции на складе, потери и расход на технологические нужды;  – матрица балансовых уравнений.

Балансовые составляющие измеряются с определенной точностью. Обозначим подмножество измеряемых величин , а сами измерения через . В качестве критерия оптимизации подсистемы  рассматривается минимизация квадратичной формы, выражающей отклонения измеренных и получаемых в результате решения значений

.                                               (2)

Здесь – коэффициенты, характеризующие погрешности соответствующих измерений. Физический смысл критерия (2) заключается в том, что решения системы (1), которые называются согласованными, должны как можно меньше отличаться от измеренных значений.

В системе уравнений (1) элементами матрицы B могут быть и качественные характеристики. В нефтепереработке к таким характеристикам относятся, например, октановые числа потоков на узлах смешения, связанные соответствующими уравнениями. Это обстоятельство позволяет существенно расширить сферу применения автоматизированных систем сведения материального баланса.

Для своевременной диагностики работы анализаторов воспользуемся уравнением связи качественных показателей смеси и их компонентов. Задача смешения автобензинов осложняется неаддитивными свойствами компонентов смеси нефтепродуктов.

Рассмотрим задачу определения октановых чисел смеси, как наиболее важную для экономики смешения автобензинов. Один из наиболее часто применяемых на практике методов расчета октанового числа смеси связан с использованием октановых чисел смешения [9]. Они отличаются от измеренных в лаборатории чисел, но при этом обладают свойствами аддитивности. При несущественных изменениях состава смеси метод, как показывает опыт эксплуатации, дает приемлемые результаты и вполне может использоваться в расчетах. Успешное использование линейных уравнений для октановых чисел смеси рассмотрено в работе [11].

При несущественных изменениях рецептуры октановые числа смешения отличаются от измеренных значений на некоторую константу , которая может быть определена на основании регрессионного анализа и для  -го компонента смешения может быть записана следующим образом

 ,                                                 (3)

где:  – октановое число смешения,  – октановое число, измеренное по исследовательскому (моторному методу),  – постоянная величина. В балансовые уравнения (1) следует добавить компоненты вектора , где:  – объем  -го компонента.

Введем обозначения: – измеряемые октановые числа, – результаты измерения,  – коэффициенты, характеризующие погрешности соответствующих измерений,  – номер потока. Критерий (2) следует дополнить слагаемым, характеризующим отклонение измеренных и согласованных значений октановых чисел

                            (4)

Аналогичный подход можно разработать и для других качественных характеристик, таких как давление насыщенных паров, содержание ароматических углеводородов и т. д.

Связи вида (3) легко моделируется в системах линейного программирования, что позволяет использовать один и тот же подход к описанию операций смешения в моделях планирования и сведения баланса. Использование общих уравнений в системах согласования баланса и планирования позволяет успешно интегрировать их в общее информационное пространство. Анализ согласованных и плановых значений позволяет своевременно вносить корректировку в работу производственных мощностей и, при необходимости, модифицировать модель планирования.

Значительные отклонения измеренных значений от согласованных свидетельствуют о необходимости корректировки модели поточных анализаторов и проверки их работоспособности. При таком анализе отклонений определяются конкретные неисправные приборы и показатели для повторной калибровки моделей ИК-анализаторов. Этот подход позволяет выбрать рациональную частоту проведения лабораторных анализов для настройки поточных анализаторов.

Приведенные в статье методы и подходы нашли практическое применение при интегрировании систем планирования и материального баланса, план-факт анализа с использованием специальных программ [4; 8].

Таким образом, в работе построена математическая модель согласования баланса при смешении нефтепродуктов с учетом качества смеси и ее компонентов. Результаты, основанные на решении математической модели согласования данных по качественным показателям смеси и ее компонентов, дают возможность осуществлять контроль работы поточных анализаторов и без дополнительных лабораторных анализов. Система согласования баланса успешно интегрируется с системой оптимального планирования, поскольку в математической модели используются потоки с показателями качества, аналогичные модели планирования. Совместная работа систем планирования и баланса дает возможность своевременно принимать решения на основе достоверной информации и, таким образом, улучшить бизнес-процессы управления производством.

Несомненно, предложенные инновационные решения справедливы не только для нефтепереработки, но и для других промышленных предприятий c непрерывным производством.

Список литературы:

1. Копыльцова А.Б., Тарасов Б.П., Клим О.В. Современная практика и проблемы применения промышленных и лабораторных спектрофотометрических анализаторов физико-химических свойств нефти и нефтепродуктов // Измерительная техника. 2013. № 6. С. 51–55.

2. Кувыкин В.И. Использование моделей бизнес-процессов НПЗ в системах планирования и учёта. // Мир нефтепродуктов. Вестник нефтяных компаний. 2013. № 7. С. 47–48.

3. Кувыкин В.И., Кувыкина Е.В., Петухов М.Ю. Анализ оптимальных решений в задачах нелинейного программирования // Вестник Нижегородского университета им. Н.И. Лобачевского. 2011. № 4-5. С. 2285–2286.

4. Кувыкин В.И., Матвеев А.Е., Мелешкевич М.А., Шишмарева Е.В. “Scalpellum” // Программы для ЭВМ. Базы данных. Топологии интегральных микросхем. 2015. № 12. С. 865.

5. Петухов М.Ю. Особенности параметрического анализа ЛП-модели производственного планирования для нефтеперерабатывающего завода // Нефтепереработка и нефтехимия. 2015. № 4. С. 3–9.

6. Chu Y., You F. Model-based integration of control and operations: Overview, challenges, advances, and opportunities // Computers and Chemical Engineering. 2015. V. 83. P. 2–20.

7. Joly M. Refinery production planning and scheduling: the refining core business // Brazilian Journal of Chemical Engineering. 2012. V. 29, № 02. P. 371–384.

8. Kuvykin V.I., Matveev A.E., Naumova S.V., Potekhina E.V. Application of system analysis for gasoline blending benefits estimation // В сборнике: Актуальные вопросы современных математических и естественных наук. Екатеринбург, 2016. С. 65–67.

9. Maples R.E. Petroleum refinery process economics. Tulsa: PennWell Corporation, 2000. 448 p.

10. Narasimhan S., Jordache C. Data reconciliation and gross error detection: an intelligent use of process data. Houston: Golf Publishing Company, 2000. 406 p.

11. Oduola M.K., Iyaomolere A.I. Development of model equations for predicting gasoline blending properties // American Journal of Chemical Engineering. 2015. 3 (2-1). P. 9–17.