Sistemas de control de factorías azucareras Prof. Cesar de Prada Dpt. Ingeniería de Sistemas y Automática Universidad de Valladolid, España
[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)
Madrid
•Capital de Castilla-León
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 doctorales
c\ Real de Burgos, s/n 47011 Valladolid web: http://www.isa.cie.uva.es Secretaría:
[email protected]
CTA Centro de Tecnología Azucarera Centro mixto de la UVA con participación y financiación de la industria azucarera española Otra cooperación industrial estable: Repsol-YPF Empresarios Agrupados CERN Redes de Investigación Int. HYCON2 CITED ALFA
http://www.cta.uva.es Simuladores Control Optimización
GIR en “Control y Supervisión de Procesos” Líneas de Investigación
Modelado y Simulación de Procesos Optimización de Procesos Control Avanzado de Procesos (Predictivo, Hibrido) Detección y Diagnostico de fallos Enfoque de las actividades, combinar: Investigación en métodos y algoritmos Desarrollo de sistemas y software Aplicaciones industriales
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 Caña
Bagazo
Electricidad
Molinos Agua
vapor
Calderas de vapor
gas
turboalternador vapor
difusión
jugo
depuración
jugo
evaporación
remolacha vapor Pulpa húmeda Secadero de pulpa
Espumas gas Azúcar
jarabe Cuarto de azúcar Separación mieles
Pulpa seca melaza
Objetivo general: Obtener los mejores rendimientos, minimizando costos y maximizando la cantidad de remolacha/ caña procesada
Sala de control
Sala de control
Operación 4 – 20 mA
Campo Configuración
DCS
HART I/O
DeviceNet/Profibus
AS-i H1
Evaporación Tipo Robert
vahos
incondensables
vapor
condensado
Presión de vapor < presión líquido Evacuación de condensados e incondensables
jugo
Jugo concentrado
Evaporación Tipo Robert W/m2 s
Control de nivel:
vahos
incondensables
Seguridad + eficiencia h vapor
h condensado jugo
Jugo concentrado
Tiempo de residencia V/F
Evaporadores Tipo Flujo descendente / mas eficientes vahos
incondensables agua
vapor
Jugo recirculado condensado
jugo
Crítico: Mantener el flujo de recirculación
Jugo concentrado
Efecto múltiple Color / Descarga /Evaporación
Presión de vahos último evaporador: rango limitado
PC
Condensador
PT
Seguridad PT
FY
Vapor DC LC
LT
LC
LT FT DT
jugo
Niveles hacia adelante / atrás
Jarabe / Melado
FC
Efecto múltiple F0c0=F5c5 PC
Condensador
PT
PT
Vapor PY LC
LT
jugo
LC
DC
LT FT
Jarabe
FC DT
Efecto múltiple Perturbaciones: Demandas de tachas, etc Control de la presión de vapor: Turbinas
Condensador
PC PT
PT
FY
Vapor DC LT
LC
LT
LC
LT
LC DT
jugo FT
Jarabe
Control Evaporación Grados de libertad:
Perturbaciones: Demandas tachas (fase no-mínima) Brix jugo
Balance de presiones Distribución de la carga de consumo de vahos Gestión de paradas de limpieza Supervisión: Ensuciamiento (T), Incondensables, Presión, color
jugo Anteevaporación
tachas
Agua
LC
LC
LC
LC
LC
jarabe
Control evaporación FY
PC
tachas
FC
jugo Agua DC
FT
FT
DT
jarabe
Simulador de Evaporación
Versión gratuita en www.ecosim.com
Orientado a objetos Modelado físico Modelos reutilizables EL lenguaje sencillo Métodos numéricos potentes
Simulación con EcosimPro
Manejo de discontinuidades Problemas de alto índice Buena interfaz gráfica
Circuito vapor
Circuito jugo
Condensados Autoevaporación
Control Predictivo de la evaporación (Benavente) Preevaporación
MV: presión vapor. Flujo jarabe Vacio 5º injecciones de agua
jugo
CV: brix 4 5 Nivel ante-evap
jarabe refundidora
MPC w
u
y
y(t+j)
Proceso
Horizonte Predicción
CV
MV
tiempo t
u
y Modelo
N1
N2
u(t) u(t-1) tiempo t
Horizonte Nu control
MPC evaporación
MPC Evaporación
Condensador PT
Agua fria Vahos
Torre de enfriamiento
TT
TC
Calderas de vapor Vapor Aditivos Purgas agua
LC
PT
PC
LT
Humos FT
Aire
FC PT
Gas
PC
Depresión del hogar FF
FT
FC
Circuito de aire
Vapor PT
LC
PC
LT
Humos FT
Aire
FC
AT
O2
AC
Gas
LL FF
FT
FC
>
HL <
Circuito de aire
Vapor FT PT
PC
LC FT
FC
LT
Humos FT
FC
Aire Gas FF
O2
CO AT
AT
AC
HS
LL FT
FC
>
HL <
Seguridad / Fuel/Aire
Master: aire/combustible
Recuperación de calor
Caldera de vapor
Calderas
Co-generación: Turboalternadores
Control de turbos / presión
Cálculos auxiliares PC
PT
PY
Tsat Saturador Vapor sobrecalentado
Se calcula la temperatura de saturación en función de la presión del vapor
TT
TC
Agua
Depuración de jugos
Carbonatación Flujo de gas limitado
A la atmósfera PT
PC
CO2 AT FT
FT
FC
pH
FF AC
Jugo
Alcalinidad
RTO Gestión de alto nivel del proceso Objetivos: – 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 Sistema de reconciliación de datos y optimización OPC
HART I/O
DeviceNet/Profibus
AS-i H1
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 y ym min y ,z , p ym i 1 con f ( y,z, p ) 0 g( y , z , p ) 0 N
2
RTO Datos del proceso
Re-estimar
periódicamente los parámetros p del modelo usando datos del proceso z Encontrar los Condiciones de valores de los operación grados de libertad del proceso para optimizar la función de costo con el modelo estimado
Estimación de parametros p
p
w Modelo
Función de costo
Optimización
RTO azucarera
RTO azucarera
RTO azucarera
Cuarto de azúcar Vahos
Jarabe Meladura
Azucar (es)
Melazas Unidades fundamentales: Tachos, cristalizadores al vacio Centrifugas Refundidora, cristalizadores verticales, malaxadores,..
Tacha
Cristalización PC
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
Tacha
Lazos / estructuras de una tacha PC
Ciclo de operación mediante PLC/DCS PID + Grafcet LC
Etapa de carga Vacio Nivel Sin vapor
PC
Lazos / estructuras de una tacha PC
Etapa de concentración Nivel Vacio Presión de la calandria Sistemas de agitación Etapa de siembra DC
Etapa de formación de grano Etapa de aclarado
PC
Lazos / estructuras de una tacha PC
Etapa de cocción Nivel/concentración Vacio Presión de la calandria
Concentración
DC
Nivel
Ajustable Depende del transmisor
PC
Cocido Brix Nivel
Cocido Nivel
Sobresaturación
Cristal
Pureza
Cocido Presión calandria
Vacio (presión vahos)
Cuarto de azúcar
Centrifugas / Turbinas Tachas Malaxadores Masa cocida Separación de cristales y mieles Discontinuas: Primeros productos Continuas: Segundos productos
Cristales
Mieles
Centrifuga
Gestión del cuarto de azucar Unidades continuas/ batch beets
water Continuous part of the factory
syrup
Melter
Tank B
liquor
steam Vacuum pans A
rich syrup
Tacha B
Malaxador
Secuenciar las tachas en tiempo real
poor syrup
Centrifugal separators sugar A
molasses
Mantener brix y pureza en los tanques de alimentación Mantener niveles en los depósitos
massecuite
massecuite
Procesar todo el jarabe
sugar B
Flujos Total y Miel rica/pobre
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
Planning, etc. RTO Supervision MPC Basic control Instrumentation
Hierarchical approach Raw material
Recycle
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.
Batch unit 1 Continuous production
section Batch unit 2
Separation units
Storage tank
P roducts
Batch unit n
Storage tank
Plant-wide Control
Sequence + local control of the batch units
Other local continuous controllers
Process
MPC framework v w
Optimizer
u
y
Process
y(t+j) Predictor
MPC offers a sensible framework for model based decision making But the consideration of the batch units start/stop or logic requires binary variables
N2
Nu 1
min J yˆ ( t j) w ( t j) u ( t j) j N 1 j 0 u x ( t ) f ( x ( t ), u ( t )) y(t) g(x(t), u(t)) y y ( t j) y
NLP MINLP
2
u u ( t j) u
2
MPC u(t)
NLP Optimizer u
w
J
Simulation from N1 to N2 In order to compute J(u,x(t)) Internal model implemented in a EcosimPro continuous simulation with the logic of operation embedded
y(t) Process
Implementation in EcosimPro EcosimPro dynamic model Optimization assistant
Controller C++ class
Simulated process
Open loop optimization Results in simulation
C++ class
dll + OPC Real time 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;
J
end _ prediction
0
Purity = 94.4;
( y y i
i
Brix = 72
2 2 2 dt ) R ( y y ) Q ( y y ) iref i i i min i i i max
Results : Start up of the sugar end Levels in melter, tank B and malaxadors Level of melter (%)
The sugar end start with the tanks filled and all vacuum pans and centrifugals empties
Level of tank B (%)
100
100
80
80
60
60
40
40
20
20 0
0 0
40000
80000
120000
160000
200000
0
240000
40000
Level of malaxador A (%)
80000
120000
160000
200000
3 days of operation
240000
Level of malaxador B (%)
100
100
80
80
60
60
40
40
20
20
Sampling time 15 minutes Able to operate in real time
0
0 0
40000
80000
120000
160000
200000
240000
0
40000
80000
120000
160000
200000
Brix and purity in melter and tank B
240000
Purity and Brix in tank B (%)
Purity and Brix in melter (%)
Process represented by a fulll scale industrial simulator for operator training
94 92 90 88 86 84 82 80 78 76 74 72 70 68 66
94 92 90 88 86 84 82 80 78 76 74 72 70 68 66
Purity (%)
Brix (%)
0
40000
80000
120000
160000
200000
240000
Purity (%)
Brix (%)
0
40000
80000
120000
160000
200000
240000
Results: Start up of the sugar end Operation of the vacuum pans 13 12 unload 1 1 wait to unload crystallization
load wait to load unload
Operation of the centrigugal separators
wait to unload crystallization
Flows in centrifugals A (Kg/sec.)
Section A
Flows in centrifugals B (Kg/sec.)
9
9
8
8
7
7
6
6
5 4
5 4
3
3
2
2
1
1
load wait to load unload wait to unload crystallization
0
0 0
40000
80000
Cooked mass 65 60 55 50 45 40 35 30 25 20 15 10
120000
160000
High purity syrup
200000
Low purity syrup
40000
80000
120000
160000
200000
40000
240000
80000
120000
160000
200000
240000
load
Sugar crystals
65 60 55 50 45 40 35 30 25 20 15 10
Timer in centrifugals A (sec.)
0
0
240000
wait to load
10 9 8 7 6 5 4 3 2 1 13 12 11 10 9 8 7 6 5 4 3 2 1 13 12 11 10 9 8 7 6 5 4 3 2 1 13 12
Timer in centrifugals B (sec.)
unload 1 1
10 9 8 7 6 5 4 load 3 2 wait to load 1 0
wait to unload crystallization
Section B
0
40000
80000
120000
160000
200000
240000
0
40000
80000
120000
160000
200000
240000
On-line economic optimization Aims:
New target: Maximize production of sugar A water syrup
Melter
Tank B
Maintain brix and purity in the feeding tanks within a range
liquor steam Vacuum pans A
Process the flow of incoming syrup, scheduling the vacuum pans and avoiding bottlenecks
rich syrup
Tacha B massecuite
massecuite
Maintain levels in the vessels within a range Control variables:
Malaxador
Schedule of vacuum pans poor syrup
Centrifugal separators sugar A
molasses
Poor/rich syrups relation sugar B
Centrifugals flow
NMPC controller N2
Nu 1
minJ yˆ ( t j) r ( t j) u ( t j) j N 1 j 0 u x ( t ) f ( x ( t ), u ( t )) y(t) g(x(t), u(t) 2
y y ( t j) y
u u ( t j) u
u(t)
Constraints NLP Optimizer u
w
2
y(t)
The cost function is changed to:
Process
Max Flow of sugar A
J
J(x,u) computed by EcosimPro simulation
Flow of sugar A 4 3.5
The amount of sugar produced in increased steadily over 5 days
3 2.5 2 1.5 1 0.5 0 0
50000
100000
150000
200000
250000
300000
Results: 5 days of operation Level in the melter
Level in tank B
100
100
90
90
80
80
70
70
60
60
50
50
40
40
30
30
20
20
10
10
0 0
50000
100000
150000
200000
250000
300000
0 0
100
100
90
90
80
80
70
70
60
60
50
50
40
40
30
30
20
20
Level Malaxador A
10 0 0
50000
100000
150000
200000
250000
300000
50000
100000
150000
200000
250000
300000
Level Malaxador B
10 0 0
50000
100000
150000
200000
250000
300000
Brix and purity Purity (black) Brix (blue) Melter
Purity (black) Brix (blue) tank B
100
100
95
95
90
90
85
85
80
80
75
75
70
70
65
65
60
60 0
50000
100000
150000
200000
250000
300000
Purity (black) Brix (blue) molasses 100 95 90 85 80 75 70 65 60 0
50000
100000
150000
200000
250000
300000
0
50000
100000
150000
200000
250000
300000
Continuous control actions Flow centrifugals A (black: massecuite, yellow: poor syrup, pale blue: rich syrup, dark blue: sugar)
Flow centrifugals B (black: massecuite, yellow: poor syrup, pale blue: rich syrup, dark blue: sugar)
9
9
8
8
7
7
6
6
5
5
4
4
3
3
2
2
1
1 0
0 0
50000
100000
60
150000
200000
250000
300000
Rich syrup timer, centrifugals A
50 40
0
50000
100000
60
200000
250000
300000
Rich syrup timer, centrifugals B
50 40
30
150000
30
20
20
10
10
0 0
50000
100000
150000
200000
250000
300000
0 0
50000
100000
150000
200000
250000
300000
Scheduling vacuum pans Tacha A1
Tacha A3 13 12
13 12 11 10 9 8 7 6 5 4 3 2 1 0
11 10 9 8 7 6 5 4 3 2 1
0
50000
100000
150000
200000
250000
0
300000
50000
100000
Tacha A2
150000
200000
250000
300000
250000
300000
Tacha B
13 12 11 10 9 8 7 6 5 4 3 2 1 0
13 12 11 10 9 8 7 6 5 4 3 2 1 0
0
50000
100000
150000
200000
250000
300000
0
50000
100000
150000
200000
Conclusions A methodology for MPC of a class of hybrid
continuous-batch processes has been presented It has been applied to several realistic cases Open problems: – Stability – More complex scheduling problems (multiproduct) –…
Esquema de una azucarera Caña
Bagazo
Electricidad
Molinos Agua
vapor
Calderas de vapor
gas
turboalternador vapor
difusión
jugo
depuración
jugo
evaporación
remolacha vapor Pulpa húmeda Secadero de pulpa
Espumas gas Azúcar
jarabe Cuarto de azúcar Separación mieles
Pulpa seca melaza
Objetivo general: Obtener los mejores rendimientos, minimizando costos y maximizando la cantidad de remolacha/ caña procesada
Alcoholera Recuperación y purificación de etanol procedente de la fermentación de melazas. Fermentación
Melazas
Alcoholera
Alcohol
Vinazas
Líquido fermentado
Flemas
Columna
Preconcentradora
Destrozadora Columna
Etanol +
Rectificadora ALCOHOL NEUTRO
Columna
impurezas 94.55%
70-80% vol. EtOH
Columna Hidroselectora
Alcoholera
Columna rectificadora
Características Columna superfraccionadora Alta relación reflujo / destilado Extracción 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
Perfiles Composición en ºG.L 100 90 70 60 ºG.L
Perfil de concentración de etanol en ºGL
80
50 40 30 20 10 0 0
10
20 30 Nº de Plato
Perfil de T emperatura 104
Alimentación
102 100 temp (ºC)
98 96
Perfil de temperatura (ºC)
94 92 90 88 86 0
10
20
30 Nº Plato
40
50
40
50
Control básico Refrigerante PT
PC
Extracción lateral
R
LC
LT
D
Alimentación F
FT
Vapor
FT
B
LC
FC
Dificultad de controlar la composición con la temperatura de cabeza Interacción de lazos
DMC
Variables Manipuladas
Perturbaciones DV1
DV2
Variables controladas
MV1 MV2
CV1
PROCESO
CV: composiciones de Etanol en cabeza y fondo MV: Flujo de vapor y extracción lateral DV: Flujo y temperatura de alimentación
CV2
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
Var. manipuladas
Var. controladas
• Variación en el set point de Xw(49):
Var. manipuladas
Var. controladas
• Variación en el caudal de alimentación:
