Sistemas de Control de Factorias Azucareras

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: