Разработка комплексной адаптивной системы управления технологическими установками нефтеперерабатывающего завода на основе многомодельного предиктивного регулирования и самообучающихся цифровых двойников

Авторы

  • Алексей Евгеньевич Бараненков Российский государственный университет нефти и газа, 119991, г. Москва, Ленинский просп., д. 65, корп. 1

DOI:

https://doi.org/10.25726/z9799-1182-5194-q

Ключевые слова:

многомодельное предиктивное управление, нелинейное модельно-предиктивное управление, NMPC, самообучающиеся цифровые двойники, виртуальные анализаторы качества, нефтеперерабатывающий завод

Аннотация

Статья посвящена разработке и опытно-промышленной проверке комплексной адаптивной системы управления технологическими установками нефтепереработки, ориентированной на преодоление ограничений классических DCS/ПИД-контуров и деградации моделей в традиционных линейных APC-решениях при нестационарности, нелинейности и дрейфе параметров оборудования. Рассматривается архитектура, объединяющая многомодельное нелинейное предиктивное регулирование со скользящим горизонтом и ансамбль самообучающихся цифровых двойников, функционирующих как динамические предикторы и виртуальные анализаторы качества в условиях существенных задержек лабораторного контроля. В качестве ключевых технологических примеров описаны первичная переработка нефти (ЭЛОУ-АВТ-6) и секция каталитического крекинга; обработка массивов архивной телеметрии высокой частоты и редких данных по качеству потребовала процедур очистки, синхронизации и вычислительной поддержки, совместимых с промышленными требованиями реального времени. Цифровые двойники реализованы гибридно: рекуррентные нейросетевые модели (LSTM/GRU) дополняются упрощенными физико-химическими соотношениями материального и теплового балансов для повышения робастности при выходе режима за пределы обучающих сценариев. Введен механизм непрерывной адаптации, инициирующий дообучение при росте ошибки прогноза, а также модуль валидации уставок, ограничивающий управляющие воздействия технологическими регламентами. Показано, что для ректификационной колонны при возмущении по питанию адаптивный NMPC обеспечивает существенное сокращение времени установления, подавление перерегулирования и снижение интегральных критериев ошибки по сравнению с каскадным ПИД и стандартным MPC, одновременно уменьшая удельный расход пара. Для виртуальных анализаторов качества демонстрируется высокая объясняющая способность моделей (R² > 0,92) и погрешности, сопоставимые с лабораторной воспроизводимостью по ряду показателей, что делает возможным замкнутое управление по качеству без ожидания анализов. На уровне каталитического крекинга зафиксировано перераспределение материального баланса в пользу светлых фракций при снижении выхода газа, кокса и потерь катализатора, а корреляционный анализ связывает стабилизацию режима с экономическими эффектами. Описанные результаты и показатели вычислительной латентности подтверждают практическую реализуемость подхода и его релевантность для задач повышения энергоэффективности, выхода целевых продуктов и надежности управления на современных НПЗ.

Библиографические ссылки

Баранов Н.Е. Построение системы усовершенствованного управления технологическими процессами с использованием адаптивной прогнозирующей модели // Технология машиностроения. 2023. № 8. С. 38–42.

Бронов С.А., Непомнящий О.В., Чумаченко А.А., Вайман М.А., Хайдукова В.Н. Адаптивные системы управления в составе прецизионных электромеханических устройств // Известия Тульского государственного университета. Технические науки. 2023. № 8. С. 627–633.

Говорков Д.А., Соловьев И.Г., Лапик Н.В., Лапик О.И. Частотная ПИ-стабилизация подачи с автоконтролем режимных ограничений для скважин с ЭЦН // Автоматизация и информатизация ТЭК. 2023. № 8 (601). С. 5–12.

Иноземцев А.А., Грибков И.Н., Ламанова Н.Г., Плешивых А.С., Саженков А.Н. Аналитическое резервирование каналов измерений цифровой системы управления газотурбинного двигателя на основе адаптивного фильтра Язвинского // Авиационные двигатели. 2023. № 2 (19). С. 5–12.

Карякин А.Т. Разработка адаптивных алгоритмов управления для стабилизации экономических процессов в условиях цифровой трансформации промышленных комплексов // Экономика: вчера, сегодня, завтра. 2025. Т. 15. № 2-1. С. 130–144.

Корнеев А.М., Сметанникова Т.А., Максимов А.В., Пантюшин М.Н. Модули цифрового двойника многостадийного производственного процесса // Вести высших учебных заведений Черноземья. 2024. Т. 20. № 2 (76). С. 30–38.

Кузнецов В.И., Старовойтенко Э.Ю. Научно-методические основы предиктивного управления на основе математических моделей цифровых двойников производственных технологических процессов // Труды «НПЦАП». Системы и приборы управления. 2024. № 2 (68). С. 60–68.

Ломухин И.А., Киян А.И., Пищухин А.М., Ахмедьянова Г.Ф. Автоматизированная система управления эксплуатацией месторождения углеводородов // Автоматизация. Современные технологии. 2023. Т. 77. № 3. С. 99–103.

Прохоренко В.А. Система адаптивного управления технологическим циклом автоматизированного производства // Известия Гомельского государственного университета имени Ф. Скорины. 2023. № 3 (138). С. 69–73.

Работников М.А., Шумихин А.Г. Применение адаптируемых моделей в системах упреждающего управления процессами органического синтеза // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. 2023. № 46. С. 67–82.

Севостьянов Р.А., Сотникова М.В. Цифровой алгоритм адаптивного управления контролируемыми переменными в заданном диапазоне // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2025. Т. 21. № 1. С. 151–168.

Серяков А.М. Изучение применения адаптивного управления в процессах очистки нефтехимических продуктов от примесей // Наука и инновационные технологии. 2023. № 1 (26). С. 251–254.

Смородин В.С., Прохоренко В.А. Интеллектуальная система адаптации управления с обратными связями // Проблемы физики, математики и техники. 2024. № 1 (58). С. 93–98.

Фарунцев С.Д. От цифрового двойника к системам интеллектуального управления. Синтез гибридной модели управления теплотехническими объектами установок подготовки нефти // Автоматизация в промышленности. 2023. № 2. С. 3–14.

Шевчук В.П. Адаптивное управление эффективностью функционирования верхней части ректификационной установки // Промышленные АСУ и контроллеры. 2024. № 2. С. 12–20.

Как цитировать

Бараненков, А. Е. (2025). Разработка комплексной адаптивной системы управления технологическими установками нефтеперерабатывающего завода на основе многомодельного предиктивного регулирования и самообучающихся цифровых двойников. Вопросы природопользования, 4(8), 73–82. https://doi.org/10.25726/z9799-1182-5194-q

Выпуск

Раздел

ИНФОРМАЦИЯ И УПРАВЛЕНИЕ

Похожие статьи

1 2 3 4 5 6 7 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.