سنسور نرم و کاربرد آن در صنعت نفت کشور

Slides:



Advertisements
Similar presentations
Case Studies Instrumentation and control Dr. –Ing. Naveed Ramzan
Advertisements

Industrial Instrumentation
“azbil” Solutions for Petrochemical Plant
PID Implementation Issues
WHAT IS DRS? Thermoflow, Inc.
Enhanced Single-Loop Control Strategies
Control Architectures: Feed Forward, Feedback, Ratio, and Cascade
Process Control: Designing Process and Control Systems for Dynamic Performance Chapter 6. Empirical Model Identification Copyright © Thomas Marlin 2013.
CIMExcel Software Inc. Slide 1 Performance Solutions for the Mineral Processing Industry for Pit to Plant Optimization Optimal Mineral Processing Control.
Distributed Control Systems PROF.DR. JOYANTA KUMAR ROY NARULA INSTITUTE OF TECHNOLOGY DEPT. OF ELECTRONICS AND INSTRUMENTATION ENGINEERING.
Chapter 10 Control Loop Troubleshooting. Overall Course Objectives Develop the skills necessary to function as an industrial process control engineer.
CHE 185 – PROCESS CONTROL AND DYNAMICS
CIMExcel Software Inc. Slide 1 CIMExcel Software Inc. Greg Yorke, Ph.D, P.Eng. Control Systems Engineering Company located in Vancouver Modeling, Simulation,
Practical Process Control Using Control Station
Enhanced Single-Loop Control Strategies
Lecture 2 Control Instrumentation 1.P&ID, PFD 2.Control Hardware Elements 1.Sensor / Transducer 1.Actuator 2.Controller -Do I have confident feeling of.
QUALITY CONTROL OF POLYETHYLENE POLYMERIZATION REACTOR M. Al-haj Ali, Emad M. Ali CHEMICAL ENGINEERING DEPARTMENT KING SAUD UNIVERSITY.
What is Instrumentation? Seth Price Department of Chemical Engineering New Mexico Tech Rev. 1/8/15.
Enhancing Paper Mill Performance through Advanced Diagnostics Services Dr. BS Babji Process Automation Division ABB India Ltd, Bangalore IPPTA Zonal Seminar.
Chemical Process Controls: PID control, part II Tuning
History of industrial Automation
Sensors and Actuators John Errington MSc. Sensors and Actuators Sensors produce a signal in response to a change in their surroundings e.g. Thermostat.
“Don’t Forget Viscosity” Dave Bergman BP America July 28, 2004
Distributed Control Systems Emad Ali Chemical Engineering Department King SAUD University.
SIMCET  Real-Time PID Control Simulator for Training PID Tuning Real-Time Simulator (SIMCET Software) A product of PiControl.
Field Bus VCR(Virtual communication relationship) 1. client/server VCR  Used for queued, user-initiated, and one-to-one communication between devices.
CSE 425: Industrial Process Control 1. About the course Lect.TuLabTotal Semester work 80Final 125Total Grading Scheme Course webpage:
Unit 3a Industrial Control Systems
Cascade, Ratio, and Feedforward Control
SCADA and Telemetry Presented By:.
INTEGRATION OF ARTIFICIAL INTELLIGENCE SYSTEMS FOR NUCLEAR POWER PLANT SURVEILLANCE AND DIAGNOSTICS 2.
“azbil” Solutions for Oil Refining Plant
Industrial Process Modelling and Control Ton Backx Emeritaatsviering Joos Vandewalle.
21/01/02 - ECAL Cooling - Arnaud Hormiere ST/CV 1 Development of ECAL COOLING PLANT Application to a Super Module.
Remote Operation of Gas-lifted Wells John Stewart Shell Technology.
Continuous Particulate Training Workshop
PSE and PROCESS CONTROL
Yokogawa’s FIELDBUS solution
Sigmafine 4.0 – The Next Generation ( UC2003 Ales Soudek) Sigmafine 4.0 The Next Generation Ales SoudekMay 2003.
Automating Continuous Gas Lift
1 1 Subsea process systems engineering Integrated and new processes for separation (vapor pressure and dewpoint control) and water handling, with emphasis.
CONTROL ENGINEERING IN DRYING TECHNOLOGY FROM 1979 TO 2005: REVIEW AND TRENDS by: Pascal DUFOUR IDS’06, Budapest, 21-23/08/2006.
LAFAYETTE, LA NEW ORLEANS, LA HOUSTON, TX.
CSE 425: Industrial Process Control 1. About the course Lect.TuTotal Semester work 80Final 125Total Grading Scheme Course webpage:
ChE 433 DPCL Model Based Control Smith Predictors.
Standards Certification Education & Training Publishing Conferences & Exhibits Automation Connections ISA EXPO 2006.
Quality Production Testing Industries Leger MAKING REGULATORY COMPLIANCE PROFITABLE.
Cascade Control Systems (串级控制系统)
Instrument Hesam Basiri Present Time:1:30
Integrated Instrumentation Solutions
Design of the thermosiphon Test Facilities 2nd Thermosiphon Workshop
Edi Leksono Department of Engineering Physics
Chapter 12. Controlling the Process
Professor Robert L. Heider, PE
USE OF DATA ANALYTICS TO PREDICT THE DEMAND OF BIKES
Project Members: M.Premraj ( ) G.Rakesh ( ) J.Rameshwaran ( )
Vesa Klumpp, Knowtion Applications of Intelligent Control in Industry and Adaption to Space Missions Vesa Klumpp, Knowtion
Mid Semester UEB Energy Analysis of a Wastewater Treatment Plant by using Artificial Neural Network Presented by: Dr. Nor Azuana Ramli Electrical Engineering.
DTM's Streamline Asset Management for Final Control Elements
Two-level strategy Vertical decomposition Optimal process operation
S. Ghosh, M. Muste, M. Marquardt, F. Stern
Process Control Engineering
Model-based Predictive Control (MPC)
Enhanced Single-Loop Control Strategies
Instrumentation and control
A practical approach for process control optimization during start-up
DeltaV Neural - Expert In Expert mode, the user can select the training parameters, recommend you use the defaults for most applications.
Feedforward Control Prof. Ing. Michele MICCIO
TOS Control – main idea and scheme
Presentation transcript:

سنسور نرم و کاربرد آن در صنعت نفت کشور بنام خدا سنسور نرم و کاربرد آن در صنعت نفت کشور علیرضا فاتحی گروه پژوهشی اتوماسیون و کنترل پیشرفته فرایندها (اِیپک) دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی APAC Research Group, KNTU

APAC Research Group, KNTU فهرست مطالب معرفی اصول و ویژگیهای سنسور نرم کاربردهای سنسور نرم در صنعت معرفی جزئیات برخی کاربردهای سنسور نرم در صنعت نفت گفتگو و تبادل نظر در کاربرد سنسور نرم در صنعت نفت کشور APAC Research Group, KNTU

APAC Research Group, KNTU معرفی شخصی علیرضا فاتحی دانشیار و عضو هیات علمی دانشکده های برق و کامپیوتر (1380) مدیر گروه پژوهشی اِیپک مدیر راه اندازی پژوهشکده «بهره وری صنعت نفت» استاد مدعو در دانشکده مهندسی شیمی و مواد، دانشگاه آلبرتا، کانادا، 4-1392 APAC Research Group, KNTU

پژوهشکده «بهره وری صنعت نفت» در مرحله اخذ مجوز گروه های پژوهشی: اتوماسیون و ابزار دقیق شیمی میادین نفت سامانه های مکانی صنعت نفت مدلسازی مخازن نفت و گاز 23 عضو هیات علمی دانشگاه انجام حدود 100 پروژه برای صنایع و سازمانها APAC Research Group, KNTU

بکارگیری روشهای پیشرفته و نوین کنترل و اتوماسیون در صنایع کشور گروه پژوهشی اتوماسیون و کنترل پیشرفته فرایندها (اِیپک) Advanced Process Automation & Control (APAC) تاسیس: 1386 انجام پروژه های تحقیقاتی در جهت بکارگیری روشهای پیشرفته و نوین کنترل و اتوماسیون در صنایع کشور APAC Research Group, KNTU

APAC Research Group, KNTU APAC Facilities Research areas 5 Laboratories with around 250 m2 area space Advanced Control Systems lab. Fault detection lab. Industrial Automation lab. Process Control lab. Mechatronics lab. APAC Research Group, KNTU

APAC Research Group, KNTU APAC designed plant 4_tank+flow (4TF) pH plant APAC Research Group, KNTU

APAC Research Group, KNTU Rescue Robots Mobile Rescue Robot Intelligent robot Small Size soccer APAC Research Group, KNTU

APAC Research Group, KNTU Mechatronics plants APAC Research Group, KNTU

APAC Research Group, KNTU Process plants Pressure Flow Temperature Level APAC Research Group, KNTU

APAC Research Group, KNTU Mechatronics plants APAC Research Group, KNTU

پروژه های انجام شده در صنعت نفت طراحی و ساخت سیمولاتور دینامیکی توربین گاز GT10B و کمپرسور Demag Deval ، شرکت ملی گاز ایران، 1387-1391 (با همکاری شرکت توربوتک) طراحی و ساخت سیستم مجتمع مونیتورینگ عملکرد تشخیص خطای اجزا مختلف توربین گاز GT10B و کمپرسور Demag Deval ، شرکت ملی گاز ایران، 1387- 1391 (با همکاری شرکت توربوتک) امکان سنجی کاربرد سیستمهای کنترل پیشرفته در پالایشگاههای کشور، شرکت ملی پالایش و پخش فراورده های نفتی ایران، 1389 طراحی و ساخت سیستم کنترل پیشرفته بر مبنای کنترل چندگانه برای دستگاه خنثی سازی pH، شرکت ملی پالایش و پخش فراورده های نفتی ایران، 1389 APAC Research Group, KNTU

پروژه های انجام شده در صنعت نفت بررسی درستی تاثیر تزریقNAOH در بازده جداسازی نفت از خاک، دانشگاه آلبرتا- شرکت سینکرود کانادا، 4-1393 بهینه سازی سیستم توزیع آب/بخار در فرآیند استخراج نفت به روش SAGD، دانشگاه آلبرتا- شرکت سانکور کانادا، 4-1393 تشخیص منبع خطای گسترش یافته در فرایند Upgrading، دانشگاه آلبرتا- شرکت سانکور کانادا، 3-1392 ساخت رباتهای خودکار متحرک و هدایت شوند امدادگر، معاونت پژوهش و فناوری شرکت ملی نفت، 88-1385 APAC Research Group, KNTU

سایر تجربیات پژوهشی در صنعت نفت تخمین ويژگي های مخازن هیدروکربني با استفاده از داده های لرزه نگاری و بهره گیری از شبکه های عصبي،4-1393 پایش عملکرد و تنظیم کنترل کننده ها با ترکیب معیارهای فنی و اقتصادی و تست آن برای یک واحد استخراج گاز، 2-1390 طراحی سیستم هوشمند برای تشخیص وشناسایی خطا در واحدهای غلظت‌شكن و به‌سازي كاتاليستي پالایشگاه، 90-1389 طراحی سنسور نرم‌ جهت پیش‌بینی غلظت محصول در یک واحد تولید فرمالین، 4-1393 APAC Research Group, KNTU

APAC Research Group, KNTU کنترل فرایند پیشرفته طراحي و ساخت سيستم کنترل پیشرفته عمومی (UCS) براي فرايندهاي صنعتي، وزارت صنایع، 87-1384 تشخیص و شناسایی خطا در توربین گاز v94.2 زیمنس، شرکت مکو-مپنا، 1392-1394 مدلسازی و کنترل مکان پلاسما در دستگاه توکامک، پژوهشگاه گداخت و فیزیک پلاسما، 1386-1392 مدلسازی و تشخیص خطا در کوره دوار سیمان، شرکت سیمان ساوه، 87-1383 APAC Research Group, KNTU

APAC Research Group, KNTU اتوماسیون صنعتی تجربیات صنعتی سخنران عضو تیم راه اندازي كارخانه هاي سيمان خاش (1374) و هرمزگان (6-1375) کارشناس سيستمهاي اتوماسيون در شركتهای احداث صنعت و احداث كنترل (76-1374 و1382-1380): مشاور پروژه های سیمان داراب، سیمان خوزستان، سیمان حماء (سوریه) و سيمان طرطوس (سوريه) طراحي و ساخت سيستم كنترل راكتور آزمايشگاه شيميايي، شركت خاك رنگبر 1372 APAC Research Group, KNTU

اصول و ویژگیهای سنسور نرم (Soft Sensor) APAC Research Group, KNTU

کنترل و مانیتورینگ پیشرفته در صنعت Industrial Control & Automation Systems Process Control Advanced Control Structures PID Auto Tuning Advanced Process Control (APC) Condition Monitoring Fault Detection Identification Performance Monitoring Soft Sensors Alarm Management Instrumentation Automation Systems Fieldbus HMI Control System Configuration Interlock APAC Research Group, KNTU

APAC Research Group, KNTU سنسور نرم برنامه ای کامپیوتری که بر اساس اندازه گیری ها و اطلاعات موجود در فرایند، تخمینی از متغیرهایی که اندازه گیری مستقیم آنها با مشکل مواجه است ارائه می دهد. APAC Research Group, KNTU

نحوه کار سنسور نرم Under study variable: Fast-rate sensors فرایند Under study variable Fast-rate sensors and actuators   Fast-rate & accurate estimation Under study variable: Slow-rate lab variable data Inaccurate sensors Expensive sensors … APAC Research Group, KNTU

سنسور نرم شرکتهای صنعتی Honeywell: Profit SensorPro Emerson: DeltaV™ Neural Siemens: INCA Sensor Yokogawa ABB … APAC Research Group, KNTU

APAC Research Group, KNTU

مثال: تخمین فشار داخل چاه (Downhole Pressure) Petrobras, Brazil APAC Research Group, KNTU

APAC Research Group, KNTU مدل فرایند u1: TT3 Temperature before production choke valve u2: PT3 pressure before shutdown valve u3: TT2 Wet Christmas tree temperature y1: PT1 downhole pressure APAC Research Group, KNTU

APAC Research Group, KNTU حسگر نرم (Soft Sensor) حسگر نرم افزاری (Software sensor) حسگر‌ استنتاجی (Inferential sensor) حسگر‌ مجازی (Virtual sensor) آنالیزگر‌ مجازی آنلاین (Virtual on-line analyzer) حسگر‌ بر پایه رویتگر (Observer-based sensors) APAC Research Group, KNTU

APAC Research Group, KNTU چرا سنسور نرم؟ اندازه گیری فعلی توسط آزمایشگاه در بازه های زمانی مشخص انجام می شود ارائه تخمین آنی بر اساس اندازه گیری آزمایشگاهی و اطلاعات سایر سنسورها مشخصات نفت و گاز خروجی از چاه، کیفیت بخار تولیدی در بویلرها، ... سنسور سخت افزاری گران قیمت است و امکان خرابی آن زیاد است ارائه تخمین بر اساس اطلاعات سایر سنسورها و مدل فرایند فشار داخل چاه نفت، سنسورهای فراساحل، اشعه گاما، ... امکان اندازه گیری مستقیم وجود ندارد مشخصات کل مخزن نفتی، درجه حرارت ناحیه احتراق، ... APAC Research Group, KNTU

APAC Research Group, KNTU کاربردهای سنسور نرم ارائه تخمینی از متغیر اندازه گیری نشده تشخیص خطا در سنسورهای موجود تشخیص خطا در عملکرد فرایند جایگزینی سنسور سخت افزاری افزایش نرخ نمونه برداری بازسازی داده ها ارائه راهکار به اپراتورها در راهبری فرایند استفاده در حلقه کنترل APAC Research Group, KNTU

APAC Research Group, KNTU مراحل ساخت سنسور نرم تحلیل‌های اولیه تحلیل فرایند و ارزیابی اثر گذاری متغیرها بر هم جمع آوری داده ها پیش پردازش داده ها: حذف نویز، داده های پراکنده، جبران تاخیر طراحی سنسور انتخاب متغیرهای موثر در مدل انتخاب ساختار مناسب تخمین مدل فرایند بکارگیری سنسور در نظر گرفتن نکات ایمنی کاربرد سنسور تشخیص عملکرد نادرست سنسور به روزرسانی دوره ای سنسور APAC Research Group, KNTU

APAC Research Group, KNTU 1) تحلیل‌های اولیه تحلیل فرایند و ارزیابی اثر گذاری متغیرها بر هم تجربه متخصصان توصیف فرایند (Process Description، P&ID) APAC Research Group, KNTU

APAC Research Group, KNTU 1) تحلیل‌های اولیه جمع آوری داده ها استفاده از داده های گذشته تغییر عملکرد فرایند در طول زمان یا شرایط مختلف توجه به وجود داده های با نرخ های متفاوت توجه به پیش آمدن عیب، اینترلاک و غیره APAC Research Group, KNTU

APAC Research Group, KNTU 1) تحلیل‌های اولیه پیش پردازش داده ها حذف نویز با فیلترهای اولیه داده (در عین عدم حذف یا دستکاری داده های مفید) حذف داده های بدون اطلاعات مفید مثل داده های تکراری، نواحی ماندگار تشخیص، حذف یا جبران دادهای پراکنده (Outlier) تشخیص و جبران انحرافات فصلی و پیوسته وجود تاخیر و تشخیص اولیه آن APAC Research Group, KNTU

APAC Research Group, KNTU 2) طراحی سنسور انتخاب متغیرهای موثر در مدل تجربه متخصصان فرایند بررسی عملکرد فرایند تست های آماری تحلیل همبستگی تحلیل اطلاعات متقابل محاسبه عدد لیپشیتز APAC Research Group, KNTU

بررسی فرایند و انتخاب ورودی و خروجی ها %G Sp. Product Flow SP. XMV1:4,6,7 %G SP. Product Flow rate SP. APAC Research Group, KNTU

تحلیل همبستگی (Correlation Analysis) APAC Research Group, KNTU

APAC Research Group, KNTU 2) طراحی سنسور انتخاب ساختار مناسب برای مدل نوع مدل مدل استاتیک یا دینامیک مدل خطی یا غیر خطی چاه شماره 3 چاه شماره 1 APAC Research Group, KNTU

APAC Research Group, KNTU 2) طراحی سنسور انتخاب ساختار مناسب برای مدل ساختار مدل مدل فیزیکی (First Principles Model) رگرسور خطی یا غیرخطی مدلهای همبستگی فیلتر کالمن و فیلترهای ذره ای (Particle Filters) کمترین مربعات جزئی (Partial Least square- PLS) شبکه های عصبی، مدلهای فازی مدلهای چندگانه … APAC Research Group, KNTU

APAC Research Group, KNTU 2) طراحی سنسور تخمین مدل فرایند جبران اثرات نویز مشخصات نویز داده های پراکنده Outlier APAC Research Group, KNTU 37

APAC Research Group, KNTU 2) طراحی سنسور تخمین مدل فرایند تاخیر تخمین تاخیر نرخهای متفاوت نمونه برداری چاه شماره 3 تاخیر اندازه گیری نمونه برداری اندازه گیری APAC Research Group, KNTU

APAC Research Group, KNTU 2) طراحی سنسور تخمین مدل فرایند نقص در داده ها داده های گم شده (Missing Variable) متغیرهای پنهان (Latent Variable) APAC Research Group, KNTU

متغیرهای پنهان (Latent Variable) Froth Flow rate Slurry Flow rate APAC Research Group, KNTU

APAC Research Group, KNTU 3) بکارگیری سنسور در نظر گرفتن نکات ایمنی کاربرد سنسور تعیین محدوده خطا سنسور تعیین محدوده عملکرد سنسور APAC Research Group, KNTU

APAC Research Group, KNTU 3) بکارگیری سنسور شخیص عملکرد نادرست سنسور تعیین آزمونهای کارآیی کالیبراسیون و به روزرسانی سنسور به روز رسانی دوره ای به روز رسانی روی خط APAC Research Group, KNTU

بررسی نمونه هایی از کاربردهای سنسور نرم در صنعت بررسی نمونه هایی از کاربردهای سنسور نرم در صنعت APAC Research Group, KNTU

اندازه گیری مشخصات تولید در چاه دریایی BP & ABB Troika field, Gulf of Mexico Wells TA-1 (15294 ft TVD), TA-5 (16462 ft TDV) Data: April 1st - Sept 15th, 2000 APAC Research Group, KNTU

APAC Research Group, KNTU سنسورهای موجود APAC Research Group, KNTU

APAC Research Group, KNTU سنسور نرم اهداف طراحی ارزیابی عملکرد سنسورهای موجود تخمین مقادیر برخی متغیرهایی که سنسور ندارند تخمین متغیرهایی که سنسور آنها آسیب دیده است متغیرهای تخمین زده شده Oli production from each well Pressure drop Bottom hole pressure Water production APAC Research Group, KNTU

تخمین دبی آب موجود در نفت در چاه TA-5 Input sensor: The venturi inlet pressure and temperature sensor The vena contracta pressure and temperature sensor The well head pressure and temperature sensor Physical information The upper tubing from the downhole flow meter to the well head Composition of the oil and density of the water The venturi tube APAC Research Group, KNTU

ارزیابی کیفیت مقایسه سنسور نرم و نتیجه آزمایشگاهی مقایسه سنسور انتهای چاه و نتیجه آزمایشگاهی APAC Research Group, KNTU

اندازه گیری ویسکوزیته نسبی شرکت BASF نروژ فرایند تولید پلیمر APAC Research Group, KNTU

Case 1: Polymer production Process with inherent time lags and dead times Production of 2 different grades Relative viscosity (polymer / solvent) is main product specification laboratory analysis QI QI Reaction Granulation Extraction Drying Monomer Polymer 15 h 18 h

Soft sensor for relative viscosity Relative viscosity is measured twice per day with high precision (0.01) (laboratory / offline) analysis time is 4h Potential in avoiding off-spec production: fast detection of new product specification during grade change fast reaction on disturbances influencing relative viscosity reduction in number of (expensive) offline analysis continuously and easily measurable variables η = f(T,p,m) ● prediction of relative viscosity model

Engineering and implementation UNILAB (Siemens) PHD (Honeywell) Digital Control System EXCEL (MS) JMP (SAS) PRESTO (IPCOS)

Results: comparison model / analysis 2 models (low/high grade) after granulation 2 models (low/high grade) after drying Multiple Linear Regression (MLR) 13 - 17 input parameters (reaction and granulation section) 18 months Relative Viscosity after drying laboratory analysis soft sensor

Relative viscosity is provided continuously with high precision! Results: grade change Relative viscosity 19.2.2003 22.2.2003 28.2.2003 25.2.2003 model based sensor labo analysis Relative viscosity is provided continuously with high precision! RMSE < 0.009 80% of errors < 0.01 98% of errors < 0.02

APAC Research Group, KNTU