Plastråstoffprodusenten Borealis på Rønningen var blant de første fabrikkene i verden til å implementere en modellbasert prediktiv regulator (MPC) basert på fysikalske modeller. På fabrikken fins trolig det miljøet i Norge som har lengst praktisk erfaring i bruk av MPC.
Arbeidet med å utvikle egen teknologi for prosesskontroll startet allerede i 1986, og reaktorstyring for høytrykks polyetenfabrikken ble satt i drift i 1989. I 1991 begynte utviklingen av en egen MPC-regulator for styring av lavtrykksreaktorer, og den første MPC-anvendelsen ble satt i drift i april 1993. Teknologien går under navnet BorAPC.
Gode erfaringer
MPC-teknologien er nå i bruk for kontinuerlige tankreaktorer, loop-reaktorer, gass fase fluid-bed reaktorer og prosesser med opp til fem reaktorer i serie. Tilbakemeldingene fra operatører og driftspersonell har vært meget positive. Den foreløpig siste implementeringen av BorAPC er på Borealis egen Borstar-fabrikk i Schwechat utenfor Wien.
Beslutningen om å utvikle en MPC-regulator selv ble tatt fordi det ikke fantes tilstrekkelig avansert teknologi tilgjengelig i markedet. På grunn av eierforholdene på dette tidspunktet var det naturlig å samarbeide med Statoil Forskningssenter i Trondheim. MPC-regulatoren skulle være generelt tilgjengelig for bruk i alle Statoil-anlegg.
Dessuten er mange av modellene som benyttes, basert på Borealis kunnskap om prosessene. Denne kunnskapen ønsker Borealis å beskytte, fordi de representerer vår forståelse av prosessen og er et konkurransefortrinn. Vår erfaring er dessuten at ved å utvikle modellene selv, videreutvikler man sin egen kunnskap om prosessen, fordi man da tvinges til å beskrive prosessen kvantitativt og konsistent.
Langsomme forstyrrelser
Når er så MPC riktig valg for et reguleringsproblem? Forstyrrelser i en prosess kan forårsake setpunktsavvik. Endringer av setpunkt kan også betraktes som en forstyrrelse. Hvis en kontrollert variabel lett kan måles, og effekten av pådragene på denne er hurtig, har vi et problem som ikke trenger en MPC-regulator.
Hvis effekten derimot er langsom, vil det være viktig å måle forstyrrelsen og motvirke dette proaktivt før det oppstår et avvik i reaktoren. Modellen brukes til å beregne effekten av forstyrrelsen, av eventuelle koblinger mellom variablene og hvor stor pådragsendring som er nødvendig.
For en polymeriseringsprosess er man generelt interessert i å oppnå høyere produksjonsrate, mer stabil og reproduserbar polymerkvalitet, stabile reaktorbetingelser, redusert forbruk, økt sikkerhet og færre stopp i produksjonen. Polymeriseringsprosesser har sterke interaksjoner mellom prosessvariablene. Derfor er multivariabel regulering meget nyttig.
Du kan simulere prosessen off-line, inklusiv regulering, eller evaluere modellen online, med målinger fra prosessen. Du kan også koble pakken mot en simulator, for eksempel en treningssimulator for operatører.
Fakta: Dette er MPC
Med modellbasert prediktiv kontroll brukes en modell av prosessen til å optimalisere pådragene i en reguleringsoppgave, slik at summen av setpunktsavvikene for de kontrollerte variablene minimaliseres for et fremtidig tidsintervall. Problemet kan ha beskrankninger i kontrollerte variabler og i bruk av pådrag.
Prosessmodellen brukes til dynamisk beregning av de kontrollerte variablene som funksjon av pådrag og forstyrrelser. Til dette kan man bruke empiriske modeller eller fysikalske modeller basert på en matematisk beskrivelse og kunnskap om prosessen.
Empiriske modeller er vanligvis basert på data fra step-respons forsøk utført på prosessen. Fysikalske modeller er basert på masse- og energibalanser, fysikalske egenskaper for komponentene, utrykk for reaksjonskinetikk og egenskaper for polymeren.
Fysikalske modeller er bygd opp av ikke-lineære differensiallikninger og vil være bedre egnet til å styre polymeriseringsreaktorer der betingelsene endres ofte og mye. Disse prosessmodellene er enkle å vedlikeholde. Modellene egner seg også godt til gjenbruk. Det vil si at du kan ta utgangspunkt i en kopi av modellen for en liknende reaktor.
