Integração da otimização em tempo real com controle preditivo.

• Main Author: Souza, Glauce Freitas de
• Other Authors: Odloak, Darci
• Format: Others
• Language: pt
• Published: Biblioteca Digitais de Teses e Dissertações da USP 2007
• Subjects: Chemical engineering; Controle de processos; Controle preditivo; Engenharia química; FCC; Model predictive control; Non linear optimization; Non linear programming; Otimização não-linear; Process control; Programação não-linear; Unidade de craqueamento catalítico
• Online Access: http://www.teses.usp.br/teses/disponiveis/3/3137/tde-27072007-182632/

Este trabalho tem como objetivo principal o desenvolvimento de uma estratégia de integração da otimização com o controle preditivo multivariável em uma camada. Os problemas de controle e otimização econômica são resolvidos simultaneamente em um mesmo algoritmo. A função objetivo econômica foi inserida no controlador na sua forma diferencial, ou seja, o gradiente da função objetivo econômica. O método foi testado por simulação para o caso do sistema reator regenerador da UFCC (Unit of Fluid Catalytic Cracker). Esta dissertação descreve a estratégia de otimização integrada ao controlador preditivo cuja função objetivo incorpora componentes dinâmicos e estáticos. Para a determinação das condições ótimas do processo no estado estacionário do conversor (unidade de craqueamento catalítico) foi utilizado um modelo empírico do processo. A melhor trajetória para conduzir o processo para o seu ponto ótimo de operação, maximizando lucro ou produto de maior valor agregado, desde que não sejam violadas as restrições de processo, é predita utilizando um modelo dinâmico, obtido através de dados de testes em degrau em um modelo rigoroso. Este modelo linear possibilitou a obtenção das funções de transferência do processo e o modelo em variáveis de estado. O ponto ótimo que é obtido na execução deste algoritmo, leva em consideração a não violação das restrições das variáveis manipuladas e controladas do processo, tanto para o estado estacionário como para o transiente do problema. O problema de otimização não linear resultante é resolvido através de uma rotina de programação quadrática da biblioteca do Matlab. Uma segunda alternativa apresentada para a estratégia de otimização deste trabalho, é a inclusão do gradiente reduzido na função objetivo do controlador quando são observadas violações das restrições das variáveis controladas. Os resultados simulados através de um modelo não linear rigoroso (Moro&Odloak,1995) mostram um bom desempenho dos algoritmos aqui desenvolvidos tanto com relação aos benefícios econômicos como na estabilização da unidade. === This dissertation aims to develop a strategy to integrate the optimization problem of the plant into the model predictive controller in a one layer strategy, for the real time optimization or online optimization. The control and the optimization of the process are computed simultaneously in the same algorithm. The gradient of the economic objective function is included in the cost function of the controller instead of in its regular form. Thereby, this work describes a predictive control strategy, which can be classified as a one layer strategy and whose objective function has to be optimized obeying constraints, which incorporates dynamic and static components. The optimal conditions of the process in the steady state are defined through the use of an empirical process model. Furthermore, the best trajectory to be followed in order to reach the optimal conditions, without violating the constraints, maximizing profit or the production of its more valuable product, is predicted through the use of the dynamic model, that can be obtained through a plant step test. As a result transfer function and state space models are obtained. The optimal operation point is achieved through the execution of the proposed algorithm. Therefore, the solution to the optimization/control problem will always be in a feasible region, in other words, without violating the process manipulated or controlled variable constraints for both stationary and transient states of the problem. The non-linear optimization problem resulted from the implementation of the proposed algorithm is solved through the quadratic programming routine from the Matlab library. The second online optimization strategy proposed in this work is one that considers the reduced gradient method algorithm modified to evaluate the predicted trajectory. As a result, any violation of the manipulated or controlled variable constraints is prevented and this variable is not considered in the next step of the calculation of the predicted trajectory or even in the search direction of the optimization. Finally the simulations results obtained through the use of a nonlinear rigorous model (Moro&Odloak,1995) presents good performance for the algorithms here proposed, not only related to economic benefits, but also in order to stabilize the unit.