127
Conclusioni e Sviluppi Futuri
L’obiettivo della tesi è stato quello di consentire l’analisi delle prestazioni di anelli di regolazione di base (operanti in retroazione e con regolatori ad algoritmo standard – PID) interessati da variazioni di set-point, al sistema di monitoraggio PCU (Plant Check Up), sviluppato negli ultimi anni presso il Laboratorio di Controllo dei Processi Chimici (CPCLab) del Dipartimento di Ingegneria Chimica dell’Università di Pisa. Fino ad oggi tale sistema di monitoraggio era, infatti, limitato ad applicazioni su loops a set-point costante. La possibilità di analizzare tutti gli anelli operanti come secondari di cascata (in questi casi il regolatore a livello superiore impone variazioni di set-point in modo praticamente continuo al regolatore secondario) o sotto controllo avanzato, risulta molto importante, visto che questa tipologia di loops è molto diffusa (stimabile in quasi la metà del totale).
L’obiettivo è stato raggiunto sviluppando una procedura di identificazione e una procedura di retuning che consentono l’identificazione del modello del processo e l’ottenimento di parametri di tuning appropriati per i regolatori PI/PID; l’attivazione della procedura di retuning è ovviamente subordinata all’ottenimento di un esito positivo della procedura di identificazione.
Lo sviluppo della procedura di identificazione è stato caratterizzato dalle seguenti fasi:
1. Sviluppo di una tecnica di identificazione che impiega solamente i dati normalmente acquisiti dal sistema di controllo DCS, senza richiedere sperimentazioni specifiche o l’introduzione di perturbazioni.
2. Convalida della tecnica di identificazione mediante l’applicazione a dati simulati.
3. Messa a punto della procedura che, oltre a impiegare la tecnica di identificazione, consente di massimizzare le possibilità di successo della stessa, limitando i rischi relativi alla presenza di anomalie (attrito, sovrapposizione di disturbi).
La tecnica di identificazione ricerca un modello a serie temporale autoregressivo con ingresso esterno (ARX), il cui comportamento in anello chiuso sia quanto più simile possibile a quello del processo reale. Lo scopo ultimo, infatti, è quello di ottenere un modello del processo utile per la sintonizzazione del controllore, piuttosto che quello di ottenere un modello identico al processo reale. Sulla base di tale scopo è stato definito un opportuno indice di accuratezza capace di stabilire il successo o meno della tecnica. L’identificazione del modello ARX viene effettuata impiegando la tecnica dei minimi quadrati (LLS).
La tecnica di identificazione è stata convalidata mediante applicazione a dati simulati. Sono state considerate 9 classi di processo per cui si è fatto variare i diversi parametri entro un certo range ottenendo così un totale di 54 casi. In 43 casi la tecnica di identificazione ha dato risultati ottimi. Ciò che più interessa non è il fatto che la tecnica di identificazione abbia funzionato nell’80% dei casi, quanto piuttosto il fatto che i processi per i quali la tecnica è risultata valida sono tutti quelli caratterizzati da una dinamica sovra-smorzata e dall’assenza di zeri. Questo risultato è molto incoraggiante se si considera che la maggior parte dei processi industriali ha proprio queste caratteristiche. Sono state fatte delle simulazioni all’aumentare del numero di cambi di set-point da
Conclusioni e Sviluppi Futuri
128 cui è emerso che per i processi con dinamica sovra-smorzata e senza zeri, un maggior numero di cambi di set-point non incide minimamente sul risultato dell’identificazione che si mantiene ottimo. Occorre in realtà specificare che se la frequenza dei cambi di set-point diventa tanto elevata da impedire alla dinamica del processo di esprimersi, l’identificazione risulta ovviamente più difficile. In fase di convalida si è investigato anche l’effetto dell’ordine del modello e la robustezza della tecnica alla presenza di rumore. I risultati sono stati soddisfacenti.
Una volta messa a punto la tecnica di identificazione è nata l’esigenza di fare in modo che essa potesse essere applicata ai dati industriali, tenendo conto del fatto che le due fondamentali ipotesi su cui si basa la tecnica, ma anche la significatività dell’indice scelto al fine di stabilirne l’esito, sono:
1. Comportamento ideale dell’attuatore. 2. Assenza di disturbi sovrapposti.
Poiché nella realtà industriale la presenza di disturbi e il fenomeno dell’attrito rappresentano delle problematiche comuni, si è quantomeno cercato di elaborare una procedura che assicurasse la corrispondenza tra l’esito dell’identificazione e l’effettiva riuscita della stessa.
Per questo motivo in caso di dati interessati da un solo cambio di set-point si è elaborato una procedura che prevede l’applicazione della tecnica ai soli dati effettivamente interessati dalla variazione di set-point, mentre esclude tutti quei dati di stazionario che oltre ad essere inutili ai fini pratici potrebbero essere interessati da presenza di disturbi. Per quanto riguarda la procedura in caso di più cambi di set-point, essa prevede di suddividere i dati in un certo numero di finestre di ampiezza prestabilita, di condurre l’identificazione in ognuna delle finestre e di confrontare in anello aperto i modelli identificati nelle due finestre a cui è associato l’indice di bontà dell’identificazione più alto. Solo se i due modelli in questione sono sufficientemente simili e solo se il valore più alto dell’indice di bontà dell’identificazione è superiore ad un valore di soglia, la procedura ha esito positivo. Il fatto di confrontare i modelli identificati nelle due finestre in cui l’identificazione sembra essere andata meglio, deve essere interpretato come un’ulteriore garanzia del giudizio della procedura.
La procedura di retuning messa a punto impiega la tecnica SIMC (Skogestad, 2003) e allo stesso tempo consente di superare le principali limitazioni della stessa. Tale tecnica risulta infatti inappropriata per processi con dinamica sotto-smorzata fino a determinare delle risposte in anello chiuso molto oscillanti o addirittura instabili. La procedura di retuning garantisce la stabilità in anello chiuso e una sovra-elongazione contenuta, caratteristica ritenuta desiderabile dagli operatori degli impianti industriali. La procedura consente inoltre di valutare l’effettiva necessità di effettuare il retuning mediante il calcolo di un indice che valuta il miglioramento di prestazioni tra il tuning attuale e quello proposto, facendo riferimento al regolatore ottimale per il modello identificato.
Le due procedure sono state con successo applicate ad alcuni anelli di regolazione della raffineria Eni di Livorno. In particolare si sono valutati gli effettivi miglioramenti ottenuti rispetto a quelli previsti a seguito del cambiamento dei parametri del controllore, per quegli anelli di regolazione per cui l’identificazione aveva avuto esito positivo. I risultati, pur limitati a qualche decina di loops per evidenti ragioni di tempo e di vincoli dovuti alla gestione dell’impianto, sono stati del tutto soddisfacenti.
Le due procedure sono state inserite nel sistema di monitoraggio PCU implementato presso la raffineria Eni di Livorno.
Gli sviluppi futuri di questa attività consistono, in primo luogo, in un maggiore approfondimento relativo all’applicazione della procedura di identificazione a dati interessati da presenza di attrito o sovrapposizione di disturbi. La presenza di una di queste due anomalie determina, infatti, il venir
Conclusioni e Sviluppi Futuri
129 meno delle ipotesi su cui la tecnica di identificazione si basa e, nonostante si sia sviluppata una procedura capace di ridurre al minimo le conseguenze che questi fenomeni possono avere, l’argomento richiede ulteriori approfondimenti.
Un ulteriore sviluppo potrebbe essere quello di mettere a punto una procedura di identificazione specifica per dati interessati da più cambi di set-point a gradino, come, per esempio, quelli che si hanno a disposizione dopo l’effettuazione di campagne di identificazione di loops (step-tests). La due procedure che sono state sviluppate in questo lavoro di tesi, sono, infatti, specifiche per dati interessati da un solo cambio di set-point a gradino e per dati interessati da cambi continui e casuali di set-point.
