Modifier-Adaptation methodology for RTO applied to Distillation Columns

Optimización en Tiempo Real utilizando la Metodología de Adaptación de Modificadores

“…La formulación alternativa de NMA solo necesita 11 estados estacionarios, 3 para la estimación inicial de los modificadores, 3 para construir el simplex y finalmente 5 soluciones RTO para converger. (Rodríguez-Blanco et al, 2015), considerando la operación de una columna de destilación despropanizadora que cuenta con una capa de control predictivo. En este caso se presentan dos tipos de incertidumbre, la debida al uso de un modelo erróneo o inexacto en la capa RTO y la originada por la presencia de distintos tipos de modelos en la estructura de control (RTO usa un modelo estacionario no lineal, MPC basado en modelos dinámicos lineales).…”

“…En este caso, el modelo dinámico utilizado para representar el proceso de forma muy detallada cuenta con 2152 variables (1976 explícitas, es decir, que se despejan explícitamente de una ecuación, 129 en derivadas, 40 algebraicas o implícitas y 7 condiciones de contorno, es decir, número de grados de libertad del modelo) y 2145 ecuaciones (129 ecuaciones diferenciales y 2023 algebraicas), sin embargo, la capa RTO utiliza un modelo estacionario simplificado con tan solo 32 ecuaciones algebraicas y 39 variables (29 explícitas, 3 algebraicas y 7 condiciones de contorno) lo que supone una gran incertidumbre estructural modelo-proceso. Sobre esta aplicación se han implementado las técnicas DMA y NMA (Rodríguez-Blanco et al, 2015) observando que las técnicas estacionarias consiguen alcanzar el óptimo pero después de varios días de operación, concretamente en 60 horas, lo que implica 10 estados estacionarios. Para acelerar la convergencia al punto óptimo de operación se decidió aplicar los métodos basados en el transitorio, como el basado en NEC (Rodríguez-Blanco et al, 2016) sólo aplicable cuando existe incertidumbre paramétrica, y el basado en RELS (Rodríguez-Blanco et al, 2017c) válido en presencia de incertidumbre estructural y paramétrica, alcanzando el óptimo del proceso en un solo estado estacionario en ambos casos, aproximadamente en tan solo 8 horas de operación.…”

“…MA ha ido evolucionando desde sus inicios en los años 70, surgiendo numerosas variantes. Su implementación en varios casos de estudio, como el reactor Otto-Williams (Roberts, 1979), (Marchetti et al, 2010) o una columna de destilación despropanizadora (Rodríguez-Blanco, et al, 2015), ha demostrado que es una gran herramienta para optimizar la operación de procesos en presencia de un elevado grado de incertidumbre modelo-planta. Por ello, este artículo hace una revisión de las principales técnicas desarrolladas explicando sus características y el modo de implementación.…”

Modifier adaptation for process optimization with uncertainty

“…MA has evolved from its beginnings in the seventies, with numerous schemes emerging, some of which will be described hereafter. Its implementation in several case studies, such as the Otto-Williams reactor (Marchetti, et al, 2010), (Navia, et al, 2013), or the operation of a depropanizer distillation column (Rodríguez-Blanco, et al, 2015), has shown that MA is a great tool for optimizing the process operation in the presence of a high degree of uncertainty. A review of the fundamentals of MA and the principle approaches developed in this field is made in this section, describing the main features and how to implement them.…”

“…A more realistic application will also be used in this thesis that considers the operation of a depropanizer distillation column with a model predictive control layer (Rodríguez-Blanco, et al, 2015). This problem presents two types of uncertainty; the first is due to the use of an erroneous steady state model in the RTO layer, and the other is originates from the presence of different kinds of models in the control structure (RTO is based on nonlinear steady state models, whereas MPC uses dynamic linear models).…”