石油精製プロセスの異常検出ツールとしてのプラントの健康指標

Jun 06, 2023

Scientific Reports volume 12、記事番号: 14477 (2022) この記事を引用

3312 アクセス

1 オルトメトリック

メトリクスの詳細

重大な異常変化を早期に検出することは、石油精製プロセスにとって非常に望ましいことです。精製プロセスは、危険で可燃性の在庫を処理し、高温高圧で稼働する高度なユニット操作で構成されています。 重大な事故や損失を回避し、障害が発生する前に介入できるようにするには、綿密な監視と異常検出が不可欠です。 この研究では、Plant Health Index (PHI) と呼ばれる新しいビッグ データ分析ツールが提案されています。 PHI は、オンラインの通常のプラント操作を使用してモデルをトレーニングし、統計分析を使用して異常を検出する統計的異常検出ソフトウェアです。 異常を検出するには、残差の多変量解析とプロセスのノンパラメトリック モデルを組み合わせた方法が使用されます。 この方法論では、プラント変数の構造化された表現が提供され、システムの動作変更の検出とともに問題の検出が容易になります。 PHI システムは、触媒反応器と分離器で構成される製油所の水素化処理ユニットでテストされています。 現在の実装では 170 のプロセス変数にタグが付けられ、プラントの通常の動作条件を把握するのに効果的であることが証明されました。 PHI をオンラインにすると、制御システムを使用して検出するのが困難な異常を、警報システムによって検出される前に検出することができました。

製油所は最も複雑な動的構造の 1 つであり、競争力のあるコストで高品質の製品を継続的に生産するには、スムーズで効果的かつ安全な操業が必要です。 プラントの故障や異常な動作を早期に特定するには、非常に高度な監視システムが必要です。 機械学習アルゴリズムを効果的に使用すると、オンライン データと履歴データに基づいて異常を発見でき、システムの健全性の監視につながります。 現実世界のデータセットを研究する場合、どの例が他のすべてのデータセットと異なっているかを知ることが一般的な要件です。 異常とはこのような種類のイベントであり、異常値検出または異常検出の目的は、オンライン運用データ 1 を使用してそれらすべてを検出することです。

石油部門は、操業の安全性とセキュリティを中核的な目標とする、高度に規制された業界へと発展してきました。 最新の製油所に設置されているほぼすべての設備には、動作プロファイルを管理し、望ましくないイベントを回避し、致命的な故障を回避するために、その活動を監視するセンサーと、それらを操作するための遠隔制御アクチュエータが装備されています。 石油およびガスプラントの物理的完全性は、異常な状況に反応する多層の制御および警報システムによって厳密に保護されています。 データの異常は、さまざまなアプリケーション分野で重要な実用的な情報につながる可能性があるため、異常の検出は重要です1。 このような固有の情報に関連する状況に適切に対応、防止、または是正するために環境を実行する能力により、意思決定者は情報を正確に識別することができます2。

製油所などのプロセス産業におけるもう 1 つの重要な考慮事項は、高速 (毎時トン)、高温 (摂氏数百度)、および電力 (メガワット) で流れる大量の危険な可燃性物質の取り扱いです。 。 たった 1 つの小さな欠陥やエラーが、収入の損失だけでなく、工場全体と従業員に重大な損害を与える可能性があるため、毎秒何千人もの人員と数百万ドルが危険にさらされています。 その結果、産業プラント管理の最大の関心事は、継続的な安全性、プロセス効率、長期耐久性、および予定された (予定外ではない) ダウンタイムを確保することです。 分散制御システム (DCS) および監視制御およびデータ収集 (SCADA) システムは、ポンプ、コンプレッサー、分離器、ボイラー、熱交換器、触媒リアクターなどの機器およびユニット動作の継続的な監視と制御に一般的に使用されます。 一般に測定され、信号として送信される変数は、温度、流量、レベル、圧力、振動です。 プロセスプラント全体で数百または数千の監視センサーが使用されているため、それらが適切に動作しているかどうかを追跡するには、非常に時間と労力がかかります4。