Resumen de Reyes La

Objetivo:
El objetivo global es investifar si los simuladores comerciales de procesos
pueden ser efectivos para automatizar el procedimiento del control de planta
completa. La aplicacin de este anlisis es principalemente en la parte
ascendente de el procedimiento de control de planta completa.
Para este caso de estudio, la planta de metanol es considerada para incorporar
la estructura bsica de la mayora de las plantas qumicas: un reactor, un
separador, y un flujo de reciclaje con purga.

Resumen del control de planta completa

Se describe brevemente el procedimiento de control de planta completa
propuesta por Skogestad (2000), tambin presentada en Skogestad (2004) y
Skogestad (2012). Un corto resumen de el procedimiento completo es includio,
pero la descripcin se enfocara sobre los primeros pasos, el cual es la principal
aplicacin de el anlisis en este trabajo.

Conceptos bsicos
El control de planta completa se refiera a el diseo de la estructura de control
aplicado a las plantas qumicas, especficamente, a la filosifia de control para la
planta completa. Podria ser pensable en tratar de formular el problema
matemaicamente para describir y controlar la planta completa. Sin embargo,
podra ser caro e imprctico para plantas chimicas de tamao normal, que un
control aceptable pueda lograrlo con estructuras simples.
La figura 2.1 muestra la tpica jerarqua de control en una planta qumica.
Descompone el problema de control global en tiempo de escalas bsicos. Las
etapas superiores estn explcitamente realcionadas con la optimizacin
econmica. El procedimiento actual trata con las dos estapas ms bajas.

Basicamente, el sistema de control debera: estabilizar la planta e implementar

una operacin cercana a la ptima. La estabilizacin ocurre en la tapa de
control de regulacin, en una estaca rpida de tiempo y es usualmente hecha
con controladores PID. No usa grados de libertad porque sus setpoints vienen
de la etapa de supervisin (superior). El control de supervisin, el cual enva los
setpoints al control de regulacin puede lograrse con controladores PID, pero

un MPC es actualmente una herramienta generalizada. Los setpoints para el

control de supervisin vienen de la etapa de optimizacin.
Al final, despus del procedimiento de control de planta completa haya sido
completado, las siguientes decisiones se realizarn:

Decision
Decision
Decision
(TPM)
Decision

1: seleccin de variables primarias controladas (CV1)

2: Seleccin de variables controladas secundarias (CV2)
3: localizacin del manipulador de rendimiento/produccin
4: emparejar las vlvulas con las variables controladas (CV2)

Las variables de los controladores primarios son tambin llamados variables

econmicas; mientras que las variables de los controladores secundarios son
tambin llamados variables de establizacion. Hay sub-conjuntos o
combinaciones de las variables medidas. La seleccin o combinacin se hacen
usando matrices H y H2.
En Skogestad(2004) explica, que para lograr una verdadera operacin optima,
el modelo necesitara ser perfecto y todas las medidas debern estar
disponibles y fiables; el cual es inrealista. Luego, el concepto de perdida (L) es
es introudce como la diferencia entre el valor actual de la funcin costo
obtenica con una estrategia de control especifica, y el verdadero valor optimo
de la funcin costo. Este concepto brinda la idea de encontrar las variables
controladas las cuales, mantengan los setpoints contrantes para obtener una
perdida aceptable; aun con perturbaciones.
De esta manera, no necesitaremos reoptimizar constantemente cada vez que
ocurre una perturbacin. Esto es llamada control de la optimizacin de las
variables controladas.
La figura 2.2 ilustra el concepto de perdida. Puede ser visto que cuando una
perturbacion ocirre, el costo optimo tambin se modicia y si queremos que se
quede en el optimo claramente necesitaremos reoptimizar. Tambin se puede
observar que al mantener los setpoints de las variables controladas constantes,
existe una perdida. En la figura, para mantener los setpoints de CV1
constantes, es posible de lograr una perdida mas pequea que con el setpoint
constante de CV2.

Otro factor que afecta el optimo es la medicin del error. La matoeria de las
variables convenientes para mantener cosntantes estas que son restricciones

activas o varaibles controladas para las cuales el costo es desconsiderado; el

caso (a) y (b) de la figura 2.3 si el costo es muy considerado para el valor de la
variable controlado, la implementacin es mas difcil y puede no funcionar con
un error de medicin grande.

Procedimiento para el control de planta completa

El procedimiento es separado en dos partes principales: descendente y
ascendente. La parte descendente se concentra sobre la operacin optima en
estado estable y la economa. La parte ascendente se enfoca en la etapa de la
estructura de control y, a pesar de las consideraciones en estado estable son
relevantes, un modelo dinamico es requerido.
El procedimiento es como sigue:
1. Descendente
a. Paso 1: define los objetivos operacionales (economa) y
restricciones
b. Paso 2: Identifica los grados de libertad en estado estable y
determina las condiciones de operacin en estado estable
c. Paso 3: Identifica las mediciones candidatas y y selecciona
CV1=Hy.
d. Paso 4: Selecciona el lugar de el manipulador de rendimiento.
2. Ascendente
a. Paso 5: Selecciona la estructura de la etapa de control de
regulacin: CV2= H2y y emparejalos con CV2.
b. Paso 6: Selecciona la estructura de la etapa de control de
supervisin
c. Paso 7: Selecciona la estructura de la etapa de optimizacin
(RTO) si se requiere.
Pasos del procedimiento
Paso 1: Define los objetivos operacionales
El objetivo operacional es definido como una funcin de costo escalar J($/s) que
deber ser minimizada. Tpicamente:

J =costode alimentacion+ costo de utilidadesvalor de productos

Las restricciones son restricciones operacionales las cuales tienen un flujo, una
temperatura y una presin minima y mxima. Las especificaciones de calidad,
seguridad y requisitos ambientales debern ser incluidos. Tambin, el problema
de optimizacin se mira como:

min J (u , x , d )

s .t .

Ecuaciones delmodelo f ( u , x , d )=0

Restricciones operacionales g ( u , x , d ) 0
Donde u son los grados de libertad para la operacin; estos estn para la
operacin porque el equpo es fijo. Es el numero de us que es importante
porque realmente no importa que variables esten incluidas en u tan grande
como ellos forman una combinacin independiente. Las perturbaciones d
puden cambian en el flujo de alimentacin y composicin, los cambios en
especificaciones, cambios en precios, entre otras. Las variables internas
(estados) son denotados por la x.
Paso 2: Determinar la operacin optima en estado estable.
El problema de optimizacin en estado estable fue definido en el paso 1. El
modelo del proceso puede ser desarrollado explcitamente o pude ser provedo
indirectamente por algn simulador de proceso. El reto de usar los simuladores
de procese es que el resultado del modelo es un equipo de ecuaciones no
lineales con propiedades numricas pobres para la optimizacin
(Skogestad,2012).
El modo de operacin es elegido en este paso. Puede ser:

Modo 1: Maximizar la eficiencia dado un rendimiento- esto resulta en

una compensacin entre el valor del producto recobrado y la energa
consumida.
Modo 2: maximizar la produccin cuando los precios del producto son
altos comparados a la energa y los precios de la materia prima. En este
caso, el flujo de alimentacin es un grado de libertad.

Para determinar la operacin optima en estado estable: debemos identificar los

grados de libertad, las perturbaciones importantes, y la operacin deber ser
optimizaco, tambin para las perturbaciones. Al final, las regiones restringidas
(regiones de operacin con la mismas restricciones activas) deberan ser
encontradas. En resumen, en el paso 2 lo siguiente deber ser realizado:

Identificar los grados de libertad en estado estable

Aqu es importan diferenciar entre los grados de libertad fsicos y los
grados de libertad en estado estable u. los grados de libertad fsicos
corresponden a las vlvulas mientras que los grados de libertad en
estado estable son aquellos que afectan la funcin costo J. Los primeros
son los nicos que se necesitan para la optimizacin. Pueden ser
identificados ambos contando las vlvulas o usando el mtodo potencial
de grados de libertad, descrito en Skogestad (2012).

Identificar las perturbaciones importantes y sus respectivos rangos

La importancia de una perturbacion es proporcionala la sensibilidad
de la funcin costo a esa perturbacion. Las perturbaciones comunes
importantes estn en el flujo de alimentacin y en la composicin de la
alimentacin. Otras perturbaciones puden ser cambios en la
especificacin del producto y en las restricciones activas, cambios en los
parmetros ( constantes de equilibrio, eficiencias), y variaciones en los
precios.

Identificar las regiones restringidas activas

una vez que las perturbaciones y sus rangos son especificados, la
funcin es optimizada a lo largo del espacio de la perturbacion.
Finalmente, las regiones restrictivas activas estn encontradas.

Paso 3: Seleccionar las variables controladas primarias (economa)

Cada grado de libertad en estado estable necesita ser emparejada con una
variable controlada primaria. Skogestad(2012) menciona dos reglas para la
seleccin de las variables controladas primarias:
1. Regla 1: Control de las restricciones activas
2. Regla 2: Para los grados de libertad sin restricciones restantes controlar
las variables de optimizacin primarias.
En otras paralabras, para cada regin restringida activa, las restricciones
activas puden ser vistas como variables candidatas primarias porque al valor
optimo estn son constantes. Pueden ser entradas o salidas. Las restricciones
de entrada activas son una valvula que esta completamente cerrada o abierta.
Las restricciones de salida activas pueden requerir un controlador. Asi los
controladores requerirn algo de tiempo para ajustarse despus a las
perturbaciones y existirn algunos errores de medicin, el setpoint no ser
exactamente un valor restringido; un back-off es requerido.
Despues de emparejar las restricciones activas, las variables controladas
candidatas primarias para los grados de libertad restantes debern ser
identificadas. Primero, candidatas medibles (y) y sus posibles errores debern
ser identificados. Luego, las variables controladas primarias sern
seleccionadas. Lo que es deseado es encontrar las variables para los cuales
los setpoints son constantes dando una perdida pequea (economa) cuando
ocurre una perturbacion, y a pesar de la implementacin de errores. La
seleccin de CVs primarias (c) es realizada usando una seleccin o matriz de
combinaciones H, donde H= cy. Algunos requisitos cualitativos mencionados en
Skogestad (2000) para la seleccin de variables son:

El valor optimo de el CV deber ser insensible a las perturbaciones.

EL CV deber ser fasil de medir y controlar

El CV deber ser insensible a las variasiones de las variables
manipuladas.
Si hay dos o mas CVs, no debern de estar relacionadas cercanamente.

Downs and Skogestad (2011); Skogestad (2012); Minasidis et al. (2013) discute
algunas estrategias cuantitativas para definir estas variables; ampliamente
clasificadas como la estrategia de fuerza bruta, y estrategias locales. Una
simple estrategia local es el mtodo de espacio nulo, explicado por Alstad y
Skogestad (2007). Este mtodo asume que no hay ruido, y el set point optimo
constante es definido como en la ecuacin siguiente:

c opt =H y opt
La sensibilidad de la matriz F puede ser definida como

y opt =F d
Combinando las ecuaciones anteriores, se obtiene:
opt

c =HF d
Si el numedo de mediciones (ny) es igual o mas grande que el numero de
entradas (un) y el numero de perturbaciones (nd), y F es evaluado con una
combinacin restringida activa constante, es decir en una regin restringida
activa, luego H puede ser seleccionada en el espacio nulo izquierdo F; H
pertenece a N(F^T). luego se obtiene la siguiente ecuacin. En otras palabras,
si tenemos suficientes mediciones, tenemos suficiente informacin para definir
H como el espacio nulo de F, para una regin restringida activa y asumiendo
que no hay ruido.

HF=0
Si observamos la ecuacin anterior, llega a ser evidente que si HF es siempre
cero, a pesar de todas las perturbaciones (d),

c opt

siempre ser cero,

debido a que el valor ptimo de las variables controladas permanece

constante.
Despus de la seleccin de las variables primarias controladas, es posible
estimar la perdida, ilustrada en la figura 2.2, usando la ecuacin siguiente.
Como se explico antes, deber ser visco con una penalizacion en los beneficios,
cuando no se optimizacuando ocurre una perturbacion y se usan los setpoints
constantes en lugar de las variables seleccionadas.

Loss=J (u ; d ) J opt (d )

Paso 4: Seleccin del lugar del manipulador de

rendimiento/produccin
Un grado de libertad es especificado como manipulador de
rendimiento/produccin (TPM); se define la masa que se mueve en la planta.
Deber ser situado en cualquier lugar dentro de la planta, pero el lugar
afectara la economa y la estructura del sistema de regulacin. Esta es la
decisin que vincula la parte ascendente y descendente de la metodologa. El
TPM es mas discutido en Aske y Skogestad (2009) y Skogestad (2012).
Paso 5: Seleccin de la estrutura de la etapa de control de regulacin
En esta etapa las variables del control de regulacin CV2=H2y son
seleccionadas; luego, las entradas y emparejamientos para las CV2 son
seleccionas. No hay grados de libertad porque los setpoints para los CV2 son
ahora las variables manipuladas de la etapa del control de supervisin. La
seleccin deber ser realizada tomando en cuenta que para controlar las CV2,
los efectos de las perturbaciones sobre Cv1 deberan ser pequeos ( rechazo a
perturbaciones locales) y que el efecto de las perturbaciones en las variables
internas x debern ser pequeas.
Paso 6: Seleccin de la estructura de la etapa de control de
supervisin
Hay dos alternativas para esta etapa: lazos de control simples avanzados
(control PID con algunos aditamentos) o MPC. Esta etapa no deber solo
controlar las variables controladas primarias CV1 sino tambin supervisar el
desempeo de la etapa de regulacin y cambiar las varaibles controldas si es
necesario.
Paso 7: seleccin de la estructura de la etapa de optimizacin
La etapa de optimizacin en tiempo real enva los setpoints para las variables
controladas primarias y los actualiza si hay cambios en la regin restringida
activa. Si las variables primarias son escogidas, es probable que el beneficio
del RTO no sea alto.

Descripcin del proceso

Como un planta qumica comn, consideramos un proceso que contiene un
flujo de reaccin, de separacin y de reciclado con purga. La planta del
metanol fue seleccionada porque incorpora esta estructura bsica.

4.1 descripcin del proceso del metanol

Un gas sintetico (syngas) compuesto por hidrogeno y monxido de carbono es
la materia prima para la produccion de metanol. Tpicamente, el syngas es
producido desde el gas natural, como se muestra en la figura 4.1. el syngas
con algo de dixido de carbono es alimentado a la seccin de prodcuccion de

metanol. El metano crudo (contiene agua) es enviado a la seccin de

purificacin para producir un metanol mas puro (>=95%) (Zhanf et al., 2013).

El propsito de este anlisis, la produccion de syngas y la purificacin del

metanol no esta incluido y solo la seccin delimitada en la figura 4.1 sera
considerada. El syngas es considerado como la alimentacin (y perturbacion)
para el proceso y el metanol crudo es considerado como el producto. Las
capacidades de una planta tpica tiene un rango de 150 a 6000 t/d (Moulijin et.
Al., 2013).
De 1830 a 1923 ca., el metanol fue producido por la destilacin en seco de la
madera. Fue por primera vez sintetizado industrialmente en 1923 del syngas.
Para alcanzar conversiones aceptables, una alta presin (230-350 bar) y
temperaturas de 320-450 C son requeridas. En los 1960s, la habilidad para
producir sulfuro libre de syngas y los nuevos calizadores (Cu/ZnO) permitieron
la produccion del metanol a condiciones leves, especialmente sobre la presin.
plantas de baja presin operaban a 50-100 bar y 200-300 C, el limite
superior de temperatura es alto porque a mayores temperaturas ocurre la
sinterizacion (Lange,2001;Speight,2002;Fiedler et al., 2005; Moulijn et al.,
2013).
Diagrama de flujo del proceso
Los diagramas de flujo del proceso para la produccion de metanol industriales
son similares y la diferencia mas importante es el reactor. Un esquema general
es presentado en la siguiente figura. El syngas fresco es mezclado con un
syngas reciclado y la mezcla es pre calentada antes de entrar al reactor. Existe
algn tipo de control de temperatura en el reactor, que extingue o enfria agua.
Cuando se extingue es lo mismo que enfriar, esto es el proceso ICI, los flujos
extinguidos no son precalentados.

La salida del reactor es enfriada por un intercambiador de calor con la

alimentacin y mas un enfriador para separar el metanol y el agua del gas sin
reaccin. El gas es recirculado despus de purgar una pequea parte para
mantener la concentracin de los componentes inertes sin limites. El producto

de esta seccin es llamado metanol crudo. El metanol crudo es purificado en

una seccin de la destilacin, el cual no es considerado en este anlisis.

Simulacin del proceso

La simulacin del proceso en modo de operacin es el modelo. Fue
mayormente desarrollado durante un projecto de especializacin, pero fue
modificado durante esta tesis. La simulacin fue realizada en UniSim R400. Es
importante mantener en mente que cuando usamos este tipo de modelos las
interacciones entre las variables no son explicitas porque no tenemos
ecuaciones que describen el modelo. Adems, alguna intuicin del proceso y
conocimiento llega a ser importante para el anlisis de las interacciones.
Diagrama de flujo del proceso
Este analiza considera la seccin de producion del metanol, con syngas como
la materia prima y el metanol crudo como el principal producto. Despus de un
anlisis inicial, el diagrama de flujo simplificado del proceso propuesto por
Lovik (2001) se muestra en la figura 4.4 fue considerado como la mejor opcin
para el propsito de este estudio. Este proceso considera un reactor de Lurgi, el
cual el calor de la reaccin es transferida para hervir el agua y la temperatura
del reactor es actualmente controlada por la presin de el vapor de agua para
producir un vapor de presin medio. El syngas fresco es considerado para tener
las condiciones requeridas para entrar al lazo.

La simulacin del diagrama de flujo es mostrada en la figura 4.5 y esta basada

en la figura 4.4 el syngas fresco es alimentado al lazo a 140C y la misma
presin como la salida de la compresin de recirculacin Arthur(2010). Como el
consumo de la energa elctrica para comprimir la entrada (maquillaje) es
constante y adems no deber afectar la optimizacin, fue decidida excluirla
de la simulacin.
El flujo de entrada es mezclado con la salida del compresor de recirculacin y
el flujo mezclado es precalentado antes de entrar al reactor. La presin se pone
en el flujo superior del reactor. El flujo de salida sirve como precalentamiento
medio para la entrada. La salida es mas fra para peremitir la separacin del
gas sin reaccin y el metanol crudo (metanol y agua). Una fraccin del flujo
gaseoso es purgado. El gas recirculado se comprime despus.

La tpica temperatura de operacin y la presin son reportados en Lovik (2001)

y Arthur (2010) para los reactores Lurgi son mostrados en la tabla 4.1. El
syngas fresco fue puesto a 6000 t/d. la composicin nominal del syngas fresco
es mostrado en la tabla 4.2. El metano es considerado como inerte.

Problema de optimizacin
El problema puede ser visto como un problema de optimizacin, formulado
como:

Donde u se refiere a las entraas o variables de decisin, d son las

perturbaciones, y x se refiere a las variables internas tanto el modelo
termodinamico y el modelo cintico.
Cuando no se usa simuladores, las ecuaciones del modelo son un conjunto de
restricciones; sin embargo, cuando usamos los simuladores de proceso, las
ecuaciones del modelo no son requeridas a ser definidas explcitamente.
Luego, las restricciones son operacionales o son restricciones cualitativas. El
mode de operacin es Modo 1; el rendimiento esta dado y las variaciones del
flujo de alimentacin son considerados como perturbaciones.

Funcin objetiva
Se maximiza el objetivo de operacin dado para maximizar los beneficios,
definimos una ecuacin. Como el problema de optimizacin es sugerido como
un problema de minimizacin, la funcin objetiva considera como positivos los
costos de enfriamiento, electricida, syngas, mientras que el costo del metanol
crudo (producto), la purga, y el vapor producido son puestas como negativas.

Costos para la funcin objetiva

EL costo de la matrira prima y el precio del metanol crudo usados para la
optimizacin son mostrados en la tabla. Pellegrini et. al. (2011) reportan el
precio del metanol crudo, el cual, como se espera, es mas bajo que el precio
del metanol mas puro reportado por Zhang et al. (2013) y Methanex (2013).

La purga es requerida para mantener la concentracin del metano inerte

dentro de los limites aceptables, considera que el tamao de el equipo es dado.
Como la purga tiene algun contenido de energa, el costo de la purga es
calculado en la simulacin, como se explica en la seccin 4.2.5, usando la
ecuacin 4.3, cual considera el LHV15C de el syngas y el precio del syngas. A
las condiciones nominales de operacin, el precio de la purga es 0.10 $/kg.
El costo para el enfriamiento y el vapor es mostrado en la tabla. El
enfriamiento es considerado un servicio barato. El vapor es producido usando
el calor de la reaccin. El precio del vapor esta reportado por Noureldin er al.
(2013) con $/kg.

El costo de la energa elctrica es calculado en la simulacin, como se explica

en la seccin 4.2.6, usando la ecuacin 4.4. a condiciones nominales, el precio
es 0.054$/kWh.

Restricciones
Las restricciones son puestas de acuerdo a la planta fsica. UniSim es un
programa de diseo. Si las restricciones fsicas no son puestas, cada simulacin
se dimensionaran los equipos de acuerdo a los flujos de masa y energa.
Adems, hay dos principales fuetes para las restricciones: aquellas que
pertenecen a los valores tpicos de operacin para el proceso y aquellos que
vienen de la capacidad y limitaciones de la planta especfica.
Para ejemplicar esto, cualquier reactor del metanol tiene una operacin similar
mxima de temperatura, la cual es entre 240-260 C de acuerdo a Aasberg

(2011). Esto es debido a que cada reactor de metanol usa un tipo de

catalizador similar que sintetiza sobre una cierta temperatura (sobre 280-300
C). sin embargo , las reas del intercambiador de calor de cada planta de
metanol no son necesariamente las mismas entre las plantas y los limites de
la ventana de operacin de casa planta es especifica.
El tamao de las caractersticas fsicas del equipo de la planta es una fuente
para las restricciones que pueden ser observadas:

Compresor y lazo de capacidad de recirculacin

Enfriador
Pre enfriamiento del intercambiador de calor.

Supongamos que el diseo y el dimensionamiento de la planta esta dado, las

variables de operacin pueden ser vistas como entradas (variables de decisin)
para la optimizacin. Estas pueden ser variantes con ciertos limites, dados en
la tabla 5.3. Estas son restricciones en la forma lb<=u<=ub.

Hay 4 grados de libertad.

Para algunas entradas, como la temperatura del reactor, los limites superior e
inferior pueden ser definidos basndose en el conocimiento del proceso. Sin
embargo, como el comportamiento del proceso no es lineal, puede ser la causa
que los limites para algunas entradas no sean tan evidentes. Si los limites de la
entrada no son definidos correctamente, algunas combinaciones de entradas
podrn violar los principios fsicos.

Diseo de la estructura de control

En esta seccin los primeros pasos del procedimiento de control de planta
completa son desarrollados sistemticamente usando las herramientas
desarrollados en los captulos anteriores.
La meta de este anlisis es establecer las bases para usar un simulador de
procesos como UniSim para aplicar sistemticamente el procedimiento de
control de planta completa. Los primeros tres pasos de el procedimiento de
control de planta completa presentados en Skogestad (2012) son aplicados: la
definicin de los objetivos operacionales, la optimizacin en estado estable, y
la identificacin de las candidatas medibles. Para cumplir con la optimizacin
en estado estable en el paso 2, un modelo fiable en estado estable deber
estar disponible. La simulacin describe en la seccin 4.2 y el cdigo y
modificaciones descritas en el capitulo 6 son usadas para resoler el problema
de optimizacin en el capitulo 5.

Paso 1: Define los objetivos operacionales

El capitulo 5 describe la definicin de el problema de optimizacin. La ecuacin

5.2 define la funcin objetiva, la ecuacin 5.3 define las inegualidades de las
restricciones para las salidas y la tabla 5.3 detalla los limites superiores e
inferiores para las entradas. La meta es para minimizar el costo (maximizar el
beneficio) para satisfacer las restricciones operacionales.