Indice di salute delle piante come strumento di rilevamento di anomalie per i processi di raffineria di petrolio

Aug 29, 2023

Rapporti scientifici volume 12, numero articolo: 14477 (2022) Citare questo articolo

3268 accessi

1 Altmetrico

Dettagli sulle metriche

Il rilevamento tempestivo di cambiamenti anomali significativi è altamente auspicabile per i processi di raffineria di petrolio, che consistono in operazioni unitarie sofisticate che gestiscono inventari pericolosi e infiammabili e operano a temperatura e pressione elevate. Un attento monitoraggio e il rilevamento delle anomalie sono fondamentali per evitare incidenti e perdite gravi e consentire l’intervento prima che si verifichi un guasto. In questo lavoro viene proposto un nuovo strumento di analisi dei big data chiamato Plant Health Index (PHI). PHI è un software di rilevamento statistico di anomalie che addestra il proprio modello utilizzando il normale funzionamento online dell'impianto, quindi utilizza l'analisi statistica per rilevare le anomalie. Per rilevare le anomalie viene utilizzato un metodo combinato di analisi multivariata dei residui e modelli non parametrici del processo. La metodologia fornisce una rappresentazione strutturata delle variabili dell'impianto per facilitare il rilevamento dei problemi insieme al rilevamento dei cambiamenti di funzionamento del sistema. Il sistema PHI è stato testato su un'unità di idrotrattamento in una raffineria, che consiste di reattori catalitici e separatori. L'attuale implementazione ha etichettato 170 variabili di processo e si è rivelata efficace nel catturare le normali condizioni operative dell'impianto. Una volta messo online, PHI è stato in grado di rilevare anomalie difficili da rilevare utilizzando il sistema di controllo e prima che vengano rilevate dal sistema di allarme.

Le raffinerie di petrolio sono tra le strutture dinamiche più complicate e richiedono un funzionamento regolare, efficace e sicuro per produrre continuamente prodotti di alta qualità a costi competitivi. Sono necessari sistemi di sorveglianza estremamente sofisticati, in grado di individuare tempestivamente malfunzionamenti e comportamenti anomali degli impianti. Gli algoritmi di apprendimento automatico possono essere utilizzati in modo efficace per scoprire anomalie sulla base di dati online e storici, che possono portare al monitoraggio dello stato del sistema. Quando si studiano i set di dati del mondo reale, sapere quali esempi si distinguono come diversi da tutti gli altri è un requisito comune. Le anomalie sono questo tipo di eventi e lo scopo del rilevamento dei valori anomali o del rilevamento delle anomalie è trovarli tutti utilizzando i dati operativi online1.

Il settore petrolifero è diventato un settore altamente regolamentato con la sicurezza operativa come obiettivi fondamentali. Quasi tutte le apparecchiature installate nelle moderne raffinerie sono dotate di sensori che ne monitorano l'attività e di attuatori telecomandati che operano su di esse al fine di gestirne il profilo operativo, evitare eventi indesiderati ed evitare guasti catastrofici. L'integrità fisica degli impianti di petrolio e gas è rigorosamente protetta attraverso molteplici livelli di sistemi di controllo e allarme che reagiscono a circostanze insolite. Il rilevamento delle anomalie è importante perché le anomalie nei dati possono portare a informazioni significative e utilizzabili in una vasta gamma di campi applicativi1. La capacità di agire sull'ambiente per rispondere, prevenire o porre rimedio in modo appropriato alle situazioni associate a tali informazioni uniche dà al decisore la capacità di identificarle correttamente2.

Un'altra considerazione importante nelle industrie di processo, come le raffinerie di petrolio, è la movimentazione di grandi quantità di materiali pericolosi e infiammabili, che fluiscono a velocità elevate (tonnellate all'ora), temperature elevate (centinaia di gradi Celsius) e potenza (in megawatt)3 . Migliaia di dipendenti e milioni di dollari sono in gioco ogni secondo, poiché un singolo piccolo difetto o errore può causare danni significativi all’intero stabilimento e ai suoi lavoratori, nonché perdite di reddito. Di conseguenza, la principale preoccupazione della gestione degli impianti industriali è garantire la sicurezza continua, l’efficienza dei processi, la durabilità a lungo termine e i tempi di fermo programmati (rispetto a quelli non programmati). I sistemi di controllo distribuito (DCS) e i sistemi di controllo di supervisione e acquisizione dati (SCADA) sono comunemente utilizzati per il monitoraggio e il controllo continui delle apparecchiature e del funzionamento delle unità, come pompe, compressori, separatori, caldaie, scambiatori di calore e reattori catalitici. Le variabili che vengono generalmente misurate e trasmesse come segnali sono temperatura, portata, livello, pressione e vibrazione. Con centinaia o migliaia di sensori di monitoraggio utilizzati in tutto l'impianto di processo, tenere traccia del corretto funzionamento o meno richiede molto tempo e manodopera4.