Разработка интеллектуальной системы снижения валового выброса загрязняющих веществ в атмосферу химико-технологическими предприятиями

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

• Содержание
• Введение
• Глава 1. Анализ проблем управления сложными промышленными объектами с учетом экологических параметров
• 1.1 Влияние химико-технологических систем на экологическое состояние окружающей среды
• 1.2 Проблемы управления сложными системами
• 1.3 Использование методов оптимизации при решении задач автоматизированного управления
• 1.4 Обзор интеллектуальных систем, применяемых для целей управления сложными системами
• Выводы по первой главе
• Глава 2 Описание объекта исследования и управления
• 2.1 Общая характеристика промышленного кластера г. Новомосковска Тульской области
• 2.2 Структура и характеристики систем управления
• 2.3 Проблемы при создании канала управления, учитывающего выбросы загрязняющих веществ в атмосферный воздух
• Выводы по второй главе
• Глава 3 Научно-методические основы построения интеллектуальной системы снижения валового выброса загрязняющих веществ в атмосферу химико0-технологическими предприятиями
• 3.1 Функциональная структура интеллектуальной системы снижения валового выброса загрязняющих веществ в атмосферу
• 3.2 Применение нечеткой логики для вычисления вклада предприятий в суммарное загрязнение окружающей среды
• 3.3 Расчет рекомендуемых управляющих воздействий по изменению режимов работы предприятий на основе генетического алгоритма с целью снижения уровня загрязнения окружающей среды
• 3.4 Методы выбора оптимальных параметров и структуры системы снижения валового выброса загрязняющих веществ в атмосферу
• 3.4.1 Метод выбора оптимальных параметров нечеткой системы определения вкладов предприятий
• 3.4.2 Метод выбора оптимальной структуры системы управления
• 3.5 Разработка системы передачи информации о рассчитанных управляющих воздействиях для лиц, принимающих решения на предприятиях
• Выводы по третьей главе
• Глава 4. Практическое применение интеллектуальной системы снижения валового выброса в атмосферу химико-технологическими предприятиями промышленного кластера г.Новомосковска Тульской области
• 4.1 Разработка структуры интеллектуальной системы снижения валового выброса загрязняющих веществ в атмосферу химико-технологическими предприятиями
• 4.2 Подсистема вычисления вклада предприятий в суммарное загрязнения атмосферного воздуха
• 4.2.1 Блок моделирования
• 4.2.2 Блок нечеткого вычисления
• 4.3 Подсистема вычисления управляющих воздействий по изменению режимов работы предприятий
• 4.4 Выбор оптимальных параметров и структуры автоматизированной системы снижения валового выброса загрязняющих веществ в атмосферу
• 4.5 Подсистема передачи информации о рассчитанных управляющих воздействиях
• 4.5.1 Настройка серверной части
• 4.5.2 Настройка клиентской части
• 4.6 Обсуждение результатов и рекомендации
• 4.6.1 Общие рекомендации
• 4.6.2 Вспомогательные рекомендации предприятиям по снижению выбросов загрязняющих веществ в атмосферу
• Выводы по четвертой главе
• Заключение
• Список литературы
• Приложение
• Введение
• Актуальность работы. На территории промышленных регионов располагается большое количество предприятий разных видов деятельности. Все эти промышленные предприятия во время своей работы выбрасывают в атмосферный воздух большое количество загрязняющих веществ (ЗВ). При этом может возникнуть ситуация, когда суммарная концентрация ЗВ в атмосферном воздухе превысит ПДК, однако концентрация этого ЗВ, выбрасываемого отдельными предприятиями в атмосферу, не превышает ПДК. Для повышения и обеспечения качества окружающей среды промышленного региона необходимо не только совершенствовать технологию и проводить модернизацию оборудования на каждом предприятии, но и систем контроля и управления степенью загрязнения атмосферного воздуха комплексом этих промышленных предприятий. В настоящее время негативные влияния промышленных источников на атмосферный воздух привели к значительному ухудшению его качества, что отразилось и на здоровье человека, и на состоянии окружающей среды в целом. Поэтому, контроль и управление степенью загрязнения атмосферного воздуха от промышленных источников является весьма актуальной задачей.
• На сегодняшний день управление предприятиями промышленного комплекса, особенно сложными химико-технологическими системами является нетривиальной задачей. Большое количество перекрестных связей и их взаимное влияние существенно усложняют процесс управления. Отсутствие аналитических зависимостей между выходами и входами объектов управления или их чрезмерная сложность делает невозможным реализацию автоматического управления традиционными методами. Это особенно заметно при попытке синтеза системы управления концентрацией загрязняющих веществ (ЗВ) в атмосфере.
• В настоящее время развитие различных научных, производственных и экологических отраслей невозможно без применения средств вычислительной техники и современных интеллектуальных информационных технологий. Это обусловлено тем, что многие современные задачи практически не могут быть решены классическим методами из-за очень большой сложности и размерности математических моделей, которые их описывают. Задачи определения управляющих воздействий по снижению выбросов (определения долей изменения нагрузки предприятий) в атмосферу являются комбинаторными задачами большой размерности и степени изменения условий.
• Обеспечить экологическую безопасность людей невозможно без выполнения контроля источников загрязнения. Для остановки единых требований к организационным основам, информационному обеспечению, техническому оснащению и методологии контроля источников загрязнения атмосферы создано руководство ОНД-90 [2]. Руководство включает в себя перечень загрязняющих веществ, подлежащих контролю; категории опасности предприятий и периодичность их проверок; перечень подлежащих проверке сторон деятельности предприятий; решения, принимаемые по итогам проверок и т.п., однако срок действия этого руководства закончился в 1996 году.
• На территории г.Новомосковска Тульской области располагаются более 100 промышленных предприятий. Основные источники загрязнения г.Новомосковска представлены в таблице 1. Большинство этих предприятий является постоянно действующими источниками загрязнения атмосферного воздуха.
• Таблица 1 - Основные загрязнители и ЗВ в атмосферном воздухе в г. Новомосковске Тульской области

Основные предприятия г.Новомосковска	Основные ЗВ
ОАО НАК «Азот»	NO, NO2, NO3, HCl, Cl2, H2SO4, CH3OH, SO2, CO
«P&G - Новомосковск»	Пыль, SO2, CO, NO, NO2
ООО «Аэрозоль-Новомосковск»	Сольвентнафталин, SO2, CO, NO, NO2
ООО «Полипласт»	Фафталин, SO2, CO, NO, NO2
ООО «Оргсинтез»	Сажа, SO2, CO, NO, NO2
КНАУФ-ГИПС-Новомосковск	Пыль, SO2, CO, NO, NO2

• В рамках подпрограммы «Экология и природные ресурсы Тульской области на 2014 - 2020 годы» государственной программы «Охрана окружающей среды Тульской области» предусматриваются создание и оснащение системы контроля за состоянием атмосферного воздуха в области. В частности, в 2014 году для Новомосковска приобретен передвижной экологический пост, на что в консолидированном бюджете области предусмотрено 3,6 млн. рублей.
• Мониторинг загрязнения атмосферного воздуха в г.Новомосковске Тульской области проводится на 3 стационарных постах (таблица 2).
• Таблица 2 - Перечень постов наблюдения за качеством атмосферного воздуха на территории г.Новомосковска Тульской области

№ поста наблюдения	Программа отбора проб воздуха
ПНЗ №1, ул. Мира, 54	неполная
ПНЗ №2, ул. Калинина, 14	неполная
ПНЗ №3, ул. Школьная, школа №8	неполная

• Неполная программа - отбор проб в 07, 13, 19 часов ежедневно, кроме воскресенья. Средние результаты лабораторных исследований загрязнений представлены в таблице 3.
• Таблица 3 - Перечень ЗВ г.Новомосковска с превышением ПДК и средние результаты лабораторных исследований загрязнений

Номер поста наблюдения	Наименование вещества	Исследовано проб
		Всего	В том числе
			До 1 ПДКм.р.	1.1-5.0 ПДКм.р.	5.1-10.0 ПДКм.р.	>10.0 ПДКм.р.
ПНЗ № 1	Взвешенные вещества	915	910	5	-	-
	Диоксид серы	915	913	2	-	-
	Оксид углерода	915	912	3	-	-
	Диоксид азота	915	914	1	-	-
	Оксид азота	915	915	-	-	-
	Аммиак	915	909	3	-	-
	Формальдегид	915	899	20	-	-
ПНЗ№ 2	Взвешенные вещества	915	915	-	-	-
	Оксид углерода	915	911	-	-	-
	Диоксид азота	915	909	6	-	-
	Фенол	915	910	5	-	-
	Формальдегид	915	900	15	-	-
	Бенз(а)пирен	12	8	4	-	-
ПНЗ №3	Взвешенные вещества	915	915	-	-	-
	Оксид углерода	915	914	1	-	-
	Диоксид азота	915	911	4	-	-
	Оксид азота	915	915	-	-	-
	Аммиак	915	903	12	-	-
	Формальдегид	915	900	15	-	-

• Основным недостатком существующих систем мониторинга экологического состояния промышленных регионов, например, таких как муниципальное образование (МО) «город Новомосковск» Тульской области, является то, что полученные с их помощью данные не учитываются при управлении технологическими процессами химико-технологических предприятий. Это связано с отсутствием математических моделей, описывающих взаимосвязь между производственной нагрузкой предприятий (производительностью) и распределением концентрации ЗВ, выделяемых в атмосферу в результате функционирования этих предприятий, а также, с отсутствием диалоговых подсистем, включенных в состав автоматизированных систем экологического мониторинга, позволяющих на основе полученных данных о концентрации ЗВ и метеоусловиях обеспечить поддержку принятия решений по управлению выбросами в атмосферный воздух.
• Особенности управления предприятиями производственного комплекса:
• реальные промышленные комплексы обычно являются сложными многосвязными объектами управления (ОУ), т.е. имеют несколько входов и несколько выходов. Процесс управления этими ОУ существенно усложняется присутствием большого количества перекрестных связей и их взаимного влияния;
• отсутствие аналитических зависимостей между выходами и входами объектов управления или их чрезмерная сложность делает невозможным реализацию автоматического управления традиционными методами;
• промышленные комплексы как сложные многосвязные объекты обладают неопределенностью поведения, нестационарностью параметров, большим энергоресурсом, большой динамической инерционностью. Поэтому, чтобы обеспечить поддержку принятия решений при управлении предприятиями промышленного комплекса с учетом экологических параметров, необходимо применить интеллектуальные методы, экспертные системы и новые информационные технологии;
• большинство существующих систем управления охраной окружающей среды под воздействием выбросов крупных производственных комплексов реализуют на практике только контроль загрязнений окружающей среды.
• На сегодняшний день перспективным направлением решения экологических проблем является разработка и использование методов математического моделирования и математической модели искусственного интеллекта на базе компьютерной технологии, которые позволяют формализовать человеческие способности к неточным или приближенным рассуждениям.
• Таким образом, разработка интеллектуальной системы управления предприятиями промышленного комплекса с целью снижения концентрации загрязняющих веществ в выбросах в атмосферу является актуальной задачей.
• Цель диссертационной работы. Разработка интеллектуальной системы снижения валового выброса загрязняющих веществ в атмосферу химикотехнологическими предприятиями, которая учитывает экологические факторы при выработке управляющих воздействий в режиме реального времени, направленных на снижение валовых выбросов загрязняющих веществ в атмосферу, и методики расчета оптимальных долей изменения режимов работы предприятий на базе технологий искусственного интеллекта в условиях неполной и нечеткой информации.
• Для достижения поставленной цели в работе были сформулированы следующие задачи:
• провести анализ существующих систем управления производственной деятельностью;
• систематизировать многолетнюю информацию по метеоусловиям и выбросам предприятий г.Новомосковска для поддержки процесса моделирования распространения загрязнения в атмосферном воздухе;
• разработать структурную схему системы управления, базы данных (БД), базы знаний (БЗ), продукционные модели представления знаний подсистем интеллектуальной управляющей системы;
• разработать метод вычисления вклада каждого предприятия - источника загрязнения в суммарную концентрацию ЗВ;
• разработать метод вычисления долей изменения нагрузки предприятий в соответствии с их долями в валовых выбросах ЗВ в атмосферный воздух;
• обеспечить в защищенном режиме передачу управляющих воздействий для лиц, принимающих решения на предприятиях.
• Научная новизна:
• предложен новый подход к представлению зависимостей между процедурами принятия решений по управлению производствами и процессом контроля загрязнения атмосферного воздуха промышленного региона, направленных на снижение валового выбросов в атмосферу с учетом вклада каждого из предприятий-источников загрязнения в валовых выбросах;
• разработана интеллектуальная система снижения валового выброса, в которой применяются технологии искусственного интеллекта для вычисления долей изменения нагрузки предприятий в соответствии с их долями в валовых выбросах ЗВ в атмосферу в условиях неполной и нечеткой информации;
• разработан комбинированный метод вычислений с использованием математического аппарата нечеткой логики и компьютерного моделирования физических сред, позволяющий определить вклад каждого источника выброса вредных веществ в суммарный выброс в атмосферном воздухе;
• разработан метод вычисления оптимальных соотношений, в соответствии с которым происходит изменение режимов работы предприятий с учетом их вкладов в валовых выбросах ЗВ в атмосферу в режиме реального времени;
• разработана специальная методика создания системы управления предприятиями химического комплекса с организацией обратной связи через виртуальную частную сеть с защищенным удаленным доступом, которая может быть рекомендована в качестве типовой структуры системы управления в любом промышленном регионе РФ.
• Практическая значимость. Получены научные обоснованные рекомендации по изменению режимов работы химико-технологических предприятий, позволяющие проводить химико-технологические процессы этих предприятий с учетом выбросов ЗВ в атмосферу без снижения прибыли.
• Полученные научные и практические результаты имеют важное народнохозяйственное значение для автоматизации процессов управления экологической ситуацией на муниципальном уровне в регионах с сильно развитой химической и иной промышленностью, создания теоретической и методической основы для разработки систем информационной поддержки принятия эффективных решений по управлению экологической безопасностью.
• На защиту выносятся:
• математическая модель расчета вклада каждого источника выброса вредных веществ в суммарный выброс в атмосферном воздухе;
• метод вычисления соотношения изменения нагрузки предприятий (производительности) в соответствии с их вкладами в валовых выбросах ЗВ в атмосферу;
• структура системы управления химико-технологическими предприятиями - источниками выбросов загрязняющих веществ в атмосферу.
• Методика исследования. В диссертационной работе использованы методы системного анализа, теория искусственного интеллекта, математический аппарат генетических алгоритмов и нечетких множеств, методы оптимизации и математического моделирования.
• Обоснованность и достоверность полученных результатов подтверждается применением современных информационных технологий и методов искусственного интеллекта; использованием методов компьютерного, математического моделирования и оптимизации.
• Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на XIV Международной конференции «Проблемы управления и моделирования в сложных системах», г.Самара, 2012г.;
• ХIII научно-технической конференции молодых ученых, студентов, аспирантов, НИ РХТУ им. Д.И. Менделеева 2011г и 2012г.
• Автор выражает глубокую признательность и благодарность научному руководителю работы - к.т.н., доценту Волкову Владиславу Юрьевичу за ту профессиональную помощь, и заведующему кафедрой «АПП» НИ (ф) РХТУ им. Д.И. Менделеева - д.т.н., профессору Венту Дмитрию Павловичу за ценные консультации и поддержку при выполнении диссертации.
• Глава 1. Анализ проблем управления сложными промышленными объектами с учетом экологических параметров
• 1.1 Влияние химико-технологических систем на экологическое состояние окружающей среды
• Химико-технологических систем (ХТС) является опасным производственным объектом [4] и оказывает на окружающую среду многоразличное воздействие:
• загрязнение окружающей среды химическими веществами от предприятий химической промышленности обычно связывает с бесконтрольным поступлением ЗВ этих ХТС в природную среду;
• истощение природных ресурсов строительством ХТС и эксплуатацией им разных сырьевых ресурсов;
• изменение природных и возникновение техногенных ландшафтов [5].
• Особенностью воздействия ХТС на окружающую среду является разнообразие источников загрязнения и видов опасных ЗВ. Ряд ЗВ, выбрасываемых предприятиями ХТС в атмосферный воздух, характеризуется очень высокой токсичностью.
• Особо вредными являются производства аммиака, кислот, анилиновых красок, хлора, синтетического каучука, каустической соды, гербицидов и пестицидов, ртути, карбида кальция, фосфорных удобрений, фтора и других. Производственное объединение «Азот» загрязняет окружающую среду хлористым водородом, фосгеном, фенолом, винилхлоридом, аммиаком - очень вредными токсикантами. Очень вредят окружающей среде предприятия, которые вырабатывают синтетические продукты и ядохимикаты. Практически все предприятия химической промышленности нарушают приделы санитарнозащитных зон, имеют устаревшее оборудование, имеют устаревшие изношенные установки, или не имеют очистных сооружений [11].
• Характерные загрязняющие атмосферный воздух вещества - это аммиак, сероуглерод, сернистый ангидрид, оксиды азота, угольная зола, оксиды углерода, винилхлорид, тетраэтилсвинец, стирол и прочее. Наиболее существенными и опасными являются воздействия на атмосферный воздух ЗВ предприятий двух подотраслей - агрохимии и производства химических волокон. Производственная деятельность предприятий химической промышленности образует огромное количество токсичных отходов [12-13].
• За последние годы производственная деятельность большой части предприятий химико-технологического комплекса сопряжена с нарушениями санитарно-гигиенических норм состояния окружающей природной среды. Наиболее опасными источниками загрязнения окружающей среды являются отходы, которые образуются при химико-технологических процессах, например, отработанный воздух окислительных процессов; газы, не вступившие в реакцию; продукты побочных реакций, не находящие применения; продукты неполного и чрезмерно глубокого превращения и полимеризации, а также фильтры; промышленные воды и воды из абсорбционных установок очистки отходящих газов и т.п. [14-16].
• Окружающая среда загрязняется вспомогательными веществами и материалами, используемыми в химико-технологических процессах, например, воздух после регенерации катализатора и пневмотранспорта продуктов; адсорбенты, абсорбенты и растворители; отработанные катализаторы; осушающие агенты; тара и фильтровальные материалы, непригодные для повторного использования; газы, отсасываемые из аппаратов при создании разрежения и другие. Кроме того, в ХТС источниками загрязнения окружающей среды являются механические потери сырья, промежуточных и готовых продуктов вследствие негерметичности оборудований и коммуникации [38-39].
• Отходы ХТС по уровню воздействия на окружающую среду подразделяются на особо токсичные, токсичные и нетоксичные. К токсичным веществам относятся соединения азота (NO_x), серы (SO_x) и оксид углерода (СО), выбрасываемые в атмосферный воздух в количествах, значительно превышающих предельно допустимую концентрацию (ПДК). Нетоксичные отходы требуют огромные земельные участки для их складирования. Негативное воздействие на окружающую среду, вызываемое этими отходами, состоит в выщелачивании из них NaCl, фтористых и других опасных веществ и проникновении последних в поверхностные и грунтовые воды [29-30].
• По характеру воздействий на окружающую среду выбросы ХТС можно разделить на организованные и неорганизованные.
• Организованные выбросы выделяются в атмосферный воздух, почву и водоемы с помощью специальных сооружений, например, дымовых труб, заводских факелов, печей сжигания шламов и других отходов, патрубок вентиляционных систем, системы очистки воды, шламовых площадок и т. п. Организованные выбросы обычно характеризуются высокой концентрацией токсичных компонентов. На современных ХТС общее число организованных источников выбросов достигает от 2000 до 4000, на каждый из них оформлен специальный паспорт и ведется постоянный контроль за предельно допустимыми выбросами (ПДВ) для данных ХТС [18].
• В [19] описаны неорганизованные выбросы, которые невозможно объединить и отвести в ту или иную среду. Таковыми могут быть испарение продуктов из резервуаров и хранилищ, разлив и залповые выбросы продуктов в атмосферный воздух при продувках и пропаривании аппаратов перед проведением ремонтных работ, утечки через неплотности в аппаратах, трубопроводах и арматуре, испарение с поверхности сточной жидкости в системах канализации и очистки сточных вод и т.п. Неорганизованные выбросы можно контролировать только по ПДК, периодически или систематически определяемому в различных пунктах заводской территории и санитарнозащитной зоны.
• Химическая продукция в силу своих физико-химических свойств является источником химической и токсической опасности для человека и окружающей среды. По данным Всемирной организации здравоохранения более 25% заболеваемости во всем мире обусловлено экологическими факторами, в том числе воздействием химической продукции [31].
• В Российской Федерации имеется более семи тысяч химически опасных и опасных производственных объектов. Технологические процессы большинства указанных объектов связаны с обращением или хранением токсичных, взрывоопасных веществ. Кроме того, серьезную опасность для человека и окружающей среды представляют выбросы опасных химических веществ и токсичные отходы [17].
• На сегодняшний день проблема охраны окружающей среды играет важную роль при обеспечении положительного имиджа предприятия любой промышленности, особенно химической промышленности. Это следует повышать интерес предприятий к существующим стандартам в области управления окружающий средой серии ИСО 14000 [3]. На российских предприятиях сегодня, кроме международных стандартов ИСО 14000 внедрение стандартов ИСО серии 9000 [3] тоже становится необходимостью. Эти стандарты служат своего рода пропуском на мировой рынок. Система управления ХТС в соответствии с требованиями стандартов ИСО 9000 и ИСО 14000 обеспечит и качество продукции, и решение проблемы охраны окружающей среды. Кроме того, такая система управления позволяет снизить экологические риски и штрафы.

1.2 Проблемы управления сложными системами

В ходе научно-техническом развитии проблема создания сложных систем и управления ими стала очень важной. Все народное хозяйство и отдельные его отрасли, промышленные предприятия и научно-исследовательские учреждения, программы разработки и осуществления крупных проектов, различные технические объекты управления можно рассматривать как сложные системы.

Под сложной технической системой можно понимать такие сложные объекты, как химическое производство, ХТС, химико-технологический процесс, отдельный химический реактор или химико-технологический аппарат. Все эти объекты упорядочены по отношениям и характеризуются единством общих целей функционирования. Для каждой системы существует более общая система - надсистема; в тоже время каждая система состоит из целой совокупности систем более низкого уровня - подсистем. Главным, системообразующим элементом любой проектируемой ХТС является ее цель. Как и сами ХТС, цели также образуют сложную иерархию [20].

Проблема управления сложными системами состоит в исследовании влияния возбуждающих и тормозящих стимулов на поведение системы и конечный результат и в использовании стимулирования для достижения требуемой эффективности системы. Возбуждение может перейти в торможение и наоборот: при изменении уровня стимула и состояния системы, поэтому априорная оценка характера воздействия затруднительна. Управление должно достигаться ценой относительно малого энергоресурса. Типичным в этом смысле является информационное управление, при котором энергоресурс управления незначителен по сравнению с энергоресурсом объектов управления. Сложная система обладает не только большим энергоресурсом, но и большой динамической инерционностью. Строгое эффективное управление сложными системами невозможно. Управление должно влиять на внутреннюю мотивацию системы. Это достижимо, если мотивация системы известна. Оптимальных решений не существует [21].

Сложные системы управления характеризуются следующими признаками:

составными типами управляемого процесса;

необходимостью последовательного решения задачи управления; - иерархической структурой задачи управления.

Управление в сложных системах принципиально отличается от традиционного представления об управлении, в частности от того, что принято называть «оптимальным управлением», т. е. переводом системы в желаемое состояние по некоторому оптимальному пути. Так как, сложные системы слабопредсказуемы, определить как желаемое, так и практически достижимое состояние невозможно, тем более невозможно выбрать и навязать системе «оптимальный» путь перехода, поскольку структура и функции системы не взаимоопределимы. По содержанию и механизму действия управление сложными системами, в том числе самоуправление, наиболее близко к физиологическим процессам возбуждения и торможения, иначе говоря, внешнего и внутреннего стимулирования. Прямые и обратные связи, все виды и формы воздействия - не более чем стимулы, возбуждающие или тормозящие внутрисистемные процессы, ход и последствия которых в основном определяются самой системой [22].

В общей теории систем применяется два метода исследования:

эмпирически-интуитивный метод позволяет проводить

экспериментальную проверку теоретических построений;

логически-дедуктивный метод отличается строгостью выводов, но ему свойствен ряд ограничений, главное из которых состоит в том, что в рамках этого метода не поддаются исследованию открытые системы, занимающие важное место в общей теории систем. Примером открытой сложной системы является региональная экономика, внутреннее состояние которой существенно определяется экзогенными параметрами [23].

В современных условиях наблюдается тенденция к возрастанию сложности процессов управления. Во многих случаях объекты управления представляют собой сложные многосвязные объекты технической, биологической и другой природы. Сложность многосвязных объектов проявляется не только в большой размерности вектора переменных, но и в присутствии перекрестных связей между ними. Эти объекты управляются одной или несколькими системами управления, связанные структурно общими ограничениями на управляющие воздействия, переменные состояния и, как правило, одним критерием оптимальности. Особенностью многосвязных объектов является то, что на изменение одного входа одновременно реагируют не менее двух выходов. При этом скорость и интенсивность таких реакций могут быть как одного порядка, так и существенно различны [142]. Современный уровень организации и управления производством выдвигает требования разработки новых подходов, базирующих на использовании новых информационных технологий и интеллектуальных.

1.3 Использование методов оптимизации при решении задач автоматизированного управления

Организация и ведение производственной деятельности на территории, особенно в регионах с большим количеством предприятий химической промышленности, с экологическими ограничениями приводят к увеличению затрат на продукцию. Поэтому необходимо совершенствование методов управления ХТС, чтобы обеспечить выпуск химической продукции требуемого качества с минимальными затратами и минимальным воздействием на окружающую среду. Для этого требуется использование методов оптимизации при решении задач автоматизированного управления ХТС.

Для решения задач оптимизации существуют многоразличные математические методы. Выбор наилучшего из них является чрезвычайно труднодостижимой задачей при минимизации широкого класса функций. Эффективность применения разных методов оптимизации определяется постановкой задачи, сложностью вычисления функции и ее производных, поведением функции и т. д. Далее рассмотрим основные методы оптимизации, которые использованы для решения задач управления сложными промышленными объектами.

Методы однокритериальной оптимизации направляются на поиск оптимума единственной целевой функции. Методы многокритериальной оптимизации [9] обеспечивают принять решение при многразличных критериях, в частности сводят векторную задачу к последовательности скалярных задач. В [6-8] описаны методы многокритериальной оптимизации для оптимизации многопродуктовых ХТС. Применение этих методов позволяет оптимально управлять качеством продукций ХТС по обобщенному критерию.

Методы локальной оптимизации обеспечивают поиск одного локального минимума, а методы глобальной оптимизации направляются на установление всех локальных минимумов или наилучшего из них.

По степени математической обоснованности методы делятся на эвристические и рациональные. При этом рациональные методы ориентированы на некоторую математическую модель оптимизируемой функции и обычно обладают строгими доказательствами сходимости к стационарной точке и оценками скорости сходимости. Вопрос о том, насколько реальная задача соответствует используемой алгоритмом модели, остается на совести человека, использующего данный метод. Эвристические методы обычно не используют никакой модели целевой функции, а основывают процесс оптимизации на формализованной человеческой интуиции и других нестрогих, но разумных предположениях. Строгие доказательства сходимости и теоретические оценки скорости сходимости обычно отсутствуют. Критериями останова являются обычно такие условия как малое приращение аргумента или значения функции на нескольких последовательных шагах, что характерно для точки минимума, но не только для нее. Применение этих методов обосновывается только тем, что их многократное использование в прошлом обычно приводило к успеху. Поэтому, такие методы можно применять к любой функции, не заботясь о доказательстве соответствия этой функции некоторой теоретической модели. Большинство методов оптимизации сочетают в той или иной степени оба этих подхода [35-36].

Методы оптимизации также подразделяются на детерминированные и стохастические. Стохастические алгоритмы используют элемент случайности при выборе направления или длины шага в процессе оптимизации. Стохастические методы оптимизации применяются к детерминированным задачам, т.е. случайность намеренно вводится в алгоритм для того, чтобы обеспечить достижение цели [37].

На сегодняшний день в многих областях науки и техники широко используются алгоритмы, основанные на природных системах, для решения сложной задачи оптимизации. К ним относятся генетические, эволюционные, алгоритмы роевого интеллекта [10] и другие. Основные преимущества этих методов оптимизации можно сформулировать следующим образом:

возможность решать широкий круг задач оптимизации;

пригодность для поиска решений многоразмерной и многофакторной задачи оптимизации;

для решения задач нужно знать только целевую функцию;

удобно использовать для решения крупномасштабных проблем оптимизации;

могут быть использовать в задачах с изменяющейся средой;

высокая совместимость при использовании с другими неклассическими методами искусственного интеллекта, такими как нечеткая логика, искусственные нейросети и другие.

Алгоритмы, основанные на природных системах, показали свою эффектвность при управлении сложными объектами. Например, в [126] применены методы роевого интеллекта для управления целенаправленным поведением массово-применяемых микророботов в экстремальных условиях. В [127] применен генетический алгоритм для оптимизации адаптивной системы управления мобильного робота.

В результате анализа результатов опубликованных работ (например, [32-33]) была сформированна таблица 4 условного среднего рейтинга для каждого метода оптимизации (генетический алгоритм (ГА), алгоритм имитации отжига, эволюционное программирование, эволюционные стратегии, детерминированные методы, поиск с запретом, нейронные сети) примененных к различным задачам (I - функция royal road, II - задача оптимизации графа, III - задача размещения элементов электрической цепи, IV - проблема «заполнения рюкзака», V - проблема предсказания банковского курса, VI - задача составления расписания).

Таблица 4 - Рейтинг известных методов оптимизации

Задач/Метод	I	II	II	IV	V	VI	Среднее
ГА	1	2	1	1	2	2	1,5
Нейронные сети				3	1		2
Эволюционное программирование	3						3
Эволюционные стратегии	2						2
Детерминированные методы		1		5			3
Поиск с запретом				2	3	1	2
Имитация отжига	4	3	2	4	4	3	3,3

Из таблиц 4 видно, что ГА применяются с наибольшим успехов, причем в очень широком кругу задач, это позволяет использовать ГА как универсальный инструмент для оптимизации очень сложных задач [34].

Генетические алгоритмы используются для решения задач многомерной оптимизации. Наилучшим образом они зарекомендовали себя при нахождении глобальных оптимумов функций очень большого количества переменных. В отличие от большинства традиционных методов оптимизации при правильной настройке генетические алгоритмы позволяют вести поиск в пространстве переменных оптимизируемой функции с высокой вероятностью нахождения глобального решения, пропорциональной времени их работы [104].

В [25] использованы ГА для поиска оптимальных параметров технологического процесса установки каталитического крекинга с целью управления безопасностью опасных производственных объектов.

1.4 Обзор интеллектуальных систем, применяемых для целей управления сложными системами

Интеллектуальные методы актуальны и эффективны при невозможности установки, корректирования до необходимой степени точности моделей системы. Существующая неопределенность, точность возмущений и характеристик компенсируются за счет применения в систему управления некоторого заимствуемого у человека «знания» или «интеллекта».

На сегодняшний день для организации эвристической коррекции в интеллектуальном управлении разработаны многие методы в прикладных теориях. В [26-27] рассмотрены основные методы и системы, применяемые для решения задач управления сложными системами.

Нечёткие системы - это системы, которые работают на основе нечёткой логики.

Классическая логика работает с двумя значениями: истина (1) и ложь (0). Однако этими двумя значениями довольно сложно и даже невозможно представить большое количество реальных задач. Поэтому для решения этих сложных задач был разработан специальный математический аппарат, называемый нечеткой логикой. Главным отличием нечеткой логики от классической является использование не только двух классических значений, но и промежуточных 0, 1 [28]^.

В [24] использовано нечеткое отношение для оптимизации ассортимента многономенклатурной продукции при недостаточной априорной информации о качестве продуктов. В [88] описана реализация нечетких регуляторов и доказана эффективность нечетких регуляторов при управлении статическими и динамическими объектами.

В [128] использована нечеткая логика для анализа, обработки данных об учебных дисциплинах специальности выпускника предыдущего уровня обучения и установления соответствия учебных планов дисциплин различных профилей подготовки выбранного направления для оценки уровня подготовки выпускников к обучению на следующих ступенях в условиях неточности информации.

В [129-130] использована нечеткая логика для управления технологическими процессами первичной переработки нефти по показателям качества продукции в условиях неопределенности.

Сегодня нечеткая логика широко использована во многих областях науки, техники и является универсальным походом для управления сложными объектами в условиях неопределенности и неточности информации.

Экспертная система (ЭС) - это система, которая оперирует со знаниями в определённой предметной области с целью выработки рекомендаций или решения проблем.

В [45-51] описаны основные части ЭС:

временные базы данных, которые предназначают для хранения исходных и промежуточных данных текущей задачи;

базы знаний, которые предназначают для хранения долгосрочных данных и правил манипулирования ими;

решатель, который реализует последовательность правил для решения определенной задачи на основе информации, хранящейся в базах знаний и базах данных;

компонент приобретения знаний, который автоматизированно

наполняет базу знаний;

объяснительный компонент, который формирует пояснения о том, как система решала поставленную задачу.

В [89] применены ЭС для совершенствования промышленных процессов гетерогенного катализа. На примере промышленных процессов гетерогенного катализа многоэтапная процедура разработки сложного химикотехнологического процесса впервые представлена как взаимодействие двух систем: причинно-следственной, формализующей собственно объект исследования, и программно-целевой системы принятия решений при анализе и разработке технологического процесса.

Искусственные нейронные сети (ИНС) являются наиболее сложными, но и наиболее гибкими системами искусственного интеллекта. ИНС применяются в различных областях науки: начиная от автоматизированных систем распознавания речи, изображений до распознавания вторичной структуры белка, классификации различных видов рака и генной инженерии, адаптивного управления, прогнозирования загрязнения атмосферного воздуха и т.п. С помощью ИНС можно, например, создавать самообучающиеся системы, предсказывать финансовые временные ряды, аппроксимировать непрерывные функции, работать с огромными массивами слабоструктурированных мониторинговых данных [52] и т.п.

В [53-54] рассмотрены основные свойства ИНС: обучение, обобщение, абстрагирование и применимость.

В [55-58] описаны преимущества и достоинства ИНС по сравнению с традиционными вычислительными системами:

решение задач при неизвестных закономерностях;

устойчивость к шумам во входных данных;

адаптирование к изменениям окружающей среды;

потенциальное сверхвысокое быстродействие;

отказоустойчивость при аппаратной реализации ИНС.

В [120-124] описано применение ИНС для идентификации промышленных источников загрязнения атмосферного воздуха. Кромет того, ИНС использованы для прогнозирования загрязнения атмосферного воздуха аварийными источниками при изменяющихся метеоусловиях. В случае превышения значения ПДК в атмосферном воздухе с помощью ИНС определен самый потенциально возможный источник загрязнения, но не указаны какие уровни загрязнения всех возможных источников загрязнения, что не эффективно, если существует несколько источников, у которых приблизительные уровни загрязнения.

В [83-84] описан ряд недостатков ИНС:

подходы для проектирования ИНС обычно являются эвристическими и часто не приводят к однозначным решениям;

для построения модели объекта на основе ИНС необходимо выполнять многоцикловую настройку внутренних элементов и связей между ними;

большая трудность нахождения достаточного количества обучающих примеров при подготовке обучающей выборки;

обучение сети во многих случаях приводит к тупиковым ситуациям;

большие временные затраты на выполнение процедуры обучения часто не позволяют применять ИНС в системах реального времени;

поведение обученной ИНС может быть непредсказуемо, что увеличивает риск использования ИНС для управления дорогостоящими техническими объектами.

Гибридные интеллектуальные системы (ГИС) это совокупность аналитических моделей, имитационных статистических моделей и ряда интеллектуальных систем, методов как экспертных систем, искусственных нейронных сетей, нечетких систем, генетических алгоритмов [85-87].

По архитектуре ГИС выделяются на следующие типы: комбинированные, интегрированные, объединенные и ассоциативные. ГИС сочетает в себе численное и лингвистическое представление знаний, в системе используется иерархическая интеграция самоорганизующейся нечеткой нейронной сети и нечеткой экспертной системы, оптимизированной посредством генетического алгоритма [59].

Системы поддержки принятия решений (СППР) используются для решения слабоструктурированных задач, которые характеризуются неполнотой входных данных, частичной ясностью целей и ограничений. Человек сильно участвует в работе СППР, он может вмешиваться в ход решения, изменять входные данные, процедуры обработки, цели и ограничения задачи, выбирать стратегии оценки вариантов решений [60-61].

[78-82] описаны основные модули СППР:

модуль постановки задач исходит из стратегии управления и зависит от целей проекта;

модуль управления данными выполняет проверку качества данных, достоверности, полноты, релевантности, объективности, однозначности, актуальности и стоимости;

модуль интеллектуального анализа, который может быть представляться информационно-аналитическими технологиями и ИНС, кадастровыми системами, атласными информационными системами и т.п.;

блок тактического управления в соответствии с ситуационным уровнем.

В [90] описано использование СППР для управления безопасностью опасных промышленных объектов как химических производств. Разработанная СППР имеет сложную структуру. Она состоит из двух подсистем: информационно-моделирующей и управляющей. Информационно-моделирующая подсистема состоит баз данных вычислительных экспериментов по оценке рисков и ущербов по возможным сценариям возникновения и развития аварий на типовом оборудовании и установках химических производств и блока анализа и сравнения результатов. Управляющая подсистема СППР состоит из ЭС: диагностики отказов; по технологическим нарушениям на установках и способам их устранения; по аварийным ситуациям и сценариям их развития, по мерам их локализации и ликвидации; по ликвидации последствий аварийных ситуаций.

В [91] применена СППР для управления качеством атмосферного воздуха на химических предприятиях. СППР реализована с использованием архитектуры «клиент-сервер», включающей распределенную базу данных и клиентскую программу, устанавливаемую на рабочие места лиц, принимающих решения, направленные на улучшение экологической обстановки. Даная СППР испоьзована для управления качеством атмосферного воздуха в случае нарушения экологической обстановки на территориях, прилегающих к химическим предприятиям, что не эффективно, если используется для управления качеством атмосферного воздуха территории с большим количеством химикопромышленных предприятий.

Выводы по первой главе

Промышленный комплекс, особенно комплекс химико-технологических предприятий, в списке негативного влияния на окружающую среду занимает ведущее место. Основными причинами, которые негативно влияют на окружающую среду, являются:

устаревшие технологии производства и оборудования, высокий уровень энерговместимости и материалоемкости;

отсутствие необходимых природоохранных систем или низкий уровень их эксплуатации;

отсутствие надежных механизмов, которые позволяют развивать экологически безопасные технологии и природоохранные системы;

высокая концентрация промышленных предприятий;

неблагоприятное расположение промышленных объектов с высокой концентрацией экологически вредных объектов;

отсутствие подходящего контроля экологического воздействия на выходе производства.

На сегодняшний день на российских предприятиях внедрение международных стандартов ИСО 14000 и ИСО 9000 становится необходимостью. Обычно предприятия только уделяют задаче контроля загрязнения окружающей среды, поэтому информации об экологических воздействиях на окружающую среду не учитываются при управлении выбросами предприятий и их технологическими процессами в режиме реального времени.

Химико-технологические системы как сложные многосвязные объекты обладают неопределенностью поведения, нестационарностью параметров, большим энергоресурсом, большой динамической инерционностью. Поэтому, необходимо применить интеллектуальные методы, экспертные системы и новые информационные технологии в управлении сложными системами, что позволит обеспечить поддержку принятия решений при обработке ненормальных состояний контролируемых объектов.

Организация и ведение производственной деятельности на территории, особенно в регионах с большим количеством предприятий химической промышленности, с экологическими ограничениями приводят к увеличению затрат на продукцию. Поэтому необходимо совершенствование методов управления ХТС, чтобы обеспечить выпуск химической продукции требуемого качества с минимальными затратами и минимальным воздействием на окружающую среду. Для этого требуется использование методов оптимизации при решении задач автоматизированного управления ХТС.

Таким образом, в результате проведенного аналитического обзора, были намечены основные задачи, связанные с разработкой системы управления предприятиями производственного комплекса с учетом экологических параметров, функционирующей в условиях неопределенности и недостаточности информации. При разработке данной системы предложено применять методы и модели, основанные на знаниях, теории моделирования и искусственном интеллекте.

Глава 2. Описание объекта исследования и управления

2.1 Общая характеристика промышленного кластера г.Новомосковска Тульской области

Город Новомосковск располагается в восточной части Средне-Русской возвышенности. Город Новомосковск состоит из двух частей: южная жилая часть в самом центре города и северная промышленная часть. На рисунке 1 представлен план-схема г.Новомосковска.

Рисунок 1 - План-схема г.Новомосковска Тульской области

На южной части г.Новомосковска расположены основные жилые районы, административный и культурный центр города. Ее территория включает в себя следующие микрорайоны и районы:

непосредственно центральную часть города с прилегающими к ней кварталами, называемую просто «город»;

северо-западный, который простирается на запад от центра города и на восток от поселка Каменецкий. В него входят микрорайоны: 1-6 Урванские микрорайоны, Гипсовый микрорайон, поселки 22 и 26 шахты, Северный микрорайон;

1-ый и 2-ой Залесные микрорайоны, находящие на востоке города;

микрорайон «Луговая» - в восточной части города;

район «Вахрушево» - расположен в юго-восточной части города;

южный район - расположен на юге города, в него входят посёлки: Клин, Западный, Шамотный, Магэс.

Северная часть города находится на расстоянии 12 км к югу от городской черты. В ней расположены крупные предприятия химической промышленности (АК «Азот», АК «Новомосковскбытхим», ООО «Проктер энд Гембл

Новомосковск» и др.), а также находятся жилые зоны, общественно-деловые зоны и рекреационные зоны, жилищный фонд санитарно-защитной зоны Северного промузла.

Из рисунка 1 отмечено, что предприятия расположены не рядом друг с другом. Расстояние между ними от несколько километров до несколько сотен метров. Кроме того, между ними почти нет взаимосвязи по производственной деятельности.

Парковая зона разделит северную часть г.Новомосковска на две части:

верхнюю часть, где густо расположены среднеэтажные застройки и много высоких объектов предприятий химической промышленности;

нижнюю часть, где не густо расположены дачи, индивидуальные дома, объекты культуры и искусства.

В г.Новомосковске Тульской области находятся промышленные преприятя из разных отраслей: химическое производство, металлообработка, машиностроение, производство строительных материалов, пищевая. Но самую большую роль играет химическое производство, на долю которого приходится около 80% выпускаемой продукции.

ОАО «Новомосковская акционерная компания “Азот”» (НАК «Азот») является самым крупным предприятием города Новомосковска Тульской области. Предприятие действует с 1933 года и специализировано на выпуске синтетического аммиака и азотных удобрений, в том числе карбамидо-аммиачной смеси и карбамида и др. химических продуктов.

На сегодняшний день НАК «Азот» является высокомеханизированным и автоматизированным предприятием с современными производствами на базе передовых технологий и оборудования. Продукция НАК «Азот» пользуется спросом в регионах Центрального и Южного федерального округов России. Предприятие обладает огромным техническим и экономическим потенциалом, выпуская в год продукции на сумму больше 15 миллиардов рублей. Продукция поставляется на экспорт в США, Великобританию, Словакию, Венгрию, Турцию, Бразилию, Мексику, Польшу, страны Балтии и другие страны. В таблице 5 представлен перечень продукции ОАО «НАК «АЗОТ» г. Новомосковск.

Таблица 5 - Перечень продукции ОАО «НАК «АЗОТ» г. Новомосковск

Наименование продукции	Производственная мощность, тыс. т/год	Стандарт на продукцию
Аммиак	1 530 030	ГОСТ 6221-90
Аммиачная селитра	1 142 300	ГОСТ 2-85
Карбамид	856 600	ГОСТ 2081-92
Метанол	447 800	ГОСТ 2222-95
КАС-32	360 000	ТУ 113-03-629-90
Азотно-известняковое удобрение	89 440	ТУ 2189-064-05761643-2003

Кроме того предприятие производит:

крепкая азотная кислота (98,6%);

удобрение NPK 11-10-11;

азотно-фосфорное удобрение;

сульфат аммония;

поливинилхлорид суспензионный С-7058М;

поливинилхлорид эмульсионный Е-6250-Ж;

олигоэфиракрилаты ТГМ-3, МГФ-1, МГФ-9;

аргон;

аммиачная вода.

На рисунке 2 изображена структура НАК «Азот».

Рисунок 2 - Структура цехов НАК «Азот»

ООО «Проктер энд Гэмбл - Новомосковск» специализируется на выпуске товаров народного потребления: моющих средств Ariel, Tide и Миф; средства для мытья посуды Fairy и Миф, чистящего средства Comet Gel и Mr Proper, кондиционер Lenor. Ежегодно завод «Проктер энд Гембл-Новомосковск» производит 400 тысяч тонн порошков и 300 миллионов бутылок жидких средств.

Особое внимание предприятие уделяет качеству продукции, безопасности и комфортности работы персонала, развитию современных технологий и улучшению производственных процессов.

ОАО «КНАУФ ГИПС Новомосковск» является одним из лидеров строительного комплекса России. Основная деятельность предприятия связана с добычей и переработкой гипсового камня, а также производством на его основе современных строительных материалов: КНАУФ-листов, КНАУФ-гипсоплит, гипсового вяжущего. С 2013г. на предприятии «КНАУФ ГИПС Новомосковск» состоялся официальный запуск производства по выпуску сухих строительных смесей на гипсовой основе. Высококачественная экологически чистая и конкурентоспособная продукция предприятия поставляется в больше 18 регионов России.