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

ООО «Аэрозоль - Новомосковск» является достаточно крупным химическим предприятиям района. Предприятие производит: средства ухода за волосами: лаки, муссы, пены, краски, шампуни, бальзамы; товары бытовой химии: освежители воздуха, полироли, репелленты, инсектициды; средства ухода за обувью: губки, кремы, дезодоранты, очистители, пропитку; алюминиевую упаковку: баллоны, тубы; жестяной баллон. Особое внимание предприятие уделяет контролю качества готовой продукций, сырья, комплектующих и полуфабрикатов.

ОАО «Поликонт - Новомосковск» является одним из крупнейших производителей полимерной упаковки для сыпучих продуктов. Предприятие производит: полиэтиленовые мешки; полипропиленовые мешки; клапанные полиэтиленовые и полипропиленовые мешки; контейнеры мягкие специализированные из полимерных тканей для продукции предприятий химической и металлургической промышленности; полипропиленовая ткань: обыкновенная, повышенной прочности, продуктовая, техническая, термо - и светостабилизированная, ламинированная; пленка полиэтиленовая для различных отраслей промышленности. На его территории расположены ООО «Полимерная Упаковка», ООО «Новомосковский трубный завод» и ТД «Полимер».

Предприятие развивается за счет строительства высокотехнологичных производств и монтаж монтажа новых высокоавтоматизированных линий.

ООО «Оргсинтез - Новомосковск» является одним из первых советских предприятий химической промышленности и единственным в России производителем бензолсульфокислоты. Предприятие производит: разные виды щавелевой кислоты, малеиновый ангидрид, фумаровую кислоту, резорцин, бензолсульфокислоту, тосол. Особое внимание предприятие уделяет освоению новых наукоемких технологий и мероприятию по обеспечению требований в области охраны окружающей среды и экологической безопасности.

ЗАО «ГОТЭК-Центр Новомосковск» является одним из крупнейших российских предприятий по производству упаковки из гофрокартона, входящее в состав гофродивизиона группы компаний «ГОТЭК». На предприятии выпускаются упаковка из гофрокартона и транспортная и потребительская упаковка с многоцветной печатью. Его основным ассортиментом продукции являются четырех клапанный ящик, изделия сложной конфигурации, крупногабаритная тара, гофрировальный картон. ЗАО "ГОТЭК-Центр Новомосковск" прошло ежегодный сертификационный аудит на соответствие требованиям глобального стандарта для упаковки и упаковочных материалов BRC/IOP Global Standard for Packaging and Packaging Materials, который установлен Британским консорциумом розничной торговли и Институтом упаковки Соединенного Королевства с целью регламентировать требования для национальных производителей-поставщиков упаковки и упаковочных материалов, предназначенных для пищевой промышленности.

Из всего вышесказанного, вполне можно сделать вывод, что в г.Новомосковске наблюдается рост валового продукта и мощности производства, что приводит к увеличению загрязнения окружающей среды, а, следовательно, и к непосредственному ухудшению экологической обстановки.

Самой важной проблемой является непосредственная близость ряда жилых и производственных - болшое количество жилищного фонда находится в пределах санитарно-защитных зон предприятий. Общая эколого-планировочная стратегия реорганизации производственных территорий определяется сложной экологической ситуацией г.Новомосковска, особенностями планировочного размещения производственных территорий в непосредственной близости от селитебных зон. Производственный комплекс города сосредоточивается в Северном и Южном промышленных узлах.

Основными стратегиями реорганизации производственных зон г.Новомосковска являются сокращение негативного воздействия предприятий и других источников в результате проведения природоохранных мероприятий; резервирование территорий для развития новых производственно-деловых зон; увеличение территорий научно-производственных, которые эффективно обслуживают и коммерческо-деловые назначения; формирование качественно новых мест приложения труда.

2.2 Структура и характеристики систем управления

Производственная структура является одной из основных характеристик предприятий и во многом диктует подходы к управлению этими объектами. Для предприятий химической отрасли сложно указать единую смешанную структуру [62].

Предприятия химической промышленности различаются не только производственной структурой, но и по другим признакам как: организационная структура, характер выпускаемой продукции, тип технологического процесса, объем производства. По размеру предприятия разделяются на: крупные, средние, мелкие. Размер производства определяется объемом производства, количеством работников, стоимостью основных фондов, занимаемой территорией и т.п.

Предприятия химической отрасли подразделяются на следующие группы: крупные предприятия или производственные объединения, предприятия средней мощности, создаваемые предприятия с агрегатами большой единичной мощности.

Для комплекса промышленных предприятий требуется соответствующая организованная система управления. Для большинства предприятий химической промышленности использется цеховая организация производства. При этом цехи это обособленные части производства, которые осуществляют законченные производственные процессы. Цехи имеют не только производственную, но и определенную административно-хозяйственную самостоятельность. На крупных предприятиях группы технологических взаимосвязанных цехов часто объединяются в отдельные производства.

Рисунок 3 - Структура трех уровней управления промышленным предприятием

Автоматизированная система управления промышленным предприятием представляется в виде трех взаимосвязанных уровней управления (см. рисунок 3).

Верхний уровень управления предприятием организуется руководством предприятия и его функциональными отделами. Он решает стратегические задачи. Средний уровень управления решает задачи оперативного управления процессом производства на уровне участка, цеха, предприятия. Нижний уровень управления решает задачи управления технологическими процессами.

В [73-77] рассмотрены три группы подсистем АСУП на предприятиях химической промышленности с учетом функционального назначения, характера решаемых задач. К первой группе относятся подсистемы управления, обслуживающие основное производство, т.е. обеспечивающие его сырьем, материалами, кадрами, финансами и т.д. Ко второй группе - подсистемы планирования и управления основным производством. В третью группу выделены подсистемы, связывающие вместе разные стороны деятельности предприятия по соответствующим фазам управления.

На территории МО город Новомосковск Тульской области расположено большое количество предприятий химической технологии. Все эти предприятия во время своей работы выбрасывают в атмосферу большое количество загрязняющих веществ. При этом может возникнуть ситуация, когда суммарная концентрация загрязняющего вещества в атмосфере превысит ПДК, однако концентрации этого загрязняющего вещества, выбрасываемого отдельными предприятиями в атмосферу, не превышает ПДК.

В результате проведенных исследований были получены данные о распространении загрязненных воздушных потоков по территории северной части МО г.Новомосковска Тульской области. Из этих данных показано, что распределение скоростей ветра неравномерно, что сильно влияет на распределение уровня концентраций ЗВ по территории северной части г.Новомосковска Тульской области и также по всему региону. Кроме того, в результате совещаний с экспертами были получены необходимые данные для создания баз данных и баз знаний.

Исходя из вышеизложенного была разработана структурная схема системы управления предприятиями химического комплекса г.Новомосковска Тульской области (рисунок 4).



Рисунок 4 - Схема системы управления предприятиями химического комплекса г.Новомосковска Тульской области

По данным многолетних наблюдений, по заключениям экспертов, были получены сведения о ЗВ, выбрасываемых в атмосферу предприятиями, входящими в химико-технологический комплекс, о значениях концентраций ЗВ в атмосфере в различные периоды работы предприятий и времени года. Эта информация в дальнейшем была использована при построении БД и БЗ для ЭС выработки управляющих воздействий для лиц, принимающих решений (ЛПР) на предприятиях. Она также послужила исходными данными для определения вкладов предприятий в общий валовой выброс ЗВ в атмосферный воздух региона.

2.3 Проблемы при создании канала управления, учитывающего выбросы загрязняющих веществ в атмосферный воздух

Большинство промышленных предприятий находится на северной части г.Новомосковска Тульской области в удалении от центральной жилой части. На предприятиях химической технологии города имеется достаточно большое количество цехов (производство аммиака, минеральных удобрений, карбамида, детергентов и т.д.), в той или иной степени осуществляющих газовые выбросы в атмосферный воздух. Выбросы этих предприятий распространяются в атмосферном воздухе под влиянием метеорологических параметров и местного рельефа на дальнейшее расстояние до жилой зоны. Поэтому, до сих пор вопросы о вкладе различных источников выбросов (какое предприятие является источником загрязнения? и в каком количестве выброса?) при формировании высокой степени загрязнения атмосферного бассейна города и района в целом недостаточно изучены.

Лабораторные исследования загрязнений г.Новомосковска Тульской области проводятся по следующим показателям: азота диоксид, серы диоксид, формальдегид, углерода оксид, взвешенные вещества, дигидросульфид, аммиак. Формальдегид и аммиак - вещества аварийно химически опасные. Для оценки степени техногенного загрязнения атмосферного воздуха использовали предельно допустимую максимально разовую концентрацию вредных веществ в воздухе населенных мест. С июня 2013 года до настоящего времени жители г. Новомосковска ощущают неприятный резкий запах химического происхождения. В одном из районов указанного города ощущается характерный запах нафталина, в других районах запах жженой пластмассы. Данные запахи вызывают у многих граждан воспаление слизистой носоглотки и глаз, у некоторых жителей поднимается высокая температура, увеличились случаи обращения граждан в медицинские учреждения.

В южной части г.Новомосковска действует автоматизированная система контроля загрязнения воздушного бассейна города «Атмосфера». Эта система обрабатывает и анализирует собранные в автоматическом режиме даные по приоритетным загрязняющим веществам (аммиак, диоксид азота, оксид азота, диоксид серы, оксид углерода) с 3-х стационарных постов наблюдения загрязнения (ПНЗ), расположенных в различных районах города (ПНЗ №1 на ул. Мира д. 54; ПНЗ №2 на ул. Калинина, 14; ПНЗ №3 на ул. Школьная, школа №8). В дальнейшем эти данные используются для контроля выбросов промышленных предприятий города и принятия управленческих решений в области охраны окружающей среды, а так же передаются всем заинтересованным контролирующим федеральным органам (Управление МЧС и МГО, Роспотребнадзор, администрации МО г. Новомосковска и т. п.).

В аварийном случае или в случае загрязнения местности выше ПДК Лица, Принимающие Решения (ЛПР) необходимо принять соответствующие решения по снижению концентрации загрязняющих веществ и оповещать предприятия об изменении производственной нагрузки.

Из-за характеристики расположения предприятий в большом удалении от центральной части возникает проблема доведения результатов исследования и рекомендаций ЛПР до предприятий. Эти переданные данные необходимо защищаться от несанкционированного доступа.

Выводы по второй главе

Подробно описан промышленный кластер г.Новомосковска Тульской области как города с большим количеством вредных и опасных предприятий химической промышленности, активно загрязняющих атмосферный воздух.

Описаны особенности расположения предприятий относительно к жилой центральной части г.Новомосковска Тульской области.

Большинство существующих систем управления промышленными предприятиями реализуют на практике только контроль качеством и количеством продукций. Эти системы отсутствуют возможность учета параметров загрязнения окружающей среды.

Проанализированы проблемы при управлении степенью загрязнению атмосферного воздуха промышленных регионов.

Возможна ситуация, когда отдельно взятое предприятие во время своей работы выбрасывает в атмосферу загрязняющие вещества, концентрация которых не превышает ПДК, в соответствии с регламентом, однако, если несколько предприятий также выбрасывают в атмосферу теже загрязняющие вещества, концентрация которых также не превышает ПДК, то суммарная концентрация в валовом выбросе может превышать ПДК.

Глава 3. Научно-методические основы построения интеллектуальной системы снижения валового выброса загрязняющих веществ в атмосферу химикотехнологическими предприятиями

В результате функционирования современных химико-технологических производств, в атмосферу выбрасывается огромное количество загрязняющих веществ (ЗВ), оказывающих вредное воздействие на человека. В зависимости от местного рельефа, высоты точки выброса и от метеоусловий, загрязненные воздушные потоки могут распространяться локально или на большие расстояния. Поэтому, контроль и управление загрязнению атмосферного воздуха от промышленных источников, особенно от предприятий химической, нефтяной и газовой промышленности, имеет важное значение для улучшения качества воздуха, уменьшения ущерба здоровья человека.

Практически все существующие системы управления не учитывают изменения экологических параметров в реальном времени при управлении производственными процессами. Учет влияния производственных процессов на окружающую среду происходит в основном только после анализа данных наблюдений за загрязнением атмосферы за достаточно большой период (обычно за год). Если за этот период происходили неоднократные превышения ПДК и точно установлено, что виновником является конкретное предприятие, то в этом случае это предприятие могут наказать. Однако за это время предприятие может уже установить дополнительные фильтры очистки выбросов, снизить выпуск продукции или совсем закрыться и т.п. Таким образом, существует актуальная проблема учета экологических параметров при управлении химикотехнологическим предприятием в реальном времени.

Основные проблемы системы управления предприятиями промышленного комплекса:

отсутствие аналитической зависимости между метеоусловиями, режимами работы предприятий и концентрацией ЗВ в атмосфере. Отсутствие моделей, описывающих взаимосвязь между производственной нагрузкой предприятий и распределением концентрации вредных веществ, выделяемых в атмосферу в результате функционирования этих предприятий;

существующая информация о состоянии загрязнения атмосферного воздуха характеризуются большой степенью неполноты и нечеткости. До настоящего времени недостаточно изучен вопрос о вкладе различных источников выбросов комплекса химико-технологических предприятий при формировании высокой степени загрязнения атмосферного воздуха по городу и району;

полученная информация о состоянии загрязнения атмосферы по городу и району не учитывается при управлении технологическими процессами химикотехнологических предприятий. До настоящего времени попытки разработки различных систем управления состоянием загрязнения атмосферы оказались неэффективны, не работают на практике;

в законодательстве РФ отсутствует механизм, позволяющий при необходимости изменять нагрузку предприятий - источников загрязнения в случае, если суммарное загрязнение атмосферы городов превышает нормы, а выбросы отдельных предприятий - нет. Поэтому, необходимо разработать методом совместного проектирования систему управления, в которой предприятия незначительно будут изменять свою нагрузку, а экологическое состояние города постепенно будет улучшаться.

3.1 Функциональная структура интеллетуальной системы снижения валового выброса загрязняющих веществ в атмосферу

На сегодняшний день в современных предприятиях обычно внедрение систем экологического менеджмента, соответствующих стандарту ИСО 14000 [3] кроме своей основной направленности - охраны окружающей среды - способно повысить конкурентоспособность предприятия на мировом рынке. 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.

Промышленные предприятия стремятся увеличить выпуск продукции для получения максимальной прибыли, что ведет к увеличению выбросов загрязняющих веществ в атмосферу. Увеличение выбросов негативно сказывается на уровне безопасности проживания людей на территории региона. В рыночных условиях иногда предприятия производят не на максимальной мощности, а в соответствии со спросом субъектов рынка.

Т.к. химико-технологические предприятия, входящие в рассматриваемый комплекс, могут выбрасывать в атмосферу различные вещества, то эти вещества можно разбить на два больших класса: общие для всех предприятий и специфические для каждого предприятия. Будем рассматривать далее класс общих для всех предприятий ЗВ.

На рисунке 5 представлена функциональная структура предложенной интеллектуальной системы снижения валового выброса загрязняющих веществ в атмосферу.

Основное отличие от существующих ранее систем управления заключается в том, что в предлагаемой системе для решения поставленных задач добавляется интеллектуальная управляющая система [139]. В отличие от описанных в литературных источниках, предлагаемая управляющая система состоит из 2 подсистем: подсистемы определения вклада каждого предприятия на основе нечеткого вывода и подсистемы расчета управляющего воздействия по генетическому алгоритму.

В подсистеме сбора и хранения данных происходит разбор информаций и первичная обработка, после этих операций данные записываются в локальную базу данных. Подсистема сбора и хранения данных располагается на рабочей станции и сохраняет данные измерительной системы. Датчики подсистемы сбора и хранения данных осуществляют замеры концентрации ЗВ.



Рисунок 5 - Функциональная структура интеллектуальной системы снижения валового выброса загрязняющих веществ в атмосферу: ПНЗА - пост наблюдения за загрязнениями атмосферы; БД - база данных; БЗ - база знаний; ЭС - экспертная система; ЛПР - Лицо, Принимающее Решение

На основании полученных данных в предложенной системе управления операторы предприятий, ведущие технологические процессы предприятий и т.д., могут управлять производственными процессами в реальном времени в соответствии с долями изменения нагрузки и рекомендациями по ведению технологических процессов.

3.2 Применение нечеткой логики для вычисления вклада предприятий в суммарное загрязнение окружающей среды

Обычно предприятия расположены вокруг основной части города и удалены на значительное расстояние от жилой его части. Измерительная система за загрязнениями обычно расположены на территории жилой части города. Поэтому применение традиционных методов не позволяет эффективно идентифицировать источники загрязнения (предприятия и т.п.) с помощью полученных в измерительной системе контроля загрязнения промышленного региона и определить их вклад в загрязнение в точках измерения.

Для определения вклада отдельных источников в суммарный вклад ЗВ предлагается использовать математический аппарат нечеткой логики [92-93]. Это обусловлено следующими причинами:

использование нечеткой логики позволяет упрощать решение ряда промышленно-экологических задач;

возможность одновременно использовать наряду с определенной, также и неопределенную информацию;

возможность нечетко формализовать критерии оценки и сравнения;

возможность проводить качественные оценки, как входные данные, так и выходные результаты;

возможность оперировать нечеткими входными данными;

возможность проводить быстрое моделирование сложных динамических систем и их сравнительный анализ с заданной степенью точности [94].

Из-за отсутствия статистических данных о взаимосвязи нагрузки предприятий и распределения концентрации вредных веществ в атмосфере для формирования базы правил и настройки параметров нечеткой модели предлагается использовать результаты математического моделирования распространения загрязняющих веществ в атмосфере с учетом оценки экспертов.

Характерной особенностью разрабатываемой системы управления является наличие большого объема данных многолетних наблюдений, отсутствие точных и полных данных о текущем состоянии экологических параметров, поэтому в системе широко используются знания экспертов и результаты моделирования.

Чтобы эффективно и удобно использовать большой объем данных наблюдений за длительный период, была спроектирована и оптимизирована база данных в соответствии с требованиями реляционной алгебры и приведена к третьей нормальной форме. Структура такой базы данных представлена на рисунке 6.

Рисунок 6 - Структура базы данных правил нечеткой системы

На рисунке 6 в созданной схеме базы данных правил нечеткой системы [138] все связи отмечены символами 1, ?, что свидетельствует об установлении связей типа "один ко многим", для которых будет обеспечиваться целостность данных. Сторона связи "один ко многим", которой соответствует первичный ключ, обозначается символом ключа. Сторона связи, которой соответствует внешний ключ, обозначается символом бесконечности. Данная база данных спроектирована и оптимизирована в соответствии с требованиями реляционной алгебры и приведена к третьей нормальной форме [51].

В таблице базы данных «Вещество» содержится информация о ЗВ окружающей среды. В таблицах базы данных «Скорость Ветра», «Направление Ветра» содержится информация о двух значениях метеорологических параметров: скорость и направление ветра. Таблица «Правила» содержит продукционные правила определения взаимосвязи между измерительной концентрацией ЗВ в точках измерения и метеорологическими параметрами, режимами работы предприятий вида «Если…, то…». Таблица «Точки Измерения» содержит данные о координатах точек измерения по осям OX, OY на системе координат программного комплекса моделирования. Таблица «Выброс» содержит информацию о выбросах предприятий по регламенту и их характеристиках.

В таблице 6 представлено сводное описание таблиц базы данных правил нечеткой системы.

Таблица 6 - Сводное описание таблиц базы данных правил нечеткой логики

Название поля	Тип данных
Ид Вещества	Счетчик
Название	Текстовый
ПДК	Числовой
Характеристики	Текстовый
Ид Скорости Ветра	Счетчик
Словесное Обозначение	Текстовый
Ид Направление Ветра	Счетчик
Обозначение Направления Ветра	Текстовый
Вещество	Текстовый
Точки Измерения	Текстовый
Температура Воздуха	Числовой
Атмосферное Давление	Числовой
Скорость Ветра	Текстовый
Направление Ветра	Текстовый
Выброс	Текстовый
Концентрация ЗВ	Числовой
Ид Точек Измерения	Счетчик
Координата Х	Числовой
Координата Y	Числовой
Ид Выброса	Счетчик
Название	Текстовый
Расход	Числовой
Температура	Числовой
Характеристики	Текстовый

Для определения вклада предприятия необходимо рассмотреть изменение этого вклада в зависимости от режима его работы и метеоусловий.

Пусть имеются N предприятий: X₁, X₂,…,X_N, которые находятся в одном из режимов работы: пуск, останов, нормальный или аварийный режим, и есть данные о метеоусловиях: скорость ветра (V), направление ветра (H), температура атмосферы (T). С помощью нечеткой системы определяются соответствующие базовые вклады предприятий u₁, u₂,…,u_N. Базовые вклады предприятий пропорциональны концентрациям ЗВ, полученных в результате моделирования распространения загрязняющих веществ в атмосфере с учетом оценки экспертов [134].

Для формализованного представления знаний в системе предложено сформировать множество продукционных правил с использованием лингвистических переменных (скорости и направления ветра, температуры атмосферы и режимов работы предприятий, базовых вкладов предприятий). Эти продукционные правила способствуют определению вкладов химикотехнологических предприятий в суммарную концентрацию загрязняющего вещества при различных режимах работы предприятий и различных метеоусловиях. Пусть, каждое i-ое предприятие находится в j-ом режиме работы, а метеоусловия имеют k-ое состояние. Необходимо определить m-ый диапазон базовых вкладов предприятий в суммарной концентрации загрязняющего вещества в точке измерения. В виде продукционной модели данная формулировка можно представить следующим образом:

(i, j,k,m): A_o [x_i^j , y_k *uⁱ_m],i*I; j*J;k*K;m*M (3.1)

где x_i^j - вектор i-го предприятия находится в j-ом режиме работы,

y_k - вектор k-го состояния метеоусловий,

^ui_m - вектор m-го диапазона вклада i-го предприятия,

- общее количество предприятий,

- количество режимов работы,

M - количество диапазонов базовых вкладов.

Логико-лингвистические методы описания нечеткой системы определения вкладов основаны на том, что поведение исследуемой системы описывается в естественном языке в терминах лингвистических переменных. Входные и выходные параметры системы рассматриваются как лингвистические переменные, а качественное описание процесса задается совокупностью высказываний следующего вида:

L₁: если A₁₁ и/или A₁₂ и/или ... и/или A_1m, то B₁₁ и/или ... и/или B_1n,

L₂: если A₂₁ и/или A₂₂ и/или ... и/или A_2m, то B₂₁ и/или ... и/или B_2n,

L_k: если A_k1 и/или A_k2 и/или ... и/или A_km, то B_k1 и/или ... и/или B_kn, где A_ij, i = 1,2, …, k, j = 1, 2, …, m - нечеткие высказывания, определенные на значениях входных лингвистических переменных, а B_ij, i = 1, 2, …, k, j = 1, 2, …, n - нечеткие высказывания, определенные на значениях выходных лингвистических переменных. Эта совокупность правил носит название нечеткой базы знаний [139].

Традиционно продукционные правила пишутся в форме «Если…, то…», тогда правила базы знаний подсистемы базовых вкладов будут выглядеть следующим образом: «Если i-ое предприятие находится в j-ом режиме работы и метеоусловия имеют k-ое состояние, то базовой вклад предприятия находится в m-ом диапазоне» [136].

При построении базы правил нечеткой системы определения вклада каждого предприятия необходимо обрабатывать экспертную информацию, чтобы пополнять базу знаний и оформить продукционные правила разрабатываемой системы. Основными используемыми видами опроса экспертов [95] являются анкетирование, интервьюирование, дискуссии, метод «мозгового штурма» («мозговой атаки»), метод Дельфы.

К основным способам обработки экспертной информации относятся:

ранжирование;

непосредственная оценка; - парное сравнение.

Структура системы нечеткого вывода содержит следующие модули [96]:

фаззификатор, преобразующий фиксированный вектор влияющих векторов (X) в вектор нечетких множеств ^X~ , необходимых нечеткого вывода;

нечеткая база знаний, содержащая информацию о зависимости Y ? f (X) в виде лингвистических правил <Если - то>;

функции принадлежности, используемые для представления лингвистических термов в виде нечетких множеств;

машина нечеткого вывода, которая на основе правил базы знаний определяет значение выходной переменной в виде нечеткого множества ^Y~ , соответствующего нечетким значениям входных переменных ( ^X~ );

дефаззификатор, преобразующий выходное нечеткое множество ^Y~ в четкое число Y .

В качестве инструментального средства реализации выше поставленной задачи предлагается использовать пакет Fuzzy Logic Toolbox вычислительной системы Matlab [97-98]. Пакет Fuzzy Logic Toolbox поддерживает все фазы разработки нечетких систем, включая синтез, исследование, проектирование, моделирование и внедрение в режиме реального времени. Он обеспечивает легкое продвижения по всем ступенькам проектирования нечетких систем и возможность визуализации результатов в виде двумерных и трехмерных графиков.

В составе пакета Fuzzy Logic Toolbox вычислительной системы Matlab присутствуют пять средств графического интерфейса пользователя, которые обеспечивают доступ к инструментарию нечеткой логики: редакторы системы нечеткого вывода, функции принадлежности (ФП), правил вывода, а также средства просмотра правил и поверхности и поверхности вывода. Эти средства связаны между собой динамически и производимые изменения в одном из них влекут изменения в других. Алгоритм работы состоит из четырех этапов (шагов):

Шаг 1. Вызываем редактор для создания системы определения вклада предприятий, набирая в командной строке fuzzy. Добавляем входную переменную посредством выбора в меню Edit пункта Addinput. В результате получаем следующую структуру нечеткой системы определения вклада предприятий (см. рисунок 7): четыре (скорость ветра, направление ветра, температуры атмосферы и режимы работы) входа, механизм нечеткого вывода по Мамдани или Сугэно, N (количество предприятий) выходов.

Рисунок 7 - Редактирование структуры нечеткой системы определения вклада предприятий

В нашей системе использован механизм нечеткого вывода по Мамдани. Основное отличие между системами Мамдани и Сугэно заключается в разных способах задания значений выходных переменных в правилах, образующих базу знаний. В системах типа Мамдани значения выходных переменных задаются нечеткими термами, в системах типа Сугэно - как линейная комбинация входных переменных.

Шаг 2. Каждую входную и выходную переменную поставим в соответствие набор ФП. Такая процедура реализуется в редакторе ФП (см. рисунок 8). Для каждой входной и выходной переменной необходимо задать лингвистические термы, соответствующие некоторым диапазонам четких значений. Степень принадлежности четких значений термам задается с помощью функций принадлежности. Стандартные формы ФП: треугольная, трапецеидальная, S - типа, или функция “фильтра”, Z - типа, колоколообразная. Так, для лингвистической переменной «скорость ветра», для которой используются 7 термов «Штиль», «Тихий», «Легкий», «Слабый», «Умеренный», «Свежий», «Сильный», соответствующие шкале скорости ветра Бофорта и степень принадлежности имеет форму трапеции. Аналогично, термы для оставшихся входных переменных.

Рисунок 8 - Редактирование ФП

Шаг 3. Следующим этапом построения системы определения вклада предприятий является определение набора правил (см. рисунок 9), которые задают связь между входными и выходными переменными. Эти правила сформированы базой данных нечеткой системы определения вклада каждого предприятия.



Рисунок 9 - Редактирование правил вывода

Шаг 4. Последним этапом построения нечеткой системы определения вклада предприятий является задание значений входных переменных и расчет искомого результата, посредством дефаззификации результатов аккумуляции (см. рисунок 10).

Изменение значений входных переменных допускается двумя способами:

путем ввода в поле Input значения входных переменных;

щелчком мыши в любом графическом окне, которое относится к входной переменной.

Рисунок 10 - Модуль визуализации нечеткого вывода

Модуль визуализации нечеткого вывода системы определения вклада предприятий позволяет наблюдать ход логического вывода по каждому правилу, получение результирующего нечеткого множества и выполнение процедуры дефаззификации. Каждое правило базы знаний нечеткой системы определения вклада предприятий представляется в виде последовательности горизонтально расположенных прямоугольников. Выходные переменные изменяются соответственно со логическим выводам по всем правилам входных переменных [92].

В результате информация, которая хранится в базе данных и подвергается обработке с помощью математического аппарата нечеткой логики, характеризуют вклад каждого предприятия, входящего в состав комплекса, в суммарном вкладе выбросов в окружающую среду.

3.3 Расчет рекомендуемых управляющих воздействий по изменению режимов работы предприятий на основе генетического алгоритма с целью снижения уровня загрязнения окружающей среды

Расчет вклада каждого предприятия в суммарный вклад ЗВ позволяет выявить источники загрязнения, но не позволяет давать четкие рекомендации (как изменить и на сколько процентов изменить на определенное время) об изменении нагрузки предприятий особенно в случае вклады предприятий приблизительны. Необходимо вычислять оптимальные доли снижения нагрузки предприятий в соответствии с их долями в валовых выбросах загрязняющих веществ (ЗВ) в атмосферу с учетом экономических и экологических факторов.

Если при k-ом состоянии метеоусловий на ПНЗА измеренная концентрация загрязняющего вещества c > ПДК, то концентрация загрязняющего вещества, создаваемая выбросами i-го предприятия в контрольной точке (c_i ) вычисляется по следующей формуле:

. (3.2)

Обозначим: - ^c_i^' - концентрацию загрязняющего вещества, создаваемая выбросами i-го предприятия в контрольной точке после регулирования выбросов, чтобы обеспечить суммарную концентрацию в пределах ПДК;

- ^Q_i , ^Q_i^' - выбросы i-го предприятия в соответствии с концентрациями ^c_i, ^c_i^' - концентрация загрязняющего вещества, создаваемая им в контрольной точке.

Тогда:

. (3.3)

Любое предприятие заинтересовано в минимальных затратах, необходимых для установления нормативных выбросов ^Q_i^' . Для этой цели, к поставленной системе неравенств добавляем целевую функцию:

, (3.4)

где в общем случае стоимость снижения на единицу выброса для i-го предприятия. В данном виде решение ^Q_i^' дает минимум затрат на достижение нормативного загрязнения атмосферы.

В предположении

Выражение (3.4) эквивалентно

, (3.5)

где ^q_i- доля сокращения выбросов для i-го предприятия; ^Q_i^регл- выбросы i-го предприятия в соответствии с регламентом работы.

Пользуясь линейной зависимостью концентрации выбрасываемого вещества от массы выбросов по методике ОНД-86 [105] и Гауссовской моделью рассеивания [38] ЗВ по выбросам одного источника можно представить загрязнение атмосферы в контрольных точках в виде линейной формы:

с=a*Q, (3.6)

где с - концентрация в контрольной точке; Q- выброс источника; a - коэффициент влияния.

Из (3.6) следует, что для i-ого предприятия или:

. (3.7)

Из (3.7) следует, что:

. (3.8)

Из (3.2) и (3.8) следует, что:

. (3.9)

Из (3.3) и (3.9) следует, что:

. (3.10)

Следовательно, задача сводится к поиску долей сокращения выбросов для всех предприятий (^q_i; i =1,N ), при которых целевая функция (3.5) с ограничениями (3.10) достигает минимума. Решение этой задачи обеспечит значение суммарной концентрации в контрольной точке в пределах ПДК и суммарные затраты всех предприятий, минимально необходимые для установления нормативных выбросов [138].

Для оптимального решения этой задачи будем использовать генетический алгоритм (ГА). ГА дает преимущества при решении практических задач разного рода. Одно из них - это адаптация к изменяющейся окружающей среде. В реальной жизни проблема, которая была поставлена для решения изначально, может претерпеть огромные изменения в процессе своего решения [99].

ГА обычно состоит из следующих шагов: 1 - выбрать исходную популяцию хромосом; 2 - оценивать приспособленность хромосом в популяции; 3 - проверить условие остановки алгоритма; 4 - селектировать хромосомы; 5 - применить генетические операторы; 6 - формировать новую популяцию; 7 - выбрать «наилучшую» хромосому.

В нашем случае «хромосома» является множеством долей сокращения выбросов для предприятий. Тогда наилучшая «хромосома» является оптимальными долями сокращения выбросов для предприятий.

Блок-схема основного генетического алгоритма изображена на рис. 11.

В качестве инструментального средства реализации алгоритмического алгоритма используется пакет Genetic Algorithm Toolbox (Optimization Toolbox) [100] вычислительной системы Matlab. Genetic Algorithm Toolbox поможет решить оптимальные задачи, которые невозможно решить традиционными математическими методами.

Рисунок 11 - Блок-схема работы генетического алгоритма

Для реализации выше поставленной задачи сначала составим следующий М-файл редактора Matlab под именем optimization_fitness.m (рисунок 12).

Рисунок 12 - Целевая функция (М-файл редактора Matlab)

Где: Q1, Q2,…, QN - выбросы предприятий по регламенту работы и задаются с учетом оценки экспертов.

Далее создадим следующий М-файл под именем optimization_constraint.m, который включал бы в себя вводимые в задачу ограничения (рисунок 13).



Рисунок 13 - Ограничения (М-файл редактора Matlab)

Для выполнения задачи оптимизации следует выполнить команду в окне команд MATLAB (рисунок 14):

Рисунок 14 - Команда оптимизации в окне команд Matlab

Где: с - суммарная концентрация ЗВ в контрольной точке; u1, u2,…, uN - базовые вклады предприятий, рассчитаны по ЭС базовых вкладов.

По окончании оптимизации результаты выполнения операции отображены на панели Status and results и на панели Final point (см. рис. 15) .

На панели Status and results отображается следующие информации:

сообщение: Optimization run;

значение целевой функции в конечной точке;

причина останова выполнения команды прямого поиска:

+ Exit: останов алгоритма (найдется решение),

+ превышение максимального числа поколений.

На панели Status and results отображаются параметры найденной точки минимума.

В результате работы генетического алгоритма вычисляются управляющие воздействия, которые содержат информацию о том, на сколько необходимо изменить нагрузку химико-технологических предприятий с целью снижения выбросов в окружающую среду.

Рисунок 15 - Результаты оптимизации на Optimization Tool

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

Основными параметрами интеллектуальной системы снижения валового выброса, которые влияют на функционирование и точность ее работы, являются форма функций принадлежности переменных (ФПП) и методы дефаззификации (МД) подсистемы определения вклада каждого предприятия на основе нечеткого вывода. Далее, будем рассматривать только эти параметры (ФПП, МД) для упрощения процесса выбора оптимальных параметров нечеткой системы определения вклада каждого предприятия.

Выбор оптимальных параметров нечеткой системы определения вкладов предприятий осуществляется методом перебора всех возможных комбинаций методов дефаззификации и функций принадлежности [98]. Для выбора оптимальной комбинации МД и ФПП рассчитывается коэффициент согласованности заключений экспертов [118]. Максимальное значение коэффициента соответствует оптимальной комбинации МД и ФПП. Процесс выбора оптимальных параметров интеллектуальной системы снижения валового выброса корректируются через определенный интервал в зависимости от конкретной ситуации (например, раз в квартал, пол-года или год). На рисунке 16 представлен метод выбора оптимальных параметров нечеткой системы определения вкладов предприятий.

Рисунок 16 - Метод выбора оптимальных параметров нечеткой системы определения вкладов предприятий

Опишем кратко методику выбора оптимальных параметров нечеткой системы определения вкладов предприятий:

задание начальных условий входных переменных i 1, j 1, и максимального значения коэффициента согласования экспертов K_max 0;

задание комбинации ФПП ФПП_i , i 1...M , M - количество комбинаций ФПП;

задание МД МД _j , j =1...L, L - количество МД;

расчет управляющих воздействий;

расчет текущего коэффициента согласованности экспертов K_t ;

если максимальное значение коэффициента согласованности экспертов K_max K_t текущего значения коэффициента согласованности экспертов, то перейти к пукту 7, иначе перейти к пункту 9;

считать текущий коэффициент согласованности наилучшим (максимальным) K_max K_t , j =j 1;

запоминание и применение текущей комбинации ФПП_i и МД _j для дальнейших расчетов;

если j * L, то перейти к пункту 3, иначе перейти к пункту 10;

выбор следующего значения ФПП i *i 1;

если все значения ФПП перебраны i M , то перейти к пункту 2, иначе перейти к пункту 12;

вывод на экран «оптимального» выбора комбинации ФПП и МД.

Поясним некоторые шаги алгоритма. На шаге 2 первоначальное множество комбинаций ФПП задается экспертом. Количество комбинаций ФПП M зависит от заданных ранее экспертом комбинаций ФПП.

На шаге 3 обычно выбирается один из пяти методов дефаззификации: метод центра тяжести, метод центра тяжести для одноточечных множеств, метод центра площади, метод левого модального значения и метод правого модального значения. Выбор осуществляется произвольным образом, например, случайно.

На шаге 4 с помощью нечеткой системы определения вкладов предприятий рассчитываются управляющие воздействия - доли изменения нагрузки предприятий при заданной комбинации ФПП и МД. Далее, эксперты дают оценку для текущей комбинации.

На шаге 5 определяется значение коэффициента согласованности экспертов по рассчитанным значениям управляющих воздействий по данной комбинации ФПП и МД. Существуют разные методы определения коэффициента согласованности экспертов: метод парных сравнений, метод ранжирования и метод непосредственного оценивания. В данном случае выбран метод непосредственного оценивания для определения текущего коэффициента N согласованности K_t *k_hq_h , где N - количество экспертов, k_h - оценка h-ого h>1 эксперта, q_h - коэффициент компетентности h-ого эксперта. Он часто равен ¹ . N

Метод парных сравнений и метод ранжирования обычно используются для расположения объектов в порядке возрастания или убывания какого-либо присущего им свойства.

3.4.2 Метод выбора оптимальной структуры системы управления

На рисунке 17 представлена структура автоматизированной системы управления предприятиями промышленного комплекса.

Рисунок 17 - Структура автоматизированной системы управления предприятиями промышленного комплекса: УВ - управляющее воздействие; ОУ - объект управления; Oi - оператор диспетчерского отдела i-ого предприятия; Yi(yi1, yi2,…) - совокупность ЗВ, выбрасываемых i-ым предприятиям

Объект управления (ОУ) является многосвязным [63], т.е. имеют несколько входов и несколько выходов. При управлении такими объектами изменение связанных между собой управляемых и управляющих величин в разных контурах управления вызывает изменение всех остальных, что, в свою очередь, усложняет задачу управления. Для выбора оптимальной структуры предложенной автоматизированной системы необходимо оценить степень влияния входных воздействий многосвязного объекта на уровень изменения показателей качества процесса управления.

К системам управления многосвязными объектами управления предъявляются не только требования устойчивости процессов управления. Для работоспособности таких систем также необходимо, чтобы процесс управления осуществлялся при обеспечении определенных показателей качества процесса управления (время переходного процесса, максимальное отклонение управляемой переменной от заданного значения). При наличии многосвязных контуров управления рассчитать оптимальные параметры интеллектуальной системы снижения валового выброса довольно сложно, а иногда практически невозможно, так как к взаимному влиянию контуров друг на друга могут добавляться ограничения на управляющие воздействия. Рассчитанные традиционными методами, особенно без учета взаимного влияния, «одноконтурные» системы управления таких объектов работают неэффективно. Чтобы повысить эффективность функционирования системы управления в целом, мы предлагаем ранжировать с помощью интеллектуальных технологий «входы» объекта управления по степени влияния на его «выходы», а затем, в первую очередь, пытаться проводить расчет наиболее «влияющих» на управляемую величину контуров управления.

Для определения степени влияния входных воздействий на выходные параметры можно использоваться нечеткий вывод.

В данном случае введем следующие лингвистические переменные: t ⁱ_p (уровень изменения времени переходного процесса) и maxⁱ (уровень изменения максимального отклонения управляемой переменной от заданного значения) в соответствии изменения входа объекта управления x_i , i 1, N.

Значения лингвистических переменных x_i (i 1,N ) определяются термами: «Малое», «Небольшое», «Большое», «Очень большое». Так, для получения численной оценки лингвистических переменных x_i «изменение входа объекта управления» зададим интервал значений оценки от 0 до 1, где 0 - значение входа не изменяется. На основе экспертных оценок, можно утверждать, что при малом изменении входа объекта управления оценка лингвистических переменных x_i будет колебаться от 0 до 0,2 баллов. Переменные x_i примут значения в интервале от 0,2 до 0,5 баллов, если немного изменяется значение входов объекта управления. Переменные x_i примут значения в интервалах от 0,5 до 0,7 и от 0,7 до 1 баллов, соответственно, при большом и очень большом изменении значения входов объекта управления. Данные баллы присваиваются группой экспертов, непосредственно привлекаемых к процессу управления многосвязными объектами. На рисунке 18 изображен графический вид лингвистических переменных x_i , где по оси Х располагаются значения «изменения входа объекта управления» в долях единицы, а по оси У - значения функции принадлежности для термов лингвистических переменных x_i . Графический вид этих переменных отличаться будет лишь смещением узлов в зависимости от конкретного входа объекта управления.

Рисунок 18 - Графический вид термов переменных x_i

Согласно положениям теории нечетких множеств, в таком случае каждому изменению значения входов объекта управления может быть поставлено в соответствие некоторое число, от 0 до 1, которое определяет степень принадлежности данного изменения значения входов объекта управления к тому или иному терму лингвистической переменной x_i .

В теории нечетких множеств функция принадлежности играет значительную роль, так как это основная характеристика нечеткого объекта, а все действия с нечеткими объектами производятся через операции с их функциями принадлежности. Функция принадлежности строится либо на основе статистической информации, либо при участии эксперта. В первом случае степень принадлежности приблизительно равна вероятности события, во втором случае степень принадлежности приблизительно равна интенсивности проявления некоторого свойства [119]. В данном случае для построения функций принадлежности переменных использован метод экспертных оценок.

Аналогично, для лингвистических переменных «уровень изменения времени переходного процесса» t ⁱ_p и «уровень изменения максимального отклонения управляемой переменной от заданного значения» maxⁱ , i 1,N этот будут термы: «Ноль», «Низкий», «Средний», «Высокий», «Очень высокий». Для получения численной оценки этих лингвистических переменных t ⁱ_p и maxⁱ зададим интервал значений оценки от 0 до 100. На рисунке 20 изображен общий вид лингвистических переменных t ⁱ_p и maxⁱ , где по оси Х располагаются значения «уровня изменения времени переходного процесса» и «уровня изменения максимального отклонения управляемой переменной от заданного значения» в процентах, а по оси У - значения функции принадлежности для термов лингвистических переменных t ⁱ_p и maxⁱ . Особенность этих переменных заключается в том, что они содержат одновременно разные виды функций принадлежности в зависимости от конкретных термов (см. рисунки 18, 19).

На основе экспертных оценок для создания системы нечеткого вывода формулируются когнитивные правила:

R₁: если малое изменение x₁ и/или малое изменение x₂ и/или ... и/или малое изменение x_N , то «Ноль» уровень изменения t ⁱ_p и/или «Ноль» уровень изменения maxⁱ ;

Рисунок 19 - Общий вид термов переменных t ⁱ_p , maxⁱ

R₂: если малое изменение x₁ и/или небольшое изменение x₂ и/или ... и/или не большое изменение x_N , то низкий уровень изменения t ⁱ_p и/или низкий уровень изменения maxⁱ ;

R_k: если очень большое изменение x₁ и/или очень большое изменение x₂ и/или ... и/или очень большое изменение x_N , то очень высокий уровень изменения t ⁱ_p и/или очень высокий уровень изменения ?maxⁱ .

Эта совокупность правил носит название нечеткой базы знаний. В идеальном случае нечеткая база знаний должна быть и компактной, и адекватной. Достичь этого в реальных задачах невозможно, потому на практике пытаются выбрать базу знаний с корректным балансом между этими противоречивыми критериями [97]. Необходимым условием такого баланса является попадание базы знаний на Парето-фронт в координатах «сложность модели - точность модели».

Предложенный метод определения степени влияния входных переменных многосвязных объектов управления на показатели качества процесса управления, основанный на интеллектуальной технологии нечеткого вывода, показал свою эффективность и позволил выбрать оптимальную структуру системы управления многосвязного объекта за счет сокращения числа контуров и мало влияющих входных переменных [142].

3.5 Разработка системы передачи информации о рассчитанных управляющих воздействиях для лиц, принимающих решения на предприятиях

Так как предприятия, входящие в комплекс, территориально удалены от системы измерения обработки и вычисления управляющих воздействий, то необходимо создать подсистему передачи информации.

В аварийном случае или в случае загрязнения местности выше ПДК Лица, Принимающие Решения (ЛПР) необходимо принять соответствующие решения по снижению концентрации загрязняющих веществ и оповещать предприятия о изменении производственной нагрузки.