Separator Control of Tuba Degassing Using Model Predictive Control (MPC)

سئار الدبوني; زينب عاشور

doi:10.52716/jprs.v16i3.889

المؤلفون

سئار الدبوني وزارة النفط، شركة نفط البصرة
زينب عاشور وزارة النفط، شركة نفط البصرة

DOI:

https://doi.org/10.52716/jprs.v16i3.889

الكلمات المفتاحية:

PID, Model Predictive Controller (MPC), Three-Phase Separator, Control Valves.

الملخص

يُستخدم متحكم التناسبية والتكاملية والتفاضلية (PID) على نطاق واسع في شركة نفط البصرة (BOC) للتحكم في المعدات النفطية، مثل صمامات الدخول والخروج لعازلات في محطات عزل الغاز. تتميز متحكمات PID ببساطتها وعدم حاجتها إلى نموذج ديناميكي كامل للمعدة المراد التحكم بها. ومع ذلك، قد يكون ضبط ومعايرة (Tuning) متغيرات المتحكم أمراً معقداً، كما أن طريقة التجربة والخطأ التي يتبعها مهندسو المواقع قد تكون محفوفة بالمخاطر وغير فعالة. إضافةً إلى ذلك، تُعد متحكمات PID أحادية المدخلات والمخرجات (SISO)، مما يحد من مرونتها التشغيلية.

في المقابل، يُعد التحكم التنبؤي بالنموذج (MPC) متحكماً متعدد المدخلات والمخرجات (MIMO)، ويمكن استخدامه للتحكم في الأنظمة المعقدة ذات المتغيرات المتبادلة المتعددة. ورغم أن متحكم MPC يتطلب وجود نموذج رياضي للنظام، إلا أنه قادر على التعامل مع عدم اليقين (Uncertainty) في هذا النموذج.

في هذه الورقة البحثية، نستخدم نظام التحكم التنبؤي بالنموذج (MPC) للتحكم في صمامات عازلة ثلاثي الأطوار في محطة عزل غاز الطوبة الواقعة ضمن حقل الطوبة النفطي في مدينة البصرة. وقد استعننا ببرنامج ماتلاب (Matlab) لاشتقاق نموذج رياضي لصمامات الفاصل اعتماداً على البيانات المجمعة والمخزنة في نظام التحكم الموزع .(DCS)

ومن خلال مقارنة استجابة كل من متحكّمي PID وMPC، أظهرت النتائج تفوق نظام MPC. كما نُقَدِّر أن استخدام متحكمMPC بدلاً من متحكمات PID قد يؤدي إلى زيادة الإنتاج السنوي من الغاز بنسبة %58.5، والنفط بنسبة %87.2 (ما يعادل 31,800 برميل نفط). ولن يقتصر هذا التحسين على زيادة إنتاج النفط والغاز فحسب، بل يسهم أيضاً في تقليل حرق الغاز وتخفيف حدة اختلاط النفط بالماء.

وبناءً على ذلك، يُشكل نظام MPC بديلاً واعداً لمتحكمات PID للتحكم في المعدات النفطية؛ بهدف رفع كفاءة الأداء، وتقليل المخاطر التشغيلية، وتعزيز الإنتاجية.

المراجع

Z. Yang, M. Juhl, and B. Løhndorf, "On the innovation of level control of an offshore three-phase separator," IEEE International Conference on Mechatronics and Automation, Xi'an, China, pp. 1348-1353, 2010, doi: https://doi.org/10.1109/ICMA.2010.5588340.

S. F. A. Bukhari, I. Ismail, and W. Q. Yang. "Visualizing oil separator vessel and decision-making for control," 4th World Congress in Industrial Process Tomography, pp. 855-860, 2005.

‏A. F. Sayda, and J H. Taylor. "Modeling and control of three-phase gravity separators in oil production facilities," 2007 American Control Conference, New York, USA, pp. 4847-4853, 2007, doi: https://doi.org/10.1109/ACC.2007.4282265.

S. Song, X. Liu, C. Li, Z. Li, S. Zhang, W. Wu, B. Shi, Q. Kang, H. Wu, and J. Gong, "Dynamic simulator for three-phase gravity separators in oil production facilities," ACS omega, no. 8, vol. 6, pp. 6078-6089, 2023, doi: https://doi.org/10.1021/acsomega.2c08267.

S. Al-Dabooni and H. A. M. Alshehab, “Self-Learning Controllers in the Oil and Gas Industry,” Journal of Petroleum Research and Studies, vol. 11, no. 1, pp. 18-35, 2021, doi: https://doi.org/10.52716/jprs.v11i1.427.

S. Al-Dabooni, A. A. Tawiq, and H. Alshehab, “Dual Heuristic Dynamic Programming in the Oil and Gas Industry for Trajectory Tracking Control,” SPE Conference at Oman Petroleum & Energy Show, Muscat, Oman, 21–23 March 2022, doi: https://doi.org/10.2118/200271-MS.

S. J. Al-Dabooni and H. A. Al-Shawi, “Using Fuzzy Inference System in Gas Turbine to Overcome a High Exhaust Temperature Problem,” Journal of Petroleum Research and Studies, vol. 12, no. 1(Suppl.), pp. 225-242, Apr. 2022, doi: https://doi.org/10.52716/jprs.v12i1(Suppl.).634.

L. Aimacaña-Cueva, O. Gahui-Auqui, J. Llanos-Proaño, and D. Ortiz-Villalba, "Advanced Control Algorithms for a Horizontal Three-Phase Separator in a Hardware in the Loop Simulation Environment," Springer Nature, International Conference on Applied Technologies, pp. 399-414. Cham, Switzerland, 2022, doi: https://doi.org/10.1007/978-3-031-24971-6_29.

J. Bhookya, M. V. Kumar, J. R. Kumar, and A. S. Rao, “Implementation of PID controller for liquid level system using mGWO and integration of IoT application,” Journal of Industrial Information Integration, vol. 28, Art. no. 100368, 2022, doi: https://doi.org/10.1016/j.jii.2022.100368.

P. A. Darwito, B. L. Widjiantoro, S. A. Prananda, D. O. Pradana, and S. W. Sudrajat, “Development of WSAN on a Prototype Three-Phase Separator Level Control System using LoRa RF Based on IoT,” 2022 IEEE International Conference of Computer Science and Information Technology (ICOSNIKOM), Laguboti, North Sumatra, Indonesia, pp. 01-06, 2022, doi: https://doi.org/10.1109/ICOSNIKOM56551.2022.10034872.

Rao, PV Gopi Krishna, M. V. Subramanyam, and K. Satyaprasad. “Study on PID controller design and performance based on tuning techniques,” 2014 International Conference on Control, Instrumentation, Communication and Computational Technologies (ICCICCT), Kanyakumari, India, pp. 1411-1417, 2014, doi: https://doi.org/10.1109/ICCICCT.2014.699318.

J. Arroyo, C. Manna, F. Spiessens, and L. Helsen, “Reinforced model predictive control (RL-MPC) for building energy management,” Applied Energy, vol. 309, Art. no. 118346, 2022, doi: https://doi.org/10.1016/j.apenergy.2021.118346.

H. Wang, X. Zheng, X. Yuan, and X. Wu, “Low-complexity model-predictive control for a nine-phase open-end winding pmsm with dead-time compensation,” IEEE transactions on power electronics, vol. 37, no. 8, pp.8895-8908, 2022, doi: https://doi.org/10.1109/TPEL.2022.3146644.

S. Y. Chang, H. -C. Wu, Y. -C. Kuan and Y. Wu, "Tensor Levenberg-Marquardt Algorithm for Multi-Relational Traffic Prediction," IEEE Transactions on Vehicular Technology, vol. 72, no. 9, pp. 11275-11290, Sept. 2023, doi: https://doi.org/10.1109/TVT.2023.3270037.

W. Zhang, Z. Zheng, H. Liu, "Droop control method to achieve maximum power output of photovoltaic for parallel inverter system," CSEE Journal of Power and Energy Systems, vol. 8, no. 6, pp. 1636-1645, November 2022, doi: https://doi.org/10.17775/CSEEJPES.2020.05070.

S. Al-Dabooni, and D. C. Wunsch, “An Improved N-Step Value Gradient Learning Adaptive Dynamic Programming Algorithm for Online Learning,” IEEE Transactions on Neural Networks and Learning Systems, vol. 31, no. 4, pp. 1155-1169, April 2020, doi: https://doi.org/10.1109/TNNLS.2019.2919338.

S. Al-Dabooni, and D. C. Wunsch, “Convergence of recurrent neuro-fuzzy value-gradient learning with and without an actor,” IEEE Transactions on Fuzzy Systems, vol. 28, no. 4, pp. 658-672, April 2020, doi: https://doi.org/10.1109/TFUZZ.2019.2912349.