Внедрение гибридных моделей (Hybrid Models) в Aspen HYSYS V12.1 для оптимизации реакторных процессов
В статье рассматривается внедрение гибридных моделей (Aspen Hybrid Models) в Aspen HYSYS V12.1 для оптимизации реакторных процессов. Описывается методология создания моделей, сочетающих машинное обучение и физические законы, а также практический пример использования гибридной модели на установке производства аммиака компании Nissan Chemical.
Внедрение гибридных моделей (Hybrid Models) в Aspen HYSYS V12.1 для оптимизации реакторных процессов
В мае 2021 года AspenTech выпустила обновление V12.1, представив концепцию Aspen Hybrid Models. Этот материал критически важен для инженеров, сталкивающихся с проблемой неточности кинетических моделей или длительным временем расчета строгих моделей (Rigorous models).
Задача
Создать модель сложного технологического узла (например, реактора парового риформинга или мембранного разделения), которая рассчитывается мгновенно, но сохраняет точность строгой термодинамики, для использования в планировании (PIMS) или онлайн-оптимизации.
Софт/Версия
Aspen HYSYS / Aspen Plus V12.1 (и выше), Aspen AI Model Builder.
Методология
-
Сбор данных: Используются исторические данные с установки (Plant Data) или результаты множественных прогонов строгой модели (Simulation Data).
-
Построение модели: В Aspen AI Model Builder данные очищаются от выбросов. Алгоритм ML обучается на этих данных, но — и это ключевое отличие — он ограничен физическими и термодинамическими законами (First Principles guardrails), что предотвращает выдачу физически невозможных результатов за пределами обучающей выборки.
-
Типы моделей:
-
AI-driven: Полностью на данных (для процессов с неизвестной физикой).
-
Reduced Order Models (ROM): Сжатие строгой модели HYSYS в легкую прокси-модель для экспорта в PIMS или GDOT.
Практический пример (Кейс Nissan Chemical)
Компания использовала гибридную модель для установки производства аммиака. Классическая модель не могла точно предсказать поведение парового риформинга при переменных нагрузках. Гибридная модель, обученная на данных завода, позволила воспроизвести реальные данные точнее, чем обычная кинетическая модель, и была развернута онлайн для оптимизации подачи пара [cite: 2].
Итоговый результат
Ускорение расчетов и возможность моделирования процессов, для которых отсутствуют точные кинетические уравнения, с сохранением материального баланса.
Источник
Теги
- #AspenHYSYS
- #HybridModels
- #IndustrialAI
- #Optimization
- #Tutorial