Badania

Opracowanie modelu informatycznego narzędzia do monitorowania procesu starzenia paliw w oparciu o numeryczną analizę zjawisk fizykochemicznych.

Badania przeprowadzone przez Agat IT S.A. wraz z Instytutem Technicznym Wojsk Lotniczych w ramach PROGRAMU BADAŃ STOSOWANYCH w ścieżce B. Umowa Nr PBS1/B9/4/2012 O WYKONANIE I FINANSOWANIE.

1. Cel badań. 

2. Problem starzenia paliw.

3. Przebieg badań. 

4. Rezultat badań projekt narzędzia informatycznego. 

 

1. Cel badań

Podstawowym celem badań było uzyskanie odpowiedzi na pytanie: W jaki sposób można zdefiniować skuteczny model starzenia się paliw płynnych?” oraz zdefiniowanie informatycznego narzędzia do monitorowania tych procesów.

Stan paliw jest scharakteryzowany przez zestaw parametrów specyficznych dla danego rodzaju paliwa. Parametry te są podstawą do określenia stanu paliwa. Wraz z upływem czasu większość parametrów zmienia się. Proces ten nazywamy starzeniem się paliwa. Niektóre z parametrów posiadają zdefiniowany dopuszczalny zakres wartości. Paliwo, które posiada parametr/y poza zakresem określonym w normie jest uważane za nieużyteczne.

Jednym z celów projektu było stworzenie modelu, pozwalającego na prognozowanie momentu kiedy nastąpi nieużyteczność paliwa. Dzięki temu przyszły użytkownik będzie mógł podjąć stosowne działania przed tym momentem.

Pokrewnym celem było sformułowanie takiego modelu, który pozwoliłaby na prognozowanie przebiegu zmian wartości parametrów istotnych z punktu widzenia starzenia się paliw. Posiadając taki model będzie można zastosować go do warunków określonych dzisiaj jak i pojawiających się w przyszłości. Warunki określone dzisiaj to wspomniana prognoza przekroczenia zakresu dopuszczalnych wartości. W przyszłości takim warunkiem mogłoby być pojawienie się zaburzenia, które mogłoby służyć  do oszacowania zaufania do dalszego przebiegu prognozy. Zobrazowanie tak sformułowanego modelu stanowiłyby wykresy zmian parametrów w czasie.

Innym kierunkiem prac nad starzeniem się paliw było badanie i opisanie zależności zmian w widmach IR starzejącego się paliwa oraz próba ich powiązania z mierzonymi parametrami. Widma IR paliw dają znacznie większą liczbę informacji niż wspomniane wcześniej parametry paliw. Dzięki temu łatwiej można  wykryć zmiany zachodzące w paliwach. Badanie widma powinno więc pozwalać na precyzyjne uzupełnienie prognozy i monitorowanie przyspieszonych zmian w paliwie.

Odrębnym celem było skonstruowanie kalkulatora mieszania paliw, którego zadaniem jest obliczenie wartości parametrów na podstawie znajomości wartości parametrów mieszanych składników z uwzględnieniem zgodności paliwa wyjściowego z normą. Dzięki temu będzie można ustalić czynności pozwalające na poprawienie parametrów paliwa poprzez jego mieszanie.

 

2.  Problem starzenia paliw

Podczas przechowywania paliw płynnych na bazie ropy naftowej zachodzą nieustanne zmiany w ich składzie i strukturze fizyko-chemicznej. Całość tych zmian zależnych od czasu nazywamy procesem starzenia. Możliwość przewidywania zmian spowodowanych procesami starzenia pozwoliłaby na znaczne zoptymalizowanie i uproszczenie procesów przechowywania i gospodarowania paliwami.

Podstawową przyczyną starzenia jest proces utleniania niewysyconych wiązań węglowodorowych. Łączą się one głównie z tlenem ale też z siarką (jest jej zawartość w paliwie jest określona i ograniczona, ok. 10g siarki na 1000kg), związkami azotu, metalami oraz ze sobą kiedy zachodzi polimeryzacja. Są to zjawiska niekorzystne. Najlepiej kiedy niewysycone wiązania łączyłyby się z wodorem.

Pod wpływem temperatury następuje rozkład termiczny. Rozpadają się długie wiązania. Następują procesy katalityczne z udziałem metali, pojawiają się gazy zamiast cieczy, następuje rozkład do postaci węgla bo paliwo jest mniej podatne na odparowanie, a co za tym idzie na spalanie, więc więcej powstaje koksów, laków, …

Nie wszystkie parametry zmieniają się w procesie starzenia. Podejmowane są próby mające na celu spowolnienie procesów starzenia się paliw oraz poprawę innych istotnych właściwości paliw. Zwykle jest to realizowane przez stosowanie dodatków uszlachetniających paliwo.

Najczęściej stosowane dodatki to antyutleniacze, które nasycają węglowodory. Łapią one  tlen szybciej niż niewysycone wiązania. Ich działanie blokują: cynk, miedź i jej stopy, mangan,.. Oprócz antyutleniaczy stosuje się też dodatki anty-elektrostatyczne, które rozpraszają ładunek. Zaletą tych ostatnich jest możliwość powtórnego stosowania.

Tematem  bezpośrednio związanym ze starzejącym się paliwem jest mieszanie paliw. Mieszanie paliw najczęściej stosuje się w przypadkach kiedy pod wpływem procesów starzenia, paliwo utraciło wartość któregokolwiek z opisujących je parametrów wymaganą w normie. Przywrócenie właściwości paliwa do tych zgodnych z normą uzyskujemy właśnie dzięki mieszaniu paliw oraz stosowaniu dodatków uszlachetniających. Zachodzą przy tym zjawiska:

  • Po zmieszaniu paliw następuje uśrednienie parametrów ale nie wszystkie parametry są addytywne. Przykładem takiego parametru jest temperatura zapłonu.
  • W olejach napędowych może nastąpić rozwarstwienie.
  • Mieszanie paliw bez dodatków alkoholu z paliwami z dodatkiem alkoholu może prowadzić do rozwarstwienia.

Proces degradacji magazynowanych paliw w zależności od upływającego czasu przebiega z różną szybkością. Degradację paliw następującą w długim okresie czasu i w niskich temperaturach określa się, jako stabilność magazynową, natomiast degradacja przebiegająca w podwyższonej temperaturze i w krótkim okresie czasu określa się stabilnością termo-oksydacyjną.

Analizując zależności i różnorodność czynników towarzyszących długoterminowo magazynowanym paliwom można stwierdzić, że nie jest możliwe jednoznacznie zaproponowanie przebiegu procesów degradacji paliwa w czasie. Jednocześnie jest to potwierdzenie konieczności prowadzenia ciągłego monitoringu stanu paliw. W efekcie jest to jedno z podstawowych działań umożliwiających ograniczenie ewentualnych strat ekonomicznych związanych ze spadkiem właściwości paliwa po czasowym magazynowaniu.

 

3.  Przebieg badań

Plan badań został dostosowany do aktualnej ilości informacji i laboratoryjnych pomiarów przebiegu zdarzenia. Krótki czas trwania projektu powoduje, że pomiary przeprowadzone w tym czasie nie będą w stanie istotnej części cyklu starzenia się paliw. Jednym z zadań Badania będą kontynuowane po zakończeniu projektu.

 

3.1. Przygotowanie danych

W związku z powyższym do badań wykorzystamy zestaw hipotetycznych parametrów przygotowanych przez ITWL. Uzyskane zestawy stanowią tzw. przebiegi „idealne”  czyli pozbawione błędów pomiarowych. Utworzone zostały na podstawie wielu źródeł. Niestety nie odzwierciedlają one wzajemnej zależności pomiędzy parametrami.

Na potrzeby naszych badań uzyskane dane wzorcowe stanowić będą zawsze punkt wyjściowy. W wyniku ich przetworzenia będziemy chcieli uzyskać:

  • Dowolną ilość danych rzeczywistych z uzyskanego przebiegu poprzez interpolację danych pośrednich metodą funkcji sklejanych.
  • Dowolną ilość danych zmierzonych na podstawie danych rzeczywistych i określonej niepewności pomiarowej każdego parametru.
  • Dowolną ilość danych przetworzonych na podstawie tak danych rzeczywistych jak i zmierzonych po zastosowaniu funkcji modyfikujących dziedzinę i wartości. Dzięki utworzeniu danych przetworzonych będziemy mogli badać odpowiedź modelu na zestawy (klasy) danych o podobnym przebiegu.
 

Wygenerowanie zbiorników z danymi.

  • Trzy rodzaje paliwa BSA, ONA, TLS
  • Każdy rodzaj paliwa w trzech zbiornikach o różnym przebiegu
  • Dodatkowo oprócz zbiorników z parametrami rzeczywistymi zestaw z parametrami zmierzonymi.

Poniższy diagram przedstawia zastosowaną procedurę obróbki danych:

Przebieg

 

3.2. Aproksymacje

Najprostszą klasą modeli będą modele oparte na aproksymacji istotnych parametrów. W wyniku zostaną ustalone funkcje aproksymujące przebiegi. W sytuacji kiedy będzie do dyspozycji wiele niezależnych przebiegów tego samego parametru będzie można skonstruować ogólną klasę funkcji opisującą zmiany parametru. Dopiero skonstruowanie klasy funkcji umożliwiłoby zastosowanie tego modelu do przewidywania procesu starzenia. Zastosowanie do danych wzorcowych metod aproksymacji choć nie pozwoli na dobre określenie klasy funkcji związanych to umożliwi ich interpolację a w szczególnych przypadkach również ekstrapolację.

Model aproksymacji liniowej do prognozowania zmian parametrów:

  • Aproksymacja liniowa zależności parametru od czasu na podstawie wszystkich dotychczasowych pomiarów
  • Aproksymacja liniowa na podstawie n-ostatnich pomiarów

Model aproksymacji funkcjami nieliniowymi.

  • Znalezienie klas funkcji dla każdego z parametrów

Model sieci neuronowej (ANN).

  • Zbudowanie sieci testowych głównie w celach referencyjnych. Sprawdzenie pojemności informacyjnej sieci w zależności od przyjętego modelu. Przetestowanie zdolności uczenia się i przeuczania sieci. Sprawdzenie jakości interpolacji i ekstrapolacji sieci czyli jej odpowiedzi na dane wejściowe spoza zakresu lub pomiędzy danymi, którymi sieć uczyliśmy.
  • Właściwa sieć badawcza:
    wejście -> zestaw parametrów z ostatnich k interwałów czasu;
    wyjście -> zestaw parametrów w następnym interwale.
    • Znalezienie optymalnej struktury sieci w procesie:
      • Uczenie sieci danymi rzeczywistymi tak aby zminimalizować średni błąd kwadratowy pomiędzy uzyskaną odpowiedzią sieci a danymi rzeczywistymi. W wyniku tego zabiegu uzyskamy sieć, która nie przenosi szumu związanego z błędami pomiarów.
      • Nauczenie sieci o strukturze zoptymalizowanej wg poprzedniego punktu danymi rzeczywistymi. Po tej czynności proces tworzenia sieci będzie zakończony.
      • Stworzenie trzech sieci związanych z rodzajami paliwa. Sieć tę uczono by danymi z wszystkich zbiorników. Spodziewana prognoza dotyczyłaby paliwa dla podobnych zbiorników.
      • Inne struktury wejść i wyjść, które pojawią się podczas badań.

Poniższy schemat przedstawia zastosowana procedurę przewidywania zmian jakości paliw z zastosowaniem aproksymacji (z wykorzystaniem ANN):

image002.jpg

3.3. Klasyfikacja

Alternatywnym podejściem do problemu przewidywania zmian jakości paliw jest zastosowanie metod klasyfikacji zamiast ekstrapolacji parametrów jakościowych. Podejście to nie pozwala na przewidywanie dokładnych wartości poszczególnych parametrów w przyszłości, a jedynie ogólną ocenę przydatności paliwa po określonym czasie. Jednakże takie podejście wydaje się być wystarczające z punktu widzenia praktycznych zastosowań a znacznie rozszerza gamę dostępnych narzędzi informatycznych, które mogą byś stosowane.

Przyjęty przez nas zbiór klas paliwa, na potrzeby badań, to:

  • Klasa paliwo świeże” informująca nas, że w następnym interwale paliwo będzie spełniało normy co najmniej przez następne 12 interwałów.
  • 12 kolejnych klas od 12 do 1 oznaczających ilość interwałów do momentu przekroczenia normy paliwa w następnym interwale.
  • Oraz klasa paliwo poza normą”, która informuje nas o tym, że w następnym interwale paliwo przestanie być zgodne z normą.

W ramach badań stworzono model klasyfikatora opartego o metodę wektorów nośnych (SVM).

Poniższy schemat przedstawia procedurę zastosowania klasyfikatora SVN w przewidywaniu zmian jakości paliw:

image003.jpg

 

3.4. Analiza widm IR

Jednym z pomiarów przeprowadzanych na paliwach płynnych jest pomiar oscylacyjnego  widma absorpcyjnego w zakresie IR. Widmo absorpcyjne powstaje podczas przechodzenia promieniowania IR przez paliwo, które absorbuje promieniowanie na określonych długościach.

Celem badań było dostarczenie narządzi pozwalających organoleptycznie lub automatycznie wychwytywać przyszłe zmiany jakości paliw na podstawie zmian w jego widmie.

Przeanalizowano dostępne narzędzia analizy zmian w widmach oraz ich wizualizacji pod kontem przydatności w narzędziach zarządzania jakością starzejących się paliw.

image004.jpg

 Model ten najpełniej obrazuje procesy fizyko-chemiczne zachodzące w paliwie.

Oczywistym jest, że podczas procesu starzenia się paliwa zachodzą w nim reakcje chemiczne. Zmiany wszystkich parametrów są przede wszystkim odzwierciedleniem zachodzących reakcji chemicznych. Pewien wpływ na zmiany parametrów mogą mieć również bardziej subtelne procesy fizyczne, które nie są reakcjami chemicznymi. Procesy te są zwykle pomijane a ich wpływ pomijany przy opisie zjawisk starzenia się paliw. W wyniku ich przebiegu skład paliwa ulega zmianom. Model „gray-box” powinien być więc związany z przebiegiem reakcji chemicznych zachodzących w starzejącym się paliwie.

Uzyskane widma IR zostały zanalizowane wizualnie tak aby wychwycić rodzaj zmian, który można by dalej śledzić w sposób obliczeniowy. Przykładowe widma dwóch kolejnych pomiarów ich różnice oraz  ich porównanie krzyżowe i koherencja falkowa pokazuje rysunek poniżej. Zaobserwowano prawidłowości w zmianach widm jednak ze względu na niewystarczającą ilość pomiarów (szesnaście) nie można w sposób jednoznaczny określić obszarów zmienności.

 

3.5. Analiza mieszania paliw

Podczas przechowywania starzejącego się paliwa zdarza się, że niektóre jego parametry znajdą się poza normą. W celu przywrócenia tak zestarzałego paliwa do użyteczności najczęściej stosowanym zabiegiem jest jego zmieszanie z paliwem które ma niską wartość parametru, który korygujemy. Podczas mieszania paliw zwykle mamy do czynienia z addytywnym wpływem na wartość wynikową parametru. W innych przypadkach wartości wynikowe są nieliniową funkcją wartości składowych.

 

4. Rezultat badań projekt narzędzia informatycznego

Celem badań było potwierdzenie możliwości wykorzystania współczesnych metod informatycznych do modelowania zjawisk fizykochemicznych zachodzących a starzejących paliwach. Pozytywne weryfikacja części metod pozwoliła na zdefiniowanie podstawowych założeń dla narzędzia pomagającego w zarządzaniu magazynami paliw z uwzględnieniem zmian ich jakości.

Model informatycznego narzędzia monitorowania procesu starzenia paliw w oparciu o numeryczną analizę zjawisk fizykochemicznych stanowić będzie część systemu nadzoru paliw. Ogólną strukturę tego systemu opisaną za pomocą przypadków użycia pokazuje poniższy rysunek.

Z punktu widzenia użytkownika aplikacja będzie dostępna dla:

  • administratora odpowiedzialnego za tworzenie i zarządzanie nowymi użytkownikami, zbiornikami i nadawani im potrzebnych uprawnień
  • użytkownika, wprowadzającego pomiary ze swoich zbiorników i uzyskującego prognozy dla paliw w zbiornikach
  • projektanta, odpowiedzialnego za wybór i wdrożenie najodpowiedniejszych modeli

System będzie zlecał zadania obliczeniowe do R serwera poprzez serwis zarządzający.

image005.jpg

 

Więcej szczegółów dotyczących przebiegu i wyniku badań zawarto w artykule:

Opracowanie modelu informatycznego narzędzia do monitorowania procesu starzenia paliw w oparciu o numeryczną analizę zjawisk fizykochemicznych”