施耐德电气化工工艺仿真AI优化解决方案

1、 方案背景与目标

化工行业是重资产的行业，其生产要求安稳长满优。生产过程中伴随着高温、高压、化学反应。其工艺调节的过程对于安全的要求高，必须要经过严格测试之后才能进行。很多客户希望应用新的AI技术在化工工艺过程中，找到新的工艺优化点，提升化工产量，降低能源消耗。而且，生产过程中很多时候随着市场变化和生产要求，客户都会需要进行多组分进料的切换，从而更高效的生产。但是切换过程需要大量的时间，也非常考验现场操作人员的能力。因此，施耐德电气结合最新的AI强化学习技术，基于多年化工经验积累的工艺仿真平台AVEVA Dynamic Simulation为客户提供化工工艺AI仿真优化的方案。该方案先应用于施耐德电气客户体验中心，展示了AI自主控制整个常压蒸馏装置，以达到在操作波动情况下（受动态模型上模拟进料组分、压力以及燃料气组分、压力波动对装置操作的影响），稳定生产状态，提高收益的结果。山东某国内化工头部集团操作员仿真培训项目进行过程中，希望施耐德电气能够为其化工工艺过程提供此方案。施耐德电气为客户提供AI自动切换塔底再沸热源这一化工工艺场景。

本方案目标是：

1)    利用高精度仿真模型训练人工智能体，实现在仿真模型上对塔底再沸器两个热源进行在线自主切换操作；

1)    根据AI自主操作结果分析操作曲线，提供优化标准操作规程的建议，评估后续自动切换逻辑设计方案和AI自主控制上线部署方案；

2)    开发易用的AI训练和部署平台；

3)    实现AI控制上线部署。

2、方案详细介绍

本方案应用的AI算法是强化学习算法，通过在与环境的交互中不断试错进行学习，且每个学习目标都要经过多轮试错完成。考虑操作安全性和学习效率，AI算法是无法直接通过操作真实装置进行学习。高精度仿真模型很好的解决了这一问题，不仅提供安全的试错环境，还可以通过模型计算加速以及同时训练多个模型来加快学习速度。同时学习好的AI算法还可以在同一仿真模型中进行闭环测试，来检验学习成果。

本方案利用施耐德电气为某化工头部提供的操作员培训项目中的丁烷精制塔完整塔系仿真模型，训练AI自主将塔底再沸器自动切换热源，且在切换过程中维持塔内温度、压力，塔顶异丁烷含量和产品正丁烷含量等关键控制参数在要求的操作范围内。训练好的AI自主控制器安装到仿真模型上进行控制测试，最后提交AI自主控制以及控制结果报告，在本方案报告中给出操作优化建议以及自动控制爬坡斜率作为实际操作参考。

针对业主对AI自主控制研究的需求以及对AI自主控制上线安全性的担忧，施耐德电气还在项目期间完成了：

1)    与AI算法开发公司一起设计和开发易用的AI平台（训练和部署）；

2)    AI部署安全逻辑；

1)    AI部署三种模式：闭环模式，半闭环模式以及切除模式。

3、 代表性及推广价值

本方案面向石油化工行业为代表的流程工业提供AI自主控制解决方案。本AI方案的特点如下：

1)    强化学习AI模型

2)    控制变量数量支持20-30个（经过测试的），辅助监控参数更是高达200个左右，基本满足装置级或者单元级的自主控制

3)    基于高精度仿真模型的AI训练，安全，快速（模型加速，以及通过同时训练多个模型进行加速），进行安全闭环测试

4)    友好的AI模型训练和部署平台，便于无编程知识的装置工艺人员也可以独立进行训练和部署

5)    多模式部署，适用于不同AI技术发展阶段在工厂的应用。

方案价值

1)    优化操作规程，提供在线操作指导以及为必要的顺控逻辑提供设计依据

2)    提供AI自主控制算法开发和方案研究的平台，为未来AI自主控制在流程工业的部署和推广铺路

3)    随着AI技术的提升，实现AI在线部署，提升突发异常应变能力，降低人工操作负荷，以及解决操作人员更换交替和有经验的操作人员数量不足等问题

4、提供方案相关配图，分辨率>300DPI