Commande prédictive, pilote automatique de l usine écoperformante

Commande prédictive, pilote automatique de l usine écoperformante Konrad S. Stadler, Eduardo Gallestey, Jan Poland, Greg Cairns Optimiser la production tout en se pliant aux obligations contractuelles et à la réglementation environnementale est un combat de tous les instants dans l industrie moderne. La tâche des opérateurs aux commandes du process et des responsables chargés de fixer les objectifs de production se complique ; il leur faut arbitrer entre, d un côté, le volume et le type de production, et de l autre, la disponibilité des ressources énergétiques et la volatilité de leur coût. Les industries de transformation peuvent désormais quasiment agir sur tous les fronts en parant à toutes les conditions du marché : le logiciel d optimisation cpmplus Expert Optimizer vient à leur rescousse avec un arsenal d outils automatiques de conduite, de stabilisation et de régulation du procédé afin de gérer la complexité engendrée par les nouvelles règles du marché. Mieux, il intègre des algorithmes mathématiques pointus qui viennent à bout des problèmes de commande et d optimisation insolubles il y a quelques années encore. Revue ABB 2/2009 17

Confrontées aux soubresauts de l économie, les entreprises ne peuvent se permettre de jouer la défensive ni de se reposer sur leurs lauriers. Selon Akira Mori, prospère homme d affaires japonais, «les réussites d hier ne s accommodent pas de la nouveauté ; il nous faut en permanence nous réinventer et réagir à la dynamique de progrès en forgeant de nouveaux modèles économiques». De même, il est impératif d innover en termes de produits, de procédés et de services si les industriels et leurs clients veulent traverser la tempête actuelle. Au lieu de se retrancher dans l attentisme, les entreprises doivent être à l affût des évolutions porteuses d avenir ; en anticiper les promesses d impact sur la réussite durable de l entreprise permet de trouver la meilleure solution. Depuis quelque temps, les équipes de développement ABB font avec succès un usage quotidien des techniques d optimisation. Pour anticiper l évolution du marché et les besoins de ses clients, ABB a créé l outil de développement cpmplus Expert Optimizer qui embrasse toutes les techniques de commande avancée facilitant le déploiement rapide de régulateurs aptes à satisfaire aux contraintes des applications exigeantes. cpmplus Expert Optimizer s accommode remarquablement des modèles mathématiques linéaires, non linéaires et hybrides, dotés de variables conticpmplus Expert Optimizer exploite les mesures disponibles pour lancer les réglages automatiques des actionneurs de l usine. L objectif est triple : accroître la performance du procédé pour une qualité de produit donnée, améliorer son efficacité économique, fiabiliser ses opérations. cpmplus Expert Optimizer y parvient en garantissant l exécution précise, continue et cohérente des meilleures actions possibles, à la manière d un pilote automatique. Qui plus est, sa mise en œuvre respecte à la lettre les procédures normatives pour assurer la réussite du process et sa maintenabilité sur le long terme. cpmplus Expert Optimizer affiche un palmarès de plus de 300 sites de référence dans le monde. Ses points forts sont multiples : Il combine les techniques d ordonnancement optimisé de la production et les méthodes classiques de la commande avancée et de l intelligence artificielle ; Il est assez souple pour traiter des applications multisectorielles aux objectifs variés ; Sa convivialité lui permet de gommer la complexité pour être à la portée du non-spécialiste ; Il raccourcit les temps de déploiement en associant modularité, réutilisabilité et évolutivité. L expertise du procédé L optimiseur d ABB se singularise par l emploi d outils de logique floue et neuro-floue pour développer ses solutions applicatives : les systèmes d inférence en logique floue mobilisent la connaissance humaine pour prendre et exécuter des décisions efficaces tout au long du procédé ; les réseaux neuro-flous servent à l apprentissage des relations entre les variables clés du process. L apport et la complémentarité de ces deux techniques, adossées à l expérience et à l expertise d ABB dans la conduite des procédés industriels, autorisent le développement de solutions robustes et puissantes, gages de bénéfices substantiels et pérennes. cpmplus Expert Optimizer atteint son triple objectif d efficacité énergétique, de rentabilité économique et de fiabilité du procédé en garantissant à tout moment l exécution précise, continue et cohérente des meilleures actions possibles. et la commande prédictive par modèle cpmplus Expert Optimizer ajoute aux outils classiques de l intelligence artificielle une solide boîte à outils de commande «MPC» (Model Predictive Control). Celle-ci exploite les capacités anticipatrices 1) ou «prédictives» d un modèle mathématique pour en déduire une séquence optimale d actions de régulation. Le premier élément de la séquence s applique à l usine : dès que des mesures ou de nouvelles données sont disponibles, une nouvelle séquence est calculée dans le but d optimiser la performance du procédé ; de protéger le système des dépassements de contraintes. 18 Revue ABB 2/2009

nues et booléennes. Précisons que les premiers sont solidement implantés dans le contrôle-commande industriel, alors que leurs homologues non linéaires et hybrides (combinaison d états continus et binaires) viennent à peine d investir les procédés intéressant les clients d ABB. La commande MPC oblige à développer un modèle mathématique décrivant le procédé mais aussi à choisir ou à élaborer un indice coût-bénéfice convenable, encore appelé «fonction coût», qui tient compte des objectifs à atteindre. Selon sa conception, cette fonction peut pénaliser les dérives par rapport à certains points de fonctionnement ou simplement représenter les coûts d exploitation. Les entrées optimales appliquées au système sont calculées en minimisant cette fonction, dans les contraintes définies par le modèle de procédé. Pour être efficaces, les algorithmes de minimisation doivent exploiter la structure du problème décrite par le type de modèle (linéaire ou non, hybride ) et les caractéristiques de la fonction d optimisation. cpmplus Expert Optimizer utilise cette plate-forme MPC pour accomplir trois tâches complémentaires, indispensables à la commande avancée : 1 Bibliothèque Expert Optimizer de blocs génériques MLD Estimation d état : elle utilise la méthode d estimation à horizon glissant «MHE» (Moving Horizon Estimation) qui prend appui sur le passé le plus récent (horizon d observation de la mesure) pour évaluer les états courants du modèle au vu des conditions initiales minimisant le compromis (fonction coût) entre le bruit de l instrumentation et du procédé. Cette méthode peut servir à l estimation paramétrique en utilisant l approche de l «état augmenté». Simulation du procédé : sur la base d une condition initiale donnée pour les états du modèle, cette tâche simule le modèle pour fournir une vue future du procédé tandis que les variables manipulées conservent leurs valeurs actuelles ; on obtient ainsi une représentation du comportement en boucle ouverte du système, dans les conditions en cours. Optimisation du procédé : partant d une condition initiale donnée pour les états du modèle et une fonction coût, elle calcule les valeurs optimales des variables manipulées qui minimisent la fonction coût sur un horizon fuyant ; on dispose alors des trajectoires associées des variables manipulées, des états du modèle et de ses sorties (variables réglées) pour affichage et autre traitement ultérieur. Ordonnancement par modélisation mixte logique dynamique L environnement du nouveau cpmplus Expert Optimizer 6.1 adopte la modélisation mixte logique dynamique «MLD» [1]. Les systèmes MLD, développés au laboratoire d automatique de l Institut fédéral suisse de technologie 2) (ETH), à Zurich, généralisent un large éventail de modèles, notamment ceux combinant un comportement continu et discret, caractéristique de l hybridation. Cette capacité de modélisation des systèmes hybrides élargit considérablement le champ applicatif du nouvel optimiseur d ABB. En effet, contrairement aux modèles linéaires, les systèmes MLD sont capables de modéliser des contraintes telles que des relations logiques du type «si l unité 1 est en marche, alors l unité 2 est à l arrêt», de même que des contraintes de production formulées comme suit : «soit PAS de production, soit une production entre MINI et MAXI». Avec les systèmes MLD, l optimisation se transforme en problème mixte entier linéaire ou quadratique pour lequel de puissants solveurs existent. Selon les besoins, cette même plateforme peut faire office d outil décisionnel en boucle ouverte (ordonnancement) ou de rejet des perturbations en boucle fermée (réordonnancement) [2]. Bref, la double approche MLD/MPC conjugue le mérite d une modélisation souple et d une capacité de résolution raisonnable. 2 Modélisation d un système de pompage de cuve par blocs graphiques Expert Optimizer u Consigne niveau cuve u Consigne débit d entrée Cuve $ X y $ Coût niveau cuve y Niveau cuve Mécano graphique L une des finalités d Expert Optimizer est, rappelons-le, de rendre la méthode MPC accessible aux non-spécialistes. Or cette dernière oblige à créer un modèle de procédé relativement précis ; ABB propose pour cela de subdiviser le procédé en composants plus petits et maniables. Une centrale hydroélectrique, par exemple, peut se décomposer en retenue, barrage, turbine, alternateur et réseau : chaque u Consigne débit de sortie Pompe Notes 1) Horizon temporel : court à moyen terme 2) Le partenariat stratégique entre ABB et l ETH date d environ neuf ans. Revue ABB 2/2009 19

partie est alors modélisée et représentée sous forme de bloc graphique stockant ses contraintes et caractéristiques dynamiques, avec des ports d entrées-sorties (E/S) correspondant aux E/S du modèle mathématique. On bâtit ainsi la totalité du modèle de procédé en reliant simplement les ports d E/S des différents blocs. La fonction coût, qui définit le problème de contrôle-commande optimal, est aussi un bloc. Si, par exemple, la centrale a pour but de maximiser les profits dégagés de la vente d électricité, la sortie du bloc «alternateur» (donnant la puissance produite) est reliée au bloc «fonction coût» (mémorisant les tarifs variables de l électricité). La modularité de cette démarche simplifie la phase de modélisation et facilite l élaboration, la modification et la maintenance des modèles. Elle autorise également la création de bibliothèques de blocs génériques, réutilisables dans d autres procédés par simple glisser-déposer. Un exemple de bibliothèque de blocs MLD Expert Optimizer est reproduit en 1 avec ses éléments de base : variables d E/S, temporisations du procédé, gains, modèles état-espace, sommes de variables MLD, contraintes dures et molles. Ces mêmes bibliothèques servent à modéliser la partie logique d un système hybride. En 3 Production de clinker : flux des gaz (flèches rouges) et cheminement du cru (flèches bleues) Gaz de combustion 4 ème étage 3 ème étage Préchauffeur 2 ème étage 1 er étage Four de cuisson rotatif règle générale, n importe quel procédé peut être modélisé en reliant simplement ces blocs MLD, comme dans l exemple 2. Les fonctions coûts sont créées à l aide des mêmes constituants de base que ceux des opérations linéaires définies par morceaux. L utilisateur a bien sûr la possibilité d importer ses propres modèles MLD (par exemple, ceux issus des algorithmes d identification de boîte noire) ; cpmplus Expert Optimizer 6.1 intègre en effet un outil complet d identification de modèles. L aptitude à modéliser des systèmes hybrides accroît énormément le champ d application d Expert Optimizer. Expert Optimizer à la manœuvre Plusieurs projets exécutant les nouvelles fonctions d optimisation MLD/MPC de cpmplus Expert Optimizer sont aujourd hui opérationnels dans divers domaines significatifs, notamment : Régulation de procédé cimentier (broyage, optimisation de mélange, commande de précalcinateur [3]) ; Planification et ordonnancement de la production (cimenterie [4], production de dioxyde de titane, distribution d eau) ; Alimentation en cru Cheminement cru Flux gaz/air Combustibles primaires Refroidisseur Optimisation économique : gestion de combustibles de substitution ; Optimisation de centrale d énergie [5]. Commande de fours de cimenterie L une des applications phares d Expert Optimizer est la commande de fours de clinkérisation 3. Les minéraux constituant le clinker sont cuits dans des fours rotatifs, à une température voisine de 1 400 C. Le procédé cimentier brûle énormément de ressources fossiles et de combustibles de remplacement dérivés de déchets d autres filières (pneus broyés, plastiques recyclés ). Pour améliorer son efficacité énergétique, les gaz chauds sont refoulés en amont du four et en partie basse de la tour de préchauffage. La «farine» crue, qui chemine en sens inverse, récupère cette énergie calorifique ; en augmentant de température, elle subit des réactions physico-chimiques de prétraitement (dont la calcination) avant d entamer la clinkérisation dans le dernier tiers du four de cuisson. Un refroidisseur souffle l air tiré de l atmosphère à travers une grille sur laquelle passe le clinker pour favoriser l échange thermique et accélérer le refroidissement, les minéraux conservant ainsi la forme voulue. La fabrication de clinker est étroitement interconnectée : il suffit de modifier l un de ses paramètres de commande (débit d alimentation en cru, flux des gaz de combustion, charge de combustible, vitesse de rotation du four) pour agir sur tous ses principaux indicateurs (température de combustion, température du 2 ème étage de l échangeur à cyclone, niveau d oxygène dans le four). De plus, la stabilisation de la production est fortement tributaire de la composition du cru qui détermine les besoins en énergie, à chaque stade du process. Pour réduire les dépenses d énergie fossile, on utilise jusqu à 70 % de combustibles de substitution (selon la configuration de la cimenterie), ce qui explique la très grande variabilité des entrées calorifiques dues à la combustion. Il est donc impératif d en connaître l impact sur les conditions de la réaction, à chaque phase du procédé. La qualité du clinker en dépend ; autant dire que si le système ne peut pas compenser ces variations à temps, 20 Revue ABB 2/2009

lors du cheminement du cru froid, les réactions chimiques nécessaires à la formation du clinker ne peuvent avoir lieu. C est pourquoi le procédé est compartimenté en zones interdépendantes 4 ; cet agencement permet de prédire l évolution de l énergie dans une zone donnée et, partant, le profil de température dans tout le procédé de fabrication. Pour cela, le régulateur à logique floue utilisé jusqu à une date récente a aujourd hui cédé la place à la méthode MPC. Expert Optimizer met la méthode MPC à la portée du non-spécialiste en décomposant le procédé en petites unités maniables, modélisables individuellement. La prédiction de ces profils thermiques (cheminement du cru en bleu, flux des gaz en rouge 4 ) fournit de précieuses informations pour stabiliser le procédé et obtenir la qualité de clinker et la production souhaitées. Reste que ces données doivent être calculées à partir d un nombre restreint de mesures, prélevées en quelques points du process. C est là qu intervient la méthode MHE : elle reformule le problème d optimisation en remontant le temps et non pas, comme le fait la commande prédictive par modèle, en anticipant, pour bâtir un profil de température précis. Cette estimation permet à l algorithme MPC de trouver la meilleure séquence pour modifier les variables manipulées et atteindre ainsi les valeurs cibles du procédé de manière optimale. Les performances du régulateur prédictif sont tracées en 5 : la température de la zone de frittage (notée «BZT») évolue autour de sa valeur cible tandis que celle de la tour de préchauffage («BET») oscille dans la plage prescrite. L arbitrage entre la maximisation de la production (CRU) et le maintien des variables clés du procédé dans les plages admissibles est bien visible : d ordinaire, le régulateur règle la consommation de combus- Revue ABB 2/2009 4 Profils thermiques des différentes zones de production du clinker Les flèches de ce tracé signalent le sens et la vitesse de cheminement du cru ainsi que le sens et le débit du flux de gaz ; les points bleu foncé indiquent où la température peut être mesurée et les points bleu clair, où elle doit être calculée. Température Profil de température des gaz Sens et débit flux de gaz Préchauffage Précalcination Enfournement Cuisson Refroidissement Les relations deviennent non linéaires car elles doivent obéir à des consignes de production couvrant une large plage de fonctionnement. Dans bien des cas, un bon ordonnancement multiplie le nombre de modèles à décrire : chimie du sodium et du soufre, composition de la fibre cellulositible (ENERGIE) mais, dès que le bilan thermique signale un refroidissement rapide du système, il réduit le débit d alimentation en cru pour revenir rapidement à l optimum. Ordonnancement papetier L industrie papetière est un cadre idéal pour démontrer la puissance de la régulation MPC non linéaire avec Expert Optimizer. La fabrication de la pâte à papier est en effet un procédé délicat qui demande un subtil dosage d adjuvants chimiques, au bon moment et dans les meilleures conditions, pour satisfaire aux exigences de qualité. La régulation prédictive non linéaire d ABB permet de mieux exploiter une Sens et vitesse cheminement du cru 5 Performances d un régulateur prédictif de four de cimenterie 1 455 1 450 C 1 445 % 1 440 100 90 80 C 760 Profil de température du cru usine papetière par la surveillance continue de son état et une aide à la décision en temps réel, en vue de maximiser les profits au moindre coût. L outil optimise les opérations de production en équilibrant l offre et la demande entre sous-systèmes : il veille à ce que chaque sous-système ou tampon soit suffisamment alimenté en matières et fluides pour assurer la production requise. Cible BZT 06:00 12:00 18:00 00:00 06:00 12:00 18:00 00:00 06:00 06:00 12:00 temps (heure) 110 CRU ENERGIE 06:00 12:00 18:00 00:00 06:00 12:00 18:00 00:00 06:00 06:00 12:00 temps (heure) 780 BET seuil haut BET BET seuil bas 740 06:00 12:00 18:00 00:00 06:00 12:00 18:00 00:00 06:00 06:00 12:00 temps (heure) Période du 17 au 19 mars 2009 21

6 Modèle Modelica au sein de l outil exécutif d Expert Optimizer 7 Exemple d écran de dialogue Expert Optimizer que Très souvent, il faut développer des modèles plus détaillés sur le traitement des fibres pour décrire, par exemple, l indice Kappa (délignification de la pâte) et le degré de blancheur du papier 6. Grâce au MPC non linéaire d ABB, les clients peuvent envisager les fonctionnalités suivantes : Planification en ligne de la production ; Planification des arrêts et limitations de capacité dans certains segments du procédé ; Détection automatique ; Diagnostic des points de mesure ; Analyse des goulets d étranglement. En utilisant les modèles non linéaires et les données temps réel de l atelier, tout en tenant compte d événements comme la maintenance des équipements fondamentaux, Expert Optimizer effectue des prédictions, sur plusieurs jours, de toutes les variables clés du procédé. Ces modèles volumineux brassent des dizaines, voire des centaines d états dynamiques et de variables manipulées et réglées. Ils sont taillés pour prédire des variables process qu il est impossible de mesurer directement. Ces applications sont plus proches de l optimisation économique de procédé que de la commande de régulateur ; autrement dit, elles cherchent à exploi ter des degrés de liberté pour améliorer les résultats financiers de l usine. Partenariat exemplaire Les techniques d optimisation par modèles d ABB sont le fruit de 20 ans d expérience dans l industrie des procédés et de maîtrise des méthodes de régulation éprouvées comme la logique floue, la commande à base de règles, et les réseaux neuro-flous. Les problèmes complexes du monde réel, dans les applications de conduite de procédé (boucle fermée), d aide à la décision (boucle ouverte), de planification et d ordonnancement évolués de la production, et d optimisation économique sont aujourd hui résolus par un seul et unique produit. Modélisation, optimisation et simulation sont autant de fonctions facilement accessibles par l interface graphique d Expert Optimizer 7 ; leur souplesse d emploi est confortée par une architecture modulaire et des bibliothèques de composants réutilisables. Le développement de la solution cpmplus Expert Optimizer 6.1 est l aboutissement d un long et fructueux partenariat entre les divisions opérationnelles et la recherche institutionnelle du Groupe ABB. Cette collaboration exemplaire illustre tous les avantages que l on peut tirer de la convergence des exigences industrielles et des acquits de la recherche de longue durée. Eduardo Gallestey Greg Cairns ABB Process Automation Baden-Dättwil (Suisse) eduardo.gallestey@ch.abb.com greg.cairns@ch.abb.com Konrad S. Stadler Jan Poland ABB Corporate Research Baden-Dättwil (Suisse) konrad.s.stadler@ch.abb.com jan.poland@ch.abb.com Bibliographie [1] Bemporad, A., Morari, M., «Control of systems integrating logic, dynamics, and constraints», Automatica 35 (3), p. 407 427, 1999 [2] Gallestey, E., Stothert, Castagnoli, D., Ferrari-Trecate, G., Morari, M., «Using model predictive control and hybrid systems for optimal scheduling of industrial processes», Automatisierungstechnik 6, p. 285 293, 2002 [3] Stadler, K. S., Wolf, B., Gallestey, E., Precalciner control in the cement production using MPC, Proceedings of the 12th IFAC Symposium on Automation in Mining, Mineral and Metal Processing, p. 201 206, Québec City, Canada, 2007 [4] Castagnoli, D., Gallestey, E., Frei, C., Cement mills optimal (re)scheduling via MPC and MLD systems, Proceedings, ADHS 03, p. 82 87, 2003 [5] Ferrari-Trecate, G., Gallestey, E., Letizia et al., Modeling and control of co-generation power plants: A hybrid system approach. IEEE Trans. Contr. Syst. Tech., 12(5), p. 694 705, 2004 22 Revue ABB 2/2009