Институт автоматики и процессов управления ДВО РАН представил технологию для повышения эффективности мониторинга и управления качеством в нефтепереработке — прежде всего при выпуске компонентов арктических видов топлива и основы буровых растворов. Ключевое новшество — учёт взаимосвязей погрешностей на каждом этапе обработки производственных данных, что раньше игнорировалось и давало заметные отклонения.
Разработчики внедрили усовершенствованный алгоритм настройки многомерного предиктора, опирающийся на модели временных рядов. Такой подход фиксирует динамические зависимости ошибок в измерениях характеристик нефтепродуктов, сглаживает шум и повышает достоверность контроля ключевых показателей.
Метод ложится в основу «виртуальных анализаторов» для ректификационных колонн — аппаратов, где смесь углеводородов разделяется на фракции с заданными свойствами. Это позволяет точнее оценивать трудноизмеримые параметры фракционного состава в реальном времени, что критично для арктических топлив с жёсткими низкотемпературными требованиями и для баз буровых растворов.
В пилотных испытаниях на установке гидрокрекинга средняя ошибка онлайн-оценивания снизилась примерно на треть относительно действующих решений. Это открывает путь к промышленному внедрению технологии на ведущих российских НПЗ и даёт быстрый эффект — от стабилизации качества до экономии реагентов и энергоресурсов.
«Мы впервые системно оцениваем комплексные характеристики ошибок и повышаем точность управления даже в самых сложных процессах глубокой переработки», — отмечает руководитель исследования Андрей Торгашов. По словам участника проекта Олега Снегирева, учёт корреляций ошибок «позволяет видеть реальную динамику качества, а не её усреднённую тень», что снижает риск промахов при оперативных решениях.
Работа выполнена в рамках государственного задания и опубликована в журнале «Автоматика и телемеханика». Следующий шаг — масштабирование виртуальных анализаторов на смежные узлы и адаптация методики под разные сырьевые корзины и климатические условия.
