In this thesis, a data-driven digital twin of a chemical production site has been built. The objective was to verify if it is possible to predict and optimize the consumption of raw materials and utilities on the long term perspective using only simple statistical models. The algebraic system obtained from the single correlations has been inserted, then, into a multi-period simulation and an optimization environment. The simulation has been performed in MATLAB and the results have been compared to the real consumption values of two time intervals between 2017 and 2020. In the optimization, also the electricity and steam generation were introduced to obtain a global energy balance of the production site. The optimization objective consisted in the maximization of the profit over a period of 7 weeks. A Mixed-Integer Linear Programming (MILP) has been chosen to be able to describe the operating mode of the reactors and energy production units (on/off). The optimization has been tested for different scenarios such as normal operations or in the presence of a shutdown. In both simulation and optimization, the uncertainty of the results has been studied through a Monte Carlo technique and other confidence intervals. Concerning the simulation, the uncertainty on the results derives from the statistical models aleatory error, while in the optimization also the prices of chemicals, natural gas and electricity are considered uncertain instead of an already defined value. Finally, the results are commented in the concluding chapter from an academic and industrial point of view.
In questa tesi è stata realizzata un "data-driven digital twin" di un sito di produzione chimica. L'obiettivo era quello di verificare se fosse possibile prevedere e ottimizzare il consumo di materie prime e "utilities" in un'ottica di lungo periodo utilizzando soltanto modelli statistici semplici. Il sistema algebrico ottenuto dalle singole correlazioni è stato quindi inserito in una piattaforma di simulazione e di ottimizzazione. La simulazione è stata eseguita in MATLAB ed i risultati sono stati confrontati con i valori reali di consumo di materie prime e vapore per due intervalli di tempo tra il 2017 ed il 2020. Nell'ottimizzazione sono stati introdotti anche i modelli della generazione di energia elettrica e vapore per ottenere un bilancio energetico globale del sito produttivo. L'obiettivo dell’ottimizzazione consisteva nella massimizzazione del profitto per un periodo di 7 settimane. Per poter descrivere la modalità di funzionamento dei reattori e delle unità di produzione di energia (on/off) è stata scelta una risoluzione tramite Mixed Linear Integer Programming (MILP). L'ottimizzazione è stata testata per diversi scenari come il normale funzionamento degli impianti o in presenza di uno shutdown. Sia nella simulazione che nell'ottimizzazione, l'incertezza dei risultati è stata studiata mediante il metodo Monte Carlo e altri intervalli di confidenza. Per quanto riguarda la simulazione, l'incertezza sui risultati deriva dall'errore aleatorio dei modelli statistici, mentre nell'ottimizzazione anche i prezzi dei prodotti chimici, del gas naturale e dell'elettricità sono considerati incerti anziché un valore già definito. Infine, i risultati ottenuti sono commentati nel capitolo conclusivo sia da un punto di vista accademico che industriale.
Use of data driven digital twin for planning simulation and optimization
Ferranti, Filippo
2019/2020
Abstract
In this thesis, a data-driven digital twin of a chemical production site has been built. The objective was to verify if it is possible to predict and optimize the consumption of raw materials and utilities on the long term perspective using only simple statistical models. The algebraic system obtained from the single correlations has been inserted, then, into a multi-period simulation and an optimization environment. The simulation has been performed in MATLAB and the results have been compared to the real consumption values of two time intervals between 2017 and 2020. In the optimization, also the electricity and steam generation were introduced to obtain a global energy balance of the production site. The optimization objective consisted in the maximization of the profit over a period of 7 weeks. A Mixed-Integer Linear Programming (MILP) has been chosen to be able to describe the operating mode of the reactors and energy production units (on/off). The optimization has been tested for different scenarios such as normal operations or in the presence of a shutdown. In both simulation and optimization, the uncertainty of the results has been studied through a Monte Carlo technique and other confidence intervals. Concerning the simulation, the uncertainty on the results derives from the statistical models aleatory error, while in the optimization also the prices of chemicals, natural gas and electricity are considered uncertain instead of an already defined value. Finally, the results are commented in the concluding chapter from an academic and industrial point of view.| File | Dimensione | Formato | |
|---|---|---|---|
|
2020_12_Ferranti.PDF.pdf
non accessibile
Dimensione
2.96 MB
Formato
Adobe PDF
|
2.96 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/170964