Data-driven MPC

Hovedmålet med denne oppgaven er å implementere en data-drevet metode i Equinors interne programvare for MPC, SEPTIC. Data-drevet kontroll består av direkte bruk av online data fra en prosess underlagt regulering, for å designe regulatoren. I denne oppgaven vil online data brukes til å oppdatere modellforsterkning for stegresponsmodeller, som brukes til å forutsi hvordan en kontrollerbar variabel reagerer på en endring av en manipulert variabel. Modellene i SEPTIC er bygget med ekspermintelle enkelt-pådrag enkel-måling stegresponsmodeller. Stegresponsmodeller antar linearitet. Systemet som den data-drevne metoden er implementert på er imidlertidig svært ulineært. Derfor vil stegresponsmodellene miste nøyaktighet hvis prosessparametrene beveger seg bort fra der modellene ble opprettet. Siden MPC er en modellbasert reguleringsmetode, er en MPC-applikasjon avhengig av å ha en nøyaktig matematisk modell av prosessen den regulerer. Hvis stegresponsmodellene mister nøyaktighet, vil ikke de forutsagte optimale pådragene fra MPCen være optimale. Oppdatering av likevektstilstandsforstekninger for stegresponsmodellene gir vedvarende MPC-ytelse til tross for at de initielle stegresponsmodellene mister nøyaktighet, da identifiserte og oppdaterte modellforsterkninger opprettholder modellkvaliteten. Basert på prosessparametre, vil en automatisk modellforsterkningsidentifikator eksitere prosessen for å identifisere mer presise likevektstilstandsforsterkninger. Korrekte likevektstilstandsforsterkninger vil sikre god MPC-ytelse til tross for at prosessparametrene beveger seg bort fra der de initielle stegresponsmodellene ble opprettet. Den automatisk modellforsterkningsidentifikatoren vil bli testet på et simulert undervannsbrønnsystem. I et undervannsbrønnsystem er sikkerhet av høyeste betydning. Forhindring av brudd på sikkerhetsgrenser er et generelt mål for en MPC, og anses som avgjørende for undervannsbrønnssystemet i denne oppgaven. Sikkerhetsgrenser legges til i MPC-applikasjonen av sikkerhetsmessige årsaker og anses å være av høyeste prioritet i regulatoren. Når prosessen eksiteres, er det en risiko for brudd av sikkerhetsgrensene. Den automatiske modellforsterkningsidentifikatoren vil eksitere prosessen mens sikkerhetsgrensene blir respektert ved å bruke online data for å redusere risikoen for brudd på sikkerhetsgrensene