Optimisation Statique Intégrée Du Point De Fonctionnement - Siemens Simatic Pcs 7 Advanced Process Library V9.0 Sp2 Conception Et Fonctionnement

Blocs de régulation
5.6 ModPreCon - Régulateur prédictif à modèle intégré
Optimisation statique intégrée du point de fonctionnement
L'optimisation statique intégrée du point de fonctionnement peut être utilisée lorsqu'on
n'indique pas une consigne exacte SPi pour au moins une grandeur réglée (indice i =1...4),
mais une plage de tolérance SPiOptHiLim...SPiOptLoLim à l'intérieur de laquelle la mesure
CVi doit se maintenir. La plage de tolérance doit naturellement se situer à l'intérieur des limites
de consigne SPiHiLim...SPiLoLim valables pour cette voie de régulation. La plage de tolérance
SPiOptHiLim...SPiOptLoLim n'est pas couplée à la consigne modifiable SPi. La plage de
tolérance n'est pas automatiquement décalée en cas de modification de la consigne. Si vous
voulez toutefois effectuer ce décalage, interconnectez les paramètres de sortie SPiOpOut par
le biais de deux totalisateurs avec la largeur de la plage de tolérance aux entrées SPiOptHiLim
et SPiOptLoLim.
Des valeurs différentes à l'intérieur de la plage de tolérance peuvent être plus ou moins
avantageuses du point de vue économique. Vous pouvez trouver le point économiquement
optimal à l'intérieur de la plage de tolérance à l'aide de la fonction d'optimisation.
Pour ce faire, vous définissez une fonction cible (critère de qualité) qui est une fonction linéaire
de grandeurs réglantes et réglées du régulateur prédictif. Il peut, par exemple, s'agir du
rendement économique de l'installation par unité de temps ou bien de coûts spécifiques ou
de consommation d'énergie.
J= GradMV1*MV1 +GradMV2*MV2 +GradMV3*MV3 +GradMV4*MV4
+GradCV1*CV1 +GradCV2*CV2 +GradCV3*CV3 +GradCV4*CV4
+J0
Vous définissez les différents coefficients GradXVi du vecteur gradient dans la vue des
paramètres en tant que variables d'entrée du bloc fonctionnel ModPreCon dans CFC ou dans
le bloc d'affichage. Si certains coefficients varient dans le temps - ils dépendent par exemple
des prix actuels du marché -, vous pouvez également interconnecter ces variables d'entrée.
Si certaines grandeurs réglantes ou réglées n'ont pas d'influence sur le critère de qualité,
laissez le coefficient correspondant à la valeur par défaut de zéro.
Vous déterminez par le biais du paramètre d'entrée binaire J_Mini si la fonction cible doit être
maximisée ou minimisée, selon qu'il s'agit de revenus ou de coûts (J_Mini = 1 : minimisation).
Le terme J0 regroupe toutes les contributions à la fonction cible qui ne dépendent pas de
grandeurs réglantes et réglées. Ces contributions n'ont pas d'influence sur les valeurs
optimales des variables de décision, mais on y recourt dans le sens de la formule précédente
pour calculer la valeur en cours du critère de qualité.
A l'intérieur du régulateur, les termes de la fonction cible qui dépendent de grandeurs réglantes
sont transformés de manière à montrer leur dépendance par rapport aux grandeurs réglées.
On utilise à cet effet le modèle de processus stationnaire inverse du Configurateur MPC. Cela
présuppose que le nombre de grandeurs réglantes coïncide avec le nombre de grandeurs
réglées. Si le nombre de grandeurs réglantes est différent du nombre de grandeurs réglées,
on extrait de la matrice des fonctions de transfert le modèle partiel quadratique le plus grand
possible en partant d'en haut à gauche. S'il y a, par exemple, plus de grandeurs réglantes que
de grandeurs réglées, seules les premières grandeurs réglantes sont utilisées, à concurrence
du nombre de grandeurs réglées.
Des conditions auxiliaires pour les grandeurs réglées sont formulées sous forme de plages
de tolérance de consignes mentionnées précédemment. Le régulateur s'occupe de toute façon
du respect des limitations de grandeur réglante de sorte qu'il n'est pas nécessaire de les
indiquer séparément comme conditions auxiliaires pour l'optimisation.
752
Advanced Process Library (V9.0 SP2)
Description fonctionnelle, 08/2018, A5E39149109-AC