화학 공정 단위 조작에서 상태 변수와 출력 변수가 다른 이유는 무엇이며, 이것이 파일럿 플랜트 제어 설계에 어떤 영향을 미칩니까?

상태 변수는 공정 내부에서 일어나는 일을 설명하는 반면, 출력 변수는 공정이 측정이나 사용을 위해 제공하는 결과를 설명합니다. 파일럿 유닛에서 내부 액체 보유량, 온도, 압력 및 조성은 장비의 완전한 동적 상태를 결정할 수 있지만, 일반적으로 측정 및 제어되는 것은 제품 조성, 출구 유량 또는 용기 레벨과 같은 더 작은 부분집합뿐입니다. 이러한 차이로 인해 제어 설계자는 센서, 입출력 모델 또는 상태 추정기를 통해 내부 상태 공간 모델을 측정 가능한 출력에 연결해야 합니다.

핵심적인 과제는 공정 거동을 예측하는 데 필요한 변수가 제어 시스템에 의해 직접 측정되는 변수가 아닌 경우가 많다는 점입니다. 따라서 파일럿 플랜트 제어는 공정 상태와 측정된 출력의 품질, 가용성 및 동역학을 모두 고려하여 설계되어야 합니다.

상태 변수와 출력 변수가 다른 이유

상태 변수는 완전한 동적 상태를 포착합니다

상태 변수(State variable)는 미래의 입력과 외란을 알 때 공정이 어떻게 전개될지 결정하는 데 필요한 내부 수량입니다.

다단 분리 공정의 경우, 각 단계의 액체 보유량과 조성이 그 예입니다:

[ M_1,\ldots,M_N ]

및

[ x_1,\ldots,x_N ]

이 변수들은 유닛 내부에 저장된 물질과 그 조성에 대한 정보를 포함합니다. 이들은 직접 관찰할 수 없을 때에도 미래의 반응에 영향을 미칩니다.

출력 변수는 선택된 공정 결과입니다

출력 변수(Output variable)는 관찰, 성능 평가 또는 제어를 위해 선택된 수량입니다. 이는 반응기 온도와 같은 내부 측정값일 수도 있고, 증류액 조성(x_D)이나 증류액 유량(F_D)과 같이 유닛을 떠나는 흐름 변수일 수도 있습니다.

따라서 출력이 반드시 출구 변수와 동의어는 아닙니다. 이는 공정의 측정되거나 기타 방식으로 선택된 결과로 이해하는 것이 더 정확합니다.

출력은 일반적으로 상태와 입력의 함수입니다

단순화된 상태 공간 표현에서:

[ \dot{x}=f(x,u,d) ]

[ y=g(x,u,d) ]

여기서:

(x)는 내부 상태 변수를 나타내고,
(u)는 조작 입력을 나타내며,
(d)는 외란을 나타내고,
(y)는 측정되거나 제어되는 출력을 나타냅니다.

출력(y)은 내부 상태(x), 현재 입력(u) 및 외부 외란(d)에 따라 달라질 수 있습니다. 결과적으로 출력만 아는 것으로는 유닛의 전체 내부 상태를 고유하게 파악하지 못할 수 있습니다.

파일럿 플랜트에 출력보다 상태가 훨씬 많은 이유

물질이 장비 전체에 분포되어 있습니다

파일럿 유닛은 탱크, 트레이, 충전물, 열교환기, 파이프 및 반응기에 걸쳐 분포된 재고를 포함합니다. 각 재고는 축적, 혼합, 수송 지연 또는 열 저장과 같은 동적 거동을 유발할 수 있습니다.

다단 컬럼은 많은 단계의 조성과 보유량을 가질 수 있지만, 실제 분석기는 공급 조성 측정 및 증류액 조성 측정과 같이 몇 개뿐일 수 있습니다.

센서의 실질적인 한계

많은 중요한 상태는 지속적으로 측정하기 어렵습니다. 내부 농도, 촉매 상태, 체류 시간 분포 및 단계별 조성은 실험실 분석, 특수 장비 또는 간접적인 추론이 필요할 수 있습니다.

또한 파일럿 플랜트는 제한된 예산, 작은 장비 크기, 샘플링 제약, 지연이나 측정 노이즈를 유발할 수 있는 센서로 운영됩니다.

공정은 숨겨진 동적 메모리를 가지고 있습니다

공정 상태는 메모리처럼 작동합니다. 두 파일럿 플랜트가 동일한 현재 출구 유량과 온도를 가질지라도 내부 조성이나 보유량이 다를 수 있으며, 이는 증기, 냉각수 또는 공급 속도의 다음 변화에 다르게 반응하게 만듭니다.

이것이 바로 시동, 등급 변경 또는 외란 발생 시 출력 측정만으로는 신뢰할 수 있는 제어가 부족할 수 있는 이유입니다.

이러한 차이가 제어 설계를 바꾸는 방식

제어기는 일반적으로 모든 내부 상태가 아닌 출력을 조절합니다

피드백 제어기는 측정되거나 추정된 오차가 필요합니다:

[ e=y_{\text{target}}-y_{\text{measured}} ]

그런 다음 증기 유량, 냉각수 유량, 환류, 공급 속도 또는 밸브 위치와 같은 조작 변수를 조정합니다.

제어기는 많은 내부 상태에 간접적으로 영향을 줄 수 있지만, 일반적으로 선택된 출력만 조절합니다. 예를 들어, 재비기 증기를 조작하면 내부 트레이 온도와 조성이 변할 수 있지만 제어 목표는 증류액 순도일 수 있습니다.

상태 공간 모델은 계측 장비와 연결되어야 합니다

동적 모델은 수십 개의 상태 방정식을 포함할 수 있지만 자동화 시스템은 몇 개의 센서 신호만 수신합니다. 따라서 설계자는 사용 가능한 측정값이 내부 모델과 어떻게 관련되는지 결정해야 합니다.

이는 다음을 통해 수행할 수 있습니다:

모델을 입출력 표현으로 축소합니다.
사용 가능한 입력에 충분히 반응하는 제어 출력을 선택합니다.
측정되지 않은 동역학이 안전이나 품질에 결정적인 영향을 미치는 곳에 센서를 추가합니다.
상태 추정기를 사용하여 사용할 수 없는 내부 변수를 재구성합니다.

상태 추정기는 측정 공백을 메웁니다

상태 추정기(State estimator)는 공정 모델과 사용 가능한 측정값을 결합하여 측정되지 않은 상태를 추정합니다.

예를 들어, 측정된 온도, 압력, 유량 및 조성 데이터를 물질 및 에너지 수지와 결합하여 내부 농도나 보유량을 추정할 수 있습니다. 이러한 추정치는 관리 제어, 제약 조건 처리 또는 예측 제어를 지원할 수 있습니다.

추정은 직접 측정과 같지 않습니다. 정확도는 모델 품질, 센서 보정, 공정 외란 및 사용 가능한 측정값이 관련 상태를 관측 가능하게 만드는지 여부에 달려 있습니다.

제어 설계는 관측 가능성을 고려해야 합니다

상태는 직접 또는 모델을 통해 사용 가능한 측정값에서 그 영향을 추론할 수 있는 경우에만 제어에 효과적으로 유용합니다.

중요한 내부 상태가 측정된 출력에 미치는 영향이 적거나 지연되는 경우, 제어기가 느리게 또는 잘못 반응할 수 있습니다. 따라서 파일럿 플랜트 설계는 제안된 센서 세트가 제어 목표에 중요한 공정 거동을 드러낼 수 있는지 평가해야 합니다.

입력, 출력 및 상태는 구분되어야 합니다

조작 변수는 제어기의 동작입니다

조작 변수는 작업자나 제어기가 조정할 수 있는 입력입니다. 예시는 다음과 같습니다:

증기 밸브 위치.
냉각수 유량.
환류 유량.
공급 유량.
교반기 속도.

이러한 변수들은 내부 상태의 전개와 궁극적으로는 측정된 출력을 변화시킵니다.

외란 변수는 제어되지 않는 입력입니다

공급 조성, 주변 온도, 유틸리티 압력 변화 및 상류 유량 변동은 직접 제어되지 않으면서 공정에 영향을 줄 수 있습니다.

강건한 파일럿 제어 설계는 이러한 외란을 조작 입력과 분리합니다. 그렇지 않으면 제어기가 방지할 수 없는 변화로 인한 거동에 대해 제어기가 공을 인정받거나 비난받을 수 있습니다.

측정된 출력과 측정되지 않은 출력 모두 관련이 있습니다

측정된 출력은 용기 레벨이나 반응기 온도와 같이 계측기에서 얻을 수 있는 값입니다. 실험실 샘플 사이의 제품 순도와 같이 측정되지 않은 출력은 추정하거나 추론해야 합니다.

이 구분은 가장 중요한 품질 변수를 지속적으로 측정할 수 없는 파일럿 플랜트에서 특히 중요합니다.

다변수 효과가 구분을 더 중요하게 만듭니다

하나의 조작 변수가 여러 출력에 영향을 줄 수 있습니다

파일럿 유닛은 종종 다변수 시스템입니다. 동일한 내부 상태가 여러 공정 측정값에 영향을 미치기 때문에 하나의 입력을 변경하면 여러 출력에 영향을 줄 수 있습니다.

2입력, 2출력 시스템의 경우:

[ \begin{aligned} y_1(s)&=H_{11}(s)m_1(s)+H_{12}(s)m_2(s)\ y_2(s)&=H_{21}(s)m_1(s)+H_{22}(s)m_2(s) \end{aligned} ]

비대각 항(H_{12})과 (H_{21})은 루프 상호작용을 나타냅니다.

상호작용은 진동이나 불량한 제어를 유발할 수 있습니다

제어기가 (y_1)을 수정하기 위해 (m_1)을 변경했는데, 동일한 동작이 (y_2)도 변경한다고 가정해 봅시다. 두 번째 제어기는 이 효과에 반응하여 의도치 않게 (y_1)을 다시 방해할 수 있습니다.

파일럿 플랜트에서 이러한 상호작용은 루프가 결합을 고려하지 않고 독립적으로 튜닝될 경우 진동, 느린 정착, 제품 품질 저하 또는 불안정성을 유발할 수 있습니다.

페어링 및 디커플링이 필요할 수 있습니다

제어 설계자는 어떤 조작 변수가 각 출력을 제어해야 하는지 평가할 수 있습니다. 공정 이득 분석 및 상대 이득 배열(RGA) 분석과 같은 도구가 이러한 페어링 결정을 지원할 수 있습니다.

상호작용이 강한 곳에서는 별도의 단일 루프 제어기보다 디커플링이나 다변수 제어가 더 적절할 수 있습니다.

파일럿 플랜트 데이터에 주의가 필요한 이유

겉보기 상태-출력 불일치는 과도 상태를 반영할 수 있습니다

물질 및 에너지 수지는 종종 정상 상태를 가정하지만, 파일럿 플랜트는 데이터가 수집될 때 여전히 채우기, 가열, 배수 또는 조성 변경 중일 수 있습니다.

유닛이 정상 작동에 도달하기 전에 측정된 값은 동적 수지가 올바르게 작동하더라도 출력이 입력과 일치하지 않는 것처럼 보이게 할 수 있습니다.

측정 불확실성은 추정된 상태에 영향을 미칩니다

유량계, 분석 기기, 밀도 변환 및 수동 샘플은 모두 불확실성을 유발합니다. 온도 변화는 밀도를 바꿀 수 있으므로 부적절한 밀도를 사용하여 부피 유량을 질량 유량으로 변환하면 겉보기 수지 오류가 발생할 수 있습니다.

상태 추정기와 제어 모델이 측정 불일치를 실제 공정 변화로 해석할 수 있기 때문에 이러한 오류는 중요합니다.

측정되지 않은 손실과 부작용이 중요할 수 있습니다

누출, 증발, 공급 불순물, 부반응 및 모델링되지 않은 보유량은 계산된 출력과 관찰된 출력 사이에 차이를 만들 수 있습니다.

파일럿 제어 설계는 모든 불일치가 제어기 성능 때문이라고 가정해서는 안 됩니다. 제어 전략을 변경하기 전에 기기 점검, 반복 측정 및 불확실성 분석이 필요합니다.

트레이드오프 이해하기

센서가 많으면 가시성은 좋아지지만 복잡성이 증가합니다

추가 측정값은 관측 가능성을 개선하고 추정에 대한 의존도를 줄일 수 있습니다. 그러나 센서는 설치 비용, 보정 요구 사항, 유지 관리 부담, 고장 모드 및 가능한 신호 지연을 추가합니다.

올바른 목표는 모든 것을 측정하는 것이 아닙니다. 안전, 제어 가능성, 제품 품질 및 운영 결정에 실질적으로 영향을 미치는 상태를 측정하거나 추정하는 것입니다.

상세한 모델은 예측을 개선하지만 유지하기 어렵습니다

고차 상태 모델은 내부 보유량과 조성을 더 정확하게 표현할 수 있습니다. 또한 불완전한 파일럿 데이터로 안정적으로 식별, 검증, 튜닝 및 실행하기 어려울 수 있습니다.

빠른 제어는 느린 공정 동역학과 충돌할 수 있습니다

지배적인 공정 동역학보다 빠르게 작동하는 제어기는 의미 있는 상태 전개보다는 노이즈나 일시적인 측정 변화에 반응할 수 있습니다.

파일럿 제어기는 제어 루프 속도를 선택할 때 수송 지연, 분석기 지연, 혼합 시간, 열 관성 및 샘플링 간격을 고려해야 합니다.

모델이나 측정값이 약하면 상태 추정이 실패할 수 있습니다

추정기는 불량한 센서나 부정확한 모델을 무한정 보상할 수 없습니다. 주요 외란이 측정되지 않거나 공정이 모델의 유효 범위를 벗어나 변경되면 추정된 상태가 현실에서 벗어날 수 있습니다.

따라서 추정기 출력은 가끔 수행되는 직접 측정값과 비교하여 검증되어야 하며 합리적인 운영 한계로 보호되어야 합니다.

파일럿 플랜트에 적용하는 방법

실질적인 설계 질문은 단순히 어떤 변수가 존재하는가가 아니라, 운영 목표를 달성하기 위해 어떤 변수를 측정, 추정 및 제어해야 하는가입니다.

주요 초점이 제품 품질인 경우: 조성이나 순도와 같은 품질 관련 출력을 선택한 다음, 사용 가능한 조작 변수가 허용 가능한 지연과 강도로 영향을 미치는지 확인하십시오.
주요 초점이 안전인 경우: 압력, 온도, 레벨과 같이 직접 측정된 변수를 우선시하고 일반 피드백 제어기와 독립적인 보호 한계를 추가하십시오.
주요 초점이 동적 이해인 경우: 주요 보유량, 온도 및 조성을 나타내는 상태 기반 모델을 구축한 다음, 과도 상태 동안 그 예측값을 측정된 출력과 비교하십시오.
주요 초점이 낮은 계측 비용인 경우: 검증된 상태 추정과 함께 더 작은 센서 세트를 사용하되, 추정 불확실성을 모니터링해야 함을 인지하십시오.
주요 초점이 다변수 성능인 경우: 독립적인 제어기를 튜닝하기 전에 루프 상호작용을 식별하고 입출력 페어링이나 디커플링을 고려하십시오.
주요 초점이 신뢰할 수 있는 파일럿 데이터인 경우: 실제 공정 거동과 과도 작동, 센서 불확실성, 밀도 변환 오류 및 측정되지 않은 손실을 구분하십시오.

잘 설계된 파일럿 제어 시스템은 측정값, 모델 또는 추정기를 통해 내부 공정 상태를 충분히 가시화하여 중요한 출력을 조절합니다.

요약 표:

주제	핵심 통찰	파일럿 플랜트 제어 영향
상태 변수	공정 거동을 결정하는 내부 보유량, 온도, 압력 및 조성	동적 상태를 이해하기 위해 모델링하거나 추정
출력 변수	레벨, 유량, 온도 또는 제품 순도와 같은 선택된 측정값 또는 공정 결과	제어 및 성능 평가를 위한 피드백 신호로 사용
조작 변수	증기, 환류, 공급, 냉각수 및 교반기 속도와 같은 조정 가능한 입력	대상 출력에 효과적으로 영향을 미치는 입력을 선택
외란	공급 조성, 유틸리티, 주변 조건 또는 상류 유량의 제어되지 않는 변화	강건한 제어 및 추정 전략에 고려
상태 추정	측정되지 않은 내부 상태의 모델 기반 재구성	직접 측정이 비용이 많이 들거나 비실용적일 때 가시성 향상
관측 가능성	사용 가능한 측정값에서 중요한 상태를 추론할 수 있는 능력	구현 전 센서 배치 및 측정 품질 평가
다변수 상호작용	공유된 내부 상태를 통해 하나의 입력이 여러 출력에 영향을 줄 수 있음	공정 이득 분석, 적절한 루프 페어링, 디커플링 또는 다변수 제어 사용
데이터 품질	과도 상태, 센서 불확실성, 밀도 오류 및 측정되지 않은 손실이 결론을 왜곡할 수 있음	제어 시스템을 재튜닝하기 전에 측정값 및 모델 검증

복잡한 공정 동역학을 신뢰할 수 있고 측정 가능한 결과로 바꾸는 파일럿 플랜트가 필요하십니까? LABPARK에 문의하여 귀하의 애플리케이션을 논의하십시오. LABPARK는 화학 공학, 바이오 공정 및 생명 공학, 환경 및 수처리 애플리케이션을 위한 교육 및 직업 단위 조작 파일럿 플랜트를 제공합니다. 당사의 시스템은 대학, 연구소 및 기업이 실질적인 측정, 동적 모델 및 구성 가능한 계측을 통해 내부 공정 거동을 연구하고, 제어 전략을 평가하며, 작업자를 교육하고, 확장 가능한 공정 솔루션을 개발하도록 돕습니다. 공정 목표, 필요한 출력, 작동 범위 및 선호하는 자동화 수준을 알려주시면, 저희 팀이 귀하의 교육, 연구 또는 산업 개발 요구에 맞는 올바른 파일럿 플랜트 구성을 식별하도록 도와드릴 수 있습니다.