Condition monitoring of industrial reactors using online process measurements

Thumbnail Image

Files

master_Dounaev_Pietari_2022.pdf (9.97 MB)

URL

Journal Title

Journal ISSN

Volume Title

Kemian tekniikan korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2022-01-18

Department

Major/Subject

Chemical and Process Engineering

Mcode

CHEM3043

Degree programme

Master's Programme in Chemical, Biochemical and Materials Engineering

Language

en

Pages

63

Series

Abstract

The thesis will discuss the industrial scale hydrotreatment process of a petroleum feedstock where two multiphase catalyst trickle-bed reactors are connected in series. The thesis will especially focus on the last reactor, in which 21 temperature indicators are located in 7 height levels. Because the hydrotreatment reaction is an exothermic reaction, one way to monitor the deactivation of the catalyst is by monitoring temperature changes in the reactor and using other indicator measurements for example concentration of aromatics. The experimental work of the thesis includes creating a sufficient statistical monitoring model. The monitoring of the reactor was done using multivariate statistical control method Multilevel partial least square, which creates two separate latent variable models: between-frame and within-frame model. MLPLS-model takes useful information from X-data variables, which are process measurement data of the dearomatization process, and Y-data variables, which are quality-related variables of the dearomatization process. The primary way to monitor the reactor will be by analyzing the results of the MLPLS model. In addition, fault detection statistics will be an assisting tool for monitoring. In the experiment part of the thesis, the temperature difference between levels was chosen as variables for X-data. Two different Y-data variables were chosen: dearomatized aromatics per level and aromatic flowing out of the level. Therefore, two MLPLS models were created with two different Y-data variables. The most prominent result comes from the within-frame model when Y-data variable was aromatics flowing out of the level. The model was capable of detecting anomalies in the reactor using projected X-latent variable space. The projected Y-latent variable space showed good monitoring capabilities of following the deactivation of catalyst in the different levels of the reactor.

Diplomityö käsittelee teollisen mittakaavan polttoaineen vetykäsittely prosessia, jossa on kaksi monifaasitriklekerrosreaktoria kytkettynä sarjaan. Diplomityö keskittyy erityisesti viimeiseen reaktoriin, jossa on 21 lämpötilamittaria seitsemässä korkeustasossa. Koska vetykäsittelyreaktio on eksoterminen reaktio, eräs tapa monitoroida reaktiota on seuraata lämpötilavaihtelua reaktorissa sekä seurata muiden antureiden mittauksia, kuten esimerkiksi aromaattisten komponenttien konsentraatiota. Diplomityön kokeellisessa osuudessa toteutetaan teollista reaktoria varten monitorointiohjelma. Reaktorin monitorointia varten on käytetty monen muuttujan statistista kontrollimetodia: Multilevel partial least square, joka tuottaa kaksi latentti muuttujamallia: between-frame ja within-frame mallia. MLPLS-malli pomii X-muuttujadatasta, jonka muodostovat prosessi mittaukset dearomatisointi prosessista, sekä Y-muuttujadatasta, jonka muodostovat kvalitatiiviset mittaukset dearomatisointi prosessista, hyödyllistä informaatiota. Ensisijainen tapa monitoroida reaktiota tulee olemaan MLPLS mallin tulosten analysointi sekä virhetunnistimismallien hyödyntäminen. Reaktorin tasojen lämpötilaerot on valittu X-data muuttujaksi diplomityön kokeellisessa osuudessa. Kahdeksi eri Y-data muuttujaksi oli valittu dearomatisoidut aromaattiset komponentit per taso ja aromaattisten komponenttien virtaus pois tasoista. Kaksi MLPLS mallia oli tehty, koska mallissa oli käytetty kahta eri Y-data muuttujaa. Merkittävimmät tulokset saavutettiin within-frame mallissa, jossa Y-datana oli käytetty aromaattisten komponenttien virtaus pois tasosta. Mallin X-latenttimuuttujan avaruusprojektiosta pystyttiin havaitsemaan poikkeamat reaktorissa. Y-latenttimuuttujan avaruusprojektio osoitti hyvät monitorointi mahdollisuudet katalyytin deaktivoitumisen seuraamiseen reaktorin eri tasoissa.

Description

Supervisor

Corona, Francesco

Thesis advisor

Tötterman, Stefan

Keywords

hydrodearomitization, catalytic trickle-bed reactor, monitoring, PLS, multilevel partial least square

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202201231354

Collections

[dipl] Kemian tekniikan korkeakoulu / CHEM