Estimation de l'état d'un procédé basée sur la réconciliation de données couplée à un simulateur : application à l'aide à la conduite d'une unité de recyclage du combustible nucléaire usé

Process state estimation based on data reconciliation paired with a simulator : application to operation support for a spent nuclear fuel recycling unit

• Auteur / Autrice : Amandine Duterme
• Direction : Xavier Joulia, Pascal Floquet
• Type : Thèse de doctorat
• Discipline(s) : Génie des Procédés et de l'Environnement
• Date : Soutenance le 25/11/2019
• Etablissement(s) : Toulouse, INPT
• Ecole(s) doctorale(s) : École doctorale Mécanique, énergétique, génie civil et procédés (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de génie chimique (Toulouse ; 1992-....)
• Jury : Président / Présidente : Jean-Michel Reneaume
• Jury : Examinateurs / Examinatrices : Xavier Joulia, Pascal Floquet, Grégory Lefèvre, José Ragot, Julia Bisson, Jean Duhamet, Binh Dinh
• Jury : Rapporteurs / Rapporteuses : Grégory Lefèvre, José Ragot

Mots clés

Mots clés libres

Génie des procédés

Simulation

Analyse numérique

Traitement du combustible nucléaire

Réconciliation de données

Estimation d'état

Résumé

L’état du procédé est défini par le diagramme de flux élaboré pour obtenir des performances voulues, en s’appuyant sur la connaissance des phénomènes mis en jeu dans le procédé. Des mesures caractéristiques de l’état du procédé peuvent être mises en évidence et constituent les indicateurs d’état. La disponibilité d’un simulateur du procédé permet de relier les données opératoires aux valeurs de ces indicateurs. La conduite d’un procédé fait appel aux mesures disponibles sur l’installation et notamment les paramètres opératoires et les indicateurs d’état. L’objectif de la conduite du procédé est de rester le plus proche possible de l’état visé, cet état étant caractérisé par les indicateurs clés de performance (KPI). Il importe ainsi de suivre en temps réel l’écart entre les états réel et visé. Cependant, compte tenu des incertitudes de mesure et de la présence éventuelle de biais sur certains capteurs, l’utilisation des mesures brutes n’est pas satisfaisante et il est primordial de filtrer et réconcilier les grandeurs mesurées. Dans le cadre des applications en ligne des modèles de connaissance et de la réconciliation de données (RD), nous nous sommes plus particulièrement intéressés aux capteurs logiciels pour l’estimation de l’état et de la performance d’un procédé. L’objectif est d’obtenir une aide à la conduite intelligente d’opérations complexes, à partir de la connaissance du fonctionnement du procédé et de l’information disponible au travers de mesures réconciliées. L’inventaire et l’analyse des données disponibles sur l’installation (position et type des capteurs…) permettent, en lien avec un modèle, l’évaluation de l’observabilité et de la redondance du procédé. L’exploitation de cette redondance via la RD permet alors d’améliorer la confiance dans les informations disponibles et de générer un ensemble de données cohérentes, a minima avec les bilans matière et, selon le modèle utilisé, avec les lois fondamentales de la physique et de la chimie. Deux formulations pour la résolution du problème d’optimisation sont proposées et comparées : la première repose sur une approche de type «feasible path », où un simulateur du procédé basé sur un modèle de connaissance est utilisé pour la RD et l’estimation de paramètres, permettant ainsi d’exploiter au maximum l’information disponible sur le procédé au travers des capteurs ; la seconde basée sur un modèle de substitution (surrogate model) du procédé et résolue suivant une approche de type « unfeasible path » permet de se prémunir d’éventuelles difficultés numériques, telles que l’évaluation des dérivées, ou d’interface optimiseur-simulateur, de réduire le temps de calcul et de fournir une bonne initialisation à l’approche « feasible path ». Les deux outils développés visent à estimer (capteur logiciel), avec le maximum de précision, des grandeurs physiques mesurables ou non mesurables, les indicateurs d’état et de performance, et se doivent d’être fiable même dans le cas d’une mesure manquante et en présence de biais. Ces informations sur l’état et la performance du procédé constituent une aide à sa conduite et permettent d’estimer la marge opératoire pour assurer la sécurité. La méthodologie proposée a été validée sur des scénarios réalisés à partir de données industrielles de l’usine de La Hague, opérée par Orano, recyclant le combustible nucléaire usé. Le procédé PUREX réalise la co-décontamination et la séparation de l’uranium et du plutonium à l’aide de cycles d’extraction et de purification par solvant. Le CEA a développé et validé un modèle de connaissance implanté dans le simulateur PAREX. Ce simulateur est capable de représenter avec une grande précision le fonctionnement en régimes permanent et transitoire des étapes d’extraction et de lavage du procédé PUREX. En combinant la RD et le simulateur PAREX, l’outil permet de réduire les incertitudes des mesures et constitue un outil d’aide à la décision pour une conduite optimale et sûre du procédé

The process state is defined by the flux diagram that reaches the required performances, built thanks to the knowledge of the phenomenon at stake. Characteristic measurements of the process state can be highlighted and form the state indicators. The availability of a process simulatorallows the operating data and the indicator values to be linked. The process operation support uses the available measurements, such as operating parameters and state indicators. The main goal of operation is to stay as close as possible to the targeted process state, which is characterized by the key performance indicators (KPI). It is therefore essential to follow in real time the gap between the targeted and the real state. However, takinginto account the measurement uncertainties and the potential biases on the sensors, the use of raw measurements is not satisfactory and it is of first importance to filter and reconcile the measured physical values. Within the framework of online model based application and data reconciliation (DR), we focused on software sensors for state estimation and process performances. The aim is to build a smart operation support tool for complex process, based on the knowledge of the process operations and available information through reconciled measurements. The inventory and analysis of available data from the industrial units (position and type of sensors) allows, depending on the model, the process observability and redundancy evaluation. The use of the redundancy thanks to the DR increases the confidence in operational information and generates a set of consistent data, at least with mass balance and, depending on the model, with fundamental laws that govern the behavior of matter in physics and chemistry. Two formulations to solve the optimization problem are offered and compared: the first one stands on a feasible path approach, using a knowledge-based simulator for the DR and estimating the model parameters in real time in order to exploit the maximum amount of information available through the sensors ; the second one lies on a surrogate model and an unfeasible path approach in order to prevent potential numerical challenges in feasible path approach such as complex derivative evaluation, optimizing tool and simulator interface, high calculating time and need of good initialization. The two tools aim to estimate, with maximum precision, measured or nonmeasured physical quantities, state and key performance indicators, and need to be reliable, even in the case of a missing measurement and biased sensors. The knowledge of process state and performance is of valuable assistance for operations and help in the estimation of operating margins to guarantee the safety. The suggested methodology has been validated on different scenarios carried out with industrial data from La Hague Plant, managed by Orano, recycling the spent nuclear fuel. The PUREX process achieves the co-decontamination and separation of uranium and plutonium through solvent extraction and purification cycles. The CEA has developed and validated a knowledge-based model included in the PAREX simulator. It is capable of simulating the extraction and stripping operations used in the PUREX process, in steady state and transient regime. Combining DR and PAREX simulator, the tool reduces the measurement uncertainty and helps to support decision to strive towards the optimal and safest process operation