Strumenti, tecniche e metodologie per la gestione intelligente di sistemi complessi

Transcript

1 Torino, 9-10 Ottobre 2013 Strumenti, tecniche e metodologie per la gestione intelligente di sistemi complessi Luca Luccarini ENEA Torino, Ottobre 2015 Italian DHI DHI Conference

2 Sistemi complessi Sistemi aperti caratterizzati da: Presenza di numerosi elementi più o meno complessi Interazioni locali e non lineari Struttura a rete con retroazioni positive e negative Attitudini Capacità di evolversi e adattarsi Robustezza Diversi livelli di organizzazioni DHI

3 Sistemi complessi ambientali (esempi) Gestione bacini fluviali Monitoraggio e controllo qualità dell aria DHI Monitoraggio e controllo impianti di depurazione

4 Approccio metodologico Come approcciare i sistemi complessi? Formulando ipotesi e definendo modelli matematici Simulando i modelli al calcolatore Conducendo attività sperimentali e di analisi dati Approccio olistico interpretare il comportamento del sistema come risultato delle relazioni tra le sue parti DHI

5 Knowledge-Based Systems Politiche note di gestione e ottimizzazione basate sulla competenza degli esperti: Includono criteri empirici Rafforzabili con osservazioni continue Know-how trasferito nel sistema DHI

6 Gestione intelligente di sistemi complessi OBIETTIVO Automatizzare le attività: Monitoraggio Controllo Diagnosi Supervisione Risorse disponibili: Segnali diretti e indiretti Acquisiti in tempo reale Sistemi non completamente osservabili Conoscenza (parziale) da esperti del dominio DHI

7 «Intelligenza» Riconoscere lo stato esterno Costruirsi un modello Confrontare il modello con le osservazioni Capacità di apprendere Incrementare la conoscenza con l elaborazione di nuove informazioni Apprendere dagli stimoli esterni Agire di conseguenza Belief, Desire, Intention Sistema naturale Identificare lo stato di funzionamento dell impianto Confrontare l andamento atteso con i valori misurati Capacità di apprendere Adattarsi ai cambiamenti delle condizioni di regime Estrarre informazione e correlazioni dai dati acquisiti Definire e attuare in tempo reale le politiche di gestione ottimale Sistema artificiale DHI

8 Supporto alla Gestione Supporto Gestore Intervento Analisi Stato Storia Diagnosis Prevention Politiche medio termine Analisi Dati Eventi Detection Reaction Politiche breve termine Sonde Processo Attuatori DHI

9 Portata (m 3 /h) Strumenti / 1 : Modelli matematici Main Features Value U.M CODsol S S Anoxic Tank Volume 94,5 L CODtot X I S I Aerobic Tank Volume 175,5 L Settler 83 L X S Influent Flow 460 L/d CODpart X BH External Recycle Flow 430 L/d Internal Recycle Flow 760 L/d Waste Flow 3 L/d kla 140 1/d Andamento Portata In Ingresso Pilota tempo (ore) Valore di Valore prova Valore prova Parametro letteratura 1(20 C) 2 (20 C) in WEST (20 C) μh[d -1 ] k S [mgcod/l] b [d -1 ] μa[d -1 ] k NH [mgn/l] DHI

10 Strumenti / 2 : Reti Neurali Usato per : Detection, Reaction, Diagnosis Approssimazione di relazioni non lineari Apprendimento da esempi Classificazione Approssimazione di sistemi non lineari Stato con retroazione Esempio : Stimare concentrazioni di inquinanti a partire da segnali indiretti Vantaggi : Apprendimento non supervisionato Non linearità Svantaggi : Scelta dell architettura Difficile validazione Estrapolazione

11 Strumenti / 3: Clustering Usato per : Detection, (Diagnosis) Estrazione di informazione significativa da dati grezzi Classificazione Sintesi Ricerca di Correlazioni 2 Vantaggi : Apprendimento non supervisionato Svantaggi : Sintetico Richiede molti dati Scelta dei parametri Non analitico Esempio : Associare condizioni operative simili

12 Strumenti / 4 Sistemi a regole Specifica formale di regole Procedure reattive when <condition> then <action> Attivazioni in cascata Usato per : Reaction, Reasoning Vantaggi : Conoscenza dichiarativa Chiarezza Svantaggi : Non adattivi Ontologie Permettono una rappresentazione formale dei concetti rilevanti in un dominio e delle possibili relazioni che possono intercorrere fra di loro Vantaggi : Conoscenza dichiarativa Chiarezza Svantaggi : limitata in potere espressivo non dinamica

13 Caso di studio Sequencing Batch Reactor (SBR) Fill Mixed React Draw Settle Areated React Flusso continuo schema predenitro/nitro

14 Relazione ph, ORP e DO e processi biologici Fase Anossica Fase Aerobica ph A B ph C ORP [mv] DO [mg/l] A A B 0 ORP [mv] DO [mg/l] C C tempo 40 [min] tempo 160[min] Termine processo di Denitrificazione Termine processo di Nitrificazione

15 Caso di studio : Denitrificazione Identificare lo Stato di funzionamento Applicare le Politiche ottimali Esempio: Termine della Denitrificazione Abbattimento della concentrazione di Nitrati [NO 3 ](t) Identificare l istante T EOD in cui [NO 3 ] track ph ORP FINE DENITRIFICAZIONE DO FINE FASE ANOSSICA FINE NITRIFICAZIONE tempo [min] Output quantitativo Stima (real time) delle grandezze DHI Input Output qualitativo Stima (real time) delle proprietà Analisi e Interpretazione

16 Caratteristiche dei Segnali Fase anossica ciclo SBR Fase aerobica ciclo SBR Individuazione degli Eventi locali

17 Evoluzione dei segnali Confronto con andamenti tipici memorizzati Rete SOM per la memorizzazione Sottofasi : pre, inter e post EOD definite a regole 17

18 Caso di studio : Soluzione Esiste Conoscenza sulla soluzione del problema: Soluzioni ad alto livello Alternative Solitamente la reazione si esaurisce in un tempo Quando il ph presenta un massimo e l ORP un flesso P 2 P 1 Quando i segnali fanno supporre che i nitrati siano esauriti Quando l evoluzione dei segnali ha un andamento noto e tipico P 3 C 1 Q 1 C 2 A 2 P 4 Ad esaurimento nitrati attivare gli aeratori

19 Segnali impianto flusso continuo ORP_ox ph_ox N-NO3 ph_anox DO ORP_anox N-NH4

20 Concentrazione [mg/l] Strategie di Controllo SET POINT NH4=1mg/l gfedcb gfedcb gfedcb gfedc gfedc gfedc gfedc gfedc Ossigeno Azoto nitrico Azoto ammoniacale X_BH X_BA X_I X_TSS CODb Tempo [d] 3 DHI

21 Architettura sistema Architettura distribuita ad agenti orientata ai servizi (SOA) e pilotata da eventi (EDA) Funzionalità inglobate in moduli indipendenti. Ognuno svolge compiti differenti Moduli offerti come servizi L integrazione dei servizi tramite ESB (Enterprise Service Bus) middleware di comunicazione distribuito Permette integrazione basata su standard

22 Conclusioni Problemi generalmente complessi Varietà di strumenti disponibili Nessuno risolutivo Applicabile ad ogni problema Corretto Efficiente Facilmente implementabile Facilmente usabile Sempre. Architetture ibride per integrare ragionamento incerto, con regole e ontologie

23 Torino, 9-10 Ottobre 2013 Thank you Luca Luccarini Torino, Ottobre 2015 DHI Italian DHI DHI Conference