[發明專利]一種用于化工流程系統變負荷下的數據校正方法

無效

• 申請號: 200910095679.6
• 申請日: 2009-01-19
• 公開（公告）號: CN101477369A
• 公開（公告）日: 2009-07-08
• 發明（設計）人: 邵之江;張正江;陳曦;祝鈴鈺;徐祖華;趙均;趙豫紅;周立芳;紀彭;錢積新
• 申請（專利權）人: 浙江大學
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 杭州求是專利事務所有限公司
• 代理人: 周 烽

技術領域

本發明涉及化工流程系統中測量儀表的數據校正領域及在線優化方法研究領域，特別地，涉及一種用于化工流程系統在變負荷下的數據校正方法。

背景技術

生產過程實時優化是工業(尤其是流程工業)降低生產成本、提高綜合經濟效益的重要技術手段之一。實時優化要求準確的過程模型與過程數據。然而通過儀表測量獲取過程數據不僅存在隨機誤差而且有時還存在顯著誤差，直接影響實時優化的準確性。因此采用數據校正技術，調整測量數據，剔除顯著誤差，減小隨機誤差的影響，提高測量數據的質量是實時優化實現過程中重要的環節。

自從Kuehn等20世紀60年代首先提出化工過程的穩態數據校正問題以來，國內外學者對數據校正技術做了大量的研究。Crowe等20世紀80年代提出了一種基于迭代線性化的方法來求解非線性數據校正問題，隨后Liebman等人提出應用非線性規劃而非迭代線性化來提高求解非線性數據校正問題效率。1991年Tjoa與Biegler提出了一種有效的方法，采用污染的正態分布函數同時描述顯著誤差和隨機誤差，并基于極大似然原理構造目標函數。校正目標函數不同于加權最小二乘法，當存在顯著誤差時也可以得到無偏的校正結果。Johnston等基于極大似然原理研究了一種靈活的高效的魯棒的估計方法，此外還有其它不同的魯棒的估計方法。由于測量儀表的失靈或測量的系統誤差存在等原因，測量數據存在顯著誤差，顯著誤差的診斷與剔除也是數據校正的重點與難點。目前的顯著誤差診斷方法主要分為基于統計的剔除法、校正與診斷同步方法。王希若提出了單節點的顯著誤差識別方法，利用了儀表的可靠度及精度等級等信息進行誤差識別。孔明放等針對系統偏差型的顯著誤差，提出了系統的顯著誤差可識別性的概念，指出了系統顯著誤差可識別的條件，并提出了顯著誤差的參數估計識別方法。Tjoa與Biegler根據貝葉斯原理，在最大似然法的基礎上引入了顯著誤差的概率分布，從而構造出隨機誤差和顯著誤差的混合概率分布，提出了數據校正與顯著誤差診斷同步方法。Derya等對化工過程中的數據校正與顯著誤差診斷各種方法進行了理論分析和數值實驗，分析了各種方法的優缺點。

數據校正技術應用的領域包括計劃調度、統計管理、過程監測、過程控制及過程在線優化，也包括設備性能分析、儀表管理及配置等。在工業應用上，1996年，Pierucci介紹了在線數據校正應用于石蠟裝置的情況。1998年，Lee利用在線數據校正與優化，在滿足不斷變化的蒸汽和電力需求的前提下，減少了裝置能耗。2000年，Soderstrom將動態數據校正應用在ExxonMobil化工公司。國內有林孔元將數據校正方法用于重油催化裂化穩態過程，周傳光等對常減壓蒸餾裝置的在線數據校正與優化進行了研究。其它相關數據校正在工業上的應用參考李紅軍，張亞樂，Bussani及Placido等人的文獻。

國外許多控制工程公司推出了各種商品化數據校正軟件包，如美國Simulation?Science公司的Datacon，AspenTech公司的Advisor，英國KBC公司的Sigmafine，法國Technip公司的Datrect等。國內的控制工程公司也推出了商品化數據校正的軟件包，如浙大中控推出的APC-Datapro軟件包，并在福建煉化等公司取得成功應用。

上述理論和方法均未考慮化工流程變負荷的情況。化工流程系統在變負荷情況下工作，由于負荷的變化從而導致化工流程系統有多個穩態工況區間，在多個穩態工況區間下進行數據校正相比于單一穩態工況區間下的數據校正更為復雜。當測量儀表存在顯著誤差時，在各穩態工況區間顯著誤差可能不同，因此很難準確地估計各穩態工況區間的顯著誤差。這種情況對數據校正技術提出了更高的要求。

發明內容

本發明的目的是針對現有數據校正技術的不足，提供了一種用于化工流程系統變負荷下的數據校正方法。

本發明的目的是通過以下技術方案來實現的：一種用于化工流程系統變負荷下的數據校正方法，該方法為：采集測量儀表在某段時間內的測量數據，根據其中的幾個關鍵測量位號，應用穩態檢測技術進行穩態判定，取各穩態下測量數據的平均值，將這些穩態數據的平均值根據負載的大小進行穩態工況區間劃分，分為多個不同的穩態工況區間，在每個穩態工況區間對多變量多組測量數據進行數據校正及顯著誤差檢測，得到各種穩態工況區間的顯著誤差檢測結果及數據校正結果，此結果可應用于在線優化及過程控制。

進一步地，該方法具體包括以下步驟：