[發明專利]精餾塔優化控制方法

有效

• 申請號: 201010232551.2
• 申請日: 2010-07-15
• 公開（公告）號: CN102339040A
• 公開（公告）日: 2012-02-01
• 發明（設計）人: 黃德先;呂文祥;朱鷹;高小永;江永亨;王書寧
• 申請（專利權）人: 清華大學
• 主分類號: G05B19/418
• 分類號: G05B19/418;B01D3/42
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩

1.一種精餾塔優化控制方法，其特征在于，包括以下步驟：

步驟A1：分別讀取分片線性優化模型、產品質量動態預測模型和階躍響應控制模型，所述分片線性優化模型為：

C_D＝AHH_D(η，T_T，T_B，C_F)????????????????????????????????(1-1)

C_B＝AHH_B(η，T_T，T_B，C_F)????????????????????????????????(1-2)

R/F＝AHH_R(η，T_T，T_B，C_F)???????????????????????????????(1-3)

Q/F＝AHH_Q(η，T_T，T_B，C_F)???????????????????????????????(1-4)

J_O＝AHH_O(C_D，C_B，η，R，Q)??????????????????????????????(1-5)

其中AHH_D、AHH_B、AHH_R、AHH_Q分別表示精餾塔的分片線性優化模型，AHH_O為穩態優化目標函數的分片線性優化模型，C_D為塔頂產品質量，C_B為塔底產品質量，C_F為進料組成，R為回流量，Q為再沸負荷量，F為進料量，η為輕重產品比，T_T為塔頂溫度，T_B為塔底溫度，J_O為穩態優化目標函數；

所述動態預測模型為：

C_D，m(k+1)＝G_O，D(η(k)，...，η(k-N+1)，T_T(k)，...，T_T(k-N+1)，

????????????T_B(k)，...，T_B(k-N+1)，C_F(k)，...，C_F(k-N+1))????????????????(2-1)

??????????＝G_O，D(η(k)，T_T(k)，T_B(k)，C_F(k))

C_B，m(k+1)＝G_O，B(η(k)，...，η(k-N+1)，T_T(k)，...，T_T(k-N+1)，

????????????T_B(k)，...，T_B(k-N+1)，C_F(k)，...，C_F(k-N+1))????????????????(2-2)

??????????＝G_O，B(η(k)，T_T(k)，T_B(k)，C_F(k))

其中下標m為所述動態預測模型的計算值，N為所述動態預測模型的穩態截斷長度，G_O，D、G_O，B為所述動態預測模型的非線性動態模型函數，所述動態預測模型的采樣周期為動態反饋優化模塊的周期t_B；

所述階躍響應控制模型為：

ηTTTB=GC*R/FQ/F---(3)]]>

其中運算符*為卷積計算，G_C是通過測試建模方法建立的階躍響應模型，所述階躍響應控制模型的采樣周期為預測控制器的周期t_C；

設置預測控制器的周期t_C、優化器的前饋補償模塊的周期t_F、動態反饋優化模塊的周期t_B和穩態優化模塊的周期t_O，設置預測控制器被控變量的給定值或控制限；

步驟A2：判斷預測控制時刻到否：若預測控制時刻到，則執行步驟A3；否則，等待預測控制器周期t_C后，執行步驟A2；

步驟A3：采集精餾塔現場數據并存入實時數據庫，所述精餾塔現場數據包括：塔頂產品量D、塔底產品量B、塔頂溫度T_T、塔底溫度T_B、回流量R、再沸負荷量Q以及進料量F；并根據公式(4)和公式(5)計算液位動態補償后的塔頂產品量D_C和塔底產品量B_C；根據公式(6)計算實際的輕重產品比η；

D_c＝D+(V_R(L_R，new)-V_R(L_R，old))/t???????????????????????????????(4)

B_c＝B+(V_B(L_B，new)-V_B(L_B，old))/t???????????????????????????????(5)

η＝D_c/B_c???????????????????????????????????????????????????????(6)

其中t為補償計算所取的時間間隔；V_R、V_B為基于容器數學模型的將液位轉換為質量積蓄量的函數；L_R，new、L_R，old分別為當前和時間間隔t之前的時刻的塔頂回流罐液位檢測值；L_B，new、L_B，old分別為當前和時間間隔t之前的時刻的塔釜液位檢測值；

步驟A4：判斷穩態優化時刻到否：若穩態優化時刻到，則執行步驟A5；否則，執行步驟A6；

步驟A5：基于產品質量化驗數據C_D和C_B用分片線性規劃算法對所述分片線性優化模型進行穩態優化，求解最優決策變量，所述決策變量包括：輕重產品比η、塔頂溫度T_T和塔底溫度T_B的給定值；所述穩態優化的目標設定為在公式(1-1)-(1-4)的約束和各變量優化限區間不等式的約束下，產品價值減去能耗的綜合生產效益值的相反數取最小；優化求解并實施后轉入步驟A10；

步驟A6：判斷動態反饋優化時刻到否；若動態反饋優化時刻已到且得到新的塔頂產品質量C_D和塔底產品質量C_B，則執行步驟A7；否則，執行步驟A8；

步驟A7：基于所述動態預測模型預測產品質量的穩態值，以其中高價值產品質量的動態預測穩態值卡上限為目標求解最優決策變量，所述決策變量包括輕重產品比η的給定值；使用帶有反饋校正的動態預測模型(7)和(8)，對產品質量進行穩態值預測：

C_D，p(k+N)＝G_O，D(η(k+N-1)，T_T(k+N-1)，T_B(k+N-1)，C_F(k+N-1))

????????????????????????????????????????????????????????????????????(7)

????????????+C_D(k)-C_D，m(k)

C_B，p(k+N)＝G_O，B(η(k+N-1)，T_T(k+N-1)，T_B(k+N-1)，C_F(k+N-1))

????????????????????????????????????????????????????????????????????(8)

????????????+C_B(k)-C_B，m(k)

其中下標p表示反饋校正后的模型預測值；

目標函數J_DO為

J_DO＝w_D(C_D，max-C_D，p(k+N))²+w_B(C_B，max-C_B，p(k+N))²????????????????(9)

其中w_D、w_B分別為塔頂產品質量C_D、塔底產品質量C_B的優化權值；w_D、w_B滿足：當塔頂產品價格低于塔底產品價格時，w_D＝0，反之，則w_B＝0；

優化求解并實施后直接轉入步驟A10；

步驟A8：判斷前饋補償時刻到否：若前饋補償時刻已到且得到新的進料組成C_F，則執行步驟A9；否則，轉入步驟A10；

步驟A9：根據所述進料組成C_F的數據的變化，用線性化增量公式(10)調整輕重產品比的控制目標；

ηsp=ηsp,old+1-CD-CB(CF-CD+1)2(CF-CF,old)---(10)]]>

其中η_sp表示新的輕重產品比的設定值，η_sp，old表示原來的輕重產品比的設定值，C_F表示當前的進料組成，C_F，old表示原來的進料組成；

步驟A10：以回流進料比R/F和再沸負荷進料比Q/F作為操作變量，以輕重產品比η、塔頂溫度T_T和塔底溫度T_B作為被控變量，對精餾塔進行多變量預測控制；

步驟A11：通過通訊接口實施回流量R和再沸負荷量Q的控制值，本控制周期結束，轉到步驟A2等待下一周期。