[發明專利]一種催化重整裝置中關于加熱爐溫度的實時控制方法

有效

• 申請號: 202011563891.3
• 申請日: 2020-12-25
• 公開（公告）號: CN112857072B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 張涵羽;江愛朋;林雅媚;趙偉杰;黃秋云;楊衛
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: F27D19/00
• 分類號: F27D19/00
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱亞冠

1.一種催化重整裝置中關于加熱爐溫度的實時控制方法，其特征在于包括以下步驟：

步驟(1)、根據加熱爐加熱過程的實時數據挖掘出系統的基本特性，以此來建立加熱爐過程模型，具體是：

給加熱爐燃料投放量一個階躍，使得投放量增加，采集燃料投放量發生階躍后的加熱爐出口溫度數據，直到加熱爐出口溫度重新回到穩態狀態，記錄此過程的數據t'＝[t₁,t₂,t₃,…,t_n]，Y＝[y₁,y₂,y₃,…,y_n]，其中[t₁,t₂,t₃,…,t_n]表示采樣時間，[y₁,y₂,y₃,…,y_n]表示對應的加熱爐出口溫度，根據加熱爐出口溫度的變化情況確定加熱爐出口溫度與加熱爐燃料投放量之間的傳遞函數；

步驟(2)、運用歷史數據以及神經網絡學習的方法建立反應器的輸入輸出模型，用以預測反應器的出口溫度，具體是：

基于歷史測試數據建立神經網絡模型，輸入為反應器輸入溫度、烷烴含量、環烷烴含量、芳烴含量、循環氫含量、熱容，輸出為當前反應器出口溫度的預測值；所述神經網絡模型包括輸入層、隱含層和輸出層，隱含層和輸出層的神經元個數范圍分別為2～4和2～6；

神經網絡模型訓練過程中將反應器輸入溫度、烷烴含量、環烷烴含量、芳烴含量、循環氫含量、熱容作為輸入，以反應器出口溫度作為輸出，通過神經網絡學習獲得神經網絡模型，神經網絡模型中的各參數定義如下：

輸入層單元輸入向量為P_ks＝(a₁,a₂,…,a_n)，目標向量T_ks＝(d₁,d₂,…,d_n)，n表示輸入層單元輸入向量個數；

隱含層單元輸入向量S_ks＝(s₁,s₂,…,s_p)，輸出向量B_ks＝(b₁,b₂,...,b_p)，p表示隱含層單元輸入向量個數；

輸出層單元輸入向量L_ks＝(l₁,l₂,…,l_q)，輸出向量C_ks＝(c₁,c₂,…,c_q)，ks＝1,2,…,m表示樣本數據個數，q表示輸出層單元輸入向量個數；

神經網絡模型的學習過程步驟如下：

a)初始化各層的連接權值和閾值，給輸入層到隱含層的連接權w_isj、隱含層到輸出層的連接權v_jt、隱含層各單元輸出閾值θ_j、輸出層各單元的輸出閾值y_t賦予區間(-1,1)內的隨機值；i_s＝1,2,…,n，j＝1,2,…,p，t＝1,2,…,q；

b)選取輸入樣本和輸出樣本；

c)用輸入樣本、連接權、輸入閾值和輸出閾值計算隱含層和輸出層各單元的輸出:

其中s_j表示隱含層單元的輸入值、a_is為輸入層的輸出向量、b_j表示隱含層單元的輸出值、l_t表示輸出層單元的輸入值、c_t表示輸出層單元的輸出值；

d)計算輸出層各單元一般化誤差然后利用隱含層到輸出層的連接權v_jt、隱含層的輸出向量B_k＝(b₁,b₂,...,b_p)、輸出層各單元一般化誤差計算隱含層各單元的一般化誤差計算公式如下：

e)利用輸出層各單元的一般化誤差與隱含層各單元的輸出值來修正隱含層到輸出層的連接權v_jt、輸出閾值y_t：

同樣利用隱含層各單元的一般化誤差與輸入層的輸入來修正輸入層到隱含層的連接權w_isj、輸出閾值θ_j：

v_jt(N)表示當前迭代的連接權v_jt，v_jt(N+1)表示下一次迭代的連接權；y_t(N)表示當前迭代的輸出閾值，y_t(N+1)表示下一次迭代的輸出閾值；

w_isj(N)表示當前迭代的連接權w_isj，w_isj(N+1)表示下一次迭代的連接權，θ_j(N)表示當前迭代的閾值，θ_j(N+1)表示下一次迭代的閾值，N＝1,2，...，NN，其中NN表示設定的學習迭代次數；

f)選取下一個輸入樣本和輸出樣本，返回到步驟c)，直到m個訓練樣本訓練完畢；

g)計算所有樣本的累計誤差E，累計誤差計算方式為其中q表示輸出層單元數，m表示樣本數量,E_t表示樣本之間的誤差；如果樣本累計誤差E小于預先設定值ε，或者當前學習迭代次數大于設定的學習迭代次數，那么學習訓練結束；否則再次選取樣本輸入和目標輸出，然后返回到步驟c)；

步驟(3)、給定一個加熱爐出口的設定值，通過DMC預測控制，得到控制加熱爐出口溫度的第一個控制信號Δu₁；

步驟(4)、根據神經網絡預測出的反應器的輸出溫度，將其與加熱爐入口溫度的期望值相比較，得到控制加熱爐入口溫度的第二個控制信號Δu₂；

步驟(5)、獲取時延Δt；

步驟(6)、在控制信號Δu₁、Δu₂以及時延Δt的作用下，結合加熱爐過程模型，控制加熱爐投放燃料的調節閥，使之能夠實時控制加熱爐的溫度。