本发明专利技术公开了一种精馏塔优化控制方法，本方法根据物料平衡关系和组分平衡关系采用精馏塔轻重产品比作为主要被控变量对精馏塔进行控制，使用针对进料组分变化的前馈补偿策略，改进了精馏塔预测控制器的抑制进料组分扰动的效果，使用基于分片线性模型的稳态优化方法和基于动态预测模型的动态反馈卡边优化方法，在保证产品质量合格的约束下，实现了精馏塔高价值产品质量卡边、高价值产品收率最高、综合能耗最低的多目标优化，增加精馏塔运行的综合生产效益。
【技术实现步骤摘要】
本专利技术涉及精馏塔生产过程自动控制领域，特别涉及一种。
技术介绍
在石油炼制的化工过程中，几乎每个装置都涉及到了液-液分离过程，其中精馏塔是实现互溶物液-液分离的主要过程单元。由于精馏塔应用的广泛性，对精馏塔的控制与优化就具有十分重要的意义。通过对精馏塔的控制与优化，使其能够操作平稳，提高产品合格率，减少高价值组分在低价值产品中的流失，同时节能降耗，减少再沸器的热负荷。因此，对精馏塔的控制与优化就具有较高的经济效益。本专利技术所涉及的精馏塔是狭义上的精馏塔，其将组成相对简单的原料中的各个主要组分分离，分离的精细程度视生产需要决定。每个精馏塔只有塔顶、塔底两个产品，每个组分只能主要存在于塔顶或者塔底产品中，如气分装置丙烯精馏塔、苯乙烯装置苯乙烯精馏塔等等，产品质量的主要衡量指标为杂质的含量。最初的精馏塔控制方案主要对塔顶、塔底的温度进行控制，不直接进行产品质量控制。后来的精馏塔产品质量控制方案大多采用了基于产品质量软测量的方式，主要包括统计建模和经验公式两种方法，如乙烯装置中乙烯精馏塔的智能控制方法，高纯精馏的动态矩阵控制系统和方法等。通过建立精馏塔的产品质量软测量模型，利用精馏塔的温度、压力和流量等过程实时数据，在线实时计算产品质量，在此基础上实现控制与优化。这种软测量建模实现精馏塔切割点计算是可行的，但由于数据截断误差的原因难以达到精馏塔的要求。同时，由于精馏产品的高纯度需求，一般塔板数都比较多，且为了提高塔板的分离效率， 其回流罐和塔板积蓄量与处理量之比相对较大。这就造成了精馏塔的动态特性具有大延迟、大时间常数的特点。当操作条件发生变化时，产品质量发生变化并达到稳定的时间相当长，超出了预测控制的接受程度。这也不利于基于产品质量软测量的控制方案。现有技术根据实际精馏塔的操作过程分析和基于流程模拟软件的仿真研究发现: 当精馏塔的操作条件发生变化，产品质量发生变化并达到稳定的时间变得相当长，但塔顶轻产品和塔底重产品抽出比率(以下简称为轻重产品比)会产生较快的明显变化，并经常发生振荡，这是引起塔操作不稳的主要原因。因而提出将轻重产品比作为主要被控变量，通过预测控制方法调节回流量和再沸负荷，控制轻重产品比、温度达到平稳操作，并利用原料及产品的化验数据，使用神经网络代理模型和遗传算法进行操作优化，达到产品的卡边优化，在保证产品质量合格的前提下，增加高价值产品的收率，并实现装置的节能降耗。上述方法在化验数据周期长、滞后大的情况下，在获得化验数据的间隔内，能够通过对轻重产品比的预测控制克服进料流量、进料温度、回流温度等常规干扰，维持精馏塔的平稳，并在获得化验数据后实现装置优化目标。然而，在实验室化验周期短或者使用在线分析仪的情况下，由于需要等待产品质量基本稳定才能进行优化求解，会有大量分析数据信息无法利用，不能充分挖掘优化控制的潜力。在两次操作优化运行之间，一方面，当进料组成发生变化后，即使已经采集到进料组成数据信息，预测控制仍按原有的轻重产品比控制目标操作，过程操作不再处于最优工作点；另一方面，当产品质量改变甚至超限导致产品不合格时，即使已经采集到产品质量超限信息，预测控制也不会做出任何调整。对于目前处理量越来越大的精馏过程，其过渡过程时间越来越长，上述问题也越来越突出。分片线性近似方法是将非线性函数在定义域内划分为若干片，每一个分片内函数均进行线性近似，全局形成一系列线性函数叠加的方法。随着线性分片数的增加，每片内的线性近似误差之和会相应减小。分片线性近似方法在保证计算精度、减小计算负荷方面有着显著的优点。一方面，理论上已经证明，在线性分片数足够的情况下，分片线性近似能够以任意精度逼近非线性连续函数；另一方面，采用分片线性优化模型后，可以将优化问题求解转化为一系列子域线性规划逐步求解，其求解难度与计算量显著低于非线性优化求解。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题首先是在化验周期短或者使用在线分析仪的情况下，如何充分利用分析数据信息，充分挖掘优化控制的潜力，其次是当进料组成发生变化后，如何保证预测控制的过程操作一直处于最优工作点，并能够根据产品质量超限信息及时作出调離iF. ο(二)技术方案为此，本专利技术提供了一种，包括步骤Al 分别读取分片线性优化模型、产品质量动态预测模型和阶跃响应控制模型，所述分片线性优化模型为Cd = AHHd ( η , Tt, Tb, Cf)(1-1)Cb = AHHb ( η , Tt, Tb, Cf)(1-2)R/F = AHHe ( η , Ττ, ΤΒ, Cf)(1-3)Q/F = AHHq ( η , Ττ, ΤΒ, Cf)(1-4)J0 = AHH0 (CD, Cb, η，R，Q)(1-5)其中AHHd、AHHb、AHHk、AHHq分别表示精馏塔的分片线性优化模型，AHHcj为稳态优化目标函数的分片线性优化模型，Cd为塔顶产品质量，Cb为塔底产品质量，Cf为进料组成(轻组分分率)，R为回流量，Q为再沸负荷量，F为进料量，η为轻重产品比，Tt为塔顶温度，Tb 为塔底温度，J0为稳态优化目标函数；所述动态预测模型为 CD, m (k+1) = G0,D ( η (k)，· · ·，η (k_N+l)，Tt (k)，· · ·，Tt (k-Ν+Ι)，Tb (k)，· · ·，RB(k-N+l)，CF(k)，· · ·，CF(k_N+l))(2-1) = G0,D(n (k)，TT(k)，TB(k)，cF(k))G0,B( η (k)，· · ·，n (k-N+l)，TT(k)，· · ·，TT(k-N+l)，Tb (k)，· · ·，Tb(k-N+l)，CF(k)，· · ·，CF(k-N+l)) CB,m(k+l)(2-2)G0,B(n (k)，TT(k)，TB(k)，cF(k))其中下标m为所述动态预测模型的计算值，N为所述动态预测模型的稳态截断长度，Gail、(^所述动态预测模型的非线性动态模型函数，所述动态预测模型的采样周期为动态反馈优化模块的周期、；所述阶跃响应控制模型为权利要求1. 一种，其特征在于，包括以下步骤步骤Al 分别读取分片线性优化模型、产品质量动态预测模型和阶跃响应控制模型， 所述分片线性优化模型为Cd = AHHd(IIjTtjTbjCf)(1-1)CB = AHHB(n，TT，TB，CF)(1-2)R/F = AHHE(n,TT,TB,CF)(1-3)Q/F = AHHQ(n，TT，TB，CF)(1-4)J0 = ΑΗΗ。(CD，Cb，η , R, Q)(1-5)其中AHHd、AHHb、AHHk、AHHq分别表示精馏塔的分片线性优化模型，AHHcj为稳态优化目标函数的分片线性优化模型，Cd为塔顶产品质量，Cb为塔底产品质量，Cf为进料组成，R为回流量，Q为再沸负荷量，F为进料量，η为轻重产品比，Tt为塔顶温度，Tb为塔底温度，J0为稳态优化目标函数；所述动态预测模型为CD,m(k+l) = G0,D( η (k)，· · ·，n (k-N+1)，Tt(k) Tb (k), . . .，Tb (k-N+1), Cf (k),...=G0,D(n (k)，TT(k)，TB(k)，CF(k)) CB,m(k+l) = G0,B本文档来自技高网...
【技术保护点】
１．一种精馏塔优化控制方法，其特征在于，包括以下步骤：步骤Ａ１：分别读取分片线性优化模型、产品质量动态预测模型和阶跃响应控制模型，所述分片线性优化模型为：ＣＤ＝ＡＨＨＤ（η，ＴＴ，ＴＢ，ＣＦ）（１－１）ＣＢ＝ＡＨＨＢ（η，ＴＴ，ＴＢ，ＣＦ） （１－２）Ｒ／Ｆ＝ＡＨＨＲ（η，ＴＴ，ＴＢ，ＣＦ）（１－３）Ｑ／Ｆ＝ＡＨＨＱ（η，ＴＴ，ＴＢ，ＣＦ） （１－４）ＪＯ＝ＡＨＨＯ（ＣＤ，ＣＢ，η，Ｒ，Ｑ） （１－５）其中ＡＨＨＤ、ＡＨＨＢ、ＡＨＨＲ、ＡＨＨＱ分别表示精馏塔的分片线性优化模型，ＡＨＨＯ为稳态优化目标函数的分片线性优化模型，ＣＤ为塔顶产品质量，ＣＢ为塔底产品质量，ＣＦ为进料组成，Ｒ为回流量，Ｑ为再沸负荷量，Ｆ为进料量，η为轻重产品比，ＴＴ为塔顶温度，ＴＢ为塔底温度，ＪＯ为稳态优化目标函数；所述动态预测模型为：ＣＤ，ｍ（ｋ＋１）＝ＧＯ，Ｄ（η（ｋ），．．．，η（ｋ－Ｎ＋１），ＴＴ（ｋ），．．．，ＴＴ（ｋ－Ｎ＋１）， ＴＢ（ｋ），．．．，ＴＢ（ｋ－Ｎ＋１），ＣＦ（ｋ），．．．，ＣＦ（ｋ－Ｎ＋１）） （２－１） ＝ＧＯ，Ｄ（η（ｋ），ＴＴ（ｋ），ＴＢ（ｋ），ＣＦ（ｋ））ＣＢ，ｍ（ｋ＋１）＝ＧＯ，Ｂ（η（ｋ），．．．，η（ｋ－Ｎ＋１），ＴＴ（ｋ），．．．，ＴＴ（ｋ－Ｎ＋１）， ＴＢ（ｋ），．．．，ＴＢ（ｋ－Ｎ＋１），ＣＦ（ｋ），．．．，ＣＦ（ｋ－Ｎ＋１）） （２－２） ＝ＧＯ，Ｂ（η（ｋ），ＴＴ（ｋ），ＴＢ（ｋ），ＣＦ（ｋ））其中下标ｍ为所述动态预测模型的计算值，Ｎ为所述动态预测模型的稳态截断长度，ＧＯ，Ｄ、ＧＯ，Ｂ为所述动态预测模型的非线性动态模型函数，所述动态预测模型的采样周期为动态反馈优化模块的周期ｔＢ；所述阶跃响应控制模型为：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｆｅｎｃｅｄｏｐｅｎ＝＇［＇ｃｌｏｓｅ＝＇］＇）?（ｍｔａｂｌｅ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）＆ｅｔａ；（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｉ）Ｔ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｓｕｂ）?（ｍｉ）Ｔ（／ｍｉ）?（ｍｉ）Ｂ（／ｍｉ）?（／ｍｓｕｂ）?（／ｍｔｄ）?（／ｍｔｒ）?（／ｍｔａｂｌｅ）?（／ｍｆｅｎｃｅｄ）?（ｍｏ）＝（／ｍｏ）?（ｍｓｕｂ）?（ｍｉ）Ｇ（／ｍｉ）?（ｍｉ）Ｃ（／ｍｉ）?（／ｍｓｕｂ）?（ｍｏ）＊（／ｍｏ）?（ｍｆｅｎｃｅｄｏｐｅｎ＝＇［＇ｃｌｏｓｅ＝＇］＇）?（ｍｔａｂｌｅ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｒ（／ｍｉ）?（ｍｏ）／（／ｍｏ）?（ｍｉ）Ｆ（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（ｍｔｒ）?（ｍｔｄ）?（ｍｉ）Ｑ（／ｍｉ）?（ｍｏ）／（／ｍｏ）?（ｍｉ）Ｆ（／ｍｉ）?（／ｍｔｄ）?（／ｍｔｒ）?（／ｍｔａｂｌｅ）?（／ｍｆｅｎｃｅｄ）?（ｍｏ）－（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｏ）－（／ｍｏ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｎ）３（／ｍｎ）?（ｍｏ））（／ｍｏ）?（／ｍｒｏｗ）?（／ｍｒｏｗ）?（／ｍａｔｈ）其中运算符＊为卷积计算，ＧＣ是通过测试建模方法建立的阶跃响应模型，所述阶跃响应控制模型的采样周期为预测控制器的周期ｔＣ；设置预测控制器的周期ｔＣ、优化器的前馈补偿模块的周期ｔＦ、动态反馈优化模块的周期ｔＢ和稳态优化模块的周期ｔＯ，设置预测控制器被控变量的给定值或控制限；步骤Ａ２：判断预测控制时刻到否：若预测控制时刻到，则执行步骤Ａ３；否则，等待预测控制器周期ｔＣ后，执行步骤Ａ２；步骤Ａ３：采集精馏塔现场数据并存入实时数据库，所述精馏塔现场数据包括：塔顶产品量Ｄ、塔底产品量Ｂ、塔顶温度ＴＴ、塔底温度ＴＢ、回流量Ｒ、再沸负荷量Ｑ以及进料量Ｆ；并根据公式（４）和公式（５）计算液位动态补偿后的塔顶产品量ＤＣ和塔底产品量ＢＣ；根据公式（６）计算实际的轻重产品比η；Ｄｃ＝Ｄ＋（ＶＲ（ＬＲ，ｎｅｗ）－ＶＲ（ＬＲ，ｏｌｄ））／ｔ （４）Ｂｃ＝Ｂ＋（ＶＢ（ＬＢ，ｎｅｗ）－ＶＢ（ＬＢ，ｏｌｄ））／ｔ （５）η＝Ｄｃ／Ｂｃ （６）其中ｔ为补偿计算所取的时间间隔；ＶＲ、ＶＢ为基...
【技术特征摘要】
【专利技术属性】
技术研发人员：黄德先，吕文祥，朱鹰，高小永，江永亨，王书宁，
申请(专利权)人：清华大学，
类型：发明
国别省市：11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。