[发明专利]用于KPI性能分析的具有无约束因变量的MPC

权利要求书

1.一种关键性能指标（KPI）性能分析的方法（100），包括：

提供（101）用于工业过程的动态模型预测控制（MPC）过程模型，所述工业过程包括用于MPC控制器的多个受控变量（CV）和多个测量变量（MV），所述MPC控制器由具有存储所述MPC过程模型的存储器（211b）的处理器（221a）实现，所述MPC过程模型包括至少一个KPI，所述至少一个KPI也包括在用于所述工业过程的业务KPI监视系统中；

估计（102）所述KPI的未来轨迹和其中所述KPI将稳定的稳态（SS）值；

使用（103）所述未来轨迹和所述SS值，确定从所述多个CV和所述多个MV选择的关键工厂操作变量与所述KPI之间的动态关系，以及

分析（104）所述KPI的性能，包括从所述动态关系以及所述MV的至少一部分的当前值标识所述工业过程的操作期间超过所述性能或所述性能中的问题的至少一个原因。

2.如权利要求1所述的方法，其中所述KPI包括不具有上或下控制限制的KPI无约束因变量（UDV）。

3.如权利要求1所述的方法，其中所述标识所述问题的所述原因包括标识所述多个MV中的哪些正在引起对所述KPI的改变。

4.如权利要求1所述的方法，还包括向所述业务KPI监视系统提供所述分析的结果，并且所述业务KPI监视系统的用户利用所述分析的所述结果来解决所述超过所述性能或所述性能中的所述问题。

5.如权利要求1所述的方法，还包括基于所述分析所述性能来更新所述动态关系。

6.如权利要求1所述的方法，还包括将所述未来轨迹用于自动告警和事件检测。

7.如权利要求1所述的方法，其中所述MPC过程模型包括优化器，其中所述标识所述问题的所述原因包括标识所述优化器何时使所述KPI偏离其目标。

8.如权利要求1所述的方法，还包括在搜索影响所述KPI的、未包括在所述MPC过程模型中的所述工业过程中的至少一个其他变量，并且然后将所述其他变量添加到所述MPC过程模型。

9.一种模型预测控制（MPC）控制器，包括：

处理器，其具有存储至少一个算法的存储器，所述至少一个算法由所述处理器执行用于实现在工业工厂（205）中运行的工业过程的动态MPC过程模型，所述工业过程包括多个测量变量（MV）和多个受控变量（CV），所述MPC过程模型包括至少一个KPI，所述至少一个KPI也包括在用于所述工业过程的业务KPI监视系统中，其中所述KPI包括不具有上或下控制限制的KPI无约束因变量（UDV）;

所述MPC过程模型：

估计所述KPI的未来轨迹和其中所述KPI将稳定的稳态（SS）值；以及

使用所述未来轨迹和所述SS值，确定从所述多个CV和所述多个MV选择的关键工厂操作变量与所述KPI之间的动态关系。

10.如权利要求9所述的MPC控制器，其中所述MPC过程模型还提供分析所述KPI的性能，包括从所述动态关系以及所述MV的至少一部分的当前值标识所述工业过程的操作期间超过所述性能或所述性能中的问题的至少一个原因。

11.如权利要求9所述的MPC控制器，其中所述MPC过程模型包括优化器，其中所述标识问题的所述原因包括标识所述优化器何时使所述KPI偏离其目标。

12.一种模型预测控制（MPC）控制器，包括：

处理器，其具有存储至少一个算法的存储器，所述至少一个算法由所述处理器执行用于实现在工业工厂中运行的工业过程的动态MPC过程模型，所述工业过程包括多个测量变量（MV）和多个受控变量（CV），所述MPC过程模型包括至少一个KPI，所述至少一个KPI也包括在用于所述工业过程的业务KPI监视系统中，其中所述KPI包括不具有上或下控制限制的KPI无约束因变量（UDV）;

所述MPC过程模型：

估计所述KPI的未来轨迹和其中所述KPI将稳定的稳态（SS）值；

使用所述未来轨迹和所述SS值，确定从所述多个CV和所述多个MV选择的关键工厂操作变量与所述KPI之间的动态关系，以及

分析所述KPI的性能，包括从所述动态关系以及所述MV的至少一部分的当前值标识所述工业过程的操作期间超过所述性能或所述性能中的问题的至少一个原因。