[发明专利]一种流程装置变负荷操作培训的多变量动态系统建模方法

说明书

本发明公开了一种流程装置变负荷操作培训的多变量动态系统建模方法。首先，使用VDCS作为OTS的操作环境；其次，为刻画流程装置变负荷操作过程中的多变量、非线性和动态特性，使用线性、非线性模型辨识方法以及一种迭代优化算法建立LPV模型；然后，为提高OTS的完备度和逼真度，本方法设计了背景模型和安全模型；最后，LPV模型、背景模型使用递归辨识算法并结合实际数据进行更新，安全模型随物理DCS进行更新。LPV模型、背景模型和安全模型作为OTS的后台模型，为中控室操作员提供过程模拟服务。该方法能够快速建立起OTS，并且培训环境逼真，模型精度高并可及时更新，这可以有效地提高中控室操作员的变负荷操作技能水平。

技术领域

本发明涉及化工、冶金行业的操作培训技术领域，特别地，涉及一种流程装置变负荷操作培训的多变量动态系统建模方法。

背景技术

负荷调整是流程装置最普遍的操作任务，常见的如工业气体生产装置、核电装置、炼油装置等，它们均需要安全、稳定且高效地调整装置的负荷以满足下游的迫切需求。对于大型的流程生产装置，其动态负荷调整过程中往往关联到多个操作变量的联合、协同调节，而且大范围负荷调整过程中涉及复杂的非线性操作，这需要没有配备自动变负荷系统的流程装置操作员具备熟练的手动变负荷操作技能。

近年来，大多数化工行业的流程装置都部署了变负荷操作培训系统(OperatorTraining System,OTS)。现在的OTS大多采用机理模型建立培训系统的模型，然而建立一个可以描述完备流程特性的复杂的机理模型通常存在以下挑战：(1)流程装置过程动态特性复杂，现有的机理模型并不能完全刻画，并且高精度机理模型的获取需要全部设备的详细参数(如化学反应器的结构、精馏塔塔板结构、换热器形状和换热系数等)和测点信息，这些内部信息难以获取；(2)流程装置动态过程的机理模型由数万个微分代数方程和偏微分代数方程组成，这对初值选择、计算速度、求解鲁棒性提出了严苛的要求。现有的初值选择策略效率低下，且数值求解算法经常出现求解不收敛；(3)流程装置的过程特性随时间往往会发生缓慢改变，然而在线更新和维护一个大型的机理模型需要重新选择初值、设计求解算法，这需要耗费大量的时间和精力。

发明内容

本发明的目的是针对现有技术的不足，提供一种流程装置变负荷操作培训的多变量动态系统建模方法。

本发明的目的是通过以下技术方案来实现的：一种流程装置变负荷操作培训的多变量动态系统建模方法，包括以下步骤：

步骤一：采用VDCS(Virtual Distributed Control System,DCS)作为OTS操作培训环境。

通过对物理DCS的组态文件进行完全地下载和编译，将实际DCS的组态逻辑(安全逻辑、底层控制逻辑)、分散处理单元、流程画面组态再现并作为OTS的操作环境，实现与现场完全一致的操作体验。

步骤二：辨识流程装置典型稳态工作点的局部模型G(q)。

流程装置的变负荷生产任务具备一定规律，往往在几个典型的稳态工作点工况间进行切换。首先确定几个典型的稳态工作点，对不同的稳态工作点工况进行激励测试，搜集典型工况的测试数据，使用渐近法辨识稳态工作点上的局部线性模型G(q)。

步骤三：辨识流程装置过渡过程中的加权函数α(w)。

将加权函数α(w)参数化为三次样条函数，使用输出误差法将三次样条加权函数的参数估计问题转化为无约束的最小二乘命题，结合变负荷操作过渡过程的工况数据估计α(w)的参数。

步骤四：使用全局变工况数据，对G(q)和α(w)进行迭代优化。

结合变负荷操作过程的所有数据，首先固定α(w)，使用Gauss-Newton算法对G(q)进行优化，其次固定一次优化后的G(q)，使用步骤三中的方法优化α(w)。此步骤迭代进行，直至优化后的G(q)和α(w)参数收敛，获得最优的和