[发明专利]新能源电池涂布后烘干控制系统工作点实时优化系统

权利要求书

1.新能源电池涂布后烘干控制系统工作点实时优化系统，所述烘干系统包括m节烘箱及配套n段总送风管和总回风管，其中每节烘箱包括一个电动回风阀、一个内循环风机、一个电加热包和一个排风机；其特征在于：通过调节m个内循环风机频率和m个回风阀开度来控制回风量；通过调节m个电加热包功率来控制烘箱内的温度；通过调节m个排风机频率来补偿烘箱内压力的变化和NMP浓度变化；通过调节n个外循环风机频率来控制各节烘箱NMP浓度和总NMP浓度；其中，n小于m；

所述优化系统以T_RTO为调用周期实现工作点优化，该优化系统包括RTO优化控制模块；所述RTO优化控制模块基于能耗和NMP浓度指标构建多目标优化函数，通过求解该目标优化函数来确定NMP浓度的控制目标、内循环风机频率以及外循环风机的最低频率，构建的目标优化函数通过求解带有约束的线性优化方法来实现；其中，能耗的指标通过风机频率和温差建立和加热量的数学表达；NMP浓度指标是基于内循环风机到NMP浓度的模型进去预测计算未来一段时间的平均NMP浓度；预测NMP浓度的模型使用初始化给定的模型或调用RTO优化模块过程中，根据需要实时在线辨识后的模型；每一次调用RTO优化控制模块时通过求解优化目标函数，获得下一个调用周期内的最优的NMP浓度控制目标、内循环风机频率与外循环风机频率下限保护值，实现在NMP浓度不超标的前提下尽可能降低系统总循环风量。

2.根据权利要求1所述的新能源电池涂布后烘干控制系统工作点实时优化系统，其特征在于：所述RTO优化控制模块的目标优化函数为：

s.t.

C_i＜C_i,max i＝1,…,m (2)

F_in,min≤f_in,i≤F_in,max,i＝1,···,m (3)

式(1)中，J₂是目标函数，Q_i(f_in,i)、分别用来表征第i节烘箱新增热量和NMP浓度的指标；其中q_i和r_i分别是第i节烘箱的热量指标和NMP指标的权重系数，权重系数取值越大，优化过程对应i项的约束越严格；m代表烘箱的数量，F_in,min和F_in,max分别是内循环风机频率的最小值和最大值约束条件；C_i,max是NMP浓度的最大安全值；H_c是基于内循环风机频率作为输入对NMP的浓度的影响的预测周期，模型预测时的基础时间单位与系统的采样时间相同；对于NMP浓度求和再除以预测周期时间，表征一个预测周期里对应不同内循环风机频率设置值的未来平均NMP浓度；

Q_i是烘干过程中外部输入热量的一种表征，而外部热量输入需要能源消耗，作为衡量经济性指标的；Q_i和f_in的关系可以通过公式(4-6)来表达；

Q_i＝V_i*ΔT_i (4)

ΔT_i＝T_i,tgt-T_i,ret (5)

根据式(4)可知，Q_i是第i节烘箱内循环风量V_i和烘箱温度增量ΔT_i的线性函数，由于正常烘干过程，回风温度小于烘箱目标温度，温差是取值为正，同时风量也非负，所以Q_i取值为正；其中，T_i,tgt是第i节烘箱的目标温度，T_i,ret是第i节烘箱的回风温度；其中，循环风量V_i通过公式(6)来计算，其中f_i为风机频率；p为电机磁极对数；R为风叶转子半径；L为风叶转子宽度；λ_v为风机容积系数；循环风量可以近似是风机频率的线性函数；根据RTO优化时刻的回风温度，通过内循环风机频率计算对应加热包的消耗的热量[Q₁,…,Q_m]；

C_NMP＝[C₁,…C_m]为各节烘箱NMP浓度，C_i是NMP浓度表征，作为过程安全指标相关的变量，也和内循环风机频率f_in有关；考虑到NMP和内循环风机频率的动态响应，在每一个动态工作点处，辨识出各节烘箱NMP浓度[C₁,…C_m]与内循环风机频率之间的ARX模型：

A_i(z^-1)C_i(k)＝z^-dB_i(z^-1)f_in,i(k)+ξ_i(k) i＝1,2,…,m (7)

式中，A、B为模型参数，f_in,i(k)为k时刻第i节内循环风机的频率；C_i(k)为k时刻第i节烘箱的NMP浓度；ξ_i(k)为k时刻不确定性扰动；

根据式(7)的模型计算出内循环风机频率对应的NMP浓度[C₁,…C_m]的时间响应，转换成连续时间的风机频率对NMP浓度模型后代入RTO优化模型(1)中求解优化问题。