[发明专利]精馏塔优化控制方法

摘要

本发明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。

主权项

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： η T T T B = G C * R / F Q / F - - - ( 3 ) 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为基于容器数学模型的将液位转换为质量积蓄量的函数；LR，new、LR，old分别为当前和时间间隔t之前的时刻的塔顶回流罐液位检测值；LB，new、LB，old分别为当前和时间间隔t之前的时刻的塔釜液位检测值；步骤A4：判断稳态优化时刻到否：若稳态优化时刻到，则执行步骤A5；否则，执行步骤A6；步骤A5：基于产品质量化验数据CD和CB用分片线性规划算法对所述分片线性优化模型进行稳态优化，求解最优决策变量，所述决策变量包括：轻重产品比η、塔顶温度TT和塔底温度TB的给定值；所述稳态优化的目标设定为在公式(1‑1)‑(1‑4)的约束和各变量优化限区间不等式的约束下，产品价值减去能耗的综合生产效益值的相反数取最小；优化求解并实施后转入步骤A10；步骤A6：判断动态反馈优化时刻到否；若动态反馈优化时刻已到且得到新的塔顶产品质量CD和塔底产品质量CB，则执行步骤A7；否则，执行步骤A8；步骤A7：基于所述动态预测模型预测产品质量的稳态值，以其中高价值产品质量的动态预测稳态值卡上限为目标求解最优决策变量，所述决策变量包括轻重产品比η的给定值；使用带有反馈校正的动态预测模型(7)和(8)，对产品质量进行稳态值预测：CD，p(k+N)＝GO，D(η(k+N‑1)，TT(k+N‑1)，TB(k+N‑1)，CF(k+N‑1))                                                                    (7)            +CD(k)‑CD，m(k)CB，p(k+N)＝GO，B(η(k+N‑1)，TT(k+N‑1)，TB(k+N‑1)，CF(k+N‑1))                                                                    (8)            +CB(k)‑CB，m(k)其中下标p表示反馈校正后的模型预测值；目标函数JDO为JDO＝wD(CD，max‑CD，p(k+N))2+wB(CB，max‑CB，p(k+N))2                (9)其中wD、wB分别为塔顶产品质量CD、塔底产品质量CB的优化权值；wD、wB满足：当塔顶产品价格低于塔底产品价格时，wD＝0，反之，则wB＝0；优化求解并实施后直接转入步骤A10；步骤A8：判断前馈补偿时刻到否：若前馈补偿时刻已到且得到新的进料组成CF，则执行步骤A9；否则，转入步骤A10；步骤A9：根据所述进料组成CF的数据的变化，用线性化增量公式(10)调整轻重产品比的控制目标； η sp = η sp , old + 1 - C D - C B ( C F - C D + 1 ) 2 ( C F - C F , old ) - - - ( 10 ) 其中ηsp表示新的轻重产品比的设定值，ηsp，old表示原来的轻重产品比的设定值，CF表示当前的进料组成，CF，old表示原来的进料组成；步骤A10：以回流进料比R/F和再沸负荷进料比Q/F作为操作变量，以轻重产品比η、塔顶温度TT和塔底温度TB作为被控变量，对精馏塔进行多变量预测控制；步骤A11：通过通讯接口实施回流量R和再沸负荷量Q的控制值，本控制周期结束，转到步骤A2等待下一周期。