软测量技术和约束控制在精馏塔优化控制中的应用 -中华塔器网

1　引　言　　
在许多工业控制场合，存在着一大类这样的变量，它们由于技术或经济上的原因，目前难以或无法通过传感器在线进行测量，但又是需要加以严格控制的与产品质量密切相关的过程变量。为了解决这类变量的测量问题，软测量技术得到了很大发展。软测量的基本思想是把自动控制理论与生产工艺过程知识有机结合起来，应用计算机技术，对于一些难于测量或暂时不能测量的重要变量（称之为主导变量），选择另外一些容易测量的变量（称之为辅助变量），通过构成某种数学关系来推断和估计，以软件来代替硬件功能。
精馏过程是石油、化工等行业的关键操作单元，一般具有较强的非线性、内部耦合性。优化控制希望在保证产品纯度的前提下，提高回收率，降低能耗。根据工艺机理，对丁二烯精馏塔进行了机理建模，发现塔顶和塔底之间的关联是非常严重的。因此，应避免对塔顶和塔底同时采用定值控制，采用以下控制方案：对塔底馏出物中的H2 O含量进行给定值控制，通过基于软测量模型的推断控制来实现，而对塔顶馏出物中甲基乙炔含量进行约束控制，使塔顶馏出物中甲基乙炔浓度控制在一定的范围内，中心给定值和约束区间可以调整。
2　软测量模型的建立　　
软测量模型是软测量技术的重要组成部分。建立被估计的过程变量（即主导变量）和与该过程变量有关的其它过程变量（即辅助变量）间的数学模型有多种方法。如机理建模、统计回归建模和人工神经网络建模等。软测量模型不同于一般意义下的数学模型，强调的是通过辅助变量来获得对主导变量的最佳估计。采用基于多元逐步回归方法来建立塔底H2 O含量软测量模型。
2．1　输入变量的选择与数据预处理
基于精馏塔现场采样数据并结合工艺机理分析，塔底馏出物中H2 O含量的主要扰动是：进料量、回流量、再沸器加热量、灵敏板温度以及塔顶压力等因素。基于软仪表的优化控制系统中，融合了大量的现场数据，任一个数据的失效都可能导致系统整体性能下降，甚至完全失效。因此对输入数据进行误差处理是必不可少的。一般认为测量数据的误差分为随机误差和过失误差两类。
（1）随机误差的处理
对于随机误差通常采用数字滤波法，如高通滤波、低通滤波、数据平滑等，通过各种算法软件可以实现。
（2）过失误差的处理
过失误差出现的概率虽很小，但它的存在会严重恶化数据的品质，可能会导致软测量甚至整个过程优化的失效。因此及时剔除和校正这类数据是误差处理的首要任务。常用的统计方法有拉依达准则、格拉布斯准则、罗曼诺夫斯准则和方差比准则等。拉依达准则又称为3σ准则，是一种最常用、最简单的准则。一般情况下，对于一组样本数据，如果样本数据中存在随机误差，则根据随机误差的正态分布规律，其偏差落在±3σ以内的概率为99．7％。所以在有限的样本中若发现有偏差大于3σ的数值，则可以认为它是异常数据而予以剔除。
2．2　多元逐步回归分析方法
回归建模是根据统计学的原理，通过大量实时的能够检测到的数据，用统计回归的方法来建立未知的过程变量与可检测过程变量间的数学模型。即

式中为被估计变量；d为可测扰动；u为对象的控制输入；y为对象可测输出变量。
离线测量（或长周期采样）数据X＊，与对应的历史数据｛d，u，y｝构成软测量模型的输入输出样本，用于式（2—1）拟合。表示为线性结构。即

式中，Φi为m维可测变量行向量；θi为m维线性系数列向量；θ0i为常数。考虑n组输入输出数据，有矩阵

　
式（2—4）解的存在性取决于样本数据矩阵Φ。当输入变量均线性无关时（ΦTΦ）－1存在。反之，Φ为病态阵，表明输入变量中包含多余的信息。为此，可在输入变量选出贡献较大的独立变量———辅助变量，然后采用最小二乘线性回归算式，也可以直接采用可克服病态问题的部分最小二乘法（PLS）。线性模型简洁，外延性好。但是，当式（2—2）模型的非线性特性较显著时，线性拟合精度较差，此时需采用非线性模型描述。
多元逐步回归的基本思想是有进有退。具体做法是将变量一个一个引入，每当引入一个变量后，对已选入的变量要进行逐个检验，当原引入的变量由于后面变量的引入而变得不再显著时，要将其剔除。引入一个变量或从回归方程中剔除一个变量，为逐步回归的一步，每一步都要进行F检验，以确保每次引入新的变量之前回归方程中只包含显著的变量。这个过程反复进行，直到既无显著的自变量选入回归方程，也无不显著自变量从回归方程中剔除为止，以保证最后所得的回归子集是最优回归子集。
2．3　软测量模型的在线校正
将上述建立的塔底馏出物中H2 O含量软测量模型直接应用于工业装置的实时控制，不可避免地要产生一定的偏差。在实际生产中，丁二烯精馏单元的操作工况，诸如进料组分、再沸器加热量以及塔板分离率等生产工况和参数，不同程度地发生变化都会造成软测量模型的估计偏差。因此，必须对上述建立的软测量模型进行在线校正，以使其适应过程操作特性的变化和生产工况的变迁。
软测量在线校正必须注意的问题是过程测量数据与实验室人工分析数据在时序上的匹配。根据实验室人工分析值对软测量模型进行校正，校正周期是8 h。校正模块计算公式是：

式中，s132为塔底H2O含量实验室分析值；k为校正系数；t0为采样时刻（00∶15，08∶15，16∶15）；
y为软测量模型H2O含量计算的输出值；　　
y为经过实验室人工分析值校正后的软测量模型计算的输出值。
3　约束控制　　
控制系统中反馈控制的依据就是偏差，即被控变量的给定值与测量值之差。偏差越大，控制作用就越强。但对于约束控制，希望测量值在给定值为中心的一个约束区间内，同时希望测量值尽可能接近中心给定值。目前，一般将偏差简单地处理为：

式中：ysp为被控变量的给定值；ypv为被控变量的测量值；r为约束半径；
虽然上述处理方法简单，但实际应用中由于干扰存在，常常引起被控变量在约束区间内振荡，且在约束边界上偏差有一个跳变，因而会导致控制器有较大的跳变输出。这无疑会影响控制效果。为了避免上述情况，即要求偏差变化的连续性。将式（3— 1）修正如下：

式中：sign（）为符号函数；n为指数；
其中n＞1，其取值依据对偏差处理的要求而定，n越大，约束区间偏差被处理就越小。当n＝∞时，为约束控制偏差简单处理方法。
4　软测量技术和约束控制在丁二烯精馏塔中的应用
4．1　工艺流程
某石化企业丁二烯装置采用日本瑞翁公司GBP工艺，以二甲基甲酰胺（简称DMF）为溶剂，以裂解C4馏分中抽提丁二烯－1，3。丁二烯－1，3中的甲基乙炔和H2O在该塔中脱除。该塔的控制指标：塔顶馏出物中甲基乙炔含量不超过50 ppm，否则会发生爆炸。塔底馏出物中H2O含量不超过20ppm。原控制方案如图4—1所示（虚线框除外）。

4．2　原控制方案存在缺陷
由图4—1可知，该塔的控制全是简单PID控制。塔顶压力由冷却水流量来调节，塔底采出量由塔釜液位控制，回流量由回流灌液位来调节。而再沸器加热量和塔顶排放量都是定值控制。由于工况的变迁，操作工要不时地调节这两个回路的给定值，以适应新的工况。为了保证塔底馏出物中H2 O含量不超过20 ppm，往往通过人工调节再沸器加热量的设定值，这势必造成能耗的增加，且塔顶馏出物中甲基乙炔和丁二烯含量增大。为确保安全，操作工一般将塔顶排放量加大，这无疑降低了丁二烯的回收率。为此，将上述两个定值控制回路分别改为基于软测量模型的推断控制和约束控制（如图4—1虚线框所示）。
4．3　在线优化控制的实现
塔底H2 O含量控制采用基于多元逐步回归分析的软测量模型来实现，其控制方案如图4—2所示。由塔底H2 O含量来计算出当前最佳流量的设定值。

塔顶甲基乙炔含量采用约束控制，指数n＝3，约束半径r＝5％。实施优化控制可以实现塔底H2 O含量给定值控制，从而实现质量卡边控制，而塔顶馏出物中的甲基乙炔含量也控制在一定的范围内，实行约束控制，提高了丁二烯的回收率。
5　总　结　　
在某石化企业丁二烯装置优化控制项目中，采用基于多元逐步回归分析的软测量模型能有效地估计出当前塔底H2 O含量，以实现卡边控制，降低了能耗。而实施约束控制既保证甲基乙炔含量控制在一定的范围内，又提高了丁二烯的回收率，实际运行已取得明显的经济效益和社会效益。

【查看评论】【发表评论】【加入网络收藏夹】【打印稿件】【关闭】