间歇过程实时优化

第62卷第10期化工学报Vol. 62 No. 102011年10月CIESC JournalOctober 2011张研究论文间歇过程实时优化9>33939393杨国军，李秀喜，陈赞，钱宇(华南理工大学化学与化工学院，广东广州510640)摘要:由于生产过程中参数的不确定性和各种扰动作用，间歇生产过程的最优操作条件儒要随时作出调整以保证生产的正常进行和满足生产产品质量的要求。针对间歇生产过程的操作条件的变化和不确定性因素的影响提出一种应用于间歇生产过程中的实时优化策略，其主要构成步骤包括动态模型建立、模型降阶、动态优化、在线监测、模型更新和在线调整，并以一个典型可逆酯化反应为研究对象进行方法和理论框架的运用，结果表明本文提出的基于在线测量的实时优化方法能够很好地针对生产过程中的操作条件变化和不确定性因素的影响，提高生产效率和产品质量。关键词:间歌过程;在线测量;实时优化;参数不确定性DOI: 10. 3969/j. issn. 0438-1157. 2011. 10. 023中圈分类号: TQ 021.8文献标志码: A文章编号: 0438- 1157 (2011) 10- 2839- -06Real-time optimization for batch processYANG Guojun, L1 Xiuxi, CHEN Yun, QIAN Yu(School of Chemical Engineering，South China University of Technology , Guangzhou 510640, Guangdong, China)Abstract: In batch process, with uncertainty stemming from model mismatch and process disturbances, itis not sufficient to determine numerically an optimal solution on the basis of a nominal model and apply itto the process to implement an optimization-based control system. In this paper, a new integratedframework for real-time optimization of batch process with the change of operating condition and parameteruncertainty is presented. It mainly constructs with dynamic modeling, model reduction, dynamicoptimization, on-line measurement, model updating and nonlinear control. And at last, the optimizationstrategy has been applied to a typical scale reversible reaction. The results show the feasibility of theproposed strategy to deal with the change of operating condition and the effect of parameter uncertainty anda significant increase in efficient and quality of the process.Key words: batch process; on-line measurement; real-time optimization; parameter uncertainty化生产为主，然而随着市场环境的变化以及人们需引]言求的不断提高，以满足客户性能需求的小容量、高传统化学工业以大宗基础化学品的大规模连续附加值的精细或专用化学品的间歇生产过程开始成2011-07-13收到初稿，2011-07 -23收到修改稿。Received date; 2011 -07- 13.联系人:李秀喜.第一作者:杨国军(1985-)， 男，博士研Corresponding author: LI Xiuxi, associate professor, cexxli@究生。scut. edu. cn基金项目:国家自然科学基金项目(20876056, 20906028);Foundation tem: supported by the National Natural Science教育部博士点基金项目(0100102110016); 工业控制技术国家重Foundation of中国煤化工’。Ph. D. Programs点实验室开放课题基金项目(ICT1115).Foundation of NI( 20100172110016)and the Progran:5YHC N M H Gndustial CottrolTechnology (ICT1115)..，2840●化工学报第62鲞为研究热点。然而由于这些过程本身的动态特性以此如何在生产过程中消除由于参数的不确定性而造及在同一设备上运行不同的生产批次的需要所产生成的产品质量问题将是一个亟待研究的向题([012)2.的各批次之间的操作条件的变化会带来许多安全问本文针对间歇过程中参数不确定性因素的影响提出题以及产品质量不高或重复性差等问题[。同时--种实时优化策略，集成当前各种先进理论和技由于操作过程中进料的变化、过程参数的不确定术，针对其中的各种理论和技术进行改进以更好地性因素以及各种扰动作用都会导致过程的操作策满足间歇过程实时优化的要求，并进-步寻找工业略和操作条件必须实时进行更新。而过程实时优化应用过程会出现的技术问题并寻求解决方案以进化技术通过在线监测过程参数和产品质量参数的一步完善各种理论和技术的发展，促进间歇过程实变化而进行实时的寻找最优操作点或轨迹，并控时优化的工业化进程。最后本文以-一个典型可逆酯制过程在最优操作条件下运行，从而保证产品质化反应为案例进行应用研究，对所提出的理论进行量的最优与稳定。因此研究间歇过程的实时优化进一步的验证和完善.技术是产品质量控制研兖领域的一个重要研究1实时优化集成策略课题。基于稳态过程的实时优化已经进行了大量的研基于在线测量的实时优化策略涉及的理论和技究工作，并取得了较好的研究成果，已有许多成功术主要包括动态建模，动态优化理论，在线测量技的工业应用案例，如Chen等[2]从20世纪80年代.术和非线性控制技术，而将这些技术集成融合并应起就进行了大量深人的研究，并应用于乙烯生产的用于过程实时优化将成为间歇过程实时优化技术能工业装置中取得了一.定的效果。Shao 等[3) 提出记否工业化应用的关键。本文以各种现有理论为基础忆增强型实时操作优化，以实时操作优化中计算的结合工业实际提出一种集合理论、实验和应用的集反复性和相似性为出发点，研究充分利用历史求解成策略，利用实验设计方法进行间歇过程建模，其信息有效提高操作优化性能的方法等。而针对间歇中包括测试、模型对比和参数校正并不断地重复步动态过程的实时优化研究仍主要停留在理论探索阶骤以得到尽可能符合生产实际的过程模型，同时由段，工业应用实施还存在- -定距离，其主要由复杂于最后得到的模型往往比较复杂，对动态优化算法间歇过程的模型难以建立，动态优化算法不够成熟是一个巨大的负担，因此针对最后得到的准确模型以及非线性控制的工业化仍存在诸多不足等困难因需要进行一定的降阶处理以保证实时优化的时效素导致，这些也是目前国内外研究人员研究的主要性，具体过程如图1.内容。如刘兴高等(4]、陈德钊等[5]在动态优化方面( experiment]_ preliminarymodeI pararmeter做了大量的研究工作，王树青等[6)在过程控制、非I discrimination precision线性控制方面进行了较深人的研究并取得了一系列model reduction的研究成果。然而由于动态过程实时优化涉及的理论和技术比较多，包括动态过程建模、动态数据校( validated model)正、在线监测、动态优化和非线性控制等1[:4),而[model其中各个理论的发展又相对比较独立，理论算法和技术的不平衡或者不兼容导致目前仍缺乏针对动态图1间歇过程建模策略过程实时优化的比较有效的并且较一般性的理论和Fig 1 Model-building strategy for batch process方法，因此综合各种有效的理论方法和技术提出一在得到过程模型后，以工业应用为平台建立间个针对间歇过程的实时优化策略和框架，不仅有歇过程实时优化策略，以实际过程和过程模型为中利于促进各个理论有效合理的发展，还能更加直心，利用在线测量、动态数据校正和参数估计等技接地促进间歇过程实时优化技术的发展和工业化术将实际过程和模型连接起来，主要利用过程测量应用。数据进行模型参数的实时更新，动态优化针对模型在实际生产过程中，许多过程参数往往难于获进行控制，.中国煤化工至模型预测控得准确的值，特别是间歇生产过程，由于其本身的制，模型预MHCNMHG过程进行跟踪动态特性使得过程参数在过程中产生波动变化，因控制，如图2。第10期杨国军等:间歇过程实时优化●2841●parameter update2.2模型降阶模型降阶方法主要通过将B、C、D分别用物model predictivebatch process toff-linecontrol料A的溶度表示以减少过程模型数量，首先由式optimization(3) 可以得到real-time updatingmeasurement on-!ine:data estimateiationVdCs+co __ bR,v(8)model update将式(2)代人式(8)得Hdynamic optimization- model tVdCi+c。d= b d(VCA_ bFc,(9)图2间歇过程实时 优化策略dFig.2 Real- time optimization strategy for batch process并由式(9)两边进行从0到t的积分得C。-VCw+皇(C.-VCm-C+￥cr) (10)2动态过程建模同理可得2.1动态模型Cc= Vco-&(c.-Vcw-G+Xc,) (11)以一间歇可逆反应为案例: aA+bB= >xcC +dD,其示意图如图3。C=Vc∞-∈(c-￥Cw-Cr+YCr) (12)feedF Cp将式(10)~式(12)代人式(7)得reactionR = R(T,CA,V)(13)最终化简后得模型方程为(14)([V:]-['F设x=VCA，xz=V,最终可得降阶的模型方程为,cooling, jacket(15)&[2]-[-Rs+C.F]jacket coolant outjacket coolant inC。Vr式中Cao为反应器中 A物质的初始浓度，V。为反应器中溶液初始体积。图3间歇过程示意图B动态优化Fig.3 Schematic diagram of batch reactor3.1优化模型物料平衡优化目标为产物溶度最大或者反应物溶度最(1)小，由两部分组成，-部分为从开始(t=0)到当d(VCA=R,V+ FC,(2)前t时刻的测量值，另一部分为从当前t时刻至结di東tp时刻的预测值，具体表述为:d(VCg)但=- bRAV(3)目标函数dtd(VCc)_ LR,Vmin] = ]r<()d+ ["*x{()dt(16)it模型:式(9)和式(2)d(VCo)= LR,v5)状态约束能量平衡出咖≤刈≤xm，2,m≤η≤I2.m出一号(T,-D+ HR+A