常压塔APC控制策略分析–上传.docVIP

常压塔模型预测控制功能设计分析 前言 模型预测控制是一种基于控制对象模型的滚动优化的控制方法，其算法核心是：根据动态数学模型预测过程未来行为，用实际测量数据在线反馈矫正模型误差，反复优化并滚动实施控制作用[1]。 在模型预测控制器中有三种过程变量： 被控变量CV： 被控变量是控制器的目标或约束条件。被控变量一般为过程的可测量变量或间接测量变量（如：塔的内回流或柴油的干点等）。 操作变量MV： 操作变量是是控制器调节手段，一般为DCS控制器的设定值或其它控制器的设定值。 干扰变量DV： 干扰变量是一些可测的，对系统输出有影响的，但不能控制或不便于的变量。这些变量可作为前馈输入。 在控制系统中，操作变量和干扰变量作为引起受控变量变化的原因，都是被控对象的输入变量，受控变量则是被控对象的输出变量。对于一个工艺过程特别是较复杂的过程， 可以分解成不同的控制对象。选择不同的过程变量做为操作变量和被控变量，是控制工程的基本问题之一。不同的变量选择确定不同的控制对象，随工艺过程会有不同的控制结果。 被控对象的输入、输出变量之间的动态响应关系用传递函数形式来表达： Y(s)= e-τsU(s) 式－1 式中y为输出变量，u为输入变量，τ为纯滞后时间。 对于多输入多输出过程可构成一个动态模型矩阵： ＝ 传递函数的阶数越高模型的精度也越高，但计算的负荷也越大。由于模型预测控制对模型精度要求低，具有控制效果好、鲁棒性强等优点，可有效地克服工业过程的非线性和过程模型的不确定性，并能方便地处理过程被控变量和操作变量中的各种约束。目前在炼油、化工等工业过程中，模型预测控制技术已经得到了广泛的应用。 模型预测控制应用 由于常、减压塔的物质传递与能量转化，使得常减压装置成为一个多个过程变量高度耦合的工艺过程。采用模型预测控制，能够直接处理这些耦合与干扰，因此模型预测控制技术应用能够明显地改善常减压装置整体的操作水平及运行过程，获取经济效益。 在模型预测控制技术的应用设计中，功能设计是其中至关重要的一个环节。模型预测控制器的功能设计主要包括以下几部分内容： 制定控制目标，即模型预测控制预期达到的目的； 确定控制器的规模和相关的控制变量CV、操作变量MV和干扰变量DV； 确定系统的能控性和适应性。 目前在模型预测控制技术的应用设计中存在一个观点，如果一个变量测量情况较好并且可控，且与一个CV间存在动态响应模型，就可以认为这个变量可以作为该CV的操作变量。如果这个变量不可控制则作为干扰变量。然后通过阶跃试验和模型辨识得到相应的数学模型。但是在实际的应用过程中由于这种方式过于依赖实验数据，效果并不好。 在模型预测控制技术的应用中，模型的建立通常采用基于机理建模（也称为分析法）和根据输出响应数据辨识建模（也称为实验法）两种方法。两种方法各有优缺点[1]，而目前比较好的方式是两者结合取长补短。通过机理分析，合理确定控制对象的变量，得出数学模型的函数形式，对其中的部分参数通过实测得到。功能设计的主要工作实际上就是紧密结合工艺过程通过机理分析确立预测模型中各个变量的位置、作用及其相互对应关系。在这个基础上再有针对性地进行阶跃试验和模型辨识可以达到事半功倍的效果。 常压塔控制器功能设计 常压塔的热量平衡 图1是一个比较典型的以航煤和柴油为主要产品的常压塔流程图，下面以这个常压塔的控制器功能设计为例，进行控制策略的分析。 由于在常压塔内不存在化学反应,物理反应本身并不吸收和产生热量,因此可以写出热量平衡式(热损失忽略不计): Qi=Gi1Ci1Ti1+ Gi2Ci2Ti2+…+GimCimTim 式－2 Qo=Go1Co1To1+ Go2Co2To2+…+GonConTon 式－3 Qi= Qo 式－4 式中QI为进入常压塔的总热量，Qo为常压塔输出的总热量；Gi1 、Gi2、…、Gim为进入常压塔流体的质量流量；Go1 、Go2、…、Gon为常压塔输出流体的质量流量；Ci1 、Ci2、…、Cim为进入常压塔流体的热焓；Co1 、Co2、…、Con为常压塔输出流体的热焓；Ti1 、Ti2、…、Tim为进入常压塔流体的温度；To1 、To2、…、Ton为常压塔输出流体的温度。 常压塔产品质量的变化主要体现在产品抽出温度和热焓变化上。温度的变化是热量传递过程，热焓的变化是物料传质过程，而控制这些变化的手段多为流量控制。通过简化热量平衡式可以看出相关变量间的对应关系。 例如：在其它操作变量不变