化工技术进展论文

间歇过程优化及应用

一、间歇过程概述

按照最终产品的输出形式，工业加工过程可分为连续、离散和间歇过程。间歇过程在化工生产和人们日常生活中占有重要地位。间歇过程既不是连续过程也不是离散过程，但兼有两者特点。通常将间歇过程定义为：将有限的物料，按照规定的加工顺序，在一个或多个设备中加工，以获得有限产品的加工过程。如果需要更多的产品，则需要重复该过程。

间歇过程广泛应用于精细化工、生物制品、药品生产、农产品深加工等领域。近年来, 为适应多品种、多规格和高质量的市场要求,间歇过程生产重新受到重视, 国外还出现了较大规模的间歇生产, 针对间歇过程的优化和先进控制的研究也出现了新的热潮。在普通工业过程中间歇过程也有广泛的应用。

间歇过程中的优化问题主要包括针对间歇过程单元的操作优化及针对间歇过程装置级的设计优化或优化调度两大方面。在最优操作轨线确定的条件下, 间歇单元的最优化体现为跟踪控制, 目标是如何使过程变量快速准确地跟踪既定轨迹, 从而满足优化指标的要求。

二、间歇过程的优化及其应用

间歇过程单元是间歇过程的最小组成单位, 是实施优化和先进控制的基础。常见的间歇单元主要有间歇反应过程、间歇精馏过程及间歇干燥过程等,在操作上又有各种半间歇和全间歇的形式。虽然操作方式不同, 但这些间歇过程单元都具有一些共同的特性: 没有稳定的工点, 运行时间有限, 运行具有重复性等。没有稳定的工作点给控制和优化带来了很多困难, 而运行时间的有限性和操作的重复性是可以利用的优势。另外, 间歇过程的建模相对连续过程具有更多的不便, 这是因为间歇过程单元的灵活性决定了加工产品随时可能改变, 不具备辨识模型所需的大量实验和时间条件。因此, 较新的研究往往是基于简化模型的, 然后在各种反馈设计和方法上下功夫。随着现代测量技术的进步, 传统的基于离线过程建模的优化转向了基于实时测量的闭环优化, 其特点是将优化所使用的过程模型的辨识和更新建立于在线测量、软测量、滤波等基础上。而优化的策略也从基于模型的向基于测量值的转变。

间歇过程单元的优化通常是以提高产品的质量、产量或缩短运行时间等为目标, 目标的实现一般由最佳操作轨线来保证。所谓的操作轨线, 指的是过程中易于测量的控制变量如温度、流量等的变化曲线。间歇过程单元的控制变量一

般不多, 常见的有反应温度、参与反应的组分流量等。但在实际的工业生产中, 温度和流量都参与控制是没有必要的。在某一时间段, 通常的做法是主要控制一个变量, 其它变量保持恒定。例如在常见的半间歇反应过程的开始阶段, 以控制流量来达到过程优化目的时, 一般保持反应的恒温。

由于优化在层次上高于基于参考轨线的跟踪控制,所以对间歇过程经济效益的提高往往能够起到更大的作用。确定最佳操作轨线的方法有离线优化、在线优化和批次对比优化等。传统的优化一般是离线进行的, 运行时采用开环实现。方法无非是基于经验规则或模型, 采用解析解法或数值方法对优化问题进行求解,得到相关控制变量的最优跟踪轨线。而这种方法无法保证经验规则和过程模型中的不确定性因素,同时无法克服由于初始条件和过程干扰对系统实时运行的影响。优化过程中用到的数学求解方法根据具体问题的描述形式不同, 主要有直接求解, 使用最大值原理和动态规划方法求解等。其中直接求解又有一些专用的解法。例如, 使用打靶法)求解直接优化问题描述的两点边值问题等。无论是优化还是控制, 都存在模型的不确定性和生产过程中存在的约束等问题。在这一点上, 间歇过程比连续过程有更多的劣势。因此, 在讨论间歇过程先进控制和优化时, 必须注意到不确定参数模型和约束的处理等问题, 实际上先进的控制和优化正是针对这些问题而做出的。

下面举一些优化策略及其应用

1、在线优化

一种较常见的在线优化方法是基于在线辨识的重复优化。该方法使用优化目标函数和过程变量之间的模型进行最优化计算, 并通过在线辨识不断更新模型。这种优化、辨识、再优化的过程不断重复进行。另一类常见的优化策略采用串级的方式。串级的内环采用普通的控制器, 完成对给定值的跟踪。。

2. 、批次对比优化

由于间歇过程特有的重复运行特性, 每次运行后的数据都对过程优化提供了额外有价值的信息。这样, 通过一些迭代算法, 将这些历史数据运用于间歇过程的后续运行中, 就可以使得优化指标不断得到改进。值得注意的是, 最终产品的性能指标变化需要认真评估, 特别是对目标变化率低而又极为重要的行业, 如特殊合成和制药等。从这一点出发, 也能看出该策略的优越性:几乎不需要模型。批次对比优化中通常考虑的核心问题是如何从先前的批次数据中提取有价值的信息。一种方法是使用主元分析、部分最小二乘等多变量统计分析方法等来分析, 由此得到优化指标和过程变量之间的统计相关模型, 然后使用该模型, 在后续的批次中根据实时测量值更新操作轨线。

由于在线优化和批次对比优化越来越趋向融合, 一些将两者优点结合起来

的方法已经提出。间歇单元操作优化问题的进一步解决既有赖于新方法的使用, 也在于最优化算法的发展和在线测量技术的进步。

3、实时优化

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需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。

实时优化集成策略：在得到过程模型后, 以工业应用为平台建立间歇过程实时优化策略, 以实际过程和过程模型为中心, 利用在线测量、动态数据校正和参数估计等技术将实际过程和模型连接起来, 主要利用过程测量数据进行模型参数的实时更新, 动态优化针对模型进行控制, 曲线优化作为输入传递至模型预测控制, 模型预测控制则针对复杂的实际过程进行跟踪控制。

控制是实时优化技术工业化应用的关键。而间歇过程由于过程本身的动态性和非线性使得对模型预测控制提出了更高的要求, 过程更多地需要非线性模型预测控制, 目前针对非线性模型预测控制大多数仍是采用近似线性处理的方法进行, 由于其相对简单在工业过程也得到了一定的推广, 而真正以非线性模型为基础的模型预测控制虽然针对某些特定的系统取得了一定的研究成果, 但是其发展仍不是很成熟, 也缺少一定的普遍性, 所以针对间歇过程实时优化技术的工业化过程, 非线性模型预测控制技术仍是当前应当解决的一个重要课题。

4、换热网络的结构优化

换热网络的结构优化是指在经过换热网络综合得到的最大热回收网络的基础上, 对换热网络进行调优, 使换热网络结构得以简化的设计方案。

间歇过程换热网络综合方法主要有4 种: ( 1)时间平均模型( TAM ), 也叫虚拟连续模型; ( 2) 时间段模型( TSM)]; ( 3) 与时间有关的热级联分析法( T DHCA); ( 4) 时间重排法。目前, 文献中大多数采用传统的夹点分析法进行间歇过程换热器网络综合, 即采用单一最小传热温差确定夹点位置, 也有采用虚拟温度法进行间歇换热器网络综合。以上介绍的都是一些启发式的方法, 这种方法比较直观, 好理解, 但是它很难处理多维问题。鉴于数学规划法处理复杂问题的强大能力, 许多人也研究了数学规划法在间歇换热网络综合中的应用。换热网络经综合以后, 可以获得系统的最大热回收, 但此时系统中还可能存在热负荷回路,