硕士论文——延迟焦化装置软测量及先进控制研究.pdf

中国石油大学（华东） 硕士学位论文 延迟焦化装置软测量及先进控制研究 姓名：刘立民 申请学位级别：硕士 专业：控制理论与控制工程 指导教师：王宇红 20090501 摘要 随着原油质量变重变劣和轻质油品需求量的上升，延迟焦化工艺凭借自身的优势， 在重油加工中发挥着越来越重要的作用。但由于延迟焦化过程是一个复杂的工业过程， 为改善控制性能，提高产品质量，越来越多的延迟焦化装置开始采用先进控制技术。本 文以辽河石化延迟焦化装置为背景，为实施先进控制，针对该炼厂延迟焦化装置主分馏 塔柴油9 5 点软测量进行了研究。具体内容分为以下几个方面： ( 1 ) 对有界微分网络进行了介绍。在认真研究了有界微分网络结构的基础上，指 出了有界微分网络与b p 网络的不同之处：通过假设，对有界微分网络进行了简化，并 根据有关文献编写了简化后的有界微分网络的训练程序。在此基础上使用有界微分网络 建立了延迟焦化主分馏塔柴油9 5 点软测量模型，结果表明该方法比使用p l s 方法建 立的软测量模型结果要好。但由于对有界微分网络进行了简化，因此会对建模结果产生 一定的影响。 ( 2 ) 基于该延迟焦化装置原料经常发生变化的实际情况，建立了基于模糊c 均值 聚类的多模型软测量模型。结果表明，使用多模型建立的软测量模型的预测结果比不使 用多模型建立的软测量模型的预测结果要好。预测r m s e 有所减少，但是减少的程度有 限。针对这种情况，通过分析得出了多模型的软测量建模方法是一种多次预测取加权均 值的方法，这实际上是一种减小误差的方法。 ( 3 ) 针对实际的延迟焦化装置，设计了分馏塔先进控制器和吸收稳定先进控制器。 根据现场的需要，添加了d c s 数据点，并设计了延迟焦化先进控制的d c s 界面。为保 证先进控制器的安全性，设计了先进控制器的监视系统。 关键词：延迟焦化，软测量，有界微分网络，多模型，先进控制 s o f t s e n s o ra n da d v a n c e dc o n t r o lo fd e l a y e dc o k i n gu n i t l i ul i m i n ( c o n t r o lt h e o r ya n dc o n t r o le n g i n e e r i n g ) d i r e c t e db ya s s o c i a t ep r o f w a n gy u h o n g a b s t r a c t w i t hc r u d eo i lq u a l i t yb e i n gw o r s ea n dt h ed e m a n do fl i g h tf u e lo i li n c r e a s i n gr a p i d l y , d e l a y e dc o k i n gp r o c e s sp l a y sa ni n c r e a s i n g l yi m p o r t a n tr o l ei nh e a v yo i lr e f i n i n gi n d u s t r yb y v i r t u eo ft h e i ro w na d v a n t a g e h o w e v e r , d u et od e l a y e dc o k i n gp r o c e s sb e i n gac o m p l e x i n d u s t r i a lp r o c e s s ，ag r o w i n gn u m b e ro fd e l a y e dc o k i n gu n i t sb e g i nt ou s ea d v a n c e dc o n t r o l t e c h n o l o g yw i mt h ep u r p o s eo fi m p r o v i n gc o n t r o lp e r f o r m a n c ea n dp r o d u c tq u a l i t y o nt h e b a c k g r o u n do fl i a o h er e f m e r yd e l a y e dc o k i n gu n i t ，t h es t u d yo ns o f t - s e n s o ro fd i e s e l9 5 p o i n ti sp e r f o r m e df o rt h ei m p l e m e n t a t i o no fa d v a n c e dc o n t r 0 1 t h em a i nw o r ko ft h e d i s s e r t a t i o nc a nb es u m m a r i z e da sf o l l o w s ： ( 1 ) i n t r o d u c e st h eb o u n d e dd e r i v a t i v en e t w o r k p o i n t so u tt h ed i f f e r e n c eb e t w e e nt h e b o u n d e dd e r i v a t i v en e t w o r ka n db pn e t w o r kb a s e do nc a r e f u ls t u d yo i lt h es t r u c t u r eo ft h e b o u n d e dd e r i v a t i v en e t w o r k ；s i m p l e st h eb o u n d e dd e r i v a t i v en e t w o r kt h r o u g ha s s u m p t i o na n d w r i t et r a i np r o g r a mo fs i m p l i f i e db o u n d e dd e r i v a t i v en e t w o r k 、i t hr e l e v a n tl i t e r a t u r e o nt h i s b a s i s ，e s t a b l i s h e st h es o f t - s e n s o rm o d e lo fd i e s e l9 5 p o i n to fd e l a y e dc o k i n gm a i n f r a c t i o n a t o r su s i n gt h eb o u n d e dd e r i v a t i v en e t w o r k ，r e s u l t ss h o wt h i sm e t h o di sb e t t e rt h a nt h e r e s u l t sw i t hp l s t h e m o d e l i n g r e s u l t sw i l lh a v eac e r t a i ni m p a c tb e c a u s eo ft h e s i m p l i f i c a t i o no ft h eb o u n d e dd e r i v a t i v en e t w o r k ( 2 ) e s t a b l i s h e sam u l t i m o d e ls o f t s e n s o rm o d e lb a s e do nf u z z yc m e a n sc l u s t e r i n g b a s e do nt h ea c t u a ls i t u a t i o nt h a tt h er a wm a t e r i a lo ft h ed e l a y e dc o k i n gu n i to f t e nc h a n g e r e s u l t ss h o wm u l t i m o d e ls o f t s e n s o rm o d e li sb e t t e rt h a ns o f t s e n s o rm o d e lw i t h o u t m u l t i m o d e l 。t h ep r e d i c t i v er m s ed e c r e a s e sb u tt h ed e g r e eo fd e c r e a s ei sl i m i t e d t o a d d r e s st h i ss i t u a t i o n ，p u tf o r w a r dm yo w nc o n c l u s i o nt h a tm u l t i m o d e ls o f t - s e n s o rm o d e l i n g i saw e i g h t e da v e r a g eo fm a n yp r e d i c t i v er e s u l t s ，w h i c hi sam e t h o do fe r r o rc o r r e c t i o n ( 3 ) d e s i g n st h ef r a c t i o n a t i n gt o w e ra d v a n c e dc o n t r o l l e r a n dt h ea b s o r p t i o na n d s t a b i l i z a t i o ns y s t e ma d v a n c e dc o n t r o l l e rb a s e dt oa c t u a ld e l a y e dc o k i n g a d d sd c sd a t a p o i n t sf o rt h en e e do f t h es i t ea n dd e s i g n st h ed c si n t e r f a c eo fd e l a y e dc o k i n gu n i ta d v a n c e d c o n t r 0 1 i no r d e rt oe n s u r et h es a f e t yo fa d v a n c e dc o n t r o l l e r s ，d e s i g n st h em o n i t o r i n gs y s t e m o fa d v a n c e dc o n t r o l l e r k e y w o r d s ：d e l a y e dc o k i n g ，s o f t s e n s o r , t h eb o u n d e dd e r i v a t i v en e t w o r k ，m u l t i m o d e l ， a d v a n c e dc o n t r 0 1 关于学位论文的独创性声明 本人郑重声明：所呈交的论文是本人在指导教师指导下独立进行研究工作所取得的 成果，论文中有关资料和数据是实事求是的。尽我所知，除文中已经加以标注和致谢外， 本论文不包含其他人已经发表或撰写的研究成果，也不包含本人或他人为获得中国石油 大学( 华东) 或其它教育机构的学位或学历证书而使用过的材料。与我一同工作的同志 对研究所做的任何贡献均已在论文中做出了明确的说明。 若有不实之处，本人愿意承担相关法律责任。 学位论文作者签名：圭j 童医2 日期：如( 年f 月，日 学位论文使用授权书 本人完全同意中国石油大学( 华东) 有权使用本学位论文( 包括但不限于其印刷版 和电子版) ，使用方式包括但不限丁：保留学位论文，按规定向国家有关部门( 机构) 送交学位论文，以学术交流为目的赠送和交换学位论文，允许学位论文被查阅、借阅和 复印，将学位论文的全部或部分内容编入有关数据库进行检索，采用影印、缩印或其他 复制手段保存学位论文。 保密学位论文在解密后的使用授权同上。 学位论文作者签名：鱼j 圭鱼 指导教师签名： r 期：卅年6 月r 同 f 1 期：少吵厂月厂f 1 中国石油大学( 华东) 硕士学位论文 第l 章绪论 1 1 课题来源及研究意义 自2 0 世纪7 0 年代以来，随着原油价格上涨、油质变重变劣，同时石油产品消费结 构的不断变化，重质燃料油需求量日渐压缩，轻质油( 特别是柴油) 需求量迅速增加， 石油焦需求量也逐渐增大，重油深度加工任务日益繁重。延迟焦化工艺作为一种成熟的 重油3 n - r 方法，具有装置投资和操作费用低、技术可靠程度高、原料适应范围广的特点， 此外在原料的转化深度方面也具有自身的优势，越来越受到重视【1 1 1 2 3 】【4 】【5 1 1 6 。 延迟焦化工艺是一种具有强耦合、非线性、时变性和纯滞后以及约束条件的过程。 延迟焦化的计算机控制始于2 0 世纪6 0 年代，在7 0 年代已广泛采用微型计算机和前馈 控制技术，计算机使用总体分散型的控制系统，将直接数字控制技术和监督控制技术结 合起来；到8 0 年代，则着眼于焦化炉本身和整个延迟焦化装置的最优控制；现在则开 始应用以预测控制为主的先进控制技术【7 】【8 】【9 】【1 0 】【1 2 】【1 3 】【1 4 】。 在实施先进控制时，经常需要对产品的质量指标进行控制，但是由于经济或技术的 原因( 如在线测量仪表价格昂贵，或者在恶劣的工作环境下无法正常工作) ，这些质量 指标难以进行在线测量，只能通过离线实验室分析得到分析值。但是，离线实验室分析 往往存在长时间滞后的问题，无法满足在线实时控制和优化操作的要求。为了解决这类 问题，软测量技术随之发展起来【l l 】【1 3 】。 本文以辽河石化延迟焦化装置为对象，为实施先进控制，建立了其分馏塔产品中柴 油9 5 点的软测量模型，并通过r m p c t 软件实施先进控制。 1 2 课题研究现状 1 2 1 延迟焦化装置简介 辽河石化延迟焦化装置工艺流程如图1 1 所示【1 5 】： 1 反应分馏部分工艺流程 原油直接来自罐区，进装置界区后首先与顶循油换热，再与柴油换热后进入电脱盐 罐脱盐脱水。经过电脱盐处理的原油与柴油、中段油换热后进入原料油缓冲罐，由原料 泵抽出，先后送经蜡油原料油换热器、重蜡油原料油换热器，换热后进入分馏塔下段换 热区，在此与来自焦炭塔的热油气接触换热。原料油中蜡油以上重馏分与热油气中的被 冷凝的循环油一起流入塔底，用加热炉进料泵抽出打入加热炉快速升温，然后经四通阀 入焦炭塔底部。 第l 章绪论 图1 - 1 延迟焦化工艺流程图 f i g l 一1 f l o wd i a g r a mo fd e l a y e dc o k i n gp r o c e s s 循环油和原料油中蜡油以上馏分在焦炭塔内产生裂解、缩合等一系列反应，最后生 成富气、汽油、柴油、蜡油和石油焦。高温油气经中段油急冷后，流入分馏塔换热板下。 从焦炭塔顶流出的热油气进入分馏塔换热段，与原料油直接换热后冷凝出部分循环 油落入塔底，其余大量油气升经五层换热板，进入集油箱以上分馏段，从下往上分馏出 重蜡油、蜡油、柴油、汽油和富气。 分馏塔重蜡油集油箱的重蜡油由重蜡油泵抽出，去重蜡油原料油换热器换热后分成 两股物流：一股直接返回分馏塔作回流，另一股经重蜡油蒸汽发生器返回分馏塔塔底。 分馏塔蜡油集油箱的蜡油由蜡油泵抽出，依次去蜡油原料油换热器、蜡油蒸汽发生 器换热后分成两股物流：一股返回分馏塔作回流，另一股经蜡油软化水换热器、蜡油水 冷器送出装置。 中段回流从分馏塔抽出，由中段回流泵抽送经中段油原料油换热器、中段油蒸汽发 生器，换热后返回分馏塔作回流。 柴油从分馏塔由柴油泵抽出，先送经柴油脱氧水换热器换热，然后依次经柴油原料 油换热器、柴油原油换热器、柴油软化水换热器换热后分两部分：一部分与富吸收柴油 混合，作为分馏塔柴油回流；另一部分经柴油富吸收油换热器换热，再经柴油空冷器冷 却后分两部分：一部分为柴油产品出装置，另一部分经富吸收柴油冷却器，经吸收柴油 2 中国石油大学( 华东) 硕士学位论文 泵打入柴油吸收塔作为富气吸收剂用。 顶回流从分馏塔顶抽出换热后，再由泵送经顶循油原油换热器、分馏塔顶空冷器返 回到分馏塔，控制分馏塔顶温度。 分馏塔顶油气经塔顶空冷器，分馏塔顶水冷器冷却后流入分馏塔顶气液分离罐，汽 油由汽油泵抽出，含硫污水由污水泵送出装置。 2 放空部分工艺流程 焦炭塔吹汽，冷焦产生的大量高温蒸汽及少量油气进入放空塔。从塔顶部打入蜡油 馏分，洗涤下油气中的柴油馏分。塔底重油用泵抽出，送经水箱冷却器冷却后分为两部 分：一部分作为塔顶回流，控制塔顶气相温度；另一部分在液面控制下送出装置。塔顶 油气及大量蒸汽通过空冷器、放空塔后冷器后进入塔顶气液分离罐，分出污水和污油。 3 吸收稳定部分工艺流程 自焦化部分来的富气经压缩机入口分液罐和离心压缩机升压后经富气空冷器冷却 后进入气压机后冷器。来自焦化装置的经压缩和冷却的焦化富气和加氢轻烃的混合富气 和来自吸收塔底的饱和吸收油以及来自脱吸塔顶的脱吸气混合后进入饱和吸收油冷却 器，进一步冷却后进入焦化富气分液罐。平衡后分出的焦化富气进入吸收塔，与自焦化 装置来的粗汽油及自补充吸收剂泵来的稳定汽油在塔板上逆流接触，进行吸收。塔顶贫 气进柴油吸收塔，由柴油进行再吸收，吸收后的干气去干气脱硫塔，脱硫后净化干气出 装置。为提高吸收塔吸收效果，设两个中段回流取热。中段回流油分别自塔的1 4 层和 2 6 层抽出，经冷却器冷却后再由泵分别打回塔的1 5 层和2 7 层。吸收塔底的富吸收汽油 在液面控制下和焦化富气及脱吸气一起进入冷却器，冷却后进入焦化富气分液罐。 饱和吸收油由脱吸塔进料泵抽出，经换热器换热到7 0 左右后进入脱吸塔顶部。由 塔底再沸器和中间重沸器提供脱除c 2 组份所需的热量。脱乙烷汽油自脱吸塔底由稳定 塔进料泵抽出，经换热器加热后进入稳定塔。脱吸塔顶脱吸气在压力控制下和焦化富气 及饱和吸收油混合。 稳定塔顶气体经稳定塔顶冷凝器冷却后进入稳定塔顶回流罐，不凝气在压控下由罐 顶馏出去干气脱硫部分。液化气由稳定塔顶回流泵抽出，部分打回稳定塔顶作回流，部 分在液位控制下送至液化气脱硫塔，脱硫后的净化液化气出装置。稳定塔底由再沸器提 供脱除c 4 组份所需热量。稳定汽油由稳定塔底经空冷器、稳定汽油冷却器冷却至4 0 。c 后分为两部分：一部分由补充吸收剂泵打至吸收塔顶作为补充吸收剂，一部分靠自压直 接送出装置。脱吸塔及稳定塔底重沸器分别以中段油和循环油作为热源。 3 第1 章绪论 1 2 2 软测量简介 1 软测量的概念 软测量( s o f tm e a s u r e m e n t ) 技术在有些场合也称为软仪表( s o f ts e n s o r ) 技术。它 是依据易测过程变量( 常称为辅助变量或二次变量( s e c o n d a r yv a r i a b l e ) ) 与难以直接测 量的待测过程变量( 主导变量( p r i m a r yv a r i a b l e ) ) 之间的数学关系( 软测量模型) ，通 过各种数学计算和估算方法，从而实现对待测过程变量的测量。1 9 9 2 年国际过程控制专 家t h o m a sj m c a v o y 在著名学术刊物a u t o m a t i c a 上发表了一篇名为“c o n t e m p l a t i v e s t a n c ef o rc h e m i c a lp r o c e s sc o n t r o l ”的i f a c 报告，明确指出了软测量技术将是今后过 程控制的主要发展方向之一【1 6 】【17 1 。如图1 2 所示为软测量模型结构图。 d d 2 图1 - 2 软测量模型结构图 f i g l - 2 s t r u c t u r eo fs o f t - s e n s o rm o d e l 其中：卜被估计变量集；们不可测扰动变量集 龙可测扰动变量集；2 广一对象的控制输入变量集 p 对象可测输出变量集；】，软测量的输出值 y 可能有的离线分析计量值或大采样间隔的测量值。 a 所以，软测量可表示为函数厂的形式：y = f ( d 2 ，“，乡，】，) 。 函数7 r 不仅反映被估计量只输入变量“ 和可测扰动变量龙的关系，还包括了】，与 可测输出0 之间的联系。在线软仪表也是时间f 的函数，而离线采样值】，+ 被用于模型的 白校正。软测量模型与一般意义下的被控对象数学模型有所不同，通常被控对象的数学 模型主要反映y 与“或d 之间的动态( 静态) 关系；而软测量仪表是利用所用可得的信 息求得主导变量的“最佳”估计值，强调通过0 求得y ，并且在许多建立软测量的方法 中要以一般意义下的数学模型为基础【1 7 】。 2 软测量的设计步骤 4 中国石油大学( 华东) 硕士学位论文 软测量开发流程图如图1 3 所示。 1 采集辅助变量的测量数 据和主导变量的化验数据 2 数据校正，数据变换 3 数据相关性分析 1 了解工艺流程和控制系统 2 明确软测量任务；确定主 导变量 3 分析变量的可观、可控性 4 初步选择辅助变量 明确辅助变量 选择软测量模型结构 确定软测量模型系数 择短期校正方法 择长期校正方法 1 在d c s 上实现软测量的数据 处理、模型计算和在线校正模 块 2 设计工艺员修改参数界面和 操作员观测、输入化验值界面 3 设计模型报警模块 图1 3 软测量开发流程图 f i g l - 3 f l o wc h a r to fs o f t - s e n s o rd e v e l o p m e n t 建立软测量主要包括四个方面：辅助变量的选择、数据的预处理、软测量模型的建 立、软测量模型校正【1 7 】。 ( 1 ) 辅助变量的选择 辅助变量的选择包括变量类型、变量数目、检测点位置的选择，这三个方面是相互 关联、相互影响的。辅助变量的选择应坚持灵敏性、特异性、过程适用性、精确性和鲁 棒性等原则【1 3 】【1 8 】。更为有效地选择辅助变量的方法是在根据工艺机理进行初步选择的基 础上，采用主元分析的方法，即利用采集的过程历史数据做统计分析计算，通过主元贡 献率的排序实现辅助变量的选择【1 9 1 。此外，也有人采用粗集理论 2 0 1 、遗传算法【2 1 】等实 现辅助变量的选择【2 2 1 。 辅助变量类型的选择范围是过程的可测变量集，软测量中使用最广泛的是与主导变 量动态特性相近、关系紧密的可测参数。由于对某一具体对象而言，其可测参数的数量 毕竟不会太多，因此实际应用中辅助变量的选择范围仍是较为有限的。 5 第1 章绪论 辅助变量个数的下限值为被估计主导变量的个数，使用过多的辅助变量会出现过参 数化( o v e rp a r a m e t e r i z a t i o n ) 问题，其最佳数目的选择与过程的自由度、测量噪声以及 模型的不确定性等有关。至于如何选取最佳个数仍是一个有待研究的问题，至今尚无较 为统一的结论。一般建议从系统的自由度出发，先确定辅助变量的最小数，再结合实际 过程的特点适当增加，以便更好地处理动态特性等问题【2 3 1 。 ( 2 ) 数据的预处理 在选定了影响过程主导变量的辅助变量的基础上，如何采集过程数据也是一个非常 重要的问题，因为输入数据的正确性和可靠性关系到软测量模型的精度。在软测量建模 所用的数据中，包括辅助变量的实时测量数据和主导变量的分析数据，这里的数据预处 理主要是针对辅助变量的实时测量值而言的，对主导变量分析值一般不作处理。数据预 处理包括误差处理和数据变换两部分【2 2 1 。 数据采集主要是指软测量建模所需训练样本数据的采集。在进行数据采集时，要注 意使采集的样本空间尽量覆盖整个操作范围，同时要本着有代表性、均匀性和精简性的 原则进行选取【2 2 | 。 由于现场测量数据都是通过安装在现场的传感器、变送器等仪表获得的，受仪表精 度和生产环境的影响，测量数据都不可避免地含有误差，甚至有严重的显著误差，以至 测量值不能精确地反映过程内在的物理和化学规律。如果将这些测量数据不加处理而直 接用于软测量建模，必然会导致模型精度降低乃至完全失效，因此，必须对输入数据进 行误差处理。 一般认为测量数据的误差分为随机误差和过失误差两类。 随机误差的产生受随机因素的影响，如操作过程的微小波动或检测信号的噪声等。 随机误差是不可避免的，但由于它符合统计规律，因此可以通过一定方法消除。消除随 机误差工程上通常使用数字滤波方法，如中位值滤波、均值滤波、滑动平均值滤波、加 权滑动平均值滤波及低通滤波等。数据协调方法( 数据一致，d a t ar e c o n c i l i a t i o n ) 是近 几年提出的消除随机误差的新方法，其基本思想是根据由物料平衡和能量平衡等方程建 立起来的精确的数学模型，以估计值与测量值的方差最小为优化目标，构造一个估计模 型，为测量数据提供一个最优估计，以便及时准确地检测误差的存在，进而剔除或补偿 其影响【1 3 】f 1 7 】【2 2 】【2 3 】。由于根据物料平衡和能量平衡建立精确的数学模型并不容易，因此， 工程上大多数仍然使用数字滤波方法来消除随机误差的影响。 过失误差也称显著误差，也称为野值，这种误差出现的几率较小，但它的存在会严 6 中国石油大学( 华东) 硕士学位论文 重影响模型的精度和可靠性，因此必须及时检测和剔除。常用的方法有人工剔除法、技 术判别法和统计检验法。人工剔除法根据经验对一些偏离较大的数据予以手工剔除；技 术判别法是根据物理或者化学的性质，进行技术分析，以判别偏差较大的数据是否异常； 统计检验法主要有主元分析法，广义似然比法、贝叶斯法、聚类方法等，现场中最常用 的为三倍标准差法，也称为拉达依法则1 3 】【1 7 】【2 2 】【2 3 】。此外，罗健旭提出使用聚类的方法 进行过失误差的检测【2 4 】【2 5 】。 对数据的变换包括标度、转换和权函数三个方面。工业过程中的测量数据有着不同 的工程单位，变量之间在数值上相差几个数量级，直接使用这些数据进行计算可能会由 于机器字长有限而丢失信息，或者引起算法的数值不稳定性问题。利用合适的因子对数 据进行标度，能够改善算法的精度和稳定性。转换包括对数据的直接转换以及寻找新的 变量替换原变量两个含义。通过对数据的转换，可有效地降低非线性特性。权函数可实 现对变量动态特性的补偿。如果辅助变量和主导变量之间具有相同或相似的动态特性， 那么使用静态仪表就足够了。合理地使用权函数使我们可能用稳态模型实现对过程的动 态估计【1 3 】【1 7 】【2 2 】【2 3 1 。 ( 3 ) 软测量建模方法 软测量建模方法经历了从线性到非线性、从无校正到有校正的历程。目前，建立软 测量模型的方法有很多，总的来说可以归纳为机理建模、基于对象数学模型的建模方法、 基于数据驱动的建模方法和机理与基于数据驱动相结合的建模方法【2 2 1 。 a 机理建模 机理建模方法建立在对工艺机理深刻认识的基础上，通过列写宏观或微观的质量平 衡方程、能量平衡方程、动量平衡方程、相平衡方程以及反应动力学方程等来确定难测 的主导变量和易测的辅助变量之间的数学关系【1 3 】【1 7 】【2 2 】【2 3 】【2 6 】【2 7 1 。 与其它方法建立的软测量模型相比，机理模型的可解释性强、工程背景清晰、便于 实际应用，是最理想的软测量模型。但是机理模型也有其不足的地方，第一个不足之处 是模型的专用性，不同对象的机理模型无论模型结构还是模型参数都千差万别，模型的 可移植性较差。第二个不足之处是建立机理模型必须对工业过程的工艺机理认识得非常 清楚。由于化工过程中普遍存在的非线性、复杂性和不确定性的影响，很多过程难以进 行完全的机理建模。第三个不足之处是当模型复杂时求解困难。由于机理模型一般是由 代数方程组、微分方程组甚至偏微分方程组所组成，当模型结构庞大时，其求解过程计 算量很大，收敛慢，难以满足在线实时估计的要求【2 3 】【2 7 】。 7 第l 章绪论 b 基于对象数学模型的建模方法【2 2 】【2 3 】【2 6 】 由于软测量是控制学中的一个分支，因此在其发展初期，很多人尝试使用控制学中 的基于对象数学模型的方法来建立软测量模型。常用的方法有基于状态估计的方法、基 于线性模型的方法和基于非线性模型的方法。 在过程控制中，要对一个被监控的过程进行建模就必须先采集过程的输入输出数 据，这些数据在采集时最基本的条件就是满足采样定理。然而在化工过程中涉及到的软 测量问题比较特殊，过程对象的主导变量通常只能通过定时离线人工分析得到。离线人 工分析通常需要数小时之久，且采样间隔通常较大，因此得到的主导变量的分析值是离 散的，不满足采样定理。由于只有与之相对应的一段时间内的辅助变量的值与离散的主 导变量值之间才有因果关系，因此采集到的与离散的( 大时间间隔) 主导变量相对应的 过程辅助变量也必然是离散的。王旭东网认为这类问题由于对象的主导变量的测量值已 经不满足采样定理，所以定义这类问题为基于事件的建模问题。因为动态建模所需的数 据应该是满足采样定理的能够反映系统特性的输入输出序列，在处理这些问题时，许多 动态系统建模的方法就不再适用了。 在这种基于事件的建模问题中，只能采集到近似稳态的数据，但是如果数据采集的 比较完备，也基本能够反映系统各种操作工况的特征，因此可以运用非线性函数映射的 方法来拟合这些数据，从而建立所需的软测量模型，这样就发展出后来的基于统计分析 的方法、基于统计学习理论的方法、人工智能的方法以及混合建模方法等软测量建模方 法 2 2 】。 c 基于数据驱动的建模方法 基于数据驱动的建模方法是指利用现场获得的辅助变量以及主导变量的数据，通过 使用各种数据拟合方法来获得软测量模型。主要有基于统计分析的方法，如主元分析 ( p r i n c i p a lc o m p o n e n ta n a l y s i s ，简称p c a ) 、部分最小二乘( p a r t i a ll e a s ts q u a r e s ，简 称p l s ) 等；基于统计学习理论的软测量建模方法，如基于支持向量机( s u p p o r tv e c t o r m a c h i n e ，简称s v m ) 的方法；基于人工智能的软测量建模方法，如基于模式识别的方 法，基于人工神经网络的方法，以及基于模糊集合理论的方法等2 2 1 。 主元分析方法是进行数据压缩和信息抽取的有力工具，它的主要思想是在保证信息 损失最小的前提下，将过程数据从高维数据空间投影到低维特征空间，从而消去冗余信 息，有利于精简模型结构，提高模型运行速度。在主元分析的基础上，用线性回归方法 寻找得到主元矩阵和因变量间关系的过程成为主元回归( p c r ) 【1 7 】【2 2 】【2 3 】【2 6 】【2 7 】。 8 中国石油大学( 华东) 硕士学位论文 部分最小二乘回归( p l s ) 是建立在主元分析原理之上的，它不象主元分析那样只 能处理同一矩阵内各向量间的相互关系，而是可以在数据压缩和信息抽取的同时建立模 型来描述自变量和因变量之间的关系。在p l s 算法下，可以同时实现回归建模、数据结 构简化以及自变量和因变量间的相关分析 2 2 1 1 2 3 】【2 6 】【2 9 1 。 支持向量机( s u p p o r tv e c t o rm a c h i n e ，或s v m ) 是由v a p n i k 提出的一种基于统计 学习理论的新的通用学习方法，它通过用内积函数定义的非线性变换将输入空间变换到 一个高维空间，在这个空间中求( 广义) 最优分类面。s v m 分类函数形式上类似于一 个神经网络，输出是中间节点的线性组合，每个中间节点对应一个支持向量，其基本结 构如图1 4 所示。s v m 采用结构风险最小化准则，在最小化样本点误差的同时，缩小模 型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力。它特别适 用于解决小样本、非线性、高维数、局部极小点等问题【2 2 】【3 0 1 。 k ( x l ， x l x 2 x d 图l - 4 支持向量基本结构 f i g1 - 4 b a s i cs t r u c t u r eo fs u p p o r tv e c t o rm a c h i n e 近年来，支持向量机在软测量建模中得到广泛应用。耿增显在分析了浮选过程工艺 指标相关影响因素的基础上，采用最小二乘支持向量机( l s s v m ) 建立了浮选过程工 艺技术指标软测量模型，现场生产数据仿真研究结果表明了所提出的软测量模型的有效 性【3 1 1 。李悦卿使用最小二乘支持向量机建立了常压塔汽油干点软测量模型，计算结果表 明模型预测精度能够满足生产的实际要求【3 2 】。田华阁将一种聚类加权支持向量机算法应 用到聚丙烯熔融指数软测量建模中【3 3 】。王静芳通过将支持向量机与遗传算法相结合，使 9 第l 章绪论 用实测数据建立了催化裂化轻柴油凝点数学模型，在线计算轻柴油油气分压和装置在线 验证，并将其作为软仪表用来实时优化工艺操作【3 4 】。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，简称a 卜小i ) 是利用计算机模拟人脑的结 构和功能的- - l - j 新学科，是目前软测量研究中比较活跃的领域。它具有并行计算、学习 记忆能力及自组织、自适应和容错能力优良等性质，且无需具备对象的先验知识，而是 根据对象的输入输出数据直接建模，即将辅助变量作为a n n 的输入，将主导变量作为 输出，通过网络的学习来解决不可测变量的软测量问题。由于多层前向神经网络 ( m u l t i p l ef o r w a r dn e u r a ln e t w o r k ，简称m f n n ) 和径向基函数( r a d i a lb a s ef u n c t i o n ， 简称i 强f ) 神经网络已经被证明具有任意精度进行非线性拟合的能力，因而得到了广泛 的应用【1 3 】【2 2 】【2 3 】【2 6 】【2 7 1 。 虽然人工神经网络在建模时无需具备对象的先验知识，并且已被证明了可以任意精 度逼近非线性连续函数，但是该证明实质上是一个存在性证明而非结构性证明，网络的 性能要受训练样本的空间分布、样本的质量和训练算法的影响。此外，在实际建模时， 受数据采集、系统的噪声和不确定性等复杂因素的影响，网络结构的确定、网络训练算 法的选择等问题是面临的难题。目前尚没有理论方法进行指导，而不同的网络结构、训 练方法和收敛性准则会导致网络具有不同的泛化能力口2 】【2 6 】 2 7 】。 d 混合建模方法 机理与基于数据驱动相结合的建模方法也称为混合建模。纯机理模型和基于数据驱 动的模型都有各自的优缺点：前者能够从本质上反映过程的规律，可靠性高，外推性好， 具有可解释性；缺点是建模过程比较繁琐，对于一些复杂过程而言，能得到的机理模型 一般也是经过若干简化后的模型。后者根据过程的输入输出数据建模，几乎无需过程对 象的先验知识，但是属于黑箱建模方法，推广性能差，并且模型不具有可解释性，容易 造成过拟合现象【2 2 】【2 6 】。 基于上述纯机理建模和基于数据驱动建模这两种方法的局限性引出了混合建模的 思想，对于存在简化机理模型的过程，可以将简化机理模型和基于数据驱动的模型结合 起来，互为补充。简化机理模型提供的先验知识，可以为基于数据驱动的模型节省训练 样本，同时基于数据驱动的模型又能补偿简化机理模型的未建模特性。 混合建模的结构形式有串行结合方式和并行结合方式，如图1 5 所示【2 7 】。 1 0 中国石油大学( 华东) 硕士学位论文 机理方法进 行机理分析 统计方法进 行参数辨识 ( a ) 串行结合方式 ( a ) s e r i a lc o m b i n a t i o n 机理方式进行机理分析 统计方法进行补偿 ( b ) 并行结合方式 ( b ) p a r a l l e lc o m b i n a t i o n 图1 5 混合建模的结构形式 f i g l - 5 s t r u c t u r eo fh y b r i dm o d e l i n g ( 4 ) 软测量模型的校正 在石油化工工业生产过程中，一般难以甚至无法建立严格精确的数学模型来描述实 际工业过程，而工业过程软测量技术的模型一般仅能大致反映实际过程本质的变化趋 势，因此模型误差必然存在，要实现对实际工业过程变量的长期在线精确估计是十分困 难甚至是不可能的。此外，即使模型本身可以较为准确地描述过程变化，在软测量模型 投入运行后，由于系统的时变性、不确定性和非线性，随着时间的推移，测量对象的特 性和工作点都有可能发生变化，从而使模型误差加大。 软测量模型校正分为模型输出校正和模型参数校正。模型输出校正是以软测量模型 的估计值与实际对象主导变量分析值的偏差来修正软测量模型当前的估计值。这种校正 技术比较简单，而且容易在线实现，但只适用于工况变化不大的场合，这实际上是一种 短期校正。模型参数校正即校正软测量模型的参数，这种校正一般是在原料、工况等发 生较大变化时，利用新采集的数据对模型参数进行校正，实际上就是建立新的模型，这 种模型校正也可以称为长期校正。典型的软测量在线校正器结构如图1 - 6 所示 1 7 】【2 2 】【2 3 1 。 第1 章绪论 + 图l - 6 软测量校正器结构 f i g l - 6 s t r u c t u r eo fs o f t - s e n s o rm o d e lc o r r e c t i o n 1 2 3 软测量在延迟焦化装置中的应用 软测量技术是从推断控制发展而来的，现在已经广泛应用于石油化工行业中。延迟 焦化中的软测量主要应用于分馏塔产品质量的预测以及焦炭塔焦高的预测。张克进、俞 金寿在分析工艺机理的基础上，用p l s r b f n 并联方法建立延迟焦化粗汽油干点软测量 模型【3 5 1 。施丹华、方秀琴通过采集过程参数建立粗汽油干点软测量模型和汽油收率、柴 油收率、蜡油收率、气体收率、焦炭收率的预估模型，并在线投用、校正【3 6 】。科阿石油 公司在日本岩国m a r i f u 炼油厂2 号延迟焦化装置上，把模型预估控制技术和焦炭产率推 理模型结合起来加以应用，增加了焦化装置进料率，焦炭产率的估算是根据焦炭塔实际 的温度、压力、循环比、料焦比和在线密度分析仪的数据来计算。 1 2 4 先进控制技术在延迟焦化装置中的应用 国内延迟焦化装置的先进控制起步较晚，国外这方面的研究起步较早。l l o l i v e i r a 针对延迟焦化装置因处理量多受限于焦炭塔的处理能力，即焦炭塔料位上限的高低，而 大多数装置焦炭塔料位都没有很好的直接测量手段，实际操作一般留有较大的安全空间 的问题，开发了延迟焦化多变量控制器。该多变量控制器用预测焦炭产率的方法来提高 焦炭塔安全料位的上限，其中还包括以成本为目标的线性规划功能，在存在自由度的前 提下，尽量提高新鲜原料的流量。这一技术的应用使焦化塔在不缩短循环周期的情况下， 处理能力提高4 1 ，装置新鲜原料上限提高了1 5 。d m c 公司采用一种基于模型的多 变量d m c 控制器，对加热炉、焦炭塔、分馏塔进行控制，控制器还嵌入了线性规划( l p ) 功能，确保在所有时间内能精确地预测优化。s e t p o i m 公司的延迟焦化先进控制软件包 可使来自焦炭塔循环操作的大量扰动降低到最低程度，使焦炭塔入口温度保持恒定，提 高液体和焦炭产品质量、操作的稳定性。h o n e y w e l l 公司的先进控制和优化集合了焦炭 生产模型和基于鲁棒多变量预测控制的特殊的塔事件逻辑利益控制器，在线的焦炭生产 1 2 中国石油大学( 华东) 硕士学位论文 模型提供准确的焦炭产率和预测，特殊的塔事件逻辑控制能够在塔事件期间改进控制和 稳定主分馏塔【1 3 】【1 4 】【3 8 1 。 这些控制软件包在国外已经有很多成功的应用，但是在国内推广应用还存在一些问 题：一是它们的应用需要一支较强的技术队伍支持；二是商品软件技术保密性过强，当 工况有较大变化时，用户自行修改能力不足，商家修改费用较高且服务相对较慢；三是 这些商品软件的价格较高。 虽然如此，国内一些延迟焦化装置也成功应用了先进控制技术。抚顺石油一厂与抚 顺石油学院合作开发的延迟焦化微机监控及局部s p c 控制系统，具有数据采集处理开 发、重要参数计算值的历史曲线显示及打印、报警处理及事件记录、运行控制参数显示 及在线修改调整、局部d d c 和s p c 控制、工艺计算及填表等功能。南京炼油厂开发了 延迟焦化装置的工艺参数调优。抚顺石油二厂开发的计算机优化控制程序通过一系列的 经验关联模型可实现装置的最佳经济效益。福建炼化公司在延迟焦化装置上使用 r m p c t 软件，成功地实现了先进控制，通过以变幅度的扰动序列来描述暖塔、切塔、 小吹气、大吹气等干扰事件来克服焦炭塔切换带来的干扰阴【1 0 】【l l 】【1 2 】【1 3 】【1 4 】【3 9 】【4 0 】。 1 3 论文的研究内容与结构安排 本文主要包括两部分内容： ( 1 ) 延迟焦化装置分馏塔柴油9 5 点软测量研究。根据先进控制的需要，对分馏 塔柴油产品的9 5 点进行软测量建模研究，分别采用p l s 、有界微分网络以及基于聚类 的多模型软测量建模方法建立其软测量模型，并对结果进行对比。 ( 2 ) 延迟焦化装置先进控制。根据辽河石化延迟焦化装置的实际情况，使用r m p c t 先进控制软件包对其进行先进控制，以达到增加装置处理量，稳定操作，提高液体产品 收率的目标，本文中主要描述了现场所做的d c s 端的工作。 基于以上内容，本文各章节安排如下： 第1 章：绪论，主要对课题的来源、意义、研究现状和研究内容做出了相应的介绍。 第2 章：使用有界微分网络建立柴油9 5 点软测量模型，为做出对比还建立了p l s 及b p 网络的柴油9 5 点软测量模型。 第3 章：根据现场延迟焦化原料变化频繁的情况，建立了基于模糊c 均值聚类的多 模型