煉油工業(yè)過程控制的研究現(xiàn)狀、問題與展望

黃德先 江永亨 金以慧

煉油工業(yè)既是重要和便利的能源提供者,也是涉及各個產(chǎn)業(yè)的原材料提供者,是一個關(guān)系國計民生和國家戰(zhàn)略的重要支柱產(chǎn)業(yè),煉油企業(yè)在世界五百強(qiáng)企業(yè)前十名中經(jīng)常占據(jù)半壁江山.煉油工業(yè)這類連續(xù)過程工業(yè)對自動控制要求高,是過程控制技術(shù)較早得到應(yīng)用和普及的工業(yè)之一.自大規(guī)模連續(xù)過程工業(yè)形成以來,過程控制就成為其保證產(chǎn)品質(zhì)量、提高產(chǎn)率、降本增效的不可或缺的部分.

我國煉油能力居世界第二位,僅次于美國.截至2015年底,我國煉油能力約為7.4億噸/年,年均增長速度7.8%[1].目前國內(nèi)煉油綜合能耗達(dá)70～95千克標(biāo)油/噸(KgEO/t),而國際先進(jìn)水平煉油綜合能耗的僅為53.2KgEO/t,這意味著我國煉油企業(yè)內(nèi)部就要比國際先進(jìn)水平多消耗至少40%的能源,占原油加工量的2%,因而有顯著的挖潛潛力.在當(dāng)今全球范圍內(nèi)能源消耗需求迅猛增長、原油資源逐漸匱乏以及經(jīng)濟(jì)全球化競爭日趨激烈的情況下,原油供給的短缺所導(dǎo)致的原料來源雜多和油品、工業(yè)原料需求的多樣化以及原油重質(zhì)化、高硫化與清潔成品油需求之間的矛盾將更加突出.所有這些新情況促使過程控制把目標(biāo)轉(zhuǎn)化到提高產(chǎn)品質(zhì)量、節(jié)約能源、降低成本、提高生產(chǎn)過程的柔性以適應(yīng)多變市場的需求的高度.近年來,智能制造的戰(zhàn)略目標(biāo)對過程控制提出了更新的要求,因而,有許多重要的問題和關(guān)鍵技術(shù)需要去研究和突破.

應(yīng)該說,煉油過程的重要性和復(fù)雜性決定了采用自動控制的必要性和緊迫性,經(jīng)過多年的努力其自動控制已經(jīng)達(dá)到較高的水平,但是越來越高的需求成了推動過程控制技術(shù)發(fā)展的源泉和動力,很多最新的控制理論與技術(shù)都在煉油過程中得到應(yīng)用.本文將主要回顧其中得到應(yīng)用廣泛且特別有效的先進(jìn)控制、軟測量和操作優(yōu)化等三個方面的研究現(xiàn)狀,然后討論在實際應(yīng)用中存在的問題和解決思路,最后對煉油過程控制的發(fā)展前景進(jìn)行展望.

1 煉油過程先進(jìn)控制的研究現(xiàn)狀

生產(chǎn)過程控制的發(fā)展與流程工業(yè)的需求相適應(yīng),與控制理論、控制工具以及有關(guān)學(xué)科的發(fā)展緊密相關(guān)[2?3].上世紀(jì)40年代形成的經(jīng)典控制論推進(jìn)了流程工業(yè)過程PID控制的廣泛應(yīng)用;50年代出現(xiàn)的工程控制論促進(jìn)了基于PID的串級、前饋、比值、選擇性等控制技術(shù)的發(fā)展,并一直沿用至今[4].

上世紀(jì)50年代末,航天技術(shù)革命過程中形成了現(xiàn)代控制理論,60年代計算機(jī)技術(shù)取得進(jìn)展,60～70年代,人們努力試圖將航天工業(yè)中行之有效的現(xiàn)代控制理論用于流程工業(yè)生產(chǎn)過程,但由于流程工業(yè)生產(chǎn)過程數(shù)學(xué)模型建立困難,使其工程化應(yīng)用遇到嚴(yán)重障礙[5].70年代由英國學(xué)者Rosenbrock提出的現(xiàn)代頻域法,通過“對角優(yōu)勢”實現(xiàn)近似解耦控制,試圖實現(xiàn)不依賴于精確模型的多變量優(yōu)化控制的工程化應(yīng)用[6].從70年代開始,人們加強(qiáng)了實驗建模研究,使系統(tǒng)辨識技術(shù)得到了較快的發(fā)展[7?8],推動了現(xiàn)代控制理論在工業(yè)過程中的應(yīng)用,同時也促進(jìn)了模型參考自適應(yīng)控制和自校正控制器的發(fā)展.模型參考自適應(yīng)控制和自校正控制器可以在線修改控制器的參數(shù),采用以變應(yīng)變的策略,提高了模型的適應(yīng)能力,使得基于模型的控制方法向?qū)嵱梅较蚯斑M(jìn)了一大步[9?14].吳宏鑫等學(xué)者在過程工業(yè)的自適應(yīng)控制的理論研究和應(yīng)用方面做了大量工作,并獲得了許多成功應(yīng)用[15?19].鑒于大型煉油生產(chǎn)過程的安全性要求高,在關(guān)鍵煉油生產(chǎn)過程未能得到廣泛的工程應(yīng)用.

自從1968年Zadeh提出模糊算法,人們開始了模糊控制的研究和應(yīng)用,在許多領(lǐng)域獲得了成功的應(yīng)用[20?23].雖然在石油化工這樣的大型生產(chǎn)過程且具有較好的定量測量和控制條件情況下沒有得到廣泛的工程應(yīng)用,但也獲得一些成功應(yīng)用案例[24?26].

魯棒控制方面的研究始于20世紀(jì)50年代,是一種尋求最優(yōu)的控制器結(jié)構(gòu)或控制參數(shù)在被控制對象的一定參數(shù)攝動下,維持某些性能特性的方法,在上世紀(jì)80～90年代形成了國際自控界的研究熱點,在實際工業(yè)過程的控制方法、控制器參數(shù)整定和控制性能等方面具有重要的應(yīng)用價值[27?32].雖然魯棒控制沒有在煉油生產(chǎn)過程獲得廣泛工程應(yīng)用,但對控制器的分析、設(shè)計和改進(jìn)方面起到了重要指導(dǎo)作用,作為現(xiàn)代控制理論方法的在工程應(yīng)用的典范—模型預(yù)測控制則可以算作是一種優(yōu)秀的魯棒控制方法.

上世紀(jì)70年代末出現(xiàn)的基于模型的預(yù)測控制(Predictive control)算法,由于可以采用各種形式的模型,且適應(yīng)于連續(xù)過程普遍存在的“滯后”特性、因果性和存貯性的特點,同時,采用了最優(yōu)控制和反饋修正技術(shù),使預(yù)測控制兼具最優(yōu)控制和反饋控制兩者的優(yōu)點,在模型不準(zhǔn)確或有變化的情況下,控制系統(tǒng)可以獲得較好的魯棒性,特別是對帶有純滯后的石油化工過程有很好的控制效果[33?35].另外,預(yù)測控制還能夠方便地處理控制約束問題,其動態(tài)優(yōu)化控制目標(biāo)可以是使其控制輸入和輸出變量都能夠約束在一個區(qū)域范圍內(nèi),然后通過靜態(tài)優(yōu)化在保證產(chǎn)品質(zhì)量合格(也即產(chǎn)品質(zhì)量指標(biāo)作為控制輸出變量不超過區(qū)域約束)的情況下,達(dá)到高價值產(chǎn)品的收率最高、裝置的加工能耗最低、操作成本最小等經(jīng)濟(jì)目標(biāo)優(yōu)化,使裝置的經(jīng)濟(jì)效益實現(xiàn)最大化,一般稱這種最優(yōu)控制為“卡邊優(yōu)化”,這是一般控制方法所不具備的功能,正是預(yù)測控制所具有的一個突出的優(yōu)點.

上世紀(jì)80年代,模型預(yù)測控制方法經(jīng)過在模型辨識、優(yōu)化算法、控制結(jié)構(gòu)分析、約束處理、參數(shù)整定和有關(guān)穩(wěn)定性和魯棒性等一系列研究,研發(fā)出了多種約束模型預(yù)測控制的工程化軟件包.針對過程控制提出的要求,國際上主流軟件產(chǎn)品采用基于非參數(shù)模型預(yù)測控制為基礎(chǔ)的多變量約束協(xié)調(diào)控制軟件包.不同的軟件包對約束和自由度的處理不同,這在很大程度上顯現(xiàn)了其各自特征.模型預(yù)測控制可以說是目前現(xiàn)代控制理論在過程控制中應(yīng)用最成功的控制方法,截止到2000年的統(tǒng)計,僅兩家主流軟件(Aspen Technology和Honeywell兩家公司的先進(jìn)控制軟件)就在煉油工業(yè)應(yīng)用了1680套[36].

上世紀(jì)80年代開始,以張鐘俊、柴天佑、席裕庚、袁璞、袁著祉、邵惠鶴、錢積新、金以慧、王樹青、袁震東、桂衛(wèi)華、舒迪前、王偉等教授為代表的許多國內(nèi)學(xué)者開始了預(yù)測控制的研究與應(yīng)用工作.張鐘俊、席裕庚教授于1985年發(fā)表了國內(nèi)預(yù)測控制的第一篇綜述和展望論文,推動了預(yù)測控制在國內(nèi)的發(fā)展,繼而在預(yù)測控制理論和方法方面開展了大量的工作,且在滌綸片基生產(chǎn)線等生產(chǎn)過程進(jìn)行了應(yīng)用.在煉油工業(yè)方面,袁璞教授將開發(fā)的基于狀態(tài)空間模型的預(yù)測控制技術(shù)于1988年成功應(yīng)用到最為復(fù)雜的催化裂化裝置的反應(yīng)深度直接閉環(huán)控制上,是模型預(yù)測控制技術(shù)首次在國內(nèi)大型煉油生產(chǎn)裝置上的應(yīng)用,隨后在其他幾個催化裂化裝置上進(jìn)行了提升,并在煉油工業(yè)過程推廣應(yīng)用.袁著祉、袁振東和王偉教授等將系統(tǒng)辨識算法、自適應(yīng)控制方法與預(yù)測控制相結(jié)合,深入研究了廣義預(yù)測控制等方法,并應(yīng)用在實際生產(chǎn)過程.邵惠鶴、錢積新、金以慧、王樹青等教授主要在化工過程方面研究和應(yīng)用預(yù)測控制方法,并研發(fā)了應(yīng)用軟件進(jìn)行工業(yè)應(yīng)用.柴天佑、舒迪前、桂衛(wèi)華、王偉等教授結(jié)合冶金等行業(yè)開展了大量的研究和應(yīng)用工作,推動了預(yù)測控制在冶金等行業(yè)的發(fā)展[37?63].

1992年,國外先進(jìn)控制軟件首次進(jìn)入中國的煉油行業(yè),在催化裂化裝置進(jìn)行了應(yīng)用.但僅實現(xiàn)了用模型預(yù)測控制的多變量控制取代常規(guī)PID控制方案,主要目標(biāo)是通過更為快速平穩(wěn)的卡邊優(yōu)化控制實現(xiàn)產(chǎn)能最大化來提高經(jīng)濟(jì)效益,但在當(dāng)時各生產(chǎn)裝置產(chǎn)能過剩的普遍行業(yè)背景下,未能完全發(fā)揮出先進(jìn)控制的作用.

國外主流先進(jìn)控制軟件憑借其公司雄厚的研發(fā)和應(yīng)用能力、國外成功的應(yīng)用案例,以及通過DCS等硬件優(yōu)勢與國內(nèi)應(yīng)用企業(yè)的結(jié)盟策略,很快在國內(nèi)石化行業(yè)占據(jù)了壟斷地位.鑒于此,上世紀(jì)90年代中期,國內(nèi)浙江大學(xué)、清華大學(xué)、上海交通大學(xué)、中國石油大學(xué)、華東理工大學(xué)等研究團(tuán)隊,在國家和行業(yè)的支持下,加快了基于模型預(yù)測控制應(yīng)用技術(shù)和工程化軟件的研究和應(yīng)用工作,開發(fā)出了與國外軟件產(chǎn)品技術(shù)水平相當(dāng)?shù)妮^為成熟的工程化先進(jìn)控制軟件,并獲得了成功的應(yīng)用[64?69].但由于受到當(dāng)時國內(nèi)的研發(fā)支持力度和科研成果轉(zhuǎn)化機(jī)制的限制,國內(nèi)先進(jìn)控制軟件在工程化、商品化方面與國際先進(jìn)控制軟件還存在著一定的差距,同時應(yīng)用企業(yè)普遍存在著對國內(nèi)外軟件產(chǎn)品的信任程度不同和應(yīng)用失敗承擔(dān)的責(zé)任不同的現(xiàn)象,使得國內(nèi)先進(jìn)控制軟件產(chǎn)品的發(fā)展和應(yīng)用不夠順利.但是,在大幅度降低國外先進(jìn)控制軟件壟斷價格、培養(yǎng)研究應(yīng)用人材促進(jìn)先進(jìn)控制的普及應(yīng)用方面發(fā)揮了重要作用,同時也儲備了大量的相關(guān)技術(shù).

2000年以來,先進(jìn)控制在國內(nèi)煉油行業(yè)主要生產(chǎn)裝置得到了較為廣泛的應(yīng)用,僅中石化就先后有100多套裝置采用國內(nèi)外先進(jìn)控制技術(shù),包括催化裂化、常減壓、重整、焦化、加氫、氣分、芳烴、聚丙烯等裝置,涵蓋了中國石化的主要煉油裝置,不僅提高了產(chǎn)品質(zhì)量合格率,而且實現(xiàn)了裝置的卡邊優(yōu)化運行,提高了生產(chǎn)裝置的操作平穩(wěn)性、處理能力和節(jié)能增效能力.但目前真正能在現(xiàn)場長期運行,達(dá)到既定目標(biāo)、穩(wěn)定地獲得應(yīng)有經(jīng)濟(jì)效益的還不很多.其原因是多種多樣的,例如,先進(jìn)控制軟件實施過于復(fù)雜,需要高水平的技術(shù)人才;生產(chǎn)過程的時變性、非線性等因素使先進(jìn)控制的性能變差;特別是我們國家原料油來源多樣,品質(zhì)差別大,自動化儀表設(shè)計規(guī)格低、可靠性差,在線分析儀表較少采用或由于維護(hù)狀況差而無法滿足在線質(zhì)量閉環(huán)控制要求等等,所以我國先進(jìn)控制的實施條件目前還難以與歐美國家發(fā)達(dá)國家相比.

最近十幾年來,清華大學(xué)研究團(tuán)隊針對基于機(jī)理分析模型的先進(jìn)控制軟件推廣應(yīng)用困難和基于實驗建模的通用先進(jìn)控制軟件難于滿足我國特殊情況的問題,致力于融合機(jī)理和實驗建模兩者優(yōu)點,克服了非線性、時變特性、原料組份變化、負(fù)荷變化等因素的影響,研發(fā)出具有我國特色的、擁有自己知識產(chǎn)權(quán)的先進(jìn)控制技術(shù)和軟件,并已在精餾塔、延遲焦化、加熱過程等工業(yè)過程上成功應(yīng)用,改進(jìn)了先進(jìn)控制技術(shù)應(yīng)用實施難、長期應(yīng)用且發(fā)揮效益更難的問題,取得了明顯的經(jīng)濟(jì)效益和社會效益[70?73].

2 煉油過程軟測量的研究現(xiàn)狀

在生產(chǎn)過程中往往有一些關(guān)鍵的過程變量難以直接測量,因而影響到自動控制的實現(xiàn).因此,軟測量(Soft sensor)的實際使用由來已久,許多測量儀表都是基于物理原理建立的易測過程變量與難以直接測量的待測過程變量的數(shù)學(xué)關(guān)系來計算獲取[74].在1978年,Brosilow等在提出推理控制(Inferential control)時,其估計器實際就是利用易測過程變量(稱為輔助變量或二次變量Secondary variable)與難以直接測量的過程變量(稱為主導(dǎo)變量Primary variable)之間的數(shù)學(xué)關(guān)系,建立軟測量模型,以實現(xiàn)對難測過程變量的間接測量[75].隨著推理控制(Inferential control)的出現(xiàn)進(jìn)一步推動了軟測量技術(shù)的研究,基于各種模型的軟測量方法得到了更為廣泛的研究和應(yīng)用[76?78].軟測量和預(yù)測控制相結(jié)合推動了煉油生產(chǎn)過程產(chǎn)品質(zhì)量的直接閉環(huán)控制、質(zhì)量約束和卡邊優(yōu)化,實現(xiàn)實時優(yōu)化經(jīng)濟(jì)目標(biāo)的功能[36,63].

目前,主流的數(shù)據(jù)驅(qū)動軟測量建模方法主要來自機(jī)器學(xué)習(xí)和模式識別領(lǐng)域.另外,考慮到在實際流程工業(yè)中過程的內(nèi)在變化會影響很多過程變量,采集到的數(shù)據(jù)的維數(shù)要遠(yuǎn)遠(yuǎn)大于其實際維數(shù),表現(xiàn)為“數(shù)據(jù)豐富而信息貧乏”(Data rich but information poor),這種明顯的信息冗余現(xiàn)象對軟測量帶來了挑戰(zhàn).Nomikos等于1994年歸納了隱變量模型(Latent variable model)的概念,用于分析信息冗余現(xiàn)象和解決問題思路[79].它通過描述包含有大部分信息的低維子空間,有效地應(yīng)對變量相關(guān)性問題.基于主成分分析法(Principal component analysis,PCA)的主成分回歸(Principal component regression,PCR)、偏最小二乘法(Partial least squares,PLS)均為隱變量模型的代表,在軟測量建模中得到了廣泛的應(yīng)用[80?85].近年來,利用機(jī)器學(xué)習(xí)方法實現(xiàn)軟測量建模更引起了學(xué)術(shù)界的持續(xù)關(guān)注,研究成果不斷涌現(xiàn),其中支持向量機(jī)(Support vector machin,SVM)與人工神經(jīng)網(wǎng)絡(luò)(Arti ficial neural network,ANN)是最具代表性的方法.通過將建模問題轉(zhuǎn)化為二次規(guī)劃問題,SVM具有計算量低、全局極小值的特點,并且非常適合小樣本建模,因而被用于軟測量建模[86?87];但SVM 的一個缺點是,其模型訓(xùn)練的復(fù)雜度會隨著訓(xùn)練樣本數(shù)量指數(shù)增長.總體上講,許多不同的模型結(jié)構(gòu)都屬于ANN的范疇,其中最常見的是多層感知器(Multi-layer perception,MLP)和徑向基函數(shù)網(wǎng)絡(luò)(Radial basis function networks,RBFN)[88?89].Qin 在文獻(xiàn)[90]中指出,ANN非常適合軟測量建模;但ANN卻易受局部極小值影響,而且具有深度結(jié)構(gòu)的ANN(層數(shù)≥3)難以訓(xùn)練,以上這些問題在近幾十年里一直困擾著學(xué)術(shù)界.

近年來,隨著工程應(yīng)用深化的需求,軟測量建模理論與方法的研究取得了很大進(jìn)展.但是,軟測量在煉油工業(yè)中的應(yīng)用方面尚存在著一些制約性難題.一是原料性質(zhì)不穩(wěn)定和生產(chǎn)負(fù)荷變動致使在特定原料生產(chǎn)和負(fù)荷條件下所建立的模型失配.二是廣泛應(yīng)用的基于數(shù)據(jù)驅(qū)動的軟測量建模方法主要采用靜態(tài)建模方法,而大多數(shù)工業(yè)應(yīng)用都需要動態(tài)軟測量,即建立動態(tài)模型,特別是軟測量結(jié)果作為先進(jìn)控制的被控變量時更是如此,因而動態(tài)軟測量便提上日程,可喜的是在復(fù)雜的煉油過程動態(tài)測量近年來得到了長足的發(fā)展.

張笑天等應(yīng)用多神經(jīng)網(wǎng)絡(luò)建立常減壓裝置初頂石腦油干點軟測量模型,采用模糊C均值聚類法將樣本集分成子集,運用BP神經(jīng)網(wǎng)絡(luò)對每個子集訓(xùn)練得出子模型,然后根據(jù)聚類產(chǎn)生的隸屬度將各子模型的輸出加權(quán)求和獲得干點軟測量值.同時,為了克服因原油性質(zhì)無法及時獲得而造成對預(yù)測精度的影響,在建模時將前一時期干點分析值作為網(wǎng)絡(luò)模型的自變量.實際應(yīng)用表明,所建模型具有良好的預(yù)測精度,泛化能力強(qiáng)[91].Zhang討論了將主成分回歸(PCR)和PLS方法結(jié)合起來,用于對常減壓裝置蒸餾塔進(jìn)料組分的變化進(jìn)行推斷反饋控制,并利用更新過程測量的平均值,抑制靜態(tài)估計偏差和控制偏差[92].但原油性質(zhì)變化較大時,前述軟測量模型有效工作區(qū)域往往不能覆蓋.為了解決這一問題,呂文祥等將能夠表現(xiàn)原油成份變化信息的過程變量加入軟測量模型輸入中,抑制其原油成份變化對軟測量估計值的影響,同時,對直接測得的過程變量進(jìn)行機(jī)理變換以減少加工負(fù)荷變化所造成的軟測量模型非線性程度,明顯提升了軟測量模型的推廣性能,在常減壓裝置的先進(jìn)控制應(yīng)用中取得了好的應(yīng)用效果[93?94].

Zhou等提出了首先進(jìn)行油品分類,再對不同油品分別建模的方法,并利用基于Bootstrap模型在不同的三類原油上分別取得了對干點的良好預(yù)報效果,證實了利用類別結(jié)構(gòu)信息的重要性[95].

朱鷹等針對原油組分變化,通過引入自適應(yīng)鏈接超平面(Adaptive hinging hyperplanes,AHH)這一連續(xù)分片線性表示方法建立軟測量模型.AHH內(nèi)在的結(jié)構(gòu)使其在辨識過程中自然地包含了不同類型的模型信息,最終獲得了良好的建模效果并在實際數(shù)據(jù)上顯示出一定的魯棒性.AHH模型取得了不亞于幾乎沒有錯分的Bootstrap方法的軟測量模型的精度.在實際數(shù)據(jù)上的測試表明,自適應(yīng)鏈接超平面的模型在表達(dá)能力上優(yōu)于已有的基于分類的建模方法.由于利用AHH的估計方法可以適應(yīng)多變的生產(chǎn)工況,對于其他具有復(fù)雜多變工況的化工過程中有很好的推廣價值[96].

Shang等將深度學(xué)習(xí)方法擴(kuò)展到連續(xù)模型的建模,并應(yīng)用于軟測量建模,突破了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)三層結(jié)構(gòu)的限制,包含了更豐富的信息和表達(dá)能力,其半監(jiān)督學(xué)習(xí)使過去不能利用的過程數(shù)據(jù)得以利用,能夠更有效地處理海量數(shù)據(jù)[97].該方法與文獻(xiàn)[93]中的方法對比,不采用過程變量機(jī)理變換,仍基本能達(dá)到與文獻(xiàn)[93]中相同的軟測量估計精度,表現(xiàn)出該方法有更好的非線性描述能力.

對于動態(tài)軟測量這一難題,通過采用基于守恒定律的機(jī)理分析建模方法,比較容易實現(xiàn)不可測變量的動態(tài)軟測量,因而得到了較早的發(fā)展.預(yù)測控制抑制擾動的效果較常規(guī)反饋控制而言,不如定點跟蹤那么顯著,這促使人們研究不可測擾動的觀測器來進(jìn)行預(yù)測控制的前饋補(bǔ)償,以提高其抑制擾動的能力,因而推動了基于機(jī)理分析建模方法的動態(tài)軟測量方法的研究與應(yīng)用[38,98?99].但其模型建立對生產(chǎn)工藝過程知識的苛求,使其難以廣泛推廣應(yīng)用.

動態(tài)偏最小二乘(Dynamic PLS,DPLS)方法首先由Kaspar等于1992年提出[100],后來廣泛應(yīng)用于流程工業(yè)的質(zhì)量指標(biāo)預(yù)測[101?102].文獻(xiàn)[101]詳細(xì)討論了動態(tài)方法相比靜態(tài)方法的優(yōu)勢,并且在精餾塔產(chǎn)品預(yù)測中進(jìn)行了驗證;文獻(xiàn)[102]將DPLS方法應(yīng)用于間歇聚合過程.DPLS方法本質(zhì)上屬于線性模型,在此基礎(chǔ)上,學(xué)者們提出了動態(tài)神經(jīng)元網(wǎng)絡(luò)模型,實現(xiàn)了過程的動態(tài)特征與非線性靜態(tài)特征的統(tǒng)一描述[103?104].

Shang等針對經(jīng)典DPLS模型的參數(shù)光滑性進(jìn)行改進(jìn),提出了一種改進(jìn)的動態(tài)軟測量模型DPLSTS,在極大化主元分?jǐn)?shù)相關(guān)性的同時,利用光滑性正則化項對模型動態(tài)參數(shù)的劇烈變化進(jìn)行懲罰,使之更符合工業(yè)過程的特征.DPLS-TS的優(yōu)化問題仍然保持了特征向量分解的形式,計算簡便.與DPLS模型相比,DPLS-TS模型的物理解釋性更好,尤其是在需要大量時延樣本描述過程動態(tài)特性的時候,具有更好的預(yù)測精度[105?106].

Shang等針對動態(tài)過程的相鄰采樣時刻數(shù)據(jù)對質(zhì)量變量影響的連續(xù)性和光滑性特性,還提出了一種概率慢特征回歸模型.首先基于PSFA(Probabilistic slow feature regression)對快速采樣的輔助變量有效地進(jìn)行動態(tài)特征信息提取,將過程內(nèi)在動態(tài)特性顯式地表達(dá)為概率慢特征,然后在此基礎(chǔ)上建立回歸模型.PSFA具有線性高斯?fàn)顟B(tài)空間模型的形式,考慮了輔助變量的測量噪聲,且特征本身具有因果系統(tǒng)的形式,利用馬爾科夫性顯式地描述了模型狀態(tài)的時序光滑性.在有閉環(huán)控制的正常工況下,過程受制于其本身的內(nèi)在擾動,其中一部分?jǐn)_動可能對最終的難測變量造成影響.PSFA將這些內(nèi)在擾動從快速采樣的輔助變量數(shù)據(jù)中恢復(fù)為不同頻率的概率慢特征,進(jìn)而更好地將對主導(dǎo)變量有影響的擾動表示出來,可以構(gòu)建精度更高的預(yù)測模型.在用于訓(xùn)練PSFA模型的EM(Expectation maximization)算法的基礎(chǔ)上,通過分析PSFA與SFA(Slow feature regression)的關(guān)系,提出了一種高效的參數(shù)初始化方法,大幅度降低了計算成本.與傳統(tǒng)動態(tài)軟測量模型相比,PSFA具有如下優(yōu)點:1)部分概率慢特征分析與難測的主導(dǎo)變量高度相關(guān),能夠有效提升預(yù)測精度;2)PSFA模型建模方便快速,有效地綜合了多率數(shù)據(jù)中的有用信息,適用于大規(guī)模流程工業(yè)數(shù)據(jù)建模;3)利用狀態(tài)空間方程簡約地描述了過程的動態(tài)特性,得到了比傳統(tǒng)動態(tài)軟測量模型更加簡潔的模型結(jié)構(gòu)[107?108].

動態(tài)軟測量建模方法通常采用學(xué)習(xí)網(wǎng)絡(luò),按照使用的網(wǎng)絡(luò)結(jié)點單元不同,一般可以將動態(tài)軟測量方法分為兩種思路.第一種思路是采用靜態(tài)網(wǎng)絡(luò),即在網(wǎng)絡(luò)輸入端引入歷史數(shù)據(jù),利用y(k?1),···,y(k?n),u(k?1?d),···,u(k?m?d)}作為輸入,這樣就把動態(tài)時間建模轉(zhuǎn)化為靜態(tài)空間建模[109].但是,這種方法建立的模型由于輸入變量過多而顯得非常復(fù)雜,需要整定的眾多參數(shù)也使得模型在訓(xùn)練階段需要耗費大量計算時間,而且高維數(shù)使得在計算過程中容易產(chǎn)生病態(tài)矩陣.第二種思路則是采用帶反饋的動態(tài)網(wǎng)絡(luò)[110],然而動態(tài)網(wǎng)絡(luò)由于涉及反饋回路,學(xué)習(xí)算法變得非常復(fù)雜.

羅健旭等提出的多神經(jīng)網(wǎng)絡(luò)模型,利用時間序列數(shù)據(jù)建立過去某一時刻的輸入對輸出的估計的子網(wǎng)絡(luò)模型,子模型輸出再通過非線性的神經(jīng)網(wǎng)絡(luò)綜合,反映了系統(tǒng)的動態(tài)特性,可以作為建立動態(tài)軟測量模型的一種通用方法.通過二元精餾塔的仿真驗證表明,與RBFN及MFNN(Multilayer feedforward neural network)建立的靜態(tài)模型相比,估計的精度和魯棒性得到顯著提高[111].毛帥等研究了某煉油廠常壓塔三線柴油凝點的軟測量建模問題,充分利用儀表分析值提供的被測變量歷史信息,建立了一種神經(jīng)網(wǎng)絡(luò)和Levin-son預(yù)測器相結(jié)合的動態(tài)軟測量模型,以消除分析值存在純滯后的影響.針對某煉油廠常壓塔三線柴油凝點的軟測量的應(yīng)用驗證表明該模型的預(yù)報準(zhǔn)確性要優(yōu)于靜態(tài)軟測量模型,取得了較好的預(yù)測效果[112].杜文莉等提出了一種基于最小二乘支持向量機(jī)和自回歸–滑動平均模型的軟測量建模方法,實現(xiàn)了對靜態(tài)模型的動態(tài)校正以改善系統(tǒng)動態(tài)響應(yīng)特性[113].吳瑤等提出了一種基于時間序列神經(jīng)網(wǎng)絡(luò)的軟測量建模方法,建立了動態(tài)插值神經(jīng)網(wǎng)絡(luò)模型,并利用增強(qiáng)粒子群算法優(yōu)化網(wǎng)絡(luò)參數(shù),實現(xiàn)了不可測量變量的在線估計,取得了優(yōu)于普通靜態(tài)神經(jīng)網(wǎng)絡(luò)的估計效果[114].

在煉油工業(yè)等流程工業(yè)過程,其產(chǎn)品質(zhì)量、環(huán)保等關(guān)鍵操作指標(biāo)通常作為生產(chǎn)中的重要控制目標(biāo),然而,這些指標(biāo)一般無法在線測量,只能夠通過周期長達(dá)數(shù)小時的人工實驗室采樣分析化驗來得到,致使質(zhì)量變量的采樣周期遠(yuǎn)遠(yuǎn)大于過程變量的采樣周期,在有些情況下甚至沒有明顯的周期性,是完全不規(guī)則的.其采樣樣本數(shù)量非常少,采樣周期又長,使質(zhì)量變量的采樣點之間幾乎沒有時序上的相關(guān)性.為解決這一難題,馬勇等提出了一種基于最小二乘網(wǎng)絡(luò)的動態(tài)軟測量建模方法,通過在網(wǎng)絡(luò)輸入端引入一個脈沖響應(yīng)模板的動態(tài)預(yù)處理單元來實現(xiàn)線性動態(tài)軟測量模型,使其輸入只依賴能夠方便獲得的過程變量.所引入動態(tài)單元在本質(zhì)上是擬合實際過程的沖激響應(yīng)曲線,相當(dāng)于在建模過程中增加了典型動態(tài)特性.由于引入的預(yù)處理單元本身具有物理意義,特別是解決了輸出變量采樣時間間隔很長且非等周期情況下的動態(tài)模型建立難題,從而使得建立的動態(tài)軟測量模型更符合實際意義,簡化的脈沖響應(yīng)模板使待整定參數(shù)大量減少[115].Lv等在馬勇工作的基礎(chǔ)上,提出脈沖響應(yīng)模板參數(shù)優(yōu)化方法,將脈沖響應(yīng)參數(shù)辨識限定在指定的可以根據(jù)機(jī)理分析和經(jīng)驗確定的模板類和模板參數(shù)約束范圍內(nèi),有效改進(jìn)了具有噪聲情況下模型過學(xué)習(xí)導(dǎo)致的泛化性、魯棒性差的問題.尤其對于多變量系統(tǒng),使得大量脈沖響應(yīng)參數(shù)學(xué)習(xí)問題轉(zhuǎn)化為對有限個模板參數(shù)學(xué)習(xí)問題,顯著減少了學(xué)習(xí)參數(shù)和訓(xùn)練時間.在常減壓裝置油品質(zhì)量軟測量中的應(yīng)用表明了其優(yōu)良特性,并已作為成熟應(yīng)用方法應(yīng)用到先進(jìn)控制軟件產(chǎn)品中[116].

Gao等[117]和Shang等[118]提出了基于Wiener模型的動態(tài)軟測量模型FIR-SVM,其特征是基于通用的Wiener模型結(jié)構(gòu),將過程的動態(tài)信息與非線性特征進(jìn)行綜合表征,分別利用具有純時延的一階慣性環(huán)節(jié)的脈沖響應(yīng)近似線性動態(tài)環(huán)節(jié)、SVM逼近非線性動態(tài)環(huán)節(jié),對線性動態(tài)部分以及非線性靜態(tài)部分進(jìn)行聯(lián)合建模,從而給出一個更為準(zhǔn)確的描述.Gao等通過兩層迭代優(yōu)化方法來學(xué)習(xí)兩部分的模型參數(shù)[117].Shang等基于貝葉斯框架對模型參數(shù)進(jìn)行迭代尋優(yōu),實現(xiàn)了一種更為高效的參數(shù)迭代訓(xùn)練方法,并利用貝葉斯證據(jù)對模型的質(zhì)量進(jìn)行有效評估,有效減輕了非線性環(huán)節(jié)帶來的過擬合影響,充分利用了所有難測變量樣本的信息.與其他經(jīng)典的動態(tài)軟測量模型以及非線性軟測量模型的全面對比顯示,基于貝葉斯證據(jù)框架尋優(yōu)的FIR-SVM能夠很好地挖掘數(shù)據(jù)中的動態(tài)信息,對過程動態(tài)特性進(jìn)行表征,有效地避免了模型過擬合,預(yù)報精度進(jìn)一步提高.此外,在選擇不同的建模參數(shù)時,其建模結(jié)果的一致性較好,對初始參數(shù)選擇不敏感,并且能夠充分利用所有難測變量樣本,因而在工程應(yīng)用中具有更好的實際價值[118].

3 煉油過程運行優(yōu)化的研究現(xiàn)狀

運行優(yōu)化可以分為離線優(yōu)化和在線實時優(yōu)化兩類.煉油工業(yè)的裝置級離線優(yōu)化很早就得到了重視.離線優(yōu)化首先是在煉油生產(chǎn)裝置的設(shè)計中得到應(yīng)用,裝置的設(shè)計需要通過流程模擬技術(shù)來進(jìn)行優(yōu)化,為此出現(xiàn)了很多基于穩(wěn)態(tài)工藝模型的軟件,如PROCESS,ASPEN-PLUS,HYSYS,PETROFINE等等,取得了很好的應(yīng)用效果[119].但如果把設(shè)計中的優(yōu)化結(jié)果直接應(yīng)用于生產(chǎn)現(xiàn)場可能會出現(xiàn)問題,因為工業(yè)裝置的設(shè)計都是在某一設(shè)定的原料和公用工程條件進(jìn)行的,而在實際生產(chǎn)中原料和公用工程條件與原設(shè)計條件很難完全相符.這樣,在實際運行時就需要根據(jù)現(xiàn)場的工藝條件進(jìn)行調(diào)整,否則就會引起能耗的上升或產(chǎn)品質(zhì)量、回收率的下降.再者,現(xiàn)代化的工業(yè)生產(chǎn)要求實現(xiàn)整個裝置,甚至整個工廠的經(jīng)濟(jì)效益最大,這就要求在給定的約束條件(如產(chǎn)品質(zhì)量、設(shè)備處理能力、公用工程限制等)下,按照實時的生產(chǎn)數(shù)據(jù),獲得各有關(guān)工藝參數(shù)的最佳匹配來調(diào)整當(dāng)前的生產(chǎn)運行狀況.另外,還要考慮生產(chǎn)方案適應(yīng)原料、市場等企業(yè)外部條件的變化,實現(xiàn)企業(yè)的柔性生產(chǎn).這些反映市場迫切需求的問題對流程工業(yè)生產(chǎn)過程的優(yōu)化技術(shù)提出了嚴(yán)峻的挑戰(zhàn)[3].

目前已經(jīng)有不少在穩(wěn)態(tài)模型上離線優(yōu)化的成熟技術(shù),通過對裝置操作條件的優(yōu)化,取得提高收率、減少操作成本和節(jié)能降耗等方面的經(jīng)濟(jì)效益[120].這種技術(shù)和設(shè)計優(yōu)化技術(shù)類似,都是采用工藝專業(yè)的優(yōu)化技術(shù)和軟件來實現(xiàn),只是在設(shè)計優(yōu)化時有更多的優(yōu)化手段,例如可以通過改變工藝流程、工藝設(shè)備來實現(xiàn).在生產(chǎn)過程中的離線優(yōu)化,主要是需要通過人工干預(yù)改變設(shè)定值優(yōu)化操作條件來實現(xiàn),通常稱之為操作優(yōu)化.實際在生產(chǎn)運行情況下,由于上述這些條件經(jīng)常變化,很難滿足需要,因此對在線實時優(yōu)化提出了迫切要求,也受到各界的極大的重視.我們國家在上世紀(jì)80年就開展了通過催化裂化裝置穩(wěn)態(tài)嚴(yán)格機(jī)理模型的優(yōu)化給出催裂化反應(yīng)溫度最優(yōu)設(shè)定值,然后由預(yù)測控制來實現(xiàn)的攻關(guān)課題.但由于原料與催化劑活性變化、裝置不平穩(wěn)和計算機(jī)優(yōu)化求解慢等原因,未能取得期望的應(yīng)用效果.

以預(yù)測控制為主的先進(jìn)控制軟件,除了能夠?qū)φ麄€裝置實現(xiàn)整體直接閉環(huán)質(zhì)量控制外,還可以實現(xiàn)卡邊優(yōu)化功能,即可以實現(xiàn)基于穩(wěn)態(tài)嚴(yán)格機(jī)理模型的裝置實時優(yōu)化難以獲得的大部分優(yōu)化收益[63].但煉油生產(chǎn)過程中的裂解反應(yīng)過程、精制反應(yīng)過程以及蒸餾裝置的過汽化率節(jié)能優(yōu)化等問題都屬于非線性優(yōu)化問題,上述方法難以奏效.袁璞等在上世紀(jì)80年代,采用控制反饋的思想在催化裂化裝置的反應(yīng)深度直接閉環(huán)控制的基礎(chǔ)上[121],通過對實測分餾油品加入動態(tài)積蓄量等補(bǔ)償來觀測出裂解反應(yīng)各油品收率,利用過程控制中的反饋思想對裂解反應(yīng)深度給定值進(jìn)行自尋最優(yōu),實現(xiàn)了催化裂化裝置的反應(yīng)深度的在線實時優(yōu)化[122].由于采用反饋思想,在不依賴原料性質(zhì)、催化劑活性變化等條件下,通過給定不同的優(yōu)化目標(biāo)函數(shù),可以分別實現(xiàn)所期望的像總輕油收率最大、汽油收率最大、柴油收率最大、經(jīng)濟(jì)效率最大等優(yōu)化目標(biāo).此技術(shù)已經(jīng)在近二十個生產(chǎn)裝置上得到應(yīng)用,每個生產(chǎn)裝置的年經(jīng)濟(jì)效益均在千萬元以上.王強(qiáng)等在文獻(xiàn)[123]介紹了該方法在當(dāng)時亞洲最大的重油催化裂化裝置(年處理能力350萬噸)的應(yīng)用結(jié)果,現(xiàn)場測試、標(biāo)定結(jié)果表明總輕油收率提高了0.7%以上,獲得綜合效益約為2400萬元/年.

王建等提出了一種相關(guān)積分調(diào)優(yōu)方法,把調(diào)優(yōu)變量與目標(biāo)函數(shù)作為動力學(xué)系統(tǒng)處理,而將調(diào)優(yōu)變量作為均值可控的隨機(jī)過程,并在目標(biāo)函數(shù)中加入了動態(tài)干擾項.導(dǎo)出的相關(guān)積分算法中,只需通過調(diào)優(yōu)變量及目標(biāo)函數(shù)隨時間動態(tài)變化的觀測值,即可對過程進(jìn)行優(yōu)化而無需過程的機(jī)理或統(tǒng)計模型,首先在煉油廠潤滑油酮苯蠟裝置獲得成功應(yīng)用,并推廣到煉油廠催化裂化等裝置應(yīng)用[124].

黃德先等針對在線實時優(yōu)化問題中精餾過程不能平穩(wěn)運行和不易建立精確模型的兩大難題,提出了一種集動態(tài)控制與穩(wěn)態(tài)優(yōu)化于一體的實時優(yōu)化方法.該方法基于對精餾塔的物料平衡、組分平衡與其動態(tài)特性的深入剖析,以精餾過程中塔頂輕產(chǎn)品量和塔底重產(chǎn)品量比率(稱為輕重產(chǎn)品比率η)和分離度(在工藝設(shè)備確定后,取決于塔頂和塔底溫差和生產(chǎn)過程的平穩(wěn)程度)這兩個影響分餾產(chǎn)品質(zhì)量和運行穩(wěn)定的決定性因素作為控制指標(biāo),首先保證產(chǎn)品質(zhì)量平穩(wěn),然后建立一種既滿足優(yōu)化精度而又易于計算的代理模型,最終解決了在線實時優(yōu)化問題,從而為實現(xiàn)提高高價值產(chǎn)品產(chǎn)率與降低能耗的目標(biāo),在煉油廠氣分裝置上獲得成功應(yīng)用并推廣到其他裝置上應(yīng)用[125?126].

4 煉油過程先進(jìn)控制存在的問題與解決思路

自從20世紀(jì)中期以來,許多新的控制方法都在煉油生產(chǎn)過程中進(jìn)行了應(yīng)用實踐,并已經(jīng)成為大型生產(chǎn)裝置不可分割的重要組成部分,成為衡量其現(xiàn)代化水平的一個重要標(biāo)志,也引領(lǐng)了在其他過程工業(yè)中的應(yīng)用.

應(yīng)當(dāng)指出,由于煉油工業(yè)過程的原油成份多變,制約了以模型預(yù)測控制為核心的先進(jìn)控制程技術(shù)進(jìn)一步發(fā)揮作用,原因在于以先進(jìn)控制實現(xiàn)油品質(zhì)量控制大多依賴于軟測量,而我國煉油行業(yè)加工原油來源繁雜、品質(zhì)低劣,原油性質(zhì)變化頻繁對軟測量模型精度的影響遠(yuǎn)甚于對控制模型精度的影響.如果軟測量估計精度無法滿足油品質(zhì)量控制的安全平穩(wěn),就更談不上獲取重大經(jīng)濟(jì)收益的卡邊優(yōu)化控制,使先進(jìn)控制的效能大打折扣.目前,應(yīng)用先進(jìn)控制的場合大多采用比較寬的質(zhì)量指標(biāo)約束區(qū)域或采用比較低的加權(quán)系數(shù),以避開油品質(zhì)量直接閉環(huán)控制的難題,但是這樣就失去了先進(jìn)控制的應(yīng)用的價值.因而,在原油成份頻繁變化等的實際生產(chǎn)條件下,如何充分發(fā)揮先進(jìn)控制的優(yōu)勢是國內(nèi)外煉油行業(yè)共同面對的難題.

解決的出路在于如何能夠消除原油成分頻繁變化對軟測量模型精度的影響,也即設(shè)法降低原油成分的變化頻度,調(diào)度優(yōu)化的目標(biāo)正是在滿足市場需求的條件下,盡量不改變或少改變原料的成分,從而保持生產(chǎn)過程的平穩(wěn),可以說調(diào)度優(yōu)化正是滿足生產(chǎn)正常運行并追求煉油生產(chǎn)全流程優(yōu)化的重要保障.考慮到煉油生產(chǎn)過程的原料(原油)是一個組成極為復(fù)雜的混合物,且基本都是可以利用的有效成分,因而有效充分地利用原料是調(diào)度優(yōu)化的重要的也是極為困難的任務(wù).同樣,模型的準(zhǔn)確描述也是阻礙調(diào)度優(yōu)化的瓶頸問題.

煉油過程的復(fù)雜性決定了建立調(diào)度模型的難度:

1)不同的原油進(jìn)料,其各種成品油產(chǎn)品收率、油品標(biāo)號、硫含量、重金屬含量不同,加工成本和能耗也不同,即不能用一個單一模型來描述煉油生產(chǎn)過程用來進(jìn)行調(diào)度優(yōu)化.

2)即使進(jìn)料原油不變,由于生產(chǎn)方案不同,產(chǎn)品加工方案不同,各種成品油收率、油品標(biāo)號、硫含量、重金屬含量及加工成本和能耗也不同;更為嚴(yán)重的是,生產(chǎn)裝置操作不平穩(wěn)或者不能按照調(diào)度方案所期望的操作方案執(zhí)行的情況,所建的調(diào)度優(yōu)化模型難以適應(yīng).

3)由于生產(chǎn)流程長,不同的調(diào)度方案,其執(zhí)行時間和代價可能差別很大,比如通過調(diào)整上游裝置(最上游是調(diào)整原油進(jìn)料的配比)的調(diào)度方案比僅調(diào)整下游裝置的調(diào)度方案執(zhí)行過程緩慢得多,而且受影響的生產(chǎn)裝置更多.傳統(tǒng)的調(diào)度建模方法難以適應(yīng)這種狀況,也缺少相應(yīng)的求解方法.

這些特殊問題使現(xiàn)有的調(diào)度模型或者不能適應(yīng)實際調(diào)度需求,或者因缺乏實現(xiàn)途徑而成為空中樓閣,使得現(xiàn)有調(diào)度優(yōu)化方法難以發(fā)揮作用.目前使用的單一模型難以準(zhǔn)確反映多種進(jìn)料原油和多種裝置優(yōu)化操作方案的實際狀況,即使有些文獻(xiàn)提出了多模型方案,僅靠調(diào)度領(lǐng)域自身和傳統(tǒng)的建模途徑也是難以實現(xiàn).煉油生產(chǎn)過程調(diào)度優(yōu)化問題,盡管學(xué)術(shù)界報道較多[127?128],卻鮮見成功的應(yīng)用案例,其中有些探討實質(zhì)上涉及的是計劃優(yōu)化.在工業(yè)界應(yīng)用最多的當(dāng)屬Aspen公司的Aspen Orion,作為交互式調(diào)度排產(chǎn)作業(yè)的驗證平臺,它并沒有解決過程模型描述以及全廠調(diào)度優(yōu)化大規(guī)模優(yōu)化求解問題.Honeywell公司的Business Flex試圖解決全流程調(diào)度優(yōu)化的問題,但也因難以實現(xiàn)滿足調(diào)度優(yōu)化的過程模型準(zhǔn)確描述問題而未見成功應(yīng)用的報導(dǎo).目前的調(diào)度主要憑調(diào)度人員的經(jīng)驗來保障生產(chǎn)的連續(xù)安全運行,特別是針對產(chǎn)品和原料的市場供需變化以及某個生產(chǎn)裝置的不正常運行所導(dǎo)致停產(chǎn)、限產(chǎn),都需要調(diào)度人員人工應(yīng)急處理.由于生產(chǎn)過程的動態(tài)過渡過程時間長和產(chǎn)品變化需求快,調(diào)度人員往往采用過調(diào)的方式,這樣就更加劇了生產(chǎn)過程運行方案的頻繁切換,致使煉油生產(chǎn)的原料切換、裝置操作條件變化頻繁,使得生產(chǎn)過程上下波動,無法平穩(wěn)運行,使先進(jìn)控制和實時優(yōu)化難以充分發(fā)揮作用.可見,真正實現(xiàn)優(yōu)化調(diào)度正好可以解決先進(jìn)控制實施中的難題.

目前國內(nèi)智能煉廠示范企業(yè)采用的是基于線性模型的計劃優(yōu)化結(jié)果,通過流程模型進(jìn)行迭代校正,以增加計劃優(yōu)化的可實現(xiàn)性,從而試圖減少調(diào)度優(yōu)化的困難,實現(xiàn)計劃優(yōu)化與調(diào)度優(yōu)化的一體化.但仍然未能解決適應(yīng)不同原油、不同操作模式的模型描述問題,仍然無法實現(xiàn)調(diào)度的優(yōu)化和快速調(diào)度的需求.總之,對煉油工業(yè)過程控制而言,目前存在著在原油品質(zhì)和性質(zhì)多變情況下軟測量模型的精度問題、在不同原油和不同操作模式下調(diào)度模型的描述問題、大規(guī)模優(yōu)化問題的求解等難題,這些問題對于進(jìn)一步有效地實施先進(jìn)控制至關(guān)重要,需要盡快加以研究,得出有效的結(jié)果.

黃德先等從煉油生產(chǎn)過程全局出發(fā),提出了全流程集成優(yōu)化控制與調(diào)度優(yōu)化的綜合解決思路,給出一種面向原油性質(zhì)分類和有限操作優(yōu)化模式的多維模型描述結(jié)構(gòu),即通過對歷史生產(chǎn)操作數(shù)據(jù)按原油和操作模式進(jìn)行分類,建立基于裝置級先進(jìn)控制和卡邊優(yōu)化的煉油生產(chǎn)裝置的初始多維調(diào)度優(yōu)化模型描述體系.該模型描述體系按原油性質(zhì)和有限種操作優(yōu)化模式分類建模,使原來隨機(jī)問題轉(zhuǎn)換為工程意義上的確定性建模問題.基于該多維調(diào)度優(yōu)化模型并考慮執(zhí)行時間和代價的煉油生產(chǎn)過程調(diào)度優(yōu)化智能決策方法,為各生產(chǎn)裝置的先進(jìn)控制和運行優(yōu)化提供更好的運行條件,實現(xiàn)更安全平穩(wěn)操作和卡邊優(yōu)化運行效果,并利用此調(diào)度優(yōu)化實施后的生產(chǎn)數(shù)據(jù)更新改進(jìn)多維調(diào)度優(yōu)化模型準(zhǔn)確性,通過此全流程調(diào)度優(yōu)化與裝置級優(yōu)化控制的良性互動,實現(xiàn)整個煉油生產(chǎn)過程的全流程優(yōu)化運行[129?130].初步的研究與驗證結(jié)果表明了該方法的可行性和應(yīng)用前景,可以預(yù)期這一思路能夠為解決煉油企業(yè)在生產(chǎn)調(diào)度優(yōu)化和先進(jìn)控制實施中的應(yīng)用難題開辟一條可行的新路[131?135].

5 發(fā)展趨勢展望

進(jìn)入人們稱之為知識時代的21世紀(jì),新的理論、知識與技術(shù)對過程控制的發(fā)展產(chǎn)生了更深遠(yuǎn)的影響,學(xué)科間的交叉和計算機(jī)、通信等各種技術(shù)的融合應(yīng)用與集成使得自動化發(fā)生了質(zhì)的飛躍,已完全突破了傳統(tǒng)過程控制的范疇,將控制理論,信息論和系統(tǒng)論相結(jié)合,并在計算機(jī)技術(shù),通信技術(shù)和網(wǎng)絡(luò)技術(shù)等的支持下,形成了更為廣泛的綜合自動化系統(tǒng),此時的過程控制已由制造過程的控制延伸到生產(chǎn)管理、經(jīng)營管理和決策等過程,即綜合自動化的階段.流程工業(yè)綜合自動化也稱為流程工業(yè)CIMS,包括了過程控制系統(tǒng)(Process control system,PCS)、制造執(zhí)行系統(tǒng)(Manufacturing execusion system,MES)和經(jīng)營計劃系統(tǒng)(Business planning system,BPS,此層又被稱為企業(yè)資源規(guī)劃層,即Enterprise resource planning,ERP)等三層結(jié)構(gòu)[3,136].經(jīng)過長期努力,綜合自動化在煉油工業(yè)得到快速的發(fā)展和應(yīng)用,已經(jīng)部分實施的結(jié)果表明,綜合自動化能夠獲得顯著的經(jīng)濟(jì)和社會效益.中國石油化工九江石化分公司成為2015年工業(yè)信息部第一批智能工廠示范企業(yè)的成員,表明煉油企業(yè)已開始進(jìn)入了追求智能制造的時代,無論在理論上或技術(shù)上都面臨著巨大的挑戰(zhàn).

如前所述,煉油過程綜合自動化的主要困難在于過程復(fù)雜、原料多變,導(dǎo)致建模困難,調(diào)度優(yōu)化和控制相互制約.前述全流程集成優(yōu)化控制與調(diào)度優(yōu)化的綜合解決新思路,通過基于原油性質(zhì)分類和有限種操作優(yōu)化模式的多維模型描述結(jié)構(gòu)提供了具有實踐意義的建模思路,通過調(diào)度優(yōu)化智能決策提供了調(diào)度優(yōu)化的方法,通過全流程調(diào)度優(yōu)化和裝置級控制的互動提供了二者相互支持的實現(xiàn)途徑,為煉油生產(chǎn)過程全流程優(yōu)化、經(jīng)營決策及智能制造方面的進(jìn)一步研究應(yīng)用打下了堅實的基礎(chǔ).圖1給出了面向原油性質(zhì)分類和有限操作優(yōu)化模式的多維模型描述基礎(chǔ)上的進(jìn)一步研究和應(yīng)用方向.

圖1 面向原油性質(zhì)分類和有限操作優(yōu)化模式的多維模型的研究與應(yīng)用Fig.1 The research and application of the multidimensional model on the classi fication of crude oil properties and limited number of operation optimization modes

煉油主體過程解決方案已經(jīng)具備實踐意義和條件.在此基礎(chǔ)上,進(jìn)一步研究拓展調(diào)度優(yōu)化方法,以提高效率,可以延展調(diào)度優(yōu)化周期,實現(xiàn)廠級計劃優(yōu)化與調(diào)度優(yōu)化一體化,從而在更長時間周期上實現(xiàn)全局最優(yōu).同時,以煉油主體過程為基礎(chǔ),綜合公用工程環(huán)節(jié),可以擴(kuò)展廠級優(yōu)化的空間覆蓋,為現(xiàn)在的諸如蒸汽能源優(yōu)化、瓦斯氣平衡、氫氣平衡等之類的資源平衡和利用提供了更好的模型描述.這樣就把過去按照對未來的供需預(yù)測的優(yōu)化調(diào)度隨機(jī)優(yōu)化問題轉(zhuǎn)換為按原油性質(zhì)分類和有限種操作優(yōu)化工程意義上的確定性優(yōu)化問題,大大降低了公用工程調(diào)度優(yōu)化的難度、提高能源和資源利用水平,也使包括公用工程的整體生產(chǎn)調(diào)度優(yōu)化成為可能.另一個維度,則可以考慮廠際協(xié)同,從集團(tuán)公司的層面實現(xiàn)各煉廠之間的原油分配和計劃指標(biāo)優(yōu)化以及原油采購優(yōu)化.由于其采用更為精細(xì)化的模型,并能夠根據(jù)各下屬廠的及時、可靠的自動更新,必將比現(xiàn)在PIMS(Process industry modeling system)優(yōu)化取得更大的效益提升.作為解決思路的關(guān)鍵,調(diào)度優(yōu)化和裝置級控制的相互支持可以在系統(tǒng)長期運行的基礎(chǔ)上,積累大量有效數(shù)據(jù),對過程模型進(jìn)行在線自更新.總體上,過程模型的建立和更新、調(diào)度優(yōu)化模型的建立和求解、決策作為主要內(nèi)容,將為智能煉油提供重要的支撐.

煉油過程中的大數(shù)據(jù)除了具有所謂的海量、高速、多樣特征外[137],還具有數(shù)據(jù)多率性、過程動態(tài)性、邏輯隱蔽性以及知識層次性等特殊的性質(zhì),因而如何充分利用煉油企業(yè)大數(shù)據(jù)獨特特性,實現(xiàn)在調(diào)度知識的自動獲取的基礎(chǔ)上建設(shè)煉油企業(yè)生產(chǎn)調(diào)度知識自動化系統(tǒng),是一個重要的研究方向.煉油企業(yè)MES系統(tǒng)的廣泛應(yīng)用,使得獲取豐富的生產(chǎn)過程數(shù)據(jù)和經(jīng)營數(shù)據(jù)成為可能,同時來自工業(yè)互聯(lián)網(wǎng)、數(shù)據(jù)倉庫的大量數(shù)據(jù)也提供了海量的待利用信息資源.大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、知識自動化等理念和技術(shù)的到來,使得挖掘和利用這些信息資源及其所蘊含的知識成為可能,揭示了深度開發(fā)數(shù)據(jù)和智力資源、深化工業(yè)革命的時代已經(jīng)來臨.在這一歷史進(jìn)程中,基于大數(shù)據(jù)、以數(shù)據(jù)驅(qū)動的自動化知識將是關(guān)鍵的核心支撐科學(xué)和技術(shù)[138].

不論是過程模型還是調(diào)度優(yōu)化模型都是基于過程大數(shù)據(jù)和知識自動化的.過程大數(shù)據(jù)的多率性、動態(tài)性、邏輯隱蔽性和知識層次性對數(shù)據(jù)自動處理和解析技術(shù)必將提出特殊的挑戰(zhàn).對象的時變特征和過程的不確定性因素對模型更新的數(shù)據(jù)檢驗和更新準(zhǔn)則都有智能化的要求.隨著在時間、空間維度上的擴(kuò)張,各種層級的集成框架和優(yōu)化方法都將成為有意義的課題,智能決策和優(yōu)化不論是基于數(shù)學(xué)規(guī)劃方法還是智能推理方法都是值得研究的方向.

時代的進(jìn)步賦予過程控制更為深遠(yuǎn)的內(nèi)涵,理論與技術(shù)的發(fā)展給予過程控制嶄新的手段與工具.過程控制有著誘人的前景,讓我們共同努力,迎接一個嶄新的智能制造和無人工廠的新工業(yè)時代吧.

1 Li Li,Bai Xue-Song.The suggestion of the product quality upgrading for the development of China0s re finery industry.Chemical Industry,2006,34(5):15?20(李莉,白雪松.我國煉油行業(yè)發(fā)展及成品油質(zhì)量升級建議.化學(xué)工業(yè),2016,34(5):15?20)

2 Jin Yi-Hui,Wang Shi-Fu,Wang Gui-Zeng.Developments and prospects of process control.Control Theory and Applications,1997,14(2):145?151(金以慧,王詩宓,王桂增.過程控制的發(fā)展與展望.控制理論與應(yīng)用,1997,14(2):145?151)

3 Huang De-Xian,Wang Jing-Chun,Jin Yi-Hui.Process Control System.Beijing:Tsinghua University Press,2001.(黃德先,王京春,金以慧.過程控制系統(tǒng).北京:清華大學(xué)出版社,2011.)

4 Qian Xue-Sen,Song Jian.Engineering Cybernetics.Beijing:Science Press,1981.(錢學(xué)森,宋健.工程控制論.北京:科學(xué)出版社,1981.)

5 Yuan Pu.Development and application of advanced process control in petroleum re fining industry.Petroleum Processing and Petrochemicals,1994,25(10):28?33(袁璞.煉油過程先進(jìn)控制技術(shù)的發(fā)展與應(yīng)用.石油煉制與化工,1994,25(10):28?33)

6 Rosenbrock H H.Computer-aided Control System Design.London:Academic Press,1974.

8 EykhoffP.System Identi fication:Parameter and State Estimation.Chichester,England:Wiley,1974.

10 Clarke D W,Gawthrop J P.Self-tuning controller.Proceedings of the Institution of Electrical Engineers,1975,122(9):929?934

11 Landau I D.A survey of model reference adaptive techniques-theory and applications.Automatica,1974,10(4):353?379

12 Chien I L,Mellichamp D A,Seborg D E.A multivariable self-tuning control strategy for distillation columns.Industrial and Engineering Chemistry Process Design and Development,1986,25(3):595?600

13 Seborg D E,Shah S L,Edgar T F.Adaptive control strategies for process control:a survey.AIChE Journal,1986,32(6):881?913

14 Goodwin G C,Sin K S.Adaptive Filtering Prediction and Control.Englewood Cliffs,NJ:Prentice-Hall,1984.

15 Wu Hong-Xin,Yuan Zhu-Zhi,Wang Xian-Lai,Cai Ji-Bing,Chen Zong-Ji,Xu Ning-Shou,Li Qing-Quan,Shu Di-Qian.Application and development of adaptive control technology.In:Proceedings of the 1991 Annual Conference on Control Theory and Application(1).Weihai,China:Chinese Automation Society,Control Theory,Specialized Committee,1991.1?7(吳宏鑫,袁著祉,王先來,蔡季冰,陳宗基,徐寧壽,李清泉,舒迪前.自適應(yīng)控制技術(shù)的應(yīng)用和發(fā)展.1991年控制理論及其應(yīng)用年會論文集(上).威海,中國:中國自動化學(xué)會控制理論專業(yè)委員會,1991.1?7)

16 Zhao Da-Yong,Chai Tian-You.Adaptive internal model control method and its application to grinding process.Control Engineering of China,2009,16(4):426?428,431(趙大勇,柴天佑.自適應(yīng)內(nèi)模控制方法在磨礦過程中的應(yīng)用.控制工程,2009,16(4):426?428,431)

17 Jia Yao,Zhang Li-Yan,Chai Tian-You.Based on fuzzy adaptive control of model predictive in slurry neutralization process.Journal of Northeastern University(Natural Science),2014,35(5):617?621(賈瑤,張立巖,柴天佑.礦漿中和過程中基于模型預(yù)估模糊自適應(yīng)控制.東北大學(xué)學(xué)報(自然科學(xué)版),2014,35(5):617?621)

18 Wang Ying-Chun,Wu Hong-Xin,Geng Chang-Fu.An adaptive fuzzy controller and its application in the process control of aluminum electrolysis.Control Engineering of China,2001,(4):8,21?26(王迎春,吳宏鑫,耿長福.一種自適應(yīng)模糊控制器及其在電解鋁過程控制中的應(yīng)用.控制工程,2001,(4):8,21?26)

19 Li Xiang-Yang,Zhu Xue-Feng,Huang Dao-Ping,Liu Huan-Bin.Adaptive inferential control and its application to a batch pulping process.Industrial Instrumentation and Automation,2001,(3):45?48(李向陽,朱學(xué)峰,黃道平,劉煥彬.自適應(yīng)推理控制及在間歇制漿蒸煮過程中的應(yīng)用.工業(yè)儀表與自動化裝置,2001,(3):45?48)

20 Zadeh L A.Fuzzy algorithms.Information and Control,1968,12(2):94?102

21 Zadeh L A.Outline of a new approach to the analysis of complex systems and decision process.IEEE Transactions on Systems,Man,and Cybernetics,1973,SMC-3(1):28?44

22 Mamdani E H.Application of fuzzy algorithms for control of simple dynamic plant.Proceedings of the Institution of Electrical Engineers,1974,121(12):1585?1588

23 Tanaka K,Sugeno M.Stability analysis and design of fuzzy control system.Fuzzy Sets and Systems,1992,45(2):135?156

24 Deng Zi-Li,Ren Yong-Tang,Huang Xian-Ri.Multivariable decoupling fuzzy control system for a large crude oil distillation unit.Acta Automatica Sinica,1993,19(6):750?752(鄧自立,任永堂,黃先日.大型煉油常減壓裝置多變量解耦模糊控制系統(tǒng).自動化學(xué)報,1993,19(6):750?752)

25 Abilov A G,Zeybek Z,Tuzunalp O,Telatar Z.Fuzzy temperature control of industrial re fineries furnaces through combined feedforward/feedback multivariable cascade systems.Chemical Engineering and Processing,2002,41(1):87?98

26 Zhang Ri-Dong,Su Cheng-Li,Zhang Jian-Ming,Wang Shu-Qing,Mao Guo-Ping,Wei Shao-Yi,Zheng Wei.Liquid level control system based on fuzzy rules.Control Engineering of China,2006,13(4):320?323(張日東,蘇成利,張建明,王樹青,毛國平,魏少毅,鄭瑋.基于模糊規(guī)則的液位控制系統(tǒng).控制工程,2006,13(4):320?323)

27 Huang He,Li De-Wei,Xi Yu-Geng.On design ofH2/H∞mixed RMPC based on multi-step control strategy.Acta Automatica Sinica,2012,38(6):944?950(黃鶴,李德偉,席裕庚.基于多步控制策略的混合H2/H∞魯棒預(yù)測控制器設(shè)計.自動化學(xué)報,2012,38(6):944?950)

28 Al-Gherwi W,Budman H,Elkamel A.Robust distributed model predictive control:a review and recent developments.The Canadian Journal of Chemical Engineering,2011,89(5):1176?1190

29 Shen Guo-Jiang,Zhong Wei-Sheng,Liu Xiang,Sun You-Xian.Robust fuzzy-PID for a class of typical systems with large time varying time delay and its application.Control Theory and Applications,2002,19(6):892?896(沈國江,衷衛(wèi)聲,劉翔,孫優(yōu)賢.典型大時變時滯系統(tǒng)的魯棒fuzzy-PID 控制及應(yīng)用.控制理論與應(yīng)用,2002,19(6):892?896)

30 Gui Wei-Hua,Xie Yong-Fang,Wu Min,Chen Ning.Decentralized robust control for uncertain interconnected systems with time-delay based on LMI approach.Acta Automatica Sinica,2002,28(1):155?159(桂衛(wèi)華,謝永芳,吳敏,陳寧.基于LMI的不確定性關(guān)聯(lián)時滯大系統(tǒng)的分散魯棒控制.自動化學(xué)報,2002,28(1):155?159)

31 Dai Lian-Kui,Lv Yong-Zai.Decentralized robust control for a reactor-regenerator system in fluidized catalytic cracking unit.Information and Control,1988,(1):5?10(戴連奎,呂勇哉.催化裂化反應(yīng)再生系統(tǒng)的分散魯棒控制.信息與控制,1988,(1):5?10

32 Chen Xing,Li Dong-Hai,Zhu Min,Tian Ling-Ling,Wang Wei-Jie.Robust control of combustion oscillation based on observer.Proceedings of the CSEE,2009,29(11):96?104(陳星,李東海,朱民,田玲玲,王維杰.基于觀測器的燃燒振蕩魯棒控制.中國電機(jī)工程學(xué)報,2009,29(11):96?104)

33 Richaje J,Rault A,Testud J L,Papon J.Model predictive heuristic control:applications to industrial processes.Automatica,1978,14(5):413?428

34 Cutler C R,Remaker B L.Dynamic matrix control–a computer control algorithm.In:Proceedings of the 1980 Joint Automatic Control Conference.New York,USA:IEEE,1980.

35 Rouhani R,Mehra R K.Model algorithmic control(MAC):basic theoretical properties.Automatica,1982,18(4):401?414

36 Qin S J,Badgwell T A.A survey of industrial model predictive control technology.Control Engineering Practice,2003,11(7):733?764

37 Xi Yu-Geng.Predictive Control.Beijing:National Defense Industry Press,1993.(席裕庚.預(yù)測控制.北京:國防工業(yè)出版社,1993.)

38 Yuan Pu.Dynamic Mathematical Model of Production Process and Its Application.Beijing:China Petrochemical Publishing House,1994.(袁璞.生產(chǎn)過程動態(tài)數(shù)學(xué)模式及其在線應(yīng)用.北京:中國石化工出版社,1994.)

39 Xi Yu-Geng,Zhang Zhong-Jun.A new type of computer control algorithm:predictive control algorithm.Control Theory and Applications,1985,2(3):1?9(席裕庚,張鐘俊.一類新型計算機(jī)控制算法:預(yù)測控制算法.控制理論與應(yīng)用,1985,2(3):1?9)

40 Yuan Pu.Predictive control and its application in petrochemical process.Industrial Process Modeling and Control.Hangzhou:Zhejiang University Press,1987.(袁璞.預(yù)估控制及其在石油化工過程的應(yīng)用.工業(yè)過程模型化與控制.杭州:浙江大學(xué)出版社,1987.)

41 Yuan Zhu-Zhi.Recursive generalized predictive STC.Acta Automatica Sinica,1989,15(4):348?351(袁著祉.遞推廣義預(yù)測自校正控制器.自動化學(xué)報,1989,15(4):348?351)

42 Zhang Yuan,Sun Ming-Wei,Chen Zeng-Qiang,Yuan Zhu-Zhi.Generalized predictive control algorithm based on extended state observer.Journal of Systems Science and Mathematical Sciences,2014,34(11):1366?1378)(張園,孫明瑋,陳增強(qiáng),袁著祉.基于擴(kuò)張狀態(tài)觀測器的廣義預(yù)測控制.系統(tǒng)科學(xué)與數(shù)學(xué),2014,34(11):1366?1378)

43 Shu Di-Qian,Liu Li,Hu Yi-Shun.Multivariable self-tuning regulator and its application to electrically heated furnaces.Acta Automatica Sinica,1985,11(1):21?29(舒迪前,劉立,轷一順.多變量自校正調(diào)節(jié)器及其在電加熱爐上的應(yīng)用.自動化學(xué)報,1985,11(1):21?29)

44 Tang Zhao-Hui,Wang Wei,Liu Jin-Ping,Gui Wei-Hua,Yang Chun-Hua.Predictive control of reagent-addition amount based on PDF model of bubble size in copper roughing flotation process.Journal of Central South University(Science and Technology),2015,46(3):856?863(唐朝暉,王偉,劉金平,桂衛(wèi)華,陽春華.基于泡沫尺寸PDF模型的銅粗選過程加藥量預(yù)測控制.中南大學(xué)學(xué)報(自然科學(xué)版),2015,46(3):856?863)

45 Yuan Zhen-Dong.Generalized predictive control based on an ARMAX model.Control Theory and Applications,1988,5(1):12?17(袁震東.基于ARMAX模型的廣義預(yù)測控制.控制理論與應(yīng)用,1988,5(1):12?17)

46 Wang Wei.A direct adaptive generalized predictive control algorithm and global convergence analyses.Acta Automatica Sinica,1995,21(1):57?62(王偉.廣義預(yù)測自適應(yīng)控制的直接算法及全局收斂性分析.自動化學(xué)報,1995,21(1):57?62)

47 Wang Wei.A direct method of generalized adaptive predictive control.Acta Automatica Sinica,1996,22(3):270?277(王偉.一種廣義預(yù)測自適應(yīng)控制的直接方法.自動化學(xué)報,1996,22(3):270?277)

48 Wang Wei,Yang Jian-Jun.Generalized predictive contol:theory,algorithm and application.Control Theory and Applications,1997,14(6):777?786(王偉,楊建軍.廣義預(yù)測控制:理論、算法與應(yīng)用.控制理論與應(yīng)用,1997,14(6):777?786)

49 Wang Wei,Yang Jian-Jun.Receding horizon predictive control for systems with input constraints.Acta Automatica Sinica,2002,28(2):251?255(王偉,楊建軍.輸入受限系統(tǒng)的滾動時域預(yù)測控制.自動化學(xué)報,2002,28(2):251?255)

50 Wang Wei.Generalized predictive control of nonlinear systems of the Hammerstein form.Control Theory and Applications,1994,11(6):672?680(王偉.具有Hammerstein形式的非線性系統(tǒng)廣義預(yù)測控制.控制理論與應(yīng)用,1994,11(6):672?680)

51 Guo Ge,Wang Wei,Chai Tian-You.A robust predictive control method and its application in continuous casting process.Journal of Iron and Steel Research,1998,10(3):21?24(郭戈,王偉,柴天佑.一種魯棒預(yù)測控制方法及其在連鑄中的應(yīng)用.鋼鐵研究學(xué)報,1998,10(3):21?24)

52 Zhang Ming,Wang Shi-Fu.Predicted-error-based model algorithm control.Journal of Tsinghua University,1990,30(1):89?95(張明,王詩宓.基于預(yù)測偏差的模型算法控制.清華大學(xué)學(xué)報(自然科學(xué)版),1990,30(1):89?95)

53 Yuan Pu.Single prediction predictive control.Journal of the University of Petroleum,China,1992,16(5):100?109(袁璞.單值預(yù)估控制.石油大學(xué)學(xué)報(自然科學(xué)版),1992,16(5):100?109)

54 Zheng Hai-Tao,Yuan Pu.Research on stability of generalized predictive control.Acta Automatica Sinica,1993,19(4):493?496(鄭海濤,袁璞.廣義預(yù)估控制的穩(wěn)定性研究.自動化學(xué)報,1993,19(4):493?496)

55 Yuan Pu,Zuo Xin,Zheng Hai-Tao.State variable feedback predictive control.Acta Automatica Sinica,1993,19(5):569?577(袁璞,左信,鄭海濤.狀態(tài)反饋預(yù)估控制.自動化學(xué)報,1993,19(5):569?577)

56 Huang De-Xian,Tian Xue-Min,Yuan Pu,Zhou Xiang-Yun,Li Hua,Yang Ming-Bin.A control strategy for time delay process.Control and Instruments in Chemical Industry,1995,22(6):10?14(黃德先,田學(xué)民,袁璞,周湘云,李華,楊名濱.預(yù)估控制策略在大純滯后過程中的應(yīng)用.化工自動化及儀表,1995,22(6):10?14)

57 Tian Xue-Min,Huang De-Xian,Yuan Pu.Coordination controller for multivariable constraints process.Journal of the University of Petroleum,China,1995,19(6):102?105(田學(xué)民,黃德先,袁璞.多變量約束過程的預(yù)估協(xié)調(diào)控制.石油大學(xué)學(xué)報,1995,19(6):102?105)

58 Zhu X F,Seborg D E.Nonlinear predictive control based on Hammerstein models.Control Theory and Applications,1995,11(5):564?575

59 Chen Yue,An Xie-Nan,Gao Dong-Jie.Further research on uni fied predictive control using internal model structure.Acta Automatica Sinica,1999,25(4):441?448(陳悅,安燮南,高東杰.內(nèi)模統(tǒng)一預(yù)測控制的進(jìn)一步分析.自動化學(xué)報,1999,25(4):441?448)

60 Xi Yu-Geng,Li De-Wei,Lin Shu.Model predictive controlstatus and challenges.Acta Automatica Sinica,2013,39(3):222?236(席裕庚,李德偉,林姝.模型預(yù)測控制– 現(xiàn)狀與挑戰(zhàn).自動化學(xué)報,2013,39(3):222?236)

61 Li S Y,Xi Y G,Chen Z Q,Yuan Z Z.Cascade generalized predictive control applied to biaxial film production process.Control Theory and Applications,2001,18(6):876?881

62 Xie Ya-Jun,Ding Bao-Cang,Chen Qiao.Double-layered model predictive control of state-space model.Control Theory and Applications,2017,34(1):69?74(謝亞軍,丁寶蒼,陳橋.狀態(tài)空間模型的雙層結(jié)構(gòu)預(yù)測控制算法.控制理論與應(yīng)用,2017,34(1):69?74)

63 Huang De-Xian,Ye Xin-Yu,Zhu Jian-Min,Li Xiu-Gai.Advanced Control of Chemical Process.Beijing:Chemical Industry Press,2006.(黃德先,葉心宇,竺建敏,李秀改.化工過程先進(jìn)控制.北京:化學(xué)工業(yè)出版社,2006.)

64 Zhang Guang-Fan,Chen Shao-Dong,Li Cheng-Dong,Shao Hui-He.Application of multivariable constrained control on Largescale FCCU–online control and optimization.Control and Instruments in Chemical Industry,1999,26(3):4?8(張廣凡,陳紹東,李成東,邵惠鶴.多變量約束控制在大型FCCU裝置中的應(yīng)用(下)– 在線優(yōu)化控制.化工自動化及儀表,1999,26(3):4?8)

65 Wang Jing-Chun,Jin Yi-Hui,Gu Jian,Li Yan-Ting.Nonlinear advanced control software SMART-NLS and its application.Acta Automatica Sinica,2000,26(SB):135?139(王京春,金以慧,顧健,李延亭.非線性先進(jìn)控制軟件SMARTNLS及其應(yīng)用.自動化學(xué)報,2000,26(SB):135?139)

66 Zhang Ri-Dong,Wang Shu-Qing,Li Ping.Support vector machine based on predictive control for nonlinear systems.Acta Automatica Sinica,2007,33(10):1066?1073(張日東,王樹青,李平.基于支持向量機(jī)的非線性系統(tǒng)預(yù)測控制.自動化學(xué)報,2007,33(10):1066?1073)

67 Huang De-Xian,Wang Jing-Chun,Jin Yi-Hui.Research on multivariable predictive controller(SMART)and its application in atmospheric and vacuum distillation unit.China Petrochemical—Science and Technology Information Guide.2001.105?108(黃德先,王京春,金以慧.多變量預(yù)測控制器(SMART)的研究及在常減壓裝置上的應(yīng)用.中國石油化工–科技信息指南.2001.105?108)

68 Zhao Jun,Li Tian-Peng,Qian Ji-Xin.Key technology and industrial application of model predictive control engineering software.Journal of Jilin University(Information Science Edition),2004,22(4):341?345(趙均,李田鵬,錢積新.模型預(yù)測控制工程軟件關(guān)鍵技術(shù)及其工業(yè)應(yīng)用.吉林大學(xué)學(xué)報(信息科學(xué)版),2004,22(4):341?345)

69 Su Hong-Ye,Chu Jian.Development and application of advanced control software in production process of process industry.Automation Panorama,2003,20(S):63?67(蘇宏業(yè),褚健.流程工業(yè)生產(chǎn)過程先進(jìn)控制軟件的開發(fā)與應(yīng)用.自動化博覽,2003,20(S):63?67)

70 Lv Wen-Xiang,Zhang Jin-Zhu,Jiang Ben-Ben,Luan Zhi-Ye,Huang De-Xian.Thermal-coupling-oriented integrated control and optimization of distillation process.CIESC Journal,2013,64(12):4319?4324(呂文祥，張金柱，江奔奔，欒志業(yè)，黃德先,熱集成耦合的精餾過程控制,化工學(xué)報,2013,6412:4319?4324)

71 Zhang W Y,Huang D X,Wang Y D,Wang J C.Adaptive state feedback predictive control and expert control for a delayed coking furnace.Chinese Journal of Chemical Engineering,2008,16(4):590?598

72 Yu X D,Huang D X,Jiang Y H,Jin Y H.Iterative learning belief rule-base inference methodology using evidential reasoning for delayed coking unit.Control Engineering Practice,2012,20(10):1005?1015

73 Qi L G,Gao X Y,Huang D X,Wang L,Wang H J,Song S G.A novel comprehensive solution for furnace integrating outlet parametric variable control and online thermal efficiency optimization.In:Proceedings of the 34th Chinese Control Conference(CCC).Hangzhou,China:IEEE,2015.4139?4144

74 van den Bos A,EykhoffP.Model building and parameter estimation as means for intelligent measurement.Measurement,1988,6(1):25?32

75 Brosilow C,Tong M.Inferential control of processes:part II.The structure and dynamics of inferential control systems.AIChE Journal,1978,24(3):492?500

76 Yu Jin-Shou.Soft sensing technology and its application.Process Automation Instrumentation,2008,29(1):1?7(俞金壽.軟測量技術(shù)及其應(yīng)用.自動化儀表,2008,29(1):1?7)

77 Yu Jin-Shou,Liu Ai-Lun,Zhang Ke-Jin.Soft Measurement Technology and Its Application in Petrochemical Industry.Beijing:Chemical Publishing House,2000.(俞金壽,劉愛倫,張克進(jìn).軟測量技術(shù)及其在石油化工中的應(yīng)用.北京:化工出版社,2000.)

78 Li Hai-Qing,Huang Zhi-Yao.The Principle and Application of Soft Measurement Technology.Beijing:Chemical Publishing House,2000.(李海青,黃志堯.軟測量技術(shù)原理及應(yīng)用.北京:化工出版社,2000.)

79 Nomikos P,MacGregor J F.Monitoring batch processes using multiway principal component analysis.AIChE Journal,1994,40(8):1361?1375

80 Qin S J.Recursive PLS algorithms for adaptive data modeling.Computers and Chemical Engineering,1998,22(4?5):503?514

81 Camacho J,Picó J,Ferrer A.Bilinear modelling of batch processes.Part II:a comparison of PLS soft-sensors.Journal of Chemometrics,2008,22(10):533?547

82 Zamprogna E,Barolo M,Seborg D E.Estimating product composition pro files in batch distillation via partial least squares regression.Control Engineering Practice,2004,12(7):917?929

83 Zamprogna E,Barolo M,Seborg D E.Optimal selection of soft sensor inputs for batch distillation columns using principal component analysis.Journal of Process Control,2005,15(1):39?52

84 Sharmin R,Sundararaj U,Shah S,Van de Griend L,Sun Y J.Inferential sensors for estimation of polymer quality parameters:industrial application of a PLS-based soft sensor for a LDPE plant.Chemical Engineering Science,2006,61(19):6372?6384

85 Kaneko H,Arakawa M,Funatsu K.Development of a new soft sensor method using independent component analysis and partial least squares.AIChE Journal,2009,55(1):87?98

86 Yan W W,Shao H H,Wang X F.Soft sensing modeling based on support vector machine and Bayesian model selection.Computers and Chemical Engineering,2004,28(8):1489?1498

87 Desai K,Badhe Y,Tambe S S,Kulkarni B D.Soft-sensor development for fed-batch bioreactors using support vector regression.Biochemical Engineering Journal,2006,27(3):225?239

88 Wang X D,Luo R F,Shao H H.Designing a soft sensor for a distillation column with the fuzzy distributed radial basis function neural network.In:Proceedings of the 35th IEEE Conference on Decision and Control.Kobe,Japan:IEEE,1996,2:1714?1719

89 de Assis A J,Filho R M.Soft sensors development for online bioreactor state estimation.Computers and Chemical Engineering,2000,24(2?7):1099?1103

90 Qin S J.Neural networks for intelligent sensors and control-practical issues and some solutions.Neural Systems for Control.San Diego:Academic Press,1997.213?234

91 Zhang Xiao-Tian,Yan Xue-Feng,Qian Feng.Soft sensor of PDU naphtha dry point based on multiple neural network.Control Engineering of China,2004,11(S):52?54,64(張笑天,顏學(xué)峰,錢鋒.基于多神經(jīng)網(wǎng)絡(luò)模型的石腦油干點軟測量.控制工程,2004,11(S):52?54,64)

92 Zhang J.Inferential feedback control of distillation composition based on PCR and PLS models.In:Proceedings of the 2001 American Control Conference.Arlington,VA,USA:IEEE,2001,2:1196?1201

93 Lv Wen-Xiang,Huang De-Xian,Jin Yi-Hui.Improved softsensor method and its applications to crude unit product quality.Control Engineering of China,2004,11(4):296?298,324(呂文祥,黃德先,金以慧.常壓蒸餾產(chǎn)品質(zhì)量軟測量改進(jìn)方法及應(yīng)用.控制工程,2004,11(4):296?298,324)

94 Lv Wen-Xiang,Bai Liang,Huang De-Xian,Jiang Yong-Heng,Liu Xian-Guang,Zhu Chao-Bin,Li Zhan-Long,Zhang Dai-Xin.Advanced process control of CDU aiming to diversity of crude oil.CIESC Journal,2009,60(10):2522?2528(呂文祥,擺亮,黃德先,江永亨,劉先廣,朱朝賓,李占龍,張代欣.針對原油性質(zhì)變化的常減壓先進(jìn)控制研究與應(yīng)用.化工學(xué)報,2009,60(10):2522?2528)

95 Zhou C,Liu Q Y,Huang D X,Zhang J.Inferential estimation of kerosene dry point in re fineries with varying crudes.Journal of Process Control,2012,22(6):1122?1126

96 Zhu Ying,Liu Qi-Yue,Lv Wen-Xiang,Jiang Yong-Heng,Huang De-Xian.Inferential estimation of kerosene dry point via piecewise linear approximation.CIESC Journal,2010,61(8):2035?2039(朱鷹,劉祁躍,呂文祥,江永亨,黃德先.基于分片線性近似方法的煤油干點估計.化工學(xué)報,2010,61(8):2035?2039)

97 Shang C,Yang F,Huang D X,Lv W X.Data-driven soft sensor development based on deep learning technique.Journal of Process Control,2014,24(3):223?233

98 Yuan P,Huang D X,Cong S B.On-line applications of dynamic model for FCCU.In:Proceedings of the 1991 ADCHEM.France,1991.

99 Wang Wei,Yang Jian-Jun,Lv Bo.Robust model predictive control method based on state observer.Control and Decision,2001,16(5):557?560,564(王偉,楊建軍,呂博.基于觀測器的魯棒模型預(yù)測控制算法.控制與決策,2001,16(5):557?560,564)

100 Kaspar M H,Ray W H.Chemometric methods for process monitoring and high-performance controller design.AIChE Journal,1992,38(10):1593?1608

101 Kano M,Miyazaki K,Hasebe S,Hashimoto I.Inferential control system of distillation compositions using dynamic partial least squares regression.Journal of Process Control,2000,10(2?3):157?166

102 Facco P,Doplicher F,Bezzo F,Barolo M.Moving average PLS soft sensor for online product quality estimation in an industrial batch polymerization process.Journal of Process Control,2009,19(3):520?529

103 Himmelblau D M.Accounts of experiences in the application of arti ficial neural networks in chemical engineering.Industrial and Engineering Chemistry Research,2008,47(16):5782?5796

104 Shakil M,Elshafei M,Habib M A,Maleki F A.Soft sensor for NOxand O2using dynamic neural networks.Computers and Electrical Engineering,2009,35(4):578?586

105 Shang C,Huang X L,Suykens J A K,Huang D X.Enhancing dynamic soft sensors based on DPLS:a temporal smoothness regularization approach.Journal of Process Control,2015,28:17?26

106 Shang C,Gao X Q,Yang F,Lv W X,Huang D X.A comparative study on improved DPLS soft sensor models applied to a crude distillation unit.IFAC-PapersOnLine,2015,48(8):234?239

107 Shang C,Huang B,Yang F,Huang D X.Probabilistic slow feature analysis-based representation learning from massive process data for soft sensor modeling.AIChE Journal,2015,61(12):4126?4139

108 Shang C,Yang F,Gao X Q,Huang D X.Extracting latent dynamics from process data for quality prediction and performance assessment via slow feature regression.In:Proceedings of the 2015 American Control Conference(ACC).Chicago,IL,USA:IEEE,2015.912?917

109 Narendra K S,Parthasarathy K.Identi fication and control of dynamical systems using neural networks.IEEE Transactions on Neural Networks,1990,1(1):4?27

110 Shaw A M,Doyle III F J,Schwaber J S.A dynamic neural network approach to nonlinear process modeling.Computers and Chemical Engineering,1997,21(4):371?385

111 Luo Jian-Xu,Shao Hui-He.Developing dynamic soft sensors using multiple neural networks.Journal of Chemical Industry and Engineering(China),2003,54(12):1770?1773(羅健旭,邵惠鶴.應(yīng)用多神經(jīng)網(wǎng)絡(luò)建立動態(tài)軟測量模型.化工學(xué)報,2003,54(12):1770?1773)

112 Mao Shuai,Xiong Zhi-Hua,Xu Yong-Mao,Zhuang Ai-Xia,Huang Hai-Long,Wang Li-Qun.Dynamic soft-sensor model of diesel oil solidifying point on a crude distillation unit.Control Engineering of China,2005,12(4):342?345(毛帥,熊智華,徐用懋,莊愛霞,黃海龍,王立群.常壓塔柴油凝點動態(tài)軟測量模型的研究.控制工程,2005,12(4):342?345)

113 Du Wen-Li,Guan Zhen-Qiang,Qian Feng.Dynanic soft sensor modeling based on time series error compensation.CIESC Journal,2010,61(2):439?443(杜文莉,官振強(qiáng),錢鋒.一種基于時序誤差補(bǔ)償?shù)膭討B(tài)軟測量建模方法.化工學(xué)報,2010,61(2):439?443)

114 Wu Yao,Luo Xiong-Lin,Yuan Zhi-Hong.Soft sensor modeling with dynamic interpolation neural network for multirate system.Chemical Industry and Engineering Progress,2009,28(8):1323?1327(吳瑤,羅雄麟,袁志宏.多頻率系統(tǒng)動態(tài)插值神經(jīng)網(wǎng)絡(luò)軟測量建模.化工進(jìn)展,2009,28(8):1323?1327)

115 Ma Yong,Huang De-Xian,Jin Yi-Hui.Discussion about dynamic soft-sensing modeling.Journal of Chemical Industry and Engineering(China),2005,56(8):1516?1519(馬勇,黃德先,金以慧.動態(tài)軟測量建模方法初探.化工學(xué)報,2005,56(8):1516?1519)

116 Lv W X,Yang Q,Huang D X,Jin Y H.A dynamic soft-sensing method based on impulses response template and parameter estimation with modi fied DE optimization.IFAC Proceedings Volumes,2008,41(2):10983?10988

117 Gao X Q,Yang F,Huang D X,Ding Y J.An iterative two-level optimization method for the modeling of wiener structure nonlinear dynamic soft sensors.Industrial and Engineering Chemistry Research,2014,53(3):1172?1178

118 Shang C,Gao X Q,Yang F,Huang D X.Novel Bayesian framework for dynamic soft sensor based on support vector machine with finite impulse response.IEEE Transactions on Control Systems Technology,2014,22(4):1550?1557

119 Kane L A.Process Control and Optimization:Handbook for the Hydrocarbon Processing Industries.Houston:Gulf,1980.

120 Khor C S,Varvarezos D.Petroleum re finery optimization.Optimization and Engineering,2016.DOI:10.1007/s11081-016-9338-x

121 Yuan Pu,Zheng Yuan-Yang,Huang De-Xian,Wu Feng,Cong Song-Bo,Jiang Qing-Yin.Observation and Control of Depth of Catalytic Cracking Reaction,China Patent 90108193.0,1992.(袁璞,鄭遠(yuǎn)揚,黃德先,吳峰,從松波,江青茵.催化裂化反應(yīng)深度的觀測與控制方法,中國專利90108193.0,1992.)

122 Yuan Pu,Sun De-Xiang,Zuo Xin,Huang Wen-Wei,Lin Hong-Quan.Real-time Optimization Control Method for Cracking Reaction Depth of Catalytic Cracking Unit,China Patent 97100141.3,1997.(袁璞,孫德祥,左信,黃文偉,林洪泉.催化裂化裝置裂化反應(yīng)深度的實時優(yōu)化控制方法,中國專利97100141.3,1997.)

123 Wang Qiang,Liu Yong,Liu Jun-Feng.The application of advanced process control and real-time optimization technology on FCCU.Automation in Petro-chemical Industry,2006,(6):23?27(王強(qiáng),劉勇,劉俊峰.先進(jìn)控制與實時優(yōu)化技術(shù)在催化裂化裝置上的應(yīng)用.石油化工自動化,2006,(6):23?27)

124 Wang Jian.On-line Optimization Control System for Wax Yield of Ketone Benzene Dewaxing Unit,China Patent 021 30769.5,2003.(王建.相關(guān)積分法酮苯脫蠟裝置蠟收率在線優(yōu)化控制系統(tǒng),中國專利02130769.5,2003.)

125 Huang De-Xian,Lv Wen-Xiang,Wang Yu-Hong,Jin Yi-Hui.An Automatic Control and Optimization Method for Distillation Column,China Patent 200510086612.8,2006.(黃德先,呂文祥,王宇紅,金以慧.精餾塔的一種自動控制和優(yōu)化方法,中國專利200510086612.8,2006.)

126 Lv W X,Zhu Y,Huang D X,Jiang Y H,Jin Y H.A new strategy of integrated control and on-line optimization on high-purity distillation process.Chinese Journal of Chemical Engineering,2010,18(1):66?79

127 Harjunkoski I,Maravelias C T,Bongers P,Castro P M,Sebastian E,Grossmann I E,Hooker J,Mndez C,Sand G,Wassick J.Scope for industrial applications of production scheduling models and solution methods.Computers and Chemical Engineering,2014,62:161?193

128 Grossmann I.Enterprise-wide optimization:a new frontier in process systems engineering.AIChE Journal,2005,51(7):1846?1857

129 Huang De-Xian,Jiang Yong-Heng,Gao Xiao-Yong,Yu Bing,Bai Liang,Shi Lei,Lv Wen-Xiang.Optimization Method of Oil field Production Process Scheduling Based on Integrated Control Optimization,China Patent 201210 228138.8,2012.(黃德先,江永亨,高小永,余冰,擺亮,施磊,呂文祥.基于集成控制優(yōu)化的煉油生產(chǎn)過程調(diào)度優(yōu)化建模方法,中國專利20121022813 8.8,2012.)

130 Huang De-Xian,Jiang Yong-Heng,Gao Xiao-Yong,Yu Bing,Bai Liang,Shi Lei,Lv Wen-Xiang.Optimization of Oil field Production Process Scheduling Based on Intelligent Decision,China Patent 201210228649.X,2012.(黃德先,江永亨,高小永,余冰,擺亮,施磊,呂文祥.基于智能決策的煉油生產(chǎn)過程調(diào)度優(yōu)化方法,中國專利,201210228649.X,2012.)

131 Gao X Y,Jiang Y H,Chen T,Huang D X.Optimizing scheduling of re finery operations based on piecewise linear models.Computers and Chemical Engineering,2015,75:105?119

132 Gao X Y,Shang C,Jiang Y H,Huang D X,Chen T.Re finery scheduling with varying crude:a deep belief network classi fication and multimodel approach.AIChE Journal,2014,60(7):2525?2532

133 Gao Xiao-Yong,Jiang Yong-Heng,Huang De-Xian.Process modelling based on integration of unitwide optimal process control and plantwide scheduling,CIESC Journal,2016,67(12):5105?5111(高小永,江永亨,黃德先.基于裝置級優(yōu)化控制與廠級調(diào)度優(yōu)化集成的過程模型方法.化工學(xué)報,2016,67(12):5105?5111)

134 Shi L,Jiang Y H,Wang L,Huang D X.Efficient lagrangian decomposition approach for solving re finery production scheduling problems involving operational transitions of mode switching.Industrial and Engineering Chemistry Research,2015,54(25):6508?6526

135 Shi L,Jiang Y H,Wang L,Huang D X.Re finery production scheduling involving operational transitions of mode switching under predictive control system.Industrial and Engineering Chemistry Research,2014,53(19):8155?8170

136 Chai Tian-You,Jin Yi-Hui,Ren De-Xiang,Shao Hui-He,Qian Ji-Xin,Li Ping,Gui Wei-Hua,Zheng Bing-Lin.Contemporary integrated manufacturing system based on three-layer structure in process industry.Control Engineering of China,2002,9(3):1?6(柴天佑,金以慧,任德祥,邵惠鶴,錢積新,李平,桂衛(wèi)華,鄭秉霖.基于三層結(jié)構(gòu)的流程工業(yè)現(xiàn)代集成制造系統(tǒng).控制工程,2002,9(3):1?6)

137 Qin S J.Process data analytics in the era of big data.AIChE Journal,2014,60(9):3092?3100

138 Wang Fei-Yue.The destiny:towards knowledge automation-preface of the special issue for the 50th anniversary of Acta Automatica Sinica.Acta Automatica Sinica,2013,39(11):1741?1743(王飛躍.天命唯新:邁向知識自動化–《自動化學(xué)報》創(chuàng)刊50周年?？?自動化學(xué)報,2013,39(11):1741?1743)trol,and integrated automation.Corresponding author of this paper.)