您当前的位置:首页 > 化学化工

化工新闻:石油化工生产过程的先进控制

时间:2019-09-10 10:59:01  来源:  作者:

石油化工生产过程的先进控制是怎样的?石油化工生产过程的操作控制必须符合石油化工生产过程的特点,主要是:大规模连续生产、多变量关联、有不少重要变量不可实时测量得到、普遍存在时间滞后、动态特性复杂、难于建立准确的模型、对操作安全和平稳性要求高, 所有变量均需控制在设定的安全范围之内。


石油化工生产过程的先进控制


在市场竞争越来越激烈和环境要求的不断提高的情况下,上述特点更为突出。生产装置的操作控制不仅要在原料,产品产率和质量频繁变化的条件下使一切变量不超限,保证安全,满足给定点控制(使重要变量平稳地运行在给定点附近)与区域控制(使反映生产装置状态的变量不超限)两种控制要求,尤其要适应被控变量数控技术和操作变量的数量因约束而随市场和环境发生变化,出现多变量,多目标,满足约束条件的变结构过程(“胖”机械加工“方”“瘦” 三种结构互相转化)的控制和实时优化问题,如在平稳运行的条件下,随时使反应深度最优、使分馏塔产品合格又节能降耗。


对于重要不可实测变量的在线实时计算是石油化工过程迫切需用解决的问题之一。针对分馏塔产品质量无法实时测量而发展起来的推断模型和控制(Inferential Control),已有几十年的历史,它利用稳态的经验关系式(代数方程)推算不可测变量,代替时延很大的化验分析结果,对产品质量进行控制。对化学反应器和其他不可实时测量的工艺变量的在线计算也有了不少进展。存在的主要问题是不适应环境和动态变化,不适应原料性质(组成)的变化。九十年代以来, 已出现了基于动态机理模型,应用状态观测器理论和其他方法计算不可测变量的实例,使在线计算适应动态变化,给出更合理,更准确的结果;石油大学(北京)基于机理动态模型在线计算的汽油干点与柴油90%点,已取代了人工化验用于生产控制,实现了保证质量,提高收率的效果;并提出了石油化工装置设计中的一个重要问题:可观性问题。


在现代控制理论的基础上发展起来的模型预估控制(Model Predictive Control), 从原理上适应了被控过程的动态特性;采用在线反馈校正提高控制的鲁棒性,特别对普遍存在时间滞后,响应较慢和模型难于准确的石油化工过程,使被控过程平稳运行,取得明显的经济效益。如70年代末出现模型算法控制(MAC)和动态矩阵控制(DMC)和相应的软件:基于DMC算法的 ASPEN TECH 的 DMC-plus, Honeywell Hi-Spec Solution 的 工业设计RMPCT 等。80年代,在自整定控制器的基础上,Clarke等提出了广义预估控制(General Predictive Control, GP斯泰工业C), Soeterboek进一步总结为一通用计算方法,这种算法具有输出(被控变量)动态反馈的特点,可提高抑制干扰的能力;由于采用在线系统辩识方法修正模型,无被控变量反馈修正,对具有不可测输入的石油化工过程不很适应。


以上方法均采用实测的输入/输出模型,避免了难于建立的机理动态数学模型,是当前模型预估控制得到广泛应用的一个重要原因。但这种模型缺乏物理意义,测试过程对生产操作有较大的干扰,不能充分利用所有可测信息以提高控制性能;这些方法也使模型预估控制只能在生产装置运行后才能实施。对此,出现了状态反馈预估控制和具有输出(被控),状态和输入(操作)三种变量动态反馈,综合上述算法优点的通用预估控制算(UPC),并在石油化工装置上得到应用,取得了较满意的结果。


90年代以来,在模型预估控制的基础上,适应变结构过程的多变量约束协调与化控制技术在石油化工过程中得到越来越多的应用,将控制与部分参数的“卡边“优化实时地协调起来,尽管这方面还有许多问题值得研究提高,这种实时协调控制与优化的思路是非常符合实际的,为进一步提高效益开创了一条新路。 机械加工


目前得到应用的基于模型的控制技术多是基于线性化模型的,而石油化工过程均是非线性的,因而非线性,自适应控制方法正在成为较集中的研究方向。先进控制带来的效益已为很多实例所证明,实施后,一般投资回收期只有几个月。但目前先进控制项目从立项到交付使用常要一年以上,除上述需要测试动态特性外,先进控制系统的开发与过程设计脱节是一个重要原因。


石油化工过程操作条件(例如反应深度)的闭环实时优化(Closed Loop Real Time Optimization),与先进控制相比,具有更大的潜在效益,这是国内外不少专家的看法。但目前大多在讨论和沿用工艺过程设计中采用的稳态数学模型进行闭环实时优化,常遇到以下问题:


1、模型精度有限:通常有1%的精度就很不错了,但优化的机械设计要求更高,对大规模的石油化工装置,产率提高1%就会带来很大的效益。为提高模型精度,适应变化的生产过程,要对模型进行在线修正。另一方面,实时计算需要过程数据,过程即使处於稳态,实测数据也很难达到计算所需的稳态物料和能量平衡的要求;为此,人们发展了数据重整技术(Data Reconciliation)。在线修正和数据重整均是尚未得到园满解决的问题。尤起在过程处于动态情况下,困难更多。


2、寻优周期达 4-斯泰网8 小时,实时性与适应变化能力不能令人满意。人们常常认为叠代计算稳态平衡的方法是一个主要原因,随着Open Equation方法的应用和计算机运算速度的提高,计算过程已逐渐不再须要很多时间。关键在于闭环实时优化要根据当前生产装置的状态进行,利用稳态模型时,必须等待过程处于稳态后才能进行计算;计算完成后,还要检查过程是否仍处于原来的稳定状态(否则计算作废)。若是,才可进行调优。调优使过程处于动态,要等待稳定后,一般需要几小时,才能进行下一次调优。文献结合Aspen Tech(原DMC CORP)的优化软件DMO,对此问题有较详细的说明。另一方面,稳态模型计算常常依赖于原料或其他化验分析数据,需要等待化验结果。这些都是使基于稳态模型实时优化周期长、难于适应频繁变化、真正见到明显效果的应用实例很少的原因。 

来顶一下
返回首页
返回首页
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表
推荐资讯
相关文章
    无相关信息
栏目更新
栏目热门