碱液浓缩生产工艺中强制循环蒸发控制过程的自优化被控变量的计算方法

摘要

本发明公开了一种碱液浓缩生产工艺中强制循环蒸发控制过程的自优化被控变量的计算方法，其优点在于通过对进口蒸汽压力及产物碱液浓度进行约束控制和对分离器液位进行稳定控制，将从扰动空间中采样获得的多个扰动情形通过数值优化算法进行离线优化得到相应的多组输出变量的最优值，然后对由多组输出变量的最优值构造的矩阵进行特征值分解，最终由最小特征值对应的特征向量与一组输出变量获得自优化被控变量，从而快速有效确定底层控制回路的自优化被控变量，只需在线跟踪该自优化被控变量的恒定设定值，就能间接实现强制循环蒸发控制过程的在线实时优化。

说明书

技术领域

本发明涉及碱液浓缩生产工艺，尤其是涉及一种碱液浓缩生产工艺中强制循环蒸发 控制过程的自优化被控变量的计算方法。

背景技术

高浓碱液(碱液浓度超过40％)作为拜耳法制取氧化铝工艺溶出步骤中的主要辅料， 用量较大，而在氧化铝生产过程中也会产生稀碱溶液，因此碱液浓缩工艺被加入到了氧 化铝的生产工艺中。在氧化铝生产过程中，碱液浓缩一般采用单效蒸发器，单效蒸发器 的工作流程图如图1所示，通过强制循环蒸发控制获得稳定质量的高浓碱液。

如何获得优异的强制循环蒸发控制效果是本领域技术人员重点的研究领域，该控制 效果通常可描述为一种经济指标，产品的收益减去原材料成本。由于强制循环蒸发控制 系统过程中会受到各种扰动变量的影响，为最大化该经济指标，应该在满足基本工艺要 求的前提下，根据实际工况不断调整系统的工作点，以满足操作最优性。传统的做法是 基于碱液浓缩生产工艺中强制循蒸发过程的非线性参数模型，运行时采集输出变量的值 对扰动进行在线估计，然后在不断的重新优化中求解最大经济指标得到最优工作点，最 后以调整底层控制回路设定值的形式调整系统工作点，其目标虽然明确，但反映较为缓 慢，需要较长时间才能调整到最优控制。

自优化控制是一种新的优化控制方法，主要特征是通过设计底层控制回路的被控变 量间接实现系统的在线实时优化，其中自优化被控变量是多个输出变量的线性组合。但 现有文献中报道的自优化控制方法，大多基于系统的线性化模型或需要对系统进行分段 线性化，被控变量的计算方法和优化性能都具有一定的局限性。

本发明描述了一种适用于蒸发过程这种非线性系统的自优化被控变量计算方法，能 够快速有效地构造出最优被控变量，并提高强制循环蒸发过程的优化控制性能。

发明内容

本发明所要解决的技术问题是提供一种碱液浓缩生产工艺中强制循环蒸发控制过 程的自优化被控变量的计算方法，能够快速有效确定底层控制回路的自优化被控变量， 只需在线跟踪该自优化被控变量的恒定设定值，就能间接实现强制循环蒸发控制过程的 在线实时优化。

本发明解决上述技术问题所采用的技术方案为：一种碱液浓缩生产工艺中强制循环 蒸发控制过程的自优化被控变量的计算方法，其特征在于，具体包括如下步骤：

(1)对进口蒸汽压力和产物碱液浓度进行约束控制，对分离器液位进行稳定控制；

(2)选取多个扰动变量，并对所选取的扰动变量形成的扰动空间进行采样，获得 N个扰动情形，N在100到10000之间；

(3)基于碱液浓缩生产工艺中强制循环蒸发过程的非线性模型，针对每一个扰动 情形通过数值优化算法进行离线优化，得到相应的N组输出变量的最优值；

(4)根据所得到的N组输出变量的最优值构造出相应的矩阵，对所述矩阵进行特 征值分解得到特征值和特征向量；

(5)将最小特征值对应的特征向量v_min确定为系数向量，由系数向量与输出变量 组获得自优化被控变量。

步骤(1)所述的约束控制是指，进口蒸汽压力的设定值为所允许压力的最大值， 产物碱液浓度的设定值为工艺允许的最小值；步骤(1)所述的稳定控制是指，分离器 液位的设定值在0.8～1.2米。

步骤(2)中所述的扰动变量的数量为四个，分别为碱液进料流量F₁、碱液进料温 度T₁、冷却水入口温度T₂₀₀和碱液进料浓度X₁；所述扰动空间由碱液进料流量F₁、碱液 进料温度T₁和冷却水入口温度T₂₀₀的扰动范围各±20％及碱液进料浓度X₁的扰动范围 ±10％结合构成；对扰动空间进行采样用的是Monte Carlo采样法，N的优选值为1000。

步骤(3)中所选用的数值优化算法为标准的序列二次规划法或内点法，所述输出 变量选取为由碱液进料流量F₁、进口蒸汽流量F₁₀₀、冷却水流量F₂₀₀和常数1，由一组 输出变量构成列向量构成列向量y，y＝[F₁ F₁₀₀ F₂₀₀ 1]^T。

步骤(4)所述的矩阵的为N×4的矩阵Y，所述特征值分解是对Y^TY进行。

步骤(5)所述的特征向量v_min＝[v₁ v₂ v₃ v₄]^T，由y^Tv_min＝0，获得自优化被控 变量c＝v₁F₁+v₂F₁₀₀+v₃F₂₀₀＝-v₄。

与现有技术相比，本发明的优点在于通过对进口蒸汽压力及产物碱液浓度进行约束 控制和对分离器液位进行稳定控制，将从扰动空间中采样获得的多个扰动情形通过数值 优化算法进行离线优化得到相应的N组输出变量的最优值，然后对由N组输出变量的 最优值构造的矩阵进行特征值分解，最终由最小特征值对应的特征向量与一组输出变量 获得自优化被控变量，从而快速有效确定底层控制回路的自优化被控变量，只需在线跟 踪该自优化被控变量的恒定设定值，就能间接实现强制循环蒸发控制过程的在线实时优 化。

附图说明

图1为强制循环蒸发器的工艺流程图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

本优选实施例以氧化铝拜耳法制取工艺中的蒸发工序为例，其蒸发器为工艺流程如 图1所示的强制循环的单效蒸发器，对稀碱溶液进行浓缩，碱液浓缩生产工艺中强制循 环蒸发控制过程的自优化被控变量的计算方法包括如下步骤：

(1)对进口蒸汽压力P₁₀₀和产物碱液浓度X₂进行约束控制，对分离器液位L₂进行 稳定控制。

其中，X₂越大意味着需要蒸发更多的溶剂，这将导致所需蒸汽量、冷却水和泵功 耗的增加，因此只有将X₂控制在最小值才是最优的，在氧化铝溶出工序中一般X₂为 42％；蒸发器功耗Q₁₀₀受进口蒸汽压力P₁₀₀和循环流量F₃影响，增加P₁₀₀有利于减少F₃， 而减少F₃导致的成本降低远大于增加P₁₀₀所导致的成本上升，为降低总成本，P₁₀₀应取 蒸发器安全运行的最大值。对分离器液位L₂进行稳定控制，确保强制循环蒸发过程的安 全运行，分离器液位L₂设定值在0.8～1.2米。

(2)选取多个扰动变量，并对所选取的扰动变量形成的扰动空间进行采样，获得 N个扰动情形。

强制循环蒸发过程的不确定扰动变量有碱液进料流量F₁、碱液进料温度T₁、冷却水 入口温度T₂₀₀和碱液进料浓度X₁。前三个扰动变量波动范围是±20％，X₁的波动范围 是±10％。对由碱液进料流量F₁、碱液进料温度T₁和冷却水入口温度T₂₀₀的扰动范围各 ±20％及碱液进料浓度X₁的扰动范围±10％结合构成的分布空间进行Monte Carlo法采 样，得到N个具有代表性的扰动情形，其中N在100到10000之间，优选为1000。

(3)基于碱液浓缩生产工艺中强制循环蒸发过程的非线性模型，针对每一个扰动 情形进行离线优化，得到对应的N组输出变量的最优值。

碱液浓缩生产工艺中强制循环蒸发过程的非线性模型由以下方程描述：

$\frac{d{L}_2}{\mathrm{dt}}=\frac{F_1-F_4-F_2}{20}$

$\frac{d{X}_2}{\mathrm{dt}}=\frac{F_1{X}_1-F_2{X}_2}{20}$

$\frac{d{P}_2}{\mathrm{dt}}=\frac{F_4-F_5}{4}$

T₂＝0.5616P₂+0.3126X₂+48.43

T₃＝0.507P₂+55.0

$F_4=\frac{Q_{100}-0.07F_1(T_2-T_1)}{38.5}$

T₁₀₀＝0.1538P₁₀₀+90.0

Q₁₀₀＝0.16(F₁+F₃)(T₁₀₀-T₂)

$F_{100}=\frac{Q_{100}}{36.6}$

$Q_{200}=\frac{0.9576F_{200}(T_3-T_{200})}{0.14F_{200}+6.84}$

$T_{201}=T_{200}+\frac{13.68(T_3-T_{200})}{0.14F_{200}+6.84}$

$F_5=\frac{Q_{200}}{38.5}$

基于上述的非线性模型，使用数值优化算法对每一个扰动情形进行离线优化，也即 最小化经济指标，在本实施例中为操作成本J，操作成本的形式的计算公式如下：

J＝600F₁₀₀+0.6F₂₀₀+1.009(F₂+F₃)

数值优化算法可以使用标准的序列二次规划法(SQP)法或内点法。记录下每一个扰动 情形下对应的每一组输出变量的最优值，本实施例中，输出变量选取为碱液进料流量F₁、 进口蒸汽流量F₁₀₀、冷却水流量F₂₀₀和常数1，由一组输出变量构成列向量y， y＝[F₁ F₁₀₀ F₂₀₀ 1]^T。其中，F₁、F₁₀₀、F₂₀₀和常数1是一种优选组合，本发明提供 的计算方法同样适用于除此之外的其他输出变量组合的选择。

其中，符号说明见下表：

(4)将所有得到的N组输出变量的最优值按行排列为N×4的矩阵Y，对Y^TY进 行特征值分解，得到4个特征值和各自对应的特征向量。

(5)将最小特征值对应的特征向量v_min确定为输出变量的系数向量， v_min＝[v₁ v₂ v₃ v₄]^T中的元素v_i分别为对应输出变量中F₁、F₁₀₀、F₂₀₀和1的系数。 由y^Tv_min＝0，获得自优化被控变量c＝v₁F₁+v₂F₁₀₀+v₃F₂₀₀＝-v₄，也即自优化被控变量c的 恒定设定值为-v₄。