一种用于复杂精馏塔的操作参数优化方法

摘要

本发明提出了一种用于复杂精馏塔的操作参数优化方法，包括：采集复杂精馏塔的运行数据和投入物料的化验数据，对采集到的数据进行预处理；将预处理后的运行数据输入神经网络模型，通过神经网络模型输出对操作参数的初步优化结果；将初步优化结果输入严格机理模型，由严格机理模型与热力学方程组成联立方程组，在预设约束条件下对联立方程组进行求解，得到操作参数的优化结果；根据优化结果调整复杂精馏塔的操作参数。结合神经网络模型和严格机理模型对复杂精馏塔的操作参数进行两次优化，其中神经网络模型先得到操作参数的初步优化结果，加快了后续对严格机理模型进行求解时的收敛速度和鲁棒性。

说明书

技术领域

本发明属于工业设备优化领域，尤其涉及一种用于复杂精馏塔的操作参数优化方法。

背景技术

精馏是化工生产中最常见的分离单元操作，实现了90％～95％的化工产品的分离提纯和回收精制，因此复杂精馏塔是石油炼制过程中最主要的生产设备，但同时也是能耗最大的设备单元，其工艺生产水平直接影响到整个企业的经济效益及对原料的使用效率。为了提高产品收率、降低能耗成本，通常基于反应机理建立联立方程对复杂精馏塔的运行参数进行优化，但现有的优化方法仅对复杂精馏塔进行建模分析，而对塔内组分的热力学物性采用传统的序贯模块法，降低了求解效率，影响实时优化的响应速度。

发明内容

为了解决现有技术中存在的缺点和不足，本发明提出了一种用于复杂精馏塔的操作参数优化方法，包括：

采集复杂精馏塔的运行数据和投入物料的化验数据，对采集到的运行数据和化验数据进行预处理；

将预处理后的运行数据与化验数据输入预先构建的神经网络模型，通过神经网络模型输出对操作参数的初步优化结果；

将初步优化结果输入预先构建的严格机理模型，由严格机理模型与热力学方程组成联立方程组，在预设约束条件下对联立方程组进行求解，得到操作参数的优化结果；

根据优化结果调整复杂精馏塔的操作参数。

可选的，所述采集复杂精馏塔的运行数据和投入物料的化验数据，对采集到的运行数据和化验数据进行预处理，包括：

通过平滑滤波算法对运行数据与化验数据进行去噪；

对去噪后的数据进行稳态检测，筛选出稳态数据；

根据稳态数据的实际测量值对稳态数据进行整定。

可选的，所述将预处理后的运行数据与化验数据输入预先构建的神经网络模型，通过神经网络模型输出对操作参数的初步优化结果，包括：

将预处理后的运行数据与化验数据输入预先构建的神经网络模型，通过神经网络模型输出复杂精馏塔的操作参数与状态参数的值作为初步优化结果；

所述操作参数包括复杂精馏塔各塔板的温度、塔板压力、汽相流率以及液相流率；

所述状态参数包括复杂精馏塔各塔板的汽相混合物焓、液相混合物焓以及各组分的相平衡常数、汽相逸度系数、液相逸度系数。

可选的，所述将初步优化结果输入预先构建的严格机理模型，由严格机理模型与热力学方程组成联立方程组，在预设约束条件下对联立方程组进行求解，得到操作参数的优化结果，包括：

由严格机理模型和复杂精馏塔的立方型状态方程组成联立方程组；

在预设约束条件下，对联立方程组进行自动微分，得到稀疏Jacobians矩阵和稀疏Hessians矩阵；

将稀疏Jacobians矩阵和稀疏Hessians矩阵输入预先构建的非线性规划求解器进行求解，将求解结果作为操作参数的优化结果。

可选的，所述预设约束条件包括精馏塔效益约束、组分约束、操作参数约束、状态参数约束、产品质量约束、立方型状态方程约束以及模型平衡约束。

具体的，所述精馏塔效益约束包括基于公式一构建能耗目标函数；

OBJ＝min J(m,s,u) 公式一；

J为复杂精馏塔的操纵变量m、状态参数s以及能耗费用u之间的关系函数，OBJ为关系函数J的最小值。

具体的，所述组分约束用于规定严格机理模型中各塔板的汽相组分变量、液相组分变量与进料组分变量的取值范围。

具体的，所述操作参数约束用于规定复杂精馏塔各塔板的温度、塔板压力、汽相流率以及液相流率的取值范围。

具体的，所述状态参数约束用于规定复杂精馏塔各塔板的汽液相混合物焓以及各组分的相平衡常数、汽相逸度系数、液相逸度系数的取值范围。

可选的，所述根据优化结果调整复杂精馏塔的操作参数，包括：

将操作参数的优化结果作为设定值，通过APC控制器控制复杂精馏塔的执行器调整操作参数至设定值。

本发明提供的技术方案带来的有益效果是：

结合神经网络模型和严格机理模型对复杂精馏塔的操作参数进行两次优化，其中神经网络模型先得到操作参数的初步优化结果，加快了后续对严格机理模型进行求解时的收敛速度和鲁棒性。通过严格机理模型结合了满足热力学物性的预设约束条件，并采用自动微分算法和非线性规化求解器进行求解，降低了模型的复杂度，实现对初步优化结果的进一步优化，从而使优化的操作参数满足复杂精馏塔的实际反应需求

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提出的一种用于复杂精馏塔的操作参数优化方法的流程示意图；

图2为复杂精馏塔的优化系统架构图。

具体实施方式

为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。

实施例一

如图1所示，本发明提出了一种用于复杂精馏塔的操作参数优化方法，包括：

S1：采集复杂精馏塔的运行数据和投入物料的化验数据，对采集到的运行数据和化验数据进行预处理。

S2：将预处理后的运行数据与化验数据输入预先构建的神经网络模型，通过神经网络模型输出对操作参数的初步优化结果。

S3：将初步优化结果输入预先构建的严格机理模型，由严格机理模型与热力学方程组成联立方程组，在预设约束条件下对联立方程组进行求解，得到操作参数的优化结果。

S4：根据优化结果调整复杂精馏塔的操作参数。

本实施例分别通过神经网络模型和严格机理模型对采集到的数据进行两次优化分析，充分发挥了神经网络模型和机理模型的优势，加快了模型的收敛速度，缩短的优化分析的时间，同时提高了求解稳定性。

如图2所示，本实施例通过在线实时优化系统实现操作参数的优化，包括预处理模块、优化模型模块、优化分析模块以及控制模块。

本实施例通过从实时数据库中获取精馏塔生产过程生成的运行数据，通过近红外分析仪获取化验数据。

所述运行数据主要包括精馏塔的操作工况，如塔进料参数、塔回流比、灵敏板温度、压力和塔顶、塔底或侧线采出量等参数；化验分析数据主要包括原料、中间组分和产品的质量分数等性质。

由于预先部署的传感器与近红外分析仪在采集数据可能出现误差，因此需要对数据进行预处理，由在线实时优化系统中的在线预处理模块执行，保证后续参与优化过程的数据均是存在且有效的。具体包括：

通过平滑滤波算法对运行数据与化验数据进行去噪，本实施例中采用3-delta去离值点、指数平滑滤波去噪等数据处理算法。

再通过过程稳态检测模块，对去噪后的数据进行稳态检测，筛选出稳态数据。所述稳态检测即分析是否有异常浮动的数据，比较预设时段内数据的变化速率，若变化速率在允许变化的范围内，则人为所述数据为稳态数据，将稳态数据存储到用于实时优化的数据仓库中，需要注意的是，所述允许变化的范围可根据不同的数据的变量特点进行人为设定。通过稳态检测，进一步去除因外部不可控因素而导致数据异常浮动的无效数据，避免影响操作参数的优化结果。

根据稳态数据的实际测量值对稳态数据进行整定。通过对复杂精馏塔进行物料平衡和能量平衡分析，对数据仓库中的数据进行整定，使整定值与实际测量值之间偏差的加权最小二乘目标函数最小化。

在本实施例中，所述将预处理后的运行数据与化验数据输入预先构建的神经网络模型，通过神经网络模型输出对操作参数的初步优化结果，包括：

将预处理后的运行数据与化验数据输入预先构建的神经网络模型，通过神经网络模型输出复杂精馏塔的操作参数与状态参数的值作为初步优化结果。所述神经网络模型的训练过程包括：

获取历史运行数据、历史化验数据以及对应的历史操作参数、历史状态参数，将历史运行数据、历史化验数据进行归一化处理后组成训练矩阵，将训练矩阵输入神经网络的输入节点，对神经网络中的卷积层、激励层、池化层中的各个参数进行训练，直至输出节点输出的结果与历史操作参数、历史状态参数之间的偏差的平方和小于预设阈值时，结束神经网络模型的训练。

在本实施例中，通过运行数据获取操作参数的初步优化结果，通过化验数据获取状态参数的初步优化结果。所述操作参数包括复杂精馏塔各塔板的温度、塔板压力、汽相流率以及液相流率；所述状态参数包括复杂精馏塔各塔板的汽液相混合物焓以及各组分的相平衡常数、汽相逸度系数、液相逸度系数。

其中，相平衡常数指在一定温度和压力下，气液两相达到平衡状态时，气相中某一组分的摩尔分数与其液相中此组分的摩尔分数的比值，用于表征互成平衡的气-液两相组成之间的关系。

传统的优化方式通常首先使用成熟的序贯模块法对精馏塔进行模拟，仅依靠严格机理模型基于模拟结果求解出最优的操作参数，此做法在一定程度上降低了求解效率，并且增加了装置在线实时优化实施时的操作难度系数。本实施例通过神经网络模型对操作参数和状态参数进行初步估计，加快了对严格机理模型进行求解时的收敛速度和鲁棒性，提高了在线实时优化系统的分析效率。

在本实施例中，所述将初步优化结果输入预先构建的严格机理模型，由严格机理模型与热力学方程组成联立方程组，在预设约束条件下对联立方程组进行求解，得到操作参数的优化结果，包括：

由严格机理模型和复杂精馏塔的立方型状态方程组成联立方程组。所述严格机理模型包括物料平衡方程、相平衡方程以及能量平衡方程。所述物料平衡方程指某一给定物质的总浓度等于各种有关形式平衡浓度之和，所述相平衡方程指对于双组分物系，表示互成平衡的气液两相组成间的关系，所述能量平衡方程即满足热力学第一定律的守恒方程。

在预设约束条件下，对联立方程组进行自动微分，得到稀疏Jacobians矩阵和稀疏Hessians矩阵；将稀疏Jacobians矩阵和稀疏Hessians矩阵输入预先构建的非线性规划求解器进行求解，将求解结果作为操作参数的优化结果。本领域技术人员应当知道如何通过自动微分得到稀疏Jacobians矩阵和稀疏Hessians矩阵，此处不再赘述。

将稀疏Jacobians矩阵和稀疏Hessians矩阵输入预先构建的非线性规划求解器进行求解，将求解结果作为操作参数的优化结果。所述非线性规划求解器为开源的求解算法模块，能够加快求解效率。

所述预设约束条件包括精馏塔效益约束、组分约束、操作参数约束、状态参数约束、产品质量约束、立方型状态方程约束以及模型平衡约束。

其中，所述精馏塔效益约束包括基于公式一构建能耗目标函数；

OBJ＝min J(m,s,u) 公式一；

J为复杂精馏塔的操纵变量m、状态参数s以及能耗费用u之间的关系函数，OBJ为关系函数J的最小值。m、s的取值范围为实数，u的取值范围为正整数，minJ(m,s,u)即表示能耗费用u的最小值。

所述组分约束用于规定严格机理模型中各塔板的汽相组分变量、液相组分变量与进料组分变量的取值范围。在本实施例中，所述组分约束包括：

0≤x

0≤z

其中，x、y、z分别为复杂精馏塔各塔板的汽液相组成和各个进料组成，i为汽液相组分系数，j为塔板编号，i＝1,2,…,C，j＝1,2,…,N，C、N分别为组分总数和塔板。

所述操作参数约束用于规定复杂精馏塔各塔板的温度、塔板压力、汽相流率以及液相流率的取值范围。在本实施例中，所述操作参数约束包括：

m

其中，m

所述状态参数约束用于规定复杂精馏塔各塔板的汽液相混合物焓以及各组分的相平衡常数、汽相逸度系数、液相逸度系数的取值范围。在本实施例中，所述状态参数约束包括：

s

其中，s

本实施例中预设约束条件还包括产品质量要求约束，用于规定表征产品质量的参数的取值范围，所述产品分别为塔顶、塔底以及侧线的采出产品。

本实施例中预设约束条件还包括立方型状态方程约束，立方型状态方程为经典热力学状态方程，本领域技术人员应当知道如何设置复杂精馏塔的立方型状态方程，根据立方型状态方程的求解原理，所述立方型状态方程约束包括：

f(ξ)＝ξ

f(r

f(r

其中，ξ为立方型状态方程的可压缩因子，a

本实施例中预设约束条件还包括模型平衡约束，用于建立非线性联立方程组，所述模型平衡约束有：

G(x

其中，G为S3中建立的非线性的联立方程组，包括物料平衡方程M、相平衡方程E、能量平衡方程H和复杂精馏塔塔板各组分相平衡常数、汽液相混合物摩尔焓等热力学性质关联式方程以及立方型状态方程f，x

在本实施例中，所述根据优化结果调整复杂精馏塔的操作参数，包括：

将操作参数的优化结果作为设定值，通过APC控制器控制复杂精馏塔的执行器调整操作参数至设定值。

如图2所示，通过先进控制器APC进行PID/DCS控制复杂精馏塔的执行器，根据对联立方程组进行求解得到的优化结果调整执行器的操作参数，并将调整后操作参数和状态参数的实时数据上传至实时数据库。在本实施例中，求解得到的优化结果还可以再经过过程稳态检测模块的稳态处理后，再发送到先进控制器APC进行PID/DCS控制，使复杂精馏塔能够平稳快速的达到操作参数的优化值，从而实现复杂精馏塔装置的在线实时优化，使得精馏塔装置效益达到最大化。

上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。

以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。