CN101708373A - 一种内部热耦合精馏塔高纯非线性观测系统及方法 - Google Patents

Abstract

一种内部热耦合精馏塔高纯非线性观测系统，包括与内部热耦合精馏塔直接连接的现场智能仪表和DCS系统，DCS系统包括存储装置、控制站和上位机，上位机包括用以预测内部热耦合精馏塔将来时刻的组分浓度分布的观测器，观测器包括：组分推断模块，用以从智能仪表获取温度，压强数据，计算内部热耦合精馏塔各块塔板的组分浓度；组分分布函数拟合模块，用以采用组分浓度数据，拟合液相组分浓度分布函数；将来时刻内部热耦合精馏塔状态预测模块，用以根据当前组分浓度数据以及组分分布函数预测将来时刻的液相组分浓度分布。以及提供了一种内部热耦合精馏塔高纯非线性观测方法。本发明能够同时保证内部热耦合精馏塔观测结果的高效率、高精度。

Description

一种内部热耦合精馏塔高纯非线性观测系统及方法

技术领域

本发明涉及精馏领域，特别提出内部热耦合精馏塔观测器系统及方法。

背景技术

精馏过程是化工过程中的一种核心过程，精馏塔是其中的一个关键单元。长久以来，精馏塔因为高耗能，低能效的问题成为国际精馏领域研究的焦点。大量研究与实验表明内部热耦合精馏塔利用精馏段及提馏段的热量耦合，省去常规精馏塔的再沸器和冷凝器实现显著的能源节约和有效能提升，成为目前美国，欧洲，日本等地分离公司的新宠。然而由于内部热耦合精馏塔的精馏段与提馏段之间存在极强的耦合性，该塔具有十分复杂的强非线性，也具有独特的动态响应特性如反向响应等复杂动态特性，给控制设计造成了困难。

传统的复杂机理模型尽管能够精确的观测内部热耦合精馏塔的各种状态变量，但复杂的机理模型结构导致模型在线求解效率太低，不能直接应用于控制器设计当中。而基于阶跃，脉冲响应辨识的近似线性模型尽管具有较快的求解速度但是状态变量观测精度太低，甚至基本偏离真实值。事实表明：内部热耦合精馏塔的高效率高精确度的非线性观测器，是该过程有效控制器设计的核心和关键环节。

发明内容

为了克服目前内部热耦合精馏塔动态模型不能兼顾运算效率和观测精度的不足，本发明提供一种能够同时保证内部热耦合精馏塔观测结果的高效率、高精度的内部热耦合精馏塔高纯非线性观测系统及方法。

本发明解决其技术问题所采用的技术方案是：

一种内部热耦合精馏塔高纯非线性观测系统，包括与内部热耦合精馏塔直接连接的现场智能仪表和DCS系统，所述DCS系统包括存储装置、控制站和上位机，所述现场智能仪表与存储装置、控制站和上位机连接，所述的上位机包括用以预测内部热耦合精馏塔将来时刻的组分浓度分布的观测器，所述观测器包括：

组分推断模块，用以从智能仪表获取温度，压强数据，计算内部热耦合精馏塔各块塔板的组分浓度，并将组分浓度计算结果存储在历史数据库当中，计算式为(1)(2)：

$X_i\left(k\right)=\frac{P_r\×\mathrm{\α}\×{10}^{\frac{T_i+c}{b}-a}-1}{\mathrm{\α}-1}i=\mathrm{1,2},......,f-1---\left(1\right)$

$X_i=\frac{P_s\×\mathrm{\α}\×{10}^{\frac{T_i+c}{b}-a}-1}{\mathrm{\α}-1}i=f,f+1,......,n---\left(2\right)$

其中下脚标i为塔板编号，1为塔顶编号，f为进料板编号，n为塔底编号，X_i为液相组分浓度，P_r、P_s分别为精馏段提馏段压强，T_i为塔内各块塔板的温度，α为相对挥发度，a、b、c为安东尼常数；

组分分布函数拟合模块，用以采用历史数据库中组分推断模块计算出的组分浓度数据，拟合液相组分浓度分布函数，并将拟合参数存储到历史数据库当中，计算过程如式(3)(4)：

${\hat{X}}_i=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r)}}i=\mathrm{1,2},......,f-1---\left(3\right)$

${\hat{X}}_i=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s(i-S_s)}}i=f,f+1,......,n---\left(4\right)$

其中

为第i块塔板处液相组分浓度预估浓度，X_min，r，X_max，r，k_r，X_min，s，X_max，s，k_s为拟合参数，S_r，S_s分别为内部热耦合精馏塔精馏段、提馏段液相组分浓度分布曲线的位置。

将来时刻内部热耦合精馏塔状态预测模块，用以根据当前组分浓度数据以及组分分布函数预测将来时刻的液相组分浓度分布，该模块包括以下三个步骤：

1)从历史数据库中读取组分浓度测量值，计算当前时刻组分浓度分布曲线位置变化速度，并将曲线位置变化速度存储到历史数据库当中，计算过程如式(5)至式(12)：

$Y_i\left(t\right)=\frac{\mathrm{\α}{X}_i\left(t\right)}{(\mathrm{\α}-1)X_i\left(t\right)+1}i=\mathrm{1,2},......,n---\left(5\right)$

$Q_i\left(k\right)=\mathrm{UA}\×b(\frac{1}{a-\ln \{P_r/[X_i\left(k\right)+(1-X_i\left(k\right))/\mathrm{\α}\left]\right\}}-\frac{1}{a-\ln \{p_s/[X_{i+f-1}\left(k\right)+(1-X_{i+f-1}\left(k\right))/\mathrm{\α}\left]\right\}\}})$

$i=\mathrm{1,2},......,f-1---\left(6\right)$

V₁＝F(1-q)    (7)

L_n＝Fq        (8)

$L_{f-1}\left(t\right)=\underset{i=1}{\overset{f-1}{\mathrm{\Σ}}}\frac{Q_i\left(k\right)}{\mathrm{\λ}}---\left(9\right)$

V_f＝V₁+L_f-1   (10)

$\frac{{\mathrm{dS}}_1}{\mathrm{dt}}\left(k\right)=\frac{V_f{Y}_f\left(k\right)-L_{f-1}{X}_{f-1}\left(k\right)-V_1{Y}_1\left(k\right)}{{\mathrm{HX}}_{f-1}\left(k\right)}---\left(11\right)$

$\frac{{\mathrm{dS}}_2}{\mathrm{dt}}\left(k\right)=\frac{-V_f{Y}_f\left(k\right)-L_n{X}_n\left(k\right)+L_{f-1}{X}_{f-1}\left(k\right)+{\mathrm{FZ}}_f}{H(X_{f-1}\left(k\right)-X_n\left(k\right))}---\left(12\right)$

其中k为当前采样时刻，X_i(k)、Y_i(k)分别为k采样时刻第i块塔板轻组分液相轻组分浓度和汽相轻组分浓度，Q_i(k)为第i块塔板之间的热耦合量，UA为传热速率，X_i+f-1(k)为k采样时刻第i+f-1块塔板液相轻组分浓度，q为进料热状况，F为进料流率，V₁，V_f分别为塔顶和进料板处的汽相流率，L_f-1，L_n分别为第f-1块塔板和塔底的液相流率，H为持液量，X_f-1(k)，X_n(k)分别为k采样时刻第f-1块塔板和塔底的液相轻组分浓度，Y₁(k)，Y_f(k)分别为k采样时刻塔顶和进料板处的汽相轻组分浓度，

分别为精馏段和提馏段的轻组分浓度分布变化速率；

2)从历史数据库中获取曲线位置变化速度数据，组分浓度分布函数拟合参数，采样周期并计算下一时刻波形位置以及下一时刻组分浓度分布，计算过程为式(13)(14)(15)(16)：

$S_r(k+1)=S_r\left(k\right)+\frac{{\mathrm{dS}}_r}{\mathrm{dt}}\left(k\right)T---\left(13\right)$

$S_s(k+1)=S_s\left(k\right)+\frac{{\mathrm{dS}}_s}{\mathrm{dt}}\left(k\right)T---\left(14\right)$

${\hat{X}}_{i,r}(k+1)=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r(k+1))}}i=\mathrm{1,2},......,f-1---\left(15\right)$

${\hat{X}}_{i,s}(k+1)=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s}(i-S_s(k+1))}i=f,f+1,......,n---\left(16\right)$

其中T为采样周期，S_r(k)，S_s(k)分别为k采样时刻精馏段、提馏段液相轻组分浓度分布位置，S_r(k+l)，S_s(k+1)分别为k+1采样时刻精馏段、提馏段液相轻组分浓度分布位置，

分别为k+1采样时刻精馏段、提馏段段第i块塔板液相轻组分浓度分布的预测值；

3)从历史数据库中获取当前组分浓度测量值，以及预测值，修正组分浓度预测值，计算过程如式(17)(18)：

$r_i\left(k\right)=X_i\left(k\right)-{\hat{X}}_i\left(k\right)i=\mathrm{1,2},......,n---\left(17\right)$

${\tilde{X}}_i(k+1)={\hat{X}}_i(k+1)+r_i\left(k\right)i=\mathrm{1,2},......,n---\left(18\right)$

其中r_i(k)为k采样时刻第i块塔板的预测误差，

为k+1采样时刻的液相轻组分浓度预测修正值即液相轻组分浓度的观测值。

所述的上位机还包括人机界面模块，用于设定采样周期T，显示观测器输出的将来时刻组分浓度预测值和当前时刻组分浓度测量值。

一种内部热耦合精馏塔高纯非线性观测方法，所述的观测方法包括以下步骤：

1)确定采样周期T，并将T值，相对挥发度α，安东尼常数a、b、c、保存在历史数据库当中；

2)检测kT时刻精馏段压强P_r提馏段压强P_s，以及各塔板温度T_i，计算液相轻组分浓度值，计算式为(1)(2)：

$X_i\left(k\right)=\frac{P_r\×\mathrm{\α}\×{10}^{\frac{T_i\left(k\right)+c}{b}-a}-1}{\mathrm{\α}-1}i=\mathrm{1,2},......,f-1---\left(1\right)$

$X_i=\frac{P_s\×\mathrm{\α}\×{10}^{\frac{T_i\left(k\right)+c}{b}-a}-1}{\mathrm{\α}-1}i=f,f+1,......,n---\left(2\right)$

其中下脚标i为塔板编号，1为塔顶编号，f为进料板编号，n为塔底编号，X_i为液相组分浓度，P_r、P_s分别为精馏段提馏段压强，T_i为塔内各块塔板的温度，α为相对挥发度，a、b、c为安东尼常数；

3)从历史数据库当中获取kT时刻组分浓度的测量值，拟合kT时刻的组分浓度分布函数如式(3)(4)：

${\hat{X}}_i=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r)}}i=\mathrm{1,2},......,f-1---\left(3\right)$

${\hat{X}}_i=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s(i-S_s)}}i=f,f+1,......,n---\left(4\right)$

其中

为第i块塔板处液相组分浓度预估浓度，X_min，r，X_max，r，k_r，X_min，s，X_max，s，k_s为拟合参数，S_r，S_s分别为内部热耦合精馏塔精馏段、提馏段液相组分浓度分布曲线的位置；

4)计算kT时刻的组分浓度分布位置变化速度，并将曲线位置变化速度存储到历史数据库当中，计算过程如式(5)-(12)：

$Y_i\left(t\right)=\frac{\mathrm{\α}{X}_i\left(t\right)}{(\mathrm{\α}-1)X_i\left(t\right)+1}i=\mathrm{1,2},......,n---\left(5\right)$

$Q_i\left(k\right)=\mathrm{UA}\×b(\frac{1}{a-\ln \{P_r/[X_i\left(k\right)+(1-X_i\left(k\right))/\mathrm{\α}\left]\right\}}-\frac{1}{a-\ln \{p_s/[X_{i+f-1}\left(k\right)+(1-X_{i+f-1}\left(k\right))/\mathrm{\α}\left]\right\}\}})$

$i=\mathrm{1,2},......,f-1---\left(6\right)$

V₁＝F(1-q)      (7)

L_n＝Fq          (8)

$L_{f-1}\left(t\right)=\underset{i=1}{\overset{f-1}{\mathrm{\Σ}}}\frac{Q_i\left(k\right)}{\mathrm{\λ}}---\left(9\right)$

V_f＝V₁+L_f-1     (10)

$\frac{{\mathrm{dS}}_1}{\mathrm{dt}}\left(k\right)=\frac{V_f{Y}_f\left(k\right)-L_{f-1}{X}_{f-1}\left(k\right)-V_1{Y}_1\left(k\right)}{{\mathrm{HX}}_{f-1}\left(k\right)}---\left(11\right)$

$\frac{{\mathrm{dS}}_2}{\mathrm{dt}}\left(k\right)=\frac{-V_f{Y}_f\left(k\right)-L_n{X}_n\left(k\right)+L_{f-1}{X}_{f-1}\left(k\right)+{\mathrm{FZ}}_f}{H(X_{f-1}\left(k\right)-X_n\left(k\right))}---\left(12\right)$

其中k为当前采样时刻，X_i(k)、Y_i(k)分别为k采样时刻第i块塔板轻组分液相轻组分浓度和汽相轻组分浓度，Q_i(k)为第i块塔板之间的热耦合量，UA为传热速率，X_i+f-1(k)为k采样时刻第i+f-1块塔板液相轻组分浓度，q为进料热状况，F为进料流率，V₁，V_f分别为塔顶和进料板处的汽相流率，L_f-1，L_n分别为第f-1块塔板和塔底的液相流率，H为持液量，X_f-1(k)，X_n(k)分别为k采样时刻第f-1块塔板和塔底的液相轻组分浓度，Y₁(k)，Y_f(k)分别为k采样时刻塔顶和进料板处的汽相轻组分浓度，

分别为精馏段和提馏段的轻组分浓度分布变化速率；

5)预测(k+1)T时刻的组分浓度分布。从历史数据库中获取曲线位置变化速度数据，组分浓度分布函数拟合参数，采样周期值，计算过程为式(13)(14)(15)(16)：

$S_r(k+1)=S_r\left(k\right)+\frac{{\mathrm{dS}}_r}{\mathrm{dt}}\left(k\right)T---\left(13\right)$

$S_s(k+1)=S_s\left(k\right)+\frac{{\mathrm{dS}}_s}{\mathrm{dt}}\left(k\right)T---\left(14\right)$

${\hat{X}}_{i,r}(k+1)=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r(k+1))}}i=\mathrm{1,2},......,f-1---\left(15\right)$

${\hat{X}}_{i,s}(k+1)=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s}(i-S_s(k+1))}i=f,f+1,......,n---\left(16\right)$

其中T为采样周期，S_r(k)，S_s(k)分别为k采样时刻精馏段、提馏段液相轻组分浓度分布位置，S_r(k+1)，S_s(k+1)分别为k+1采样时刻精馏段、提馏段液相轻组分浓度分布位置，

分别为k+1采样时刻精馏段、提馏段段第i块塔板液相轻组分浓度分布的预测值；

6)从历史数据库中获取kT时刻组分浓度测量值，以及预测值，计算kT时刻的组分浓度预测误差过程如式(17)：

$r_i\left(k\right)=X_i\left(k\right)-{\hat{X}}_i\left(k\right)i=\mathrm{1,2},......,n---\left(17\right)$

其中r_i(k)为k采样时刻第i块塔板的预测误差；

7)修正组分浓度预测值，计算过程如式(19)：

${\tilde{X}}_i(k+1)={\hat{X}}_i(k+1)+r_i\left(k\right)i=\mathrm{1,2},......,n---\left(19\right)$

其中

为k+1采样时刻的液相轻组分浓度预测修正值即液相轻组分浓度的观测值。

所述的历史数据库为DCS系统中存储装置，控制站可以读取历史数据库，显示观测器工作过程状态。

本发明的有益效果主要表现在：1.基于内部热耦合精馏塔的机理模型以及热质原理建立了高精度的内部热耦合精馏塔的简化非线性动态模型，能够准确跟踪反应内部热耦合精馏塔的各种非线性特征；2.状态预测比传统辨识模型更为精确；3.在确保观测器跟踪高精度效能的情况下，能够同时保持较快的在线求解速度，效率远远高于机理模型。

附图说明

图1是本发明所提出的内部热耦合精馏塔非线性观测系统的结构图

图2是上位机观测器实现方法的功能结构图

图3是本发明所提出的内部热耦合精馏塔非线性观测方法流程图

具体实施方式

下面根据附图具体说明本发明。

参照图1，图2，图3，一种内部热耦合精馏塔高纯非线性观测系统，观测系统包括与内部热耦合精馏塔1直接连接的现场智能仪表2和DCS系统，所述DCS系统包括存储装置4、控制站5及上位机6，所述现场智能仪表2与数据接口3连接，所述数据接口3与现场总线连接，所述现场总线与存储装置4、控制站5和上位机6连接；所述的上位机6包括用以测内部热耦合精馏塔将来时刻的组分浓度分布的观测器，所述观测器包括组分推断模块9，组分分布函数拟合模块10，将来时刻内部热耦合精馏塔状态预测模块11。

组分推断模块9，用以从智能仪表获取温度，压强数据，计算内部热耦合精馏塔各块塔板的组分浓度，并将组分浓度计算结果存储在历史数据库当中，计算式为(1)(2)：

$X_i\left(k\right)=\frac{P_r\×\mathrm{\α}\×{10}^{\frac{T_i+c}{b}-a}-1}{\mathrm{\α}-1}i=\mathrm{1,2},......,f-1---\left(1\right)$

$X_i=\frac{P_s\×\mathrm{\α}\×{10}^{\frac{T_i+c}{b}-a}-1}{\mathrm{\α}-1}i=f,f+1,......,n---\left(2\right)$

其中下脚标i为塔板编号，1为塔顶编号，f为进料板编号，n为塔底编号，X_i为液相组分浓度，P_r、P_s分别为精馏段提馏段压强，T_i为塔内各块塔板的温度，α为相对挥发度，a、b、c为安东尼常数。

组分分布函数拟合模块10，用以采用历史数据库中组分推断模块计算出的组分浓度数据，拟合液相组分浓度分布函数，并将拟合参数存储到历史数据库当中，计算过程如式(3)(4)：

${\hat{X}}_i=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r)}}i=\mathrm{1,2},......,f-1---\left(3\right)$

${\hat{X}}_i=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s(i-S_s)}}i=f,f+1,......,n---\left(4\right)$

其中

为第i块塔板处液相组分浓度预估浓度，X_min，r，X_max，r，k_r，X_min，s，X_max，s，k_s为拟合参数，S_r，S_s分别为内部热耦合精馏塔精馏段、提馏段液相组分浓度分布曲线的位置。

将来时刻内部热耦合精馏塔状态预测模块11，用以根据当前组分浓度数据以及组分分布函数预测将来时刻的液相组分浓度分布，该模块包括以下三个步骤：

1)从历史数据库中读取组分浓度测量值，计算当前时刻组分浓度分布曲线位置变化速度，并将曲线位置变化速度存储到历史数据库当中，计算过程如式(5)至式(12)：

$Y_i\left(t\right)=\frac{\mathrm{\α}{X}_i\left(t\right)}{(\mathrm{\α}-1)X_i\left(t\right)+1},i=\mathrm{1,2},......,n---\left(5\right)$

$Q_i\left(k\right)=\mathrm{UA}\×b(\frac{1}{a-\ln \{P_r/[X_i\left(k\right)+(1-X_i\left(k\right))/\mathrm{\α}\left]\right\}}-\frac{1}{a-\ln \{p_s/[X_{i+f-1}\left(k\right)+(1-X_{i+f-1}\left(k\right))/\mathrm{\α}\left]\right\}\}})$

$i=\mathrm{1,2},......,f-1---\left(6\right)$

V₁＝F(1-q)       (7)

L_n＝F_q           (8)

$L_{f-1}\left(t\right)=\underset{i=1}{\overset{f-1}{\mathrm{\Σ}}}\frac{Q_i\left(k\right)}{\mathrm{\λ}}---\left(9\right)$

V_f＝V₁+L_f-1      (10)

$\frac{{\mathrm{dS}}_1}{\mathrm{dt}}\left(k\right)=\frac{V_f{Y}_f\left(k\right)-L_{f-1}{X}_{f-1}\left(k\right)-V_1{Y}_1\left(k\right)}{{\mathrm{HX}}_{f-1}\left(k\right)}---\left(11\right)$

$\frac{{\mathrm{dS}}_2}{\mathrm{dt}}\left(k\right)=\frac{-V_f{Y}_f\left(k\right)-L_n{X}_n\left(k\right)+L_{f-1}{X}_{f-1}\left(k\right)+{\mathrm{FZ}}_f}{H(X_{f-1}\left(k\right)-X_n\left(k\right))}---\left(12\right)$

其中k为当前采样时刻，X_i(k)、Y_i(k)分别为k采样时刻第i块塔板轻组分液相轻组分浓度和汽相轻组分浓度，Q_i(k)为第i块塔板之间的热耦合量，UA为传热速率，X_i+f-1(k)为k采样时刻第i+f-1块塔板液相轻组分浓度，q为进料热状况，F为进料流率，V₁，V_f分别为塔顶和进料板处的汽相流率，L_f-1，L_n分别为第f-1块塔板和塔底的液相流率，H为持液量，X_f-1(k)，X_n(k)分别为k采样时刻第f-1块塔板和塔底的液相轻组分浓度，Y₁(k)，Y_f(k)分别为k采样时刻塔顶和进料板处的汽相轻组分浓度，分别为精馏段和提馏段的轻组分浓度分布变化速率。

2)从历史数据库中获取曲线位置变化速度数据，组分浓度分布函数拟合参数，采样周期并计算下一时刻波形位置以及下一时刻组分浓度分布，计算过程为式(13)(14)(15)(16)：

$S_r(k+1)=S_r\left(k\right)+\frac{{\mathrm{dS}}_r}{\mathrm{dt}}\left(k\right)T---\left(13\right)$

$S_s(k+1)=S_s\left(k\right)+\frac{{\mathrm{dS}}_s}{\mathrm{dt}}\left(k\right)T---\left(14\right)$

${\hat{X}}_{i,r}(k+1)=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r(k+1))}}i=\mathrm{1,2},......,f-1---\left(15\right)$

${\hat{X}}_{i,s}(k+1)=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s}(i-S_s(k+1))}i=f,f+1,......,n---\left(16\right)$

其中T为采样周期，S_r(k)，S_s(k)分别为k采样时刻精馏段、提馏段液相轻组分浓度分布位置，S_r(k+1)，S_s(k+1)分别为k+1采样时刻精馏段、提馏段液相轻组分浓度分布位置，

分别为k+1采样时刻精馏段、提馏段段第i块塔板液相轻组分浓度分布的预测值；

3)从历史数据库中获取当前组分浓度测量值，以及预测值，修正组分浓度预测值，计算过程如式(17)(18)：

$r_i\left(k\right)=X_i\left(k\right)-{\hat{X}}_i\left(k\right)i=\mathrm{1,2},......,n---\left(17\right)$

${\tilde{X}}_i(k+1)={\hat{X}}_i(k+1)+r_i\left(k\right)i=\mathrm{1,2},......,n---\left(19\right)$

其中r_i(k)为k采样时刻第i块塔板的预测误差，为k+1采样时刻的液相轻组分浓度预测修正值即液相轻组分浓度的观测值。

所述的上位机6包括人机界面模块12，用于设定采样周期T，显示观测器输出的将来时刻组分浓度预测值和当前时刻组分浓度测量值。

实施例2

参照图1、图2和图3，一种内部热耦合精馏塔高纯非线性观测方法，如图3所示所述的观测方法包括以下步骤：

1)如图3的观测器变量初始化模块14所示，确定采样周期T，并将T值，相对挥发度α，安东尼常数a、b、c、保存在历史数据库当中；

2)如图3的kT时刻组分浓度分布模块15所示，检测kT时刻精馏段压强P_r提馏段压强P_s，以及各塔板温度T_i，计算液相轻组分浓度值，计算式为(1)(2)：

$X_i\left(k\right)=\frac{P_r\×\mathrm{\α}\×{10}^{\frac{T_i+c}{b}-a}-1}{\mathrm{\α}-1}i=\mathrm{1,2},......,f-1---\left(1\right)$

$X_i=\frac{P_s\×\mathrm{\α}\×{10}^{\frac{T_i+c}{b}-a}-1}{\mathrm{\α}-1}i=f,f+1,......,n---\left(2\right)$

其中下脚标i为塔板编号，1为塔顶编号，f为进料板编号，n为塔底编号，X_i为液相组分浓度，P_r、P_s分别为精馏段提馏段压强，T_i为塔内各块塔板的温度，α为相对挥发度，a、b、c为安东尼常数。

3)如图3的初始浓度分布函数拟合模块16所示，从历史数据库当中获取kT时刻组分浓度的测量值，拟合kT时刻的组分浓度分布函数如式(3)(4)：

${\hat{X}}_i=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r)}}i=\mathrm{1,2},......,f-1---\left(3\right)$

${\hat{X}}_i=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s(i-S_s)}}i=f,f+1,......,n---\left(4\right)$

其中

为第i块塔板处液相组分浓度预估浓度，X_min，r，X_max，r，k_r，X_min，s，X_max，s，k_s为拟合参数，S_r，S_s分别为内部热耦合精馏塔精馏段、提馏段液相组分浓度分布曲线的位置。

4)如图3的kT时刻组分浓度分布变化速率模块17所示，计算kT时刻的组分浓度分布位置变化速度，并将曲线位置变化速度存储到历史数据库当中，计算过程如式(5)-(12)

$Y_i\left(t\right)=\frac{\mathrm{\α}{X}_i\left(t\right)}{(\mathrm{\α}-1)X_i\left(t\right)+1},i=\mathrm{1,2},......,n---\left(5\right)$

$Q_i\left(k\right)=\mathrm{UA}\×b(\frac{1}{a-\ln \{P_r/[X_i\left(k\right)+(1-X_i\left(k\right))/\mathrm{\α}\left]\right\}}-\frac{1}{a-\ln \{p_s/[X_{i+f-1}\left(k\right)+(1-X_{i+f-1}\left(k\right))/\mathrm{\α}\left]\right\}\}})$

$i=\mathrm{1,2},......,f-1---\left(6\right)$

V₁＝F(1-q)         (7)

L_n＝F_q             (8)

$L_{f-1}\left(t\right)=\underset{i=1}{\overset{f-1}{\mathrm{\Σ}}}\frac{Q_i\left(k\right)}{\mathrm{\λ}}---\left(9\right)$

V_f＝V₁+L_f-1        (10)

$\frac{{\mathrm{dS}}_1}{\mathrm{dt}}\left(k\right)=\frac{V_f{Y}_f\left(k\right)-L_{f-1}{X}_{f-1}\left(k\right)-V_1{Y}_1\left(k\right)}{{\mathrm{HX}}_{f-1}\left(k\right)}---\left(11\right)$

$\frac{{\mathrm{dS}}_2}{\mathrm{dt}}\left(k\right)=\frac{-V_f{Y}_f\left(k\right)-L_n{X}_n\left(k\right)+L_{f-1}{X}_{f-1}\left(k\right)+{\mathrm{FZ}}_f}{H(X_{f-1}\left(k\right)-X_n\left(k\right))}---\left(12\right)$

其中k为当前采样时刻，X_i(k)、Y_i(k)分别为k采样时刻第i块塔板轻组分液相轻组分浓度和汽相轻组分浓度，Q_i(k)为第i块塔板之间的热耦合量，UA为传热速率，X_i+f-1(k)为k采样时刻第i+f-1块塔板液相轻组分浓度，q为进料热状况，F为进料流率，V₁，V_f分别为塔顶和进料板处的汽相流率，L_f-1，L_n分别为第f-1块塔板和塔底的液相流率，H为持液量，X_f-1(k)，X_n(k)分别为k采样时刻第f-1块塔板和塔底的液相轻组分浓度，Y₁(k)，Y_f(k)分别为k采样时刻塔顶和进料板处的汽相轻组分浓度，

分别为精馏段和提馏段的轻组分浓度分布变化速率。

5)如图3的kT时刻组分浓度预测模块18所示，预测(k+1)T时刻的组分浓度分布。从历史数据库中获取曲线位置变化速度数据，组分浓度分布函数拟合参数，采样周期值，计算式过程为式(13)(14)(15)(16)

$S_r(k+1)=S_r\left(k\right)+\frac{{\mathrm{dS}}_r}{\mathrm{dt}}\left(k\right)T---\left(13\right)$

$S_s(k+1)=S_s\left(k\right)+\frac{{\mathrm{dS}}_s}{\mathrm{dt}}\left(k\right)T---\left(14\right)$

${\hat{X}}_{i,r}(k+1)=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r(k+1))}}i=\mathrm{1,2},......,f-1---\left(15\right)$

${\hat{X}}_{i,s}(k+1)=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s}(i-S_s(k+1))}i=f,f+1,......,n---\left(16\right)$

其中T为采样周期，S_r(k)，S_s(k)分别为k采样时刻精馏段、提馏段液相轻组分浓度分布位置，S_r(k+1)，S_s(k+1)分别为k+1采样时刻精馏段、提馏段液相轻组分浓度分布位置，

分别为k+1采样时刻精馏段、提馏段段第i块塔板液相轻组分浓度分布的预测值

6)如图3的预测误差计算模块19所示，从历史数据库中获取kT时刻组分浓度测量值，以及预测值，计算kT时刻的组分浓度预测误差过程如式(17)：

$r_i\left(k\right)=X_i\left(k\right)-{\hat{X}}_i\left(k\right)i=\mathrm{1,2},......,n---\left(17\right)$

其中r_i(k)为k采样时刻第i块塔板的预测误差

7)如图3的kT时刻的观测值修正模块20所示，修正组分浓度预测值，计算过程如式(19)：

${\tilde{X}}_i(k+1)={\hat{X}}_i(k+1)+r_i\left(k\right)i=\mathrm{1,2},......,n---\left(19\right)$

其中为k+1采样时刻的液相轻组分浓度预测修正值即液相轻组分浓度的观测值。

所述的历史数据库为DCS系统中存储装置，所述的DCS系统包括数据接口3，存储装置4和控制站5，其中现场智能仪表2与数据接口3连接，所述数据接口3与现场总线连接，所述现场总线与存储装置4、控制站5和上位机6连接，其中控制站5可以读取历史数据库，显示观测器工作过程状态。

Claims (4)

1.一种内部热耦合精馏塔高纯非线性观测系统，其特征在于：所述高纯非线性观测系统包括与内部热耦合精馏塔直接连接的现场智能仪表和DCS系统，所述DCS系统包括存储装置、控制站和上位机，所述现场智能仪表与存储装置、控制站和上位机连接，所述的上位机包括用以预测内部热耦合精馏塔将来时刻的组分浓度分布的观测器，所述观测器包括：

组分推断模块，用以从智能仪表获取温度，压强数据，计算内部热耦合精馏塔各块塔板的组分浓度，并将组分浓度计算结果存储在历史数据库当中，计算式为(1)(2)：

$X_i\left(k\right)=\frac{P_r\left(k\right)\×\mathrm{\α}\×{10}^{\frac{T_i\left(k\right)+c}{b}-a}-1}{\mathrm{\α}-1},i=1,2,\·\·\·\·\·\·,f-1---\left(2\right)$

$X_i\left(k\right)=\frac{P_s\left(k\right)\×\mathrm{\α}\×{10}^{\frac{T_i\left(k\right)+c}{b}-a}-1}{\mathrm{\α}-1},i=f,f+1,\·\·\·\·\·\·,n---\left(2\right)$

其中下脚标i为塔板编号，l为塔顶编号，f为进料板编号，n为塔底编号，X_i为液相组分浓度，P_r、P_s分别为精馏段提馏段压强，T_i为塔内各块塔板的温度，α为相对挥发度，a、b、c为安东尼常数；

组分分布函数拟合模块，用以采用历史数据库中组分推断模块计算出的组分浓度数据，拟合液相组分浓度分布函数，并将拟合参数存储到历史数据库当中，计算过程如式(3)(4)：

${\hat{X}}_i=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r)}},i=\mathrm{1,2},\·\·\·\·\·\·,f-1---\left(3\right)$

${\hat{X}}_i=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r)}},i=f,f+1,\·\·\·\·\·\·,n---\left(4\right)$

其中

为第i块塔板处液相组分浓度预估浓度，X_min，r，X_max，r，k_r，X_min，s，X_max，s，k_s为拟合参数，S_r，S_s分别为内部热耦合精馏塔精馏段、提馏段液相组分浓度分布曲线的位置；

将来时刻内部热耦合精馏塔状态预测模块，用以根据当前组分浓度数据以及组分分布函数预测将来时刻的液相组分浓度分布，该模块包括以下三个步骤：

1)从历史数据库中读取组分浓度测量值，计算当前时刻组分浓度分布曲线位置变化速度，并将曲线位置变化速度存储到历史数据库当中，计算过程如式(5)至式(12)：

$Y_i\left(t\right)=\frac{\mathrm{\α}{X}_i\left(t\right)}{(\mathrm{\α}-1)X_i\left(t\right)+1},i=\mathrm{1,2},\·\·\·\·\·\·,n---\left(8\right)$

$\begin{array}{c}{Q}_i\left(k\right)=\mathrm{UA}\×b(\frac{1}{a-\ln \{P_r\left(t\right)/[X_i\left(k\right)+(1-X_i\left(k\right))/\mathrm{\α}\left]\right\}}-\frac{1}{a-\ln \{\mathrm{ps}/[X_{i+f-1}\left(k\right)+(1-X{i+f-1}_{}\left(k\right))/a\left]\right\}})\end{array}$

i＝1，2，……，f-1(6)

V_l＝F(1-q)(7)

L_n＝Fq(8)

$L_{f-1}=\underset{i=1}{\overset{f-1}{\mathrm{\Σ}}}\frac{Q_i\left(t\right)}{\mathrm{\λ}}---\left(9\right)$

V_f＝V_l+L_f-1      (10)

$\frac{d{S}_1}{\mathrm{dt}}\left(k\right)=\frac{V_f\left(k\right)Y_f\left(k\right)-L_{f-1}\left(k\right)X_{f-1}\left(k\right)-V_1\left(k\right)Y_1\left(k\right)}{H{X}_{f-1}\left(k\right)}---\left(11\right)$

$\frac{d{S}_2}{\mathrm{dt}}\left(k\right)=\frac{-V_f\left(k\right)Y_f\left(k\right)-L_n\left(k\right)X_n\left(k\right)+L_{f-1}\left(k\right)X_{f-1}\left(k\right)+F{Z}_f}{H(X_{f-1}\left(k\right)-X_n\left(k\right))}---\left(12\right)$

其中k为当前采样时刻，X_i(k)、Y_i(k)分别为k采样时刻第i块塔板轻组分液相轻组分浓度和汽相轻组分浓度，Q_i(k)为第i块塔板之间的热耦合量，UA为传热速率，X_i+f-1(k)为k采样时刻第i+f-1块塔板液相轻组分浓度，q为进料热状况，F为进料流率，V_l，V_f分别为塔顶和进料板处的汽相流率，L_f-1，L_n分别为第f-1块塔板和塔底的液相流率，H为持液量，X_f-1(k)，X_n(k)分别为k采样时刻第f-1块塔板和塔底的液相轻组分浓度，Y_l(k)，Y_f(k)分别为k采样时刻塔顶和进料板处的汽相轻组分浓度，

分别为精馏段和提馏段的轻组分浓度分布变化速率；

2)从历史数据库中获取曲线位置变化速度数据，组分浓度分布函数拟合参数，采样周期并计算下一时刻波形位置以及下一时刻组分浓度分布，计算过程为式(13)(14)(15)(16)：

$S_r(k+1)=S_r\left(k\right)+\frac{d{S}_r}{\mathrm{dt}}\left(k\right)T---\left(13\right)$

$S_s(k+1)=S_s\left(k\right)+\frac{d{S}_s}{\mathrm{dt}}\left(k\right)T---\left(14\right)$

${\hat{X}}_{i,r}(k+1)=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r(k+1))}},i=\mathrm{1,2},\·\·\·\·\·\·,f-1---\left(15\right)$

${\hat{X}}_{i,s}(k+1)=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s(i-S_s(k+1))}},i=f,f+1,\·\·\·\·\·\·,n---\left(16\right)$

其中T为采样周期，S_r(k)，S_s(k)分别为k采样时刻精馏段、提馏段液相轻组分浓度分布位置，S_r(k+1)，S_s(k+1)分别为k+1采样时刻精馏段、提馏段液相轻组分浓度分布位置，

分别为k+1采样时刻精馏段、提馏段段第i块塔板液相轻组分浓度分布的预测值；

3)从历史数据库中获取当前组分浓度测量值，以及预测值，修正组分浓度预测值，计算过程如式(17)(18)：

$r_i\left(k\right)=X_i\left(k\right)-{\hat{X}}_i\left(k\right),i=\mathrm{1,2},\·\·\·\·\·\·,n---\left(17\right)$

${\tilde{X}}_i(k+1)={\hat{X}}_i(k+1)-r_i\left(k\right),i=\mathrm{1,2},\·\·\·\·\·\·,n---\left(18\right)$

其中r_i(k)为k采样时刻第i块塔板的预测误差，

为k+1采样时刻的液相轻组分浓度预测修正值即液相轻组分浓度的观测值。

2.如权利要求1所述的内部热耦合精馏塔高纯非线性观测系统，其特征在于：所述的上位机还包括人机界面模块，用于设定采样周期T，显示观测器输出的将来时刻组分浓度预测值和当前时刻组分浓度测量值。

3.一种用如权利1所述的内部热耦合精馏塔高纯非线性观测系统实现的观测方法，其特征在于：所述的观测方法包括以下步骤：

1)确定采样周期T，并将T值，相对挥发度α，安东尼常数a、b、c、保存在历史数据库当中；

2)检测kT时刻精馏段压强P_r提馏段压强P_s，以及各塔板温度T_i，计算液相轻组分浓度值，计算式为(1)(2)：

$X_i\left(k\right)=\frac{P_r\left(k\right)\×\mathrm{\α}\×{10}^{\frac{T_i\left(k\right)+c}{b}-a}-1}{\mathrm{\α}-1},i=1,2,\·\·\·\·\·\·,f-1---\left(2\right)$

$X_i\left(k\right)=\frac{P_s\left(k\right)\×\mathrm{\α}\×{10}^{\frac{T_i\left(k\right)+c}{b}-a}-1}{\mathrm{\α}-1},i=f,f+1,\·\·\·\·\·\·,n---\left(2\right)$

其中下脚标i为塔板编号，l为塔顶编号，f为进料板编号，n为塔底编号，X_i为液相组分浓度，P_r、P_s分别为精馏段提馏段压强，T_i为塔内各块塔板的温度，α为相对挥发度，a、b、c为安东尼常数；

3)从历史数据库当中获取kT时刻组分浓度的测量值，拟合kT时刻的组分浓度分布函数如式(3)(4)：

${\hat{X}}_i=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r)}},i=\mathrm{1,2},\·\·\·\·\·\·,f-1---\left(3\right)$

${\hat{X}}_i=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r)}},i=f,f+1,\·\·\·\·\·\·,n---\left(4\right)$

其中为第i块塔板处液相组分浓度预估浓度，X_min，r，X_max，r，k_r，X_min，s，X_max，s，k_s为拟合参数，S_r，S_s分别为内部热耦合精馏塔精馏段、提馏段液相组分浓度分布曲线的位置；

4)计算kT时刻的组分浓度分布位置变化速度，并将曲线位置变化速度存储到历史数据库当中，计算过程如式(5)-(12)：

$Y_i\left(t\right)=\frac{\mathrm{\α}{X}_i\left(t\right)}{(\mathrm{\α}-1)X_i\left(t\right)+1},i=\mathrm{1,2},\·\·\·\·\·\·,n---\left(8\right)$

$\begin{array}{c}{Q}_i\left(k\right)=\mathrm{UA}\×b(\frac{1}{a-\ln \{P_r\left(t\right)/[X_i\left(k\right)+(1-X_i\left(k\right))/\mathrm{\α}\left]\right\}}-\frac{1}{a-\ln \{\mathrm{ps}/[X_{i+f-1}\left(k\right)+(1-X{i+f-1}_{}\left(k\right))/a\left]\right\}})\end{array}$

i＝1，2，……，f-1(6)

V_l＝F(1-q)(7)

L_n＝Fq(8)

$L_{f-1}=\underset{i=1}{\overset{f-1}{\mathrm{\Σ}}}\frac{Q_i\left(k\right)}{\mathrm{\λ}}---\left(9\right)$

V_f＝V_l+L_f-1      (10)

$\frac{d{S}_1}{\mathrm{dt}}\left(k\right)=\frac{V_f\left(k\right)Y_f\left(k\right)-L_{f-1}\left(t\right)X_{f-1}\left(k\right)-V_1\left(k\right)Y_1\left(k\right)}{H{X}_{f-1}\left(k\right)}---\left(11\right)$

$\frac{d{S}_2}{\mathrm{dt}}\left(k\right)=\frac{-V_f\left(k\right)Y_f\left(k\right)-L_n\left(k\right)X_n\left(k\right)+L_{f-1}\left(k\right)X_{f-1}\left(k\right)+F{Z}_f}{H(X_{f-1}\left(k\right)-X_n\left(k\right))}---\left(12\right)$

其中k为当前采样时刻，X_i(k)、Y_i(k)分别为k采样时刻第i块塔板轻组分液相轻组分浓度和汽相轻组分浓度，Qi(k)为第i块塔板之间的热耦合量，UA为传热速率，X_i+f-1(k)为k采样时刻第i+f-1块塔板液相轻组分浓度，q为进料热状况，F为进料流率，V_l，V_f分别为塔顶和进料板处的汽相流率，L_f-1，L_n分别为第f-1块塔板和塔底的液相流率，H为持液量，X_f-1(k)，X_n(k)分别为k采样时刻第f-1块塔板和塔底的液相轻组分浓度，Y_l(k)，Y_f(k)分别为k采样时刻塔顶和进料板处的汽相轻组分浓度，

分别为精馏段和提馏段的轻组分浓度分布变化速率；

5)预测(k+1)T时刻的组分浓度分布。从历史数据库中获取曲线位置变化速度数据，组分浓度分布函数拟合参数，采样周期值，计算过程为式(13)(14)(15)(16)：

$S_r(k+1)=S_r\left(k\right)+\frac{d{S}_r}{\mathrm{dt}}\left(k\right)T---\left(13\right)$

$S_s(k+1)=S_s\left(k\right)+\frac{d{S}_s}{\mathrm{dt}}\left(k\right)T---\left(14\right)$

${\hat{X}}_{i,r}(k+1)=X_{\min ,r}+\frac{X_{\max ,r}-X_{\min ,r}}{1+e^{-k_r(i-S_r(k+1))}},i=\mathrm{1,2},\·\·\·\·\·\·,f-1---\left(15\right)$

${\hat{X}}_{i,s}(k+1)=X_{\min ,s}+\frac{X_{\max ,s}-X_{\min ,s}}{1+e^{-k_s(i-S_s(k+1))}},i=f,f+1,\·\·\·\·\·\·,n---\left(16\right)$

其中T为采样周期，S_r(k)，S_s(k)分别为k采样时刻精馏段、提馏段液相轻组分浓度分布位置，S_r(k+1)，S_s(k+1)分别为k+1采样时刻精馏段、提馏段液相轻组分浓度分布位置，

分别为k+1采样时刻精馏段、提馏段段第i块塔板液相轻组分浓度分布的预测值；

6)从历史数据库中获取kT时刻组分浓度测量值，以及预测值，计算kT时刻的组分浓度预测误差过程如式(17)：

$r_i\left(k\right)=X_i\left(k\right)-{\hat{X}}_i\left(k\right),i=\mathrm{1,2},\·\·\·\·\·\·,n---\left(17\right)$

其中r_i(k)为k采样时刻第i块塔板的预测误差；

7)修正组分浓度预测值，计算过程如式(19)：

${\tilde{X}}_i(k+1)={\hat{X}}_i(k+1)-r_i\left(k\right),i=\mathrm{1,2},\·\·\·\·\·\·,n---\left(18\right)$

其中为k+1采样时刻的液相轻组分浓度预测修正值即液相轻组分浓度的观测值。

4.如权利要求3所述的观测方法，其特征在于：所述的历史数据库为DCS系统中存储装置，控制站可以读取历史数据库，显示观测器工作过程状态。

Images