CN101868765B - 用于控制电解池的方法和装置 - Google Patents
用于控制电解池的方法和装置 Download PDFInfo
- Publication number
- CN101868765B CN101868765B CN200880116702.9A CN200880116702A CN101868765B CN 101868765 B CN101868765 B CN 101868765B CN 200880116702 A CN200880116702 A CN 200880116702A CN 101868765 B CN101868765 B CN 101868765B
- Authority
- CN
- China
- Prior art keywords
- process variable
- variable
- future
- control
- estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C3/00—Electrolytic production, recovery or refining of metals by electrolysis of melts
- C25C3/06—Electrolytic production, recovery or refining of metals by electrolysis of melts of aluminium
- C25C3/20—Automatic control or regulation of cells
Abstract
本发明公开了用于控制电解池的方法和装置。用于借助过程控制输入来控制用于铝生产的电解池的方法和装置,包括用于测量一个或多个过程变量的装置,其中测量的值被导向估算器。该估算器能够是卡尔曼滤波器型,并能够估算一个或多个过程变量的当前值,接着是所述过程变量和/或其他过程变量的值的预测。预测的值被用于借助计算器来计算将来输入控制方案。过程变量的预测是按照是过程控制器的集成部分的非线性动态模型进行的。
Description
技术领域
本发明涉及用于控制铝生产的电解池的方法和装置。本发明应用一种非线性模型预测控制系统(NMPC),其中过程的模型被应用于预测该过程的将来行为。此外,估算器函数被用于根据历史数据产生目前时间的过程数据的估值。
本发明的优点在于人们能够控制电解池使过程变化减少。由此能够操作电解池更接近操作目标和过程极限,以及获得向周围更低的排放兼有稳定的及更有效的生产。
背景技术
把NMPC应用于控制工业过程例如是从炼油工业知道的,炼油工业中这种类型的控制已经被广泛应用。
但是,由申请人进行的研究没有揭示非线性MPC(NMPC)在冶金工业中的应用。我们从(F.J.Stevens McFadden,JOM,2006年2月)看到,举出作为替代被研究控制模式的是线性MPC,该控制模式是用来在基于以输入输出数据标识的模型的铝电解池中控制非氧化铝电解质变量。MPC和NMPC之间的重要差别在于,MPC使用线性模型,而NMPC使用非线性模型。从理论的观点看,使用非线性模型是把控制问题从凸QP(二次规划)改变为非凸非线性规划(NLP),其解的获得要难得多。当求解非凸NLP时,要找到全面的优化是没有保证的。这就表明NMPC控制器的调节可能十分困难,模型不符合时尤其如此。
EP 0211 924公开一种用于生产铝的控制向还原池供应氧化铝的方法。那里采用有参数估算和基于分离定理的控制器计算的自适应控制。作为过程模型,是用有两个输入和一个输出的线性模型。
US专利4,814,050是现有技术线性控制器的代表,该线性控制器包含采用两组方程式的估算器的使用,该两组方程式即,包含池中的氧化铝质量平衡动态模型并提供氧化铝浓度估算的时间更新算法,和使用来自池的过程反馈变量来修改氧化铝估值的测量算法。
由于非线性过程特征、耦合质量和能量平衡及少量的测量,控制氧化铝还原过程正在面临挑战。
虽然Al2O3的控制被认为“已解决”,但在最近10到15年中文献的讨论已经关心槽温度和AlF3的控制。对这些论文都共有的是AlF3的添加作为与目标酸度和/或目标槽温度的偏差的函数而被计算。
在铝业界中众所周知的是,由于炉帮厚度的变化,AlF3的添加和槽温度两者都对酸度有影响。槽温度和酸度之间的关系被称为槽温度-酸度相关性,或简称相关线。
发明内容
按照本发明,一种(数学)模型代表铝电解池的理论表示。本发明中的建模方法是根据第一原理。这意味着描述过程的模型是根据描述热及质量转移关系和基本物理性质关系的物理学的基本理解。利用第一原理建模通常取非线性差分方程式的形式,从而导致非线性模型。通过使用来自化学和热力学的理论(第一原理),池的质量和能量平衡是按这样的方式描述的,使选定的一组过程变量的时间行为和它们之间的关系能够被确定(或被估算)。选定的被模型化的过程变量组一般是,这里举出最重要的几个:炉帮(side ledge)厚度、液体槽和金属的质量、AlF3的浓度和质量、Al2O3的浓度和质量、熔渣(sludge)的质量、槽温度、阴极温度、各种热流、槽及金属高度和假电阻。
模型代表理想化的框架,也会由于模型的不确定性而在一定程度上偏离物理过程。为了使模型在非理想的框架中工作,使用被称为卡尔曼滤波的估算技术。
卡尔曼滤波器状态估算器如同从US专利6757579的建议了解到的那样。
用于铝还原池的卡尔曼滤波器状态估算可从下面的文章了解“Estimation of states in aluminium reduction cells applying extendedkalman filtering algorithms together with a nonlinear dynamic modeland discrete measurements”T.K.Vee,E.Gran(Light Metals 1976,pp.275-286)。
通过使用卡尔曼滤波技术,模型不确定性根据过程变量(所有过程变量的一个子集)的测量和过程输入中的可用信息而被调整。这些测量通常都是假电阻、槽温度、阴极温度、液体槽及金属高度和AlF3的浓度。过程输入通常是线电流、添加的质量、阳极移动和事件(阳极效应、金属排出(tap)、液体槽排出/添加、阳极改变)。
根据来自输入和测量的可用信息,模型调整的结果是选定的一组给定时刻的过程变量的更精确估算。
按照本发明,难以测量的和非可测量的过程变量能够被估算和预测并在控制器中使用,使之能达到铝电解池的质量和能量平衡的更佳控制。
上述的优点和更多的优点能够通过权利要求1-15定义的本发明获得。
附图说明
本发明将通过举例和图进一步说明,附图中:
图1公开一种氧化铝还原池(预烘干)的主要特性的原理图;
图2公开控制电解池的现有技术(阳极杆调整用于控制能量输入、AlF3添加和Al2O3添加;
图3公开一种NMPC控制器;
图4公开当前控制变量的估算;
图5是公开计算的将来优化输入方案(u)的图解;
图6是公开根据新的测量和输入计算的控制变量的新估值的图解;
图7公开代表计算的新的将来优化输入方案(u)的图解;
具体实施方式
用于铝生产的Hall-Heroult过程。
根据它的发明人命名的Hall-Heroult过程,是今天工业生产铝用得最多的方法。液体铝由溶解在被称为槽的电解质中的氧化铝(Al2O3)的电解还原来生产,槽主要由冰晶石(Na3AlF6)构成。氧化铝还原池的示意图在图1中示出。
在此后称为池的氧化铝还原池中,一根()或多根(预烘干)石墨阳极被浸入槽中。氧化铝通过电化学反应在阳极被消耗。
从方程式(1)可见,在过程期间石墨阳极被消耗(理论上333kgC/t Al)。
1/2Al2O3+3NaF+3/4C→AlF3+3/4CO2+3Na++3e (1)
池的较下部分,即阴极,由衬有耐火材料和绝热材料的钢壳构成。在石墨底的顶部形成一池液体铝。阴极,从电化学的意义上说,是液体铝和槽之间的界面,由下面的方程式描述:
AlF3+3Na++3e→Al+3NaF (2)
而全部池的反应变成
1/2Al2O3+3/4C→Al+3/4CO2 (3)
纯的槽(Na3AlF6)熔点为1011℃。要降低熔点,即液体的温度,向槽添加这里举出的最重要的几种材料:氟化铝(AlF3)和氟化钙(CaF2)。池中槽的成分通常可以是6-13[wt%]AlF3,4-6[wt%]CaF2,和2-4[wt%]Al2O3。降低液体温度能够在较低的槽温度下对池进行操作,但以降低Al2O3在槽中的可溶性,要求良好的Al2O3控制为代价。应当指出,如果Al2O3的浓度太低(低于约1.8wt%),则池进入称为阳极效应的状态。在阳极效应期间,池电压从正常的4-4.5V增加到20-50V。阳极效应是极其不希望的状态,不仅因为它代表能量的浪费和对能量平衡的干扰,还因为在阳极产生温室气体(CF4和C2F6)。阳极效应常常需要操作员的手动干预。
正常池操作期间的槽温度在940℃到970℃之间。槽在电解过程期间不被消耗,但有些损失,主要是在汽化期间。蒸汽主要由NaAlF4组成。此外,一些槽因小液滴的飞溅而有损失,同时氧化铝供应中存在的水反应形成HF。为了保护环境,该气体在气体洗涤系统中被收集和清除。洗涤系统中超过98%的AlF3被回收并被再循环送回池中。此外,在供应的Al2O3中氧化钠(Na2O)和氟化钙(Ca2F)的含量使AlF3中和。被中和的量也是钠透入阴极,从而池寿命的函数。作为例子,170kA的池每24小时排放约60等效kg的AlF3,并每24小时使用约2500kg的Al2O3。对170kA的池,AlF3由于中和所消耗的量每24小时在0和20kg之间(依赖于池的寿命)。但是,因为大多数AlF3被再循环,AlF3的实际消耗与Al2O3的消耗相比是非常小的。
阴极的侧壁有凝结层,称为炉帮,它保护石墨侧壁免受腐蚀。炉帮的成分主要是带有一些CaF2的纯Na3AlF6。炉帮厚度是通过各侧的热流的函数,热流是槽温度与液相线(liquidus)温度之差的函数。因为假设炉帮成分主要是Na3AlF6,这意味着槽中冰晶石的总质量是变化的,而AlF3和Al2O3的质量不随炉帮厚度变化。而且,因为添加剂的浓度是添加剂质量被槽的总质量除,炉帮厚度的变化引起浓度的变化。因此,浓度的改变引起液相线温度的改变,液相线温度的改变引起过热状态的改变,影响炉帮的厚度。
由此,挑战是确保稳定的池操作以导致稳定保护的炉帮,同时使能量输入最少化和生产最大化。
在给定合理的操作目标下,要建立的操作实践是,围绕目标值的过程变化最小化而导致在对环境污染最小、最大的生产和最小的开销意义下的良好过程操作。就氧化铝还原池的使用方面而言,当焦点集中于氧化铝浓度、槽温度和酸度时,该焦点应该放在获得低的阳极效应发生次数,良好的气体洗涤效率和低的与目标的偏差。如果氧化铝浓度的控制是合理地良好,人们必须聚焦在槽温度控制和AlF3控制上。
槽温度的增加导致更低的酸度和槽传导率的增加。按照公开文献中的先前的研究,酸度的变化受槽温度变化支配。
铝电解池的过程控制的“现有技术”
要控制电解池,有两种主要的硬件体系结构,即集中或分散的体系结构。在集中体系结构中,过程控制的输入由中央计算机计算并分配到每一铝电解池上局部的控制设备。在分散体系结构中,通常靠近电解池放置的分散的计算机计算过程控制输入。
在控制电解池中,直至现在,通常有三种主要控制变量:槽温度,AlF3浓度和Al2O3浓度;并有三种控制输入:阳极杆的调整(控制能量的输入),AlF3的添加和Al2O3的添加(见图2)。
AlF3质量减少的动态是缓慢的(假设没有添加纯碱),而当改变AlF3浓度时,AlF3浓度的控制必须对付缓慢的响应。
Al2O3质量的动态是快速的,而Al2O3浓度的控制必须对付快速的响应。Al2O3浓度的控制通常认为是孤立的问题。
槽温度通常是手动测量一天一次,或至少一周一次。在某些技术中,槽温度能够自动测量。AlF3浓度(酸度)通常是手工测量一周一次或一周两次,而Al2O3浓度根本不是正常地测量,只结合试验测量。
唯一连续测量的是如下定义的槽假电阻Rb:
Rb被用作用于阳极杆调整的输入,并作为与输入池的能量相结合的控制变量起作用。
因为能量平衡和质量平衡通过炉帮被耦合,池的控制必须考虑成非线性多变量控制问题。
虽然控制问题是非线性多变量控制问题,但一般仿佛是把它当做线性非多变量问题解决的。就是说,使用线性的、单环控制器(即一个控制器控制一个过程变量),通常是一个控制器用于氧化铝控制,一个用于AlF3控制和一个用于能量/槽温度控制。
各测量起控制器输入的作用;氧化铝控制器通常使用假电阻测量;AlF3控制器使用AlF3和槽温度测量的组合。从AlF3控制器的输出通常是c1(Tb-TbRef)+c2(AlF3-AlF3ref),这里c1和c2是技术特有常数。某些技术还使用槽温度测量来调整加到池的能量输入(电压)。
通常这些线性单环控制器不“合作”(不是多变量控制模式),虽然某些技术的确使用AlF3控制和能量/槽温度控制之间的轻耦合。这些线性控制器还是受许多直观推断和规则的束缚。
附加的测量,尽管一般不在自动控制中使用,是槽高度、金属高度和排出的金属质量的测量。
本发明铝电解池的过程控制:
对于非线性模型预测控制(NMPC),我们的理解是使用非线性动态模型、状态估算(过程变量估算)和在线约束的非线性优化问题的解来计算对物理过程的控制输入。亦见图3。
图3画出本发明的积木式块。标以“过程”的块意在表明物理过程-铝电解池的一种情况。对该“过程”,人们能够施加过程控制输入(质量和能量)并测量某些过程的输出。测量只能以某种程度的精确度完成。不精确度被描述为“测量噪声”。标以“估算器”的块包含该“过程”的数学模型。该“过程”用“第一原理”建模技术来描述,并产生若干过程参数和过程变量,供估算所述变量当前值使用。该模型还包含偏微分方程(PDE),用于捕获选定的过程变量子集的时间导数。该子集称为过程状态。
因为有关过程状态和变量的知识,能够被视作真实情况的简化版本,不符合度能够被视作不确定度-这里记作“状态噪声”。还有,过程控制输入的值和测量的值也被作为输入引向“估算器”。根据过程控制输入和测量的知识,“估算器”的目的是计算当前过程变量(过程状态、估算的参数和测量)的估值。还有,把估算的测量与物理的测量比较,而偏差被用于调整模型,以便使偏差最小。这种技术被称为卡尔曼估算技术。
估算的测量、状态和参数都是“估算器”的输出,并用作非线性模型预测控制(NMPC)块的输入。“NMPC”块使用估算的过程变量(CV)的一个子集,通常与某些参考值和约束相结合,来计算优化的将来过程控制输入方案(MV),以便使过程从当前工作点(由估算给定),迁移到由参考值给定的工作点。该优化的将来过程控制输入方案(input scenario)通常应在有限的将来时间框架内。因为对策是在离散的时间框架中操作,优化的将来过程控制输入方案根据更新的过程变量估值,按每一时间步长(例如每个第5分钟)被计算,该更新的过程变量估值也可供每个时间步长使用。然而,只有将来过程控制输入方案的第一个值被放在物理过程上。该优化控制输入方案尤其是利用求解优化判据而被找到,该判据相对于预测的过程变量最小。预测植根于使用非线性动态模型来预测过程变量的将来值。使用的优化器是一种能够求解非线性约束问题的优化器(通常是SQP)。本发明本实施例的“NMPC”块中的非线性过程模型与“估算器”块中的非线性模型相同。
在本发明的描述中,我们将使用如下术语:定义1:
1.估算:所谓估算,我们理解为考虑中的值,即估值,代表在当前时间的所述值。此外,该估值是通过使用数学模型产生的,其中所述值是根据直到当前时间的历史数据(测量和/或过程输入)而被调整。
2.预测:所谓预测,我们理解为考虑中的值,即预测的值,代表领先于时间的将来的所述值。此外,该预测是通过使用数学模型产生的。
为了描述本发明,我们将作如下定义:定义2:
1.过程参数:不随时间变化的过程特征(尺寸、焓等)。
2.过程变量:随时间变化的过程特征(槽温度、氧化铝浓度、炉帮厚度等)。
3.过程状态:能够用微分方程描述的过程变量的一个子集(槽温度、炉帮厚度等)。
4.计算的变量:从其他过程变量和/或被综合的过程状态计算的过程变量的一个子集。例如氧化铝浓度是槽中氧化铝质量与槽质量之间的比值。
5.测量:过程变量的一个子集的物理测量。
6.过程输入:能够借助在有限时间内使过程从一种状态迁移到另一种状态的手段而被馈送给物理过程的某些量(这里:能量和质量)。
我们还将组合定义1和2的内容来谈到估算的和预测的过程变量、估算的和预测的状态、估算的和预测的计算的变量以及估算的和预测的测量。
铝电解过程的非线性模型被引进NMPC中。该(非线性)模型有两个重要目的-其一是估算重要过程变量和该过程的测量的当前值,其二是被用来预测过程变量和测量的将来值(见图7,稍后将进一步解释)。
在该建议的铝电解池的NMPC中,使用电解过程的动态数学模型来估算重要的过程变量。过程变量可以是根本不被测量的变量(炉帮厚度、槽及金属的质量、AlF3的质量、Al2O3的质量、Al2O3的浓度)和不经常被测量的过程变量(AlF3的浓度、槽高度、金属高度和槽温度)。对被模型化的过程变量所共有的是过程变量的估值是几乎连续地(例如每个第5分钟)可用的。
虽然上面在“现有技术”中描述的测量,至多不过被用作某些单环线性控制器的输入,但所有测量在NMPC中都被用于激励估算的过程变量,以便能计算更佳的过程变量的估值。该被使用的技术在文献中可按Kalmanfiltering查找,包含线性Kalmanfilter、AugmentedKalmanfilter、Extended Kalmanfilter、Augmented ExtendedKalmanfilter、Sigmapoint/Unscented Kalmanfilter和EnsambleKalmanfilter。另一种途径是使用滚动范围估算(MHE),因为延迟的测量将在其后被有效地处理。例如酸度测量结果通常可供实际测量发生后数小时使用。使用MHE时,测量被放在时间窗口的合适地方从而有助于更正确的当前估值。
重要的是要知道,时间变化的估值也可在不经常的测量之间使用。
NMPC使用来自上述估算器的估值作为开始点(我们所在点)。通过把该估值与给定的一组过程变量上选择的设定点(我们想去的点)比较,NMPC控制器通过模型的使用按优化方式计算将来的控制路径。‘将来’可以是下一个24小时。于是第一个优化控制被应用于物理过程。然后,这种模式每第n分钟被重复(n待定)(见图7)。
与“现有技术”的主要差别在于对控制器的输入完全是根据估算的值,而不是直接测量的值。此外,控制器利用了过程的非线性性、过程变量之间的耦合、和与过程及控制器约束一起的过程动态,并找到优化的过程控制输入,该过程控制输入被放在物理过程上。还有,在本发明的这个实施例中,NMPC的使用是要直接计算过程控制输入,而不是对第二级控制环或系统的某些设定点。
在本发明的一个实施例中,使用的模型有9个估算的过程状态、7个测量、3个主要的和10个附加的过程控制输入和一些估算的过程参数。此外还定义一些计算的过程变量。
估算的过程状态是:炉帮厚度、槽温度、槽中溶解的氧化铝质量、槽中溶解的氟化铝质量、金属质量、下阳极表面与阴极之间的距离、阴极温度、氧化铝熔渣的质量和池中冰晶石的质量。
测量是:假电阻、线电流、槽温度、氟化铝的浓度、金属高度、槽高度和阴极棒温度。
主要的3个过程控制输入是:氧化铝及氟化铝的添加和阳极的移动。附加的10个过程控制输入是关于离散事件的信息:阳极变化、金属排出、槽的添加/除去、壳皮(crust covering)、氧化铝壳皮、纯碱的添加、碎壳(crust brake)、阳极效应和阳极问题。
估算的参数可以是任何一个或若干个描述铝电解池所必需的参数,但在本发明的本实施例中,只有通过的热损失被估算。其他参数被认为是已知的和常数。
最重要的被计算的变量是:槽的质量、氧化铝浓度、酸度、假电阻、液相线温度、过热和阳极-阴极距离。
在卡尔曼滤波器的意义上,有关估算的过程状态和测量的不确定性被假定为高斯型和可加的。控制输入中的不确定性被假定为高斯型和相对的。
NMPC控制器:
NMPC控制器被用于控制铝电解池并且目的是控制能量及质量平衡。因为有三个过程输入(氧化铝的添加、氟化铝的添加和阳极移动)可用,人们只能期望把三个过程变量控制到需要的值(设定点)。在NMPC的框架内,过程输入被叫做操控变量(MV)。
那么挑战之一是选择那三个允许人们最佳地控制质量和能量平衡的过程变量。在本发明的本实施例中,下面的三个过程变量被选定:氧化铝浓度、槽温度和炉帮厚度。这些过程变量被称为控制的变量或CV,且是所有过程变量的一个子集。而且所指的该三个过程变量与参考的(或需要的)值关联。
除了这些过程变量外,槽中氟化物的质量,阳极-阴极距离(ACD)和过热也包含在CV之中,但没有参考值。然而它们被假设有值在某些确定的最小和最大极限之间(见表3)。指出假电阻在本发明本实施例中没有专用的参考值也是重要的。NMPC允许使用对维持能量平衡必要的电阻值。
在选择这些过程变量作为CV背后的想法在于一旦氧化铝浓度、槽温度和炉帮厚度被确定,过热也被确定。当过热被确定时,液相线温度从而氟化物质量被确定。此外,因为有关安全问题,为了有约束ACD的可能性,把ACD包含在CV中。例如,如果阳极离开槽(高的ACD),则被认为是严重的安全性关注。
如前所述,从卡尔曼滤波器的输出是过程变量的当前状态的最佳估值,并被NMPC用于为即将来到的计算定义开始点。NMPC计算优化的将来过程输入方案U(tk),U(tk+1),…,U(tk+Nu)以便在选定的长度N(预测范围)的将来离散时间内为CV获得设定点。这里tk是目前的时间(现在)而tk+1,…,tk+Nu是在控制范围中向前的离散时间。Nu是控制范围的长度,这里Nu<=N。tk到tk+N的间隔形成预测窗口。但是,只有来自优化的将来过程输入方案的第一个计算的过程输入U(tk)对物理过程本身有作用。然后该模式例如每个第5分钟被重复。
因为过程变量和测量不能在时间上事先或提前被测量,所以一种过程模型被用于预测物理过程的将来时间行为。本发明中使用的预测模型与前面描述的估算器中使用的模型是相同的模型,但现在没有从测量来更新状态估值的可能性。
为了获得优化的将来输入序列(U),定义一种要被最小化的判据。要被NMPC内的优化器最小化的判据或叫成本函数J一般说能够是任一函数,但通常类似如下形式
J=f(Z,Zref,W,U,ΔU,约束) (5)
这里Z是控制的变量(CV)的将来预测,Zref是Z的需要值或参考值,U是将来过程输入方案,ΔU是现在和先前过程输入方案之间的差,而W是用于惩罚Z、Zref、U和/或ΔU的组合的某些权重矩阵或函数(见下面的进一步解释)。约束项应当理解为如果某些约束被违背时用于约束处理的方法。
在本发明的一个实施例中,要被最小化的判据被定义为:
J′=1/2(Z-Zref)TQ(Z-Zref)+1/2ΔUTSΔU+约束 (6)
在方程式(6)中,T表示转置。矢量Z由控制的变量(CV)的将来预测构成。Z-Zref表示偏差。矢量U是所有被操控变量(MV)的将来输入方案,而ΔU是现在和先前输入方案之间的差。
方程式(6)中的Q和S全是正半定和对角矩阵,即只包含正的或零权重。关于方程式(5),Q和S能够被视作结合到W中。
权重矩阵Q的目的是控制NMPC控制器的行为。显然,增加Q中的权重将增加把CV控制在它的设定点的重要性从而降低设定点的偏差。通过为不同的CV选定不同的权重,人们控制它们之间的优先级。在这样的过程中,最重要的事情是要达到需要的氧化铝浓度,然后是槽温度而最后是炉帮厚度。这一点反映在Q矩阵中,Q中关于氧化铝浓度有大的值,对槽温度有较低的值而对炉帮厚度有最低的值(见表3)。
方程式(6)中的项S控制过程输入的使用成本。增加S中的权重将抑制MV的使用并削弱它的使用。例如,参照下面的表2,要达到需要的设定点,使用氧化铝是便宜的,使用阳极移动略为贵些,而使用氟化铝则十分昂贵。
对NMPC的一个挑战在于,如果预测范围长,计算的工作量可以变得非常大,当需要时,不保证人们有优化解可供使用。为了强有力地降低计算的工作量,人们能够把对照参考值评估CV的点参数化同时还把过程输入方案参数化。后者被称为输入分块。
在本发明的这个实施例中使用12小时的预测范围。用5分钟抽样间隔和三个MV,人们对该预测范围应有144×3=432个MV值要计算。就此而言,输入值只能以预测范围中选定的抽样数改变并在其间被认为是常数(分块的),优化问题的大小被大大缩减。这种技术称为“输入分块”。亦见供进一步参考的表1。在本发明中,这个问题对选定的预测范围从计算432个MV值缩减到计算13个。
下面的表指出当新的控制值被计算时的将来抽样时间。控制值在这些抽样时间之间保持恒定(分块的)。由于大计算工作量,控制值不对将来的每一抽样计算(输入分块),但结果是良好的近似。
表1:输入分块-选择的抽样
No | 输入 | 类型 | 选择的抽样(抽样数143) |
1 | 氧化铝供应 | 反馈 | 0,4,10,24,48,96 |
2 | 氟化铝供应 | 反馈 | 0,72 |
3 | 对MPC的阳极移动 | 反馈 | 0,12,24,48,96 |
在本发明的这个实施例中,对照参考值评估CV的点是自由选择的(见表4)。输入方案的参数化可以对每一MV个别地被选择(见图7)。
此外人们有可能对Z,U和ΔU设定一极限。在方程式(6)中,“约束”是在状态和/或输入违背极大或极小值时的处理。
对该算法的伪代码成为
重复:(典型的每个第5分钟)
根据更新的测量和控制输入估算当前过程变量。
从该估值抽取CV(图5)。
按照判据J′计算优化的将来过程输入方案U(tk,tk+1,…,tk+n)
只把U(tk)施加于物理过程
k=k+1
结束重复
该算法也在图4到7示出。
图4示出在时间tk(现在)一个新更新的CV的估值可供使用。该更新的CV的估值是过程变量估值的一个子集。该过程变量的估值是来自估算器(卡尔曼滤波器)的可用的输出。Zref示出CV的设定点。MV示出更早定义的操控的变量。
图7示出在时间tk(现在)对定义的预测窗口计算将来优化过程控制输入方案。只有U(tk),即该优化过程控制输入方案的第一过程输入组合,被放在物理过程上。过程变量的当前估算形成过程的将来时间行为预测中被使用的开始点。预测的CV如同预测模型所给出的,是过程变量的预测的时间行为的被抽取的一个子集。该图还示出控制范围和预测范围。控制范围可以小于或等于预测范围。控制范围源于当使用输入分块时的情况。在当控制范围小于预测范围时的这种情况下,假定在间隔tk+Nu+1到tk+Nu中的将来优化过程控制输入值等于U(tk+Nu)。
图6示出在时间tk(现在)一个根据新的测量和输入的新更新的和改正的CV的估值可供使用。
图7示出在时间tk(现在)对根据新更新的CV定义的预测窗口计算一个新的将来优化输入序列。只有U(tk),即该优化的将来输入序列的第一过程输入组合,被放在物理过程上。更新的预测的CV是过程变量的预测的时间行为的被抽取的一个子集,如由预测模型所给出的。虚线是来自最后抽样的一个。然后从图6开始重复。
下面的表指出涉及优化判据中的MV的参数的调节:
表2:涉及MV的参数调节
No | 输入 | 类型 | UMin | uMax | duMax | S |
1 | 氧化铝供应 | 反馈 | 0 | 12 | 1.5 | 0.1 |
2 | 氟化铝供应 | 反馈 | 0 | 1.36 | 1.36 | 1800 |
3 | 对MPC的阳极移动 | 反馈 | -20 | 20 | 8 | 20 |
下面的表指出涉及优化判据中的CV参数的调节:
表3:涉及CV的参数调节
No | 变量名称 | Zmin | Zmax | Q | 设定点 |
1 | 氧化铝浓度 | 2.3 | 4.5 | 250 | 3.0 |
2 | 槽温度 | 952 | 970 | 10 | 958.0 |
3 | 炉帮厚度 | 20 | 160 | 0.4 | 100.0 |
4 | 氟化物质量 | 500 | 1600 | 0 | N/A |
5 | 阳极-阴极距离 | 0.02 | 0.04 | 0 | N/A |
6 | 过热 | 3.0 | 15.0 | 0 | N/A |
选取的预测范围通常是12小时长。这一选取已在模拟器上和在线测试期间两者证明能给出良好结果。该范围足够长以致大多数变量已经在范围终了被固定。
不同的控制变量有不同的固定时间,因此在预测范围中要进行不同的调节。控制器被调节成使添加的氧化铝主要控制氧化铝浓度,阳极移动主要控制温度以及氟化铝的添加主要控制炉帮厚度。但是,尽管有这种调节,还要考虑变量之间的相互作用和耦合。
下面的表指出,优化判据中每一输出变量(CV)的值在哪些抽样时间需要考虑。
表4:CV的参数化
No | 变量名称 | 实际抽样 |
1 | 氧化铝浓度 | 3:6:144 |
2 | 槽温度 | 24:6:144 |
3 | 炉帮厚度 | 48:6:144 |
4 | 氟化物质量 | 12:6:144 |
5 | 阳极-阴极距离 | 12:6:144 |
6 | 过热 | 12:6:144 |
这里3:6:144表示选定的第一个值是接近3的抽样,然后每第6抽样直到接近144(12小时)的抽样。参数化背后的想法是,在参数化中该CV的改变不比过程动态的被捕获更快。由此,使用抽样时间的选择从而降低本申请的储存器的使用。
应当指出,上面举出的实施例没有穷尽。其他不同于上面举出的那些估算的过程状态、测量、周期、间隔、主控制输入、附加控制输入、估算的过程参数和计算的过程变量,也能够按照本发明实现。这可以借助新的测量方法,或借助建立池行为更复杂的模型的方式实现。
例如,新型的测量,诸如来自顶部的热损失、凿刀槽接触、槽温度自动测量和自动槽及金属高度测量都能够被应用以改进估算器性能从而改进控制器的性能。
即使是通过侧面的热损失也能借助链接到能量回收的热交换器而用作实际控制输入。
此外,将来的一些活动能够被模型化并被补偿。举例说,对阳极变化和金属排出建模,则对过程的影响能够在预测范围中被预测,从而被补偿。
此外,控制器能够被集成到分散的和集中的控制系统的体系结构中,其中由于电解池的单独的特征,所述计算机将有软件程序专用于每一罐或电解池。
当动态电流负荷是一个流出口时,NMPC可以用于控制整个工厂。
设定点可以被优化,使整个工厂(所有池)可以按最佳方式操作以便在一天规定的周期内降低功率消耗。
Claims (10)
1.一种借助能量和质量的过程控制输入来控制用于Hall-Heroult型的铝生产的电解池的方法,包括测量用于建立随时间变化的过程特征的一组历史数据的一个或多个过程变量,所述过程变量是氧化铝浓度、和/或槽温度、和/或炉帮厚度,其中测量值被导向估算器,用于一个或多个过程变量当前值的估算,接着是将来所述过程变量和/或其他过程变量的值的预测,其中所述预测的值被用于将来控制输入方案的计算,
其特征在于:
过程变量的预测是按照基于第一原理的铝电解过程的非线性动态模型进行的,并且
该当前值的估算是借助卡尔曼滤波技术进行的或借助滚动范围原理进行的,
其中,所述第一原理意味着所述模型是基于对描述热及质量转移关系和基本物理性质关系的物理学的基本理解的。
2.按照权利要求1的方法,
其特征在于:
过程控制输入是以时间间隔被引向该池,其中周期T典型地为5分钟。
3.按照权利要求1的方法,
其特征在于:
将来控制输入方案的计算是以时间间隔进行的,其中周期T典型地为5分钟。
4.按照权利要求1的方法,
其特征在于:
将来控制输入方案的计算是按照下面的成本函数方程式J进行的:
J=f(Z,Zref,W,U,ΔU,约束)
这里:
Z是控制的变量(CV)的将来预测;
Zref是Z的需要值或参考值;
U是将来过程的输入方案;
ΔU是现在和先前过程输入方案之间的差;
W是用于惩罚Z、Zref、U和/或ΔU的组合的某些权重矩阵或函数;
而约束项涉及如果某些约束被违背时用于约束处理的方法。
5.按照权利要求1的方法,
其特征在于:
将来控制输入方案的计算是按照下面的成本函数方程式J′进行的:
J′=1/2(Z-Zref)TQ(Z-Zref)+1/2ΔUTSΔU+约束
这里:
T是转置;
Z是由控制的变量(CV)的将来预测构成的矢量;
Z-Zref表示偏差;
U是涉及所有被操控变量(MV)的将来输入方案的矢量;
ΔU是现在和先前输入方案之间的差;
Q和S是所有正半定和对角矩阵,即只包含正的或零权重。
6.按照权利要求1的方法,
其特征在于该模型把估算的过程变量的当前值与在给定的一组过程变量上选择的设定点进行比较。
7.一种借助能量和质量的过程控制输入来控制用于Hall-Heroult型的铝生产的电解池的装置,包括用于测量用于建立随时间变化的过程特征的一组历史数据的一个或多个过程变量的装置,所述过程变量是氧化铝浓度、和/或槽温度、和/或炉帮厚度,其中测量值被导向估算器,用于一个或多个过程变量的当前值的估算,接着是所述过程变量和/或其他过程变量的值的预测,其中所述预测的值被用于借助计算器来计算将来输入控制方案,
其特征在于:
过程变量的预测是按照基于第一原理的铝电解池的非线性动态模型进行的,并且
该估算器是卡尔曼滤波器或滚动范围估算器,
其中,所述第一原理意味着所述模型是基于对描述热及质量转移关系和基本物理性质关系的物理学的基本理解的。
8.按照权利要求7的装置,
其特征在于:
该借助过程控制输入来控制用于铝生产的电解池的装置是局部的罐控制器的集成部分。
9.按照权利要求7的装置,
其特征在于:
该借助过程控制输入来控制用于铝生产的电解池的装置是中央控制器的集成部分。
10.按照权利要求9的装置,
其特征在于:
该借助过程控制输入来控制用于铝生产的电解池的装置有专用于每一个单独罐的软件。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NO20075933 | 2007-11-19 | ||
NO20075933A NO328080B1 (no) | 2007-11-19 | 2007-11-19 | Fremgangsmate og anordning for styring av en elektrolysecelle |
PCT/NO2008/000402 WO2009067019A1 (en) | 2007-11-19 | 2008-11-12 | Method and means for controlling an electrolysis cell |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101868765A CN101868765A (zh) | 2010-10-20 |
CN101868765B true CN101868765B (zh) | 2014-07-09 |
Family
ID=40667707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200880116702.9A Active CN101868765B (zh) | 2007-11-19 | 2008-11-12 | 用于控制电解池的方法和装置 |
Country Status (11)
Country | Link |
---|---|
EP (1) | EP2212751B1 (zh) |
CN (1) | CN101868765B (zh) |
AR (1) | AR069355A1 (zh) |
AU (1) | AU2008326931B2 (zh) |
BR (1) | BRPI0820426A2 (zh) |
CA (1) | CA2704551C (zh) |
EA (1) | EA018248B1 (zh) |
NO (1) | NO328080B1 (zh) |
NZ (1) | NZ585470A (zh) |
WO (1) | WO2009067019A1 (zh) |
ZA (1) | ZA201003134B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1401233B1 (it) * | 2010-07-14 | 2013-07-12 | Danieli Automation Spa | Dispositivo per la rilevazione di livello in una attrezzatura di colata e relativo procedimento di rilevazione. |
US9121104B2 (en) * | 2011-01-31 | 2015-09-01 | Alcoa Inc. | Systems and methods for determining alumina properties |
US20130024179A1 (en) * | 2011-07-22 | 2013-01-24 | General Electric Company | Model-based approach for personalized equipment degradation forecasting |
GB201602613D0 (en) * | 2016-02-15 | 2016-03-30 | Dubai Aluminium Pjsc And Newsouth Innovations Pty Ltd | Method for estimating dynamic state variables in an electrolytic cell suitable for the Hall-Héroult electrolysis process |
BR122022020691B1 (pt) * | 2016-08-12 | 2023-05-16 | Boston Electrometallurgical Corporation | Conjunto de coletores de corrente livre de vazamentos, e, conjunto metalúrgico |
US9996074B2 (en) | 2016-09-21 | 2018-06-12 | International Business Machines Corporation | System and predictive modeling method for smelting process control based on multi-source information with heterogeneous relatedness |
NO20181482A1 (en) | 2018-11-20 | 2020-05-21 | Norsk Hydro As | Method and system for controlling suction of off-gases from electrolysis cells |
WO2020190271A1 (en) * | 2019-03-16 | 2020-09-24 | General Electric Company | System and method for controlling of smelting pot line |
CN112239873B (zh) * | 2019-07-19 | 2021-10-01 | 郑州轻冶科技股份有限公司 | 一种铝电解工艺参数优化方法以及铝电解槽组 |
CN114123238B (zh) * | 2021-11-12 | 2023-09-22 | 国网江苏省电力有限公司营销服务中心 | 一种电解铝负荷参与电力系统调频的卡尔曼滤波控制方法 |
EP4198655A1 (en) * | 2021-12-16 | 2023-06-21 | Abb Schweiz Ag | Establishing or improving a simulation model of an electrolyzer plant |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6010611A (en) * | 1995-09-01 | 2000-01-04 | Auckland Uniservices Limited | Measurement of alumina in reduction pots |
US6033550A (en) * | 1996-06-17 | 2000-03-07 | Aluminium Pechiney | Process for controlling the alumina content of the bath in electrolysis cells for aluminum production |
US6609119B1 (en) * | 1997-03-14 | 2003-08-19 | Dubai Aluminium Company Limited | Intelligent process control using predictive and pattern recognition techniques |
CN1598720A (zh) * | 2003-06-05 | 2005-03-23 | 费舍-柔斯芒特系统股份有限公司 | 具有非线性预测性能的多输入/多输出控制块 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NO166821C (no) | 1985-02-21 | 1991-09-04 | Aardal & Sunndal Verk As | Fremgangsmaate for styring av aluminiumoksyd-tilfoerselen til elektrolyseovner for fremstilling av aluminium. |
US4814050A (en) | 1986-10-06 | 1989-03-21 | Aluminum Company Of America | Estimation and control of alumina concentration in hall cells |
US6757579B1 (en) | 2001-09-13 | 2004-06-29 | Advanced Micro Devices, Inc. | Kalman filter state estimation for a manufacturing system |
US20070225835A1 (en) * | 2006-03-23 | 2007-09-27 | Yucai Zhu | Computer method and apparatus for adaptive model predictive control |
-
2007
- 2007-11-19 NO NO20075933A patent/NO328080B1/no unknown
-
2008
- 2008-11-12 CN CN200880116702.9A patent/CN101868765B/zh active Active
- 2008-11-12 NZ NZ585470A patent/NZ585470A/en unknown
- 2008-11-12 CA CA2704551A patent/CA2704551C/en active Active
- 2008-11-12 BR BRPI0820426-8A patent/BRPI0820426A2/pt not_active Application Discontinuation
- 2008-11-12 AU AU2008326931A patent/AU2008326931B2/en active Active
- 2008-11-12 EA EA201000833A patent/EA018248B1/ru not_active IP Right Cessation
- 2008-11-12 WO PCT/NO2008/000402 patent/WO2009067019A1/en active Application Filing
- 2008-11-12 EP EP08852151.3A patent/EP2212751B1/en active Active
- 2008-11-18 AR ARP080105014 patent/AR069355A1/es active IP Right Grant
-
2010
- 2010-05-04 ZA ZA2010/03134A patent/ZA201003134B/en unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6010611A (en) * | 1995-09-01 | 2000-01-04 | Auckland Uniservices Limited | Measurement of alumina in reduction pots |
US6033550A (en) * | 1996-06-17 | 2000-03-07 | Aluminium Pechiney | Process for controlling the alumina content of the bath in electrolysis cells for aluminum production |
US6609119B1 (en) * | 1997-03-14 | 2003-08-19 | Dubai Aluminium Company Limited | Intelligent process control using predictive and pattern recognition techniques |
CN1598720A (zh) * | 2003-06-05 | 2005-03-23 | 费舍-柔斯芒特系统股份有限公司 | 具有非线性预测性能的多输入/多输出控制块 |
Also Published As
Publication number | Publication date |
---|---|
ZA201003134B (en) | 2011-04-28 |
EP2212751A1 (en) | 2010-08-04 |
NO20075933L (no) | 2009-05-20 |
NO328080B1 (no) | 2009-11-30 |
WO2009067019A1 (en) | 2009-05-28 |
NZ585470A (en) | 2012-05-25 |
EP2212751A4 (en) | 2013-01-23 |
AR069355A1 (es) | 2010-01-13 |
AU2008326931B2 (en) | 2013-01-10 |
BRPI0820426A2 (pt) | 2015-05-19 |
EA201000833A1 (ru) | 2010-12-30 |
AU2008326931A1 (en) | 2009-05-28 |
EA018248B1 (ru) | 2013-06-28 |
EP2212751B1 (en) | 2018-07-04 |
CA2704551C (en) | 2016-08-23 |
CA2704551A1 (en) | 2009-05-28 |
CN101868765A (zh) | 2010-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101868765B (zh) | 用于控制电解池的方法和装置 | |
Lucia et al. | Handling uncertainty in economic nonlinear model predictive control: A comparative case study | |
CN102540879A (zh) | 基于群决策检索策略的多目标评价优化方法 | |
CN103472723A (zh) | 基于多模型广义预测控制器的预测控制方法及系统 | |
CN103808159A (zh) | 基于高精度模糊控制的矿热炉电极自动控制方法 | |
CN102277468B (zh) | Lf精炼炉钢水温度实时测报方法 | |
CN110373510B (zh) | 一种基于双模态切换的钢水质量窄窗口控制方法及系统 | |
Kolås et al. | Bath temperature and AlF3 control of an aluminium electrolysis cell | |
Wong et al. | Discretized thermal model of Hall-Héroult cells for monitoring and control | |
CN107630122A (zh) | 一种基于烟气分析的rh动态脱碳优化方法 | |
WO2012176211A1 (en) | A computer implemented interactive system for facilitating aluminium smelting analysis and optimization | |
Kolås et al. | A nonlinear model based control strategy for the aluminium electrolysis process | |
Shuiping et al. | Control of temperature and aluminum fluoride concentration based on model prediction in aluminum electrolysis | |
Shi et al. | Advanced model-based estimation and control of alumina concentration in an aluminum reduction cell | |
CN111462830B (zh) | 一种基于电解铝工艺模型的状态观测方法 | |
Tian et al. | Hybrid modeling for soft sensing of molten steel temperature in LF | |
Gran | A multivariable control in aluminum reduction cells | |
CN103064284B (zh) | 应用逆向差分抑制不可测扰动的模型预测控制器及方法 | |
Frost et al. | Productivity improvements through prediction of electrolyte temperature in aluminium reduction cell using BP neural network | |
Shyamal et al. | Optimization-based online decision support tool for electric arc furnace operation | |
Atasoy et al. | Optimisation of operating conditions in fed-batch baker’s yeast fermentation | |
Valerievna et al. | Optimization control actions for the electrolytic method of aluminium producton | |
Biedler et al. | State observer for the aluminum reduction process | |
Li | Abnormal condition identification modeling based on fuzzy Bayesian network and transfer learning | |
Chi et al. | A two-level measurement-based dynamic optimization strategy for a bioreactor in penicillin fermentation process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |