CN102183892A

CN102183892A - 甲醇三塔精馏系统的变负荷能耗优化控制方法

Info

Publication number: CN102183892A
Application number: CN2011101192594A
Authority: CN
Inventors: 赵霞; 孙达军; 邓瀚; 许晓鸣; 朱建宁; 孟庆军; 李锋; 陈心路
Original assignee: Shanghai Jiaotong University; Shanghai Coking Co Ltd
Current assignee: Shanghai Hua Yi derived energy chemical Co., Ltd; Shanghai Jiaotong University
Priority date: 2011-05-10
Filing date: 2011-05-10
Publication date: 2011-09-14
Anticipated expiration: 2031-05-10
Also published as: CN102183892B

Abstract

一种化工精馏技术领域的甲醇三塔精馏系统的变负荷能耗优化控制方法，通过构建输入为进料参数，输出为优化后的操作参数控制值的变负荷节能优化控制器，并采用变负荷节能优化控制器利用遗传算法计算能耗最优参数，对实际已投入运行的系统，选择影响各塔产品质量和能耗的主要工艺操作参数和进料条件，采集、处理数据并利用BP神经网络模型进行拟合，得到产品组分浓度和能耗与进料参数及操作参数之间关系的输入输出关系。本发明能够得到给定任一进料情况下系统稳态时最佳操作工艺参数，控制系统工作在保证质量前提下能耗最少的工况。

Description

甲醇三塔精馏系统的变负荷能耗优化控制方法

技术领域

本发明涉及的是一种化工精馏技术领域的方法，具体是一种甲醇三塔精馏系统的变负荷能耗优化控制方法。

背景技术

甲醇生产中，粗甲醇的精馏不仅决定最终产品的质量，而且该工序对整个产生的能耗影响极大。目前国内较普遍采用的三塔精馏系统主要组成部分为：预塔、加压塔、常压塔。其中：加压塔和常压塔组成双效精馏流程。进料粗甲醇经过预热后进入预塔，脱除轻组分后(不凝气、二甲醚等)后进入加压塔；加压塔顶的气相进入再沸冷凝器，与常压塔塔底液相进行换热。加压塔塔顶冷凝后的精甲醇进入回流罐，一部分作为精甲醇产品产出，其余作为加压塔回流；加压塔塔底的液体进入常压塔，常压塔顶产出精甲醇产品，其主要流程如图1所示。

目前国内大部分甲醇装置都采用集散控制系统(DCS)的基本功能对系统进行监控。对于控制参数的设定，一般以设计推荐值为参考，结合生产经验给出。随着激烈的市场竞争，工厂往往需要按市场需求来调节生产负荷。而随着上游生产条件的波动，进料组分及流量会发生变化。如何确定不同进料情况下的最优操作控制参数成为生产中不可避免的问题。当前，生产中一般只是根据经验与一些操作规则对操作参数进行调试与试凑，虽然也能使甲醇的质量达到要求，但单位产量的能耗往往居高不下。

因此，在保证产品质量前提下寻找能耗最低的控制参数值，对节约能源、降低成本有极其重要的实用价值。

发明内容

本发明针对现有技术存在的上述不足，提供一种甲醇三塔精馏系统的变负荷能耗优化控制方法，对实际已投入运行的系统，选择影响各塔产品质量和能耗的主要工艺操作参数和进料条件，采集、处理数据并利用BP神经网络模型进行拟合，得到产品组分浓度和能耗与进料参数及操作参数之间关系的输入输出关系。根据得出的结果，结合遗传算法设计优化控制器，得到给定任一进料情况下系统稳态时最佳操作工艺参数，控制系统工作在保证质量前提下能耗最少的工况下。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

第一步，在DCS历史数据库中获取历史数据并进行归一化处理。

所述的历史数据是指：选择系统稳态工作时的数据，要求预塔塔釜温度压力、冷凝液温度、放空温度，常压塔塔顶压力及冷却水温度流量均在设计工艺要求范围以内且波动很小，需要获取的各组数据的参数如下：系统进料流量(即负荷)L(0-0)、进料中甲醇质量分数C(0-0)、进料中乙醇质量分数C(0-1)、进料中丙酮质量分数C(0-2)、预塔回流量L(0-1)、预塔加水量L(0-2)、加压塔塔顶压力P0、加压塔塔顶回流量L(0-3)、加压塔塔顶采出流量L(0-4)、常压塔塔顶采出流量L(0-5)、加压塔塔顶采出物乙醇质量分数C(1-0)、加压塔塔顶采出物丙酮质量分数C(1-1)、常压塔塔顶采出物乙醇质量分数C(1-2)、常压塔塔釜采出物甲醇质量分数C(1-3)、预塔塔釜蒸汽流量L(1-0)、加压塔塔釜蒸汽流量L(1-1)，记N0＝L(1-4)/L(1-5)，即加压塔与常压塔采出比。

所述的归一化处理是指：将参数归一到[0.2，0.8]之间：

其中：X为参数实际值，x为归一化后的值，[a，b]为X的量程范围。

第二步，建立基于BP神经网络的三塔精馏系统辨识模型，将归一化处理过的历史数据作为训练数据，对BP网络进行离线训练。

所述的基于BP神经网络三塔精馏系统辨识模型是指：采用具有映射任意非线性函数的三层以上的反向传播神经网络(Back Propagation，BP)建立系统的输入输出映射模型，其中：输入为进料参数和控制参数[L(0-0)，C(0-0)，C(0-1)，C(0-2)；L(0-1)，L(0-2)，L(0-3)，P0，N0]，输出为约束参数与目标参数[C(1-0)，C(1-1)，C(1-2)，C(1-3)；L(1-0)，L(1-1)]。

第三步，构建输入为进料参数[L(0-0)，C(0-0)，C(0-1)，C(0-2)]，输出为优化后的操作参数控制值[L(0-1)，L(0-2)，L(0-3)，P0，L(0-4)，L(0-5)]的变负荷节能优化控制器，并采用变负荷节能优化控制器利用遗传算法计算能耗最优参数，具体步骤包括：

3.1)正常工作时，由于进料罐的缓冲作用，进料参数波动很小，在DCS实时数据库中得到并记录当前稳定工作时的进料参数[L(0-0)，C(0-0)，C(0-1)，C(0-2)]，即进料流量、甲醇浓度、乙醇浓度、丙酮浓度；

3.2)在DCS实时数据库中不断获取当前进料参数且当四个参数中的任一个与之前稳定值比较变化大于1％时则认为进料条件发生改变，将改变后的进料参数作为输入值输入优化控制器；

3.3)将输入值经归一化方法处理后输入离线训练后的基于BP神经网络三塔精馏系统辨识模型，即确定了网络的四个输入[L(0-0)，C(0-0)，C(0-1)，C(0-2)]，在此BP网络的基础上对BP网络的另外五个参数[L(0-1)，L(0-2)，L(0-3)，P0，N0]进行编码，在约束条件C(1-0)＜C’(1-0)、C(1-1)＜C’(1-1)、C(1-2)＜C’(1-2)、C(1-3)＜C’(1-3)限制下，以J为适应度函数循环进行选择、交叉、变异操作，直至满足终止条件，其中：

所述的C’(1-0)，C’(1-1)，C’(1-2)，C’(1-3)为加压塔塔顶采出物乙醇浓度上限值、加压塔塔顶采出物丙酮浓度上限值、常压塔塔顶采出物乙醇浓度上限值、常压塔塔釜液甲醇浓度上限值，均由生产中产品质量的要求决定。

所述的适应度函数J的计算如下：

对任意个体，设c(1-0)，c(1-1)，c(1-2)，l(1-1)，l(1-2)为神经网络的输出

ei = \{\begin{matrix} 0, & if c (1 - i) - C^{'} (1 - i) < 0 \\ C^{'} (1 - i) - c (1 - i) & else \end{matrix}, (i = 0,1,2,3)

J = \frac{1}{L (1 - 1) + L (1 - 2) + w (e 0 + e 1 + e 2)}, (w > > 1) .

得到最佳个体及相应的网络输出后，经过反归一化处理得到当前进料条件下的最佳操作参数[L(0-1)，L(0-2)，L(0-3)，P0，N0]，利用甲醇质量守恒条件与N0，得到相应的加压塔采出L(0-4)与常压塔采出L(0-5)。

所述的反归一化处理是指：

其中：x为网络输出值，X为其反归一化后的值，[a，b]为X的量程范围并与第二步所述归一化方法中a、b取值相同。

第四步，将变负荷节能优化控制器的输出分别送入DCS各子控制模块中的预塔回流流量控制单元、预塔加水流量控制单元、加压塔采出量流量控制单元、加压塔回流流量控制单元、加压塔压力控制单元和常压塔采出流量控制单元作为设定值，实现优化；然后保持实时检测进料条件并重复第三步和第四步。

采用本方法首先获取工艺数据，离线训练得到利用BP神经网络建立实际的三塔精馏系统的辨识模型，并在此模型基础上，结合质量约束条件与遗传算法设计优化控制器，并以控制器的计算输出值为各子控制系统的设定值输入，以实现整个系统的控制。因此本方案既保证了质量，又能实现卡边控制节省能耗，可以在不改变塔的结构与工作原理的情况下，达到节能减排、降低成本的目的。

附图说明

图1为甲醇三塔精馏流程图；

图中：T1为预精馏塔，T2为加压塔精馏塔，T3为常压塔精馏塔。其中：T2、T3组成双效精馏系统。E1为T2再沸器；E2为再沸冷凝器。

图2为甲醇三塔精馏系统的神经网络模型结构图。

图3为基于遗传算法寻找最佳操作参数值的算法流程图。

图4为优化控制流程图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

一种甲醇三塔精馏系统的变负荷能耗优化控制方法，对实际已投入运行的系统，选择影响各塔产品质量和能耗的主要工艺操作参数和进料条件，采集、处理数据并利用BP神经网络模型进行拟合，得到产品组分浓度和能耗与进料参数及操作参数之间关系的输入输出关系。根据得出的结果，结合遗传算法设计优化控制器，得到给定任一进料情况下系统稳态时最佳操作工艺参数，控制系统工作在保证质量前提下能耗最少的工况下。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

所述的归一化处理是指：将参数归一到[0.2，0.8]之间：

所述的适应度函数J的计算如下：

ei = \{\begin{matrix} 0, & if c (1 - i) - C^{'} (1 - i) < 0 \\ C^{'} (1 - i) - c (1 - i) & else \end{matrix}, (i = 0,1,2,3)

J = \frac{1}{L (1 - 1) + L (1 - 2) + w (e 0 + e 1 + e 2)}, (w > > 1) .

所述的反归一化处理是指：

对以上海焦化有限公司甲醇三塔精馏系统实施变负荷能耗优化控制为列。

在DCS数据库中选取取得大约15000组数据。每组数据均为系统连续2小时以上稳态工作时的数据。同时，各组数据间，预塔塔釜温度压力、冷凝液温度、放空温度，常压塔塔顶压力及冷却水温度流量均在工艺要求范围以内而波动较小。

每组数据参数包括：系统进料流量L(0-0)、进料中甲醇质量分数C(0-0)、进料乙醇质量分数C(0-1)、进料中丙酮质量分数C(0-2)、预塔回流量L(0-1)、预塔加水量L(0-2)、加压塔塔顶压力P0、加压塔塔顶回流量L(0-3)、加压塔采出量L(0-4)、加压塔回来量L(0-5)、加压塔塔顶采出物种乙醇质量分数C(1-0)、加压塔塔顶采出物丙酮质量分数C(1-1)、常压塔塔顶采出物乙醇质量分数C(1-2)、常压塔塔釜采出物甲醇质量分数C(1-3)、预塔塔釜蒸汽流量L(1-0)、加压塔塔釜蒸汽流量L(1-1)。记N0＝L(1-4)/L(1-5)，即加压塔与常压塔采出比。

全部归一化到[0.2，0.8]的范围。归一化公式如下：

x = \frac{X - a}{b - a} * 0.6 + 0.2,

其中：X为参数实际值，x为归一化后的值，[a，b]为X的取值范围。

以归一化的数据为训练样本，以[L(0-0)，C(0-0)，C(0-1)，C(0-2)；L(0-1)，L(0-2)，L(0-3)，P0，N0]为输入，[C(1-0)，C(1-1)，C(1-2)，C(1-3)；L(1-0)，L(1-1)]为输出，对BP网络离线训练，得到一组训练误差较小的神经网络权值和阀值。

约束条件为：

C(1-0)＜100PPM，

C(1-1)＜20PPM，

C(1-2)＜100PPM，

C(1-3)＜0.01

当进料情况发生改变时，在DCS中获取实时进料参数，即[L(0-0)，C(0-0)，C(0-1)，C(0-2)]，将将其输入到优化控制器中。优化控制器在BP网络的基础上结合遗传算法得到能耗最低操作值，反归一化并后输出[L(0-1)，L(0-2)，L(0-3)，P0，L(0-4)，L(0-5)]。将优化控制器的输出作为设定值送入DCS各子控制模块。

由于上海焦化实施的MES(制造执行系统)是基于.net平台的，因此优化控制器可在MES平台下编程实现，并与DCS直接连接。

由于本发明建立了系统的辨识模型并在此基础上计算得到任意进料操作情况下的最省能耗控制参数，因此可以保证质量前提下使系统工作在能耗最低工况。在采用本发明对该系统进行能耗控制以后，产品质量符合要求，同时单位产量能耗降低明显，在负荷较高时，能耗平均降低3％～5％，在较低负荷时，能耗平均降低5％～15％。

Claims

1.一种甲醇三塔精馏系统的变负荷能耗优化控制方法，其特征在于，包括以下步骤：

第一步，在DCS历史数据库中获取历史数据并进行归一化处理；

第二步，建立基于BP神经网络的三塔精馏系统辨识模型，将归一化处理过的历史数据作为训练数据，对BP网络进行离线训练；

第三步，构建输入为进料参数，输出为优化后的操作参数控制值的变负荷节能优化控制器，并采用变负荷节能优化控制器利用遗传算法计算能耗最优参数；

2.根据权利要求1所述的甲醇三塔精馏系统的变负荷能耗优化控制方法，其特征是，所述的历史数据是指：选择系统稳态工作时的数据，要求预塔塔釜温度压力、冷凝液温度、放空温度，常压塔塔顶压力及冷却水温度流量均在设计工艺要求范围以内且波动很小，需要获取的各组数据的参数如下：系统进料流量(即负荷)L(0-0)、进料中甲醇质量分数C(0-0)、进料中乙醇质量分数C(0-1)、进料中丙酮质量分数C(0-2)、预塔回流量L(0-1)、预塔加水量L(0-2)、加压塔塔顶压力P0、加压塔塔顶回流量L(0-3)、加压塔塔顶采出流量L(0-4)、常压塔塔顶采出流量L(0-5)、加压塔塔顶采出物乙醇质量分数C(1-0)、加压塔塔顶采出物丙酮质量分数C(1-1)、常压塔塔顶采出物乙醇质量分数C(1-2)、常压塔塔釜采出物甲醇质量分数C(1-3)、预塔塔釜蒸汽流量L(1-0)、加压塔塔釜蒸汽流量L(1-1)，记N0＝L(1-4)/L(1-5)，即加压塔与常压塔采出比。

3.根据权利要求1所述的甲醇三塔精馏系统的变负荷能耗优化控制方法，其特征是，所述的归一化处理是指：将参数归一到[0.2，0.8]之间：

4.根据权利要求1所述的甲醇三塔精馏系统的变负荷能耗优化控制方法，其特征是，所述的基于BP神经网络三塔精馏系统辨识模型是指：采用具有映射任意非线性函数的三层以上的反向传播神经网络(Back Propagation，BP)建立系统的输入输出映射模型，其中：输入为进料参数和控制参数[L(0-0)，C(0-0)，C(0-1)，C(0-2)；L(0-1)，L(0-2)，L(0-3)，P0，N0]，输出为约束参数与目标参数[C(1-0)，C(1-1)，C(1-2)，C(1-3)；L(1-0)，L(1-1)]。

5.根据权利要求1所述的甲醇三塔精馏系统的变负荷能耗优化控制方法，其特征是，所述的第三步具体包括：

3.3)将输入值经归一化方法处理后输入离线训练后的基于BP神经网络三塔精馏系统辨识模型，即确定了网络的四个输入[L(0-0)，C(0-0)，C(0-1)，C(0-2)]，在此BP网络的基础上对BP网络的另外五个参数[L(0-1)，L(0-2)，L(0-3)，P0，N0]进行编码，在约束条件C(1-0)＜C’(1-0)、C(1-1)＜C’(1-1)、C(1-2)＜C’(1-2)、C(1-3)＜C’(1-3)限制下，以J为适应度函数循环进行选择、交叉、变异操作，直至满足终止条件。

6.根据权利要求5所述的甲醇三塔精馏系统的变负荷能耗优化控制方法，其特征是，所述的C’(1-0)，C’(1-1)，C’(1-2)，C’(1-3)为加压塔塔顶采出物乙醇浓度上限值、加压塔塔顶采出物丙酮浓度上限值、常压塔塔顶采出物乙醇浓度上限值、常压塔塔釜液甲醇浓度上限值，均由生产中产品质量的要求决定。

7.根据权利要求5所述的甲醇三塔精馏系统的变负荷能耗优化控制方法，其特征是，所述的适应度函数J的计算如下：

ei = \{\begin{matrix} 0, & if c (1 - i) - C^{'} (1 - i) < 0 \\ C^{'} (1 - i) - c (1 - i) & else \end{matrix}, i = 0,1,2,3;

J = \frac{1}{L (1 - 1) + L (1 - 2) + w (e 0 + e 1 + e 2)},

其中：w＞＞1；

8.根据权利要求7所述的甲醇三塔精馏系统的变负荷能耗优化控制方法，其特征是，所述的反归一化处理是指：其中：x为网络输出值，X为其反归一化后的值，[a，b]为X的量程范围并与第二步所述归一化方法中a、b取值相同。