CN110052050B - 基于塔板温度的内部热耦合精馏塔全局状态观测器及方法 - Google Patents

基于塔板温度的内部热耦合精馏塔全局状态观测器及方法 Download PDF

Info

Publication number
CN110052050B
CN110052050B CN201910352985.7A CN201910352985A CN110052050B CN 110052050 B CN110052050 B CN 110052050B CN 201910352985 A CN201910352985 A CN 201910352985A CN 110052050 B CN110052050 B CN 110052050B
Authority
CN
China
Prior art keywords
tower
temperature
concentration
pressure
plate
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
Application number
CN201910352985.7A
Other languages
English (en)
Other versions
CN110052050A (zh
Inventor
丛琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN201910352985.7A priority Critical patent/CN110052050B/zh
Publication of CN110052050A publication Critical patent/CN110052050A/zh
Application granted granted Critical
Publication of CN110052050B publication Critical patent/CN110052050B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D3/00—Distillation or related exchange processes in which liquids are contacted with gaseous media, e.g. stripping
    • B01D3/42—Regulation; Control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Vaporization, Distillation, Condensation, Sublimation, And Cold Traps (AREA)

Abstract

本发明涉及一种基于塔板温度的内部热耦合精馏过程全局状态观测器及方法，观测器包括与内部热耦合精馏塔连接的温度测量装置，分别与温度测量装置连接的局部温度测量点离线选取分析模块和数据存储装置，以及与数据存储装置连接的全局浓度在线观测器；局部温度测量点离线选取分析模块包括机理模型描述模块、灵敏板分析模块、浓度分布描述模块、浓度/温度转换模块、灵敏度矩阵分析模块以及待选塔板相关性分析模块。本发明对内部热耦合精馏塔进行局部温度测量点选取分析，通过在有限个塔板位置安装温度测量装置实现所有塔板的温度和物料浓度的全局状态在线观测，准确性高，测量装置安装数量少，节约成本。

Description

基于塔板温度的内部热耦合精馏塔全局状态观测器及方法
技术领域
本发明属于精馏过程中的在线观测技术领域，具体地说，涉及一种基于塔板温度的内部热耦合精馏塔全局状态观测器及方法。
背景技术
精馏过程是化工过程中广泛使用的操作单元，主要用于各种混合物的分离与提纯。精馏过程的能耗巨大，约占石油化工也能耗的三分之一，然而精馏过程的能源利用率却不到10％，造成了严重的能源浪费。
内部热耦合精馏塔通过将整个精馏过程分开在高压塔和低压塔中进行、在高压塔和低压塔之间进行热量交换，从而充分利用精馏过程中的内部热量，达到显著的节能效果。与常规精馏过程相比，内部热耦合精馏过程节能30％以上，因此，研究内部耦合精馏过程的在线观测、质量监控具有重要意义，对于精馏过程的高能耗低能效有显著的改善效果，符合节能减排的国家战略。
浓度是衡量产品质量的重要指标，在实际监测过程中，通常采用浓度测量仪对浓度进行测量，但浓度测量仪不仅价格昂贵，且容易发生故障。而离线的产品纯度分析过程需要很长的时间，无法服务于在线生产过程。因此在实际监测中通常通过检测精馏塔塔顶和塔底的塔板温度来间接获取产品的浓度数据。由于精馏过程具有较大的时滞，当塔顶和塔底的产品纯度出现问题时，故障或者异常往往早已发生，精馏塔内部塔板的温度也早已偏离正常范围，只监测塔顶和塔底温度的方法已经无法满足在线实时监测的需求，而对于塔板较多的内部热耦合精馏过程，每块塔板都安装温度测量仪表是不切实际的。因此，设计一种用于局部塔板温度测量的全局观测器，对实现精馏塔内部各塔板状态的全局实时监测具有重要意义，为精馏过程的产品品质提供保障。
发明内容
本发明针对现有内部热耦合精馏塔只测量塔顶塔底的塔板温度时存在的上述不足，提供了一种基于塔板温度的内部热耦合精馏塔全局状态观测器及方法，根据有限的温度测量点，在线实时估计所有塔板的物料浓度，进而辅助监测内部热耦合精馏塔内部的工作状态，有助于及时发现异常情况，具有所需温度测量仪表数量少、浓度预测精度高、实时性好等特点。
为了达到上述目的，本发明提供了一种基于塔板温度的内部热耦合精馏塔全局状态观测器，包括：
温度测量装置，与内部热耦合精馏塔连接，用于测量内部热耦合精馏塔中的塔板温度；
局部温度测量点离线选取分析模块，与所述温度测量装置连接，用于离线分析决策局部温度测量点的数量，并根据局部温度测量点确定温度测量装置的安装位置；
所述局部温度测量点离线选取分析模块包括用于生成分析数据的机理模型描述模块、用于选择第1个和第2个温度测量点的灵敏板分析模块、用于生成分析数据的浓度分布描述模块、用于将浓度数据转换为温度数据的浓度/温度转换模块、用于选择第3个和第4个温度测量点的灵敏度矩阵分析模块以及用于选择第5至q个温度测量点的待选塔板相关性分析模块；其中，q表示浓度分布参数的数量；
数据存储装置，与所述温度测量装置连接，用于对所述温度测量装置测量的塔板温度进行存储；
状态观测器，与所述数据存储装置连接，用于通过局部温度测量信息对全局状态进行在线观测。
进一步的，还包括上位机监测界面，与所述状态观测器连接，用于实时显示与监测各塔板的温度和物料浓度信息。
优选的，所述机理模型描述模块的机理模型做模型测试，即对操作变量进行阶跃改变，生成所有塔板的温度变化数据；所述灵敏板分析模块对各个塔板的温度变化数据进行分析，找出温度变化最大的塔板，该塔板即为灵敏板，内部热耦合精馏塔的高压塔和低压塔各选出1个灵敏板，选出的两个灵敏板分别为第1个和第2个温度测量点。
优选的，所述浓度分布描述模块生成分析数据的步骤为：
确定浓度分布公式中的参数初始值，浓度分布公式的表达式如下：
Figure GDA0002781919910000031
Figure GDA0002781919910000032
式中，m表示当前采样时刻，i表示塔板编号，
Figure GDA0002781919910000033
表示m采样时刻第i块塔板的物料浓度预测值，f表示进料塔板，i＝1,2,...,f-1表示高压塔的塔板编号，i＝f,f+1,...,n表示低压塔的塔板编号，Sr(m)表示m采样时刻高压塔浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Ss(m)表示m采样时刻低压塔浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Xr_max(m)表示m采样时刻高压塔浓度分布曲线的最大渐进浓度，Xr_min(m)表示m采样时刻高压塔浓度分布曲线的最小渐进浓度，Xs_max(m)表示m采样时刻低压塔浓度分布曲线的最大渐进浓度，Xs_min(m)表示m采样时刻低压塔浓度分布曲线的最小渐进浓度，kr(m)表征了m采样时刻高压塔拐点处的斜率大小，ks(m)表征了m采样时刻低压塔拐点处的斜率大小，e为自然指数；Sr、Ss、Xr_max、Xr_min、Xs_max、Xs_min、kr、ks为浓度分布参数，其初始值表示为Sr(0)、Ss(0)、Xr_max(0)、Xr_min(0)、Xs_max(0)、Xs_min(0)、kr(0)、ks(0)，即0采样时刻的取值；
通过求解以下最优问题得到浓度分布参数的初始值：
Figure GDA0002781919910000041
式中，n表示塔板总数，
Figure GDA0002781919910000042
表示0采样时刻第i块塔板的物料浓度预测值，Xi(0)表示0采样时刻各塔板的物料浓度初始值，，通过历史数据或者查询内部热耦合精馏塔的正常工作状态设计数据获得；
通过对浓度分布参数在初始值基础上进行阶跃变化，根据公式(1)和公式(2)计算内部热耦合精馏塔各塔板的物料浓度预测值发生的变化。
优选的，所述浓度/温度转换模块将各塔板的物料浓度预测值变化转换为相应的温度预测值变化，转换公式表示为：
Figure GDA0002781919910000043
Figure GDA0002781919910000044
式中，a、b、c为安托因常数，Pr为高压塔内的压力，Ps为低压塔内的压力，α为相对挥发度，Xi表示第i块塔板的物料浓度，Ti表示第i块塔板的温度；
根据转换公式(4)和公式(5)将得到的浓度数据转换为相应的温度数据，进而生成各塔板温度对于浓度分布参数变化的灵敏度矩阵；高压塔和低压塔的灵敏度矩阵的元素计算公式如下：
Figure GDA0002781919910000045
Figure GDA0002781919910000046
式中，Ti(0)表示第i块塔板的温度初始值，
Figure GDA0002781919910000047
表示在浓度分布参数变化的情况下第i块塔板的温度变化值，pr_j表示高压塔的浓度分布参数，即pr_j＝[Sr,Xr_max,Xr_min,kr],ps_j表示低压塔的浓度分布参数，即ps_j＝[Ss,Xs_max,Xs_min,ks],j表示参数编号，pr_j(0)∈{Sr(0),Xr_max(0),Xr_min(0),kr(0)}，表示高压塔的浓度分布参数初始值，ps_j(0)∈{Ss(0),Xs_max(0),Xs_min(0),ks(0)}，表示低压塔的浓度分布参数初始值，
Figure GDA0002781919910000051
和
Figure GDA0002781919910000052
表示指定的参数阶跃变化幅度；Kij为第i块塔板的温度对第j个浓度分布参数变化的灵敏度，Kij越大，表示相应塔板的温度对相应参数的灵敏度越高。
优选的，所述灵敏度矩阵分析模块选取第3个和第4个温度测量点的步骤为：
(1)计算协方差矩阵，其步骤为：
根据公式(6)获得高压塔的灵敏度矩阵元素，即高压塔的灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵Kr，进而根据公式(8)得到高压塔的协方差矩阵；根据公式(7)获得低压塔的灵敏度矩阵元素，即灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵Ks，进而根据公式(9)得到低压塔的协方差矩阵，公式(8)和公式(9)的表达式如下：
Xr＝Kr TKr (8)
Xs＝Ks TKs (9)
式中，Kr T表示灵敏度矩阵Kr的转置，Xr表示高压塔的协方差矩阵，Ks T表示灵敏度矩阵Ks的转置，Xs表示低压塔的协方差矩阵；
(2)计算塔板的加权评价系数，并根据加权评价系数的大小选取第3个和第4个温度测量点，其步骤为：
根据公式(10)求取高压塔内各塔板的加权评价系数，根据公式(11)求取低压塔内各塔板的加权评价系数，公式(10)和公式(11)的表达式如下：
Figure GDA0002781919910000061
Figure GDA0002781919910000062
式中，q表示浓度分布参数的数量，高压塔的参数个数和低压塔的参数个数均为q/2，λr_j为高压塔的协方差矩阵Xr的第j个特征值，Cr_ij表示λr_j对应的单位特征向量的第i个元素，Er_i表示高压塔内第i块塔板的加权评价系数，表征了高压塔内第i块塔板的温度对于浓度分布参数的总体影响；λs_j为低压塔的协方差矩阵Xs的第j个特征值，Cs_ij表示λs_j对应的单位特征向量的第i个元素，Es_i表示低压塔内第i块塔板的加权评价系数，表征了低压塔内第i块塔板的温度对于浓度分布参数的总体影响；
选择高压塔中最大的Er_i对应的第i块塔板作为第3个温度测量点或第4个温度测量点；
选择低压塔中最大的Es_i对应的第i块塔板作为第4个温度测量点或第3个温度测量点。
优选的，所述待选塔板相关性分析模块选取第5个到第q个温度测量点的步骤为：
(1)选取高压塔第3个到第q/2个温度测量点，其选取方法为：
a、设高压塔已选取了u,2≤u<q/2个温度测量点，每个对应塔板的灵敏度向量记为
Figure GDA0002781919910000063
其中的灵敏度元素由公式(6)获得，其中l∈[1,u]，kl表示已选择作为温度测量点的塔板编号；
Figure GDA0002781919910000064
组成的u维向量空间中，任意向量
Figure GDA0002781919910000065
表示为：
Figure GDA0002781919910000066
式中，al为常数；
对于任意一个未选择塔板对应的灵敏度向量si，在以上u维向量空间中与之距离最近的向量
Figure GDA0002781919910000071
满足：
Figure GDA0002781919910000072
si与
Figure GDA0002781919910000073
之间的夹角θi表示为：
Figure GDA0002781919910000074
选择夹角θi最接近90°对应的塔板i为下一个测量点；
b、迭代循环进行步骤a，直到找出q/2个测量点；
(2)采用步骤(1)的选取方法选取低压塔第3个到第q/2个温度测量点；
(3)步骤(1)选取的高压塔第3个到第q/2个温度测量点和步骤(2)选取的低压塔第3个到第q/2个温度测量点即内部热耦合精馏塔的第5个到第q个温度测量点。
进一步的，所述局部温度测量点离线选取分析模块还包括用于选择附加温度测量点的相对分布分析模块，当温度测量点选择数量超过浓度分布参数数量时，通过相对分布分析模块对超出浓度分布参数数量的附加温度测量点进行测量；所述相对分布分析模块选择附加温度测量点的方法为：
(1)确定高压塔超过q/2个数量的附加温度测量点
a、假设高压塔已经选出了nr个塔板作为温度测量点，计算高压塔各待选塔板的相对分布指数：
Figure GDA0002781919910000075
式中，Dr_i表示高压塔相对分布指数，i表示高压塔待选塔板的编号，i∈[1,f-1]，kl表示高压塔已选择作为温度测量点的塔板编号，kl∈[1,f-1]，l表示高压塔已选测量点的序号，l∈[1,nr]；
选取具有最大相对分布指数Dr_i的塔板作为下一个温度测量点位置，然后将所选塔板加入到已选塔板序列；
b、迭代循环步骤a，即可获得后续所需数量的所有温度测量点位置；
(2)确定低压塔超过q/2个数量的附加温度测量点
a、假设低压塔已经选出了ns个塔板作为温度测量点，计算低压塔各待选塔板的相对分布指数：
Figure GDA0002781919910000081
式中，Ds_i表示低压塔相对分布指数，i表示低压塔待选塔板的编号，i∈[f,n]，kl表示低压塔已选择作为温度测量点的塔板编号，kl∈[f,n]，l表示低压塔已选测量点的序号，l∈[1,ns]；
选取具有最大相对分布指数Ds_i的塔板作为下一个温度测量点位置，然后将所选塔板加入到已选塔板序列；
b、迭代循环步骤a，即可获得后续所需数量的所有温度测量点位置；
(3)根据步骤(1)确定的高压塔超过q/2个数量的附加温度测量点和步骤(2)确定的低压塔超过q/2个数量的附加温度测量点分析决策出附加温度测量点位置。
优选的，根据所述局部温度测量点离线选取分析模块选取的w,w>q个测量点，实际安装温度测量装置，所述数据存储装置将所述温度测量装置测得的w个塔板的温度测量值进行储存，并将所测数据传输给所述状态观测器；所述状态观测器根据局部w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值，即实现全局塔板状态在线观测；其中，状态观测器根据局部w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值的步骤为：
将所测的w个塔板的温度测量值转换为w个塔板的物料浓度转换值，转换公式表示为：
Figure GDA0002781919910000091
Figure GDA0002781919910000092
式中，m表示当前采样时刻，Pr(m)表示m采样时刻的高压塔压力，Ps(m)表示m采样时刻的低压塔压力，α为相对挥发度，l表示温度测量点的编号，kl表示温度测量点对应的塔板编号，
Figure GDA0002781919910000093
表示m采样时刻第kl块塔板的温度测量值，
Figure GDA0002781919910000094
表示当前采样时刻温度测量点所在的塔板物料浓度数据，a、b、c为安托因常数；
根据转换的w个塔板的物料浓度转换值在线估计浓度分布参数，通过求解如下最优问题实现参数估计：
Figure GDA0002781919910000095
式中，m表示当前采样时刻，w表示温度测量点的总数，l表示温度测量点的编号，kl表示温度测量点对应的塔板编号，
Figure GDA0002781919910000096
表示当前采样时刻温度测量点所在的塔板物料浓度转换值，
Figure GDA0002781919910000097
表示当前采样时刻温度测量点所在的塔板物料浓度估计值，由公式(19)中的等式约束条件求取；；
求解公式(19)表示的最优问题即可得到当前采样时刻浓度分布参数的值Sr(m)、Ss(m)、Xr_max(m)、Xr_min(m)、Xs_max(m)、Xs_min(m)、kr(m)、ks(m)；
根据当前时刻浓度分布参数的值Sr(m)、Ss(m)、Xr_max(m)、Xr_min(m)、Xs_max(m)、Xs_min(m)、kr(m)、ks(m)，通过公式(20)得到没有温度测量点的塔板的物料浓度估计值
Figure GDA0002781919910000101
公式(20)表示为：
Figure GDA0002781919910000102
式中，i表示塔板编号，i≠kl，即不包含温度测量点所在的塔板；
没有温度测量点的塔板的物料浓度估计值
Figure GDA0002781919910000103
与有温度测量点的塔板物料浓度转换值共同构成整个精馏塔的全局浓度观测值，通过全局浓度观测值对精馏塔进行全局浓度观测，即实现全局塔板状态观测。
为了达到上述目的，本发明还提供了一种内部热耦合精馏塔全局状态观测方法，采用上述基于局部浓度测量的内部热耦合精馏塔全局状态观测器，其步骤为：
S1、局部温度测量点离线选取分析模块选取w个温度测量点，根据已选温度测量点安装温度测量装置；
S2、温度测量装置测量w个塔板的温度，并通过数据存储装置进行存储；
S3、数据存储装置将存储的塔板温度信息传输给状态观测器，状态观测器根据w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值，即实现全局塔板状态在线观测。
与现有技术相比，本发明的优点和积极效果在于：
本发明为内部热耦合精馏塔的正常运行提供在线监测保障，保证该节能精馏装置的正常平稳运行，由于内部热耦合精馏塔的高压塔和低压塔之间的热量再利用，该装置在正常运行过程中可以节约大量的能源。本发明通过对内部热耦合精馏过程中的浓度分布进行分析，选取有限个温度测量点，通过局部的温度测量，实现所有塔板物料浓度和温度的全局状态在线观测，不需要在每块塔板上都安装浓度和温度测量装置即可实时监测精馏塔内部的物料浓度和温度变化，节省了大量的浓度和温度测量装置购买、安装和维护成本，在线观测运算效率高、浓度观测准确，能够实时准确地监测精馏塔所有塔板的物料浓度和温度变化情况，进而及时检测到内部塔板的状态变化，有助于克服该过程高时滞的困难，及时调整控制策略，大大减小再沸器以及其他加热设备的热负荷，进一步提高节能效果。
附图说明
附图1为本发明具体实施例的结构示意图；
附图2为本发明具体实施例局部温度测量点离线选取分析模块的原理图。
图中，1、温度测量装置，2、内部热耦合精馏塔，3、局部温度测量点离线选取分析模块，31、机理模型描述模块，32、灵敏板分析模块，33、浓度分布描述模块，34、浓度/温度转换模块，35、灵敏度矩阵分析模块，36、待选塔板相关性分析模块，37、相对分布分析模块，4、数据存储装置，5、状态观测器，6、上位机监测界面。
具体实施方式
下面，通过示例性的实施方式对本发明进行具体描述。然而应当理解，在没有进一步叙述的情况下，一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
参见图1和图2，本发明揭示了一种基于塔板温度的内部热耦合精馏塔全局状态观测器，包括：
温度测量装置1，与内部热耦合精馏塔2连接，用于测量内部热耦合精馏塔2中的塔板温度；
局部温度测量点离线选取分析模块3，与所述温度测量装置1连接，用于离线分析决策局部温度测量点的数量，并根据局部温度测量点确定温度测量装置1的安装位置；
所述局部温度测量点离线选取分析模块3包括用于生成分析数据的机理模型描述模块31、用于选择第1个和第2个温度测量点的灵敏板分析模块32、用于生成分析数据的浓度分布描述模块33、用于将浓度数据转换为温度数据的浓度/温度转换模块34、用于选择第3个和第4个温度测量点的灵敏度矩阵分析模块35以及用于选择第5至q个温度测量点的待选塔板相关性分析模块36；其中，q表示浓度分布参数的数量；
数据存储装置4，与所述温度测量装置1连接，用于对所述温度测量装置1测量的塔板温度进行存储；
状态观测器5，与所述数据存储装置4连接，用于通过局部温度测量信息对全局状态进行在线观测。
本发明上述状态观测器，通过局部温度测量点离线选取分析模块对内部热耦合精馏过程中的浓度分布进行分析，选取有限个温度测量点，确定温度测量装置的安装位置，通过温度测量装置对局部的塔板温度进行测量，然后由状态观测器通过局部温度测量信息对全局状态进行在线观测，从而实现所有塔板的物料浓度和温度的全局状态在线观测。不需要在内部热耦合精馏塔每块塔板上安装温度测量装置即可实现监测内部热耦合精馏塔内部的物料浓度变化，仅通过在有限个塔板位置安装温度测量装置来实现所有塔板的物料浓度和温度在线观测，在保证全局状态观测准确性的前提下，大大减少测量装置的安装数量，节约成本，且在线观测运算效率高、浓度观测准确，能够实时准确地监测内部热耦合精馏塔所有塔板的物料浓度和温度变化情况。
继续参见图1，在上述状态观测器的一优选实施方式中，所述状态观测器还包括上位机监测界面6，与所述状态观测器5连接，用于实时显示与监测各塔板的温度和物料浓度信息。通过上位机监测界面显示由状态观测器观测的所有塔板温度和物料浓度信息并监测塔板的温度和物料浓度信息。
作为上述状态观测器的优选方案，所述温度测量装置可以采用温度测量仪，也可以采用温度传感器。
上述状态观测器中，所述机理模型描述模块31的机理模型做模型测试，即对操作变量进行阶跃改变，生成所有塔板的温度变化数据；所述灵敏板分析模块32对各个塔板的温度变化数据进行分析，找出温度变化最大的塔板，该塔板即为灵敏板，内部热耦合精馏塔2的高压塔和低压塔各选出1个灵敏板，选出的两个灵敏板分别为第1个和第2个温度测量点。
上述状态观测器中，所述浓度分布描述模块33生成分析数据的步骤为：
S331、确定浓度分布公式中的参数初始值，浓度分布公式的表达式如下：
Figure GDA0002781919910000131
Figure GDA0002781919910000132
式中，m表示当前采样时刻，i表示塔板编号，
Figure GDA0002781919910000133
表示m采样时刻第i块塔板的物料浓度预测值，f表示进料塔板，i＝1,2,...,f-1表示高压塔的塔板编号，i＝f,f+1,...,n表示低压塔的塔板编号，Sr(m)表示m采样时刻高压塔浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Ss(m)表示m采样时刻低压塔浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Xr_max(m)表示m采样时刻高压塔浓度分布曲线的最大渐进浓度，Xr_min(m)表示m采样时刻高压塔浓度分布曲线的最小渐进浓度，Xs_max(m)表示m采样时刻低压塔浓度分布曲线的最大渐进浓度，Xs_min(m)表示m采样时刻低压塔浓度分布曲线的最小渐进浓度，kr(m)表征了m采样时刻高压塔拐点处的斜率大小，ks(m)表征了m采样时刻低压塔拐点处的斜率大小，e为自然指数；Sr、Ss、Xr_max、Xr_min、Xs_max、Xs_min、kr、ks为浓度分布参数，其初始值表示为Sr(0)、Ss(0)、Xr_max(0)、Xr_min(0)、Xs_max(0)、Xs_min(0)、kr(0)、ks(0)，即0采样时刻的取值；
通过求解以下最优问题得到浓度分布参数的初始值：
Figure GDA0002781919910000141
式中，n表示塔板总数，
Figure GDA0002781919910000142
表示0采样时刻第i块塔板的物料浓度预测值，Xi(0)表示0采样时刻各塔板的物料浓度初始值，，通过历史数据或者查询内部热耦合精馏塔的正常工作状态设计数据获得；
S332、通过对浓度分布参数在初始值基础上进行阶跃变化，根据公式(1)和公式(2)计算内部热耦合精馏塔各塔板的物料浓度预测值发生的变化。
上述状态观测器中，所述浓度/温度转换模块34将各塔板的物料浓度预测值变化转换为相应的温度预测值变化，转换公式表示为：
Figure GDA0002781919910000143
Figure GDA0002781919910000144
式中，a、b、c为安托因常数，Pr为高压塔内的压力，Ps为低压塔内的压力，α为相对挥发度，Xi表示第i块塔板的物料浓度，Ti表示第i块塔板的温度；
根据转换公式(4)和公式(5)将得到的浓度数据转换为相应的温度数据，进而生成各塔板温度对于浓度分布参数变化的灵敏度矩阵；高压塔和低压塔的灵敏度矩阵的元素计算公式如下：
Figure GDA0002781919910000145
Figure GDA0002781919910000151
式中，Ti(0)表示第i块塔板的温度初始值，
Figure GDA0002781919910000152
表示在浓度分布参数变化的情况下第i块塔板的温度变化值，pr_j表示高压塔的浓度分布参数，即pr_j＝[Sr,Xr_max,Xr_min,kr],ps_j表示低压塔的浓度分布参数，即ps_j＝[Ss,Xs_max,Xs_min,ks],j表示参数编号，pr_j(0)∈{Sr(0),Xr_max(0),Xr_min(0),kr(0)}，表示高压塔的浓度分布参数初始值，ps_j(0)∈{Ss(0),Xs_max(0),Xs_min(0),ks(0)}，表示低压塔的浓度分布参数初始值，
Figure GDA0002781919910000153
和
Figure GDA0002781919910000154
表示指定的参数阶跃变化幅度；Kij为第i块塔板的温度对第j个浓度分布参数变化的灵敏度，Kij越大，表示相应塔板的温度对相应参数的灵敏度越高。
上述状态观测器中，所述灵敏度矩阵分析模块35选取第3个和第4个温度测量点的步骤为：
S351、计算协方差矩阵，其步骤为：
根据公式(6)获得高压塔的灵敏度矩阵元素，即高压塔的灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵Kr，进而根据公式(8)得到高压塔的协方差矩阵；根据公式(7)获得低压塔的灵敏度矩阵元素，即灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵Ks，进而根据公式(9)得到低压塔的协方差矩阵，公式(8)和公式(9)的表达式如下：
Xr＝Kr TKr (8)
Xs＝Ks TKs (9)
式中，Kr T表示灵敏度矩阵Kr的转置，Xr表示高压塔的协方差矩阵，Ks T表示灵敏度矩阵Ks的转置，Xs表示低压塔的协方差矩阵；
S352、计算塔板的加权评价系数，并根据加权评价系数的大小选取第3个和第4个温度测量点，其步骤为：
根据公式(10)求取高压塔内各塔板的加权评价系数，根据公式(11)求取低压塔内各塔板的加权评价系数，公式(10)和公式(11)的表达式如下：
Figure GDA0002781919910000161
Figure GDA0002781919910000162
式中，q表示浓度分布参数的数量，高压塔的参数个数和低压塔的参数个数均为q/2，λr_j为高压塔的协方差矩阵Xr的第j个特征值，Cr_ij表示λr_j对应的单位特征向量的第i个元素，Er_i表示高压塔内第i块塔板的加权评价系数，表征了高压塔内第i块塔板的温度对于浓度分布参数的总体影响；λs_j为低压塔的协方差矩阵Xs的第j个特征值，Cs_ij表示λs_j对应的单位特征向量的第i个元素，Es_i表示低压塔内第i块塔板的加权评价系数，表征了低压塔内第i块塔板的温度对于浓度分布参数的总体影响；
选择高压塔中最大的Er_i对应的第i块塔板作为第3个温度测量点或第4个温度测量点；
选择低压塔中最大的Es_i对应的第i块塔板作为第4个温度测量点或第3个温度测量点。
具体地说，当选择高压塔中最大的Er_i对应的第i块塔板作为第3个温度测量点时，选择低压塔中最大的Es_i对应的第i块塔板作为第4个温度测量点；当选择低压塔中最大的Es_i对应的第i块塔板作为第3个温度测量点时，选择高压塔中最大的Er_i对应的第i块塔板作为第4个温度测量点。
上述状态观测器中，所述待选塔板相关性分析模块36选取第5个到第q个温度测量点的步骤为：
S361、选取高压塔第3个到第q/2个温度测量点，其选取方法为：
a、设高压塔已选取了u,2≤u<q/2个温度测量点，每个对应塔板的灵敏度向量记为
Figure GDA0002781919910000171
其中的灵敏度元素由公式(6)获得，其中l∈[1,u]，kl表示已选择作为温度测量点的塔板编号；
Figure GDA0002781919910000172
组成的u维向量空间中，任意向量
Figure GDA0002781919910000173
表示为：
Figure GDA0002781919910000174
式中，al为常数；
对于任意一个未选择塔板对应的灵敏度向量si，在以上u维向量空间中与之距离最近的向量
Figure GDA0002781919910000175
满足：
Figure GDA0002781919910000176
si与
Figure GDA0002781919910000177
之间的夹角θi表示为：
Figure GDA0002781919910000178
选择夹角θi最接近90°对应的塔板i为下一个测量点；
b、迭代循环进行步骤a，直到找出q/2个测量点；
S362、采用步骤(1)的选取方法选取低压塔第3个到第q/2个温度测量点；其具体选取方法为：
a、设低压塔已选取了u,2≤u<q/2个温度测量点，每个对应塔板的灵敏度向量记为
Figure GDA0002781919910000179
其中的灵敏度元素由公式(7)获得，其中l∈[1,u]，kl表示已选择作为温度测量点的塔板编号；
Figure GDA00027819199100001710
组成的u维向量空间中，任意向量
Figure GDA00027819199100001711
表示为：
Figure GDA00027819199100001712
式中，al为常数；
对于任意一个未选择塔板对应的灵敏度向量si，在以上u维向量空间中与之距离最近的向量s满足：
Figure GDA0002781919910000181
si与
Figure GDA0002781919910000182
之间的夹角θi表示为：
Figure GDA0002781919910000183
选择夹角θi最接近90°对应的塔板i为下一个测量点；
b、迭代循环进行步骤a，直到找出q/2个测量点；
S363、步骤(1)选取的高压塔第3个到第q/2个温度测量点和步骤(2)选取的低压塔第3个到第q/2个温度测量点即内部热耦合精馏塔的第5个到第q个温度测量点。
上述步骤S361和步骤S362的顺序可以互换。
继续参见图2，在上述状态观测器的另一优选实施方式中，所述局部温度测量点离线选取分析模块3还包括用于选择附加温度测量点的相对分布分析模块37，当温度测量点选择数量超过浓度分布参数数量时，通过相对分布分析模块37对超出浓度分布参数数量的附加温度测量点进行测量；所述相对分布分析模块37选择附加温度测量点的方法为：
S371、确定高压塔超过q/2个数量的附加温度测量点
a、假设高压塔已经选出了nr个塔板作为温度测量点，计算高压塔各待选塔板的相对分布指数：
Figure GDA0002781919910000184
式中，Dr_i表示高压塔相对分布指数，i表示高压塔待选塔板的编号，i∈[1,f-1]，kl表示高压塔已选择作为温度测量点的塔板编号，kl∈[1,f-1]，l表示高压塔已选测量点的序号，l∈[1,nr]；
选取具有最大相对分布指数Dr_i的塔板作为下一个温度测量点位置，然后将所选塔板加入到已选塔板序列；
b、迭代循环步骤a，即可获得后续所需数量的所有温度测量点位置；
S372、确定低压塔超过q/2个数量的附加温度测量点
a、假设低压塔已经选出了ns个塔板作为温度测量点，计算低压塔各待选塔板的相对分布指数：
Figure GDA0002781919910000191
式中，Ds_i表示低压塔相对分布指数，i表示低压塔待选塔板的编号，i∈[f,n]，kl表示低压塔已选择作为温度测量点的塔板编号，kl∈[f,n]，l表示低压塔已选测量点的序号，l∈[1,ns]；
选取具有最大相对分布指数Ds_i的塔板作为下一个温度测量点位置，然后将所选塔板加入到已选塔板序列；
b、迭代循环步骤a，即可获得后续所需数量的所有温度测量点位置；
S373、根据步骤(1)确定的高压塔超过q/2个数量的附加温度测量点和步骤(2)确定的低压塔超过q/2个数量的附加温度测量点分析决策出附加温度测量点位置。
上述步骤S371和步骤S372的顺序可以互换。
在上述状态观测器的又一优选实施方式中，根据所述局部温度测量点离线选取分析模块3选取的w,w>q个测量点，实际安装温度测量装置1，所述数据存储装置4将所述温度测量装置1测得的w个塔板的温度测量值进行储存，并将所测数据传输给所述状态观测器5；所述状态观测器5根据局部w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值，即实现全局塔板状态在线观测；其中，状态观测器5根据局部w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值的步骤为：
S51、将所测的w个塔板的温度测量值转换为w个塔板的物料浓度转换值，转换公式表示为：
Figure GDA0002781919910000201
Figure GDA0002781919910000202
式中，m表示当前采样时刻，Pr(m)表示m采样时刻的高压塔压力，Ps(m)表示m采样时刻的低压塔压力，α为相对挥发度，l表示温度测量点的编号，kl表示温度测量点对应的塔板编号，
Figure GDA0002781919910000203
表示m采样时刻第kl块塔板的温度测量值，
Figure GDA0002781919910000204
表示当前采样时刻温度测量点所在的塔板物料浓度数据，a、b、c为安托因常数；
根据转换的w个塔板的物料浓度转换值在线估计浓度分布参数，通过求解如下最优问题实现参数估计：
Figure GDA0002781919910000205
式中，m表示当前采样时刻，w表示温度测量点的总数，l表示温度测量点的编号，kl表示温度测量点对应的塔板编号，
Figure GDA0002781919910000206
表示当前采样时刻温度测量点所在的塔板物料浓度转换值，
Figure GDA0002781919910000207
表示当前采样时刻温度测量点所在的塔板物料浓度估计值，由公式(19)中的等式约束条件求取；；
求解公式(19)表示的最优问题即可得到当前采样时刻浓度分布参数的值Sr(m)、Ss(m)、Xr_max(m)、Xr_min(m)、Xs_max(m)、Xs_min(m)、kr(m)、ks(m)；
S52、根据当前时刻浓度分布参数的值Sr(m)、Ss(m)、Xr_max(m)、Xr_min(m)、Xs_max(m)、Xs_min(m)、kr(m)、ks(m)，通过公式(20)得到没有温度测量点的塔板的物料浓度估计值
Figure GDA0002781919910000211
公式(20)表示为：
Figure GDA0002781919910000212
式中，i表示塔板编号，i≠kl，即不包含温度测量点所在的塔板；
没有温度测量点的塔板的物料浓度估计值
Figure GDA0002781919910000216
与有温度测量点的塔板物料浓度转换值共同构成整个精馏塔的全局浓度观测值，通过全局浓度观测值对精馏塔进行全局浓度观测，即实现全局塔板状态观测。
本发明还揭示了一种内部热耦合精馏塔全局状态观测方法，采用上述状态观测器，其具体步骤为：
S1、局部温度测量点离线选取分析模块选取w个温度测量点，根据已选温度测量点安装温度测量装置；
其中，选取w个浓度测量点的具体步骤为：
S11、机理模型描述模块的机理模型做模型测试，即对操作变量进行阶跃改变，生成所有塔板的温度变化数据；灵敏板分析模块对各个塔板的温度变化数据进行分析，找出温度变化最大的塔板，该塔板即为灵敏板，内部热耦合精馏塔的高压塔和低压塔各选出1个灵敏板，选出的两个灵敏板分别为第1个和第2个温度测量点。
S12、浓度分布描述模块生成分析数据，其步骤为：
S121、确定浓度分布公式中的参数初始值，浓度分布公式的表达式如下：
Figure GDA0002781919910000213
Figure GDA0002781919910000214
式中，m表示当前采样时刻，i表示塔板编号，
Figure GDA0002781919910000215
表示m采样时刻第i块塔板的物料浓度预测值，f表示进料塔板，i＝1,2,...,f-1表示高压塔的塔板编号，i＝f,f+1,...,n表示低压塔的塔板编号，Sr(m)表示m采样时刻高压塔浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Ss(m)表示m采样时刻低压塔浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Xr_max(m)表示m采样时刻高压塔浓度分布曲线的最大渐进浓度，Xr_min(m)表示m采样时刻高压塔浓度分布曲线的最小渐进浓度，Xs_max(m)表示m采样时刻低压塔浓度分布曲线的最大渐进浓度，Xs_min(m)表示m采样时刻低压塔浓度分布曲线的最小渐进浓度，kr(m)表征了m采样时刻高压塔拐点处的斜率大小，ks(m)表征了m采样时刻低压塔拐点处的斜率大小，e为自然指数；Sr、Ss、Xr_max、Xr_min、Xs_max、Xs_min、kr、ks为浓度分布参数，其初始值表示为Sr(0)、Ss(0)、Xr_max(0)、Xr_min(0)、Xs_max(0)、Xs_min(0)、kr(0)、ks(0)，即0采样时刻的取值；
通过求解以下最优问题得到浓度分布参数的初始值：
Figure GDA0002781919910000221
式中，n表示塔板总数，
Figure GDA0002781919910000222
表示0采样时刻第i块塔板的物料浓度预测值，Xi(0)表示0采样时刻各塔板的物料浓度初始值，，通过历史数据或者查询内部热耦合精馏塔的正常工作状态设计数据获得；
S122、通过对浓度分布参数在初始值基础上进行阶跃变化，根据公式(1)和公式(2)计算内部热耦合精馏塔各塔板的物料浓度预测值发生的变化。
13、浓度/温度转换模块将各塔板的物料浓度预测值变化转换为相应的温度预测值变化，转换公式表示为：
Figure GDA0002781919910000223
Figure GDA0002781919910000231
式中，a、b、c为安托因常数，Pr为高压塔内的压力，Ps为低压塔内的压力，α为相对挥发度，Xi表示第i块塔板的物料浓度，Ti表示第i块塔板的温度；
根据转换公式(4)和公式(5)将得到的浓度数据转换为相应的温度数据，进而生成各塔板温度对于浓度分布参数变化的灵敏度矩阵；高压塔和低压塔的灵敏度矩阵的元素计算公式如下：
Figure GDA0002781919910000232
Figure GDA0002781919910000233
式中，Ti(0)表示第i块塔板的温度初始值，
Figure GDA0002781919910000234
表示在浓度分布参数变化的情况下第i块塔板的温度变化值，pr_j表示高压塔的浓度分布参数，即pr_j＝[Sr,Xr_max,Xr_min,kr],ps_j表示低压塔的浓度分布参数，即ps_j＝[Ss,Xs_max,Xs_min,ks],j表示参数编号，pr_j(0)∈{Sr(0),Xr_max(0),Xr_min(0),kr(0)}，表示高压塔的浓度分布参数初始值，ps_j(0)∈{Ss(0),Xs_max(0),Xs_min(0),ks(0)}，表示低压塔的浓度分布参数初始值，
Figure GDA0002781919910000235
和
Figure GDA0002781919910000236
表示指定的参数阶跃变化幅度；Kij为第i块塔板的温度对第j个浓度分布参数变化的灵敏度，Kij越大，表示相应塔板的温度对相应参数的灵敏度越高。
14、所述灵敏度矩阵分析模块选取第3个和第4个温度测量点的步骤为：
S141、计算协方差矩阵，其步骤为：
根据公式(6)获得高压塔的灵敏度矩阵元素，即高压塔的灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵Kr，进而根据公式(8)得到高压塔的协方差矩阵；根据公式(7)获得低压塔的灵敏度矩阵元素，即灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵Ks，进而根据公式(9)得到低压塔的协方差矩阵，公式(8)和公式(9)的表达式如下：
Xr＝Kr TKr (8)
Xs＝Ks TKs (9)
式中，Kr T表示灵敏度矩阵Kr的转置，Xr表示高压塔的协方差矩阵，Ks T表示灵敏度矩阵Ks的转置，Xs表示低压塔的协方差矩阵；
S142、计算塔板的加权评价系数，并根据加权评价系数的大小选取第3个和第4个温度测量点，其步骤为：
根据公式(10)求取高压塔内各塔板的加权评价系数，根据公式(11)求取低压塔内各塔板的加权评价系数，公式(10)和公式(11)的表达式如下：
Figure GDA0002781919910000241
Figure GDA0002781919910000242
式中，q表示浓度分布参数的数量，高压塔的参数个数和低压塔的参数个数均为q/2，λr_j为高压塔的协方差矩阵Xr的第j个特征值，Cr_ij表示λr_j对应的单位特征向量的第i个元素，Er_i表示高压塔内第i块塔板的加权评价系数，表征了高压塔内第i块塔板的温度对于浓度分布参数的总体影响；λs_j为低压塔的协方差矩阵Xs的第j个特征值，Cs_ij表示λs_j对应的单位特征向量的第i个元素，Es_i表示低压塔内第i块塔板的加权评价系数，表征了低压塔内第i块塔板的温度对于浓度分布参数的总体影响；
选择高压塔中最大的Er_i对应的第i块塔板作为第3个温度测量点，选择低压塔中最大的Es_i对应的第i块塔板作为第4个温度测量点；
或者，选择低压塔中最大的Es_i对应的第i块塔板作为第3个温度测量点，选择高压塔中最大的Er_i对应的第i块塔板作为第4个温度测量点。
15、所述待选塔板相关性分析模块选取第5个到第q个温度测量点的步骤为：
S151、选取高压塔第3个到第q/2个温度测量点，其选取方法为：
a、设高压塔已选取了u,2≤u<q/2个温度测量点，每个对应塔板的灵敏度向量记为
Figure GDA0002781919910000251
其中的灵敏度元素由公式(6)获得，其中l∈[1,u]，kl表示已选择作为温度测量点的塔板编号；
Figure GDA0002781919910000252
组成的u维向量空间中，任意向量
Figure GDA0002781919910000253
表示为：
Figure GDA0002781919910000254
式中，al为常数；
对于任意一个未选择塔板对应的灵敏度向量si，在以上u维向量空间中与之距离最近的向量
Figure GDA0002781919910000255
满足：
Figure GDA0002781919910000256
si与
Figure GDA0002781919910000257
之间的夹角θi表示为：
Figure GDA0002781919910000258
选择夹角θi最接近90°对应的塔板i为下一个测量点；
b、迭代循环进行步骤a，直到找出q/2个测量点；
S152、选取低压塔第3个到第q/2个温度测量点，其选取方法为：
a、设低压塔已选取了u,2≤u<q/2个温度测量点，每个对应塔板的灵敏度向量记为
Figure GDA0002781919910000259
其中的灵敏度元素由公式(7)获得，其中l∈[1,u]，kl表示已选择作为温度测量点的塔板编号；
Figure GDA00027819199100002510
组成的u维向量空间中，任意向量
Figure GDA00027819199100002511
表示为：
Figure GDA00027819199100002512
式中，al为常数；
对于任意一个未选择塔板对应的灵敏度向量si，在以上u维向量空间中与之距离最近的向量
Figure GDA0002781919910000261
满足：
Figure GDA0002781919910000262
si与
Figure GDA0002781919910000263
之间的夹角θi表示为：
Figure GDA0002781919910000264
选择夹角θi最接近90°对应的塔板i为下一个测量点；
b、迭代循环进行步骤a，直到找出q/2个测量点；
S153、步骤(1)选取的高压塔第3个到第q/2个温度测量点和步骤(2)选取的低压塔第3个到第q/2个温度测量点即内部热耦合精馏塔的第5个到第q个温度测量点。
16、相对分布分析模块选择w-q个附加温度测量点，其选取方法为：
S161、确定高压塔超过q/2个数量的附加温度测量点
a、假设高压塔已经选出了nr个塔板作为温度测量点，计算高压塔各待选塔板的相对分布指数：
Figure GDA0002781919910000265
式中，Dr_i表示高压塔相对分布指数，i表示高压塔待选塔板的编号，i∈[1,f-1]，kl表示高压塔已选择作为温度测量点的塔板编号，kl∈[1,f-1]，l表示高压塔已选测量点的序号，l∈[1,nr]；
选取具有最大相对分布指数Dr_i的塔板作为下一个温度测量点位置，然后将所选塔板加入到已选塔板序列；
b、迭代循环步骤a，即可获得后续所需数量的所有温度测量点位置；
S162、确定低压塔超过q/2个数量的附加温度测量点
a、假设低压塔已经选出了ns个塔板作为温度测量点，计算低压塔各待选塔板的相对分布指数：
Figure GDA0002781919910000271
式中，Ds_i表示低压塔相对分布指数，i表示低压塔待选塔板的编号，i∈[f,n]，kl表示低压塔已选择作为温度测量点的塔板编号，kl∈[f,n]，l表示低压塔已选测量点的序号，l∈[1,ns]；
选取具有最大相对分布指数Ds_i的塔板作为下一个温度测量点位置，然后将所选塔板加入到已选塔板序列；
b、迭代循环步骤a，即可获得后续所需数量的所有温度测量点位置；
S163、根据步骤(1)确定的高压塔超过q/2个数量的附加温度测量点和步骤(2)确定的低压塔超过q/2个数量的附加温度测量点分析决策出附加温度测量点位置。
S2、温度测量装置测量w个塔板的温度，并通过数据存储装置进行存储。
S3、数据存储装置将存储的塔板温度信息传输给状态观测器，状态观测器根据w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值，即实现全局塔板状态在线观测。
在上述在线观测方法的一优选方式中，在步骤S3之后，状态观测器观测的各塔板物料浓度和温度信息通过上位机监测界面进行显示和监测。
上述在线观测方法为内部热耦合精馏塔的正常运行提供在线监测保障，保证该节能精馏装置的正常平稳运行，由于高压塔和低压塔之间的热量再利用，该装置在正常运行过程中可以节约大量的能源，选取有限个温度测量点，通过局部的温度测量，实现所有塔板温度和物料浓度的全局状态在线观测，无需测量每块塔板物料浓度即可实时监测精馏塔内部的物料浓度变化，仅通过在有限个塔板位置安装温度测量装置来实现所有塔板的温度和物料浓度的全局状态在线观测，测量装置安装数量少，节约成本，在线观测运算效率高、浓度观测准确，进而及时检测到内部塔板的状态变化，有助于克服该过程高时滞的困难，及时调整控制策略，大大减小再沸器以及其他加热设备的热负荷，进一步提高内部热耦合精馏过程的节能效果。
上述实施例用来解释本发明，而不是对本发明进行限制，在本发明的精神和权力要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。

Claims (10)

1.一种基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，包括：温度测量装置，与内部热耦合精馏塔连接，用于测量内部热耦合精馏塔中的塔板温度；
局部温度测量点离线选取分析模块，与所述温度测量装置连接，用于离线分析决策局部温度测量点的数量，并根据局部温度测量点确定温度测量装置的安装位置；
所述局部温度测量点离线选取分析模块包括用于生成分析数据的机理模型描述模块、用于选择第1个和第2个温度测量点的灵敏板分析模块、用于生成分析数据的浓度分布描述模块、用于将浓度数据转换为温度数据的浓度/温度转换模块、用于选择第3个和第4个温度测量点的灵敏度矩阵分析模块以及用于选择第5至q个温度测量点的待选塔板相关性分析模块；其中，q表示浓度分布参数的数量；
数据存储装置，与所述温度测量装置连接，用于对所述温度测量装置测量的塔板温度进行存储；
状态观测器，与所述数据存储装置连接，用于通过局部温度测量信息对全局状态进行在线观测。
2.如权利要求1所述的基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，还包括上位机监测界面，与所述状态观测器连接，用于实时显示与监测各塔板的温度和物料浓度信息。
3.如权利要求1或2所述的基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，所述机理模型描述模块的机理模型做模型测试，即对操作变量进行阶跃改变，生成所有塔板的温度变化数据；所述灵敏板分析模块对各个塔板的温度变化数据进行分析，找出温度变化最大的塔板，该塔板即为灵敏板，内部热耦合精馏塔的高压塔和低压塔各选出1个灵敏板，选出的两个灵敏板分别为第1个和第2个温度测量点。
4.如权利要求3所述的基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，所述浓度分布描述模块生成分析数据的步骤为：
确定浓度分布公式中的参数初始值，浓度分布公式的表达式如下：
Figure FDA0002929332740000021
Figure FDA0002929332740000022
式中，m表示当前采样时刻，i表示塔板编号，
Figure FDA0002929332740000023
表示m采样时刻第i块塔板的物料浓度预测值，f表示进料塔板，i＝1,2,...,f-1表示高压塔的塔板编号，i＝f,f+1,...,n表示低压塔的塔板编号，Sr(m)表示m采样时刻高压塔浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Ss(m)表示m采样时刻低压塔浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Xr_max(m)表示m采样时刻高压塔浓度分布曲线的最大渐进浓度，Xr_min(m)表示m采样时刻高压塔浓度分布曲线的最小渐进浓度，Xs_max(m)表示m采样时刻低压塔浓度分布曲线的最大渐进浓度，Xs_min(m)表示m采样时刻低压塔浓度分布曲线的最小渐进浓度，kr(m)表征了m采样时刻高压塔拐点处的斜率大小，ks(m)表征了m采样时刻低压塔拐点处的斜率大小，e为自然指数；Sr、Ss、Xr_max、Xr_min、Xs_max、Xs_min、kr、ks为浓度分布参数，其初始值表示为Sr(0)、Ss(0)、Xr_max(0)、Xr_min(0)、Xs_max(0)、Xs_min(0)、kr(0)、ks(0)，即0采样时刻的取值；
通过求解以下最优问题得到浓度分布参数的初始值：
Figure FDA0002929332740000024
式中，n表示塔板总数，
Figure FDA0002929332740000031
表示0采样时刻第i块塔板的物料浓度预测值，Xi(0)表示0采样时刻各塔板的物料浓度初始值，通过历史数据或者查询内部热耦合精馏塔的正常工作状态设计数据获得；
通过对浓度分布参数在初始值基础上进行阶跃变化，根据公式(1)和公式(2)计算内部热耦合精馏塔各塔板的物料浓度预测值发生的变化。
5.如权利要求4所述的基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，所述浓度/温度转换模块将各塔板的物料浓度预测值变化转换为相应的温度预测值变化，转换公式表示为：
Figure FDA0002929332740000032
Figure FDA0002929332740000033
式中，a、b、c为安托因常数，Pr为高压塔内的压力，Ps为低压塔内的压力，α为相对挥发度，Xi表示第i块塔板的物料浓度，Ti表示第i块塔板的温度；
根据转换公式(4)和公式(5)将得到的浓度数据转换为相应的温度数据，进而生成各塔板温度对于浓度分布参数变化的灵敏度矩阵；高压塔和低压塔的灵敏度矩阵的元素计算公式如下：
Figure FDA0002929332740000034
Figure FDA0002929332740000035
式中，Ti(0)表示第i块塔板的温度初始值，
Figure FDA0002929332740000036
表示在浓度分布参数变化的情况下第i块塔板的温度变化值，pr_j表示高压塔的浓度分布参数，即pr_j＝[Sr,Xr_max,Xr_min,kr],ps_j表示低压塔的浓度分布参数，即ps_j＝[Ss,Xs_max,Xs_min,ks],j表示参数编号，pr_j(0)∈{Sr(0),Xr_max(0),Xr_min(0),kr(0)}，表示高压塔的浓度分布参数初始值，ps_j(0)∈{Ss(0),Xs_max(0),Xs_min(0),ks(0)}，表示低压塔的浓度分布参数初始值，
Figure FDA0002929332740000041
和
Figure FDA0002929332740000042
表示指定的参数阶跃变化幅度；Kij为第i块塔板的温度对第j个浓度分布参数变化的灵敏度，Kij越大，表示相应塔板的温度对相应参数的灵敏度越高。
6.如权利要求5所述的基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，所述灵敏度矩阵分析模块选取第3个和第4个温度测量点的步骤为：
(1)计算协方差矩阵，其步骤为：
根据公式(6)获得高压塔的灵敏度矩阵元素，即高压塔的灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵Kr，进而根据公式(8)得到高压塔的协方差矩阵；根据公式(7)获得低压塔的灵敏度矩阵元素，即灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵Ks，进而根据公式(9)得到低压塔的协方差矩阵，公式(8)和公式(9)的表达式如下：
Xr＝Kr TKr (8)
Xs＝Ks TKs (9)
式中，Kr T表示灵敏度矩阵Kr的转置，Xr表示高压塔的协方差矩阵，Ks T表示灵敏度矩阵Ks的转置，Xs表示低压塔的协方差矩阵；
(2)计算塔板的加权评价系数，并根据加权评价系数的大小选取第3个和第4个温度测量点，其步骤为：
根据公式(10)求取高压塔内各塔板的加权评价系数，根据公式(11)求取低压塔内各塔板的加权评价系数，公式(10)和公式(11)的表达式如下：
Figure FDA0002929332740000043
Figure FDA0002929332740000044
式中，q表示浓度分布参数的数量，高压塔的参数个数和低压塔的参数个数均为q/2，λr_j为高压塔的协方差矩阵Xr的第j个特征值，Cr_ij表示λr_j对应的单位特征向量的第i个元素，Er_i表示高压塔内第i块塔板的加权评价系数，表征了高压塔内第i块塔板的温度对于浓度分布参数的总体影响；λs_j为低压塔的协方差矩阵Xs的第j个特征值，Cs_ij表示λs_j对应的单位特征向量的第i个元素，Es_i表示低压塔内第i块塔板的加权评价系数，表征了低压塔内第i块塔板的温度对于浓度分布参数的总体影响；
选择高压塔中最大的Er_i对应的第i块塔板作为第3个温度测量点或第4个温度测量点；
选择低压塔中最大的Es_i对应的第i块塔板作为第4个温度测量点或第3个温度测量点。
7.如权利要求6所述的基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，所述待选塔板相关性分析模块选取第5个到第q个温度测量点的步骤为：
(1)选取高压塔第3个到第q/2个温度测量点，其选取方法为：
a、设高压塔已选取了u,2≤u<q/2个温度测量点，每个对应塔板的灵敏度向量记为
Figure FDA0002929332740000051
其中的灵敏度元素由公式(6)获得，其中l∈[1,u]，kl表示已选择作为温度测量点的塔板编号；
Figure FDA0002929332740000052
组成的u维向量空间中，任意向量
Figure FDA0002929332740000053
表示为：
Figure FDA0002929332740000054
式中，al为常数；
对于任意一个未选择塔板对应的灵敏度向量si，在以上u维向量空间中与之距离最近的向量
Figure FDA0002929332740000055
满足：
Figure FDA0002929332740000056
si与
Figure FDA0002929332740000061
之间的夹角θi表示为：
Figure FDA0002929332740000062
选择夹角θi最接近90°对应的塔板i为下一个测量点；
b、迭代循环进行步骤a，直到找出q/2个测量点；
(2)采用步骤(1)的选取方法选取低压塔第3个到第q/2个温度测量点；
(3)步骤(1)选取的高压塔第3个到第q/2个温度测量点和步骤(2)选取的低压塔第3个到第q/2个温度测量点即内部热耦合精馏塔的第5个到第q个温度测量点。
8.如权利要求7所述的基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，所述局部温度测量点离线选取分析模块还包括用于选择附加温度测量点的相对分布分析模块，当温度测量点选择数量超过浓度分布参数数量时，通过相对分布分析模块对超出浓度分布参数数量的附加温度测量点进行测量；所述相对分布分析模块选择附加温度测量点的方法为：
(1)确定高压塔超过q/2个数量的附加温度测量点
a、假设高压塔已经选出了nr个塔板作为温度测量点，计算高压塔各待选塔板的相对分布指数：
Figure FDA0002929332740000063
式中，Dr_i表示高压塔相对分布指数，i表示高压塔待选塔板的编号，i∈[1,f-1]，kl表示高压塔已选择作为温度测量点的塔板编号，kl∈[1,f-1]，l表示高压塔已选测量点的序号，l∈[1,nr]；
选取具有最大相对分布指数Dr_i的塔板作为下一个温度测量点位置，然后将所选塔板加入到已选塔板序列；
b、迭代循环步骤a，即可获得后续所需数量的所有温度测量点位置；
(2)确定低压塔超过q/2个数量的附加温度测量点
a、假设低压塔已经选出了ns个塔板作为温度测量点，计算低压塔各待选塔板的相对分布指数：
Figure FDA0002929332740000071
式中，Ds_i表示低压塔相对分布指数，i表示低压塔待选塔板的编号，i∈[f,n]，kl表示低压塔已选择作为温度测量点的塔板编号，kl∈[f,n]，l表示低压塔已选测量点的序号，l∈[1,ns]；
选取具有最大相对分布指数Ds_i的塔板作为下一个温度测量点位置，然后将所选塔板加入到已选塔板序列；
b、迭代循环步骤a，即可获得后续所需数量的所有温度测量点位置；
(3)根据步骤(1)确定的高压塔超过q/2个数量的附加温度测量点和步骤(2)确定的低压塔超过q/2个数量的附加温度测量点分析决策出附加温度测量点位置。
9.如权利要求8所述的基于塔板温度的内部热耦合精馏塔全局状态观测器，其特征在于，根据所述局部温度测量点离线选取分析模块选取的w,w>q个测量点，实际安装温度测量装置，所述数据存储装置将所述温度测量装置测得的w个塔板的温度测量值进行储存，并将所测数据传输给所述状态观测器；所述状态观测器根据局部w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值，即实现全局塔板状态在线观测；其中，状态观测器根据局部w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值的步骤为：
将所测的w个塔板的温度测量值转换为w个塔板的物料浓度转换值，转换公式表示为：
Figure FDA0002929332740000081
Figure FDA0002929332740000082
式中，表示当前采样时刻，Pr(m)表示m采样时刻的高压塔压力，Ps(m)表示m采样时刻的低压塔压力，α为相对挥发度，l表示温度测量点的编号，kl表示温度测量点对应的塔板编号，Tkl(m)表示m采样时刻第kl块塔板的温度测量值，Xkl(m)表示当前采样时刻温度测量点所在的塔板物料浓度数据，a、b、c为安托因常数；
根据转换的w个塔板的物料浓度转换值在线估计浓度分布参数，通过求解如下最优问题实现参数估计：
Figure FDA0002929332740000083
式中，m表示当前采样时刻，w表示温度测量点的总数，l表示温度测量点的编号，kl表示温度测量点对应的塔板编号，
Figure FDA0002929332740000084
表示当前采样时刻温度测量点所在的塔板物料浓度转换值，
Figure FDA0002929332740000085
表示当前采样时刻温度测量点所在的塔板物料浓度估计值，由公式(19)中的等式约束条件求取；
求解公式(19)表示的最优问题即可得到当前采样时刻浓度分布参数的值Sr(m)、Ss(m)、Xr_max(m)、Xr_min(m)、Xs_max(m)、Xs_min(m)、kr(m)、ks(m)；
根据当前时刻浓度分布参数的值Sr(m)、Ss(m)、Xr_max(m)、Xr_min(m)、Xs_max(m)、Xs_min(m)、kr(m)、ks(m)，通过公式(20)得到没有温度测量点的塔板的物料浓度估计值
Figure FDA0002929332740000086
公式(20)表示为：
Figure FDA0002929332740000091
式中，i表示塔板编号，i≠kl，即不包含温度测量点所在的塔板；
没有温度测量点的塔板的物料浓度估计值
Figure FDA0002929332740000092
与有温度测量点的塔板物料浓度转换值共同构成整个精馏塔的全局浓度观测值，通过全局浓度观测值对精馏塔进行全局浓度观测，即实现全局塔板状态观测。
10.一种内部热耦合精馏塔全局状态观测方法，其特征在于，采用如权利要求9所述全局状态观测器，其步骤为：
局部温度测量点离线选取分析模块选取w个温度测量点，根据已选温度测量点安装温度测量装置；
温度测量装置测量w个塔板的温度，并通过数据存储装置进行存储；
数据存储装置将存储的塔板温度信息传输给状态观测器，状态观测器根据w个塔板的温度测量值在线估计所有塔板的温度和物料浓度值，即实现全局塔板状态在线观测。
CN201910352985.7A 2019-04-29 2019-04-29 基于塔板温度的内部热耦合精馏塔全局状态观测器及方法 Active CN110052050B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910352985.7A CN110052050B (zh) 2019-04-29 2019-04-29 基于塔板温度的内部热耦合精馏塔全局状态观测器及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910352985.7A CN110052050B (zh) 2019-04-29 2019-04-29 基于塔板温度的内部热耦合精馏塔全局状态观测器及方法

Publications (2)

Publication Number Publication Date
CN110052050A CN110052050A (zh) 2019-07-26
CN110052050B true CN110052050B (zh) 2021-03-16

Family

ID=67321543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910352985.7A Active CN110052050B (zh) 2019-04-29 2019-04-29 基于塔板温度的内部热耦合精馏塔全局状态观测器及方法

Country Status (1)

Country Link
CN (1) CN110052050B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111537679B (zh) * 2020-05-25 2021-06-08 北京化工大学 一种基于非线性滤波的隔离壁精馏塔浓度软测量方法
CN114460848A (zh) * 2022-02-08 2022-05-10 万华化学集团股份有限公司 精馏塔的灵敏板控制方法、设备及计算机可读存储介质
CN115079572B (zh) * 2022-06-30 2023-02-03 福建省龙德新能源有限公司 用于六氟磷酸锂制备的能源管理控制系统及其控制方法
CN115430344B (zh) * 2022-08-31 2023-04-28 福建省龙德新能源有限公司 用于六氟磷酸锂制备的自动配料系统及其配料方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102380220A (zh) * 2011-10-10 2012-03-21 上海师范大学 一种乙烯精馏塔塔釜乙烯浓度的测量方法
CN104117220A (zh) * 2014-07-04 2014-10-29 南开大学 一种泡沫精馏纯化方法
CN104606912A (zh) * 2015-01-13 2015-05-13 中国石油大学(华东) 基于温度波特性的内部热耦合精馏在线观测器
CN108089443A (zh) * 2017-12-17 2018-05-29 北京世纪隆博科技有限责任公司 一种基于混合精英圈养优化的灵敏板温度智能建模方法
KR20190033549A (ko) * 2016-08-04 2019-03-29 코베스트로 도이칠란트 아게 정류 컬럼 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102380220A (zh) * 2011-10-10 2012-03-21 上海师范大学 一种乙烯精馏塔塔釜乙烯浓度的测量方法
CN104117220A (zh) * 2014-07-04 2014-10-29 南开大学 一种泡沫精馏纯化方法
CN104606912A (zh) * 2015-01-13 2015-05-13 中国石油大学(华东) 基于温度波特性的内部热耦合精馏在线观测器
KR20190033549A (ko) * 2016-08-04 2019-03-29 코베스트로 도이칠란트 아게 정류 컬럼 제어 방법
CN108089443A (zh) * 2017-12-17 2018-05-29 北京世纪隆博科技有限责任公司 一种基于混合精英圈养优化的灵敏板温度智能建模方法

Also Published As

Publication number Publication date
CN110052050A (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN110052050B (zh) 基于塔板温度的内部热耦合精馏塔全局状态观测器及方法
CN104992239B (zh) 一种基于相关系数的行业用电量规律预测方法
JP2010256328A (ja) 発電所計測器性能監視予測方法
CN104635493B (zh) 基于温度波模型预测控制的内部热耦合精馏控制方法及装置
AU2020102518A4 (en) A method of gas sensor calibration based on linear optimization
CN103103570B (zh) 基于主元相似性测度的铝电解槽况诊断方法
CN111352408B (zh) 一种基于证据k近邻的多工况流程工业过程故障检测方法
KR20120039160A (ko) 에프에스브이알과 지엘알티를 이용한 발전소 계측기 성능감시 방법 및 시스템
CN115759761B (zh) 一种用于电能计量装置的运行数据智能管理系统
CN101879378B (zh) 内部热耦合精馏塔温度非线性观测系统及方法
CN101887262A (zh) 内部热耦合精馏塔的非线性模型预测控制系统及方法
CN103207567B (zh) 一种低误报率的改进主元分析过程监测方法及其监测系统
CN110503268A (zh) 一种模型数据联合驱动的综合能源系统态势感知方法
CN110533247B (zh) 一种采用气温数据异常点补偿的月度用电量预测方法
CN112541296A (zh) 一种基于pso-lssvm的so2预测方法
CN112149054B (zh) 基于时序扩展的正交邻域保持嵌入模型的构建与应用
CN111912638B (zh) 一种在线故障根源识别的精馏塔故障诊断方法
Zhou et al. Anode effect prediction of aluminum electrolysis using GRNN
CN110052051B (zh) 基于塔板温度的精馏过程全局浓度在线观测器及方法
CN116429161A (zh) 一种火电厂在线化学仪表动态校验方法
CN115828744A (zh) 一种白光发光二极管故障在线诊断与寿命预测方法
CN109966771B (zh) 基于局部浓度测量的精馏过程全局浓度在线观测器及方法
CN104606912B (zh) 基于温度波特性的内部热耦合精馏在线观测器
CN114581697A (zh) 一种基于示功图的采油机井供液能力监测方法
CN111047210B (zh) 一种牵引变压器绝缘油老化状态评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant