CN110052051A - 基于塔板温度的精馏过程全局浓度在线观测器及方法 - Google Patents

基于塔板温度的精馏过程全局浓度在线观测器及方法 Download PDF

Info

Publication number
CN110052051A
CN110052051A CN201910353001.7A CN201910353001A CN110052051A CN 110052051 A CN110052051 A CN 110052051A CN 201910353001 A CN201910353001 A CN 201910353001A CN 110052051 A CN110052051 A CN 110052051A
Authority
CN
China
Prior art keywords
column plate
concentration
temperature
measurement point
formula
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.)
Granted
Application number
CN201910353001.7A
Other languages
English (en)
Other versions
CN110052051B (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 CN201910353001.7A priority Critical patent/CN110052051B/zh
Publication of CN110052051A publication Critical patent/CN110052051A/zh
Application granted granted Critical
Publication of CN110052051B publication Critical patent/CN110052051B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Measuring Temperature Or Quantity Of Heat (AREA)

Abstract

本发明涉及一种基于塔板温度的精馏过程全局浓度在线观测器及方法，观测器包括与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、用于选择第一测量点的灵敏度矩阵分析模块、用于选择不超过浓度分布参数数量的测量点的待选塔板相关性分析模块。本发明对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物料浓度在线观测，全局浓度观测准确性高，测量装置安装数量少，节约成本。

Description

基于塔板温度的精馏过程全局浓度在线观测器及方法
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精馏过程全局浓度在线观测器及方法。
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。精馏提纯的产品广泛的应用于生活生产当中，产品的纯度控制是精馏过程的重要目标，直接影响精馏过程的经济效益。
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精馏过程全局浓度在线观测器及方法，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精馏过程全局浓度在线观测器，包括：
温度测量装置，与精馏塔连接，用于测量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、用于选择第一测量点的灵敏度矩阵分析模块以及用于选择不超过浓度分布参数数量的测量点的待选塔板相关性分析模块；
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；
全局浓度在线观测器，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浓度进行在线观测。
进一步的，还包括上位机监测界面，与所述全局浓度在线观测器连接，用于实时显示与监测塔板的物料浓度信息。
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：
式中，m表示当前采样时刻，i表示塔板编号，表示m采样时刻第i块塔板的物料浓度预测值，S(m)表示m采样时刻浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Xmax(m)表示m采样时刻浓度分布曲线的最大渐进浓度，Xmin(m)表示m采样时刻浓度分布曲线的最小渐进浓度，k(m)表征了m采样时刻拐点处的斜率大小，e为自然指数；S、Xmax、Xmin、k为浓度分布参数，其初始值表示为S(0)、Xmax(0)、Xmin(0)、k(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：
式中，n表示塔板总数，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该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)计算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：
式中，a、b、c为安托因常数，Pc为精馏塔内的压力，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(3)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；灵敏度矩阵的元素计算公式如下：
式中，Ti(0)表示第i块塔板的温度初始值，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，p表示浓度分布参数，即p＝[S,Xmax,Xmin,k],j表示参数编号，pj(0)∈{S(0),Xmax(0),Xmin(0),k(0)}，表示浓度分布参数初始值，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一个测量点的步骤为：
计算协方差矩阵，其步骤为：根据公式(4)获得灵敏度矩阵元素，即灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵K，进而根据公式(5)得到协方差矩阵，公式(5)的表达式如下：
X＝KTK (5)
式中，KT表示灵敏度矩阵K的转置，X表示协方差矩阵；
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一个测量点，其步骤为：
根据公式(6)求取各塔板的加权评价系数，公式(6)的表达式如下：
式中，λj为协方差矩阵X的第j个特征值，Cij表示λj对应的单位特征向量的第i个元素，q表示浓度分布参数的数量，Ei表示第i块塔板的加权评价系数，表征了第i块塔板的温度对于浓度分布参数的总体影响；
选择最大的Ei对应的第i块塔板作为第一个测量点。
优选的，所述待选塔板相关性分析模块选取第2个到第q个测量点的步骤为：
(1)选取第2个测量点，其选取方法为：
设选取的第一块塔板编号为k1，其对应的灵敏度向量可记为其中元素从灵敏度矩阵K获得；
对于任意一个未选择的塔板i，对应的灵敏度向量记为si,则与si之间的夹角θi表示为：
选择夹角θi最接近90°对应的塔板i为第二个测量点；
(2)选取第3个到第q个测量点，其选取方法为：
a、设已经选取了n个测量点，则2≤n＜q，每个对应塔板的灵敏度向量记为其中，l∈[1n]，kl表示已选择作为测量点的塔板编号；
组成的n维向量空间中，任意向量表示为：
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n维向量空间中与该未选择塔板距离最近的向量满足：
si与之间的夹角θi表示为：
选取夹角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个测量点。
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测量点的附加测量点分析模块，当测量点选择数量超过浓度分布参数数量时，通过附加测量点分析模块对超出浓度分布参数数量的附加测量点进行测量；所述附加测量点分析模块选择附加测量点的方法为：
(1)假设已经选取了k,k≥q个测量点，任选k个测量点中的q-1个，则一共有中组合方式，每种组合方式对应的q-1个塔板所对应的灵敏度向量组成一个向量空间；取任意一个未选塔板，记为第v块塔板，对应的灵敏度向量记为sv，从灵敏度矩阵K获得；则每种组合方式所构成的向量空间中都可以找到与sv距离最近的向量计算出sv与之间的夹角，则r种组合方式可以计算出r个夹角，选取其中夹角最小值记为按照公式(11)计算各未选塔板的评价指数，公式(11)的表达式如下：
式中，Ii表示塔板的评价指数，Ei已经通过公式(6)获得；
(2)迭代循环步骤(1)，即可获得后续所需数量的所有测量点位置。
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＞k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全局浓度在线观测器；所述全局浓度在线观测器根据局部w个塔板的温度测量值在线估计所有塔板的物料浓度值，即实现全局塔板物料浓度观测。
优选的，全局浓度在线观测器根据局部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：
式中，m表示当前采样时刻，Pc(m)表示m采样时刻的精馏塔压力，α为相对挥发度，Ti(m)表示m采样时刻第i块塔板的温度测量值，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：
式中，m表示当前采样时刻，w表示测量点的总数，l表示测量点的编号，kl表示测量点对应的塔板编号，表示当前采样时刻测量点所在的塔板物料浓度转换值，表示当前采样时刻测量点所在的塔板物料浓度估计值；
求解公式(13)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S(m)、Xmax(m)、Xmin(m)、k(m)；
根据当前时刻浓度分布参数的值S(m)、Xmax(m)、Xmin(m)、k(m)，通过公式(14)得到没有温度测量点的塔板的物料浓度估计值公式(14)表示为：
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，即实现全局塔板物料浓度观测。
为了达到上述目的，本发明还提供了一种精馏过程全局浓度在线观方法，采用上述基于局部浓度测量的精馏过程全局浓度在线观测器，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全局浓度在线观测器，全局浓度在线观测器根据w个塔板的温度测量值在线估计所有塔板的物料浓度值，即实现全局塔板物料浓度观测。
与现有技术相比，本发明的优点和积极效果在于：本发明对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的全局在线观测，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变化情况。
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、精馏塔，3、局部温度测量点离线选取分析模块，31、浓度分布描述模块，32、浓度/温度转换模块，33、灵敏度矩阵分析模块，34、待选塔板相关性分析模块，35、附加测量点分析模块，4、数据存储装置，5、全局浓度在线观测器，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精馏过程全局浓度在线观测器，包括：
温度测量装置1，与精馏塔2连接，用于测量精馏塔中的塔板温度；
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浓度分布描述模块31、用于将浓度数据转换为温度数据的浓度/温度转换模块32、用于选择第一测量点的灵敏度矩阵分析模块33以及用于选择不超过浓度分布参数数量的测量点的待选塔板相关性分析模块34；
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；
全局浓度在线观测器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浓度进行在线观测。
本发明上述在线观测器，通过局部温度测量点离线选取分析模块对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，然后由全局浓度在线观测器通过局部温度测量信息对全局浓度进行在线观测，从而实现所有塔板物料浓度的全局在线观测。不需要在精馏塔每块塔板上安装温度测量装置即可实现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物料浓度在线观测，在保证全局浓度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精馏塔所有塔板的物料浓度变化情况。
继续参见图1，在上述在线观测器的一优选实施方式中，所述在线观测器还包括上位机监测界面6，与所述全局浓度在线观测器5连接，用于实时显示与监测塔板的物料浓度信息。通过上位机监测界面显示由全局浓度在线观测器观测的所有塔板物料浓度信息并监测塔板的物料浓度信息。
作为上述在线观测器的优选方案，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。
上述在线观测器中，所述浓度分布描述模块31生成分析数据的步骤为：
S311、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：
式中，m表示当前采样时刻，i表示塔板编号，表示m采样时刻第i块塔板的物料浓度预测值，S(m)表示m采样时刻浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Xmax(m)表示m采样时刻浓度分布曲线的最大渐进浓度，Xmin(m)表示m采样时刻浓度分布曲线的最小渐进浓度，k(m)表征了m采样时刻拐点处的斜率大小，e为自然指数；S、Xmax、Xmin、k为浓度分布参数，其初始值表示为S(0)、Xmax(0)、Xmin(0)、k(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：
式中，n表示塔板总数，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该精馏塔的正常工作状态设计数据获得；
S312、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)计算精馏塔各塔板的物料浓度预测值发生的变化。
上述在线观测器中，所述浓度/温度转换模块32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：
式中，a、b、c为安托因常数，Pc为精馏塔内的压力，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(3)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；灵敏度矩阵的元素计算公式如下：
式中，Ti(0)表示第i块塔板的温度初始值，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，p表示浓度分布参数，即p＝[S,Xmax,Xmin,k],j表示参数编号，pj(0)∈{S(0),Xmax(0),Xmin(0),k(0)}，表示浓度分布参数初始值，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。
上述在线观测器中，所述灵敏度矩阵分析模块33选取第一个测量点的步骤为：
S331、计算协方差矩阵，其步骤为：根据公式(4)获得灵敏度矩阵元素，即灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵K，进而根据公式(5)得到协方差矩阵，公式(5)的表达式如下：
X＝KTK (5)
式中，KT表示灵敏度矩阵K的转置，X表示协方差矩阵；
S332、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一个测量点，其步骤为：
根据公式(6)求取各塔板的加权评价系数，公式(6)的表达式如下：
式中，λj为协方差矩阵X的第j个特征值，Cij表示λj对应的单位特征向量的第i个元素，q表示浓度分布参数的数量，Ei表示第i块塔板的加权评价系数，表征了第i块塔板的温度对于浓度分布参数的总体影响；
选择最大的Ei对应的第i块塔板作为第一个测量点。
上述在线观测器中，所述待选塔板相关性分析模块34选取第2个到第q个测量点的步骤为：
S341、选取第2个测量点，其选取方法为：
设选取的第一块塔板编号为k1，其对应的灵敏度向量可记为其中元素从灵敏度矩阵K获得；
对于任意一个未选择的塔板i，对应的灵敏度向量记为si,则与si之间的夹角θi表示为：
选择夹角θi最接近90°对应的塔板i为第二个测量点；
S342、选取第3个到第q个测量点，其选取方法为：
a、设已经选取了n个测量点，则2≤n＜q，每个对应塔板的灵敏度向量记为其中，l∈[1n]，kl表示已选择作为测量点的塔板编号；
组成的n维向量空间中，任意向量表示为：
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n维向量空间中与该未选择塔板距离最近的向量满足：
si与之间的夹角θi表示为：
选取夹角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个测量点。
继续参见图2，在上述在线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测量点的附加测量点分析模块35，当测量点选择数量超过浓度分布参数数量时，通过附加测量点分析模块35对超出浓度分布参数数量的附加测量点进行测量；所述附加测量点分析模块35选择附加测量点的方法为：
S351、假设已经选取了k,k≥q个测量点，任选k个测量点中的q-1个，则一共有中组合方式，每种组合方式对应的q-1个塔板所对应的灵敏度向量组成一个向量空间；取任意一个未选塔板，记为第v块塔板，对应的灵敏度向量记为sv，从灵敏度矩阵K获得；则每种组合方式所构成的向量空间中都可以找到与sv距离最近的向量计算出sv与之间的夹角，则r种组合方式可以计算出r个夹角，选取其中夹角最小值记为按照公式(11)计算各未选塔板的评价指数，公式(11)的表达式如下：
式中，Ii表示塔板的评价指数，Ei已经通过公式(6)获得；
选取具有最大评价指数的塔板作为下一个测量点位置；
S352、迭代循环步骤S351，即可获得后续所需数量的所有测量点位置。
在上述在线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选取的w,w＞k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全局浓度在线观测器；所述全局浓度在线观测器根据局部w个塔板的温度测量值在线估计所有塔板的物料浓度值，即实现全局塔板物料浓度观测。
上述在线观测器中，全局浓度在线观测器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：
式中，m表示当前采样时刻，Pc(m)表示m采样时刻的精馏塔压力，α为相对挥发度，Ti(m)表示m采样时刻第i块塔板的温度测量值，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：
式中，m表示当前采样时刻，w表示测量点的总数，l表示测量点的编号，kl表示测量点对应的塔板编号，表示当前采样时刻测量点所在的塔板物料浓度转换值，表示当前采样时刻测量点所在的塔板物料浓度估计值；
求解公式(13)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S(m)、Xmax(m)、Xmin(m)、k(m)；
S52、根据当前时刻浓度分布参数的值S(m)、Xmax(m)、Xmin(m)、k(m)，通过公式(14)得到没有温度测量点的塔板的物料浓度估计值公式(14)表示为：
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，即实现全局塔板物料浓度观测。
本发明还揭示了一种精馏过程全局浓度在线观测方法，采用上述在线观测器，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q个温度测量点的具体步骤为：
S11、浓度分布描述模块生成分析数据。
S111、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：
式中，m表示当前采样时刻，i表示塔板编号，表示m采样时刻第i块塔板的物料浓度预测值，S(m)表示m采样时刻浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Xmax(m)表示m采样时刻浓度分布曲线的最大渐进浓度，Xmin(m)表示m采样时刻浓度分布曲线的最小渐进浓度，k(m)表征了m采样时刻拐点处的斜率大小，e为自然指数；S、Xmax、Xmin、k为浓度分布参数，其初始值表示为S(0)、Xmax(0)、Xmin(0)、k(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：
式中，n表示塔板总数，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该精馏塔的正常工作状态设计数据获得；
S112、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)计算精馏塔各塔板的物料浓度预测值发生的变化。
S12、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：
式中，a、b、c为安托因常数，Pc为精馏塔内的压力，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(3)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；灵敏度矩阵的元素计算公式如下：
式中，Ti(0)表示第i块塔板的温度初始值，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，p表示浓度分布参数，即p＝[S,Xmax,Xmin,k],j表示参数编号，pj(0)∈{S(0),Xmax(0),Xmin(0),k(0)}，表示浓度分布参数初始值，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。
S13、灵敏度矩阵分析模块选取第一个测量点。
S131、计算协方差矩阵。
根据公式(4)获得灵敏度矩阵元素，即灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵K，进而根据公式(5)得到协方差矩阵，公式(5)的表达式如下：
X＝KTK (5)
式中，KT表示灵敏度矩阵K的转置，X表示协方差矩阵；
S132、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一个测量点，其步骤为：
根据公式(6)求取各塔板的加权评价系数，公式(6)的表达式如下：
式中，λj为协方差矩阵X的第j个特征值，Cij表示λj对应的单位特征向量的第i个元素，q表示浓度分布参数的数量，Ei表示第i块塔板的加权评价系数，表征了第i块塔板的温度对于浓度分布参数的总体影响；
选择最大的Ei对应的第i块塔板作为第一个测量点。
S14、待选塔板相关性分析模块选取第2个到第q个测量点。
S141、选取第2个测量点，其选取方法为：
设选取的第一块塔板编号为k1，其对应的灵敏度向量可记为其中元素从灵敏度矩阵K获得；
对于任意一个未选择的塔板i，对应的灵敏度向量记为si,则与si之间的夹角θi表示为：
选择夹角θi最接近90°对应的塔板i为第二个测量点；
S142、选取第3个到第q个测量点，其选取方法为：
a、设已经选取了n个测量点，则2≤n＜q，每个对应塔板的灵敏度向量记为其中，l∈[1n]，kl表示已选择作为测量点的塔板编号；
组成的n维向量空间中，任意向量表示为：
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n维向量空间中与该未选择塔板距离最近的向量满足：
si与之间的夹角θi表示为：
选取夹角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个测量点。
S15、附加测量点分析模块选择w-q个附加测量点。
S151、假设已经选取了k,q≤k＜w个测量点，任选k个测量点中的q-1个，则一共有中组合方式，每种组合方式对应的q-1个塔板所对应的灵敏度向量组成一个向量空间；取任意一个未选塔板，记为第v块塔板，对应的灵敏度向量记为sv，从灵敏度矩阵K获得；则每种组合方式所构成的向量空间中都可以找到与sv距离最近的向量计算出sv与之间的夹角，则r种组合方式可以计算出r个夹角，选取其中夹角最小值记为按照公式(11)计算各未选塔板的评价指数，公式(11)的表达式如下：
式中，Ii表示塔板的评价指数，Ei已经通过公式(6)获得；
选取具有最大评价指数的塔板作为下一个测量点位置；
S152、迭代循环步骤S151，即可获得后续所需数量的所有测量点位置，即w-q个附加测量点的位置。
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全局浓度在线观测器，全局浓度在线观测器根据w个塔板的温度测量值在线估计所有塔板的物料浓度值，即实现全局塔板物料浓度观测。
在上述在线观测方法的一优选方式中，在步骤S3之后，全局浓度在线观测器观测的各塔板物料浓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的全局在线观测，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物料浓度在线观测，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。
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精馏过程全局浓度在线观测器，其特征在于，包括：
温度测量装置，与精馏塔连接，用于测量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、用于选择第一测量点的灵敏度矩阵分析模块以及用于选择不超过浓度分布参数数量的测量点的待选塔板相关性分析模块；
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；
全局浓度在线观测器，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浓度进行在线观测。
2.如权利要求1所述的基于塔板温度的精馏过程全局浓度在线观测器，其特征在于，还包括上位机监测界面，与所述全局浓度在线观测器连接，用于实时显示与监测塔板的物料浓度信息。
3.如权利要求1或2所述的基于塔板温度的精馏过程全局浓度在线观测器，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：
式中，m表示当前采样时刻，i表示塔板编号，表示m采样时刻第i块塔板的物料浓度预测值，S(m)表示m采样时刻浓度分布曲线的拐点位置，即曲线斜率绝对值最大的点，Xmax(m)表示m采样时刻浓度分布曲线的最大渐进浓度，Xmin(m)表示m采样时刻浓度分布曲线的最小渐进浓度，k(m)表征了m采样时刻拐点处的斜率大小，e为自然指数；S、Xmax、Xmin、k为浓度分布参数，其初始值表示为S(0)、Xmax(0)、Xmin(0)、k(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：
式中，n表示塔板总数，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该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)计算精馏塔各塔板的物料浓度预测值发生的变化。
4.如权利要求3所述的基于塔板温度的精馏过程全局浓度在线观测器，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：
式中，a、b、c为安托因常数，Pc为精馏塔内的压力，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(3)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；灵敏度矩阵的元素计算公式如下：
式中，Ti(0)表示第i块塔板的温度初始值，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，p表示浓度分布参数，即p＝[S,Xmax,Xmin,k],j表示参数编号，pj(0)∈{S(0),Xmax(0),Xmin(0),k(0)}，表示浓度分布参数初始值，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。
5.如权利要求4所述的基于塔板温度的精馏过程全局浓度在线观测器，其特征在于，所述灵敏度矩阵分析模块选取第一个测量点的步骤为：
计算协方差矩阵，其步骤为：根据公式(4)获得灵敏度矩阵元素，即灵敏度Kij，所有灵敏度矩阵元素构成灵敏度矩阵K，进而根据公式(5)得到协方差矩阵，公式(5)的表达式如下：
X＝KTK (5)
式中，KT表示灵敏度矩阵K的转置，X表示协方差矩阵；
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一个测量点，其步骤为：
根据公式(6)求取各塔板的加权评价系数，公式(6)的表达式如下：
式中，λj为协方差矩阵X的第j个特征值，Cij表示λj对应的单位特征向量的第i个元素，q表示浓度分布参数的数量，Ei表示第i块塔板的加权评价系数，表征了第i块塔板的温度对于浓度分布参数的总体影响；
选择最大的Ei对应的第i块塔板作为第一个测量点。
6.如权利要求5所述的基于塔板温度的精馏过程全局浓度在线观测器，其特征在于，所述待选塔板相关性分析模块选取第2个到第q个测量点的步骤为：
(1)选取第2个测量点，其选取方法为：
设选取的第一块塔板编号为k1，其对应的灵敏度向量可记为其中元素从灵敏度矩阵K获得；
对于任意一个未选择的塔板i，对应的灵敏度向量记为si,则与si之间的夹角θi表示为：
选择夹角θi最接近90°对应的塔板i为第二个测量点；
(2)选取第3个到第q个测量点，其选取方法为：
a、设已经选取了n个测量点，则2≤n＜q，每个对应塔板的灵敏度向量记为其中，l∈[1n]，kl表示已选择作为测量点的塔板编号；
组成的n维向量空间中，任意向量表示为：
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n维向量空间中与该未选择塔板距离最近的向量满足：
si与之间的夹角θi表示为：
选取夹角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个测量点。
7.如权利要求6所述的基于塔板温度的精馏过程全局浓度在线观测器，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测量点的附加测量点分析模块，当测量点选择数量超过浓度分布参数数量时，通过附加测量点分析模块对超出浓度分布参数数量的附加测量点进行测量；所述附加测量点分析模块选择附加测量点的方法为：
(1)假设已经选取了k,k≥q个测量点，任选k个测量点中的q-1个，则一共有中组合方式，每种组合方式对应的q-1个塔板所对应的灵敏度向量组成一个向量空间；取任意一个未选塔板，记为第v块塔板，对应的灵敏度向量记为sv，从灵敏度矩阵K获得；则每种组合方式所构成的向量空间中都可以找到与sv距离最近的向量计算出sv与之间的夹角，则r种组合方式可以计算出r个夹角，选取其中夹角最小值记为按照公式(11)计算各未选塔板的评价指数，公式(11)的表达式如下：
式中，Ii表示塔板的评价指数，Ei已经通过公式(6)获得；
选取具有最大评价指数的塔板作为下一个测量点位置；
(2)迭代循环步骤(1)，即可获得后续所需数量的所有测量点位置。
8.如权利要求7所述的基于塔板温度的精馏过程全局浓度在线观测器，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＞k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全局浓度在线观测器；所述全局浓度在线观测器根据局部w个塔板的温度测量值在线估计所有塔板的物料浓度值，即实现全局塔板物料浓度观测。
9.如权利要求8所述的基于塔板温度的精馏过程全局浓度在线观测器，其特征在于，全局浓度在线观测器根据局部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：
式中，m表示当前采样时刻，Pc(m)表示m采样时刻的精馏塔压力，α为相对挥发度，Ti(m)表示m采样时刻第i块塔板的温度测量值，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：
式中，m表示当前采样时刻，w表示测量点的总数，l表示测量点的编号，kl表示测量点对应的塔板编号，表示当前采样时刻测量点所在的塔板物料浓度转换值，表示当前采样时刻测量点所在的塔板物料浓度估计值；求解公式(13)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S(m)、Xmax(m)、Xmin(m)、k(m)；
根据当前时刻浓度分布参数的值S(m)、Xmax(m)、Xmin(m)、k(m)，通过公式(14)得到没有温度测量点的塔板的物料浓度估计值公式(14)表示为：
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，即实现全局塔板物料浓度观测。
10.一种精馏过程全局浓度在线观方法，其特征在于，采用如权利要求8或9任意一项所述在线观测器，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全局浓度在线观测器，全局浓度在线观测器根据w个塔板的温度测量值在线估计所有塔板的物料浓度值，即实现全局塔板物料浓度观测。
CN201910353001.7A 2019-04-29 2019-04-29 基于塔板温度的精馏过程全局浓度在线观测器及方法 Active CN110052051B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910353001.7A CN110052051B (zh) 2019-04-29 2019-04-29 基于塔板温度的精馏过程全局浓度在线观测器及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910353001.7A CN110052051B (zh) 2019-04-29 2019-04-29 基于塔板温度的精馏过程全局浓度在线观测器及方法

Publications (2)

Publication Number Publication Date
CN110052051A true CN110052051A (zh) 2019-07-26
CN110052051B CN110052051B (zh) 2021-03-16

Family

ID=67321383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910353001.7A Active CN110052051B (zh) 2019-04-29 2019-04-29 基于塔板温度的精馏过程全局浓度在线观测器及方法

Country Status (1)

Country Link
CN (1) CN110052051B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5464504A (en) * 1993-12-02 1995-11-07 Phillips Petroleum Company Inferential correction of composition for a distillation analyzer
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
CN104587695A (zh) * 2015-01-13 2015-05-06 中国石油大学(华东) 基于温度波特性的内部热耦合精馏塔控制装置
CN107837552A (zh) * 2016-09-19 2018-03-27 中国石油化工股份有限公司 分壁精馏塔的操作及控制方法
KR20190033549A (ko) * 2016-08-04 2019-03-29 코베스트로 도이칠란트 아게 정류 컬럼 제어 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5464504A (en) * 1993-12-02 1995-11-07 Phillips Petroleum Company Inferential correction of composition for a distillation analyzer
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
CN104587695A (zh) * 2015-01-13 2015-05-06 中国石油大学(华东) 基于温度波特性的内部热耦合精馏塔控制装置
KR20190033549A (ko) * 2016-08-04 2019-03-29 코베스트로 도이칠란트 아게 정류 컬럼 제어 방법
CN107837552A (zh) * 2016-09-19 2018-03-27 中国石油化工股份有限公司 分壁精馏塔的操作及控制方法

Also Published As

Publication number Publication date
CN110052051B (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
Basha et al. Cointegration and Causal relationship between Pharmaceutical sector and Nifty–An empirical Study
Schmidt et al. Intra-and inter-observer reproducibility of global and regional magnetic resonance feature tracking derived strain parameters of the left and right ventricle
Dunia et al. A unified geometric approach to process and sensor fault identification and reconstruction: the unidimensional fault case
CN109242041A (zh) 一种电能表异常数据检测方法、装置、设备及存储介质
KR100867938B1 (ko) 종속변수 유사도와 커널 회귀법을 이용한 발전소 계측기성능감시용 예측방법
CN100485362C (zh) 基于电化学噪声的局部腐蚀分析方法和装置
JP2010256328A (ja) 発電所計測器性能監視予測方法
CN110052050A (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
CN110319808A (zh) 倾角传感器测量大跨度拱桥拱肋变形精度预测及评估方法
Camacho et al. Spanish diffusion indexes
CN109784528A (zh) 基于时间序列和支持向量回归的水质预测方法及装置
CN110838155A (zh) 一种抽油机地面示功图全复现方法及系统
CN109241493A (zh) 基于马尔可夫随机场和em算法的关键性能指标软测量方法
CN112597577B (zh) 桥梁索力高精度动态测量方法、装置和计算机设备
CN106770296B (zh) 一种四球摩擦试验磨斑图像磨痕方向角自动测定方法
CN110245650A (zh) 振动智能检测方法及相关产品
JP2010218187A (ja) 製造条件調整装置
CN109040084A (zh) 一种网络流量异常检测方法、装置、设备及存储介质
CN110052051A (zh) 基于塔板温度的精馏过程全局浓度在线观测器及方法
CN113158558B (zh) 一种高速铁路路基连续压实分析方法、装置及分析仪
CN101650359A (zh) 一种基于知识融合机器学习算法的煤热值软测量方法
CN109966771A (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
CN109816554A (zh) 基于灰色关联度的电网投资预测指标选择方法
Sadeqi et al. Automated operational modal analysis based on long‐term records: A case study of Milad Tower structural health monitoring
Gao et al. Soft sensor modeling based on PCA and LS-SVM for strip thickness in cold steel rolling mills

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