实时优化策略研究综述.pdf

发布时间：2022-05-30 发布人：admin 分类：说明书资料大小：1.71M 资料格式：pdf 举报版权申诉

weixin_38589168-15784121-16359647619710515417.pdf-第1页.png

第1页 / 共9页

weixin_38589168-15784121-16359647619710515417.pdf-第2页.png

第2页 / 共9页

weixin_38589168-15784121-16359647619710515417.pdf-第3页.png

第3页 / 共9页

weixin_38589168-15784121-16359647619710515417.pdf-第4页.png

第4页 / 共9页

weixin_38589168-15784121-16359647619710515417.pdf-第5页.png

第5页 / 共9页

weixin_38589168-15784121-16359647619710515417.pdf-第6页.png

第6页 / 共9页

weixin_38589168-15784121-16359647619710515417.pdf-第7页.png

第7页 / 共9页

weixin_38589168-15784121-16359647619710515417.pdf-第8页.png

第8页 / 共9页

文本预览

第 32 卷第 1 期 2018． 03 沈阳化工大学学报 JOURNAL OF SHENYANG UNIVERSITY OF CHEMICAL TECHNOLOGY Vol． 32 No． 1 Mar． 2018 文章编号: 2095 － 2198( 2018) 01 － 0001 － 08 化工过程实时优化策略研究综述袁德成1，2 ，潘多涛1，2 ，曾静1，2 ( 1. 辽宁省化工控制技术重点实验室，辽宁沈阳 110142; 2. 沈阳化工大学信息工程学院，辽宁沈阳 110142) 摘要: 综述化工过程实时优化方法的研究现状和发展动态，内容包括工业自动化系统的一般结构、实时优化基本原理、实时优化的设计方法及需解决的一些问题等．实时优化功能介于工厂自动化系统的计划 / 调度与基础控制功能中间，扮演实现预期经济目标的角色，即在满足安全、质量、环保和设备约束的条件下，降低消耗或提高利润．实时优化是把实际测量信息反馈到基于模型的最优规划问题中，借助串联结构，实现包括多个相关基础反馈回路在内的最优反馈控制功能．将测量信息用于提高模型准确度、修正最优规划问题、直接构造控制输入等，不断发展形成了实时优化的不同设计方法．算法的收敛性、在线性能评估、集成化应用支撑技术开发等代表了实时优化发展的方向．关键词: 实时优化; 在线优化; 模型适应; 非线性规划 doi: 10． 3969 / j． issn． 2095 － 2198． 2018． 01． 001 中图分类号: TP273 文献标识码: A 现代化学工业过程自动化系统的主要任务包括建模、控制、优化和监视等．其中，控制任务力发电［5］、电网能源管理［6］等新领域也显示出应用潜力． RTO 持续获得重视的原因在于这样是调整关键的工艺变量维持其设定值不变或跟的技术能带来可观的经济收益，尤其对大规模企踪其变化; 优化任务则是追求局部或全局工艺在严格约束条件内实现经济收益类指标的最佳．同时配置控制和优化任务的架构有非线性模型预测控制［1］、经济性模型预测控制等模式［2］，但这样的安排在建模、计算和性能监视等方面所需开业，即使在产量上 1 % 的改善也可能在年收益上获益巨大［7］． RTO 的设计目标是在满足安全、质量、环保和设备约束的条件下，降低消耗或提高利润，在当今市场竞争激烈的条件下，这样的应用技术正是众多投资者关注的重点．销大．更实用的方法是把控制和优化任务分层处本文从工业自动化系统的一般结构、RTO 置，即由位于上层的实时优化功能( real-time op- 基本原理、模型更新机制、系统构造等方面，综述 timization，缩写为 RTO) 依据某类性能指标和约 RTO 的各种设计方法及优缺点，最后将需要解束条件，通过求解最优规划给出关键工艺变量的决的一些问题和结论进行说明．设定值，再由位于下层的控制( 回路) 功能实现在扰动或不确定性环境中跟踪这些设定值的最优轨迹．这样的配置在目前工业应用广泛的 DCS 系统上也相对容易实现． RTO 在流程工业包括炼油、化工、食品、生物、造纸、矿冶等领域的应用一直受到重视［3］，近年来在楼宇节能［4］、高空风收稿日期: 2017 － 12 － 08 基金项目: 国家自然科学基金项目( 61503257) 1 工业自动化系统的架构设计一个复杂技术系统的结构设计至关重要．工业自动化系统的结构设计除考虑自身的硬软件体系设计之外，被控过程的工艺和装备配置、控制系统组成、工艺与控制并行交互设计等都是成作者简介: 袁德成( 1960 － ) ，男，内蒙古阿拉善人，教授，博士，主要从事化工过程建模、控制与优化的研究．

2 沈阳化工大学学报 2018 年功实现预期目标必须统筹考虑的重要事项，已经引起相关领域学者的研究兴趣［8 － 9］．基础控制层的基本任务是选择被控变量、操作变量和确定它集成了来自工艺装置的生产实时数据和供应链管理的数据，某一层的操作则是利用从下一层获取的信息和接受上一层的指令，通过某种优化策们之间如何配对，有系统的经验法则可遵循．当略计算给出下一层的设定值，即基于串级-反馈上层实施 RTO 功能时，两层的设计需要统筹考控制的思想．目前支撑分层型过程自动化系统架虑，最终决策也并不唯一．在 RTO 系统中包含的构功能实现的有效方法是基于稳态模型的手段，约束条件区分为等式约束和不等式约束两类，优但如果各功能层所依赖的模型不一致，就有可能化操作是在安全、质量和产量要求( 硬性) 确保无法实现既定目标．这也是有关实时优化技术中实现后再追求的设计目标，因此，首先是从操作被研究者关注最多的问题．变量集合中选择出一些控制变量确保满足等式约束条件，其次是用剩余的操作变量实现 RTO．不等式约束的处理相对复杂，主要是因为在最优操作点上可能出现等式约束和不等式约束两种情形，分别被称为活动型 ( active ) 和消极型 ( inactive) ［10］．如果活动型约束在整个控制进程中与工艺条件和扰动无关，则可以把它等同为前述的等式约束，用于控制硬性指标; 若活动型约束集合在控制进程中有变化，则需要变更控制结构，即一些回路伺服跟踪，一些回路持续调节，从图 1 分层型过程自动化系统原有的控制结构快速过渡到新的最优操作．在自动化系统结构设计时，充分考虑约束条件的影响并加以有效利用，能得到事半功倍的效果．在设 Fig. 1 Hierarchical plant automation systems 2 RTO 基本原理计阶段如何从约束条件集合中检出活动型约束， RTO 问题的原型属于基于模型设计优化控在控制进程中如何在线监视约束集合活动性的制策略，其基本组成如图 2 所示． RTO 与一般最变迁等问题，都是值得深入研究的课题．分层型过程自动化系统架构，其一般组成如图 1 所示［11］，其中实时优化位于基础控制层和计划调度层之间，协调计划调度任务和生产装置的操作．位于最上层的计划功能，生成经济预报和生产目标，而调度功能则决定如何执行所选择的计划，这层功能实现的关键是确定可行解域; 位于最下层的基础控制层则利用各类闭环控制算法，例如 PID、MPC 等，实现安全、产量和质量等基本生产目标，这些控制回路的设定点一般是具体的工艺参数，如温度、压力、流量、液位和物质组分等，与一个企业追求的经济指标之间并没有直接显性的关系．实时优化层任务的重点在于考虑装置运行的经济效益，即控制目标可能是能耗最小或收益最大，而要实现这样一个要求往往需要基础层若干个控制回路协同动作．时间尺度从上层的周或天到底层的秒或毫秒级不等，空间尺度可能跨越单个装置、全流程甚至更广，信息优规划问题的不同之处在于优化算法中在线融合现场测量信号，包括性能指标及约束条件计算，即用实际测量改善不确定性影响．图 2 RTO 系统的基本功能块组成 Fig. 2 Basic function blocks of a RTO system

3 ( 1) 目标函数 min u Φp( u) = ( u，yp( u) ) 约束条件 G p，i( u) = gi( u，yp( u) ) ≤0， i = 1，…，ng 其中下标 p 表示实际的被控对象，决策变量 ( 设定点) u ∈ Rnu，输出变量 yp ∈ Rny，性能指标 Φp: Rnu × Rny→R，输入输出上的约束条件G p: Rnu × Rny→Rng．在实际问题中，过程真实的输入输出映射关系并不能精确得到，往往只有近似模型 ( 2) 可用: y = f( u，θ) ( 3) 其中模型输出 y∈Rny，模型参数 θ∈Rnθ，输入输出映射 f: Rnu × Rnθ →Rny．借助这个模型，可以构造基于模型的优化问题( B) 求取近似解: 目标函数 min u Φ( u，θ) = ( u，f( u，θ) ) ( 4) 约束条件 G i ( u，θ) = gi ( u，f( u，θ) ) ≤0， i = 1，…，ng ( 5) 在上述目标函数和约束条件中，均包含了未知参数 θ，一般假设: 函数  和 f 连续，结构已知且结构不随参数 θ 的估计而变化．对于模型问题 B，最优解存在的一阶必要条 2. 1 RTO 算法中信息预处理 RTO 一般包括模型更新和基于模型的优化两个模块，但原始数据的处理和优化计算结果施加前的深度分析都是 RTO 成功应用必须完成的基础性工作． RTO 是基于系统稳态模型的优化操作［12］，即通过测量数据分析、判断系统到达了稳态才开始启动 RTO．稳态检测一般基于统计过程控制方法，例如用 Shewart 图、Hotelling T2 检验等监视过程变量的波动是否在其控制线内，如果相邻时刻的样品均值在统计上相等，则视为过程处于稳态．在工业应用场合，来自过程的测量数据常受到高频、零均值随机噪音的污染，需要用低通滤波器，例如滑动平均滤波、指数加权滑动平均滤波等方法，降低噪音的影响，为后续模型更新提供高质量的有效数据． RTO 一般优化的是经济指标，往往需要物质成分的测量分析数据，人为操作因素引起的过失误差或某一时刻数据丢失的事件都可能发生，必须通过统计测量调整检出过失误差数据并加以剔除．数据调整则是通过求解二次优化问题，把测量数据调整到满足物质和能量守恒定律( 稳态模型) ［13］．在测量数据验真之后进行的模型更新，即调整稳态模型中某些参数以适应当前采集到的测量数据，原理简单，但具体实现要处理的棘手问题很多，例如: ( 1) 在稳态模型中选择哪些参数进行适应调整; ( 2) 依靠当前的测量数据这些参数是否可以辨识( 激励信号是否充分) ; ( 3) 这些参数的变化对后续进行的经济优化问题影响是否敏感; ( 4) 测量这些参数的传感器位置和精度是否适当等问题．把数据调整和参数估计结合在一起，同时求解也是可行的方案，但伴随的计算病态问题需要在计算进程中加以诊断．如果同一过程积累了多组数据，也可以用于提高参数估计第 1 期袁德成，等: 化工过程实时优化策略研究综述件( NCO) ，也称为 KKT 条件: G i ( u，θ) = gi ( u，f( u，θ) ) ≤0， i = 1，…，ng μi≥0， i = 1，…，ng Φ( u，θ) u ng + ∑ i = 1 μi  G i ( u，θ) u = 0          μi G i ( u，θ) = 0， i = 1，…，n 对于实际问题 A，也可导出形式相似的 KKT 条件［14］．如果进一步假设问题 A 只具有一个全局最优解，一个至关重要的问题是: 通过迭 g ( 6) 的精度．代求解问题 B 得到的最优解，最终能否逼近问一旦得到更新后的模型参数，则可以通过求题 A 的最优解．对于所有基于模型的控制和优解非线性规划问题，计算出控制器的最优设化问题，这是其解决方案必须回答的共性问题．定值． 2. 2 RTO 基本问题描述要匹配 KKT 条件，除约束条件外，还涉及到目标函数梯度和约束条件梯度的匹配问题．通过输出变量的测量值准确估计函数梯度值是近几年研针对一个实际控制对象，实施的优化问题究的一个热点． ( A) 表述如下:

4 沈阳化工大学学报 2018 年 2. 3 RTO 适用条件与限制解可能不可行．而且，哪些模型参数能用参数估计的方法不断适应，哪些模型参数要保持常数等 RTO 适用的场合包括: ( 1) 除了优先保证问题，并没有明确直接的确定方法．关键的模型工艺安全、产率和质量指标实现的控制变量之参数应该能从可用的测量数据加以辨识，但非线外，还存在许多工艺变量可用于优化操作，即可性模型形式、数据质量不佳、参数搜索边界过大操控的变量个数要远大于需要控制的目标个数; 等因素将导致参数估计复杂化．因此，在设计和 ( 2) 用于优化操作的变量对利润的影响要显著，研究 RTO 方法时一个感兴趣的问题是在增强可如果找不到这样的变量，则实时优化无从做起; ( 3) 扰动出现的间隔与进行 RTO 决策需要的时行性和最优性时减轻对模型精度以及模型更新的需求［15］．间开销应该在同一时间尺度上; ( 4) 确定最优操二是模型更新与优化的相互作用问题．如果作点的程序不能太复杂．模型和实际对象在结构上完全一致，仅在参数上使用 RTO 的限制包括: ( 1) 批过程没有运存在失配但可辨识，则经过模型更新和优化可以行稳态，用于连续操作的 RTO 方法不适合这样收敛到实际对象的最优点．如果在结构上存在失一大类问题; ( 2) 在 RTO 方法实施中需要过程配，即使两步法计算最终收敛，但是不是达到了处于稳态操作，可能需要花费足够长的时间等待实际对象的最优点无法保证．注意在问题 B 中，下一个稳态的到来; ( 3) RTO 方法优化的是稳未知参数 θ 同时出现在目标函数和约束条件，故态经济指标，在过程操作变迁中的损失或利益则通过更新模型一般无法同时影响目标函数和约没有考虑．有扰动才需要在线的优化操作，扰动束条件．因此，对于规划问题 B，重新定义模型准出现则使得稳态模型与真实过程特性之间必然失配，RTO 方法的复杂性和工业应用的限定条确度是必要的．除模型和对象匹配外，优化问题中相关函数的一阶、二阶导数也需要匹配［16］．件基本源于此． 3 基于过程模型适应的 RTO 设计在 2. 2 节中论述的 RTO 经典两步递推设计法中，更新模型需要进行参数估计，有了模型之后再进行优化计算得到新的操作点，即 RTO 依赖过程模型完成最优操作条件的计算．在第 k 次递推时，通过实际输出测量值 yp 进行参数估计: θk = arg min θ yp( uk) － f( uk，θ) ( 7) 一旦得到参数 θk，则可求解最优问题 B 获得当前的最优操作指令．原理简明，但要成功实施除数据验真和最优指令等模块需要仔细设计外，以下问题也必须考虑: 一是来自真实过程的简化模型表示以及不确定性．用工厂操作数据更新过程模型，对过程输出预报会更加准确． RTO 系统性能取决于模型表达过程行为的准确程度．问题是开发精确模型往往很困难．在有模型失配和不可测扰动时， RTO 提供的最优解可能是实际过程的次优解．更糟糕的是当约束不能被模型准确预报时，最优三是由模型 / 对象对应的 KKT 条件匹配问题而引出的模型结构设计问题．如果参数更新能导致模型 / 对象对应的 KKT 条件完全匹配，则 RTO 系统能保证收敛到实际问题的最优点，即在参数更新时也要考虑如何能比较出两组 KKT 条件是否匹配的问题．待估计参数的个数、函数梯度估计、模型结构形式选择等问题，都需要在模型更新时加以考虑，以留下足够的柔性方便后续 KKT 条件是否匹配的判定［17］． 4 基于优化模型适应的 RTO 设计 4. 1 集成系统优化与参数估计( ISOPE) 方法先考虑仅在控制输入上有上下限约束的情况: uL ≤u≤uU ．在第 k 次 RTO 递推时，用已知的控制输入 uk 和对象输出 yp ( uk ) ，在模型匹配条件 y( uk，θk) = yp ( uk ) 下，求解参数估计问题，得到更新后的参数 θk．进一步假设对象输出梯度 yp( uk) 存在，在目标函数梯度计算中引入 u ISOPE 修正子 λk∈Rnu:

第 1 期袁德成，等: 化工过程实时优化策略研究综述 5 ( λk) T =  y ( uk，y( uk，θk) ) [ yp( uk) u － ] y( uk，θk)  u ( 8) i = 1，…，ng．这些修正项采用了测量值和预测值之差的形式，文献［14］证明了在一定条件下如果问题 E 的解收敛，则其解也是实际问题 A 的基于参数 θk 和修正子 λk，可以构造修正的一个 KKT 点．在实际对象 / 模型失配的环境中，修正项适应的方法与 3 节的模型适应方法相比具有显著的优点，不需要直接更新模型，付出的代价是需要估计目标函数和约束条件的梯度．梯度估计的方法目前主要有稳态摄动法和动态摄动法两类［19］，稳态摄动法至少需要( nu + 1) 稳态操作点才能估计出有关梯度，而动态摄动法则是利用相邻稳态过渡期间的变化信息估计梯度．如果两个 RTO 递推的等待时间较长，用动态摄动法估计梯度比较合适，但缺点是要求稳态过渡期间的数据包含足够的信息量．近几年关于修正子适应方法的研究比较活跃，在优化问题( E) 基础上提出了输出变量修正子适应方法［20］、方向导数修正子适应方法［21］、二阶修正子适应方法［22］，以及应用于批过程的动态实时优化策略等［23］． 5 基于控制适应的 RTO 设计前述的模型适应方法着眼点放在参数精确估计方面，而修正项适应方法则把模型失配问题统筹放在规划问题架构下求解．不论采用何种方法，目的都是要计算出决策变量轨迹，而本节论述的控制适应方法正是直接针对决策变量设计以实现 RTO 目标的策略［14］． 5. 1 自寻优控制［24］如果在有扰动时不改变受控变量的设定值，仍然能实现最优性能的损失在可接受的范围内，则这样的控制结构被称为自寻优控制( self-opti- 最优问题( C) : u* k + 1 = arg min u ( u，y( u，θk) ) + λT k u ( 9) 约束条件: uL ≤u≤uU 在具体实施中，为防止控制的过激作用，常用一阶指数滤波器: uk + 1 = uk + K( u* 如果存在过程约束 gi ( u，y( u，θk ) ) ≤0，i = k + 1 － uk) ( 10) 1，…，ng，同样可构造修正子: ( λk) T = (  y ( uk，y( uk，θk) ) + g y μT k [ ( uk，y( uk，θk) ) ) · yp( uk) u － y( uk，θk)  u ] 类似的可以构造最优问题( D) : u* k + 1 = arg min ( u，y( u，θk) ) + λT k u u ( 11) ( 12) 约束条件: gi ( u，y( u，θk) ) ≤0，i = 1，…，ng 4. 2 修正子适应方法在不确定性和扰动存在的情况下，如何使静态模型更准确一直是 RTO 应用的主攻方向．正如 3 节所述，参数的准确估计受到诸多因素限制，近年来出现了新的研究思路，即在最优问题 B 的目标函数和约束条件中，分别加上适当的线性修正项，重构优化问题，不再进行直接的模型更新计算［18］．加上修正项后的优化问题( E) 定义为: u* k + 1 = arg min u Φm，k( u) = Φ( u) + ( λΦ) T ( u － uk) 约束条件: G m，i，k( u) = G i ( u) + εG i ( λG i k + k ) T ( u － uk) ≤0， i = 1，…，ng 其中，在目标函数中引入梯度修正项 ( λΦ [ Φp( uk) u － Φ( uk)  u ] 束修正项 εG i k = G p，i ( uk) － G i ( uk) ，i = 1，…，ng 和约束梯度修正项( λG i k ) T = G p，i ( uk) u － G ( uk) u ， ( 13) mization control) ．在分层控制结构中，这样的控制结构设计非常有意义，因为在基础控制层有众多的基本控制回路，其设定值一般可以作为上一层的自由度，即优化层的控制变量．从经济角度看这些回路的设定值需要给出最佳设定，但问题是: 全部的设定值都用于优化操作，还是只选择 ( 14) k ) T = ，而在约束条件中引入约其中一部分; 选择应遵守什么样的原则等并不明晰．在基础控制层，按照分散化控制架构，许多学者给出了控制结构设计的程序: ( 1) 选择受控变量; ( 2) 选择控制变量; ( 3) 选择测量变量; ( 4)

6 沈阳化工大学学报 2018 年设计控制配置，即受控变量和控制变量的配对; 的效益大． ( 5) 控制算法或规律( 例如 PID、LQG 等) ．这样和其他的全流程控制结构设计方法一样，自的设计准则也可以用于由优化层和基础控制层寻优控制设计给出的是设计方法，针对具体案组成的串级型控制系统，但问题要复杂得多．对例，需要针对所有可能的扰动，评价不同控制配于控制或调节而言，要实现的目标是某个具体的置对性能指标损失的影响，显然要面对的优化问物理量，容易确定; 对于优化而言，要实现的目标题规模很大．结合具体过程控制的机理和操作特则需要以目标函数的形式给出．在控制中，受控征，控制配对有一些经验规则可以遵循，面向单变量与其设定值之间的增益一般不能改变符号，元操作的大型仿真工具 Aspen 也提供了相关支而在优化中则与具体的场景有关，不一定要求增撑平台．另外，应用自寻优控制的一个公开问题益符号不变．是如何找到一组输出变量或其组合，以组成反馈优化问题( F) 表述如下: 目标函数 min u Φ( u，d) ( 15) 约束条件 g( u，d) ≤0 其中 u 是 nu 维控制向量，需要决策，d 是扰动．在稳态情况下，决策变量是扰动的函数，目标 ( 16) 函数可以进一步表达为: min u Φ( u，d) = Φ( uopt ( d) ，d) = Φopt ( d) ( 17) 对于假设已知的扰动d0 ，则可以应用各种非线性优化算法求解，得到最优设定值: c s = uopt ( d0 ) 实际操作变量 u 和最优操作变量 uopt ( d) 作用到受控对象上时，产生的性能指标一般不同， ( 18) 用性能指标差或损失更能比较两种策略产生的控制系统． 5. 2 极值搜索控制［25 － 26］极值搜索控制 ( extremum-seeking control， ESC) 是非线性自适应控制和优化算法的融合，以简单的结构把先进控制技术和 RTO 技术合并为单一技术，在驱动过程朝着估计利润最大化方向发展的同时，也实现了参数的连续估计．从外部施加的正弦信号，持续激励 ESC 系统往极值点移动，而高通滤波器又抑制了低频信号在回路中传播，对最终收敛到最优点起到了保证作用． ESC 已在小规模系统仿真中显示出非常好的性能，需要做的工作是在工业现场加以应用和检验．效果: 5. 3 最优必要条件( NCO) 跟踪控制［27 － 29］ L( u，d) = Φ( u，d) － Φ( uopt ( d) ，d) 反馈控制对性能指标 Φ 的影响可以进一步 ( 19) 表达为: ΔΦ =［Φ( unom ，d = 0) － Φ( unom ，di) ］+ ［Φ( unom ，di ) － Φ( uopt，di) ］+ ［Φ( uopt，di ) － Φ( ucon，di ) ］其中第一项表示出现扰动时操作变量不变 ( 20) 产生的性能指标损失; 第二项表示用最优操作策略主动适应扰动时产生的性能指标差; 第三项表示用最优操作和反馈控制补偿扰动时产生的性能指标差．如果上式中第一项比后两项之和还要大得多，则表明实施 RTO 几乎没有经济收益; 如果这三项均很小，则表明实施最优操作和反馈控制对于抑制扰动、保持性能指标满意的作用不明显; 如果第三项比较显著，这是应用 RTO 最好的情形，即自适应调整设定值比固定设定值能获取自寻优控制把优化问题转换为反馈控制系统问题，即在有扰动进入或模型失配时不是变更设定值，而是让反馈回路发挥作用．对于许多非线性过程，挑选某些输出变量或其线性组合以实现自寻优控制往往会遇到困难．最优必要条件跟踪控制是选择活性约束函数以及其梯度函数的重构为自寻优控制的输出变量，令其设定值为零，通过反馈控制的方式直接强迫一阶最优必要条件实现．这类控制方法需要确定活动性约束集合、对活动性约束进行跟踪以及推动梯度函数趋向零等步骤．基于控制适应的 RTO 实现方法避免了在线求解优化数值解的时间开销，但这类方法需要活动性约束集合在优化进程中保持不变．如果活动性约束集合是变化的，则监督和调整将使基于控制适应的方法变得更加复杂．

第 1 期袁德成，等: 化工过程实时优化策略研究综述 7 6 发展方向 ( 1) RTO 系统的收敛性分析．迄今为止，关于 RTO 系统收敛性的研究进展缓慢．由于 RTO 系统是通过不断递推逼近最优点，在有外部扰动进入或实际对象 / 模型存在失配的环境中，逼近最优点的进程可能受到干扰，最终能否到达实际优化问题的最优点目前还缺乏一般结论，而这又是 RTO 实现在线闭环的关键．另外，在最优性质方面也有许多问题需要探索，例如在模型适应两步法中，是通过提高模型精度逐步逼近实际问题的最优点，但目前关于模型精度和收敛到全局最优点之间的关系还没有建立．在几乎所有 RTO 系统的实现方法中，当实际对象 / 模型存在失配时，匹配实际对象 / 模型的 KKT 条件是非常复杂的，而要判断 RTO 系统是否能达到全局最优，这又是必须完成的工作． ( 2) RTO 系统的性能评估技术．在 RTO 系统实施进程中，当过程内部特性变迁或有外部扰动进入时，RTO 系统的性能可能变坏，此时需要重新设计．像普通控制器性能评估技术［30］一样， RTO 系统也需要性能评估技术，这是保证 RTO 长期运行的关键技术，否则在投运初期，RTO 系统可能运行良好，一旦维护不到位，不但品质下降，也将影响工业界认可 RTO 技术的程度．这方面相关研究文献较少［31］，有值得探索的空间． ( 3) RTO 设计、运行维护的可视化平台支撑技术．实践已表明: 只有工业实际应用有迫切需求且能被现场工程师理解掌握的先进控制技临前所未有的机遇和挑战．过程强化技术正在变革传统工艺路径和装备结构的设计理论和方法，过程控制应用建模、仿真、控制和优化技术既保证了工艺与装备设计基本目标的实现，也为提升物质和能源效率发挥了越来越重要的作用．虽然 RTO 提出至今已近 40 年，可从研发、设计、实施到维护，均需要专业人员才能完成，要设计出像 PID 控制那样工程师皆会用的“傻瓜型”RTO 控制器，还需付出更多努力．可以预期，市场的巨大需求、相关学科的持续发展，都会促使 RTO 理论、方法和技术不断完善，与 PID 和 M PC 一起成为工业自动化的主流技术．参考文献: ［1］ COPP D A，HESPANHA J P． Simultaneous Nonlin- ear M odel Predictive Control and State Estimation ［J］． Automation，2017，77( 3) : 143 － 154．［2］ ELLIS M ，DURAND H，CHRISTOFIDES P D． A Tutorial Review of Economic M odel Predictive Con- trol M ethods［J］． Journal of Process Control，2014， 24( 8) : 1156 － 1178．［3］ M ARCHETTI A G，FRANCOIS G，FAULWASSER T，et al． M odifier Adaptation for Real-Optimiza- tion—M ethods and Applications ［J］． Processes， 2016，4( 55) : 1 － 35．［4］ ZAVALA V M ． Real-Time Optimization Strategies for Building Systems［J］． Ind Eng Chem Res，2013， 52( 9) : 3137 － 3150．［5］ COSTELLO S，FRANCOIS G，BONVIN D． Real- Time Optimization for Kites［J］． IFAC Proceedings Volumes，2013，46( 12) : 64 － 69．术，才能在工业生产过程中得到长期稳定的使［6］ ELSIED M ，OUKAOUR A，YOUSSEF T，et al． An 用．目前 RTO 技术主要还是掌握在学术界手中， Advanced Real Time Energy M anagement System 不论是定制化设计，还是接受更多工业实践的检 for M icrogrids［J］． Energy，2016，114: 742 － 752．验和评价，都需要集成参数估计、信息处理、非线性规划、仿真、性能评价、非线性代数方程连续性分析等功能于一体的可视化平台，有效支撑 RTO 系统的研发和应用． 7 结论［7］ YOUNG R E． Petroleum Refining Process Control and Real-Time Optimization ［J］． IEEE Control Syst． M ag．，2006，26( 6) : 73 － 83．［8］ MARLIN T E，HRYMAK A N． Real-Time Operations Optimization of Continuous Processes［J］． In AIChE Symposium Series-CPC-V，1997，93: 156 － 164．［9］ BRDYS M A，TATJEWSKI P． Iterative Algorithms 综述了 RTO 系统的构造原理、研究现状以 for M ultilayer Optimizing Control［M］． London: Im- 及潜在的发展方向．正在推进的节能降耗、低碳经济、可持续发展等政策导向，使得流程工业面 perial College Press，2005: 37 － 66．［10］ BAZARAA M S，SHERALI H D，SHETTY C M ．

8 沈阳化工大学学报 2018 年 Nonlinear Programming: Theory and Algorithms ［M］． 3 rd ed． New Jersey: John Wiley and Sons， Time Optimization［J］． Journal of Process Control， 2016，39: 64 － 76． 2006: 163 － 193．［22］ FAULWASSER T，BONVIN D． On the Use of Sec- ［11］ FORBES J F，M ARLIN T E，YIP W S． Real-Time ond-Order M odifiers for Real-Time Optimization Optimization: Status， Issues， and Opportunities ［J］． IFAC Proceedings Volumes，2014，47( 3) : 7622 ［C］/ / Sunggyu Lee． Encyclopedia of Chemical Pro- － 7628． cessing，［S． l．］: CRC Press，2005: 2585 － 2598．［23］ COSTELLO S，FRAN C，OIS G，SRINIVASAN B，et ［12］ ENGELL S． Feedback Control for Optimal Process al． M odifier Adaptation for Run-to-Run Optimization Operation［J］． Journal of Process Control，2007，17 of Transient Processes［J］． IFAC Proceedings Vol- ( 3) : 203 － 219． umes，2011，44( 1) : 11471 － 11476．［13］ NARASIM HAN S，JORDACHE C． Data Reconcilia- ［24］ SKOGESTAD S． PLANTWIDE CONTROL: the tion ＆ Gross Error Detection: an Intelligent Use of Search for the Self-Optimizing Control Structure Process Data［M］． Houston: Gulf Publishing Com- ［J］． Journal of Process Control，2000，10( 5) : 487 － pany，2000: 75 － 133． 507．［14］ CHACHUAT B，SRINIVASAN B，BONVIN D． Ad- ［25］ ARIYUR K B，KRSTIC M ． Real-Time Optimization aptation Strategies for Real-time Optimization［J］． by Extremum-Seeking Control［J］． Lecture Notes in Computer ＆ Chemical Engineering，2009，33 ( 10) : Control ＆ Information Sciences，2003，5 ( 2 ) : xii， 1557 － 1567． 236．［15］ FORBES J F，M ARLIN T E． M odel Accuracy for E- ［26］ GUAY M ，ZHANG T． Adaptive Extremum Seeking conomic Optimizing Controllers: the Bias Update Control of Nonlinear Dynamic Systems w ith Para- Case［J］． Ind Eng Chem Res，1994，33( 8) : 1919 － metric Uncertainties［J］． Automatica，2003，39 ( 7) : 1929． 1283 － 1294．［16］ FORBES J F，M ARLIN T E． Design Cost: A Sys- ［27］ FRANCOIS G，SRINIVASAN B，BONVIN D． Use tematic Approach to Technology Selection for M od- el-Based Real-Time Optimization Systems ［J］． Computer and Chemical Engineering，1996，20 ( 6 / 7) : 717 － 734． of M easurements for Enforcing the Necessary Con- ditions of Optimality in the Presence of Constraints and Uncertainty ［J］． Journal of Process Control， 2005，15( 6) : 701 － 712．［17］ FORBES J F，M ARLIN T E，M ACGREGOR J F．［28］ CHACHUAT B，M ARCHETTI A，BONVIN D． M odel Adequacy Requirements for Optimizing Plant Operations［J］． Computers and Chemical Engineer- Process Optimization Via Constraints Adaptation ［J］． Journal of Process Control，2008，18( 3 /4) : 244 ing，1994，18( 6) : 497 － 510．－ 257．［18］ M ARCHETTI A，CHACHUAT B，BONVIN D．［29］ SRINIVASAN B，BIEGLER L T，BONVIN D． M odifier-Adaptation M ethodology for Real-Time Optimization［J］． Ind Eng Chem Res，2009，48 ( 13) : 6022 － 6033．［19］ ZHANG Y，FORBES J F． Performance Analysis of Perturbation-Based M ethods for Real-Time Optimi- zation［J］． The Canadian Journal of Chemical Engi- neering，2006，84: 209 － 218．［20］ GROS S，SRINIVASAN B，BONVIN D． Optimizing Control Based on Output Feedback［J］． Comput． Chem． Eng．，2009，33( 1) : 191 － 198．［21］ COSTELLO S，FRANCOIS G，BONVIN D． A Di- rectional M odifier-Adaptation Algorithm for Real- Tracking the Necessary Conditions of Optimality w ith Changing Set of Active Constraints Using a Barrier-Penalty Function［J］． Computers ＆ Chemical Engineering，2008，32( 3) : 572 － 579．［30］ HUANG B，KADALI R． Dynamic M odeling，Predic- tive Control and Performance M onitoring［M］． Lon- don: Springer，2008: 145 － 175．［31］ DARBY M L，NIKOLAOU M ，JONES J，et al． RTO: An Overview and Assessment of Current Prac- tice［J］． Journal of Process Control，2011，21 ( 6 ) : 874 － 884． ( 下转第 90 页)

分享到：

赞收藏

资料库

实时优化策略研究综述.pdf

相关推荐

开发技术

热门标签

最新资料