石油化工生產過程的先進控制和閉環實時優化的現狀與問題（上）

　　石油化工生產過程的操作控制必須符合石油化工生產過程的特點，主要是：大規模連續生產、多變量關聯、有不少重要變量不可實時測量得到、普遍存在時間滯后、動態特性復雜、難于建立準確的模型、對操作安全和平穩性要求高, 所有變量均需控制在設定的安全范圍之內。
　　在市場競爭越來越激烈和環境要求的不斷提高的情況下，上述特點更為突出。生產裝置的操作控制不僅要在原料，產品產率和質量頻繁變化的條件下使一切變量不超限，保證安全，滿足給定點控制(使重要變量平穩地運行在給定點附近)與區域控制(使反映生產裝置狀態的變量不超限)兩種控制要求，尤其要適應被控變量和操作變量的數量因約束而隨市場和環境發生變化，出現多變量，多目標，滿足約束條件的變結構過程(“胖”“方”“瘦” 三種結構互相轉化)的控制和實時優化問題，如在平穩運行的條件下，隨時使反應深度最優、使分餾塔產品合格又節能降耗。
　　對于重要不可實測變量的在線實時計算是石油化工過程迫切需用解決的問題之一。針對分餾塔產品質量無法實時測量而發展起來的推斷模型和控制(Inferential Control)<12,13>，已有幾十年的歷史，它利用穩態的經驗關系式(代數方程)推算不可測變量，代替時延很大的化驗分析結果，對產品質量進行控制。對化學反應器和其他不可實時測量的工藝變量的在線計算也有了不少進展<14,15>。存在的主要問題是不適應環境和動態變化，不適應原料性質(組成)的變化。九十年代以來, 已出現了基于動態機理模型，應用狀態觀測器理論和其他方法計算不可測變量的實例<16,17>，使在線計算適應動態變化，給出更合理，更準確的結果；石油大學(北京)基于機理動態模型在線計算的汽油干點與柴油90%點，已取代了人工化驗用于生產控制，實現了保證質量，提高收率<18>的效果；并提出了石油化工裝置設計中的一個重要問題：可觀性問題<19>。
　　在現代控制理論的基礎上發展起來的模型預估控制(Model Predictive Control), 從原理上適應了被控過程的動態特性；采用在線反饋校正提高控制的魯棒性，特別對普遍存在時間滯后，響應較慢和模型難于準確的石油化工過程，使被控過程平穩運行，取得明顯的經濟效益。如70年代末出現模型算法控制(MAC)<20>和動態矩陣控制(DMC)<21>和相應的軟件：基于DMC算法的 ASPEN TECH 的 DMC-plus, Honeywell Hi-Spec Solution 的 RMPCT 等。80年代，在自整定控制器的基礎上，Clarke等提出了廣義預估控制(General Predictive Control, GPC)<22>, Soeterboek<23> 進一步總結為一通用計算方法，這種算法具有輸出(被控變量)動態反饋的特點，可提高抑制干擾的能力；由于采用在線系統辯識方法修正模型，無被控變量反饋修正，對具有不可測輸入的石油化工過程不很適應。
　　以上方法均采用實測的輸入/輸出模型，避免了難于建立的機理動態數學模型，是當前模型預估控制得到廣泛應用的一個重要原因。但這種模型缺乏物理意義，測試過程對生產操作有較大的干擾，不能充分利用所有可測信息以提高控制性能；這些方法也使模型預估控制只能在生產裝置運行后才能實施。對此，出現了狀態反饋預估控制<24,25>和具有輸出(被控)，狀態和輸入(操作)三種變量動態反饋，綜合上述算法優點的通用預估控制算(UPC)<26,27>，并在石油化工裝置上得到應用，取得了較滿意的結果。<7,18,28,29>
　　90年代以來，在模型預估控制的基礎上，適應變結構過程的多變量約束協調與化控制技術在石油化工過程中得到越來越多的應用，將控制與部分參數的“卡邊“優化實時地協調起來<30-38>，盡管這方面還有許多問題值得研究提高，這種實時協調控制與優化的思路是非常符合實際的，為進一步提高效益開創了一條新路。
　　目前得到應用的基于模型的控制技術多是基于線性化模型的，而石油化工過程均是非線性的，因而非線性，自適應控制方法正在成為較集中的研究方向<39-41>.
　　先進控制帶來的效益已為很多實例所證明，實施后，一般投資回收期只有幾個月。但目前先進控制項目從立項到交付使用常要一年以上，除上述需要測試動態特性外，先進控制系統的開發與過程設計脫節是一個重要原因。
　　石油化工過程操作條件(例如反應深度)的閉環實時優化(Closed Loop Real Time Optimization)，與先進控制相比，具有更大的潛在效益，這是國內外不少專家的看法<42-44>。但目前大多在討論和沿用工藝過程設計中采用的穩態數學模型進行閉環實時優化<42-48>,常遇到以下問題:
　　①模型精度有限，通常有1%的精度就很不錯了，但優化的要求更高，對大規模的石油化工裝置，產率提高1%就會帶來很大的效益。為提高模型精度，適應變化的生產過程，要對模型進行在線修正。另一方面，實時計算需要過程數據，過程即使處於穩態，實測數據也很難達到計算所需的穩態物料和能量平衡的要求；為此，人們發展了數據重整技術(Data Reconciliation)。在線修正和數據重整均是尚未得到園滿解決的問題。尤起在過程處于動態情況下，困難更多。
　　②尋優周期達 4-8 小時，實時性與適應變化能力不能令人滿意。人們常常認為疊代計算穩態平衡的方法是一個主要原因，隨著Open Equation方法<49>的應用和計算機運算速度的提高，計算過程已逐漸不再須要很多時間。關鍵在于閉環實時優化要根據當前生產裝置的狀態進行，利用穩態模型時，必須等待過程處于穩態后才能進行計算；計算完成后，還要檢查過程是否仍處于原來的穩定狀態(否則計算作廢)。若是，才可進行調優。調優使過程處于動態，要等待穩定后，一般需要幾小時，才能進行下一次調優。文獻<50>結合Aspen Tech(原DMC CORP)的優化軟件DMO,對此問題有較詳細的說明。另一方面，穩態模型計算常常依賴于原料或其他化驗分析數據，需要等待化驗結果。這些都是使基于穩態模型實時優化周期長、難于適應頻繁變化、真正見到明顯效果的應用實例很少的原因。
　　利用生產過程實測數據，適應動態變化，基于動態數學模型，同樣是解決石油
　　化工生產過程閉環實時優化問題的一條出路。茂名石化公司一催化裂化裝置反應深
　　度的閉環實時優化是一個實例<7>：基于動態數學模型在線計算反應產物中各種產品
　　的產率作為在線實時確定優化目標的基礎，使尋優周期可縮短到10分鐘，經測試，
　　對年處理量80萬噸的生產裝置，年直接經濟效益可達2000萬元以上。
　　回顧1976年，北美第一次化工過程控制會議<51>提出控制理論與實際脫節，使航天工程中成功應用的現代控制理論在石油化工過程中不能見效的問題，到今天石油化工過程先進控制的廣泛應用和成功經驗，可以看到：一旦科學技術在某一方面有所突破，將理論與實際很好的結合起來，如模型預估控制技術，就會形成巨大的生產力，使生產過程產生飛躍性的發展。