亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

催化裂化反應(yīng)深度在線計算和自適應(yīng)非線性預(yù)測控制方法

文檔序號:6321778閱讀:243來源:國知局

專利名稱::催化裂化反應(yīng)深度在線計算和自適應(yīng)非線性預(yù)測控制方法
技術(shù)領(lǐng)域
:本發(fā)明涉及催化裂化反應(yīng)深度在線計算和自適應(yīng)非線性預(yù)測控制方法,屬于石油化工催化裂化生產(chǎn)過程軟測量和自動控制領(lǐng)域。
背景技術(shù)
:催化裂化裝置是石油煉廠中最重要的重質(zhì)油轉(zhuǎn)化裝置之一。原料油在熱和催化劑的作用下使重質(zhì)油發(fā)生裂化反應(yīng),轉(zhuǎn)變?yōu)楦粴狻⑵秃筒裼偷雀邇r值產(chǎn)品。從經(jīng)濟效益而言,煉油企業(yè)中一半以上的效益是靠催化裂化取得的。因此應(yīng)用先進的優(yōu)化控制技術(shù)實現(xiàn)裝置的平穩(wěn)運行,并為在線優(yōu)化提供條件,無疑具有重要的現(xiàn)實意義和明顯的經(jīng)濟效益。已有的催化裂化優(yōu)化控制方案多是以反應(yīng)溫度(提升管出口溫度)為主,但事實上催化裂化是一個反應(yīng)過程,對裝置操作及產(chǎn)品分布影響最大的是反應(yīng)深度。反應(yīng)溫度只是影響反應(yīng)深度的一個因素,在實際生產(chǎn)過程中還有很多影響反應(yīng)深度的因素。為解決這一問題,袁璞等(催化裂化反應(yīng)過程的觀測和控制,中國專利ZL90108193.0)提出宏觀反應(yīng)熱(每公斤進料在裂化反應(yīng)時所需的熱量kj/kg)的概念。宏觀反應(yīng)熱綜合了影響反應(yīng)深度的各種因素,維持反應(yīng)熱平穩(wěn),可使反應(yīng)深度平穩(wěn),從而使整個裝置操作較平穩(wěn)。江青茵(2003)同樣基于反應(yīng)深度控制的思想,提出一種以產(chǎn)品轉(zhuǎn)化率為主要調(diào)控量的閉環(huán)調(diào)優(yōu)控制系統(tǒng)。實現(xiàn)基于宏觀反應(yīng)熱的催化裂化反應(yīng)深度優(yōu)化控制的一個關(guān)鍵就是宏觀反應(yīng)熱的在線實時計算。影響反應(yīng)深度的因素很多,其中一個重要的因素是再生催化劑循環(huán)量。由于生產(chǎn)過程的危險性和復(fù)雜性,催化劑循環(huán)量不能夠用測量儀表直接測量。目前工業(yè)上計算催化劑循環(huán)量的方法主要分為三類。1、利用再生器穩(wěn)態(tài)熱平衡關(guān)系計算催化劑循環(huán)量,如林世雄等(石油煉制工程(第三版)[M],2007,374-377);2、利用再生器中碳的物料平衡計算催化循環(huán)量,如魏飛等(FCC催化劑循環(huán)量計算方法的比較,煉油設(shè)計,1990,4(1)41-43);3、利用催化劑流動特性和再生閥門特性計算催化循環(huán)量,如袁璞等(催化裂化反應(yīng)過程的觀測和控制,中國專利ZL90108193.0)。但已有的計算方法面臨如下問題1、采用再生器熱平衡計算催化劑循環(huán)量具有較高的精度,但由于煙氣氧含量測量具有一定的時間滯后;待生催化劑由提升管經(jīng)汽提段流至再生器,其溫度和焦含量對再生器均有1-2分鐘的時間滯后,其計算的實時性不能滿足對提升管進行先進控制的要求。2、待生催化劑定碳、再生催化劑定碳只能通過離線化驗得到,具有相當大的時間滯后,因此,利用碳平衡法計算催化劑循環(huán)量不能滿足生產(chǎn)監(jiān)控及控制的實時性要求。3、利用再生閥門流量特性模型計算催化劑循環(huán)量速度快,但由于催化劑循環(huán)量是關(guān)于滑閥開度的非線性函數(shù),且與催化劑的流化狀態(tài)及密度有關(guān)。當再生閥門開度變化較大或催化劑流化狀態(tài)發(fā)生變化時,若采用固定的再生閥門特性模型進行計算,其準確性將難以得到保證。因此,設(shè)計一種計算相對準確且快速反映實際變化的催化劑循環(huán)量在線實時計算方法,實現(xiàn)反應(yīng)深度在線計算,并在此基礎(chǔ)上實現(xiàn)催化裂化裝置反應(yīng)深度控制,維持裝置長期平穩(wěn)運行,是十分必要的。
發(fā)明內(nèi)容本發(fā)明目的是針對催化裂化裝置,提供一種反應(yīng)深度在線計算和自適應(yīng)非線性預(yù)測控制方法。為達到上述目的,本發(fā)明采用再生器熱平衡計算模型和再生閥門流量特性模型相結(jié)合的方式,利用相對準確的再生器熱平衡計算結(jié)果在線校正再生閥門模型系數(shù),并由校正后的再生閥門模型實現(xiàn)對催化劑循環(huán)量的實時觀測。最后,根據(jù)提升管動態(tài)數(shù)學模型完成催化裂化反應(yīng)熱的在線實時計算。另外,考慮到再生閥門流量特性模型的特點,即與提升管反應(yīng)部分的動態(tài)特性相比,再生閥門的動態(tài)特性可以忽略,而穩(wěn)態(tài)特性會隨工況變化而變化?;诖颂攸c,在控制模型中,將再生閥門穩(wěn)態(tài)模型與提升管反應(yīng)部分非線性動態(tài)模型分離,在實現(xiàn)提升管反應(yīng)部分非線性預(yù)測控制的基礎(chǔ)上,根據(jù)在線校正的再生閥門模型計算催化劑循環(huán)量,實現(xiàn)再生閥門開度對反應(yīng)深度的自適應(yīng)非線性預(yù)測控制。本發(fā)明首先利用再生閥門流量特性模型計算催化劑循環(huán)量,然后判斷裝置的反應(yīng)-再生部分是否達到平衡,若裝置平衡,則用再生器熱平衡模型計算得到的催化劑循環(huán)量在線更新再生閥門模型系數(shù),然后用更新后的再生閥門模型計算出催化劑循環(huán)量,用于計算提升反應(yīng)熱和設(shè)計自適應(yīng)非線性預(yù)測器。催化裂化反應(yīng)深度在線計算和自適應(yīng)非線性預(yù)測控制方法,其特征在于,是在控制計算機上按照以下步驟實現(xiàn)的步驟⑴控制計算機初始化設(shè)置第一個催化劑循環(huán)量計算模塊,第二個催化劑循環(huán)量計算模塊,再生閥門模型系數(shù)校正模塊,提升管反應(yīng)熱計算模塊以及提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊;步驟⑵設(shè)置控制計算機的采樣間隔Ts,采樣周期KXTs,采樣時刻k=1,2,…K,所述控制計算機利用實時數(shù)據(jù)庫在線地從分布式控制系統(tǒng)DCS取得現(xiàn)場數(shù)據(jù),至少包括再生閥門開度測量值ivp(k),再生閥門壓降測量值△P(k),進入再生器的催化劑溫度測量值T1GO,流出再生器的催化劑溫度測量值T2GO,第一段提升管的入口溫度測量值TrtGO,第一段提升管的出口溫度測量值Tri(k),第二段提升管的出口溫度測量值Uk),原料油進料質(zhì)量流量測量值Gtjil(k),原料油進料預(yù)熱溫度測量值τ。η(k),提升蒸汽質(zhì)量流量測量值Gw(k),進提升管提升蒸汽溫度測量值Tw(k),進再生器空氣體積流量測量值Fa(k),煙氣氧含量測量值Ofg(k),再生煙氣溫度測量值Tfg(k),進入再生器的空氣溫度測量值Ta(k),再生取熱器冷卻水流量測量值Fex(k),再生取熱器冷卻水入口處溫度測量值Texin(k),再生器取熱器冷卻水出口處溫度測量值Tra。ut(k),并給定兩段提升管的總反應(yīng)熱設(shè)定值H:和第二段提升管出口溫度設(shè)定值步驟(3)第k個采樣時刻,所述第一個催化劑循環(huán)量計算模塊根據(jù)步驟(2)取得的ivp(k)和△P(k),按再生閥門流量特性模型計算催化劑循環(huán)量G。(k)其中Gc(k)第k個采樣時刻,由再生閥門流量特性模型計算得到的催化劑循環(huán)量,kg/關(guān)于再生閥門開度ivp的未知函數(shù),mXh,采用多項式函數(shù)來近似’其中N=2為多項式函數(shù)階次,an(k-l)是第k_l個采樣時刻的多項式系數(shù),其初始值為a0(0)=-15.915,B1(0)=1.159,a2(0)=0.058;步驟(4)所述再生閥門模型系數(shù)校正模塊依次按下述步驟更新步驟(3)所述的多項式系數(shù),步驟(4.1)第k個采樣時刻,根據(jù)步驟(2)取得的Trt(k)和T2(k),判斷催化裂化反應(yīng)_再生部分是否達到穩(wěn)態(tài),若滿足下述條件則認為反應(yīng)-再生部分達到穩(wěn)態(tài),其中向量X(k_kn),kn=1,2,…,kN是由第k_kn個采樣時刻的Trf(k-kn)^PT2(k-kn)組成的二維向量,數(shù)據(jù)長度kN=10,ε=[1,4]'是閾值,步驟(4.2)若催化裂化反應(yīng)_再生部分達到穩(wěn)態(tài),轉(zhuǎn)入所述步驟(4.3),利用再生器熱平衡公式計算催化劑循環(huán)量來更新所述再生閥門模型系數(shù),若未達到穩(wěn)態(tài),則令an(k)=an(k-l),n=0,…,N轉(zhuǎn)入步驟(5)計算,步驟(4.3)所述第二個催化劑循環(huán)量計算模塊根據(jù)步驟(2)中取得的T1GO和T2(k),按再生器熱平衡公式計算催化劑循環(huán)量{k)其中·Gc(k)第k個采樣時刻,由再生器熱平衡公式計算得到的催化劑循環(huán)量,kg/h,Cpcat:催化劑比熱,kj/(kg.0C),已知值,Qc(k)=Q0(k)-Qa(k)-QT(k)-Qq(k)第k個采樣時刻,催化劑帶走熱量,第k個采樣時刻,單位時間總燒焦放熱量,kj/h,ΔHcb燃燒Ikg碳產(chǎn)生的熱量,kj/(kg碳),已知值,Voc燃燒Ikg碳耗氧量,m3/(kg碳),已知值,第k個采樣時刻,空氣帶走熱量,kj/h,Pair空氣密度,kg/m3,已知值,Cpair空氣比熱,kj/(kg.°C),已知值,第k個采樣時刻,脫附熱量,kj/h,Qq(k)=Fex(k)Cpwater(Texout(k)-Texin(k))第k個采樣時刻,再生取熱器取熱量,kj/h,CpwatCT冷卻水比熱,kj/(kg.V),已知值,步驟(4.4)令Cv(ivp(k))認、,得到用于更新多項式系數(shù)的一組數(shù)據(jù){ivp{k),Cv{ivp{k))],然后利用遞推最小二乘算法更新步驟(3)所述多項式系數(shù),更新迭代公式如下K(k)是第k個采樣時刻的系數(shù)校正增益矩陣,P(k)為k時刻的協(xié)方差矩陣,其初值P(O)=IO5XI,I為單位陣為遺忘因子,θ(k)=[a0(k),ai(k),...,aN(k)]'是第k個采樣時刻的多項式系數(shù),上標符號“'”表示矩陣轉(zhuǎn)置,下同,步驟(4.5)所述第一個催化劑循環(huán)量計算模塊根據(jù)更新的多項式系數(shù)an(k)重新計算催化劑循環(huán)量Gc(^)=^an(k)xivpn⑷,并送所述分布式控制系統(tǒng)DCS顯示和后續(xù)計算使用;步驟(5)提升管反應(yīng)熱計算模塊在所述提升管分為兩段的條件下,i=1,2,計算各段提升管的反應(yīng)熱,步驟(5.1)設(shè)定一個所述提升管的模型,其中Tri:第i段提升管的出口溫度,°C,第1段提升管的入口溫度,V,Mpi第i段提升管物料和器壁的熱容量,kJ/°C,已知值,Cpoil油氣比熱,kj/(kg.°C),已知值,Cpcat催化劑比熱,kj/(kg.°C),已知值,Cpw水蒸汽熱容量,kj/kg,已知值,Cc由再生閥門模型計算得到的催化劑循環(huán)量,kg/h,Hlossi第i段提升管的熱損失,kj/h,已知值,Hri第i段提升管的反應(yīng)熱,kj/kg原料油,步驟(5.2)離散化提升管模型方程,得到反應(yīng)熱計算公式計算所述各段提升管的反應(yīng)熱參數(shù),最終得到兩段提升管的總反應(yīng)熱為代步驟(6)在第k個采樣時刻,所述提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊按下述步驟進行反應(yīng)深度控制,步驟(6.1)建立面向動態(tài)控制的提升管非線性動態(tài)數(shù)學模型,其中油氣在第i段提升管的滯留時間,h,Vri第i段提升管體積,m3,已知值,ρoil第1段提升管入口處的油氣密度,kg/m3,已知值,無量綱熱容校正系數(shù),VLi第i段提升管耐磨耐熱層體積,m3,已知值,ρL提升管耐磨耐熱層密度,kg/m3,已知值,Cpffl提升管耐磨耐熱層的比熱,kj/(kg.°C),已知值,Gc由再生閥門模型計算得到的催化劑循環(huán)量,kg/h,反應(yīng)熱與物料比熱之比,。C,ΔHce反應(yīng)熱,kj/kg催化碳,已知值,Cci第i段提升管出口處催化劑的催化碳含量,%,已知值CptjilL原料油比熱,kj/(kg.°C),已知值,ΔHv原料油氣化熱,kj/kg原料油,已知值,所述提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制的輸出變量為第二段提升管出口溫度Trt和兩段提升管的總反應(yīng)熱民,控制變量為原料油預(yù)熱溫度Ttjil和再生閥門開度ivp;基于上述提升管非線性動態(tài)數(shù)學模型,所述反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊的目的是,控制原料油預(yù)熱溫度Ttjil和再生閥門開度ivp,使第二段提升管出口溫度Trt和反應(yīng)熱扎達至IJ各自設(shè)定值<和<,步驟(6.2)在第k個采樣時刻,提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊通過控制原料油預(yù)熱溫度和再生閥門開度,使第二段提升管出口溫度和反應(yīng)熱達到各自設(shè)定值ζΧ,即,采用Levenberg-Marquardt優(yōu)化算法求解下述優(yōu)化問題得到控制量1^0^12),士叩&+12),12=1,…,L2,其中=L1=10為預(yù)測步長,L2=2為控制步長,Hjk+l》是根據(jù)(6.1)所述提升管模型預(yù)測k+h時刻的反應(yīng)熱值,Uk+l》是根據(jù)(6.1)所述提升管模型預(yù)測k+“時刻的第2段提升管出口溫度值,Toil(k+l2)是k+l2時刻的原料油預(yù)熱溫度的預(yù)測值,ivp(k+l2)是k+l2時刻的再生閥門開度的預(yù)測值,"1/5O「10]Q=Λ1/Α是輸出變量加權(quán)矩陣,λ=λ<是控制變量加權(quán)矩陣;UI/OUJ步驟(7)所述提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊將步驟(6.2)得到的Toil(k+Ι)和ivp(k+1)分別作為k+Ι時刻原料油預(yù)熱溫度PID控制器的設(shè)定值和k+Ι時刻再生閥門開度的設(shè)定值,然后轉(zhuǎn)入k+Ι時刻,重復(fù)執(zhí)行步驟(2)-(7)直至達到設(shè)定的采樣總數(shù)K。上述技術(shù)方法具有如下效果利用計算相對準確但具有較大時間滯后的再生器熱平衡計算的催化劑循環(huán)量在線校正再生閥門模型系數(shù),由此得到能夠適應(yīng)工況變化的再生閥門模型,滿足了催化劑循環(huán)量估計的相對準確性和實時性雙重要求;在此基礎(chǔ)上,基于提升管動態(tài)模型完成反應(yīng)熱的在線計算,使其滿足實施先進控制的要求;在建立面向動態(tài)控制的提升管數(shù)學模型時,根據(jù)再生閥門模型的特點,即與提升管反應(yīng)部分的動態(tài)特性相比,再生閥門的動態(tài)特性可以忽略,而穩(wěn)態(tài)特性會隨工況的變化而變化。將再生閥門穩(wěn)態(tài)模型與提升管反應(yīng)部分非線性動態(tài)模型分離,在實現(xiàn)提升管反應(yīng)部分非線性預(yù)測控制的基礎(chǔ)上,根據(jù)在線校正的再生閥門模型計算重新催化劑循環(huán)量,實現(xiàn)再生閥門開度對反應(yīng)深度的自適應(yīng)非線性預(yù)測控制,為催化裂化裝置的安全生產(chǎn)和優(yōu)化控制提供幫助。圖1是本發(fā)明實施例的催化裂化反應(yīng)深度在線計算和自適應(yīng)預(yù)測控制方法流程圖;圖2是本發(fā)明實施例的現(xiàn)場運行結(jié)構(gòu)示意圖;圖3是本發(fā)明實施例的控制計算機計算流程圖。具體實施例方式下面結(jié)合附圖和實施例,對本發(fā)明的具體實施方式作進一步詳細描述。以下實施例用于說明本發(fā)明,但不用來限制本發(fā)明的范圍。本發(fā)明的特征在于利用相對準確但具有較大時間滯后的熱平衡計算結(jié)果在線校正再生閥門模型的參數(shù),由此得到能夠適應(yīng)工況變化的自適應(yīng)再生閥門模型,滿足了催化劑循環(huán)量估計的相對準確性和實時性雙重要求。最后,基于提升管動態(tài)數(shù)學模型完成反應(yīng)熱的在線計算;在建立面向動態(tài)控制的提升管數(shù)學模型時,根據(jù)再生閥門模型的特點,即與提升管反應(yīng)部分的動態(tài)特性相比,再生閥門的動態(tài)特性可以忽略,而穩(wěn)態(tài)特性會隨工況的變化而變化。將再生閥門穩(wěn)態(tài)模型與提升管反應(yīng)部分非線性動態(tài)模型分離,在實現(xiàn)提升管反應(yīng)部分非線性預(yù)測控制的基礎(chǔ)上,提取再生閥門開度與催化劑循環(huán)量間的非線性時變的穩(wěn)態(tài)關(guān)系,最終實現(xiàn)反應(yīng)深度的自適應(yīng)非線性預(yù)測控制。其總體實現(xiàn)方案流程圖和總體實現(xiàn)原理圖參見附圖1-3,包含以下步驟1、步驟1控制計算機初始化,采集過程數(shù)據(jù)并對數(shù)據(jù)進行預(yù)處理該步驟主要包含以下單元模塊設(shè)置第一個催化劑循環(huán)量計算模塊,第二個催化劑循環(huán)量計算模塊,再生閥門模型系數(shù)校正模塊,提升管反應(yīng)熱計算模塊以及提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊;過程實測變量和化驗變量數(shù)據(jù)采集單元上位機利用實時數(shù)據(jù)庫在線地從分布式控制系統(tǒng)DCS取得現(xiàn)場數(shù)據(jù);過程變量包括再生閥門開度測量值ivp(k),再生閥門壓降測量值△P(k),進入再生器的催化劑溫度測量值T1GO,流出再生器的催化劑溫度測量值T2GO,第一段提升管的入口溫度測量值TrtGO,第一段提升管的出口溫度測量值TriGO,第二段提升管的出口溫度測量值Trt(k),原料油進料質(zhì)量流量測量值Gtjil(k),原料油進料預(yù)熱溫度測量值T。n(k),提升蒸汽質(zhì)量流量測量值Gw(k),進提升管提升蒸汽溫度測量值Tw(k),進再生器空氣體積流量測量值Fa(k),煙氣氧含量測量值Ofg(k),再生煙氣溫度測量值TfgGO,進入再生器的空氣溫度測量值Ta(k),再生取熱器冷卻水流量測量值FexGO,再生取熱器冷卻水入口處溫度測量值τεχ—in(k),再生器取熱器冷卻水出口處溫度測量值τεχ—。ut(k),并給定兩段提升管的總反應(yīng)熱設(shè)定值H:和第二段提升管出口溫度設(shè)定值<;變量數(shù)據(jù)處理單元對實測過程變量和化驗變量進行濾波處理以降低噪聲的影響;統(tǒng)一變量的量程和量綱,調(diào)整零點,檢測變量是否超限;純滯后時間單元由裝置相關(guān)設(shè)備和流體輸送管道的尺寸,實時確定各變量間相互影響的時間滯后;并利用實測相關(guān)變量的歷史趨勢曲線,核對這些純滯后時間;2、步驟2建立再生閥門流量特性模型,并基于過程實時測量數(shù)據(jù)計算催化劑循環(huán)量第k個采樣時刻,所述第一個催化劑循環(huán)量計算模塊根據(jù)步驟(1)取得的ivp(k)和ΔP(k),按再生閥門流量特性模型計算所述催化劑循環(huán)量G。(k)Gc(k)第k個采樣時刻,由再生閥門流量特性模型計算得到的催化劑循環(huán)量,kg/h,Cv(ivp(k))關(guān)于再生閥門開度ivp的未知函數(shù),m3/kg,可以采用多項式函數(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機等方法逼近,本實施例中采用多項式函數(shù)來近似=Ne[2,5]為多項式函數(shù)階次,an(k_l)是第k_l個采樣時刻的多項式系數(shù),實施例中取N=2,且多項式系數(shù)的初始值為a。(0)=-15.915,B1(0)=1.159,a2(0)=0.058;3、步驟3催化裂化反應(yīng)_再生部分穩(wěn)態(tài)判定及多項式系數(shù)更新計算步驟(3.1)第k個采樣時刻,根據(jù)步驟⑴取得的Trt(k)和T2(k),判斷催化裂化反應(yīng)_再生部分是否達到穩(wěn)態(tài),若滿足公式0-3則認為反應(yīng)-再生部分達到穩(wěn)態(tài),其中向量X(k_kn),kn=1,2,…,kN是由第k_kn個采樣時刻的Trt(k-kn)*T2(k-kn)組成的二維向量,kNe[5,20]是用于數(shù)據(jù)長度,實施例中取kN=10,ε是穩(wěn)態(tài)判定閾值,取一個足夠小的正常數(shù),實施例中取ε=[1,4]',步驟(3.2)若反應(yīng)-再生部分達到穩(wěn)態(tài),轉(zhuǎn)入所述步驟(3.3),利用再生器熱平衡計算催化劑循環(huán)量更新閥門再生閥門模型系數(shù),若未達到穩(wěn)態(tài),保持步驟(2)中的多項式系數(shù)不變,即令&11(10=an(k-l),n=0,…,N,然后轉(zhuǎn)入所述步驟(4)計算,步驟(3.3)所述第二個催化劑循環(huán)量計算模塊根據(jù)步驟⑴中取得的I\(k)和T2(k),按公式0-4計算催化劑循環(huán)量{k)Gc(k)第k個采樣時刻,由再生器熱平衡計算得到的催化劑循環(huán)量,kg/h,Cp。at催化劑比熱,kj/(kg.V),已知值,Qc(k)=Q。(k)-Qa(k)-QT(k)_Qq(k)第k個采樣時刻,催化劑帶走熱量,kj/h,第k個采樣時刻,單位時間總燒焦放熱量,kj/h,AHcb燃燒lkg碳產(chǎn)生的熱量,kj/(kg碳),已知值,voc燃燒lkg碳耗氧量,m3/(kg碳),已知值,Qa(k)=Fa(k)PairCpair(Tfg(k)_Ta(k)):第k個采樣時亥,空氣帶走熱量,kJ/h,Pair空氣密度,kg/m3,已知值,Cpair空氣比熱,kj/(kg.°C),已知值,Qt(k)=0.063XQo(k)第k個采樣時刻,脫附熱量,kJ/h,Qq(k)=Fex(k)Cpwater(Tex—0Ut(k)-Tex—in(k))第k個采樣時刻,再生取熱器取走的熱量,kj/h,Cpwater冷卻水比熱,kj/(kg.°C),已知值,步驟(3.4)令,得到用于更新多項式系數(shù)的一組數(shù)據(jù)然后利用帶遺忘因子的遞推最小二乘算法更新步驟(3)所述多項式系數(shù),更新迭代公式如下K(k)是第k個采樣時刻的系數(shù)校正增益矩陣,P(k)為k時刻的協(xié)方差矩陣,其初值P(0)=pXI,p取一個足夠大的正常數(shù),實施例中取p=105,為遺忘因子,實施例中取入(k)=0.98;0(k)=[a0(k),a,(k),…,aN(k)]'是第k個采樣時刻的多項式系數(shù),步驟(3.5)所述第一個催化劑循環(huán)量計算模塊根據(jù)更新的多項式系數(shù)an(k)重新計算催化劑循環(huán)量:并送所述分布式控制系統(tǒng)DCS顯示和后續(xù)計算使用;4、步驟4基于提升管動態(tài)數(shù)學模型計算總反應(yīng)熱根據(jù)提升管上溫度測點的分布,將所述提升管分為N段,然后針對各段分別計算提升管的反應(yīng)熱,在本實施例將提升管分為2段,i=1,2,計算這2段提升管的反應(yīng)熱,步驟(4.1)設(shè)定一個所述提升管的模型凡公式0-6段提升管的出口溫度,V,Tr0=T,^,i=1第1段提升管的入口溫度,°C,反應(yīng)熱MPi第i段提升管物料和器壁的熱容量,kJ/°C,已知值,Cpoil油氣比熱,kj/(kg.°C),已知值,Cpcat:催化劑比熱,kj/(kg.°C),已知值,Cpw水蒸汽熱容量,kj/kg,已知值,Cc由再生閥門模型計算得到的催化劑循環(huán)量,kg/h,Hlossi第i段提升管的熱損失,kj/h,已知值,Hn第i段提升管的反應(yīng)熱,kj/kg原料油,步驟(4.2)離散化提升管模型方程,得到反應(yīng)熱計算公式計算所述各段提升管的Hoi(k)=(Goil(k)Cpoil+Gc(k)Cpcat+Gw(k)Cpw)(Tri(k)-Tkh)(k)),0<y^1是濾波參數(shù),可根據(jù)實際情況進行調(diào)整,實施例中取Y=0.97,最終得到兩段提升管的總反應(yīng)熱5、步驟5設(shè)計提升管自適應(yīng)非線性預(yù)測控制器步驟(5.1)建立面向動態(tài)控制的提升管非線性數(shù)學模型油氣在第i段提升管的滯留時間,h,公式0-8Vri第i段提升管體積,m3,已知值,Poil第1段提升管入口處的油氣密度,kg/m3,已知值,「LlPL無量綱熱容校正系數(shù),yoilVLi第i段提升管耐磨耐熱層體積,m3,已知值,PL提升管耐磨耐熱層密度,kg/m3,已知值,Cpffl提升管耐磨耐熱層的比熱,kj/(kg.°C),已知值,Gc由再生閥門模型計算得到的催化劑循環(huán)量,kg/h,1Cp^+GCCpi+反應(yīng)熱與物料比熱之比,°C,wAHce反應(yīng)熱,kj/kg催化碳,已知值,Cci第i段提升管出口處催化劑的催化碳含量,%,已知值CpoiLL原料油比熱,kj/(kg.°C),已知值,AHV原料油氣化熱,kj/kg原料油,已知值,步驟(5.2)在第k個采樣時刻,采用Levenberg-Marquardt優(yōu)化算法求解下述優(yōu)化問題公式0-9得到Toil(k+l2),ivp(k+l2),12=1,…,L2,本實施例中取預(yù)測步長=10,控制步長L2=2;Hr(k+U是根據(jù)(5.1)所述提升管模型預(yù)測k+h時刻的反應(yīng)熱值,Tr2(k+li)是根據(jù)(5.1)所述提升管模型預(yù)測k+“時刻的第2段提升管出口溫度值,T。n(k+12)是k+l2時刻的原料油預(yù)熱溫度的預(yù)測值,ivp(k+l2)是k+l2時刻的再生閥門開度的預(yù)測值,取輸出"1/501變量加權(quán)矩陣n,控制變量加權(quán)矩陣《=01/6所述提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊將步驟(5.2)得到的T。n(k+1)和ivp(k+l)分別作為k+1時刻原料油預(yù)熱溫度PID控制器的設(shè)定值和再生閥門開度的設(shè)定值,然后轉(zhuǎn)入k+1時刻,重復(fù)執(zhí)行步驟(2)-(7)。minJ=YKJQ臺Ti2(k+I,)-T;2_-zl2=\~T0ll{k+l2)-Tml{k+l2^ivp[k+l2、—ivp(Ji+12-'.R10"05‘1權(quán)利要求催化裂化反應(yīng)深度在線計算和自適應(yīng)非線性預(yù)測控制方法,其特征在于,是在控制計算機上按照以下步驟實現(xiàn)的步驟(1)控制計算機初始化設(shè)置第一個催化劑循環(huán)量計算模塊,第二個催化劑循環(huán)量計算模塊,再生閥門模型系數(shù)校正模塊,提升管反應(yīng)熱計算模塊以及提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊;步驟(2)設(shè)置控制計算機的采樣間隔Ts,采樣周期K×Ts,采樣時刻k=1,2,…K,所述控制計算機利用實時數(shù)據(jù)庫在線地從分布式控制系統(tǒng)DCS取得現(xiàn)場數(shù)據(jù),至少包括再生閥門開度測量值ivp(k),再生閥門壓降測量值ΔP(k),進入再生器的催化劑溫度測量值T1(k),流出再生器的催化劑溫度測量值T2(k),第一段提升管的入口溫度測量值Tr0(k),第一段提升管的出口溫度測量值Tr1(k),第二段提升管的出口溫度測量值Tr2(k),原料油進料質(zhì)量流量測量值Goil(k),原料油進料預(yù)熱溫度測量值Toil(k),提升蒸汽質(zhì)量流量測量值Gw(k),進提升管提升蒸汽溫度測量值Tw(k),進再生器空氣體積流量測量值Fa(k),煙氣氧含量測量值Ofg(k),再生煙氣溫度測量值Tfg(k),進入再生器的空氣溫度測量值Ta(k),再生取熱器冷卻水流量測量值Fex(k),再生取熱器冷卻水入口處溫度測量值Tex_in(k),再生器取熱器冷卻水出口處溫度測量值Tex_out(k),并給定兩段提升管的總反應(yīng)熱設(shè)定值和第二段提升管出口溫度設(shè)定值步驟(3)第k個采樣時刻,所述第一個催化劑循環(huán)量計算模塊根據(jù)步驟(2)取得的ivp(k)和ΔP(k),按再生閥門流量特性模型計算催化劑循環(huán)量GC(k)<mrow><msub><mi>G</mi><mi>C</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mi>Cv</mi><mrow><mo>(</mo><mi>ivp</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>)</mo></mrow><mtext>&times;</mtext><mtext></mtext><msqrt><mi>&Delta;P</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></msqrt><mo>,</mo></mrow>其中GC(k)第k個采樣時刻,由再生閥門流量特性模型計算得到的催化劑循環(huán)量,kg/h,Cv(ivp(k))關(guān)于再生閥門開度ivp的未知函數(shù),m×h,采用多項式函數(shù)來近似<mrow><mi>Cv</mi><mrow><mo>(</mo><mi>ivp</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>n</mi><mo>=</mo><mn>0</mn></mrow><mi>N</mi></munderover><msub><mi>a</mi><mi>n</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>&times;</mo><msup><mi>ivp</mi><mi>n</mi></msup><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>,</mo></mrow>其中N=2為多項式函數(shù)階次,an(k-1)是第k-1個采樣時刻的多項式系數(shù),其初始值為a0(0)=-15.915,a1(0)=1.159,a2(0)=0.058;步驟(4)所述再生閥門模型系數(shù)校正模塊依次按下述步驟更新步驟(3)所述的多項式系數(shù),步驟(4.1)第k個采樣時刻,根據(jù)步驟(2)取得的Tr2(k)和T2(k),判斷催化裂化反應(yīng)-再生部分是否達到穩(wěn)態(tài),若滿足下述條件<mrow><mo>|</mo><mi>X</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>k</mi><mi>n</mi></msub><mo>=</mo><mn>1</mn></mrow><msub><mi>k</mi><mi>N</mi></msub></munderover><mfrac><mrow><mi>X</mi><mrow><mo>(</mo><mi>k</mi><mo>-</mo><msub><mi>k</mi><mi>n</mi></msub><mo>)</mo></mrow></mrow><msub><mi>k</mi><mi>N</mi></msub></mfrac><mo>|</mo><mo>&le;</mo><mi>&epsiv;</mi><mo>,</mo></mrow>則認為反應(yīng)-再生部分達到穩(wěn)態(tài),其中向量X(k-kn),kn=1,2,…,kN是由第k-kn個采樣時刻的Tr2(k-kn)和T2(k-kn)組成的二維向量,數(shù)據(jù)長度kN=10,ε=[1,4]′是閾值,步驟(4.2)若催化裂化反應(yīng)-再生部分達到穩(wěn)態(tài),轉(zhuǎn)入所述步驟(4.3),利用再生器熱平衡公式計算催化劑循環(huán)量來更新所述再生閥門模型系數(shù),若未達到穩(wěn)態(tài),則令an(k)=an(k-1),n=0,…,N轉(zhuǎn)入步驟(5)計算,步驟(4.3)所述第二個催化劑循環(huán)量計算模塊根據(jù)步驟(2)中取得的T1(k)和T2(k),按再生器熱平衡公式計算催化劑循環(huán)量<mrow><msub><mover><mi>G</mi><mo>^</mo></mover><mi>C</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>Q</mi><mi>C</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow><mrow><msub><mi>Cp</mi><mi>cat</mi></msub><mo>&times;</mo><mrow><mo>(</mo><msub><mi>T</mi><mn>2</mn></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>T</mi><mn>1</mn></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>)</mo></mrow></mrow></mfrac><mo>,</mo></mrow>其中第k個采樣時刻,由再生器熱平衡公式計算得到的催化劑循環(huán)量,kg/h,Cpcat催化劑比熱,kJ/(kg.℃),已知值,QC(k)=QO(k)-Qa(k)-QT(k)-Qq(k)第k個采樣時刻,催化劑帶走熱量,kJ/h,第k個采樣時刻,單位時間總燒焦放熱量,kJ/h,ΔHcb燃燒1kg碳產(chǎn)生的熱量,kJ/(kg碳),已知值,voc燃燒1kg碳耗氧量,m3/(kg碳),已知值,Qa(k)=Fa(k)ρairCpair(Tfg(k)-Ta(k))第k個采樣時刻,空氣帶走熱量,kJ/h,ρair空氣密度,kg/m3,已知值,Cpair空氣比熱,kJ/(kg.℃),已知值,QT(k)=0.063×QO(k)第k個采樣時刻,脫附熱量,kJ/h,Qq(k)=Fex(k)Cpwater(Tex_out(k)-Tex_in(k))第k個采樣時刻,再生取熱器取熱量,kJ/h,Cpwater冷卻水比熱,kJ/(kg.℃),已知值,步驟(4.4)令得到用于更新多項式系數(shù)的一組數(shù)據(jù)然后利用遞推最小二乘算法更新步驟(3)所述多項式系數(shù),更新迭代公式如下其中K(k)是第k個采樣時刻的系數(shù)校正增益矩陣,P(k)為k時刻的協(xié)方差矩陣,其初值P(0)=105×I,I為單位陣,λ(k)=0.98為遺忘因子,θ(k)=[a0(k),a1(k),…,aN(k)]′是第k個采樣時刻的多項式系數(shù),上標符號“′”表示矩陣轉(zhuǎn)置,下同,步驟(4.5)所述第一個催化劑循環(huán)量計算模塊根據(jù)更新的多項式系數(shù)an(k)重新計算催化劑循環(huán)量并送所述分布式控制系統(tǒng)DCS顯示和后續(xù)計算使用;步驟(5)提升管反應(yīng)熱計算模塊在所述提升管分為兩段的條件下,i=1,2,計算各段提升管的反應(yīng)熱,步驟(5.1)設(shè)定一個所述提升管的模型<mrow><mi>M</mi><msub><mi>p</mi><mi>i</mi></msub><mfrac><msub><mi>dT</mi><mi>ri</mi></msub><mi>dt</mi></mfrac><mo>+</mo><mrow><mo>(</mo><msub><mi>G</mi><mi>oil</mi></msub><msub><mi>Cp</mi><mi>oil</mi></msub><mo>+</mo><msub><mi>G</mi><mi>C</mi></msub><msub><mi>Cp</mi><mi>cat</mi></msub><mo>+</mo><msub><mi>G</mi><mi>w</mi></msub><msub><mi>Cp</mi><mi>w</mi></msub><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>T</mi><mi>ri</mi></msub><mo>-</mo><msub><mi>T</mi><mrow><mi>r</mi><mrow><mo>(</mo><mi>i</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msub><mo>)</mo></mrow><mo>-</mo><msub><mi>H</mi><mi>lossi</mi></msub><mo>=</mo><msub><mi>G</mi><mi>oil</mi></msub><msub><mi>H</mi><mi>ri</mi></msub><mo>,</mo></mrow>其中Tri第i段提升管的出口溫度,℃,Tr0=Tr(i-1),i=1第1段提升管的入口溫度,℃,Mpi第i段提升管物料和器壁的熱容量,kJ/℃,已知值,Cpoil油氣比熱,kJ/(kg.℃),已知值,Cpcat催化劑比熱,kJ/(kg.℃),已知值,Cpw水蒸汽熱容量,kJ/kg,已知值,GC由再生閥門模型計算得到的催化劑循環(huán)量,kg/h,Hlossi第i段提升管的熱損失,kJ/h,已知值,Hri第i段提升管的反應(yīng)熱,kJ/kg原料油,步驟(5.2)離散化提升管模型方程,得到反應(yīng)熱計算公式計算所述各段提升管的反應(yīng)熱<mrow><msub><mi>H</mi><mi>ri</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>=</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>&gamma;</mi><mo>)</mo></mrow><msub><mi>H</mi><mi>ri</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>+</mo><mi>&gamma;</mi><mrow><mo>(</mo><msub><mi>Mp</mi><mi>i</mi></msub><mfrac><mrow><msub><mi>T</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>T</mi><mi>i</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow><msub><mi>T</mi><mi>s</mi></msub></mfrac><mo>+</mo><msub><mi>H</mi><mi>oi</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>H</mi><mi>lossi</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>/</mo><msub><mi>G</mi><mi>oil</mi></msub><mo>,</mo></mrow>其中Hoi(k)=(Goil(k)Cpoil+GC(k)Cpcat+Gw(k)Cpw)(Tri(k)-Tr(i-1)(k)),0<γ≤1是濾波參數(shù),最終得到兩段提升管的總反應(yīng)熱為步驟(6)在第k個采樣時刻,所述提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊按下述步驟進行反應(yīng)深度控制,步驟(6.1)建立面向動態(tài)控制的提升管非線性動態(tài)數(shù)學模型<mrow><mfencedopen='{'close=''><mtable><mtr><mtd><mfrac><msub><mi>dT</mi><mrow><mi>r</mi><mn>1</mn></mrow></msub><mi>dt</mi></mfrac><mo>=</mo><mo>-</mo><mfrac><mn>1</mn><mrow><msub><mi>s</mi><mrow><mi>T</mi><mn>1</mn></mrow></msub><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msub><mi>&Gamma;</mi><mn>1</mn></msub><mo>)</mo></mrow></mrow></mfrac><mrow><mo>(</mo><msub><mi>T</mi><mrow><mi>r</mi><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>T</mi><mrow><mi>r</mi><mn>0</mn></mrow></msub><mo>)</mo></mrow><mo>-</mo><mfrac><msub><mi>&Lambda;</mi><mn>1</mn></msub><mrow><msub><mi>s</mi><mrow><mi>T</mi><mn>1</mn></mrow></msub><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msub><mi>&Gamma;</mi><mn>1</mn></msub><mo>)</mo></mrow></mrow></mfrac><mfrac><msub><mi>G</mi><mi>C</mi></msub><msub><mi>G</mi><mi>oil</mi></msub></mfrac><msub><mi>C</mi><mrow><mi>c</mi><mn>1</mn></mrow></msub></mtd></mtr><mtr><mtd><mfrac><msub><mi>dT</mi><mrow><mi>r</mi><mn>2</mn></mrow></msub><mi>dt</mi></mfrac><mo>=</mo><mo>-</mo><mfrac><mn>1</mn><mrow><msub><mi>s</mi><mrow><mi>T</mi><mn>2</mn></mrow></msub><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msub><mi>&Gamma;</mi><mn>2</mn></msub><mo>)</mo></mrow></mrow></mfrac><mrow><mo>(</mo><msub><mi>T</mi><mrow><mi>r</mi><mn>2</mn></mrow></msub><mo>-</mo><msub><mi>T</mi><mrow><mi>r</mi><mn>1</mn></mrow></msub><mo>)</mo></mrow><mo>-</mo><mfrac><msub><mi>&Lambda;</mi><mn>2</mn></msub><mrow><msub><mi>s</mi><mrow><mi>T</mi><mn>2</mn></mrow></msub><mrow><mo>(</mo><mn>1</mn><mo>+</mo><msub><mi>&Gamma;</mi><mn>2</mn></msub><mo>)</mo></mrow></mrow></mfrac><mfrac><msub><mi>G</mi><mi>C</mi></msub><msub><mi>G</mi><mi>oil</mi></msub></mfrac><mrow><mo>(</mo><msub><mi>C</mi><mrow><mi>c</mi><mn>2</mn></mrow></msub><mo>-</mo><msub><mi>C</mi><mrow><mi>c</mi><mn>1</mn></mrow></msub><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>其中油氣在第i段提升管的滯留時間,h,Vri第i段提升管體積,m3,已知值,ρoil第1段提升管入口處的油氣密度,kg/m3,已知值,<mrow><msub><mi>&Gamma;</mi><mi>i</mi></msub><mo>=</mo><mfrac><mrow><mfrac><mrow><msub><mi>V</mi><mi>Li</mi></msub><msub><mi>&rho;</mi><mi>L</mi></msub></mrow><mrow><msub><mi>V</mi><mi>ri</mi></msub><msub><mi>&rho;</mi><mi>oil</mi></msub></mrow></mfrac><msub><mi>Cp</mi><mi>m</mi></msub></mrow><mrow><msub><mi>Cp</mi><mi>oil</mi></msub><mo>+</mo><mfrac><msub><mi>G</mi><mi>C</mi></msub><msub><mi>G</mi><mi>oil</mi></msub></mfrac><msub><mi>Cp</mi><mi>cat</mi></msub><mo>+</mo><mfrac><msub><mi>G</mi><mi>w</mi></msub><msub><mi>G</mi><mi>oil</mi></msub></mfrac><msub><mi>Cp</mi><mi>w</mi></msub></mrow></mfrac><mo>:</mo></mrow>無量綱熱容校正系數(shù),VLi第i段提升管耐磨耐熱層體積,m3,已知值,ρL提升管耐磨耐熱層密度,kg/m3,已知值,Cpm提升管耐磨耐熱層的比熱,kJ/(kg.℃),已知值,GC由再生閥門模型計算得到的催化劑循環(huán)量,kg/h,<mrow><msub><mi>&Lambda;</mi><mi>i</mi></msub><mo>=</mo><mfrac><mrow><mi>&Delta;</mi><msub><mi>H</mi><mi>CR</mi></msub></mrow><mrow><msub><mi>Cp</mi><mi>oil</mi></msub><mo>+</mo><mfrac><msub><mi>G</mi><mi>C</mi></msub><msub><mi>G</mi><mi>oil</mi></msub></mfrac><msub><mi>Cp</mi><mi>cat</mi></msub><mo>+</mo><mfrac><msub><mi>C</mi><mi>w</mi></msub><msub><mi>G</mi><mi>oil</mi></msub></mfrac><msub><mi>Cp</mi><mi>w</mi></msub></mrow></mfrac><mo>:</mo></mrow>反應(yīng)熱與物料比熱之比,℃,ΔHCR反應(yīng)熱,kJ/kg催化碳,已知值,Cci第i段提升管出口處催化劑的催化碳含量,%,已知值Cpoil_L原料油比熱,kJ/(kg.℃),已知值,ΔHv原料油氣化熱,kJ/kg原料油,已知值,步驟(6.2)在第k個采樣時刻,提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊通過控制原料油預(yù)熱溫度和再生閥門開度,使第二段提升管出口溫度和反應(yīng)熱達到各自設(shè)定值和即,采用Levenberg-Marquardt優(yōu)化算法求解下述優(yōu)化問題<mrow><munder><munder><mi>min</mi><mrow><msub><mi>T</mi><mi>oil</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>,</mo><mi>ivp</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>)</mo></mrow></mrow></munder><mrow><mi>j</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><msub><mi>L</mi><mn>2</mn></msub></mrow></munder><mi>J</mi><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>l</mi><mn>1</mn></msub><mo>=</mo><mn>1</mn></mrow><msub><mi>L</mi><mn>1</mn></msub></munderover><msup><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>H</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>1</mn></msub><mo>)</mo></mrow><mo>-</mo><msubsup><mi>H</mi><mi>r</mi><mo>*</mo></msubsup></mtd></mtr><mtr><mtd><msub><mi>T</mi><mrow><mi>r</mi><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>1</mn></msub><mo>)</mo></mrow><mo>-</mo><msubsup><mi>T</mi><mrow><mi>r</mi><mn>2</mn></mrow><mo>*</mo></msubsup></mtd></mtr></mtable></mfenced><mo>&prime;</mo></msup><mi>Q</mi><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>H</mi><mi>r</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>1</mn></msub><mo>)</mo></mrow><mo>-</mo><msubsup><mi>H</mi><mi>r</mi><mo>*</mo></msubsup></mtd></mtr><mtr><mtd><msub><mi>T</mi><mrow><mi>r</mi><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>1</mn></msub><mo>)</mo></mrow><mo>-</mo><msubsup><mi>T</mi><mrow><mi>r</mi><mn>2</mn></mrow><mo>*</mo></msubsup></mtd></mtr></mtable></mfenced></mrow><mrow><mo>+</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>l</mi><mn>2</mn></msub><mo>=</mo><mn>1</mn></mrow><msub><mi>L</mi><mn>2</mn></msub></munderover><msup><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>T</mi><mi>oil</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>-</mo><msub><mi>T</mi><mi>oil</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mi>ivp</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>-</mo><mi>ivp</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>&prime;</mo></msup><mi>R</mi><mfencedopen='['close=']'><mtable><mtr><mtd><msub><mi>T</mi><mi>oil</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>-</mo><msub><mi>T</mi><mi>oil</mi></msub><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mi>ivp</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>)</mo></mrow><mo>-</mo><mi>ivp</mi><mrow><mo>(</mo><mi>k</mi><mo>+</mo><msub><mi>l</mi><mn>2</mn></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd></mtr></mtable></mfenced></mrow>得到控制量Toil(k+l2),ivp(k+l2),l2=1,…,L2,其中L1=10為預(yù)測步長,L2=2為控制步長,Hr(k+l1)是根據(jù)(6.1)所述提升管模型預(yù)測k+l1時刻的反應(yīng)熱值,Tr2(k+l1)是根據(jù)(6.1)所述提升管模型預(yù)測k+l1時刻的第2段提升管出口溫度值,Toil(k+l2)是k+l2時刻的原料油預(yù)熱溫度的預(yù)測值,ivp(k+l2)是k+l2時刻的再生閥門開度的預(yù)測值,是輸出變量加權(quán)矩陣,是控制變量加權(quán)矩陣;步驟(7)所述提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制模塊將步驟(6.2)得到的Toil(k+1)和ivp(k+1)分別作為k+1時刻原料油預(yù)熱溫度PID控制器的設(shè)定值和k+1時刻再生閥門開度的設(shè)定值,然后轉(zhuǎn)入k+1時刻,重復(fù)執(zhí)行步驟(2)-(7)直至達到設(shè)定的采樣總數(shù)K。FSA00000159643000011.tif,FSA00000159643000012.tif,FSA00000159643000023.tif,FSA00000159643000025.tif,FSA00000159643000026.tif,FSA00000159643000031.tif,FSA00000159643000032.tif,FSA00000159643000033.tif,FSA00000159643000034.tif,FSA00000159643000035.tif,FSA00000159643000043.tif,FSA00000159643000051.tif,FSA00000159643000054.tif,FSA00000159643000055.tif,FSA00000159643000061.tif,FSA00000159643000062.tif全文摘要催化裂化反應(yīng)深度在線計算和自適應(yīng)非線性預(yù)測控制方法屬于工業(yè)過程自動控制
技術(shù)領(lǐng)域
,其特征在于,利用再生器熱平衡計算得到的相對準確的催化劑循環(huán)量在線校正再生閥門流量特性模型的參數(shù),然后基于校正后的再生閥門流量特性模型完成催化劑循環(huán)量的實時計算;在此基礎(chǔ)上,基于提升管動態(tài)數(shù)學模型在線計算催化裂化反應(yīng)熱及實現(xiàn)提升管反應(yīng)深度自適應(yīng)非線性預(yù)測控制。文檔編號G05B13/04GK101859103SQ201010196660公開日2010年10月13日申請日期2010年6月2日優(yōu)先權(quán)日2010年6月2日發(fā)明者劉祁躍,王平,黃德先申請人:清華大學
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1