碳化塔优化控制系统设计与应用

《碳化塔优化控制系统设计与应用》由会员分享，可在线阅读，更多相关《碳化塔优化控制系统设计与应用（7页珍藏版）》请在装配图网上搜索。

1、碳化塔的优化控制系统的设计与应用曾莹 程良伦 朱燕飞(广东工业大学 自动化学院, 广东 广州 510090)zengying.15摘要：本文应用控制技术以及工程建模技术，结合南方制碱厂碳化工艺的生产特点，设计以提高碳化塔的操作平稳性和转化率为主要目标的效能优化控制系统。关键词：纯碱碳化 建模 优化控制Designing and Application of Soda Towers Optimization and Control SystemYing Zeng, Liang-lun Cheng, Yan-fei Zhu(Faculty of Automation, Guangdong Univ

2、ersity of Technology, Guangdong, Guangzhou, 510090)zengying.15Abstract: Based on the control technology and modeling technology, the paper design an optimization and control system which aims to improve the stabilization of soda towers operation and the rate of transformation.Keywords: Soda Carboniz

3、ation, Modeling, Optimization Control1 引言纯碱（Na2CO3）是一种重要的基本化工原料，也是一种具有多年生产和使用历史的传统化工产品，它广泛地应用于化工、医药、玻璃、冶金以及造纸等诸多行业中，每年的需求量很大，在国民经济建设中占有重要的基础地位，纯碱工业的发展好坏直接关系到国民经济的发展和人民生活水平的提高。碳化工艺是制碱工艺的关键工艺，机理较为复杂。碳化塔是整个纯碱生产的核心单元，既有化学反应、传热、传质、结晶等多种过程，又有气、液、固三相物质的存在，并且每塔又分为清洗和制碱两种状态，是既有连续，又有间歇的复杂生产过程。其各项操作指标完成的好坏直接关系

4、到产品产量和质量，从而影响产品的成本和经济效益。到现在为止，国内各碱厂碳化过程虽然大多已经采用计算机控制系统，如DCS和PLC等，但仍然停留在仅有少量的控制点采用单回路手动控制的基础上，如广州南方制碱厂的DCS系统所采用的PID控制点虽然有自动控制，但并未考虑各个控制量间的相互耦合性，且生产过程波动频繁，人工干预频繁，工人劳动强度大并且控制品质也比较差。因此，碳化过程实现控制与优化对整个纯碱工业具有重要的意义。在碳化塔内，从碳化塔上部的气流两相反应，即二氧化碳的吸收和氨的解吸，到碳化塔中下部碳酸氢钠的生成，以及碳酸氢钠结晶析出和结晶成长的过程是一个复杂的多相传质传热过程，气液固三相存着相互联系

5、、相互制约、相互促进的复杂关系。控制碳化塔内的吸收和反应过程，直接的手段是控制碳化塔的中部温度、上部温度和出碱液的温度控制，而出碱液的温度控制，只要碳化塔下部水箱的冷却系统的冷却效果足够强，就容易做到的。因此，碳化塔的中上部温度控制的好坏，是衡量碳化过程控制品质的主要标志。然而，要想碳化塔的中上部温度能够稳定在理想值，使碳化塔运行于最佳工况，首先就要了解碳化塔的当前特性，即建立符合碳化塔目前运行特性的模型。以此模型为基础，通过一定的优化算法，在各运行参数的取值范围内，搜寻到一个变量组合，使碳化塔在此组合的作用下，性能达到最优。由于氨盐水的碳酸化过程是一个具有气、液、固三相参与的，包括吸收、反应

6、、结晶、流动等物理化学过程的复杂过程，具有多输入输出、非线性、强藕合、时变性等，用机理性建模的方法建立符合碳化塔当前特性的模型存在很大的困难，本文采用了工程上较为简单的响应曲线辨识法来确定过程的数学模型，该法简单实用，运算速度快，能在线的修正模型的参数。建立碳化塔模型的目的是为了指导碳化过程的控制量的优化。通过优化算法得到一组最优控制参数，再将这组参数作为控制系统的基本设定参数，指导控制系统，达到运行目标最优。本文是以广州南方制碱厂的碳化系统为背景，该厂目前采用的是杭州和利时的SmartPro DCS控制系统来进行生产过程的控制与管理，本文基于此控制系统之上，用上位机实现优化控制，即应用其上位

7、机软件facview进行编程实现软件的优化控制。2 基于碳化塔内温度分布稳定的建模2.1 基于响应曲线辨识法建模图1 一阶无时延阶跃响应曲线若过程的阶跃响应曲线如图1所示，t0时，曲线斜率最大，之后斜率逐渐减小，逐渐上升到稳态值，则该曲线可用一阶无时延环节来近似。式（1）表示一阶无时延过程，只需确定T0 和K0两个参数，其确定方法常用直角坐标图解法。 (1)直角坐标图解法设阶跃输入量为X0，可求得一阶无时延环节的阶跃响应为： (2)由于实验测定阶跃响应曲线在过程稳定在某一值时进行的，只是在原来输入量的基础上叠加了X0的阶跃变化量，因此，式（2）所示的输出表达式是对应原来输出值基础上的增量表达式

8、。用输出测量数据作阶跃响应曲线时，应减去原来的稳态值。也就是说，图1所示阶跃响应曲线是以原来的稳态工作点为坐标原点的增量变化曲线。对式（2），当时，得 (3)则 (4)式中，y（0）为t0时刻过程输出的稳态值。当t0时，曲线的斜率为 (5)此时切线的斜率为最大，切线方程为，当t时，有 (6)由以上可得直角坐标图解法确定T0 和K0的步骤为：1） 由阶跃响应曲线定出，再由式（4）确定K0值。2） 过t0点作曲线的切线，该切线与线交于A点，则OA在时间轴线上的投影即为时间常数T0，见图1。T0也可以由测试数据直接求得。根据式（2）和（3）可有 (7)由上式可求得，t1T0/2时，y(T0/2)=0

9、.39*;t2= T0时，y(T0)=0.63*;t3=2* T0时，y(2)=0.87*;见图1。因此，不难计算出时间常数T0。2.2 应用响应曲线辨识法对纵向温度建模碳化过程整个反应为一放热反应，因此，从化学反应的角度，控制塔内温度分布的稳定是保证碳化稳定反应的首要条件。根据工人经验，塔内温度的高低主要受中段气流量和下段气流量大小的影响。而根据生产实际，塔化塔可测的温度有5圈温度、12圈温度、17圈温度、23圈温度，即要建立的数学模型为12圈温度T12、17圈温度T17、23圈温度T23分别与中段气流量Q1、下段气流量Q2之间的线性关联模型(5图温度较低且相对稳定，不予考虑)，由下列式子表

10、示：式中，K112、K117、K123、K112、K117、K123为放大系数，T012、T017、T023为时间常数。应用facview软件和响应曲线辨识法对纵向温度进行建模的算法步骤如下：a) 从趋势服务器中导出历史数据，在本算法中导出的数据应为从碳化塔开塔到塔稳定运行的过渡阶段，时间范围为一天。b) 应用搜索算法搜索中、下段气流量值从0变至大于3000的时刻t(0)，并以此时刻t(0)作为阶跃响应的初始时刻。c) 计算12圈温度、17圈温度、23圈温度、中段气流量、下段气流量的初始阶跃值：T12(0)、T17(0)、T23(0)、Q1(0)、Q2(0)。d) 计算12圈温度、17圈温度、

11、23圈温度、中段气流量、下段气流量的阶跃稳态值：T12()、T17()、T23()、Q1()、Q2()。e) 根据公式（4）可计算各模型的参数K0值，在本算法中的计算公式为：K112(T12()- T12(0)/(Q1()- Q1(0)K212(T12()- T12(0)/(Q2()- Q2(0)K117(T17()- T17(0)/(Q1()- Q1(0)K217(T17()- T17(0)/(Q2()- Q2(0)K123(T23()- T23(0)/(Q1()- Q1(0)K223(T23()- T23(0)/(Q2()- Q2(0)f) 计算各圈温度在过渡阶段的响应值，即计算y(T0)

12、=0.63*的y(T0)值，在本算法中的计算公式为：T12(T012)0.63*( T12()- T12(0)+ T12(0)T17(T017)0.63*( T17()- T17(0)+ T17(0)T23(T023)0.63*( T23()- T23(0)+ T23(0)g) 利用搜索算法搜索出温度值分别等于T12(T012)、T17(T017)、T23(T023)的时刻T012、T017、T023，即得到了模型的时间常数。至此建模结束。3 效能优化控制器的设计与实现在原有PID控制规律的前提下，考虑变量间相互影响的耦合特性，建立塔内温度分布与中、下段气流量的线性关联模型，并以此模型作为控制

13、参数优化的整定依据，添加到原控制系统中，以提高塔内温度分布的稳定性。控制方案的总体框架如图2所示：塔化过程建模计算优化参数建立优化控制模型效能优化控制软件DCS控制回路在线学习模型更新数据数据图2 优化控制方案总体框图(1) 回归分析为寻求塔内温度分布与中段气流量、下段气流量间的关系，对过程运行数据进行关联分析。为保证结果的一致性，选取多个时段相对较能体现模型特性的数据，分别分析12圈温度T12、17圈温度T17、23圈温度T23与中段气流量Q1、下段气流量Q2之间的线性相关特性(5图温度较低且相对稳定，不予考虑)。以时间段为2007年10月19日 5:006:00的历史数据进行回归分析，其线

14、性关联系数如下表如示：关联系数12圈温度17圈温度23圈温度中段气流量-0.594358810.6470501080.749034845下段气流量-0.555888550.7960156070.852663312从上述关联系数来看，中段气量Q1对23圈温度T23影响较大，而对12圈温度T12、17圈温度T17影响相对较小；下段气流量Q2对T12、T17影响较大，对T23也有较强的影响，为保证塔内温度分布的稳定性，应采用Q1控制T23，Q2控制T17的方案，并同时考虑Q2对T23影响的耦合特性。而T17的大小在优化状态下基本与T12成一比例关系，因此，保持T12与T17有一定的关系比即可，注意T

15、12T17。其他时段，从相关特性结果和数据变化趋势分析，结论相类似。(2) 线性关联模型的建立提取某个时段相对较体现模型特性的数据，分别通过上节所叙的算法建立稳定工况下T12、T17、T23随Q1、Q2变化的线性关联模型，模型结构以一阶线性模型即可，即为：.模型具有在线修正参数的能力，根据化学反应工况及工人经验，确立修正参数的间隔时间。(3) PID控制器参数及整定依据关联模型，设计PID控制器，以Q1控制T23为例(Q1控制T17类似)，如下图，并通过仿真整定其控制参数。虽然仿真过程能表达实际过程的特性，但并不等于实际过程，在实际调试过程中还需对PID参数进一步进行工程整定。Q2控制T17的

16、过程同上。在应用facview软件编程实现PID控制器参数整定时，算法实现了四种PID参数整定方法和三种PID调节器类型。PID参数整定方法分别为：绝对误差积分法（IAE）、误差积分法（ISE）、时间乘绝对误差积分法（ITAE）、CohenCoon法及手动整定法。PID调节器类型分别为：常规PI调节器、增量型PID调节器、微分先行PID调节器。控制器的设计过程注意考虑各参数的最佳稳定范围。通过对2007年8月-11月数据的分析，认为各参数的给定值及控制范围为以下较佳：T12： 62 (6162.5)T17： 65.5 (6466.5)T23： 56 (5257.5)Q1： 6000 Nm3/h

17、 (58006200 Nm3/h)Q2： 4000 Nm3/h (38004200 Nm3/h)(4) 优化补偿器的设计 补偿器的设计主要考虑控制作用的相互耦合问题，即Q1作用对T12、T17的影响，及Q2作用对T23的影响，设立两个主控制系统的算法修正系统，其修正方法如下： 考虑Q2对T23影响的耦合特性，这是保证整个控制稳定的关键。通过建立T23与Q2之间的线性关联模型，并整定PID参数；将此参数与Q2T17控制系统中PID参数做比较，在保证过程稳定运行的条件下，按参数对Q2T17控制作用较大，而对Q2T23影响较小为标准折中选取，从而减小Q2对T23影响耦合性的影响。 控制设计时采用Q2

18、控制T17，未加入T12，因此需保证T12T17，如果某时刻出现T1262.5，或T1764，应适当加大Q2，以保证T12、T17恢复正常水平。 因原有PID控制为人工手动控制，在优化控制输出偏离正常值时，可利用手动控制的特点，降低系统运行的危险性，此时可在优化控制输出和原有PID控制输出之间设立切换系统。 过程控制中，依据厂方工程师经验，要求：中段气量Q1中CO2含量 与下段气量Q2中CO2含量相等，从实际数据分析得知二者并不完全相等，具有一定差值，因此，在CO2含量均衡问题上，需要对中下段气流量进行约束计算，以避免二者的CO2含量差值太大。(5) 控制器的实现应用上位机软件facview编

19、程实现，控制算法如上所叙，系统最后得到的输出为原系统PID调节器的设定值，这样可避免直接控制底层的执行机构即阀门的动作，增加了系统的安全性，且系统可随时进行自手动切换，便于操作员进行操作。经过一段时间的投入试运行，该系统的优化效果较佳，能够平衡地调整和跟踪流量，减少了流量的频繁波动，也使CO2的转化率得到了一定的提高。4 总结本文是针对广州南方制碱厂的碳化工艺而设计并实现了碳化工艺针对关键参数的效能优化控制系统，该系统对关键参数如温度和流量进行建模分析，再结合生产工艺实际进行优化控制，以达到操作的稳定性和转化率的提高。经过该厂的一段时间的试运行，证明该系统操作简单实用。参考文献:1 尚建壮. 我国纯碱工业现状分析，现代化工，2007,3(3): 63-652 广东南方制碱有限公司. 重碱车间碳化岗位作业指导书, 广东南方制碱有限公司技术资料，2007，113 林德杰. 过程控制仪表及控制系统，机械工业出版社，2004,64 方崇智,萧德云. 过程辨识，清华大学出版社，2004,35 侯媛彬,汪梅,王立琦. 系统辨识及其matlab仿真，科学出版社，2004