今日頭條
官方微信
官方抖音
資訊頻道
《世界儀表與自動化》，2007年5月，
一 引言
一般來說，工業裝置的操作目標可以歸納為3個方面，按其重要順序，即安全、產品質量和生產效率。在實現了安全生產的前提下，許多企業管理者開始考慮如何將生產自動化與經營活動結合起來，通過某種解決方案將經營目標轉化成生產操作中的操作目標，根據市場變化和設備狀況自動地確定控制器最優設定點，并將生產數據加工為
生產信息進行反饋，從而實現企業經營目標與生產操作有機關聯。
實時優化在企業自動化系統結構中的位置如圖1所示。在系統結構中，實時優化處于先進控制和基礎層之上。其功能是綜合考慮經濟信息、裝置物理約束和裝置自由度的前提下，最優化經濟效益。要達到這個目的，實時優化系統必須能夠：、感知系統當前狀態，求解最佳操作點，確定從當前操作點至最佳操作點的路徑。
實時優化技術分為兩類：一類是穩態優化，這是傳統的實時優化，采用穩態機理模型，大多利用基于方程的求解技術；另一類是動態優化，這是實時優化的新發展，采用動態模型。無論穩態實時優化還是動態實時優化，我們都將對以下3個關注點進行分析：
（1）狀態估計（感知系統當前狀態）：是指能夠判斷系統當前的狀態。由于各種干擾的影響，工業生產裝置總是處于動態變化中。對于干擾的動態響應也是有快有慢，甚至還有逆響應或者純滯后。這意味著在某一時刻得到的“快照”數據并不能夠完全反映裝置全部情況，有時甚至可能會讓人們得出錯誤的結論。完整地評估裝置當前狀態還需要歷史數據。狀態估計既能夠判斷裝置眼下的狀態，也能預估其未來狀態。
（2）最優狀態（確定最佳操作點）：是指求解最佳穩態操作點。用一組代數方程來描述實際裝置，然后利用線性代數和最優理論求解最佳操作點。
（3）動態路徑：是指從當前操作點移動至最佳操作點路徑。通常存在許多路徑，由于變量間的動態耦合，直線路徑未必就是最佳路徑，有時甚至是不可行路徑。
圖1 企業自動化系統結構
實時優化是根據所得到的各種信息，利用計算機自動地周期性地完成優化計算，并將最優參數值直接送到先進控制器作為設定。實時優化通常采用嚴格的非線性過程模型、工廠約束和當前的經濟信息來在線最大化生產過程經濟效益。目標函數往往對于經濟指標直接相關，如產品的質量和數量的提高，原料和能量消耗的降低等。實時優化實際上是穩態仿真的擴展應用。模塊4描述主要利用穩態物料平衡、熱量平衡，有時也用動量平衡來描述，模型最初可能是為工藝設計而開發的，采用SQP方法求解。用傳統的實時優化方法描述乙烯工廠通常需要幾十萬個變量，顯然，求解這樣大規模的優化問題需要較多的計算時間。典型的執行周期包括：
（1）穩態偵破：保證裝置處于合理的穩態，這樣當前工藝數據可被用來建立工藝初始狀態。
（2）數據校正與參數估計：目的是校正工藝數據和確定模型參數，以最好地擬合上一步中建立的工藝狀態。對現場實測數據要首先偵破那些由于儀表的故障或系統泄漏引起的大誤差，將其刪除，然后用熱量及質量平衡計算來校正隨機誤差。這樣處理過的數據稱為“精練數據”，方可作為模型的輸入。
（3）對上兩步建立的模型進行優化求解。
（4）一致性檢查。將優化結果下傳到先進控制前進行一致性檢查，以確保完成優化計算后的工藝狀態與第一步建立的初始狀態沒有大的出入。
圖2為穩態實時優化軟件內部各模塊的執行順序。基于穩態機理模型的實時優化軟件的典型代表有Aspen Tech公司的RTO、Invensys公司的ROMEO和Honeywell公司的Profit Max。在新的發展方面，Aspen Tech RTO和InvensysROMEO均將序慣模塊法和面向方程的求解方法進行了整合。
對應引言中提到的3個關注點，穩態實時優化的特性如下：
（1）狀態估計
傳統的實時優化要求將穩態工藝模型嚴格地匹配到當前的裝置狀況，需要進行數據校正和參數估計。對于動態變化比較頻繁的裝置，實際中不太容易確定準確的當前狀態。例如乙烯裝置就很少處于穩態。實踐中則成了一個參數調整的問題，有兩種極端情況：（1）嚴格的穩態判斷準則，意味著等待時間長。（2）松弛的穩態判斷準則，可以減少等待時間。這兩種方法都有問題，對于第一種方法，等待、意味著丟失了優化的機會，雖然當達到穩態實時優化結果的意義大；對于第二種方法，優化可以進行得更頻繁，但數據校正和參數估計的完備性降低了。總之，整個優化是在某種程度上的折衷。
（2）最優狀態
第一，優化器的執行周期與模型大小和計算機的計算能力相關。第二，優化器計算期間進行系統的干擾能夠使本次優化結果無效。由于等待穩態、計算時間長、以及中間干擾等因素，傳統的實時優化在乙烯裝置上的運行頻次非常低。
（3）動態路徑
穩態優化無法給出動態路徑。通常采用人工輸入的步幅限制來約束向最佳操作點的移動。由于優化模型本質上是穩態的，所以通常輸入的優化步幅都比較小，以避免CV值波動過大。
傳統的實時優化需要維護兩套模型，一套是模型預測控制器使用的線性動態模型，另一套是實時優化使用的非線性穩態工藝模型。兩套模型都描述同一個裝置，卻基本完全不同，無法相互利用。這意味著模型的開發和維護都需要重復投資。
總之，傳統的實時優化基于穩態模型，實時優化的很多時間用于等待裝置處于穩態，并且下傳穩態優化結果的前提是優化計算期間沒有中間干擾進入系統。對于動態響應比較快或者干擾少的裝置，實時優化僅用于適應企業外部的市場需求變化，傳統的優化說夠了。對于動態變化比較頻繁的裝置，傳統實時優化可能給裝置帶來最大效益。為此，眾多的學者和公司在研究如何引入動態模型，對大工業過程進行實時動態優化。
三 動態實時優化——實時優化的新發展
從實用的觀點看，分層優化方法可以為用戶提供最好的投資回報。近些年，實時優化與先進控制的主要供應商都推出了這樣的解決方案，如AspenTech 公司的DMCPlus、CLP、RTO 和Honeywell公司的Profit Controller、Profit Optimizer、Profit Max。以Honeywell公司為例，其中分層優化框架包括三層：
（1）通過Profit Controller實施的局部優化；
（2）通過Profit Optimizer實施的全局實時優化；
（3）通過Profit Max利用嚴格的機理模型對高度非線性過程實施優化。
這一分層優化的方法將Profit Optimizer作為實施基于嚴格機理模型的實時優化的基礎，充分利用已經安裝的多變量控制器，從而降低實施實時優化的成本和風險。
Profit Optimizer采用了其特有的基于分布式二次規劃（DQP）的協調控制與優化算法。該算法利用動態關聯模型對各Profit Controller所對應的單元間的相互干擾進行描述，同時，將動態控制層的約束條件和其他的全局優化變量及中間變量的動態約束條件結合起來。Profit Optimizer不僅能給出最佳操作點，而且能計算出達到最佳操作點的最優路徑。Profit Optimizer將傳統的穩態優化問題化為整個控制框架下的動態問題，通過及時的現場反饋處理和實時求解動態優化問題，逐步逼近穩態最優解。
這一突破性的技術將傳統的基于機理的模型的優化問題轉化為控制/協調問題。Profit Optimizer能非常有效地處理實時優化中的動態問題，并將優化結果輸出給其下一層的Profit Controller，后者通過跟蹤Profit Optimizer給出的優化指標，將裝置推動到它的最優操作點。它比較少適合于解決中大規模的實時控制與優化問題。Profit Optimizer易于實施，并且比傳統的實時優化方法有更強的魯棒性，其良好的準確度通過直接的、頻繁的過程反饋來保持。由于Profit Optimizer每1~2min運行一次，它可很快地檢測到干擾并及時作出響應。因此，它能使裝置的運行更接近裝置約束，更接近優化目標。
Profit Optimizer的基礎模型來自Profit Controller，都是線性動態模型，對于高度非線性的過程，增益更新技術是提高多變壓量預測控制適應范圍的一個很有效的方法，通常，增益更新是采用對非線性模型進行數值蠕動的方法。由于只需要工藝變量間的商，因此不要求在每個執行周期都進行嚴格地參數擬合。執行周期短和連續增益更新使得Profit Optimizer求解大規模非線性優化問題的宏觀表現類似于SQP法求解非線性問題。
對應引言中提到的3個關注點，Profit Optimizer的特性如下：
（1）狀態估計
由于已經包含了裝置的動態模型，Profit Optimizer在進行優化計算時不要求裝置處于穩態。Profit Optimizer的執行周期通常為1min，這樣可以頻繁得到現場反饋數據，以補償模型失配。Profit Optimizer的模型準確地知道每一個過程變量的當前值和未來值。
（2）最優狀態
在Profit Optimizer中，優化問題是半整定QP問題，一定有解，且求解速度過快。通常Profit Optimizer與Profit Controller的執行周期相同。
（3）動態路徑
Profit Optimizer將按照最小能量路徑將生產推向最佳操作點。最小能量路徑即是最小MV調節量。
以Profit Optimizer為代表的動態優化是實時優化技術的進步。采用動態模型代替穩態優化模型，優化計算不要求裝置處于穩態。以QP描述優化，求解方便。嚴格穩態模型與動態系統相集成的方案實現在線更新先進控制器和優化器模型增益，以處理非線性。Profit Optimizer適合于解決現實中的動態優化問題。
圖3為Profit Optimizer的應用結構。作為動態優化/協調層，Profit Optimizer處于先進控制層之上。非線性模型通過接口（Profit Bridge）實現對Profit Controller和Profit Optimizer的模型增益進行在線更新。每個執行周期，優化器都能夠得到反饋信息。
圖3 Profit Optimizer 應用結構圖
自計算機與仿真模型技術出現以來，在工業裝置上實現全自動的實時優化始終是人們的一個夢想。在這一過程中，學者與供應商不斷地開發新的技術，同時用戶也客觀地調整自己的需求期望。實踐實時優化需要關注以下幾點：
（1）切實的應用需求
深入了解生產業務，明確生產業務中是否真正有對實時優化的需求。項目實施人員要能準確理解具體的業務要求。
（2）良好的基礎條件
工藝生產的靈活性，即裝置是否有足夠的自由度來適應生產變化；完善的現場儀表和計算機系統，現場儀表的準確性和重復性要高，在線分析儀表靈敏度、穩定性要高；通信系統工作正常，設備狀態必須要完好；儀表自控率和聯鎖系統的投率要高，這樣才能保證生產安全平穩，先進控制的投運率要高，它能使正常的生產操作動態波動過程保持最優；生產操作人員和控制系統維護人員對工藝過程及先進技術有良好的理解，包括認識水平、技術水平、維護水平、聯合開發水平等。
（3）選擇與所要解決的問題相匹配的技術，對于動態響應很快或者非常平穩的裝置，適宜采用穩態優化技術，對于動態變化比較頻繁的裝置，適宜采用動態優化狀態；盡量采用簡單易行的解決方案；考慮模型的重復利用和維護；支持工具是否齊全。
（4）效益保持
供操作人員和工程師使用的維護和監視工具軟件，隨著時間的推移，裝置設備、催化劑等有可能會發生變化，需要監視優化器的工作性能，并及時維護；選擇比較容易進行刷新、模型維護和項目擴展的技術；管理層關注結果，管理制度上應該對實時優化的長期、有效運行進行考核和監督。
事實上，采用實時優化是企業生產操作水平和計算機應用水平發展到一定階段的必然要求。目前還沒有一個能夠適用于所有情況的實時優化技術，這迫使人們去研究具體的生產過程的特點與難點，選擇有針對性的實時優化技術。無論如何，作為實時優化技術的新發展，動態化技術的出現使人們離實現工業裝置全自動實時優化夢想又前進了一步。
北京市公安局海淀分局備案號：11010802023656號