See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/346062323

2020化工学报 谢府命 慢时变化工过程裕量释放机制分析

Article  in  Huagong Xuebao/Journal of Chemical Industry and Engineering (China) · November 2020

DOI: 10.11949/0438-1157.20200440

CITATIONS READS

0 47

3 authors, including:

Feng Xu Xiong-Lin Luo

King's College London China University of Petroleum Beijing
72 PUBLICATIONS   1,262 CITATIONS    524 PUBLICATIONS   991 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Process Control View project

Process System Engineering View project

All content following this page was uploaded by Xiong-Lin Luo on 22 November 2020.

The user has requested enhancement of the downloaded file.

 CIESC Journal , 2020, 71(S2): 216-224 化工学报 2020 年 第 71 卷 第 S2 期 | www.hgxb.com.cn

􀤃􀤃􀤃􀤃􀤃􀤃􀤃􀦃
􀤃􀤃􀦃

DOI：10.11949/0438-1157.20200440

􀤃􀤃􀦃
研究论文
􀤃􀤃􀤃􀤃􀤃􀤃􀤃􀦃

慢时变化工过程裕量释放机制分析
谢府命，许锋，罗雄麟
（中国石油大学 （北京） 自动化系，北京 102249）

摘要： 化工过程普遍存在慢时变特性，在一个运行周期内慢时变参数的变化造成化工装置性能逐渐下降。为此，
过程设计时需要按照慢时变参数可能的“最坏”影响对设计变量留出足够的设计裕量，在一个运行周期内通过
操作逐渐释放，补偿慢时变参数的不利影响，且理想操作是保证到运行周期结束时化工装置性能恰好达到过程
约束边界。本文对慢时变过程设计裕量的释放机制进行了分析，考虑含慢时变参数的全周期操作优化通用动态
模型，通过最优控制的极小值原理求解该优化问题，建立了最优裕量释放轨迹和慢时变参数变化曲线之间的联
系，从而证明最优裕量释放只与慢时变化工过程的运行周期有关。以乙炔加氢反应器为例验证了该裕量释放机
制，对于慢时变化工过程，设定的运行周期越短，设计裕量释放越快，仅能获得较高的短期经济效益；反之，
设定较长的运行周期，设计裕量缓慢释放，能获得更高的长期经济效益。
关键词： 过程系统；操作优化；设计裕量；慢时变系统；乙炔加氢反应器
中图分类号： TQ 021.8 文献标志码： A
文章编号： 0438-1157 （2020） S2-0216-09

Release mechanism analysis of design margin for slowly-time-varying

chemical processes

XIE Fuming, XU Feng, LUO Xionglin

(Department of Automation, China University of Petroleum, Beijing 102249, China)

Abstract: Slowly-time-varying characteristics are common in chemical processes, and the changes of slowly-time-
varying parameters in an operating cycle gradually decrease the performance of chemical process. So, enough
margins must be added for design variables during the phase of process design according to the possible worst-case
influence of slowly-time-varying parameters. The design margins will be released gradually compensating the worse
influence of slowly-time-varying parameters in an operating cycle. It can be called as a perfect operation that the
operating point is on the boundary of process constraints when an operating cycle is ending. In this paper, the
margin release mechanism of slowly-time-varying chemical processes is analyzed. Based on the universal dynamic
model containing slowly-time-varying parameters, the full cycle operation optimization is solved by minimum
principle of optimal control. It is found that the optimal margin release trajectory is related to the curve of slowly-
time-varying parameter, ensuring that the optimal margin release is only dependent on the operating cycle. This
mechanism is verified by the example of acetylene hydrogenation reactor. For slowly-time-varying chemical
processes, the shorter the operating cycle is set, the faster the design margin is released, the higher temporary

收稿日期：2020-04-29 修回日期：2020-07-08
通信作者：许锋（1976—），男，副教授，[email protected]
第一作者：谢府命（1991—），男，博士研究生，[email protected]
基金项目：国家自然科学基金项目（21676295）
引用本文：谢府命, 许锋, 罗雄麟 . 慢时变化工过程裕量释放机制分析[J]. 化工学报, 2020, 71(S2): 216-224
Citation：XIE Fuming, XU Feng, LUO Xionglin. Release mechanism analysis of design margin for slowly-time-varying chemical processes[J]. CIESC
Journal, 2020, 71(S2): 216-224
第 S2 期 www.hgxb.com.cn ·217 ·

economic benefit is obtained; otherwise, the longer the operating cycle is set, the more integrated economic benefit
is accomplished.
Key words: process systems; operation optimization; design margin; slowly-time-varying process; acetylene
hydrogenation reactor

引 言 量，设计裕量可分为工艺裕量与控制裕量，控制裕
量保证操作和控制的实现，工艺裕量则保证系统的
许多化工过程存在慢时变特性，如固定床反应 工艺需求。工艺裕量的存在为过程的操作优化留
器的催化剂失活、换热器的结垢老化，催化剂活性 出了一定的空间。
和结垢热阻均为慢时变参数，化工装置的一个运行 Xie 等[24]从设计与操作结合的角度出发，针对存
周期内慢时变参数的缓慢变化造成化工装置的性 在慢时变参数的化工过程，分析化工装置在一个运
能逐渐下降。为此，过程设计时需要对设计变量留 行周期内裕量消耗的动态变化情况，评估装置在运
出足够的裕量，使操作点与过程约束之间存在足够 行过程中操作优化所能获得的最大潜在经济效益
的距离。在一个运行周期内通过操作逐渐释放设 如何随时间变化。通过分析设计裕量与操作优化
计裕量，补偿慢时变参数的不利影响。 的关系，提出了一种能够保证一定的控制裕量并将
目 前 ，对 于 存 在 慢 时 变 特 性 的 化 工 过 程 建 模 工艺裕量缓慢释放的操作优化方法，通过估计一个
中，已充分考虑了慢时变特性的影响，并且根据慢 运行周期的工艺裕量和控制裕量，既能保证系统的
[1-7]
时变参数的变化规律建立了相应的数学模型 。 可操作性，又能最大程度上利用剩余裕量进行操作
进而以各种生产指标构建慢时变系统的优化模型 优化。
（如经济效益、能耗等），求解并得到慢时变系统全 对于存在慢时变特性的化工过程，在过程设计
[8-9]
周期的操作优化 。 时工艺人员一般按慢时变参数可能造成的“最坏”
慢时变系统的全周期操作优化固然能在理想 影响来确定设计裕量的大小，过程设计完成后设计
状况下达到目标函数的最优，但是在实际工业中， 裕量一旦确定将无法改变；但是实际过程中慢时变
尤其是长周期运行的装置，普遍受到不可测干扰的 参数是随时间动态变化的，因此设计裕量也是逐渐
影响。会不同程度导致最优操作点偏移，因此操作 释放的。当慢时变参数逐渐到达过程设计时所预
优化应当与控制系统设计结合起来。 想的“最坏”情况时，设计裕量将释放完毕。
考虑在不确定条件下的控制设计与操作优化 当慢时变参数未达到过程设计时所预想的“最
一 体 化 方 法 ，早 期 由 Narraway 等 [10-11]
提出了一种 坏”情况时，设计裕量尚未完全释放，除去已消耗的
“back-off”方法，用于估计不确定状况对系统造成的 控制裕量和已释放的工艺裕量，存在剩余裕量，将
影响。该方法最早被用于改进受到动态过程影响 会为过程操作优化提供一定空间。因此，操作优化
[12-13]
较大的稳态优化模型 。近年来，许多研究通过 所能获得的经济效益并不是无限的，其大小与剩余
改进估计方法，优化操作点到极限边界的距离，对 的设计裕量有关，设计裕量消耗首先要用于弥补慢
于复杂的非线性动态优化模型也能获得较好的控 时变参数对实际过程的“坏”影响，剩余部分才能为
制优化效果 [14-16]
。另外，运用一定的概率分布对不 操作优化提供经济效益，如图 1 所示。
确定性进行随机模拟，能有效提高不确定状况估计 操作优化将剩余裕量提前释放，必然导致运行
[17-18] [19]
的计算效率 。Koller 等 基于该方法进一步提出
集成设计、控制和调度的一体化方法。
夏车奎等[20-22] 通过动态分析发现了过程的操控
性能对设计裕量的要求，为保证操作和控制的要
求，必须留出一定的裕量，保证系统的正常运行。
控制性能要求越高，所需设计裕量越大，设计裕量
大小与控制系统设计有关。 图1 全周期内的裕量消耗
Xu 等[23]指出，操作优化经济效益来源于设计裕 Fig.1 Margin consumption of full cycle
·218 · 化 工 学 报 第 71 卷

周期的缩短。而工艺人员在设定运行周期时，要求
到运行周期结束时化工装置性能恰好能达到过程
约束边界，即慢时变参数达到“最坏”情况，设计裕
量释放完毕。因此，进行操作优化等同于对运行周
期的重新设定，设计裕量释放机制可能只与运行周
期的设定有关。
本文拟对慢时变化工过程的裕量释放机制进
图2 最优裕量释放特性问题表述
行分析，通过最优控制的极小值原理求解含慢时变
Fig.2 Problem illustrated of optimal margin consumption
参数的全周期操作优化问题，寻找最优裕量释放与 characteristic
慢时变化工过程的运行周期之间的关系，并以乙炔 1—slowly-time-varying parameter; 2—margin slowly released;
加氢反应器为例进行验证。 3—margin fast released

的证明能为慢时变系统的裕量缓释操作优化方法[24]
1 问题的提出 提供理论支撑，使之能够普遍适用于一般的慢时变
系统。
对于一般的慢时变过程，慢时变参数总是缓慢
且持续变化的，如换热器的结垢热阻，固定床反应
2 推导与证明
器的催化剂活性等。在系统运行初期，慢时变参数
的变化较小，可以忽略不计。但是经过较长的运行 结合慢时变系统特性和全周期操作优化要求，
周期后，随着慢时变参数的变化，对系统的影响也 一般慢时变系统的操作优化[24]模型为
∫
tf
逐渐增大，直至过程无法操作，如无法换热和无法 min f ( x,u,d,p, t)dt (1)
u,d t0
进行反应，此时进行系统重置（换热器清洗或反应
s.t. ẋ = F ( x,u,d,p,t)
器催化剂再生）。由于这类慢时变参数的影响，在
x ( t0 ) = x0 , x ( tf ) = xf
反应周期的中后期过程会逐渐偏移最优操作点，无
g ( x,u,d,p,t) ≤ 0
法实现预期效果。因此，在运行前一般会预留设计
式中，p 为对系统运行产生影响的慢时变参数；
裕量保证系统的稳定运行。
d 为裕量缓释操作优化的裕量消耗；x 和 u 分别为系
但是，在一般的全周期操作优化中，会在整个
统的状态变量和控制变量；F 和 g 分别为动态优化
运行周期内，为系统留出全部的设计裕量，实际上
的等式约束和不等式约束；f 为目标函数；运行周期
在运行过程中会有部分剩余裕量未被有效利用，如
为[t0, tf]。
图 1 所示。考虑将这部分裕量充分释放的操作优化 对于含不等式约束的动态优化问题，常用的方
方法，即裕量缓释操作优化方法[24]中，最优的裕量释 法是根据极小值原理，使得哈密尔顿函数取极小，
放应该总是与慢时变参数的变化相关，即缓慢随时 从而求解控制变量 u。然而，对于一般慢时变系统
间变化，而非快速地释放大部分的裕量。这一问题 来说，优化模型中的等式约束和不等式约束均为复
可以简单用图 2 来表述，图中的曲线 1、2、3 分别表 杂的高维非线性式，求解或分析讨论这一哈密尔顿
示慢时变参数变化轨迹、裕量缓慢的释放轨迹和快 函数的极小量非常困难。因此，考虑引入拉格朗日
速的释放轨迹。在一定的运行周期内，慢时变参数 函数，结合极小值原理，根据库恩-塔克条件，推导
随时间变化轨迹 1 变化，相应的系统最优裕量释放 在最优轨迹下裕量释放和慢时变参数的联系。
为缓慢变化的轨线 2，而非快速变化的虚线 3。为了 针对式(1)所示操作优化问题，采用最优控制的
证明最优裕量释放的这一特性，本文考虑一般的包 极小值原理进行求解，推导得出如下相关定理。
含慢时变参数的全周期操作优化动态模型，通过最 定理 1 考虑积分指标且固定周期的操作优化
优控制的极小值原理进行求解，建立最优裕量释放 问题，如式(1)所示，如果 F、f、g 分别在(x,u,t)上连续
轨迹和慢时变参数变化曲线之间的联系，从而证明 且一阶可导，并且操作优化问题式(1)存在最优解，
最优裕量释放应该遵循慢时变参数的变化规律缓 则裕量消耗 d 是慢时变参数 p 的连续函数。
慢持续的变化，而不是短时间内快速释放。该规律 证明结合哈密尔顿函数构造的拉格朗日函
第 S2 期 www.hgxb.com.cn ·219 ·

数为 由式(14)得
L ( x,u,t,λ,μ,ν) = H ( x,u,t,λ,ν) + μ T g ( x,u,t) ∂g͂ ∂f͂ ∂F͂
(2) Δp* ν̇ * ( t) = -μ * Δp* - λ* Δp* - ν * Δp* (18)
H ( x,u,t,λ,ν) = λf ( x,u,t) + ν T F ( x,u,t) ∂p ∂p ∂p
在约束条件下，存在拉格朗日乘子 μ*及 λ*、ν*使 由式(15)得
拉格朗日函数达到极小值，则有 ∂g͂ ∂f͂ ∂F͂
0 = μ* Δd * + λ* Δd * + ν * Δd * (19)
(ⅰ)对于 t∈[t, tf]，哈密尔顿函数 H 在最优控制 u= ∂d ∂d ∂d
由式(18)和式(19)得
u*(t)上达到极小值，即
H ( x * ,u,t,λ* ,ν * ) ≥ H ( x * ,u * ,t,λ* ,ν * ),
∀u ∈ U ( x* ,t)
(3)
-Δp* ν̇ * ( t) = μ * ( ∂g͂
∂d
Δd * +
∂g͂
∂p
Δp* + λ*
∂f͂
∂d
Δd * +) (
∂f͂
∂p
Δp* + )
(ⅱ)令 σ=(λ, ν)，在 u*(t)上的每个 t，都满足关于
(x ,u ,μ ,λ ,ν )的方程
* * * * *
ν* ( ∂F͂
∂d
Δd * +
∂F͂
∂p
Δp* ) (20)

∂L ( x * ,u * ,t,μ * ,λ* ,ν * ) ∂F͂

ẋ * ( t) = (4) 引入 ν * Δt，得到
∂σ ∂t
σ̇ * ( t) = -
∂L ( x * ,u * ,t,μ * ,λ* ,ν * )
∂x
(5) ν*
∂F͂
∂t
Δt - Δp* ν̇ * ( t) = μ *
∂g͂
∂d
Δd * +
∂g͂
∂p (
Δp* + ) (21)

( )
∂L ( x * ,u * ,t,μ * ,λ* ,ν * ) ∂f͂ ∂f͂
0= (6) *
Δd * + Δp* + ν * ΔF͂
∂u λ
∂d ∂p
(ⅲ)在 u*(t)上的每个 t，
拉格朗日乘子 μ*=(μ1,μ2,…,
又由式(17)和式(21)得
μk,…, μn)都满足
∂F͂ ∂f͂ ∂g͂
μ *k ( t) g k ( x * ,u,t) = 0, μ *k ( t) ≥ 0 (7) ν* Δt - λ* Δd * + μ * Δd * = ν * Δṗ * +
∂t ∂d ∂d
(ⅳ)在任意 t∈[t, tf]上，有关系式 (22)
é * ∂g͂ ∂f͂ ù
êμ + λ* + ν̇ * ( t) ú Δp*
λ* ( t) ≥ 0 (8) ë ∂p ∂p û

∫
tf ∂L ( x ,u ,τ,μ ,λ ,ν )
* * * * *
求解 Δp*得
H ( x * ,u * ,t,λ* ,ν * ) = - dτ (9)
∂t

( ∂f͂
)
t

∫μ
é ∂g͂ ν̇ * ( t) ù
且特别地，H ( x * ( t f ),u * ( t f ),t f ,λ* ( t f ),ν * ( t f )) = 0。 Δp* = C exp êê - *
+ λ* + dt úú +
ë ν ∂p
*
ν ∂p*
ν *
û
结合哈密尔顿函数，引入慢时变参数 p 和裕量
消耗 d，可以得到
∂L ( x * ,u * ,d * ,p* ,t,μ * ,λ* ,ν * )
é
ë
∫
∂g͂
exp êê - ( μ * * + λ* * +
ν ∂p
∂f͂
ν ∂p
ν̇ * ( t)
ν *
ù
)dt úú
û
∫( ∂F͂
∂t
Δt -

)
ẋ * ( t) = (10) ∂f͂ ͂
∂ν ∂g
λ* * Δd * + μ * * Δd * dt (23)
∂L ( x * ,u * ,t,μ * ,λ* ,ν * ) ν ∂d ν ∂d
ν̇ ( t) = -
*
(11)
∂x 令
∂L ( x * ,u * ,t,μ * ,λ* ,ν * )
∂f͂
∫ ∫
0= (12) é ∂g͂ ν̇ * ( t) ù
∂u A( p,d,t,μ,λ,ν) = exp êê ( μ * * + λ* * + )dt úú dt
ë ν ∂p ν ∂p ν *
û
若仅考虑式(10)～式(12)中有关慢时变参数 p 和
∫
1 2 ͂
裕量消耗 d 的情况，可以得到 B ( p,d,t) = - t Fdt - C t
2
∂L͂ ∂f͂ ù
∬
ṗ * ( t) = (13) é ∂g͂
∂ν D ( p,d,t,μ,λ,ν) = êμ * * - λ* * ú dt2
ë ν ∂d ν ∂d û
∂L͂
ν̇ * ( t) = - (14) 令 ds 为 d 在时域上的累积量，式(23)可简化为
∂p
͂ Ap* + B = Dd s* (24)
∂L
0= (15)
∂d 得证。
其中，L͂ 为与之相关的拉格朗日函数;F͂ 、f͂ 和 g͂ 分 对于一般的慢时变系统，p 在整个运行周期中
别为其中的等式约束式、目标函数式和不等式约 应该是缓慢持续发生变化的。根据式(24)，模型式
束式。 (1)的最优裕量释放轨迹应与慢时变参数变化轨迹
L͂ ( p,d,t,μ,λ,ν) = μ T g͂ ( p,d,t) + λf͂ ( p,d,t) + ν T F͂ ( p,d,t) (16) 相关。因此，可以得出结论：对于固定运行周期的
由式(13)，可以得到 操作优化，最优裕量释放策略不应在运行周期初始
ṗ ( t) = F͂ ( d * ,p* ,t)
*
(17) 或末端快速释放，而是随慢时变参数的变化在整个
·220 · 化 工 学 报 第 71 卷

运行周期内缓慢释放。 是一个极其缓慢的过程，在到达最大运行周期之
下面给出最优裕量释放策略不会在运行周期 前，会有部分剩余裕量并未被有效利用。为了应对
初始或末端快速释放的简单证明： 这一实际问题，提出了基于裕量估计的操作优化方
令关于慢时变参数 p 和裕量消耗 d 的目标函 法。具体而言，是通过估计反应器运行过程中的工
数为 艺裕量和控制裕量，计算出运行过程中的剩余裕
∫ f͂ ( d,p, t)dt
tf
G= (25) 量，从而实现保证一定操作裕量的乙炔加氢反应器
t0
全周期优化。
对于 ΔG 有
反应器三段床的机理模型是动态优化的基础。
∂G ∂G * ∂G
ΔG = Δd * ( t) + Δp ( t) + Δt (26)
∂d ∂p ∂t 本文使用了乙炔加氢的二维非均相模型，在此基础
取 t0=0，并令 ε∈[0, tf]为一很小的值，则有 上将催化剂失活方程代入非均相模型，得到更严
∂G ∂G * 格、更合适的模型。催化剂的失活方程[9]为
ΔG = Δd * ( ε) + Δp ( ε) (27)
∂d ∂p ∂θ k ( Z,R,t)
=
假设存在使得目标函数最优的裕量快速释放 ∂t
(30)
∫
策略，使得 G 取极大值，并且裕量在最初就已经完全 é Ed ù t p sak 2 ( Z,R,t) p sck ( Z,R,t)
-k d exp êê - ú
ú dt
ë R g T k ( Z,R,t) û (1 + K d p sak ( Z,R,t) ) 3
s
释放，即 Δd*(t)<Δd*(0)。
0

在 t∈(0, tf)内，任意 Δd*(t)=0，则有 式中，θ 为催化剂反应活性；Ed 为失活活化能；Rg

∂G * 为气体常数；T 为反应器内温度；p 为反应器中的气
ΔG ( ε) = Δp ( ε) (28)
∂p
体分压；Z, R 分别表示反应器轴向和径向长度。下
由于 Δp(t)的慢时变特性，在 t∈[0, tf]内，Δp'(t)>0 角标 a、c 分别为乙炔和氢气；k 为反应器床层的序
且 Δp(0)=0。显然 Δp*(ε)应为一很小的值。因此 ΔG
号，k=1,2,3。上角标 s 表示非均相模型的催化剂相
(ε)也应为一很小的值，记为 ΔG1(ε)。
方程的变量。
再考虑在 t∈(0, tf)中，Δd*(t)≠0 的情况，只要 Δd*
由于反应器运行周期较长（几个月甚至一年），
(ε)取一个 0<Δd*(ε)<Δd*(0)的值，都有可能使得
求解动态优化问题时，又要兼顾考虑控制器的操作
G ( ε) > G 1 ( ε) (29)
（动态响应过程大约 30 min），会造成很大的计算冗
这与动态优化的最优性矛盾。因此，不可能出
余。因此，考虑将时间变化较快的控制系统（快时
现使得目标函数最优的裕量快速释放的情况。
变系统）和求解整个再生周期的动态优化（慢时变

3 案例分析 系统）分别运行和求解，并进行相应的数据交互。
快时变系统接收优化后的操作变量 u，并通过控制
[9]
本文选取乙炔加氢反应器模型 作为案例，以 器保持反应器的稳定运行。相应地，当控制器在稳
此来讨论和分析设计裕量的释放机制。乙炔加氢 态下运行快时变系统时，控制器将所表示的稳态变
-
反应器的主要作用是在高浓度的乙烯流中除去少 量 x 上传到慢时变系统中。在快时变系统中，时间
量的乙炔。由于清洗和再生耗费成本较高，反应器 变量 t，时间单位为 min，以三段床的入口温度和入
一般会持续运行较长时间。在长周期运行过程中， 口加氢量为控制变量，设计了 6 个 PID 控制器来补
催化剂活性会逐渐降低，使得最优工作点偏移，产 偿不确定扰动。
量下降，甚至会影响整个生产流程的调度。为了应 此外，涉及裕量部分时，快时变系统的状态变
对这一实际问题，我们考虑建立包含催化剂失活模 量通过在线的裕量估计器，估计出相应的控制裕量
型的乙炔加氢反应器模型，并求解动态优化问题。 和工艺裕量，再由优化器得到保证一定操作裕量的
在仅考虑反应器稳态的理论情况下，动态优化所求 最优的优化变量。总体结构如图 3 所示。
得的最优操作策略应能实现最优的生产指标。但 动态优化的目标为一定再生周期内的最大整
是，在实际生产过程中，反应器的动态过程对系统 体经济效益，用反应物与产物的经济效益来量化。
所造成的影响亦不可忽视。为了处理这类影响，在 如式(31)所示，将反应器第三床层出口的径向平均
反应器设计阶段，一般会为工艺需求和操作控制预 乙烯分压乘以乙烯价格系数 Mb，得到乙烯当天的经
留一定的设计裕量。但是，反应器最优工作点变化 济效益 Eb。同理，通过计算反应器出口和入口氢气
第 S2 期 www.hgxb.com.cn ·221 ·

图3 慢时变系统结构
Fig.3 Structure of slow-time-varying system

和乙炔的压差之和，就能对第 Γ 日经济效益消耗进 Model 3 min

u, d
J1
0

行量化。第 Γ 日的总经济效益为反应物与产物的
s.t. f ( xˉ,u,Γ ) = 0
经济效益差，再通过对日经济效益的积分来获得整 h s ( x,u,t,d 0 ) = 0
个周期的整体经济效益（Ea，Ec 分别为第 Γ 日乙炔和 g ( xˉ,u,Γ,d 0 ) ≤ 0
氢气的经济效益函数）。 此外，为了满足反应器长期运行运行和控制的
∫ [ E ( Γ ) - E ( Γ ) - E ( Γ ) ] dΓ
Γf
J1 = - b a c (31) 需要，必须通过求解动态优化模型来估计控制裕
0
量。求解控制裕量就必须考虑控制系统的运行，将
本文选取反应器三段床层的加氢量和入口温
PID 控制系统引入动态优化模型，得到 Model 4。
度作为动态优化的优化变量，动态优化模型表示为
Model 4u, d +min J 3 = -E b ( Γ ) + E a ( Γ ) + E c ( Γ )
Model 1 min J1 Δd + Δd c

s.t. f ( xˉ,u,Γ ) = 0 s.t. f ( xˉ,u,Γ ) = 0

h ( x,u,t) = 0 h s ( x,U,t,d 0 + Δd + Δd c ) = 0
g ( xˉ,u,Γ ) ≤ 0 g ( xˉ,u,Γ,d 0 + Δd + Δd c ) ≤ 0
这里 f（·）为慢时变系统，即催化剂失活模型，
g（·）为动态优化的约束条件，快时变系统中包含模
(
U ( t) = K P e ( t) + T I-1 ∫
t

0
e ( t)dt + T D
de ( t)
dt )
e ( t) = u - x ( t)
型 和 控 制 系 统 的 方 程 表 示 为 h（·）。 通 过 求 解
Δd c (Γ ),Δd ( Γ ) ≥ 0
Model 2 所示的稳态优化模型，可以得到第 Γ 天的
在 Model 4 中，求得系统运行到第 Γ 天时最优
工艺裕量。
设计变量所需的控制裕量 Δdc(Γ)。接下来，可以构
Model 2u,min J = -E b ( Γ ) + E a ( Γ ) + E c ( Γ )
d + Δd 3
0 造一个描述操作点与约束边界之间距离的函数，定
s.t. f ( xˉ,u,Γ ) = 0 义为裕量消耗函数。基于 Model 1 的目标函数，引
h s ( x,u,t,d 0 + Δd ) = 0 入裕量消耗函数，得到考虑裕量消耗的动态优化模
g ( xˉ,u,Γ,d 0 + Δd ) ≤ 0 型 Model 5。
Δd ( Γ ) ≥ 0 Model 5 min J 5 = J 1 + ∑δ Ej g 2j ( ⋅ )
优化模型 Model 2 中，d0 为最优设计变量，Δd 表
j

s.t. f ( xˉ,u,Γ ) = 0
示最优设计变量的工艺裕量。在乙炔加氢反应器
h ( x,u,t) = 0
中，选取反应器长度作为设计裕量。为了便于表示
g ( xˉ,u,Γ ) ≤ 0
控制裕量的估计，将不含控制系统的快时变稳态方
0 < δ Ej g 2j ( ⋅ ) < Δf

∑δ Ej g 2j ( ⋅ ) 为裕量消
程表示为 hs。在实际的运行过程中，慢时变参数缓
式中，δ Ej 为裕量转换因子；
慢变化，当系统运行到第 Γ 天时所需工艺裕量表示 j

为 Δd(Γ)。接下来求解以经济效益为目标的稳态优 耗函数。
化，即 model 3，得到优化设计变量 d0。 操作优化所获得的经济效益或每日活性下降
·222 · 化 工 学 报 第 71 卷

图4 最优工艺裕量消耗
Fig.4 Optimal process margin consumption

量的上限，等于受剩余裕量影响所减少的经济效益
或每日活性下降量，用 Δf 表示。根据 Model 4 的优
化结果，可以在线估计出第 Γ 天的控制裕量和工艺
裕量，进而可以求得控制裕量和工艺裕量影响所造
成的经济效益下降量，两者之和等价于第 Γ 天的经
济效益最小损耗，然后代入 Model 5 求解动态优化
问题。
考虑到乙炔加氢反应器模型的复杂性，采用控
制向量参数化方法（CVP）进行求解，即通过参数化
的方法，将连续的无限维动态优化问题转化为有限
图5 再生周期为 120 d 和 180 d 的最优经济效益曲线
维的静态优化问题求解[25-26]。这也是应对复杂化工
Fig.5 Optimal economic benefit curve of 120 and 180 d
过程的动态优化问题的常用方法[27-31]。
operation
求解得到工艺裕量 Δd(Γ)在 180 d 和 120 d 乙炔
加氢反应器的操作优化中的最优裕量释放轨迹 。 由于可释放的设计裕量总量一定，后期所获得的经
如图 4(a)，在乙炔加氢反应器运行周期中，最优的工 济效益迅速下降，直至再生周期结束。除去催化剂
艺裕量释放量随慢时变参数缓慢变化。催化剂本 再生费用，固定再生周期为 120 d 的裕量缓释操作
征活性由初始为 1，逐渐失活，在 180 d 时降至 0.6， 优化方案所获得的年化经济效益为 1.19×106 CNY/
相对应的，最优的工艺裕量占总设计裕量的百分 a，要小于固定再生周期为 180 d 所获得的年化经济
比，由初始为 0，逐渐提升，直至总设计裕量的 70%。 效益 1.29×106 CNY /a。但是，120 d 操作优化的平均
图 4(b)中，催化剂本征活性在 120 d 时降至 0.8 左右， 每日经济效益为 4.98×103 CNY/d，要略高于 180 d 操
最 优 的 工 艺 裕 量 占 总 设 计 裕 量 的 百 分 比 在 120 d 作优化所获得的平均每日经济效益 4.71×103 CNY /
时，达到总设计裕量的 65%。最优的工艺裕量消耗 d。较长周期的裕量缓释优化，剩余裕量缓慢释放，
随慢时变参数变化而缓慢变化，设定的运行周期也 能获得更高的总体经济效益，较短周期的裕量缓释
决定了设计裕量的释放机制：120 d 的操作优化的工 优化则将剩余裕量在短期内释放完毕，能获得更高
艺裕量消耗接近于 180 d 的裕量消耗，意味着在 120 的短期平均经济效益，这也证明了最优裕量释放与
d 内要更快地释放设计裕量使得在运行周期结束恰 运行周期的相关性。
好能达到过程约束边界。
固定再生周期为 120 d 和 180 d 裕量缓释操作 4 结 论
优化的经济效益曲线如图 5。120 d 的操作优化剩
采用极小值原理证明了在慢时变系统的操作
余裕量释放较快，因此前期所获得经济效益较高，
优化中，系统的最优裕量释放轨迹应与慢时变参数
第 S2 期 www.hgxb.com.cn ·223 ·

变化曲线相关，即在整个时域中缓慢变化，到 dynamics [J]. J. Process Contr., 1991, 1(5): 243-250.

[12] Bahri P A, Romagnoli J A, Bandoni J A, et al. Back-off
运行周期结束时化工装置性能恰好达到过程约束
calculations in optimising control: a dynamic approach [J].
边界，因此最优裕量释放只与慢时变化工过程设定 Comput. Chem. Eng., 1995, 19: 699-708.
的运行周期有关。这也证明了裕量缓释操作优化 [13] Figueroa J L, Bahri P A, Bandoni J A, et al. Economic impact of
disturbances and uncertain parameters in chemical processes - a
方法能够普遍适用于一般的慢时变系统，并且实现
dynamic back-off analysis [J]. Comput. Chem. Eng., 1996, 20(4):
其全周期整体经济效益（或其他全周期生产指标） 453-461.
的最优。 [14] Kookos I K, Perkins J D. Control structure selection based on
economics: generalization of the back-off methodology [J]. AIChE
参考文献 J., 2016, 62(9): 3056-3064.
[15] Mehta S, Ricardez-Sandoval L A. Integration of design and
[1] 涂飞, 青红英, 罗雄麟, 等 . 乙炔加氢反应器的先进控制(Ⅰ): 动 control of dynamic systems under uncertainty: a new back-off
态机理模型的建立[J]. 化工自动化及仪表, 2003, 30(1): 20-24. approach [J]. Ind. Eng. Chem. Res., 2016, 55(2): 485-498.
Tu F, Qing H Y, Luo X L, et al. Advanced process control of [16] Rafiei-Shishavan M, Mehta S, Ricardez-Sandoval L A.
acetylene hydrogenation reactor ( Ⅰ): Construct dynamic model Simultaneous design and control under uncertainty: a back-off
[J]. Control and Instruments in Chemical Industry, 2003, 30(1): approach using power series expansions [J]. Comput. Chem. Eng.,
20-24. 2017, 99: 66-81.
[2] Weiss G. Modeling and control of the acetylene converter [J]. [17] Galvanin F, Barolo M, Bezzo F, et al. A backoff strategy for model-
Journal of Process Control, 1996, 6(1): 7-15. based experiment design under parametric uncertainty [J]. AIChE
[3] Gobbo R, Soares R P, Lansarin M A, et al. Modeling, simulation, J., 2009, 56(8): 2088-2102.
and optimization of a front-end system for acetylene [18] Shi J, Biegler L T, Hamdan I, et al. Optimisation of grade
hydrogenation reactors [J]. Brazilian Journal of Chemical transitions in polyethylene solution polymerization process under
Engineering, 2004, 21(4): 545-556. uncertainty [J]. Comput. Chem. Eng., 2016, 95: 260-279.
[4] Szukiewicz M, Kaczmarski K, Petrus R. Modeling of fixed-bed [19] Koller R W, Ricardez-Sandoval L A, Biegler L T. Stochastic
reactor: two models of industrial reactor for selective back-off algorithm for simultaneous design, control and
hydrogenation of acetylene [J]. Chemical Engineering Science, scheduling of multi-product systems under uncertainty [J]. AIChE
1998, 53(1): 149-155. J., 2018, 64(13): 2379-2389.
[5] 罗雄麟, 刘建新, 许锋, 等 . 乙炔加氢反应器二维非均相机理动 [20] Xu F, Luo X L, Wang R. Design margin and control performance
态建模及分析[J]. 化工学报, 2008, 59(6): 1454-1461. analysis of a fluid catalytic cracking unit regenerator under model
Luo X L, Liu J X, Xu F, et al. Hydrogenation, two-dimensional predictive control [J]. Industrial & Engineering Chemistry
dynamic modeling and analysis of acetylene hydrogenation reactor Research, 2014, 53(37): 14339-14350.
[J]. Journal of Chemical Industry and Engineering (China), 2008, [21] 罗雄麟, 夏车奎, 孙琳 . 有旁路换热网络全周期节能的动态优
59(6): 1454-1461. 化控制实现方法[J]. 化工学报, 2013, 64(4): 1340-1350.
[6] 田亮, 蒋达, 钱锋 . 乙炔加氢反应系统操作优化策略[J]. 化工学 Luo X L, Xia C K, Sun L. A dynamic optimization control
报, 2015, 66(1): 373-377. approach of life cycle energy saving for heat exchanger network
Tian L, Jiang D, Qian F. Reactor system switch strategy for with bypasses [J]. CIESC Journal, 2013, 64(4): 1340-1350.
acetylene hydrogenation process [J]. CIESC Journal, 2015, 66(1): [22] 夏车奎, 罗雄麟, 孙琳 . 基于全周期节能的有旁路换热网络裕
373-377. 量优化设计[J]. 化工学报, 2012, 63(5): 1449-1458.
[7] 田亮, 蒋达, 钱锋 . 催化剂失活条件下的碳二加氢反应器模拟 Xia C K, Luo X L, Sun L. Margin optimal design of heat exchanger
与优化[J]. 化工学报, 2012, 63(1): 185-192. network with bypasses based on life cycle energy saving [J].
Tian L, Jiang D, Qian F. Simulation and optimization of acetylene CIESC Journal, 2012, 63(5): 1449-1458.
converter with decreasing catalyst activity [J]. CIESC Journal, [23] Xu F, Jiang H R, Wang R, et al. Influence of design margin on
2012, 63(1): 185-192. operation optimization and control performance of chemical
[8] Luo X L, Xia C K, Sun L. Margin design, online optimisation, and processes [J]. Chinese Journal of Chemical Engineering, 2014, 22
control approach of a heat exchanger network with bypasses [J]. (1): 51-58.
Comput. Chem. Eng., 2013, 53(11): 102-121. [24] Xie F M, Xu F, Liang Z S, et al. Full cycle dynamic optimisation
[9] 谢府命, 许锋, 梁志珊, 等 . 乙炔加氢反应器全周期操作优化 maintaining the operation margin of acetylene hydrogenation
[J]. 化工学报, 2018, 69(3): 1081-1091. fixed-bed reactor[J]. J. Taiwan Inst. Chem. E, 2020, 108: 29-42.
Xie F M, Xu F, Liang Z S, et al. Full-cycle operation optimization [25] Pollard G P, Sargent R W H. Off line computation of optimum
of acetylene hydrogenation reactor [J]. CIESC Journal, 2018, 69 controls for a plate distillation column [J]. Automatica, 1970, 6(1):
(3): 1081-1091. 59-76.
[10] Narraway L T, Perkins J D. Selection of process control structure [26] Morison K R, Sargent R W H. Optimization of multistage
based on linear dynamic economics [J]. Ind. Eng. Chem. Res., processes described by differential-algebraic equations [C]//
1993, 32(11): 2681-2692. Proceedings of the Fourth IIMAS. Berlin Heidelberg: Springer,
[11] Narraway L T, Perkins J D, Barton G W. Interaction between 1984: 86-102.
process design and process control: economic analysis of process [27] Teo K L, Jennings L S, Lee H W J, et al. The control
 ·224 · 化 工 学 报 第 71 卷

parameterization enhancing transform for constrained optimal 353-362.

control problems [J]. Journal of the Australian Mathematical [30] Hartwich A, Schlegel M, Würth L, et al. Adaptive control vector
Society, 1999, 40(3): 314-335. parameterization for nonlinear model-predictive control [J].
[28] Binder T, Cruse A, Villar C A C, et al. Dynamic optimization International Journal of Robust and Nonlinear Control, 2008, 18
using a wavelet based adaptive control vector parameterization (8): 845-861.
strategy [J]. Comput. Chem. Eng., 2000, 24(2): 1201-1207. [31] Chen X, Du W L, Tianfield H, et al. Dynamic optimization of
[29] Chen T W C, Vassiliadis V S. Inequality path constraints in industrial processes with nonuniform discretization-based control
optimal control: a finite iteration ε -convergent scheme based on vector parameterization [J]. IEEE T. Autom. Sci. Eng., 2014, 11
pointwise discretization [J]. J. Process Contr., 2005, 15(3): (4): 1289-1299.

View publication stats