一种用于化工流程系统变负荷下的数据校正方法

摘要

本发明公开了一种用于化工流程系统变负荷下的数据校正方法，该方法首先采集测量仪表在某段时间内的测量数据，根据其中的几个关键测量位号，应用稳态检测技术进行稳态判定，取各稳态下测量数据的平均值，将这些稳态数据的平均值根据负载的大小进行稳态工况区间划分，分为多个不同的稳态工况区间，在每个稳态工况区间对多变量多组测量数据进行数据校正及显著误差检测，得到各种稳态工况区间的显著误差检测结果及数据校正结果。本发明的方法校正结果更为可靠，更为准确；同时可结合选择其它稳态检测技术及数据校正技术，应用非常灵活，且实现简单。

权利要求

1.一种用于化工流程系统变负荷下的数据校正方法，其特征在于，该方法为：采集测量仪表在某段时间内的测量数据；根据其中的几个关键测量位号，应用稳态检测技术进行稳态判定，取各稳态下测量数据的平均值；将这些稳态数据的平均值根据负载的大小进行稳态工况区间划分，分为多个不同的稳态工况区间；在每个稳态工况区间对多变量多组测量数据进行数据校正及显著误差检测，得到各种稳态工况区间的显著误差检测结果及数据校正结果；该方法具体包括以下步骤：(1)采集测量仪表在某段时间内的测量数据，根据化工流程系统的特点，选择其中几个关键测量位号用于稳态判定，稳态判定方法采用滑动窗口稳态检测技术，各种关键测量位号的波动范围结合流程工艺要求设定；

(2)将稳态下的测量数据取平均值，从而得到每种稳态下的测量数据平均值，然后根据负载的大小来进行稳态工况区间划分，得到多个不同的稳态工况区间；

(3)在每个稳态工况区间对多测量变量多组测量数据进行数据校正及显著误差检测，数据校正及显著误差方法如下：Subject to

其中，F为化工流程系统的机理方程，FN为化工流程系统的经验方程，如果没有经验方程，则此项为零， 为测量变量的第j组测量值， 为测量变量的第j组校正值，σi为第i个测量变量的标准差，bi为第i个测量变量的显著误差大小，ρ为经验方程FN取范数后所对应的权值， 为未测量变量的第j组估计值， 分别为测量变量和未测量变量的上下限，N为机理模型的总变量数，M为测量变量的个数，FC为测量变量总组数；

r u

(4)得到每个稳态工况区间的测量变量的校正值X，未测量变量的估计值X 及各稳态工况区间的显著误差大小b，返回数据校正及显著误差检测结果。

说明书

一种用于化工流程系统变负荷下的数据校正方法

技术领域

[0001] 本发明涉及化工流程系统中测量仪表的数据校正领域及在线优化方法研究领域，特别地，涉及一种用于化工流程系统在变负荷下的数据校正方法。

背景技术

[0002] 生产过程实时优化是工业(尤其是流程工业)降低生产成本、提高综合经济效益的重要技术手段之一。实时优化要求准确的过程模型与过程数据。然而通过仪表测量获取过程数据不仅存在随机误差而且有时还存在显著误差，直接影响实时优化的准确性。因此采用数据校正技术，调整测量数据，剔除显著误差，减小随机误差的影响，提高测量数据的质量是实时优化实现过程中重要的环节。

[0003] 自从Kuehn等20世纪60年代首先提出化工过程的稳态数据校正问题以来，国内外学者对数据校正技术做了大量的研究。Crowe等20世纪80年代提出了一种基于迭代线性化的方法来求解非线性数据校正问题，随后Liebman等人提出应用非线性规划而非迭代线性化来提高求解非线性数据校正问题效率。1991年Tjoa与Biegler提出了一种有效的方法，采用污染的正态分布函数同时描述显著误差和随机误差，并基于极大似然原理构造目标函数。校正目标函数不同于加权最小二乘法，当存在显著误差时也可以得到无偏的校正结果。Johnston等基于极大似然原理研究了一种灵活的高效的鲁棒的估计方法，此外还有其它不同的鲁棒的估计方法。由于测量仪表的失灵或测量的系统误差存在等原因，测量数据存在显著误差，显著误差的诊断与剔除也是数据校正的重点与难点。目前的显著误差诊断方法主要分为基于统计的剔除法、校正与诊断同步方法。王希若提出了单节点的显著误差识别方法，利用了仪表的可靠度及精度等级等信息进行误差识别。孔明放等针对系统偏差型的显著误差，提出了系统的显著误差可识别性的概念，指出了系统显著误差可识别的条件，并提出了显著误差的参数估计识别方法。Tjoa与Biegler根据贝叶斯原理，在最大似然法的基础上引入了显著误差的概率分布，从而构造出随机误差和显著误差的混合概率分布，提出了数据校正与显著误差诊断同步方法。Derya等对化工过程中的数据校正与显著误差诊断各种方法进行了理论分析和数值实验，分析了各种方法的优缺点。

[0004] 数据校正技术应用的领域包括计划调度、统计管理、过程监测、过程控制及过程在线优化，也包括设备性能分析、仪表管理及配置等。在工业应用上，1996年，Pierucci介绍了在线数据校正应用于石蜡装置的情况。1998年，Lee利用在线数据校正与优化，在满足不断变化的蒸汽和电力需求的前提下，减少了装置能耗。2000年，Soderstrom将动态数据校正应用在ExxonMobil化工公司。国内有林孔元将数据校正方法用于重油催化裂化稳态过程，周传光等对常减压蒸馏装置的在线数据校正与优化进行了研究。其它相关数据校正在工业上的应用参考李红军，张亚乐，Bussani及Placido等人的文献。

[0005] 国外许多控制工程公司推出了各种商品化数据校正软件包，如美国Simulation Science公司的Datacon，AspenTech公司的Advisor，英国KBC公司的Sigmafine，法国Technip公司的Datrect等。国内的控制工程公司也推出了商品化数据校正的软件包，如浙大中控推出的APC-Datapro软件包，并在福建炼化等公司取得成功应用。

[0006] 上述理论和方法均未考虑化工流程变负荷的情况。化工流程系统在变负荷情况下工作，由于负荷的变化从而导致化工流程系统有多个稳态工况区间，在多个稳态工况区间下进行数据校正相比于单一稳态工况区间下的数据校正更为复杂。当测量仪表存在显著误差时，在各稳态工况区间显著误差可能不同，因此很难准确地估计各稳态工况区间的显著误差。这种情况对数据校正技术提出了更高的要求。

发明内容

[0007] 本发明的目的是针对现有数据校正技术的不足，提供了一种用于化工流程系统变负荷下的数据校正方法。

[0008] 本发明的目的是通过以下技术方案来实现的：一种用于化工流程系统变负荷下的数据校正方法，该方法为：采集测量仪表在某段时间内的测量数据，根据其中的几个关键测量位号，应用稳态检测技术进行稳态判定，取各稳态下测量数据的平均值，将这些稳态数据的平均值根据负载的大小进行稳态工况区间划分，分为多个不同的稳态工况区间，在每个稳态工况区间对多变量多组测量数据进行数据校正及显著误差检测，得到各种稳态工况区间的显著误差检测结果及数据校正结果，此结果可应用于在线优化及过程控制。

[0009] 进一步地，该方法具体包括以下步骤：

[0010] (1)采集测量仪表在某段时间内的测量数据，根据化工流程系统的特点，选择其中几个关键测量位号用于稳态判定，稳态判定方法采用滑动窗口稳态检测技术，各种关键测量位号的波动范围结合流程工艺要求设定；

[0011] (2)将稳态下的测量数据取平均值，从而得到每种稳态下的测量数据平均值，然后根据负载(测量变量当中的一个)的大小来进行稳态工况区间划分，得到多个不同的稳态工况区间；

[0012] (3)在每个稳态工况区间对多测量变量多组测量数据进行数据校正及显著误差检测，数据校正及显著误差方法如下：

[0013] min

[0014] Subject to

[0015] j＝1，...，FC

[0016] i＝1，...，M

[0017] k＝1，...，N-M

[0018] i＝1，...，M

[0019] 其中F为化工流程系统的机理方程，FN为化工流程系统的经验方程(如果没有经验方程，则此项为零)， 为测量变量的第j组测量值，为测量变量的第j组校正值，σi为第i个测量变量的标准差，bi为第i个测量变量的显著误差大小，ρ为经验方程FN取范数后所对应的权值， 为未测量变量的
rL rU uL uU
第j组估计值，Xj ，Xj ，Xj ，Xj 分别为测量变量和未测量变量的上下限，N为机理模型的总变量数，M为测量变量的个数，FC为测量变量总组数；
r u

[0020] (4)得到每个稳态工况区间的测量变量的校正值X，未测量变量的估计值X 及各稳态工况区间的显著误差大小b，返回数据校正及显著误差检测结果，这些结果可近一步应用于在线优化及过程控制。

[0021] 本发明的有益效果是：

[0022] (1)本发明的用于化工流程系统在变负荷下的数据校正方法，通过稳态检测提取过程数据，消除或减小了动态过程数据对校正结果的影响，从而使得应用的过程数据比较稳定可靠。

[0023] (2)本发明的用于化工流程系统在变负荷下的数据校正方法，通过稳态下的负载工况区间划分，从而消除或减小了不同工况区间的稳态过程数据之间影响，使校正结果更为可靠，更为准确。

[0024] (3)本发明的用于化工流程系统在变负荷下的数据校正方法，应用多测量变量多组测量数据的数据校正及显著误差检测枝术，可同时获得各稳态工况区间的测量变量的校正值，未测量变量的估计值及各稳态工况区间的显著误差大小。

[0025] (4)本发明的用于化工流程系统在变负荷下的数据校正方法，也可结合选择其它稳态检测技术及数据校正技术，应用非常灵活，且实现简单。

附图说明

[0026] 图1为化工流程系统变负荷下的数据校正方法示意图。

具体实施方式

[0027] 以下参照本发明的附图对本发明作更详细的描述。

[0028] 图1为化工流程系统变负荷下的数据校正方法示意图。如图1所示，该方法主要包括测量数据的稳态检测，稳态工况区间的划分及多工况下的数据校正与显著误差检测。其过程为首先根据其中的几个关键测量位号进行稳态判定，将这些稳态数据的平均值按负载的大小进行稳态工况区间划分，分为多个不同的稳态工况区间，在每个稳态工况区间对多变量多组测量数据进行数校正及显著误差检测，从而得到各种稳态工况区间的显著误差检测结果及数据校正结果。

[0029] 本发明用于化工流程系统变负荷下的数据校正方法，具体包括以下的实施步骤：

[0030] 1、采集测量仪表在某段时间内的测量数据，根据化工流程系统的特点，选择其中几个关键测量位号用于稳态判定，稳态判定方法采用滑动窗口稳态检测技术，各种关键测量位号的波动范围结合流程工艺要求设定；

[0031] 2、将稳态下的测量数据取平均值，从而得到每种稳态下的测量数据平均值，然后根据负载(测量变量当中的一个)的大小来进行稳态工况区间划分，得到多个不同的稳态工况区间；

[0032] 3、在每个稳态工况区间对多测量变量多组测量数据进行数据校正及显著误差检测，数据校正及显著误差方法如下：

[0033] min

[0034] Subject to

[0035] j＝1，...，FC

[0036] i＝1，...，M

[0037] k＝1，...，N-M

[0038] i＝1，...，M

[0039] 其中F为化工流程系统的机理方程，FN为化工流程系统的经验方程(如果没有经验方程，则此项为零)， 为测量变量的第j组测量值，为测量变量的第j组校正值，σi为第i个测量变量的标准差，bi为第i个测量变量的显著误差大小，ρ为经验方程FN取范数后所对应的权值， 为未测量变量的
rL rU uL uU
第j组估计值，Xj ，Xj ，Xj ，Xj 分别为测量变量和未测量变量的上下限，N为机理模型的总变量数，M为测量变量的个数，FC为测量变量总组数；

[0040] 4、得到每个稳态工况区间的测量变量的校正值Xr，未测量变量的估计值Xu及各稳态工况区间的显著误差大小b，返回数据校正及显著误差检测结果，这些结果可近一步应用于在线优化及过程控制。

[0041] 空气分离流程实施例

[0042] 可将化工流程系统变负荷下的数据校正方法应用在空气分离流程进行实施，在本实施例中，测量变量为液氮去贮槽流量，下塔总液氮流量，粗氩塔塔顶产品量，污氮进分子筛纯化系统流量，污氮进水冷塔流量，产品氧气流量，纯氮气流量，增压空气压缩机I段出口流量，增压空气压缩机II段出口流量，直接换热空气流量，中压氩气流量。对这些测量变量进行数据校正及显著误差检测，所采用的模型包括机理模型与经验模型。结合空气分离流程的工艺情况，将液氮去贮槽流量，产品氧气流量，纯氮气流量，直接换热空气流量对应的位号作为关键测量位号用于稳态判定。包括在计算机系统实行以下步骤：

[0043] 1、采集空气分离流程中的上述测量变量在某段时间内的测量数据，选择测量变量液氮去贮槽流量，产品氧气流量，纯氮气流量，直接换热空气流量对应的位号作为关键测量位号进行稳态判定，稳态判定方法采用滑动窗口稳态检测技术，各种关键测量位号的相对波动范围设定为±20％，±1％，±1％，±1％，在滑动窗口内，如果相对波动大于设定范围，则认为过程处于非稳态，如果相对波动小于设定范围，则认为过程处于稳态；

[0044] 2、将稳态下的各测量变量(液氮去贮槽流量，下塔总液氮流量，粗氩塔塔顶产品量，污氮进分子筛纯化系统流量，污氮进水冷塔流量，产品氧气流量，纯氮气流量，增压空气压缩机I段出口流量，增压空气压缩机II段出口流量，直接换热空气流量，中压氩气流量)的测量数据取平均值，从而得到各种稳态下的测量数据平均值，然后根据产品氧气流量的大小来进行稳态工况区间划分，得到多个不同的稳态工况区间；

[0045] 3、在每个稳态工况区间内对多测量变量多组测量数据进行数据校正及显著误差检测，数据校正及显著误差方法如下：

[0046] min

[0047] Subject to

[0048] j＝1，...，FC

[0049] i＝1，...，10

[0050] k＝1，...，8

[0051] i＝1，...，10

[0052] 其中F为空气分离流程系统的机理方程，FN为经验方程， 为上述10个测量变量所对应的第j组测量值， 为上述10个测量变量所对应
的第j组校正值，σi为第i个测量位号对应的标准差，bi为第i个测量变量的显著误差大小，ρ为经验方程FN取范数后所对应的权值， 为未测量变量的第j组估
计值，在此实施例中，未测量变量有8个，包括氧气产品的纯度，相对负载量及其它六组流股的流量，FC为测量变量总组数；

[0053] 4、返回数据校正及显著误差检测结果。

[0054] 如上所述，本发明也可以应用其它不同的稳态检测及数据校正方法来实施，也可以在不同的化工流程系统中实施，因此不应认为它局限于说明书列出的实施例。本发明采用的方法原理简洁清晰，方便于在计算机上实现，且灵活性很好，可与不同的稳态检测及数据校正方法相结合。本发明非常适合应用于化工流程系统变负荷下的数据校正中，使得校正结果准确可靠。