一种精馏塔温度非线性观测系统及方法

摘要

一种精馏塔温度非线性观测系统，包括与精馏塔直接连接的现场智能仪表和DCS系统，所述DCS系统包括存储装置、控制站和上位机，所述现场智能仪表与存储装置、控制站和上位机相连，所述的上位机包括用以预测精馏塔将来时刻的塔板温度分布的观测器，所述的观测器包括温度分布函数拟合模块、将来时刻精馏塔塔板温度预测模块和温度预测误差补偿模块。本发明也提供了一种精馏塔的非线性温度观测方法。本发明能够有效快速的在线预测精馏塔将来时刻的温度变化，准确地反映精馏塔的强非线性动态特性，实现高效率、高精度的温度观测。

主权项

1.一种精馏塔温度非线性观测系统，包括与精馏塔直接连接的现场智能仪表和DCS系统，所述DCS系统包括存储装置、控制站和上位机，所述现场智能仪表与存储装置、控制站和上位机相连，其特征在于：所述的上位机包括用以预测精馏塔将来时刻的温度分布的观测器，所述观测器包括：温度分布函数拟合模块，用以采用历史数据库中的各块塔板温度T_i拟合温度分布函数，并将拟合参数存储到历史数据库当中，采用式(1)(2)得到：${\hat{T}}_i=T_{\min ,r}+\frac{T_{\max ,r}-T_{\min ,r}}{1+e^{-k_r(i-S_r)}}$i＝1，2，……，f-1    (1)${\hat{T}}_i=T_{\min ,s}+\frac{T_{\max ,s}-T_{\min ,s}}{1+e^{-k_s(i-S_s)}}$i＝f，f+1，……，n    (2)其中，1为塔顶编号，f为进料板编号，n为塔底编号，为第i块塔板处预估温度，T_min，r、T_max，r、k_r、T_min，s、T_max，s、k_s为拟合参数，S_r、S_s分别为精馏塔精馏段、提馏段液温度分布曲线的位置；将来时刻精馏塔温度预测模块，用以根据当前温度数据以及温度分布函数预测将来时刻的温度变化趋势，该模块包括以下两部分：①从历史数据库中读取k采样时刻第i块塔板温度测量值T_i(k)，计算当前时刻温度分布曲线位置变化速度，并将曲线位置变化速度存储到历史数据库当中，采用式(3)-(6)得到：$X_i\left(k\right)=\frac{P\times \alpha \times {10}^{\frac{T_i\left(k\right)+c}{b}-a}-1}{\alpha -1}$i＝1，2，……，n    (3)$Y_i\left(k\right)=\frac{\alpha X_i\left(k\right)}{(\alpha -1)X_i\left(k\right)+1}$i＝1，2，……，n    (4)$\frac{{\mathrm{dS}}_r}{\mathrm{dt}}\left(k\right)=\frac{[V{Y}_f\left(k\right)-{\mathrm{LX}}_{f-1}\left(k\right)-V{Y}_1\left(k\right)](\alpha -1){(1+e^{-k_r(i-s_r)})}^2}{\mathrm{HP\alpha }(T_{\max ,r}-T_{\min ,r})k_r{e}^{-k_r(i-s_r)}\underset{i=1}{\overset{f-1}{\Sigma }}\frac{\ln 10}{T_i+c-\mathrm{ab}}}---\left(5\right)$$\frac{{\mathrm{dS}}_s}{\mathrm{dt}}\left(k\right)=\frac{[-V{Y}_f\left(k\right)-{\mathrm{LX}}_n\left(k\right)+L{X}_{f-1}\left(k\right)+{\mathrm{FZ}}_f](\alpha -1){(1+e^{-k_r(i-s_r)})}^2}{\mathrm{HP\alpha }(T_{\max ,s}-T_{\min ,s})k_s{e}^{-k_s(i-s_s)}\underset{i=1}{\overset{n}{\Sigma }}\frac{\ln 10}{T_i+c-\mathrm{ab}}}---\left(6\right)$其中，k为当前采样时刻，P为精馏塔压强，α为相对挥发度，a、b、c为安东尼常数，T_i(k)、X_i(k)、Y_i(k)分别为k采样时刻第i块塔板温度测量值、液相轻组分浓度和汽相轻组分浓度，F为进料流率，V、L分别为气、液相摩尔流率，H为持液量，Z_f为进料组分浓度，X_f-1(k)、X_n(k)分别为k采样时刻第f-1块塔板和塔底的液相轻组分浓度，Y₁(k)、Y_f(k)分别为k采样时刻塔顶和进料板处的汽相轻组分浓度，分别为k采样时刻精馏段和提馏段的温度分布曲线位置变化速度；②从历史数据库中获取温度分布曲线位置变化速度数据，温度分布函数拟合参数，采样周期并计算下一时刻波形位置以及下一时刻温度分布，采用式(7)-(10)得到：$S_r(k+1)=S_r\left(k\right)+\frac{{\mathrm{dS}}_r}{\mathrm{dt}}\left(k\right)\times \delta ---\left(7\right)$$S_s(k+1)=S_s\left(k\right)+\frac{{\mathrm{dS}}_s}{\mathrm{dt}}\left(k\right)\times \delta ---\left(8\right)$${\hat{T}}_i(k+1)=T_{\min ,r}+\frac{T_{\max ,r}-T_{\min ,r}}{1+e^{-k_r(i-S_r(k+1))}}$i＝1，2，……，f-1    (9)${\hat{T}}_i(k+1)=T_{\min ,s}+\frac{T_{\max ,s}-T_{\min ,s}}{1+e^{-k_s(i-S_s(k+1))}}$i＝f，f+1，……，n    (10)其中，δ为采样周期，S_r(k)、S_s(k)分别为k采样时刻精馏段、提馏段温度分布曲线位置，S_r(k+1)、S_s(k+1)分别为k+1采样时刻精馏段、提馏段温度分布曲线位置，为k+1采样时刻精馏段或提馏段的第i块塔板温度的预测值；温度预测误差补偿模块，用以从历史数据库中获取当前温度测量值，以及预测值，计算预测误差，修正温度预测值，采用式(11)(12)得到$r_i\left(k\right)=T_i\left(k\right)-{\hat{T}}_i\left(k\right)$i＝1，2，……，n    (11)i＝1，2，……，n    (12)其中，为k采样时刻精馏段或提馏段的第i块塔板温度的预测值，r_i(k)为k采样时刻第i块塔板的温度预测误差，为k+1采样时刻的温度预测修正值。