复杂化工过程资源高效利用的系统优化方法与关键技术

结题报告

项目介绍

AI项目解读

基本信息

批准号：
U1162202
项目类别：
联合基金项目
资助金额：
250.0万
负责人：
钱锋
依托单位：
华东理工大学
学科分类：
B08.化学工程与工业化学
结题年份：
2015
批准年份：
2011
项目状态：
已结题
起止时间：
2012-01-01 至2015-12-31

项目参与者：
赵玲；韩清龙；杨庆兰；程辉；叶贞成；祁荣宾；胡贵华；李进龙；蒋达；
关键词：
混合特征建模多目标协调控制系统优化资源优化利用

项目摘要

随着化工生产过程规模的不断扩大、生产工艺的日益复杂和工艺过程的高度集成，资源与能源的全局协同优化问题给企业的生产运行提出了紧迫挑战。生产原料的复杂多变、生产装置群的优化配置等问题逐渐涌现，为生产过程在原料利用、能源消耗、经济指标以及减排降污等整体运行性能优化问题上带来了非线性对象特性、过程强耦合以及混合参数优化等难点。本项目从化工过程控制与优化的角度出发，重点研究系统优化运行中涉及的基础理论方法和关键技术，包括：基于混合描述的多分辨率过程建模，多模态模型参数自适应修正与流程模拟，化工过程多目标分层协调控制以及动态环境下耦合过程系统的多目标优化研究等，并针对乙烯、芳烃装置中资源优化配置的实际需求，进行上述方法的应用验证，探索复杂化工过程优化运行的新方法和高性能、高适用性的新技术，为构建高效、低耗、低排放的系统运行提供创新性的理论方法指导和技术支撑。

结项摘要

本项目从化工过程资源与能源全局协同优化的紧迫需求出发，重点以乙烯、芳烃装置为对象，围绕生产原料复杂多变、生产装置群优化配置等问题，提出了：（1）融合机理与信息的混合建模方法，包括乙烯裂解炉炉膛内逐点对流、燃烧、辐射传热与炉管内基于自由基裂解反应过程的耦合建模方法，实现了炉膛和炉管耦合时裂解炉全周期运行的模型化与特性预测；从机理模型的实时应用需求出发，提出了自适应代理模型建模方法，建立了前馈神经网络-状态空间(FNN-SSM)代理模型结构以改善预测误差随时间积累问题，有效解决了化工生产过程中由于催化剂失活、结焦等引起的系统运行周期内动态特性的表征问题。（2）多模型非线性控制方法，包括：基于动态优化的分层多模型广义预测控制方法，由切换机构选择性能最优的模型对应的控制器产生控制信号，使得系统输出跟踪最大经济效益对应的设定值；提出了一种新的基于神经网络的非线性零阶接近有界多模型自适应控制方法。该方法通过增加非线性补偿项来改进系统的辨识模型，使得所提出的控制方法可以应用于带有零阶接近有界非线性项的非线性系统的控制中。（3）动态、多目标优化方法：针对过程运行效率时变工况下多单元的资源配置与能质转化过程集成优化等问题，提出了复杂约束支配处理的多目标优化、基于控制向量参数化的动态优化以及基于混合寻优策略的动态多目标优化等方法和关键技术，解决了裂解炉群循环调度与操作优化一体化优化运行。相关研究工作已应用于上海石化80万吨/年乙烯装置裂解炉炉群负荷优化配置、吉林石化70万吨/年乙烯装置全流程先进控制以及扬子石化75万吨/年芳烃装置C8资源的优化配置与高效利用中，有效降低了生产过程能耗，提高了原料资源的利用率。