优化佳 | 版权所有 2025.
——无须建模,突破模型化瓶颈有自动适应原料变化,装置改造等能力。
在生产过程中,在线调整过程的主要操作条件,使目标函数,如收率,经济效益达到最大,是实时优化的任务。传统的实时优化技术,是基于过程模型化的方法,通过模型的建立,获得对被优化过程的数学描述,进而用计算机在线算出当前情况下的最优操作点。
❑生产装置的优化可以分为两种:
1、离线优化:建立装置的数学模型,根据这个模型离线计算出优化变量。
2、实时优化:在生产过程中,在线调整关键的操作条件(优化变量),使优化目标,如收率,效益达到最大。
目前国内外离线和在线优化技术中,均是以装置的数学模型作为优化基础,这样一来,过程的模型化成功与否,成为一切的关键。
❑传统的过程模型基本上通过两种途径获得:
机理建模:利用化工中的反应机理、热力学平衡、质量平衡等基本方程,建立各单元的数学模型,根据过程的流程,通过集成各单元的模型得到整个装置的数学描述。
数据建模:利用日常操作的数据,或者安排一定的测试,获得装置的测试数据,然后用统计的方法建立经验模型。
显然,这种技术面临两个不可避免的问题,阻碍着其广泛的应用:
1、建模的困难。
2、系统庞大复杂,无法自适应原料变化,后期维护成本高。
3、静态模型会产生偏差,长期收益不稳定。
国外的研究表明:过程模型和优化技术中的不足是企业IT项目长期效益不理想的主要原因。White D.C通过研究发现,只有16%的IT项目达到了最初的预算、进度和功能目标。根据对现有约250个商业在线优化系统的分析,大部分的系统在初期可以取得技术上和商业上的成功,但是长期的效益往往并不理想。
如果有一种方法,能够克服以上问题,将是在线优化技术的一个重要的进步。相关积分优化方法,就是这样的一种技术。经过长期的理论研究和应用,最终实现了长周期的工业应用,取得长期稳定的经济效益增长。
▣ 一种连续生产过程的通用在线优化技术
▣ 无须建模
▣ 有自适应性:能自动适应原料、催化剂的变化,设备改造等实际过程的模型变化
▣ 无须附加的测试
▣ 强抗干扰
▣ 鲁棒性强
▣ 维护量小
▣ 容易实施