面向空分设备变负荷操作优化的参数估计理论与方法

Modern large-sale Air Separation Equipment (ASE) is one of the most important auxiliary device for both steel industry and coal chemical industry. ASE is characterized by its complex flowsheet structure, extensive energy coupling, high-purity product specifications and wide-range operating conditions, all these resulting in lots of difficulties in manipulation. High-precision rigorous model is of great importance for ASE load-change control and optimization. It's desired that key model parameters such as thermodynamics updating factors and tray efficiencies could be accurately and rapidly adjusted according to the plant data. In this proposal, we plan to focus on the basic problems of parameter estimableness, robust solving and model precision prediction for parameter estimation (PE) of ASE model. With detailed structure of ASE rigorous model investigated, parameter sensitivity, measurement redundancy and parameter estimableness will be related quantitatively. Influence Function will be introduced and carefully designed to improve PE with possible gross-error presence. Structured Regularization (SR), Homotopy-based Backtracking Method (HBM), Mnemonic Enhancement Optimization (MEO) and Sequential Sub-problem Programming (SSP) strategies will be used to improve solving PE problem. Model precision (especially its extrapolation capability) will be investigated within the framework of load-change operating optimization. It's hoped that model updating theory and method could be systemized for ASE and similar equipment in process industry, and operating optimization could be realized on a firm base.

现代化的大型空分设备是大型钢铁和煤化工装置的重要辅助设备。其流程结构复杂、耦合严重、分离纯度要求高、变工况范围大、操作难度大。根据运行数据对热力学修正因子、塔板效率等关键模型参数进行快速、准确修正，得到高精度的空分流程机理模型，是实现变负荷优化设定的技术关键。本项目将针对空分设备机理模型的参数可估计性问题、参数估计命题的求解收敛性问题、机理模型的精度问题，利用模型的结构化特征，对关键参数的灵敏度、测量信息冗余性、参数可估计性之间的内在关系进行定量分析；设计估计函数改善可能存在的显著误差对参数估计结果的影响；采用结构正则化方法、基于回溯同伦和滚动逼近的初值化方法、序列子问题求解策略，增强参数估计命题的求解收敛性；在变负荷操作优化框架下，对机理模型的整体精度(尤其是外推精度)进行定量评估。将探索形成机理模型修正的系统化理论和方法，为实现空分设备和类似工业装置变负荷操作优化奠定坚实的模型基础。

现代化的大型空分设备是大型钢铁和煤化工装置的重要辅助设备。其流程结构复杂、耦合严重、分离纯度要求高、变工况范围大、操作难度大。根据运行数据对热力学修正因子、塔板效率等关键模型参数进行快速、准确修正，得到高精度的空分流程机理模型，是实现变负荷优化设定的技术关键。本项目针对空分设备机理模型的参数可估计性问题、参数估计命题的求解收敛性问题、机理模型的精度问题，利用模型的结构化特征，对关键参数的灵敏度、测量信息冗余性、参数可估计性之间的内在关系进行定量分析。提出了一种多工况下的鲁棒参数估计命题构造方法；基于工业现场采集的数据，将该方法应用于空气分离设备变负荷过程的参数估计问题上，运行结果显示了此方法的有效性。该方法的提出可有效地减小模型参数变化的非线性对参数估计精度的影响，同时为空气分离设备变负荷过程的参数估计提供技术支撑。基于鲁棒估计理论设计了一种基于联合熵的鲁棒估计函数，该方法对较大的测量误差（显著误差）不敏感，可在不同的随机显著误差与随机误差同时存在的情况下，获取准确的数据校正结果，改善了可能存在的显著误差对参数估计结果的影响。研究了结构正则化方法、基于回溯同伦和滚动逼近的初值化方法、序列子问题求解策略，针对不同情况提出了多种高效的参数估计求解策略（包括基于规模递增的序列子问题优化策略、在线求解空分设备参数估计问题的及时学习方法等）并应用于空分设备变负荷下的参数估计问题上，有效地改善了空分设备参数估计命题初值点，并增强了参数估计命题的求解收敛性；在变负荷操作优化框架下，对机理模型的整体精度(尤其是外推精度)进行了定量评估。探索形成了机理模型修正的系统化理论和方法，为实现空分设备和类似工业装置变负荷操作优化奠定坚实的模型基础。