先进的流程控制增效节能同时满足环保要求
发布时间：2009-10-09 来源：ABB评论
现代工业致力于高效生产。然而由于许多公司受到复杂的合同和环境条 件的制约，往往很难实现高效生产。这反过来又导致操作人员操控流程 更加复杂，管理人员制定生产目标更加困难，他们必须在生产的数量和 类型、可用能源及其成本波动之间做出取舍。
目前，流程工业“所有产品都取决于市场情况”。客户使用了 ABB 的 cpmPlus Expert Optimizer，就拥有了他们所需的所有自动化控制手段， 可以稳定和控制流程，并能有效管理新市场条件带来的复杂问题。此 外，该产品还融入了世界最先进的数学算法，可轻松解决几年前难以解 决的优化和控制问题。
市场条件不断变化，企业不能 停滞不前，沉浸在过去的成功 之中。日本最成功的商人 Akira Mori 曾说：“过去的成功经验往往并不适 用于新形势。我们必须不断地改造 自己，开创新的商业模式应对时代 变化。”除商业模式外，创新产品、 有效的流程和服务都有助于企业及 其客户从真正的危机中生存下来。 企业不应等待变化的到来，而应该 主动探寻市场变化的发展趋势。企 业应该尽早明确可能影响企业长期 成功的趋势，以便尽快找到最佳解 决方案。
一段时间以来，ABB 工程小组一直 成功地使用优化技术每天为他们的 客户服务。为了准确预测市场变化 以及客户应对市场变化提出的未来 需求，ABB 创建了一个综合性的工 程工具 cpmPlus Expert Optimizer。 它不仅拥有所有的现代控制技术， 而且还加快了控制器安装，以满足 不断提高的项目要求标准。
cpmPlus Expert Optimizer 使用现 有测量值对工厂的传动设备进行自 动调整，因而可在保证质量的前提 下提高效率。这不仅提高了流程 效率，而且也改善了成本效益及可 靠性。正如飞机上的自动驾驶仪一 样，Expert Optimizer 通过准确、 及时和持续地采取最佳行动，确保 达到最佳效果。此外，该产品的实 施严格遵守标准化程序，确保高成 功率及长期的可维护性。cpmPlus Expert Optimizer 已在全球 300 多个 地方安装并成功运行。
该软件工具具有以下特点：
它结合了最佳的生产调度技术与 传统的先进流程控制和人工智 能。
它拥有足够的灵活性，满足不同 行业、不同要求的应用。
它是用户友好型产品，因其复杂 性是隐蔽的，因此普通人员也可 使用。
由于具有模块化、可重复使用和 可扩展性等特点，因此可以减少 配置时间。
使用专业的流程知识
使用模糊逻辑和神经模糊工具来 开发应用程序是 ABB 的 cpmPlus Expert Optimizer 的优势之一。模糊 逻辑推理系统结合了人类知识，用 于流程中制定和执行有效的决策， 而模糊神经网络用于了解关键流程 变量之间的关系。结合这些具有互 补性的控制技术，再加上 ABB 及其 客户的广泛经验和专门知识，开发 出了这种功能强大的解决方案，为 工厂带来长期可观的经济效益。 通过及时、准确、持续一致 地采取最佳行动，cpmPlus Expert Optimizer 提高了流程 效率、成本效益和可靠性。
模型预测控制专家
除了拥有传统的人工智能工具， cpmPlus Expert Optimizer 还拥有 一个成熟的模型预测控制 (MPC) 工具箱。
模型预测控制 (MPC) 如何工作呢？ 它是在数学模型的预测能力基础 上，推导出未来优化控制行为的操 作序列 1)。第一个序列应用于工厂， 一旦取得测量数据 (或新的信息) 时，就可决定一个新的序列。每个 序列都通过优化程序计算获得，涵 盖以下两个目标：
优化性能
防止系统违反约束行为
Expert Optimizer 兼容了线性、非线 性以及持续和布尔 (Boolean) 变量的 混合模型，这是一个非常重要的特 征。的确，线性数学模型长期以来一直用于工业流程控制，而非线性 和混合模型 (即连续和双态混合模 型) 目前仅应用于 ABB 客户感兴趣的 流程中。
MPC 不仅需要建立一个数学模型描 述某一流程，而且它还需要选择或 设计一个合适的成本收益指数 (又 称成本函数)，这也是实现目标所需 考虑的因素。根据设计，如果偏离 经营点，该函数将表明这种不利地 位，也可以简单地呈现运营成本。 在流程模型所规定的制约条件内， 该系统的最优输入通过函数最小化 计算得出。要取得最小化算法的成 功，一定要彻底弄清楚按照模型类 型所描述的问题结构 (线性、非线 性、混合型等) 和优化功能特性。
Expert Optimizer 采用相同的 MPC 架 构，执行对于先进流程控制相当重 要的三项补充任务：
状态估计：这项任务旨在实现所谓 的滚动时域估计 (MHE)。MHE 采用 最近一段时域的数据 (只考虑时域内 测量数据)，对目前模型的状态进行 估计，并作为初始条件，使传感器 和流程噪声之间的权衡 (成本函数) 最小化。通过增强状态途径，这种 方法也可用于参数估计。
流程模拟：在给定的模型状态的初 始条件下，这项任务旨在对模型进 行仿真模拟，在保持操作变量现值 不变的情况下，模拟未来景象。最 终结果代表目前条件下对系统开环 行为的描述。
流程优化：在给定的模型状态和成 本函数的初始条件下，该模型计算 操纵变量的最佳值，尽量减少滚动 时域的成本函数。可以显示获得的 操作变量、模型状态和模型输出 (控 制变量) 的相关轨迹等，并作进一步 的后处理。
通过 MLD 系统进行调度
基于模型的新型 Expert Optimizer 环境采用了混合逻辑动态 (MLD) 建 模类软件 [1]。瑞士苏黎世联邦理工 大学 (ETH) 2)自动控制实验室研发的 MLD 系统，可以生成广泛的多种模 型，尤其是那些显示为连续和离散 行为的模型，即描述混合系统的模 型。混合系统模型功能大大增加了 ABB Expert Optimizer 的应用范围。 与线性模型不同，MLD 系统能够建 立限制条件的模型，如“如果单元 1 接通，则单元 2 断开”这样的逻辑关 系，或建立生产限制条件的模型， 如“要么不生产，要么使生产处于最 大或最小之间”。
作为 ABB 的 cpmPlus Expert Optimizer 的优势之一，它可 以使用模糊逻辑和神经模糊工 具开发应用程序。
借助 MLD 系统，可以把优化的任 务转变成一个混合整数线性或二次 方程式问题，这个问题能够通过计 算机的解算器有效解决。根据不同 的需要，采用相同的框架，用作开 环、决策 (调度) 工具或作为一个闭 环的抗干扰 (重新调度) 工具 [2]。 简而言之，采用 MLD 与 MPC 相结合 的方法，既扩大了建模的灵活性， 又满足了计算能力的要求。
建立图形模型
Expert Optimizer 的一个目标是能够 使非专业人士使用 MPC 方法。MPC 方法不足之处在于创建一个具有足 够精度的流程模型。为了克服这点 不足，ABB 建议把流程打破，分 割成小的、但又完整的组成部分。 例如，可以把一个水力发电厂分割 成水库、大坝、汽轮机、发电机和 电网。这种方法旨在为每个部分建 立模型，且独立于其它部分，并以 图形模块表示。每个图形模块储存 自己的制约条件和动态特征，且输 入和输出 (I/O) 端口与数学模型的 输入和输出相对应。我们于是就可 通过图形连接不同模块的 I/O 端口 获得完整的流程模型。界定优化控 制问题的成本函数，也用图形模块 表示。例如，如果水力发电厂旨在 通过销售电力获得最大的利润，那 么发电机模块的产出 (代表电力生 产) 应与随时段变化的电力费用的成 本函数模块相呼应。
这种方式的模块化简化了建模阶 段，并使模型的设计、修改和维护 变得更简便。此外，它还有助于建 立一个数据库，包括通过简单的操 作就可以在不同流程中重复使用标 准模块。
图 1 所示的是供通用 MLD 模型使用 的一个 Expert Optimizer 数据库。该 数据库包括一些基本要素，如 I/O 变 量、流程拖延、收益、状态空间模 型、MLD 变量求和，以及软、硬 件约束条件。类似的数据库还可为 混合系统的逻辑部分建模。一般情 况下，通过简单联接这些 MLD， 可对任何流程建立模型，图 2 描绘 了简单的液仓泵系统。通过使用相 同的分段线性操作组装模块，可以 创建成本函数。当然，用户可以在 Expert Optimizer 输入自己的 MLD 模 型 (如从黑盒识别算法中得到)。事 实上，Expert Optimizer 6.1 提供了 一个完整的模型识别工具。 混合系统模型功能大大增加了 ABB Expert Optimizer 的应用 范围。
运行中的 Expert Optimizer
有些项目安装了采用 Expert Optimizer 的新模型优化系统，并在多个领域 成功运行。最显著的实例包括：
闭环流程控制，即水泥碾磨机控 制、混合优化和预煅烧炉控制 [3]
生产计划与调度，即水泥碾磨机 调度 [4]、二氧化钛生产调度和水 资源分配
流程的经济优化，即替代燃料管 理
热电厂优化 [5]
水泥窑控制
控制水泥熟料生产过程中的转窑是 Expert Optimizer 的一项标准用途。 水泥熟料生产单元如图 3 所示。熟 料在 1,400 °C 的回转窑中形成。该流 程需要的大量热能源于矿物燃料和 相当数量的替代燃料 (如轮胎，塑料 等)。为了提高这一流程的能效，热 废气一直上升到转窑，进入到预热 器塔。而进料则由相反方向从上向 下运行，通过预热器塔途中从废气 中获取能源，再进入转窑。原料由 于不断被加热并发生化学反应，如 煅烧。原料到达转窑的最后三分之 一区域开始形成熟料，预热阶段才 结束。冷却器迫使周围空气通过熟 料床，经过高效的热交换使熟料快 速冷却。这反过来又确保所形成的 熟料能达到所要求的形状。
熟料生产过程各环节相互高度关 联，其中一个主要操作机构发生变 化 (如原料进给量、废气流量、燃料 投入、回转窑速度) 都会影响所有流 程的主要指标 (燃烧区温度、旋风器 第二阶段温度、窑中的氧气量)。此 外，流程的稳定性取决于原料的组 成，因为流程中不同阶段的能源需 求受到不同原料成分的影响。为减 少矿物燃料用量，替代燃料在其中 占到多达 70 % (取决于流程配置)， 如废品。反过来又因为燃料燃烧导 致发热量的大幅变化。因此，了解流程中每个阶段的反应条件如何受 到影响十分重要。熟料的质量就取 决于它。换句话说，在冷生料运行 过程中，如果系统不能及时予以补 偿，那么也就无法形成熟料所需的 化学反应。
Expert Optimizer 使非专业人 员也会运用 MPC 方法，通过 将流程分割成小的、但又完整 的组成部分，然后再分别建立 模型。
因此，这一流程可以分割为几个部 分或区域，每个区域会影响它周围 的区域。这样我们就可以预测一个 区域内的能源演变，从而预测整个 生产过程的温度状况。一个基于模 糊逻辑的控制器直到最近才开始使 用，但现在又被基于模型的 MPC 方 法所取代。
如图 4 所示，预测填料 (蓝色) 和 气体 (红色) 的温度分布曲线为稳 定流程，确保所需的熟料质量和生 产速度提供了有价值的信息。问题 是温度状况必须从流程中几个温度 测量点 (图 4 中的深蓝色圆点) 测 得。为了克服这一数量限制，就要 采用 MHE。通过重新设定优化问 题，在时间上向后看，而不是向前 看——正如 MPC 那样——就可以估 计出一个准确的温度分布曲线。这 种估算方法可以使 MPC 算法推导出 改变操纵变量的最佳顺序，实现流 程的最佳目标。
控制器的性能如图 5 所示，烧结区 温度 (BZT) 一直接近目标温度，同 时使预热塔温度 (BET) 保持在一定 范围之内。另外，很容易找到生产 (进料) 最大化与将关键流程变量维 持在可接受范围之间的平衡。通常 而言，控制器调节燃料输入 (能耗)。 然而，每当流程温度显示系统将迅 速降温，控制器就会减少进给速度 (进料)，以支持温度更快的恢复。
制浆和造纸厂调度
制浆和造纸厂是展现非线性 MPC 和 Expert Optimizer 能力的理想环境。 这些工厂所采用的流程非常具有挑 战性，因为混合化学添加剂必须在 恰当的时机和条件下使用，才能够 满足严格的质量要求。
ABB 非线性 MPC 架构，通过不断监 测当前状态，实时提供决策支持， 更好地利用磨粉机，以最低的成本 获得最大的利润。这个工具通过平 衡子系统之间的供求关系优化工厂 运营。每个子系统或缓冲区都必须 输入材料，必须有足够的供应提供 给子系统，以满足生产的要求。 由于他们必须涵盖大量的设备运转 设置点，因此构成了非线性关系。 多数情况下，适当的调度需要各种 模型加以描述，例如，钠和硫的化 学反应和纤维平衡。现正需要开发更详细的光纤线路模型进行描述， 例如，卡伯值和亮度 (见图 6 )。 cpmPlus Expert Optimizer 的 开发是 ABB 业务单元与研究 中心长期有效合作的成果。
凭借 ABB 的非线性 MPC 架构，客户通常可以获得以下功能：
在线生产计划
计划停止工具 (停止和限制流程中的某个部分的生产能力)
软传感器功能
测量点诊断
瓶颈分析
通过采用车间的非线性模型和实时 数据，同时考虑一些诸如关键设备 维修的事情，Expert Optimizer 可 以预测所有关键变量，且几天内都 有效。通常情况下，这些模型都很 大，包含十几个 (如果不是几百个 的话) 动态情形，同时操纵和控制变 量。此外，修改这些模型还可以预 测不能直接测量的流程变量。 这些“ 控制应用” 更多与经济流 程优化相关，而与调节控制无关。 换句话说，他们试图获得更高的自 由度，以提高工厂的财务业绩。
伙伴关系的典范
结合 20 年的流程工业经验和成熟的 控制技术知识 (如模糊逻辑，以及基 于规则的控制和神经模糊工具)，创 建了一流的基于模型的优化技术。 对于闭环流程控制、开环决策支 持、以及先进的生产计划与调度和 经济优化领域中复杂的实际应用问 题，现在可以由一个单一产品来处 理。通过 Expert Optimizer 的图形界 面 (见图 7 )，可以轻松获得建模、 优化和模拟能力。模块式结构以及 通过提供可重复使用组件的数据 库，确保应用的灵活性。
cpmPlus Expert Optimizer 6.1 的开 发是 ABB 业务单元与研究中心长期 有效合作的成果。实际上，这种协 作展示了长期研究的成果，能够满 足工业需求并带来重大收益。