基于软测量技术的AspenPlus用户模型二次开发

戴 天, 范洪明, 傅雨佳, 杨慧中

(1.江南大学物联网工程学院轻工过程先进控制教育部重点实验室,江苏无锡 214122;2.南通星辰合成材料有限公司,江苏南通 226017)

基于软测量技术的AspenPlus用户模型二次开发

戴 天1, 范洪明2, 傅雨佳1, 杨慧中1

(1.江南大学物联网工程学院轻工过程先进控制教育部重点实验室,江苏无锡 214122;2.南通星辰合成材料有限公司,江苏南通 226017)

Aspen Plus仿真软件能够很好地实现化工工艺流程的模拟,并能对化工工艺流程实现参数优化、灵敏度分析和经济评价等。但化工工艺流程复杂,装置模型众多,Aspen Plus中现有的模型库不可能提供所有的单元模型。基于Aspen与Matlab的数据交互功能,开发了Aspen与Matlab接口用户模型——AEM用户模型。该用户模型能够实现在Aspen界面下调用Matlab程序,建立基于软测量技术的用户模型,大大扩展了Aspen Plus的适用范围。应用本文方法,采用高斯过程回归(GPR)软测量多模型建模方法,完成了双酚A生产流程中结晶塔的用户模型开发,实现了双酚A加合物结晶过程的模拟,并应用于双酚A生产流程模拟中。

Aspen Plus; Matlab; 用户模型; 软测量; 多模型

Aspen Plus是一款功能强大、集化工设计、过程模拟、参数优化、灵敏度分析以及经济评价于一体的大型通用化工模拟软件。Aspen Plus提供了大量的物性数据库和单元操作模块,能够适用于目前大部分化工行业中从单个操作单元到整个工艺流程的模拟[1-3]。

虽然Aspen Plus的模型库已经包含了大量的单元模型,但仍有许多单元装置的模拟在Aspen Plus中无法实现或者不够完善和准确。在缺少对单元装置的准确描述下,整个工艺流程的模拟就不能完成。但Aspen Plus能够调用外部程序,建立用户模型,通过Excel或Fortran程序,添加自定义的单元模块模型[4],这为Aspen Plus的应用提供了极大的扩展功能。

目前国内外对Aspen Plus用户模型的开发进行了大量的研究,但大都是基于机理知识对单元装置的模型开发[5-6]。机理模型需要在机理过程十分清楚的情况下才能进行,对于未知的机理过程则不能实现。软测量技术可以对某些难以直接用仪器或仪表检测的待测变量,利用一组与该待测变量有密切联系、又容易检测的其他变量,通过机理建模方法或基于数据驱动的建模方法,实现对待测变量的估计。尤其是对于未知机理过程对象,基于数据驱动的软测量技术为Aspen Plus的开发提供了非常有用的工具。

基于数据驱动的建模方法主要有高斯过程回归(Gaussian Process Regression,GPR)、支持向量机(Support Vector Machine,SVM)和相关向量机(Relevance Vector Machine,RVM)等[7]。其中高斯过程回归是近年发展起来的一种机器学习方法[8],能较好地解决小样本、非线性、高维数等复杂过程对象的建模问题,因此GPR技术得到了广泛的应用[9-10]。但是,在实际应用中,采集到的工况数据往往是在较大时间范围内工况过程发生过较大变化的,单一的GPR模型难以对这种对象进行很好的估计和描述。因此在实际应用中,采用多模型的建模方法为解决复杂工业对象的大工况、强非线性等建模问题提供了一个可行的思路。

基于数据驱动的多模型建模方法分为集成学习和聚类分析两类[11],其中聚类分析是将采集到的数据按照某种准则分成多个子样本,然后分别对子样本建立模型。聚类分析算法主要有K均值聚类、模糊C均值聚类算法等[12-14]。对于不同的过程特性,利用来自生产现场装置的样本数据,聚类分析能将不同的工况样本分开,分别建立子模型进行描述,为建立精确的软测量估计模型奠定基础。

Matlab是当前最专业、最活跃的科学仿真计算软件,其强大的矩阵计算及仿真能力能够实现各种建模方法所需的复杂计算。但是Aspen Plus自身并不支持与Matlab的接口,目前国内外对Matlab与Aspen Plus接口技术的研究非常有限,鲜有关于Aspen Plus平台与软测量模型相结合完成工艺流程模拟仿真的实例报道。耿大钊等[15]利用COM实现Matlab与Aspen Plus的连接,但仅限于用Matlab程序读取Aspen Plus,并不能在Aspen Plus界面调用Matlab建立单元模型。Fontalvo等[16]通过Excel用户模型,利用Matlab建立机理模型与Aspen Plus交互,但该方法仍需要在对机理过程十分熟悉的情况下才能实现,对于未知机理过程则难以实现。

本文基于Aspen Plus与Matlab的数据交互功能,研究了在Aspen Plus 界面下,利用Matlab强大的运算功能开发Aspen Plus用户模型,并基于软测量技术,实现对双酚A(Bisphenol A,BPA)加合物结晶过程仿真,并应用于BPA生产流程的仿真中。

1 AEM用户模型开发

1.1概述

在Aspen Plus操作界面下,调用Matlab计算平台,实现数据交互的过程描述如图1所示。

图1 Aspen Plus与Matlab数据交互方式Fig.1 Information shared between Aspen Plus and Matlab

Aspen Plus通过Excel用户模型接口,将给定的M股流股信息和其他相关的参数,或流程中上一单元传过来的流股信息传输到Excel中,Excel再将得到的流股信息和其他相关的参数传输到Matlab环境中;Matlab利用流股信息和相关参数进行计算,计算完成后,Matlab再将N股流股信息或其他相关计算结果传回Excel,并由Excel将数据传回Aspen Plus中。Aspen Plus得到数据后直接将流程模拟结果输出,或继续将流股信息代入下一单元模块进行计算。搭建好Aspen-Excel-Matlab(AEM)用户模型以后,全流程操作只需要在Aspen Plus平台中运行,不需要对Excel、Matlab进行操作,极大地扩展了Aspen Plus的适用范围。

1.2AspenPlus与Excel数据交互

Aspen Plus平台与Excel进行数据交互时,需要用到User models中的USER2模块,如图2所示。

图2 用户模型Fig.2 User model

USER2模块有M股输入流股信息和一些其他相关参数,这M组流股信息包含M(n+9)个数据,其中M表示输入用户模型的流股数,n表示该股流股信息中所含混合物的组分数。表1列出了每一股流股信息中包含的数据和单位,利用用户模型进行建模时,这M(n+9)个数据的单位是固定的,所以必须注意单位的换算。用户模型计算完成后,USER2模块有N股输出流股信息和其他参数。

表1 Aspen Plus中传输的流股信息Table 1 Stream information in Aspen Plus

USER2模块的输入输出数据除了流股信息以外,Aspen Plus平台还向USER2模块提供设定好的其他相关参数,包括设备参数和操作参数等。参数类型主要分为两种,一种是实数,一种是整数。实数参数如塔的高度、宽度、表面积等,整数参数如精馏塔塔板数、换热器数等可数的元素。这些参数可以是经过Aspen Plus输出的,也可以是经过用户模型计算后输入到Aspen Plus的数据。

在Aspen Plus平台中设定好相关参数后,就可以在Excel下进行用户模型的编辑。其中,Aspen Plus与Excel数据传输的相关程序在Aspen Plus安装目录下可以找到,将该程序存放到指定文件位置,利用此程序作为模版,可以实现Aspen Plus与Excel之间的数据交互。

最后,将编写好的Excel用户模型程序存放地址输入到Mixer|Subroutines|Excel file name中,就可以在Aspen平台运行,完成Excel与Aspen的数据交互。进一步地将Excel与Matlab链接,实现Aspen Plus 与Matlab的数据互通。

1.3Excel与Matlab的数据交互

在Matlab中建立子程序,用来接收从Excel传来的数据,并在子程序中利用已知参数编写程序,模版程序如下:

function[RealOutIntOutStreamOut]=

AEM(RealInIntInStreamIn)

%相关程序

end

其中:RealIn、IntIn、StreamIn分别表示从Excel中传入的实数参数、整数参数和流股信息;RealOut、IntOut、StreamOut分别表示经过Matlab计算后,输出到Excel的实数参数、整数参数和流股信息。

在Excel界面加载好宏的功能后,Excel与Matlab就可以进行数据交互。在Excel界面下,在工具|加载宏|浏览窗口中输入Matlab与Excel链接的宏文件,宏文件地址一般在Matlab安装文件目录下。加载好宏之后,就可以在Excel界面中编写一些命令,实现与Matlab的数据传输,并可以在Excel下调用Matlab程序。主要命令如表2所示。

表2 Excel命令Table 2 Excel commands

2 运用AEM用户模型对BPA工艺流程中第一结晶塔的模拟

2.1概述

在BPA生产流程中,结晶单元是提纯BPA产品的重要环节。BPA结晶单元通过多级结晶塔结晶和分离,得到纯度更高的BPA和苯酚产物,分离出其他杂质(如2-4BPA异构体)等。其中结晶塔接收脱水单元过来的母液,在塔中形成BPA和苯酚的高纯度结晶加合物。但Aspen Plus中的结晶模块单一,无法模拟加合物结晶过程,所以必须建立AEM用户模型,对第一结晶塔的过程特性进行描述。

由于缺少对结晶塔加合物结晶过程的机理分析,我们只能利用采集到的大量生产装置现场操作数据和分析数据,基于软测量技术,建立在线估计加合物中苯酚含量和BPA含量的黑箱模型。在Matlab环境下建立软测量模型,并代入Aspen Plus的流程模拟中。

2.2AspenPlus平台的结晶塔相关参数设定

在Aspen Plus平台中,利用User models中的USER 2模块,连接输入输出流股,构建如图3所示的第一结晶塔模块。

图3 结晶塔模块Fig.3 Crystallizer user model

在结晶塔用户模型模块的FEED端,将第一结晶塔的设计值(表3)作为输入流股信息。

表3 流股信息Table 3 Stream information

在输入流股信息时,输入变量(表3)经Aspen Plus传输到Matlab之前,Aspen Plus会将相关的单位转换成表1中的单位。

预设好第一结晶塔的所有参数后,Aspen Plus将所有参数经AEM用户模型传输给Matlab,在Matlab环境下进行建模和估计。

2.3Matlab环境下建立软测量模型

在第一结晶塔中,我们主要关注的是混合物中BPA和杂质2-4BPA的质量分数。经过分析,主要有结晶塔进料流量、结晶塔进料组分质量分数和塔内温度等因素影响结晶塔出料组分的质量分数。

为了建立结晶塔出料加合物中BPA和2-4BPA质量分数软测量模型,将第一结晶塔进料流量、BPA、2-4BPA进料组分质量分数、塔内温度作为软测量模型的输入变量,第一结晶器出料的BPA和2-4BPA质量分数作为输出变量。

BPA生产装置的DCS系统将来自现场传感器的液位、流量、压力、温度等实时数据每分钟采样一次并保存在DCS系统数据库中。一些组分含量的人工分析值由化验室提供,经过整理后,得到了146组样本数据。这些样本数据反映了多个工况条件下的运行结果,采用K均值聚类分析方法,将样本集聚类成3类。

选取其中的117组作为训练组,其余29组作为测试组,考虑到各变量由于量纲和单位不同会对建模精度产生影响,需要对样本数据进行标准化处理,然后运用K均值聚类算法,将训练样本集根据样本的4个输入变量进行聚类,聚类算法最大迭代次数设为100次,聚类完成后每类样本个数分别为17、74和26,训练样本聚类结果如图4所示。

图4 K-means聚类方法的训练数据分类图Fig.4 Classification of training data based on K-means method

训练数据进行聚类后,对各子类分别建立基于高斯过程回归(GPR)的子模型,最终将各个子模型用“切换开关”的方式连接[17]。测试数据经判定所属子类类别后,代入相应子模型进行估计。

为验证本文方法的有效性,将本文方法建模的仿真结果与单一RVM、单一SVM、单一GPR的仿真结果进行比较,获得第一结晶塔的BPA质量分数输出预测结果如图5所示,2-4BPA质量分数的输出预测结果如图6所示。

图5 BPA软测量模型的测试曲线Fig.5 Test curves of BPA soft measurement model

图6 2-4BPA软测量模型的测试曲线Fig.6 Test curves of 2-4BPA soft measurement model

为了评价软测量模型的性能,使用平均相对误差(MRE)、最大相对误差(MAXE)、均方根误差(RMSE)来反映这两个模型的性能指标,比较结果见表4和表5。

通过对比可以发现,GPR多模型的综合精度和泛化能力优于RVM单模型、SVM单模型和GPR单模型,所以可以将GPR多模型的计算结果作为AEM用户模型的计算结果返回Aspen Plus平台中,用于BPA加合物结晶过程的流程模拟并运用到BPA生产流程模拟中。

表4 BPA测试误差Table 4 Test error of BPA

表5 2-4BPA测试误差Table 5 Test error of 2-4BPA

2.4加合物结晶过程流程模拟运行结果

利用建立的两个软测量模型,在Aspen Plus中进行流程模拟仿真,得到稳态输出结果如表6所示。这样实现了在Aspen Plus界面下调用多模型软测量模型对BPA第一结晶塔进行模拟,AEM用户模型流程如图7所示。

表6 结晶塔模拟结果Table 6 Results of crystallizer simulation

图7 AEM用户模型流程Fig.7 AEM user model process

3 AEM在BPA生产流程模拟中的应用

利用AEM可以将第一结晶塔软测量模型运用到BPA生产过程的模拟。按照BPA生产流程的反应单元、脱水单元、结晶单元建立如图8所示流程模拟。

反应器使用规定反应程度和转化率的RStoic模块,主反应由丙酮和苯酚生成BPA和水,并有部分丙酮和苯酚反应生成2-4BPA和水,反应器稳态参数如表7所示,反应转化率为82%。精馏塔使用严格计算模块RadFrac模块,精馏塔的内部参数如表8所示。

图8 流程模拟Fig.8 Process simulation表7 反应器进料Table 7 Feed of reactor

项目输入值反应器进料温度55℃总流量35000kg/h水质量分数0.12%丙酮质量分数2.5%苯酚质量分数86.58%BPA质量分数10%2-4BPA质量分数0.8%

利用AEM用户模型进行第一结晶单元的模拟,按照上述参数运行Aspen Plus,最后输出流股的质量分数模拟值与实测值对比见表9(部分组分质量分数不作化验分析,所以实测值空缺)。

表8 精馏塔参数Table 8 Parameters of rectifying column

表9 物流组分质量分数模拟值与实测值比较Table 9 Results of simulation and actual operation

分析工艺流程可知,苯酚,丙酮在反应器中进行反应,生成了BPA、水和2-4BPA异构体,经过精馏塔,脱去了水和丙酮,母液流入结晶单元,在第一结晶塔结晶后的加合物流向下一单元。在Aspen Plus中缺少的加合物结晶过程模型可以利用AEM用户模型代替,所得到的数据可以继续进行后续工艺的模拟仿真,或进行参数优化、灵敏度分析和经济评价等。由表9可知,利用软测量技术建立的AEM用户模型代替Aspen Plus中的加合物结晶过程模型,并由Aspen Plus对BPA生产过程的流程模拟结果与工艺运行的实测值非常接近,说明了本文方法的有效性。

4 结 论

利用专业仿真软件Aspen Plus能对化工流程中的大部分操作单元进行模拟,但仍有许多特殊的单元模型在Aspen Plus不能实现。本文利用Aspen Plus与Matlab接口技术,将Aspen Plus与Matlab结合起来,搭建了AEM用户模型,实现了在Aspen Plus界面下,调用基于Matlab的软测量模型,并针对在较大范围内采集的数据所存在的不同时间段不同特性问题,利用多模型软测量技术,得到了较高的预测精度。本文方法拓展了Aspen Plus的适用范围,实现了全流程模型,为今后Aspen Plus在化工工艺流程中的应用提供了新思路。

[1] 李玥,李群生,李春江,等.氯乙烯精馏过程模拟优化与节能降耗的研究[J].北京化工大学学报(自然科学版),2015,42(5):19-23.

[2] 戴天,范洪明,杨慧中.双酚A脱水精馏过程的模拟与优化[J].北京化工大学学报(自然科学版),2016,43(3):34-39.

[3] 朱昌明,李玉安,周文勇,等.内部热集成精馏塔分离混合碳五的模拟研究[J].华东理工大学学报(自然科学版),2015,41(3):300-307.

[4] 赵月红,温浩,许志宏.Aspen Plus用户模型开发方法探讨[J].计算机与应用化学,2003,20(4):435-438.

[5] 侯卫锋,苏宏业,胡永有,等.基于ASPEN PLUS用户模型技术的催化重整全流程模拟[J].化工学报,2005,56(9):1714-1720.

[6] 殷绚,杨小健,李荣雨,等.连续发酵生产乙醇的过程模拟与优化研究[J].高校化学工程学报,2010,24(1):176-181.

[7] SHAO Weiming,TIAN Xuemin,WANG Ping.Local partial least squares based online soft sensing method for multi-output processes with adaptive process states division[J].Chinese Journal of Chemical Engineering,2014,22(7):828-836.

[8] 何志昆,刘光斌,赵曦晶,等.高斯过程回归方法综述[J].控制与决策,2013(8):1121-1129.

[9] 双翼帆,张凌波,顾幸生.基于高斯过程和改进教与学优化算法的甲醇合成转化率软测量[J].华东理工大学学报(自然科学版),2016,42(3):369-374.

[10] 孙茂伟,杨慧中.基于改进Bagging算法的高斯过程集成软测量建模[J].化工学报,2016,67(4):1386-1391.

[11] SU Zhigang,WANG Peihong,SHEN Jiong,etal.Multi-model strategy based evidential soft sensor model for predicting evaluation of variables with uncertainty[J].Applied Soft Computing,2011,11(2):2595-2610.

[12] JAIN A K.Data clustering:50 years beyond K-means[J].Pattern Recognition Letters,2010,31(8):651-666.

[13] GAO Shuzhi,WANG Jiesheng,GAO Xianwei.Modeling and advanced control method of PVC polymerization process[J].Journal of Process Control,2013,23(5):664-681.

[14] 刘骏,殷晓明,顾幸生.一种改进的T-S模糊模型建模及优化方法[J].华东理工大学学报(自然科学版),2016,42(2):233-239.

[15] 耿大钊,陈曦,邵之江,等.基于COM技术的MATLAB与Aspen Plus接口及高级应用[J].化工自动化及仪表,2006,33(3):30-34.

[16] FONTALVO J.Using user models in Matlab®within the Aspen Plus®interface with an Excel®link[J].Ingeniería e Investigación,2014,34(2):39-43.

[17] 杨慧中,董陶,陶洪峰.基于改进K-means聚类算法的组合模型建模[J].控制工程,2013,20(2):8-10.

SecondaryDevelopmentofAspenPlusUserModelBasedonSoft-Sensor

DAITian1,FANHong-ming2,FUYu-jia1,YANGHui-zhong1

(KeyLaboratoryofAdvancedProcessControlforLightIndustryofMinistryofEducation,SchoolofInternetofThingsEngineering,JiangnanUniversity,Wuxi214122,Jiangsu,China;2.NantongXingchenSyntheticMaterialCo.Ltd,Nantong226017,Jiangsu,China)

Aspen Plus can effectively simulate chemical processes and achieve the optimization of functions,sensitivity analysis,and cost estimation.However,the shortcoming of Aspen Plus is that it doesn′t provide all the unit models for complex chemical processes.In this work,we develop a user interface model of AEM between Aspen Plus and Matlab by means of the data exchange function between Aspen Plus and Matlab,which can directly use Matlab program in Aspen Plus user interface to build a unit model based on soft-sensor.Finally,by using the proposed user model and GPR multi-model soft-sensor,the user model of the crystal tower in a production process of bisphenol A is developed and the simulation of the adduct crystallization process is realized.Moreover,the user model is also used in the production process simulation of bispheonl A.

Aspen Plus; Matlab; user model; soft sensor; multi model

1006-3080(2017)04-0533-07

10.14135/j.cnki.1006-3080.2017.04.012

2016-10-30

国家自然科学基金(61273070); 江苏省2015年度普通高校研究生科研创新计划(KYLX15_1168)

戴 天(1990-),男,江苏无锡人,硕士生,主要从事复杂工业过程建模的研究。E-mail:393289863@qq.com

杨慧中,E-mail:yhz_jn@163.com

TP18

A