模型预测先进控制技术在480t/h CFB中的应用

2022-09-29张鹏军张代华王彩丽

仪器仪表用户 2022年10期

张鹏军，张代华，段锋，王彩丽

（1.内蒙古伊泰煤炭股份有限公司，内蒙古自治区鄂尔多斯 017000；2.内蒙古伊泰煤基新材料研究院有限公司，内蒙古自治区鄂尔多斯 017000）

0 引言

内蒙古伊泰化工120万吨/年精细化学品项目配套4×480t/h循环流化床锅炉，型号SG-480/9.81-M2304，由上海锅炉厂有限公司制造，型式为单汽包自然循环、单炉膛，无中间再热，π型布置，平衡通风，水冷式旋风分离器，固态排渣高温高压循环流化床锅炉[1]。

根据安全稳定蒸汽需求，正常工况3台循环流化床锅炉运行，1台备用，单台负荷300t/h，负荷率约为62.5%。蒸汽用量相对稳定，最大干扰来源于空分装置汽轮机用汽，其用汽量波动较大时可达20 t/h～30 t/h，波动较小时为10 t/h～20 t/h。当用汽量波动时，由单台锅炉调节。这种负荷波动，操作人员一般保持一次风量不变，仅调整给煤量和二次风量，其它（包括脱硝系统在内）保持不变。4台循环流化床锅炉运行处于同行业较高水平，但仍有改进和提升空间。

同时随着国家污染物排放标准越来越高，原设计和实际运行的NOx排放值在现行标准下很难达标。通过先进技术手段实现NOx排放量达标，成为各企业共同期待的目标。

伊泰化工生产过程控制方面采用Honeywell PKS 430 DCS控制系统，对工艺过程稳定操作起到了关键作用。因其主要采用常规控制，除过热蒸汽温度控制和锅炉汽包液位三冲量控制投用自动外，其它控制回路均处于手动控制状态，自控率总体水平不高。针对循环流化床燃煤锅炉多输入/多输出的非线性、强耦合和大滞后[2]的复杂控制对象，存在多项热量及物料平衡的工艺关系，是多变量、强耦合的复杂系统，无法将相关的多个变量统筹考虑，协调控制，不能整体考虑控制目标。其控制品质无法达到工艺过程对大扰动下产品质量和产量的控制。

1 模型预测控制原理

本项目基于先进过程控制（APC）技术，通过单炉控制和多炉控制优化，在控制器中融入对锅炉燃烧与蒸汽动力流程工艺的深入理解，在系统内嵌入“人脑机制”，使原本仅能够实现平稳操作的控制器具备工艺优化功能。针对循环流化床燃煤蒸汽锅炉装置开发APC先进控制解决方案，使得CFB锅炉在应对煤质变化、负荷调整等动态过程中，能够以模拟预测和中间过程寻优调整及时加以响应。由APC系统代替操作员进行系统操作，克服了基于反馈的常规调节模式的滞后和波动问题，实现了“最佳工艺工程师”与“最佳操作员”的统一，并且对装置进行全年24h无休监控和控制优化，确保锅炉运行在较高的燃烧效率区间，降低蒸汽煤耗并提供更为稳定的蒸汽，同时通过锅炉性能差异的动态判断，优化负荷调整分配，兼顾各自的炉温约束，限制各锅炉调节幅度，确保安全，延长锅炉使用寿命[3]。

2 模型预测控制模块

项目采用成熟的AVEVA APC2020多变量模型预测控制系统平台，结合过程控制领域丰富的专家知识和经验，提供关于循环流化床锅炉的先进控制解决方案，实现稳定生产的同时，提高装置产能，降低单位产品能耗，带来显著经济效益。

模型预测控制[4]（Model Predictive Control，MPC）是一种多变量高级控制技术。它基于系统辨识技术，通过收集生产过程数据辨识出过程中各种变量之间的动态数学关系，即建立模型。模型预测控制模块通过辨识的模型，认知各种扰动因素对于被控变量的影响，计算被控变量在接下来时段的变化趋势，从而实时不断地更新控制策略，提高过程控制品质。当扰动发生时，可预测被控变量在未来时段发生的变化。根据未来时刻，变量对于设定值的偏差，及时调整控制策略，使被控变量可以紧靠设定点，提高过程的控制品质。

3 模型预测控制实现过程

3.1 服务器安装软件

1）霍尼韦尔DCS系统RDM软件

RDM软件为霍尼韦尔DCS系统提供给第三方使用的软件，目前安装在APC系统服务器上。霍尼韦尔DCS服务器有A、B主备之分，当DCS服务器切换时，主服务器切到备用服务器仍然可以正常通讯，不影响OPC数据通信。

2）AVEVA APC2020

AVEVA APC2020先进过程控制是一套基于模型的预测控制软件，具有以下特点：①采用线性动态模型预测被控变量的开环行为；②预测被控变量是否会操作约束条件；③利用实时数据来矫正预测值；④可对各种非常规动态过程建模；⑤自动阶跃测试；⑥内置线性优化功能；⑦快速趋势图组态；⑧数据分析便利。

3）其它软件

U盘插拔防毒系统SMX软件，旨在防止U盘任意插拔感染传播病毒，只有系统注册认证过的U盘方可使用，否则无法识别，并且任何插拔U盘均有记录。

MCafee麦卡菲杀毒软件能够自动侦测文件的安全性，若文件内含病毒，会立即告警并做适当自动处理，可使用密码将个人的设定文件锁定。

3.2 OPC接口通讯

AVEVA APC模型预测软件将通过OPC实现同底层霍尼韦尔PKS 430DCS控制系统的读写通讯。为了避免其他系统对于APC控制系统的干扰，单独为APC控制系统配置1台OPC服务器。

3.3 APC数据准备

对需要阶跃测试的试验数据进行检查，对有问题的数据要予以剔除。要被剔除的数据主要发生在以下场景中：出现大的过程扰乱，数据采集发生故障，没有明显的数据响应，关键的控制回路饱和或失效，出现未测量到的较大干扰。

3.4 APC控制基础

基础过程控制系统通常采用常规PID回路实现回路控制。它以单回路或串级控制为主，进行单参数调节，很少考虑变量间的相互作用，且常规PID控制室在控制变量产生偏差后才进行调节的。由于装置变量总是存在相互作用，因而在装置状况或者生产方案发生变化时，需要同时调节多个控制回路，并确保各调节量相互匹配，才能将装置的操作点控制在某一范围内。然而，即使操作经验丰富的操作人员也很难同时调节多个控制回路，并确保各调节量相互匹配，且保持稳定以至达到最优。

图1 循环流化床锅炉生产过程数据历史趋势图Fig.1 Historical trend diagram of the production process data of the circulating fluidized bed boiler

图2 模型预测控制偏置嵌入DCS常规PID逻辑图Fig.2 Logic diagram of model predictive control bias embedded in DCS conventional PID

表1 常规PID控制与模型预测先进过程控制对比表Table 1 Comparison of conventional PID control and model prediction advanced process control

图3 模型预测控制原理图Fig.3 Schematic diagram of model predictive control

将其应用于连续过程工业的解决方案，它将整个生产装置或某个工艺单元整体作为一个研究对象，通过现场测试，量化描述独立变量（包括前馈变量）与各个相应工艺变量之间的动态阶跃响应模型，建立工艺过程的多变量动态矩阵控制器[5]；利用模型预测装置关键控制变量的变化，通过提前预测，实现提前控制，提前调节多个相关的操作变量，因而提高装置运行的平稳性。

采用APC软件平台中的建模工具配置和建立过程模型，评价模型识别的结果——自变量（独立变量，MV/FV）和因变量（CV）的对应关系。在模型识别过程中，对过程模型进行多次修正测试，直到模型满足工程实际需要。

MV（Manipulated Variable）：控制/操作变量，由控制器调整的操纵变量。

CV（Controlled Variable）：被控变量或受控变量，一般指带设定点目标的受控变量或带最小/最大极限的约束变量。

FV/DV（Feedforward/Disturbance Variable）：前馈/干扰变量，用于前馈预测的可测量扰动的前馈扰动变量，可以测量其对被控变量施加影响的程度，但是不可以控制或者操作的变量。

3.5 APC控制策略

智能APC先进控制系统解决方案中，控制策略包括：蒸汽管网压力控制器，主蒸汽温度、炉膛温度控制器，氧含量控制、风量控制和给煤机控制及NOX排放控制等。在实际装置应用后，预计蒸汽煤耗降低0.5%，并将主蒸汽压力标准偏差降低50%。在稳定供汽品质的前提下，实现节约能源并显著降低污染排放物的效果。

1）蒸汽侧：过热蒸汽温度/过热蒸汽压力。

2）燃烧侧：流化床温/稀相温度/床层差压/稀相差压/飞灰含碳量/底渣含碳量/过剩氧含量/NOx原始排放浓度。

3）脱硝侧：NOx最终排放浓度/氨逃逸浓度。

3.6 系统测试建模

系统建模关键步骤是阶跃测试。项目首先关注数据质量，需要对采集数据进行滤波等预处理，对可能存在问题的数据进行校正。然后，依据对工艺过程深入的理解，选择相关联数据进行建模工作。建模过程中，根据工艺特点设计出的操作变量一个一个进行阶跃响应测试，以一级减温水为例，观察动态矩阵响应曲线，反复测试，直到测试模型与实际情况相符为准。建模过程中争取工艺技术人员和操作人员的支持，使其理解先进控制的理念，更好地配合制定出合理的调整策略指导操作。

图4 模型预测控制策略MV典型回路图Fig.4 Typical loop diagram of model predictive control strategy MV

3.7 预期效果

通过AVEVA APC系统，预期达到以下效果：提高装置基础自动化水平；提升基础自动化投用率，实现一次风流量、二次风流量、炉膛负压系统和总燃料系统的自动控制；稳定流化床温/稀相温度/床层差压/稀相差压，降低飞灰含碳量/过剩氧浓度/NOx原始排放；降低NOx最终排放，减少氨逃逸；降低操作人员的劳动强度。系统优化后，人工控制将变为自动控制，降低操作人员的劳动强度，引导操作人员将注意力转向最佳过程参数配置和调整；能实现智能操作模式和人工操作之间的快速无扰切换；预期锅炉热效率增加0.2%～0.4%。

4 组织保证

项目在实施过程中，确保项目顺利进行，成立模型预测调试小组，由先进控制仪控组、生产工艺组共同组成。

先进控制仪控组：软硬件验收维护、先进过程控制系统维护，包括网络架构搭建，与DCS系统数据通讯、数据采集、数据应用等基础工作，了解生产先进控制项目的数据分析、建模、功能设计、组态等过程，进行先进控制系统的优化调试，参与阶跃测试，会签试运行报告和验收报告。

图5 减温水系统建模过程图Fig.5 Modeling process diagram of desuperheating water system

生产工艺组：从工艺生产角度进行分析、指导，针对系统操作提出限定范围，跟踪项目指标运行情况并对指标验证，提供生产工艺过程资料，讨论并批准先进控制功能设计、预测试计划、阶跃测试计划和DCS操作界面，参加APC控制器现场安装前的出厂验收测试（FAT），给出修改意见和批准FAT报告，会签试运行报告和验收报告。