[发明专利]一种用于化工流程系统变负荷下的数据校正方法

说明书

技术领域

本发明涉及化工流程系统中测量仪表的数据校正领域及在线优化方法研究领域，特别地，涉及一种用于化工流程系统在变负荷下的数据校正方法。

背景技术

生产过程实时优化是工业(尤其是流程工业)降低生产成本、提高综合经济效益的重要技术手段之一。实时优化要求准确的过程模型与过程数据。然而通过仪表测量获取过程数据不仅存在随机误差而且有时还存在显著误差，直接影响实时优化的准确性。因此采用数据校正技术，调整测量数据，剔除显著误差，减小随机误差的影响，提高测量数据的质量是实时优化实现过程中重要的环节。

自从Kuehn等20世纪60年代首先提出化工过程的稳态数据校正问题以来，国内外学者对数据校正技术做了大量的研究。Crowe等20世纪80年代提出了一种基于迭代线性化的方法来求解非线性数据校正问题，随后Liebman等人提出应用非线性规划而非迭代线性化来提高求解非线性数据校正问题效率。1991年Tjoa与Biegler提出了一种有效的方法，采用污染的正态分布函数同时描述显著误差和随机误差，并基于极大似然原理构造目标函数。校正目标函数不同于加权最小二乘法，当存在显著误差时也可以得到无偏的校正结果。Johnston等基于极大似然原理研究了一种灵活的高效的鲁棒的估计方法，此外还有其它不同的鲁棒的估计方法。由于测量仪表的失灵或测量的系统误差存在等原因，测量数据存在显著误差，显著误差的诊断与剔除也是数据校正的重点与难点。目前的显著误差诊断方法主要分为基于统计的剔除法、校正与诊断同步方法。王希若提出了单节点的显著误差识别方法，利用了仪表的可靠度及精度等级等信息进行误差识别。孔明放等针对系统偏差型的显著误差，提出了系统的显著误差可识别性的概念，指出了系统显著误差可识别的条件，并提出了显著误差的参数估计识别方法。Tjoa与Biegler根据贝叶斯原理，在最大似然法的基础上引入了显著误差的概率分布，从而构造出随机误差和显著误差的混合概率分布，提出了数据校正与显著误差诊断同步方法。Derya等对化工过程中的数据校正与显著误差诊断各种方法进行了理论分析和数值实验，分析了各种方法的优缺点。

数据校正技术应用的领域包括计划调度、统计管理、过程监测、过程控制及过程在线优化，也包括设备性能分析、仪表管理及配置等。在工业应用上，1996年，Pierucci介绍了在线数据校正应用于石蜡装置的情况。1998年，Lee利用在线数据校正与优化，在满足不断变化的蒸汽和电力需求的前提下，减少了装置能耗。2000年，Soderstrom将动态数据校正应用在ExxonMobil化工公司。国内有林孔元将数据校正方法用于重油催化裂化稳态过程，周传光等对常减压蒸馏装置的在线数据校正与优化进行了研究。其它相关数据校正在工业上的应用参考李红军，张亚乐，Bussani及Placido等人的文献。

国外许多控制工程公司推出了各种商品化数据校正软件包，如美国Simulation Science公司的Datacon，AspenTech公司的Advisor，英国KBC公司的Sigmafine，法国Technip公司的Datrect等。国内的控制工程公司也推出了商品化数据校正的软件包，如浙大中控推出的APC-Datapro软件包，并在福建炼化等公司取得成功应用。

上述理论和方法均未考虑化工流程变负荷的情况。化工流程系统在变负荷情况下工作，由于负荷的变化从而导致化工流程系统有多个稳态工况区间，在多个稳态工况区间下进行数据校正相比于单一稳态工况区间下的数据校正更为复杂。当测量仪表存在显著误差时，在各稳态工况区间显著误差可能不同，因此很难准确地估计各稳态工况区间的显著误差。这种情况对数据校正技术提出了更高的要求。

发明内容

本发明的目的是针对现有数据校正技术的不足，提供了一种用于化工流程系统变负荷下的数据校正方法。

本发明的目的是通过以下技术方案来实现的：一种用于化工流程系统变负荷下的数据校正方法，该方法为：采集测量仪表在某段时间内的测量数据，根据其中的几个关键测量位号，应用稳态检测技术进行稳态判定，取各稳态下测量数据的平均值，将这些稳态数据的平均值根据负载的大小进行稳态工况区间划分，分为多个不同的稳态工况区间，在每个稳态工况区间对多变量多组测量数据进行数据校正及显著误差检测，得到各种稳态工况区间的显著误差检测结果及数据校正结果，此结果可应用于在线优化及过程控制。

进一步地，该方法具体包括以下步骤：