[发明专利]基于数据驱动的原油蒸馏装置经济模型预测控制方法

权利要求书

1.一种基于数据驱动的原油蒸馏装置经济模型预测控制方法，包括以下步骤：

S1、计算原油蒸馏装置系统的相对增益矩阵，根据相对增益矩阵对原油蒸馏装置的控制回路进行匹配；

S2、将测试激励信号加入到开环系统中，采集系统的输出；

S3、根据输入输出的数据，通过支持向量回归算法对原油蒸馏装置进行建模；

S4、将步骤S3得到的模型作为经济模型预测控制方法中的预测模型；

S5、根据生产要求给出模型预测控制器追踪的设定值，并且根据能源价格和产品价格给出经济指标，综合以上两者给出模型预测控制器的目标函数；

S6、将模型预测控制器应用于装置的控制中，根据实际要求对装置的各个控制变量进行搜索求解，将最优的控制序列应用到装置的各个控制变量中。

2.根据权利要求1所述的基于数据驱动的原油蒸馏装置经济模型预测控制方法，其特征在于，所述S1中的相对增益矩阵，是通过加入很小的阶跃激励信号，获得各回路的稳态增益，通过稳态增益获得相对增益矩阵，根据相对增益矩阵的各元素值来选择控制回路匹配对。

3.根据权利要求1所述的基于数据驱动的原油蒸馏装置经济模型预测控制方法，其特征在于，所述S2中的激励信号采用的是M序列。

4.根据权利要求1所述的基于数据驱动的原油蒸馏装置经济模型预测控制方法，其特征在于，所述S3的具体步骤为：

S301、在支持向量回归中使用径向基函数RBF作为核函数，即：

则，

通过对偶问题化为：

s.t.

y_q(i)-<w_q,Φ(x_i)>-b_q≤ε_q+ξ_i，i＝1,…,N

<w_q,Φ(x_i)>+b_q-y_q(i)≤ε_q+ξ_i′，i＝1,…,N

ξ_i,ξ_i′≥0，i＝1,…,N

其中，K为核函数，x_i为第i个输入信号的特征，x′为支持向量，g为RBF函数的设置参数，是第i输入的预测输出，w_q是特征空间F的一个向量，Φ代表从低维空间到高维空间F的映射，b_q是偏差项，为一个中间变量，ε_q是第q个输出的误差上界，ξ_i,ξ_i′是松弛变量，‖·‖是二范数，C为支持向量回归算法的惩罚参数；

S302、系统的动态特性可由非线性自回归带外源输入的模型表示，即：

y_q(n)＝f_q(u₁(n),…,u₁(n-n₁),…,u_R(n),…,u_R(n-n_R),y_q(n-1),…,y_q(n-m_q))

其中y_q(n)是第q个输出在n时刻的输出值，u₁(n)是第1个输入在n时刻的输入值，u₁(n-n₁)是第1个输入在(n-n₁)时刻的输入值，在此将n₁称为第1个输入的阶次，同样的m_q则是第q个输出的阶次；

S303、利用输入输出数据通过k-折交叉验证确定系统各输入输出相应的阶次，然后得到最佳的支持向量回归模型，具体做法如下：

首先将输入输出数据均分为k份，这里k取5，取其中4份为训练数据，剩下的1份为测试数据，然后将所有的阶次设置为1，利用遗传算法对训练数据进行训练，搜索最佳的g、C和支持向量x′，由此可得到一个相应的支持向量回归模型，接着用测试数据进行测试，计算预测值和实际值之间的均方误差(MSE)，重复5次，MSE值最小的模型就被认为是该阶次下最优的支持向量回归模型；然后逐步将各个阶次升高，最终可以得到多个不同阶次下的最优支持向量回归模型，比较MSE的大小，取MSE值最小的模型作为原油蒸馏装置最终的支持向量回归模型。