[发明专利]一种适用于流程工业预测控制的稳态优化方法

说明书

本发明公开了一种适用于流程工业预测控制的稳态优化方法，包括：步骤一、构建原始稳态优化问题，设原始稳态优化问题为优化问题一；步骤二、构建松弛优化问题，设松弛优化问题为优化问题二；步骤三、采用层次分析法计算所有松弛变量权重；步骤四、计算优化问题二的最优值，构建补充约束；步骤五、改造优化问题一，设改造后且必存在可行域的稳态优化问题为优化问题三；步骤六、求优化问题三的最优解，并将其送入后续的动态控制层，同时，返回步骤四，继续下一控制周期的计算。针对稳态优化问题可行域不存在的情况，利用松弛优化问题的结果，重新构造了稳态优化的数学描述形式，确保稳态优化具有经济优化的意义和效果。

技术领域

本发明涉及预测控制领域，具体涉及一种适用于流程工业预测控制的稳态优化方法。

背景技术

伴随着流程工业的发展，生产者对生产过程的要求也逐渐提高。生产过程不仅要保证产能足够，而且要尽可能地保证产品质量和最大化经济效益。对此，传统的PID控制技术难以迎合生产者的上述要求。在这种背景下，基于优化技术的预测控制技术逐渐地被广泛应用于流程工业。

众所周知，目前流程工业的预测控制技术多为双层结构，分别为稳态优化层和动态控制层。稳态优化层利用过程的稳态增益矩阵和不等式约束，以经济效益或变量移动代价为目标，优化过程的稳态工作点；动态控制层则以稳态优化层的优化结果为目标，计算过程的操作变量并实施，驱使过程达到目标稳态工作点。如此反复执行稳态优化和动态控制，维持生产系统的稳定运行，提高生成过程的经济效益。然而，现有稳态优化技术仍然存在两点不足。

第一点，当原始稳态优化问题（设为优化问题一）不存在可行域时，需要对约束条件进行松弛，以保证稳态优化存在可行解，为动态控制提供稳态目标。然而，现有的松弛策略为：构造松弛优化问题（设为优化问题二）计算最优解，利用最优解松弛稳态优化的软约束，再重新求解稳态优化。在这种松弛策略下，软约束被松弛后的稳态优化问题确实存在可行域，但可行域里只存在一个可行解，这便意味着稳态优化失去了经济优化的作用，最优解被迫只能是唯一的可行解。另一种策略是综合考虑经济优化目标和松弛代价，将两者同时放入目标函数，并给其中一项匹配一个权衡系数。这种方法虽然综合考虑了经济优化和松弛代价，但经济优化与松弛代价之间的权衡具有不确定性，难以选取合适的权衡系数。

第二点，在构造松弛优化问题时，常用方法是对不同软约束设定等级参数，参数值越小，软约束越重要。在松弛过程中，首先用等级参数最大的软约束构建松弛问题，其余等级的软约束被视为硬约束，如果此时存在可行解，则松弛问题被解决；若不存在可行解，则将该等级的所有软约束松弛至最大范围，并设定为硬约束。再从未被松弛过的软约束中选出等级最高（重要性最低）的软约束继续构造松弛问题；如此反复，直到松弛问题存在可行解。这种策略在特殊情况下，会造成某些高等级参数（重要性较低）的约束过度松弛，进而造成对应被控变量的大幅度变化。换句话说，这种按照等级迭代式的松弛策略具有极端性，没有综合考虑不同约束松弛对可行域的影响。如果松弛高等级约束不能得到可行域，在考虑低等级约束的松弛效果之前，就毅然决然地将高等级约束松弛至最大，是欠考虑的。

发明内容

对于上述两点不足，本发明提供一种适用于流程工业预测控制的稳态优化方法。在该优化方法中，针对原始稳态优化问题（优化问题一）可行域不存在的情况，利用松弛优化问题（优化问题二）的结果，重新构造了稳态优化的数学描述形式（优化问题三），确保稳态优化具有经济优化的意义和效果。而且可以证明，当原始稳态优化问题（优化问题一）存在可行域时，新构造的优化问题三等价于原优化问题一，确保新构造的稳态优化问题适用于所有稳态优化情况。在松弛优化问题中，不采用迭代式的按等级顺序松弛方法，而是综合考虑所有软约束的重要性，利用层次分析法合理计算不同约束的加权参数，借此构建松弛优化问题的目标函数。本发明的方法对所有流程工业预测控制的稳态优化具有适用性。

术语解释：

1、稳态优化：指两层结构（稳态优化层和动态控制层）的预测控制中，稳态优化层。