基于多目標優化的兩段提升管重油催化裂解自優化控制

王平，趙輝，楊朝合

（1中國石油大學（華東）重質油國家重點實驗室，山東 青島 266580；2中國石油大學（華東）信息與控制工程學院，山東 青島 266580）

基于多目標優化的兩段提升管重油催化裂解自優化控制

王平1， 2，趙輝1，楊朝合1

（1中國石油大學（華東）重質油國家重點實驗室，山東 青島 266580；2中國石油大學（華東）信息與控制工程學院，山東 青島 266580）

針對兩段提升管重油催化裂解過程經濟運行要求和工藝特點，從多目標優化角度出發，提出一種自優化控制方法。首先，基于過程穩態模型，考慮操作約束條件，構造同時最大化丙烯產量和最小化干氣產量的多目標操作優化問題，并采用標準化法向約束方法求解獲得完整、均勻分布的Pareto最優解；然后，根據多目標優化結果所揭示的最優操作條件與積極約束之間的關系，提出了一種基于串級控制的自優化控制策略。仿真結果表明，與傳統的提升管出口溫度設定值跟蹤控制相比，本文方法在干擾作用下能夠及時調整操作條件，降低干擾對過程優化運行的不利影響。

優化；過程控制；數值模擬；催化裂解；兩段提升管

引　言

在市場對丙烯和清潔燃料需求日益增長的背景下，兩段提升管重油催化裂解多產丙烯（two-stage riser catalytic pyrolysis of heavy oil for maximizing propylene，TMP）［1-2］技術因具有良好的原料適應性和較高的丙烯、高品質汽油收率，市場前景廣闊。然而，在復雜多變的工業環境下，生產裝置經常面臨著干擾因素多、產品收率波動范圍大等嚴重影響操作安全性和經濟性的問題。因此，如何實現裝置操作優化與控制，最大限度地發揮裝置生產潛力，是TMP技術工業化過程中亟待解決的關鍵問題。

由于存在各種干擾因素，實際生產過程的最優操作條件可能不斷發生變化。目前，煉油化工企業普遍采用“實時優化+先進控制”的遞階結構解決復雜過程操作優化與控制問題［3］。實時優化和先進控制技術的基礎是模型，只有在模型足夠精確的情況下，這些技術才能發揮最大的效果。然而，實際工業過程很難建立精確數學模型，完全基于模型的操作優化與控制方法很難取得滿意的效果。針對上述問題，國內外學者提出了一系列改進方法［4-5］。其中，自優化控制（self-optimizing control，SOC）是一種采用傳統反饋控制實現過程優化運行的方法［6-7］，其通過離線選擇或構造一些被控變量，然后控制這些變量使得過程在干擾作用下仍能維持最優或者接近最優運行。因此實現過程SOC的關鍵是找到合適的被控變量。關于被控變量選擇方法很多，但大多是基于過程局部線性化模型推導得到，針對復雜強非線性過程的 SOC方法研究目前仍是一個開放的問題［8-11］。

反應-再生系統是TMP裝置的核心部分，其運行狀況將直接影響目的產品收率進而影響整個裝置經濟效益。反應-再生系統由兩段提升管、汽提段和再生器等多個操作單元構成，具有非線性程度強、變量耦合度高、操作條件苛刻以及關鍵變量不能在線測量等特點，采用傳統的提升管出口溫度設定值控制很難維持過程優化運行［12］。針對TMP工藝特點和控制難點，本文從多目標優化角度出發，提出一種符合TMP過程運行規律的SOC策略。首先構建面向產品分布協調的多目標優化問題并采用標準化法向約束（normalized normal constraint，NNC）方法［13］求解獲得完整、均勻分布的Pareto解集；然后，基于多目標優化結果所揭示的最優操作條件與積極約束條件間的關系，設計串級控制系統實現過程優化運行。最后，通過仿真研究，并與提升管出口溫度設定值跟蹤控制比較，驗證所提方法的有效性。

1　面向產品分布協調的多目標優化

1.1過程概述

圖1　TMP工藝流程Fig.1　Schematic diagram of TMP process

TMP過程工藝流程如圖1所示［1］。其中，一段提升管由新鮮原料與回煉C4組合進料，二段提升管由回煉汽油、回煉油和油漿組合進料。兩個提升管反應器共用一個沉降器和再生器，同時處理一段和二段待生催化劑。再生器采用前置燒焦罐式高效再生技術燒掉積炭恢復催化劑活性并為裂解反應提供熱量，再生器設有外取熱器用于控制燒焦溫度。課題組前期以實驗室內小型提升管實驗裝置和大慶煉化10萬噸/年TMP中試裝置為背景，在深入分析催化裂解反應機理和兩段提升管工藝特點的基礎上，兼顧模型精度、適應性和實驗室具備條件等要求，分別建立了 11集總反應動力學模型［14］和過程機理模型［15-16］，并利用實驗數據和工業運行數據驗證了模型的可靠性，這為操作優化與控制方法的研究奠定了基礎。

1.2多目標優化命題構造

TMP過程操作優化與控制的目標是，在保證安全運行的前提下，最大限度地多產丙烯。為實現這一目標，從氫元素平衡的角度分析，必須抑制干氣產率［2］。催化裂解平行-順序的反應特點決定了最大化丙烯產率和最小化干氣產率兩個目標是相互沖突、難以同時達到最優的。多數情況下，提高反應轉化率，將導致丙烯和干氣的產率同時升高。為此，本文構建一個以最大化兩段提升管丙烯產量和最小化干氣產量為目標，同時滿足操作安全以及產品質量指標約束的多目標優化命題MOP1

（1）一段提升管原料轉化率yconversion，1|Z= 1下限（80%）：一段轉化率不能過低，否則二段汽油進料不足。

（2）二段提升管汽油產率ygasoline，2|Z= 1下限（18%）：二段汽油不能過低，否則高品質汽油產量不足。

1.3多目標優化問題的求解

與單目標優化只能得到唯一解不同，目標函數間的沖突性決定了多目標優化結果是一組代表目標函數間最優折中的 Pareto最優解［17］，因此獲得Pareto最優解是求解多目標優化問題的關鍵。此外，為了便于分析目標函數間的權衡關系，一般希望獲得均勻分布的Pareto前沿。多目標優化方法分為智能進化和標量化兩類。其中，智能進化算法具有全局收斂性、不依賴具體問題顯式表達以及潛在并行性等優點，已被廣泛用于解決煉油化工多目標優化問題［18］。然而，這類算法普遍存在優化耗時長、參數設置困難等問題，且難以處理復雜等式約束。標量化法，如加權和法、ε-約束法，將多目標優化問題轉化為一系列單目標優化問題后逐個求解。其優點是計算效率高、容易理解并有充分理論支撐，但難以產生分布均勻的Pareto前沿。特別地，加權和法無法獲得非凸多目標優化問題完整的Pareto前沿［19］。

本文采用NNC法［13］求解MOP1以獲得完整、均勻分布的Pareto前沿。該方法通過對多目標優化問題的可行域進行切割、縮減，構造出一系列單目標優化問題，最后求解這些單目標優化問題得到分布均勻的Pareto前沿。

（1）定位點（anchor points）求取。針對問題MOP1，構造下述單目標優化問題SOPi，i=1， 2

（2）可行域標準化。不同目標函數的量綱和數量級可能不同，需要對目標函數空間標準化處理

其中，l1、l2分別定義為

標準化后的各目標函數取值范圍均為［0，1］，標準化目標函數空間內和對應的坐標分別為（0，1）和（1，0），由指向的向量（1，-1），如圖3所示。

圖2　雙目標優化問題的目標函數解空間Fig.2　Objective space for bi-objective optimization problem

圖3　雙目標優化問題的標準化目標函數解空間Fig.3　Normalized objective space for bi-objective optimization problem

由于不等式約束式（9）的引入，SOP3的解將位于圖3法線左上方區域，優化得到B點。

（5）Pareto解的逆標準化。將步驟（4）計算得到的標準化Pareto解進行逆標準化從而得到N個Pareto最優解。

1.4多目標優化結果及分析

圖4給出了NNC法求解問題MOP1獲得的Pareto前沿，其橫、縱坐標分別為兩段提升管丙烯和干氣單位時間內的產量。Pareto前沿各點代表不同的操作條件下丙烯和干氣產量，其中五角星對應干氣收率最小工作點，正方形對應丙烯收率最大工作點。顯然，隨著丙烯產量的提高，干氣產量將相應升高。

圖4　基于NNC法求解MOP1獲得的Pareto前沿Fig.4　Pareto frontier found by NNC method for MOP1

獲得Pareto最優解后，需要綜合多方面信息（如市場需求、下游分離單元操作成本和負荷），從中選擇出一個滿意解。從過程控制的角度看，這需要了解Pareto最優解分布，以及決策變量、約束條件與Pareto最優解間的對應關系。表1和圖5分別給出Pareto最優解對應的操作條件及其在決策空間內的分布情況。綜合圖4和表1知，Pareto解集可以根據積極約束條件劃分為 subset Ⅰ和 subset Ⅱ兩部分，在圖4中分別標記為星號和圓圈。從表1中可以看出：（1）對于所有Pareto最優解，再生密相溫度Treg，2始終位于其約束下邊界（953.15 K），這是因為降低再生溫度將提高劑油比，強化催化裂解反應、抑制熱裂解反應；（2）對于subset Ⅰ，一段提升管原料轉化率yconversion，1|Z= 1位于其約束下邊界，以避免二段提升管回煉汽油進料量不足的情況；（3）對于 subset Ⅱ，二段提升管汽油產率ygasoline，2|Z= 1位于其約束下邊界，以避免高品質汽油產量過低。圖5清晰地揭示出Pareto最優解集與各約束條件之間的對應關系。可以看出，TMP過程的最優操作點是由多個積極約束共同決定的，這些積極約束對操作優化與控制系統設計具有重要意義［7］。

表1　Pareto最優解對應的操作條件Table 1　Operation conditions corresponding to Pareto-optimal solutions

圖5　Pareto最優解在決策空間內的分布情況（Treg，2=953.15 K）Fig.5　Distribution of Pareto-optimal solutions in decision space （Treg，2=953.15 K）

2　TMP過程操作優化與控制系統

TMP裝置運行期間，普遍采用控制催化劑循環量使得提升管出口溫度維持在特定設定值。然而，由于反應過程的復雜性，在原料處理和原料預熱溫度等操作變量變化后，即使反應溫度控制穩定，反應轉化率和產品分布也可能發生改變。如原料預熱溫度提高后，若控制提升管出口溫度不變，再生劑循環量將減少，而原料預熱溫度提高和再生劑循環量減少這二者綜合效果是：丙烯和汽油產率下降。因此，控制反應溫度平穩，并不代表能夠獲得最佳的目的產品收率。為此，袁璞等［20-21］提出采用單位進料在反應時所需的熱量來衡量反應深度，同時基于動態模型設計觀測器實現反應熱和催化劑循環量的在線實時計算，然后以觀測計算結果為依據，應用具有狀態反饋的單值預估控制技術，實現反應熱的動態優化閉環控制，使反應深度穩定地控制在預期值上，從而使反應器及其有關部分的操作更平穩，目的產品的產率得到提高。

（1）首先需要綜合多方面決策信息，如市場對丙烯期望產量、下游氣體分離單元對干氣的最大處理負荷等，判斷TMP過程操作工作區域（subsetⅠ或 subset Ⅱ），進而選擇與該工作區域相匹配的優化控制方案。

（2）對于大多數的干擾而言，過程最優操作點始終位于特定約束邊界上，因此主回路的設定值可以保持恒定，整個控制系統具有自優化的功能。擾動發生時，不需要對主回路設定值進行調整，過程仍能維持優化運行，可以避免優化滯后等問題。

圖6　TMP過程操作優化與控制系統Fig.6　Optim ization and control system for operation of TMP process

（3）串級控制系統的副控制回路采用提升管出口溫度PID控制系統，即分別利用兩段催化劑循環量控制兩段提升管出口溫度。此外，再生器溫度通過PID控制外取熱量使其始終維持在下限約束邊界（953.15 K）附近。主回路的作用是根據外界擾動的變化，自動調整兩段提升管出口溫度的設定值，使得過程在滿足操作約束的前提下，最大限度地多產丙烯。

3　仿真研究

3.1最優工作點屬于subset Ⅰ時控制系統性能

圖7　一段進料溫度Tin，1變化后提升管出口溫度動態響應Fig.7　Dynam ic responses of Tris，1and Tris，2to Tin，1change

圖8　一段進料溫度Tin，1變化后丙烯和干氣產量動態響應Fig.8　Dynam ic responses of propylene and dry gas yields to Tin，1change

3.2最優工作點屬于subset Ⅱ時控制系統性能

圖9　二段進料溫度Tin，2變化后提升管出口溫度動態響應Fig.9　Dynamic responses of Tris，1and Tris，2to Tin，2change

圖10　二段進料溫度Tin，2變化后丙烯和干氣產量動態響應Fig.10　Dynamic responses of propylene and dry gas yields toTin，2change

4　結　論

針對 TMP過程的工藝特點以及控制難點，本文提出了該過程的操作優化與控制方法并進行了仿真驗證。首先構造面向產品分布協調的 TMP過程多目標優化問題并采樣NNC方法求解獲得完整、均勻分布的Pareto最優解集；然后根據多目標優化問題的解揭示出的最優操作條件與積極約束條件的關系，設計了基于串級控制系統的操作優化與控制系統；仿真研究結果表明，與傳統的提升管出口溫度控制方法相比，本文提出的控制系統能夠根據外界干擾的變化，自動調整操作條件，減少干擾對過程優化運行的不利影響。

References

［1］李春義， 袁起民， 陳小博， 等. 兩段提升管催化裂解多產丙烯研究［J］. 中國石油大學學報（自然科學版）， 2007， 31 （1）: 118-121.

LI C Y， YUAN Q M， CHEN X B， et al. Maxim izing yield of propylene by two-stage-riser catalytic pyrolysis of heavy oil ［J］. Journal of China University of Petroleum （Edition of Natural Science），2007， 31 （1）: 118-121.

［2］LI C Y， YANG C H， SHAN H H. Maxim izing propylene yield by two-stage riser catalytic cracking of heavy oil ［J］. Ind. Eng. Chem. Res.， 2007， 46 （14）: 4914-4920.

［3］柴天佑. 復雜工業過程運行優化與反饋控制 ［J］. 自動化學報，2013， 39 （11）: 1744-1757.

CHAI T Y. Operational optim ization and feedback control for complex industrial processes ［J］. Acta Automatica Sinica， 2013， 39 （11）: 1744-1757.

［4］ENGELL S. Feedback control for optimal process operation ［J］. J. Process. Contr.， 2007， 17 （3）: 203-219.

［5］ELLIS M， DURAND H， CHRISTOFIDES P D. A tutorial review of econom ic model predictive control methods ［J］. J. Process. Contr.，2014， 24 （8）: 1156-1178.

［6］SKOGESTAD S. Plantw ide control: the search for the self-optim izing control structure ［J］. J. Process. Contr.， 2000， 10 （5）: 487-507.

［7］SKOGESTAD S. Control structure design for complete chem ical plants ［J］. Comp. Chem. Eng.， 2004， 28 （1）: 219-234.

［8］葉凌箭， 李英道， 宋執環. 一種構造化工過程被控變量的方法 ［J］.化工學報， 2011， 62 （8）: 2221-2226.

YE L J， LI Y D， SONG Z H. New approach for constructing controlled variables for chem ical processes ［J］. CIESC Journal， 2011，62 （8）: 2221-2226.

［9］葉凌箭， 宋執環， 馬修水. 間歇過程的批間自優化控制 ［J］. 化工學報， 2015， 66 （7）: 2573-2580.

YE L J， SONG Z H， MA X S. Batch-to-batch self-optimizing control for batch processes ［J］. CIESC Journal， 2015， 66 （7）: 2573-2580.

［10］YE L J， CAO Y， YUAN X. Global approximation of self-optimizing controlled variables with average loss minimization ［J］. Ind. Eng. Chem. Res.， 2015， 54 （48）: 12040-12053.

［11］葉凌箭. 非線性過程自優化控制的快速算法 ［J］. 控制理論與應用，2016， 33 （1）: 40-46.

YE L J. A fast algorithm for self-optimizing control of nonlinear plants ［J］.Control Theory & Applications， 2016， 33 （1）: 40-46.

［12］YUAN Z H， WANG P， YANG C H， et al. Systematic control structure evaluation of two-stage-riser catalytic pyrolysis processes ［J］. Chem. Eng. Sci.， 2015， 126 （2）: 309-328.

［13］MESSAC A， ISMAIL-YAHAYA A， MATTSON C A. The normalized normal constraint method for generating the Pareto frontier ［J］. Struct. Multidiscip. O， 2003， 25 （2）: 86-98.

［14］郭菊花. 重油兩段催化裂解多產丙烯集總動力學模型的初步研究［D］. 青島：中國石油大學， 2008.

GUO J H. Primary study of the lumped kinetic model for heavy oil cracking into propylene by two-stage-riser technology ［D］. Qingdao: China University of Petroleum， 2008.

［15］WANG P， TIAN X， YANG C， et al. Economics-oriented NMPC of two-stage-riser catalytic pyrolysis processes for maximizing propylene yield ［J］. IFAC-Papers OnLine， 2015， 48 （8）: 32-37.

［16］YUAN Z H， WANG P， YANG C H. Steady-state multiplicity analysis of two-stage-riser catalytic pyrolysis processes ［J］. Comp. Chem. Eng.， 2015， 73: 49-63.

［17］MESSAC A， MATTSON C A. Generating well-distributed sets of Pareto points for engineering design using physical programming ［J］. Optim. Eng.， 2002， 3 （4）: 431-450.

［18］RANGAIAH G P. Multi-objective Optimization: Techniques and Applications in Chemical Engineering ［M］. World Scientific， 2009.

［19］DAS I， DENNIS J E. A closer look at drawbacks of minimizing weighted sums of objectives for Pareto set generation in multicriteria optimization problems ［J］. Struct. Multidiscip. O， 1997， 14 （1）: 63-69.

［20］袁璞， 鄭遠揚， 黃德先， 等. 催化裂化反應深度的觀測與控制方法: 90108193.0 ［P］. 1992-04-22

YUAN P， ZHENG Y Y， HUANG D X， et al. Observation and control method for the depth of catalytic cracking reaction: 90108193.0 ［P］. 1992-04-22.

［21］袁璞， 孫德祥， 左信， 等. 催化裂化裝置反應深度實時優化控制方法: 97100141.3 ［P］. 1997-12-17.

YUAN P， SUN D X， ZUO X， et al. Real time optimization control method for the depth of catalytic cracking unit: 97100141.3 ［P］. 1997-12-17.

Self-optim izing control based on multi-objective optim ization for heavy oil catalytic pyrolysis in two-stage riser

WANG Ping1，2， ZHAO Hui1， YANG Chaohe1
（1State Key Laboratory of Heavy Oil Processing， China University of Petroleum， Qingdao 266580， Shandong， China；2College of Information and Control Engineering， China University of Petroleum， Qingdao 266580， Shandong， China）

Considered economic requirement for maximizing propylene yield of fluidized catalytic pyrolysis process in two-stage riser， as well as complex characteristics of the FCC process such as strong nonlinearity，coupling multivariable and unavailability in online measurement of product yields， a self-optim izing control strategy on a basis of multi-objective optimization was proposed. First， a multi-objective optimization framework for maximizing propylene yield while minimizing dry gas output was created from steady state model and operational constraints of the process， and solved for optimal operation condition w ith a complete and uniform Pareto distribution by standardized normal constraint method. Secondly， a self-optim izing scheme of cascade controls was generated from relationships between the optimal operation condition and the active constraints. Product yield that could not be measured online were estimated by an unscented Kalman filter transformation. Compared to the tracking control on temperature setpoints at the riser outlet， the self-optim izing control method could spontaneously adjust operating condition under circumstances of interference and reduce the disadvantageous impact of noise factors to optim izing process operation.

optimization； process control； numerical simulation； catalytic pyrolysis； two-stage riser

date: 2016-04-01.

Prof. YANG Chaohe， yangch@upc.edu.cn

supported by the National Basic Research Program of China （2012CB215006） and the Fundamental Research Funds for the Central Universities （2015010109）.

TE 624

A

0438—1157（2016）08—3491—08

10.11949/j.issn.0438-1157.20160414

2016-04-01收到初稿，2016-06-13收到修改稿。

聯系人：楊朝合。第一作者：王平（1983—），男，博士，講師。

國家重點基礎研究發展計劃項目（2012CB215006）；中央高校基本科研業務費專項資金項目（2015010109）。