面向化工分離設(shè)備的數(shù)字孿生建模與工藝動(dòng)態(tài)優(yōu)化研究

摘要：降低能耗、物耗，提升質(zhì)量一致性，提高自控率，保持設(shè)備“安、穩(wěn)、長(zhǎng)、滿(mǎn)、優(yōu)”運(yùn)行，提升本質(zhì)安全是化工企業(yè)在“智改數(shù)轉(zhuǎn)”背景下實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵。該文以化工生產(chǎn)過(guò)程中典型分離設(shè)備（如精餾塔和氣干塔）為研究對(duì)象，以典型設(shè)備生產(chǎn)過(guò)程的智能化控制和健康運(yùn)行為研究場(chǎng)景，以保障典型設(shè)備“安、穩(wěn)、長(zhǎng)、滿(mǎn)、優(yōu)”運(yùn)行為目標(biāo)。研究?jī)?nèi)容包括生產(chǎn)過(guò)程中產(chǎn)生的實(shí)時(shí)數(shù)據(jù)、工藝模型及相關(guān)優(yōu)化約束條件，以人工智能及大數(shù)據(jù)算法為技術(shù)核心，通過(guò)對(duì)工藝過(guò)程的溫度、壓力、流量、液位、組分等變量的分析，在模型預(yù)測(cè)控制[1]、自適應(yīng)控制、魯棒控制和非線性控制的基礎(chǔ)上，結(jié)合專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊控制等智能控制算法，通過(guò)處理多種目標(biāo)及約束條件，進(jìn)行多變量協(xié)調(diào)優(yōu)化控制，最終實(shí)現(xiàn)對(duì)分離設(shè)備的精準(zhǔn)過(guò)程控制，從而提升產(chǎn)品質(zhì)量、降低能耗和物耗，并提高安全水平。以氣干塔為例，預(yù)期能耗降低2%，故障診斷響應(yīng)時(shí)間減少30%，化工產(chǎn)品不合格率降低25%。

關(guān)鍵詞：智改數(shù)轉(zhuǎn)；數(shù)字孿生；決策樹(shù)回歸；模型預(yù)測(cè)；智能控制

中圖分類(lèi)號(hào)：TP273文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）20-0115-03

0引言

化工作為我國(guó)的經(jīng)濟(jì)支柱產(chǎn)業(yè)，占國(guó)民經(jīng)濟(jì)的12%左右，是我國(guó)穩(wěn)定發(fā)展的基礎(chǔ)保障。然而，在國(guó)際競(jìng)爭(zhēng)壓力下，我國(guó)化工產(chǎn)品的附加值和市場(chǎng)梯度仍處于中低端水平，生產(chǎn)過(guò)程相對(duì)粗放，安全生產(chǎn)事故時(shí)有發(fā)生。“智改數(shù)轉(zhuǎn)”是突破行業(yè)發(fā)展瓶頸，實(shí)現(xiàn)化工行業(yè)高質(zhì)量發(fā)展的關(guān)鍵[2]。設(shè)備優(yōu)化提升是“智改數(shù)轉(zhuǎn)”的重要組成部分。化工生產(chǎn)設(shè)備種類(lèi)繁多，分離設(shè)備（如精餾塔和氣干塔）在其中占比及作用舉足輕重，且屬于高能耗、復(fù)雜控制的設(shè)備。分離設(shè)備的先進(jìn)控制與優(yōu)化不僅要考慮設(shè)備自身特性，還需要充分適應(yīng)生產(chǎn)工藝要求。因此，開(kāi)展典型分離設(shè)備的先進(jìn)控制與優(yōu)化研究具有重要現(xiàn)實(shí)意義。

本文旨在利用數(shù)字建模、數(shù)字孿生[3]、智能優(yōu)化控制等技術(shù)，針對(duì)典型化工分離設(shè)備（如精餾塔和氣干塔），建立設(shè)備健康狀態(tài)綜合評(píng)估模型和剩余壽命預(yù)測(cè)模型，實(shí)現(xiàn)設(shè)備預(yù)測(cè)運(yùn)維。同時(shí)，結(jié)合生產(chǎn)工藝模型和相關(guān)優(yōu)化約束條件，建立工藝優(yōu)化模型、操作平穩(wěn)度模型、質(zhì)量目標(biāo)優(yōu)化模型以及產(chǎn)能目標(biāo)優(yōu)化模型，從而實(shí)現(xiàn)典型分離設(shè)備的精準(zhǔn)過(guò)程控制，提升產(chǎn)品質(zhì)量，降低能耗和物耗，并提高安全水平，最終實(shí)現(xiàn)設(shè)備的“安、穩(wěn)、長(zhǎng)、滿(mǎn)、優(yōu)”運(yùn)行。

1國(guó)內(nèi)外發(fā)展現(xiàn)狀和趨勢(shì)

國(guó)外化工行業(yè)的智能化水平較高，事前通過(guò)模擬和分析優(yōu)化整個(gè)工藝流程，事中采用全要素?cái)?shù)據(jù)采集、大數(shù)據(jù)分析和反向控制等智能化應(yīng)用，事后則根據(jù)生產(chǎn)特征與發(fā)展趨勢(shì)，開(kāi)展行業(yè)機(jī)理模型、交叉機(jī)理模型、隨動(dòng)優(yōu)化控制和動(dòng)態(tài)優(yōu)化等領(lǐng)域的研究，并將結(jié)果反饋到事前設(shè)計(jì)和模擬階段，形成從設(shè)計(jì)優(yōu)化到動(dòng)態(tài)控制的閉環(huán)智能體系。例如，Aspen旗下的As?penDMC和羅克韋爾自動(dòng)化旗下的Pavilion8。

我國(guó)化工企業(yè)多采用PID控制單回路系統(tǒng)[4]，主要基于經(jīng)典控制理論的頻域分析方法進(jìn)行控制系統(tǒng)的分析和設(shè)計(jì)。雖然PID控制算法簡(jiǎn)單有效，能夠?qū)崿F(xiàn)一般化工生產(chǎn)過(guò)程的平穩(wěn)操作與運(yùn)行，但對(duì)于生產(chǎn)過(guò)程、設(shè)備結(jié)構(gòu)、環(huán)境和控制均十分復(fù)雜的系統(tǒng)，傳統(tǒng)單回路PID控制難以適用，大多數(shù)企業(yè)仍依賴(lài)人工經(jīng)驗(yàn)進(jìn)行手動(dòng)操作控制。

近年來(lái)，先進(jìn)控制技術(shù)在國(guó)內(nèi)逐步推廣應(yīng)用，尤其是在山東、浙江、江蘇等化工產(chǎn)業(yè)發(fā)達(dá)省份以及石化、醫(yī)藥等行業(yè)，但總體技術(shù)研究和推廣應(yīng)用的進(jìn)展仍較為緩慢。

2主要研究?jī)?nèi)容

本研究以化工典型分離設(shè)備（如精餾塔和氣干塔）的過(guò)程智能化控制和健康運(yùn)行為研究場(chǎng)景，以保障設(shè)備“安、穩(wěn)、長(zhǎng)、滿(mǎn)、優(yōu)”為目標(biāo)，并以人工智能、智能控制和仿真技術(shù)為核心。通過(guò)對(duì)工藝過(guò)程中的溫度、壓力、流量、液位、組分等變量進(jìn)行分析，在模型預(yù)測(cè)控制、自適應(yīng)控制、魯棒控制和非線性控制的基礎(chǔ)上，處理多種目標(biāo)及約束條件，進(jìn)行多變量協(xié)調(diào)優(yōu)化控制，從而降低回路標(biāo)準(zhǔn)偏差，實(shí)現(xiàn)精準(zhǔn)過(guò)程控制，減少能耗和物耗，降低操作人員的勞動(dòng)強(qiáng)度，并減少工藝安全事件的發(fā)生數(shù)量。最終，旨在優(yōu)化設(shè)備運(yùn)營(yíng)，節(jié)能降耗，提高企業(yè)本質(zhì)安全水平。

2.1分離設(shè)備健康狀態(tài)評(píng)估與維修決策技術(shù)

1）研究分離設(shè)備健康狀態(tài)參數(shù)的采集和預(yù)處理技術(shù)，分析影響設(shè)備健康的因素，并構(gòu)建設(shè)備健康狀態(tài)綜合評(píng)估模型和剩余壽命預(yù)測(cè)模型[5]。

2）基于設(shè)備工況數(shù)據(jù)和歷史數(shù)據(jù)，構(gòu)建設(shè)備故障知識(shí)組織模式。通過(guò)故障現(xiàn)象和征兆的識(shí)別與提取，構(gòu)建基于隱Markov鏈與神經(jīng)網(wǎng)絡(luò)混合模型的故障模式識(shí)別方法，并構(gòu)建基于數(shù)據(jù)挖掘和信息融合的故障診斷方法。

3）研究不同屬性設(shè)備系統(tǒng)的目標(biāo)集和關(guān)聯(lián)關(guān)系，探討多因素維修方式選擇模型和多目標(biāo)優(yōu)化方法，構(gòu)建多目標(biāo)維修決策模型與求解算法。

2.2先控系統(tǒng)和DCS控制器之間的低延遲接口技術(shù)

1）研究隔離型高速數(shù)據(jù)傳輸技術(shù)，以實(shí)現(xiàn)低延遲的數(shù)據(jù)傳輸，并防止現(xiàn)場(chǎng)電磁噪聲的串?dāng)_。優(yōu)化數(shù)據(jù)傳輸協(xié)議和機(jī)制，以實(shí)現(xiàn)高速穩(wěn)定的數(shù)據(jù)傳輸。

2）研發(fā)實(shí)時(shí)數(shù)據(jù)采集技術(shù)，包括數(shù)據(jù)采集方法、存儲(chǔ)方式和數(shù)據(jù)處理算法等，以提高先控系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性。

2.3控制運(yùn)行環(huán)境實(shí)時(shí)技術(shù)

1）研發(fā)具有高效、穩(wěn)定數(shù)據(jù)存儲(chǔ)和查詢(xún)能力的實(shí)時(shí)數(shù)據(jù)庫(kù)，以支持實(shí)時(shí)系統(tǒng)對(duì)數(shù)據(jù)的實(shí)時(shí)查詢(xún)和更新。

2）構(gòu)建滿(mǎn)足系統(tǒng)穩(wěn)定運(yùn)行實(shí)時(shí)性要求的實(shí)時(shí)運(yùn)行環(huán)境和開(kāi)發(fā)工具，以支持實(shí)時(shí)控制系統(tǒng)的快速開(kāi)發(fā)和狀態(tài)展示。

2.4通用信號(hào)預(yù)處理模塊

對(duì)采集的過(guò)程數(shù)據(jù)進(jìn)行多信號(hào)質(zhì)量可靠性分析、濾波、插值和歸一化等處理，將其轉(zhuǎn)換為質(zhì)量可靠、能夠真實(shí)表征過(guò)程狀態(tài)且適用于穩(wěn)定控制的信號(hào)。

2.5通用在線建模模塊

采用具有任意非線性逼近能力的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，通過(guò)對(duì)對(duì)象模型輸入和輸出的在線學(xué)習(xí)，并根據(jù)模型輸出與實(shí)際輸出的差值，在線校正和辨識(shí)模型，實(shí)現(xiàn)對(duì)過(guò)程對(duì)象模型的實(shí)時(shí)在線辨識(shí)。同時(shí)，提取并輸出模型的若干特性，為時(shí)變過(guò)程對(duì)象的模型參考自適應(yīng)控制提供依據(jù)。

2.6集合人工智能和智能控制的先進(jìn)控制模塊研究

該模塊集成了擾動(dòng)觀測(cè)器、智能軟伺服、模糊控制、非線性控制、預(yù)測(cè)控制和常規(guī)PID功能，以克服化工生產(chǎn)過(guò)程中存在的非線性、純滯后和時(shí)變性，以及執(zhí)行機(jī)構(gòu)死區(qū)大、空行程大、調(diào)節(jié)精度低等問(wèn)題造成的抗干擾能力與控制精度之間的矛盾，從而在提升系統(tǒng)控制精度的同時(shí)，有效延長(zhǎng)設(shè)備的檢修和維護(hù)周期。同時(shí)，擾動(dòng)觀測(cè)器模型能夠智能計(jì)算被控變量的變化趨勢(shì)、幅度和干擾來(lái)源，并將計(jì)算結(jié)果作為智能控制器的前饋輸入，以提高控制品質(zhì)。針對(duì)常規(guī)PID算法難以解決的生產(chǎn)裝置純滯后大、耦合性強(qiáng)、時(shí)變性和非線性嚴(yán)重以及執(zhí)行機(jī)構(gòu)性能差等難題，該先進(jìn)控制模塊的設(shè)計(jì)充分考慮了這些因素，并將人工操作經(jīng)驗(yàn)與現(xiàn)代控制理論相結(jié)合，以期達(dá)到理想的控制效果。

3研究方案

本項(xiàng)目以數(shù)據(jù)為基礎(chǔ)，以自控技術(shù)、數(shù)據(jù)分析與建模技術(shù)為支撐，旨在深度挖掘數(shù)據(jù)、模型和算法之間的組合與矩陣排列，形成靈活、高可用且具有自我學(xué)習(xí)能力的系統(tǒng)架構(gòu)。因此，本項(xiàng)目采用遞進(jìn)式的研究方案，從數(shù)據(jù)的全生命周期角度解析研發(fā)方式。

3.1邊緣智能實(shí)時(shí)數(shù)據(jù)采集

利用具有實(shí)時(shí)數(shù)據(jù)采集和融合邊緣計(jì)算功能的采集技術(shù)，對(duì)DCS、PLC中的關(guān)鍵數(shù)據(jù)以及未展示的數(shù)據(jù)進(jìn)行全要素采集、解析、初步計(jì)算和實(shí)時(shí)報(bào)警。

3.2數(shù)據(jù)治理研究

針對(duì)已采集的數(shù)據(jù)，進(jìn)行數(shù)據(jù)篩選、質(zhì)量評(píng)估以及有效性和完整性梳理。同時(shí)，對(duì)采集的生產(chǎn)現(xiàn)場(chǎng)信號(hào)進(jìn)行去噪、平滑和去趨勢(shì)處理，為后續(xù)模塊分析做好準(zhǔn)備，并從數(shù)據(jù)中去除噪聲、離群值和亂真內(nèi)容，以保證數(shù)據(jù)的可用性和可靠性。

3.3低延遲OPC控制技術(shù)研究

考慮到生產(chǎn)控制的實(shí)時(shí)性要求以及不同系統(tǒng)廠家協(xié)議對(duì)接的需求，需要利用低延遲且具有兼容性和標(biāo)準(zhǔn)協(xié)議接口的技術(shù)及硬件，完成各類(lèi)控制系統(tǒng)的對(duì)接。同時(shí)，本項(xiàng)目需要保證雙向高效、穩(wěn)定、可靠的通信技術(shù)支持，并具有回路檢測(cè)功能，以驗(yàn)證指令閉環(huán)的完整性。

3.4變量矩陣建模

由于對(duì)生產(chǎn)、質(zhì)量、能耗等造成干擾的因素較為復(fù)雜，因此需要從干擾變量中找出與操作變量、被控變量相關(guān)的變量以及內(nèi)在關(guān)聯(lián)關(guān)系。利用非線性建模和遺傳算法等方法，對(duì)三大變量以及優(yōu)化目標(biāo)進(jìn)行矩陣式建模。該矩陣包含遺傳算法、回歸分析和非線性分析，并融合神經(jīng)網(wǎng)絡(luò)算法，以對(duì)矩陣進(jìn)行聚類(lèi)、分類(lèi)和關(guān)聯(lián)性分析，形成多鏈條交叉的矩陣模型，從而應(yīng)對(duì)復(fù)雜工況、復(fù)雜干擾以及多優(yōu)化目標(biāo)的使用需求。

3.5智能先進(jìn)控制建模優(yōu)化

矩陣建立完成后，利用低延遲數(shù)據(jù)采集技術(shù)將優(yōu)化后的控制回路與實(shí)際操作進(jìn)行對(duì)比。首先，對(duì)歷史數(shù)據(jù)進(jìn)行迭代，選取3/4的數(shù)據(jù)作為模型訓(xùn)練集，選取1/4的數(shù)據(jù)作為優(yōu)化對(duì)比分析集，綜合判定模型的可用性。同時(shí)，與控制系統(tǒng)對(duì)接，對(duì)比優(yōu)化結(jié)果與實(shí)操結(jié)果，進(jìn)一步分析模型的性能，直至達(dá)到使用要求。

4研究步驟

研究步驟按照?qǐng)D1技術(shù)路線圖開(kāi)展。

步驟1：典型設(shè)備選擇。

以氣干塔為例，由于氣干塔是典型化工生產(chǎn)中的獨(dú)立工序，對(duì)操作的平穩(wěn)性和安全性要求較高，同時(shí)對(duì)產(chǎn)品質(zhì)量、能耗及生產(chǎn)效率等具有重要影響。

步驟2：約束邏輯辨識(shí)。

將氣干塔拆分為螺旋進(jìn)料器、旋風(fēng)分離器、換熱板等單體設(shè)備，并對(duì)各單體設(shè)備所產(chǎn)生的數(shù)據(jù)進(jìn)行辨識(shí)，建立單體設(shè)備的數(shù)據(jù)模型以及設(shè)備之間的關(guān)聯(lián)關(guān)系模型，從而形成氣干塔設(shè)備的數(shù)據(jù)模型。同時(shí)，對(duì)環(huán)境工況以及儀表健康狀態(tài)進(jìn)行診斷與校驗(yàn)，以保證數(shù)據(jù)的完整性和可用性，最終形成氣干塔設(shè)備的完整工作模型。

步驟3：源數(shù)據(jù)辨識(shí)建模。

從數(shù)據(jù)源的角度出發(fā)，對(duì)單體設(shè)備的數(shù)據(jù)進(jìn)行辨識(shí)和分析，找出數(shù)據(jù)本身的迭代方式、數(shù)據(jù)之間的相關(guān)性以及數(shù)據(jù)出現(xiàn)的概率和頻率，并檢查是否存在因數(shù)據(jù)遺漏而導(dǎo)致模型不可用的情況。

步驟4：參數(shù)化建模。

根據(jù)工藝及優(yōu)化目標(biāo)的要求，對(duì)數(shù)據(jù)進(jìn)行主成分分析，完成降維建模。隨后，對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)、分類(lèi)以及權(quán)重影響分析。同時(shí)，再次利用灰色預(yù)測(cè)模型對(duì)不確定數(shù)據(jù)和變量進(jìn)行預(yù)測(cè)分析，以保證模型的可靠性。

步驟5：在線滾動(dòng)優(yōu)化。

輸入歷史數(shù)據(jù)，對(duì)模型進(jìn)行檢驗(yàn)，跟蹤運(yùn)算過(guò)程及結(jié)果，并利用決策樹(shù)回歸、K近鄰回歸、非線性SVR回歸以及神經(jīng)網(wǎng)絡(luò)回歸等機(jī)器學(xué)習(xí)算法，對(duì)模型進(jìn)行滾動(dòng)式持續(xù)優(yōu)化。

步驟6：模型仿真與模擬。

模型優(yōu)化完成后，再次利用歷史數(shù)據(jù)進(jìn)行檢驗(yàn)分析。檢驗(yàn)完成后，將模型與生產(chǎn)控制系統(tǒng)對(duì)接，對(duì)實(shí)時(shí)生產(chǎn)優(yōu)化進(jìn)行預(yù)測(cè)分析，但不直接控制生產(chǎn)，而是將優(yōu)化結(jié)果與實(shí)際操控結(jié)果進(jìn)行對(duì)比分析，找出仍存在的誤差，并將誤差反饋至在線滾動(dòng)優(yōu)化模型中，利用真實(shí)數(shù)據(jù)進(jìn)行滾動(dòng)優(yōu)化，從而形成完整的、可用的智能先進(jìn)控制模型。

步驟7：封裝及界面開(kāi)發(fā)。

將智能先進(jìn)控制模型進(jìn)行封裝。在封裝與功能設(shè)計(jì)時(shí)，根據(jù)模型、輸出結(jié)果以及功能模塊，將模型拆分成不同的組成部分，如通用信號(hào)與處理模塊、在線建模模塊、先進(jìn)控制模塊以及軟測(cè)量模塊等，以便為不同層級(jí)（管理層、操作層以及現(xiàn)場(chǎng)層等）的用戶(hù)提供不同的數(shù)據(jù)應(yīng)用服務(wù)。

5效益分析

以二級(jí)氣干塔聯(lián)動(dòng)裝置優(yōu)化為例進(jìn)行對(duì)比分析。改造前，溫度控制存在滯后性，均為手動(dòng)操作，操作人員勞動(dòng)強(qiáng)度大，且溫度波動(dòng)較大，導(dǎo)致能耗高、設(shè)備安全性差。改造后，實(shí)現(xiàn)了一、二級(jí)塔頂溫度的精準(zhǔn)控制。原手動(dòng)控制時(shí)，一級(jí)塔頂溫度波動(dòng)約為±4℃，二級(jí)塔頂溫度波動(dòng)約為±6℃，常規(guī)運(yùn)行溫差可達(dá)13℃。智能化改造后，一級(jí)塔頂溫度波動(dòng)降至±2℃，二級(jí)塔頂溫度波動(dòng)降至±1.5℃，長(zhǎng)期運(yùn)行后有望進(jìn)一步精準(zhǔn)控制到±1℃。智能化改造后，系統(tǒng)具有較強(qiáng)的抗干擾能力，在異常工況下，溫度調(diào)整到標(biāo)準(zhǔn)溫度的反應(yīng)時(shí)間從手動(dòng)控制的約50分鐘縮減到智能控制的約30分鐘。此外，還實(shí)現(xiàn)了異常工況下的塔溫控制，避免了因人員操作不及時(shí)導(dǎo)致塔溫過(guò)高而無(wú)法快速恢復(fù)生產(chǎn)的情況。最終，實(shí)現(xiàn)了氣流干燥裝置的準(zhǔn)無(wú)人化運(yùn)行，即一鍵投入自動(dòng)控制，無(wú)須人員干預(yù)。

總而言之，通過(guò)智能化改造，分離設(shè)備控制自動(dòng)化率達(dá)到100%，生產(chǎn)工藝優(yōu)化率提升5%，故障診斷響應(yīng)時(shí)間減少30%，化工產(chǎn)品不合格率降低25%，人力成本降低25%，生產(chǎn)效率提高10%，能耗降低2%。

參考文獻(xiàn)：

[1]錢(qián)積新，趙均，徐祖華.預(yù)測(cè)控制[M].北京：化學(xué)工業(yè)出版社，2007.

[2]杜云，吳學(xué)禮，田強(qiáng)，等.復(fù)雜工業(yè)過(guò)程智能協(xié)調(diào)控制系統(tǒng)的設(shè)計(jì)與應(yīng)用[J].河北科技大學(xué)學(xué)報(bào)，2005，26（2）：146-149.

[3]譚紅星，蔣白樺，陳浩，等.基于AI驅(qū)動(dòng)的數(shù)字孿生技術(shù)在石油化工智能裝置中的應(yīng)用研究[J].人工智能，2025，12（2）：35-42.

[4]王樹(shù)青.工業(yè)過(guò)程控制工程[M].北京：化學(xué)工業(yè)出版社，2003.

[5]柴天佑.復(fù)雜工業(yè)過(guò)程運(yùn)行優(yōu)化與反饋控制[J].自動(dòng)化學(xué)報(bào)，2013，39（11）：1744-1757.

【通聯(lián)編輯：張薇】