兼顾负荷变化的裂解炉炉群调度建模与优化

裂解炉是乙烯生产的核心装置,工业生产乙烯通常采用多台裂解炉并行运行,将烃类原料裂解成乙烯等小分子烃类化合物。在裂解炉的运行过程中会不可避免的在炉管内壁产生结焦,从而导致乙烯产率的下降,为此需要对裂解炉进行定期的停炉清焦。当多台裂解炉同时处理多种不同类型的原料,而且在操作成本和产品收率都在不断变化的情况下,对裂解炉炉群进行优化调度以取得生产利润的最大化具有重要意义。针对乙烯裂解炉炉群调度建模与优化问题,提出了一个同时考虑原料及其进料量负荷的新的调度模型,克服了之前炉群调度仅针对原料选择、裂解炉负荷依赖人工设定的不足,优化后使裂解炉炉群的生产效益得到提高,为工厂合理地安排生产提供了理论依据。     

模糊预处理故障诊断专家系统的分析设计

该文介绍了故障诊断系统的结构及特点，提出了一种将输入信号进行模糊化处理的方法，简化了输入信号的处理。说明了系统中专家知识的获取方法和表示形式，构建了推理网络，并用CF模型实现了推理算法。在微软MFC平台上开发了该系统的计算模块，通过在PTA装置氧化反应模型上的应用测试，表明该方案能得出较理想的检测诊断结果。     

大房双回500 kV线路加串补对距离保护的影响

介绍超高压输电线路加串补电容对距离保护的影响，叙述并讨论了大房双回500kV输电线路加串联电容补偿后对两侧距离保护MCD－A、HLPS的影响，以及这两套距离保护适用于串补线路的动作原理和实现方法。     

水煤浆气化装置水洗过程的建模与优化

煤气化技术的发展不仅提高了煤炭的高效清洁综合利用,同时也减小了煤直接燃烧造成的环境污染.煤气化过程的建模与优化具有十分重要的现实意义.本文基于化工分离技术,建立了水煤浆气化装置水洗过程的模型,并实现了流程模拟.模拟结果与实际工业过程数据相符,模型具有一定的精度.通过灵敏度分析,考察了变换冷凝液的流量和温度,水洗塔出口压力,进口粗合成气的温度、压力、负荷等关键操作参数对出口合成气水汽比的影响.分析结果表明,合成气中的水汽比随着变换冷凝液流量的增加而减小,温度的升高而增加;进口粗合成气对水汽比的大小影响较大,流量越大、温度越高,则水汽比越大;而水洗塔出口压力对水汽比的影响较小,随着压力增加水汽比有一定的减小.根据灵敏度分析的结果,对水煤浆气化装置进行了工艺操作参数的优化,提高了合成气中的水汽比,使之更利于后续工段的生产.     

基于粒子群的多BP网络并行非线性预测控制

针对传统预测控制算法在解决非线性系统控制问题时,存在难以建立精确的数学模型、控制精度不高等缺点,提出一种新的非线性系统预测控制方案。以多BP神经网络作为并行预测模型,克服误差积累以及网络规模庞大的缺点;运用粒子群优化（PSO）算法完成非线性预测控制的滚动优化。仿真表明,该方案的控制效果比常规动态矩阵控制效果有所提高,该方案是可行和有效的。     

基于神经网络和多模型的非线性离散自适应控制

针对一类非线性离散时间单变量系统,提出了基于多模型切换策略的非线性自适应控制方法.首先将被控系统划分为多个工作区间,然后在每个工作区间内建立1个线性自适应控制器和1个非线性神经网络自适应控制器.线性控制器可以保证系统的稳定性,神经网络非线性控制器可以有效的改善系统的暂态性能,采用有效的切换策略可以在保证系统稳定的情况下很好的改善系统的性能.仿真结果验证了所提出方法的有效性.     

无迹卡尔曼滤波器参数在线更新方法在汽油调合中的应用

实时优化技术(RTO)在汽油调合过程中的应用开始得到推广.实时优化技术要去能够对组分油和成品油的属性进行测量,并以此为基础在线优化和更新配方.为了降低实时优化技术对组分油属性测量的依赖,本文采用了无迹卡尔曼滤波器根据成品油属性测量值对组分油属性进行在线更新,并以此为依据进行在线优化.由于采用了无迹变换.无迹卡尔曼滤波器,能够很好地处理辛烷值与雷德蒸汽压在调合过程中表现出的非线性特征.在文中,无迹卡尔曼滤波器和相应的实时优化技术在1个汽油调合问题上进行了测试.结果表明通过无迹卡尔曼滤波器估计出的组分油属性精度可达到0.004%以内,以此为基础的实时优化算法,可以成功完成汽油调合,从而使得实时优化算法摆脱对组分油属性的硬件测量.     

乙二醇解吸和再吸收过程的动态模拟与优化

化工流程模拟软件不断发展,越来越多的化工装置开始采用流程模拟来优化装置的操作。本文分析乙二醇生产中解吸和再吸收过程的机理和动态特性,采用严格法计算解吸和再吸收过程,稳态和动态模拟其流程。模拟结果与实际工业过程数据相符,能够满足工业建模的要求。根据动态模拟的结果,探讨不同进料工况下的操作条件对解吸和再吸收过程的影响。在所建模型的基础上,针对进料的变化,再沸器热值的变化以及进料组分的变化,分析解吸塔的动态响应,并衡算系统的物料和能量,确认再沸器的热负荷。最后根据换热器的几何尺寸,核算塔釜再沸器换热面积,确认换热能力。本文动态模拟结果,可用于指导实际生产,仿真培训或先进控制方案的设计,也可以在操作条件进行改进时,为实际生产最佳条件的选择提供基本依据。     

基于强化学习的综合能源系统管理综述

为了满足日益增长的能源需求并减少对环境的破坏, 节能成为全球经济和社会发展的一项长远战略方针, 加强能源管理能够提高能源利用效率、促进节能减排. 然而, 可再生能源和柔性负载的接入使得综合能源系统(Integrated energy system, IES)发展成为具有高度不确定性的复杂动态系统, 给现代化能源管理带来巨大的挑战. 强化学习(Reinforcement learning, RL)作为一种典型的交互试错型学习方法, 适用于求解具有不确定性的复杂动态系统优化问题, 因此在综合能源系统管理问题中得到广泛关注. 本文从模型和算法的层面系统地回顾了利用强化学习求解综合能源系统管理问题的现有研究成果, 并从多时间尺度特性、可解释性、迁移性和信息安全性4个方面提出展望.     

基于2D-OTSU图像边缘检测的回转窑工况识别方法

回转窑作为水泥窑炉煅烧过程的核心热工设备,其正常运转率与产品产量、质量及能耗紧密相关,由于回转窑内部核心反应区温度高且装置持续旋转,接触式温度传感器无法安装在窑内核心反应区域,而筒扫系统借助红外扫描装置能够实时监测回转窑筒体表面温度并间接反映窑内热工状况.签于此,提出一种新的基于筒扫图像2D-OTSU边缘检测的回转窑异常工况识别方法.该方法首先构建基于灰度梯度和局部灰度标准差信息的融合模型,并利用相对熵概念计算模型权重系数,进而通过1D-OTSU预搜索策略提升识别算法的效率;然后给出一种2D双阈值检测阈值分割策略,以保证边缘的连续性;最后采用工业现场实际的回转窑筒扫图像对所提方法与其他典型检测方法进行比较研究.对比实验结果表明,所提出方法的检测率和单位误报次数均优于其他算法并具备一定鲁棒性,能够有效检测回转窑内的异常工况,达到提高回转窑运转率的目的.