这是2021年的第五篇文章，今天收到接受的Email。已是2022年，农历新年也过了。

流程工业实时优化(RTO)方法多基于机理模型或特殊的性能测试。由于机理模型精度低、建模、计算或性能测试成本高等困难，两种方法都难以应用。本工作提出了一种基于系统识的实时优化方法，不需机理模型或特殊的性能测试，大大降低实施成本。方法具有普适性，适用于各种流程工业。该方法在1000MW电厂模型中进行了验证；在一台600MW燃煤发电机组中进行了现场验证，通过对锅炉烟气氧量的在线优化，煤耗降低0.3%，NOx生成降低10%。

电力行业传统的实时优化使用热力实验（性能测试），成本极高，现场应用很少。我们的方法解决了高成本问题，应该算电力行业的一个（重大？）技术突破。我们团队正在多家电厂推广该技术。

在石化工业和精细化工业，实时优化使用基于机理模型的优化方法。由于建立机理模型成本高、维护难且模型精度低，全世界长期成功的实时优化项目不多，在中国就更少，如果有的话。我们的基于系统辨识的优化技术，在主要产品质量（组分）能够在线分析的条件下就能使用。

这个想法是我多年前在广东一个电厂做模型预测控制项目时想到的，并直接试用成功。最近写文章时发现，我不是首创。在1970-1980年代有几篇文章已经提出基于系统辨识的实时优化方法，但都比较初步，只有一些简单的仿真结果。我们的贡献是在优化迭代中考虑闭环辨识和模型误差，把理论设想变成实用技术。

再回到流程工业自动化的金字塔，见下图。通过我的多篇博客，大家可以看到，基于多变量闭环系统辨识技术，可以解决（1）PID参数整定；（2）模型预测控制；（3）实时优化（本博客）；（4）故障诊断（前面两篇博客：出成果啦2，4）。就是说，使用系统辨识就建成了金字塔的四层！

不知现在红得发紫的AI和工业大数据等，怎样来建这个金字塔。

文章见 Y.C. Zhu, C. Yang, X. Chen, J.M. Zhou, J. Zhao (2022). Identification based real-time optimization and its application to power plants. Provisionally accepted in Control Engineering Practice.