系统辨识，才是工业智能的灵魂---朱豫才

对于流程工业的大型生产装置，工业自动控制系统有三层（均是算法软件）：（1）单变量的PID控制层；（2）多变量的先进控制（预测控制）层；（3）实时优化（RTO）层。

实时优化（RTO）是寻找决策变量（优化变量）的最优值，以使生产装置运行的经济指标最优，即经济效益最大化。举几个例子：1）发电机组风-煤比优化，以使煤耗最小；2）煤气发生炉的氧-煤比优化，以使有效气组分最大；3）乙烯炉进料-蒸汽比和出口温度优化，以使裂解收率最高。优化的结果是决策变量的最优设定值，由底下的两个控制层来实现。所以PID控制层和先进控制层是实时优化（RTO）的基础。如果有人说他给你做实时优化（RTO）而不做底下的两个自动控制层，那是在开玩笑。

实时优化（RTO）是过去40年深入研究的课题。流程工业实时优化(RTO)方法多是基于机理模型方法；个别的工业，比如发电行业，使用正交试验（性能测试）方法。由于机理模型精度低、建模、测试成本高等困难，两种方法都难以应用。在学术界，实时优化（RTO）是高大上的研究方向。但在工业界，现有的方法却难以落地应用。

针对以上困难，我们提出了一种基于系统辨识的实时优化方法，见：Yucai Zhu, Chao Yang, Xi Chen, Jinming Zhou and Jun Zhao (2022). Identification-based real-time optimization and its application to power plants. Control Engineering Practice, Vol. 123, pp. 1-16。该方法使用系统辨识计算优化梯度；使用梯度优化法进行优化迭代。方法不需机理模型或性能测试，大大提高模型精度并降低实施成本。写文章时发现，我们不是该思想的首创。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，把理论设想变成落地的实用技术。

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方便使用，适用所有流程工业。该方法特别适用能源行业，比如发电、综合能源、数据中心和新能源等，因为这些能源系统的产品是电和热（冷），都是能够在线测量的。

但愿我们的技术能够推动实时优化（RTO）的工业应用。

也希望与同行合作。