zhuyucai1的个人博客分享 http://blog.sciencenet.cn/u/zhuyucai1

博文

出成果啦:5. 基于系统辨识的实时优化(RTO)

已有 2088 次阅读 2022-3-4 05:41 |系统分类:科研笔记

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。

智能制造金字塔_大.jpg

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.




https://blog.sciencenet.cn/blog-862928-1327943.html

上一篇:这不是人工智能的功劳
下一篇:工业AI,皇帝的新衣?
收藏 IP: 80.60.187.*| 热度|

6 罗春元 黄仁勇 吴开宁 杨正瓴 贾玉玺 张磊

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-19 00:11

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部