《世界儀表與自動化》，2007年5月，

一 引言

    一般來說，工業(yè)裝置的操作目標可以歸納為3個方面，按其重要順序，即安全、產(chǎn)品質(zhì)量和生產(chǎn)效率。在實現(xiàn)了安全生產(chǎn)的前提下，許多企業(yè)管理者開始考慮如何將生產(chǎn)自動化與經(jīng)營活動結合起來，通過某種解決方案將經(jīng)營目標轉化成生產(chǎn)操作中的操作目標，根據(jù)市場變化和設備狀況自動地確定控制器最優(yōu)設定點，并將生產(chǎn)數(shù)據(jù)加工為
生產(chǎn)信息進行反饋，從而實現(xiàn)企業(yè)經(jīng)營目標與生產(chǎn)操作有機關聯(lián)。

    實時優(yōu)化在企業(yè)自動化系統(tǒng)結構中的位置如圖1所示。在系統(tǒng)結構中，實時優(yōu)化處于先進控制和基礎層之上。其功能是綜合考慮經(jīng)濟信息、裝置物理約束和裝置自由度的前提下，最優(yōu)化經(jīng)濟效益。要達到這個目的，實時優(yōu)化系統(tǒng)必須能夠：、感知系統(tǒng)當前狀態(tài)，求解最佳操作點，確定從當前操作點至最佳操作點的路徑。

    實時優(yōu)化技術分為兩類：一類是穩(wěn)態(tài)優(yōu)化，這是傳統(tǒng)的實時優(yōu)化，采用穩(wěn)態(tài)機理模型，大多利用基于方程的求解技術；另一類是動態(tài)優(yōu)化，這是實時優(yōu)化的新發(fā)展，采用動態(tài)模型。無論穩(wěn)態(tài)實時優(yōu)化還是動態(tài)實時優(yōu)化，我們都將對以下3個關注點進行分析：

    （1）狀態(tài)估計（感知系統(tǒng)當前狀態(tài)）：是指能夠判斷系統(tǒng)當前的狀態(tài)。由于各種干擾的影響，工業(yè)生產(chǎn)裝置總是處于動態(tài)變化中。對于干擾的動態(tài)響應也是有快有慢，甚至還有逆響應或者純滯后。這意味著在某一時刻得到的“快照”數(shù)據(jù)并不能夠完全反映裝置全部情況，有時甚至可能會讓人們得出錯誤的結論。完整地評估裝置當前狀態(tài)還需要歷史數(shù)據(jù)。狀態(tài)估計既能夠判斷裝置眼下的狀態(tài)，也能預估其未來狀態(tài)。

    （2）最優(yōu)狀態(tài)（確定最佳操作點）：是指求解最佳穩(wěn)態(tài)操作點。用一組代數(shù)方程來描述實際裝置，然后利用線性代數(shù)和最優(yōu)理論求解最佳操作點。

    （3）動態(tài)路徑：是指從當前操作點移動至最佳操作點路徑。通常存在許多路徑，由于變量間的動態(tài)耦合，直線路徑未必就是最佳路徑，有時甚至是不可行路徑。

圖1 企業(yè)自動化系統(tǒng)結構

  
    對應引言中提到的3個關注點，穩(wěn)態(tài)實時優(yōu)化的特性如下：

    （1）狀態(tài)估計

    傳統(tǒng)的實時優(yōu)化要求將穩(wěn)態(tài)工藝模型嚴格地匹配到當前的裝置狀況，需要進行數(shù)據(jù)校正和參數(shù)估計。對于動態(tài)變化比較頻繁的裝置，實際中不太容易確定準確的當前狀態(tài)。例如乙烯裝置就很少處于穩(wěn)態(tài)。實踐中則成了一個參數(shù)調(diào)整的問題，有兩種極端情況：（1）嚴格的穩(wěn)態(tài)判斷準則，意味著等待時間長。（2）松弛的穩(wěn)態(tài)判斷準則，可以減少等待時間。這兩種方法都有問題，對于第一種方法，等待、意味著丟失了優(yōu)化的機會，雖然當達到穩(wěn)態(tài)實時優(yōu)化結果的意義大；對于第二種方法，優(yōu)化可以進行得更頻繁，但數(shù)據(jù)校正和參數(shù)估計的完備性降低了。總之，整個優(yōu)化是在某種程度上的折衷。

    （2）最優(yōu)狀態(tài)

    第一，優(yōu)化器的執(zhí)行周期與模型大小和計算機的計算能力相關。第二，優(yōu)化器計算期間進行系統(tǒng)的干擾能夠使本次優(yōu)化結果無效。由于等待穩(wěn)態(tài)、計算時間長、以及中間干擾等因素，傳統(tǒng)的實時優(yōu)化在乙烯裝置上的運行頻次非常低。

    （3）動態(tài)路徑

    穩(wěn)態(tài)優(yōu)化無法給出動態(tài)路徑。通常采用人工輸入的步幅限制來約束向最佳操作點的移動。由于優(yōu)化模型本質(zhì)上是穩(wěn)態(tài)的，所以通常輸入的優(yōu)化步幅都比較小，以避免CV值波動過大。

    傳統(tǒng)的實時優(yōu)化需要維護兩套模型，一套是模型預測控制器使用的線性動態(tài)模型，另一套是實時優(yōu)化使用的非線性穩(wěn)態(tài)工藝模型。兩套模型都描述同一個裝置，卻基本完全不同，無法相互利用。這意味著模型的開發(fā)和維護都需要重復投資。

    總之，傳統(tǒng)的實時優(yōu)化基于穩(wěn)態(tài)模型，實時優(yōu)化的很多時間用于等待裝置處于穩(wěn)態(tài)，并且下傳穩(wěn)態(tài)優(yōu)化結果的前提是優(yōu)化計算期間沒有中間干擾進入系統(tǒng)。對于動態(tài)響應比較快或者干擾少的裝置，實時優(yōu)化僅用于適應企業(yè)外部的市場需求變化，傳統(tǒng)的優(yōu)化說夠了。對于動態(tài)變化比較頻繁的裝置，傳統(tǒng)實時優(yōu)化可能給裝置帶來最大效益。為此，眾多的學者和公司在研究如何引入動態(tài)模型，對大工業(yè)過程進行實時動態(tài)優(yōu)化。

三  動態(tài)實時優(yōu)化——實時優(yōu)化的新發(fā)展

    從實用的觀點看，分層優(yōu)化方法可以為用戶提供最好的投資回報。近些年，實時優(yōu)化與先進控制的主要供應商都推出了這樣的解決方案，如AspenTech 公司的DMCPlus、CLP、RTO 和Honeywell公司的Profit Controller、Profit Optimizer、Profit Max。以Honeywell公司為例，其中分層優(yōu)化框架包括三層：

    （1）通過Profit Controller實施的局部優(yōu)化；

    （2）通過Profit Optimizer實施的全局實時優(yōu)化；

    （3）通過Profit Max利用嚴格的機理模型對高度非線性過程實施優(yōu)化。

    這一分層優(yōu)化的方法將Profit Optimizer作為實施基于嚴格機理模型的實時優(yōu)化的基礎，充分利用已經(jīng)安裝的多變量控制器，從而降低實施實時優(yōu)化的成本和風險。

    Profit Optimizer采用了其特有的基于分布式二次規(guī)劃（DQP）的協(xié)調(diào)控制與優(yōu)化算法。該算法利用動態(tài)關聯(lián)模型對各Profit Controller所對應的單元間的相互干擾進行描述，同時，將動態(tài)控制層的約束條件和其他的全局優(yōu)化變量及中間變量的動態(tài)約束條件結合起來。Profit Optimizer不僅能給出最佳操作點，而且能計算出達到最佳操作點的最優(yōu)路徑。Profit Optimizer將傳統(tǒng)的穩(wěn)態(tài)優(yōu)化問題化為整個控制框架下的動態(tài)問題，通過及時的現(xiàn)場反饋處理和實時求解動態(tài)優(yōu)化問題，逐步逼近穩(wěn)態(tài)最優(yōu)解。

    這一突破性的技術將傳統(tǒng)的基于機理的模型的優(yōu)化問題轉化為控制/協(xié)調(diào)問題。Profit Optimizer能非常有效地處理實時優(yōu)化中的動態(tài)問題，并將優(yōu)化結果輸出給其下一層的Profit Controller，后者通過跟蹤Profit Optimizer給出的優(yōu)化指標，將裝置推動到它的最優(yōu)操作點。它比較少適合于解決中大規(guī)模的實時控制與優(yōu)化問題。Profit Optimizer易于實施，并且比傳統(tǒng)的實時優(yōu)化方法有更強的魯棒性，其良好的準確度通過直接的、頻繁的過程反饋來保持。由于Profit Optimizer每1~2min運行一次，它可很快地檢測到干擾并及時作出響應。因此，它能使裝置的運行更接近裝置約束，更接近優(yōu)化目標。

    Profit Optimizer的基礎模型來自Profit Controller，都是線性動態(tài)模型，對于高度非線性的過程，增益更新技術是提高多變壓量預測控制適應范圍的一個很有效的方法，通常，增益更新是采用對非線性模型進行數(shù)值蠕動的方法。由于只需要工藝變量間的商，因此不要求在每個執(zhí)行周期都進行嚴格地參數(shù)擬合。執(zhí)行周期短和連續(xù)增益更新使得Profit Optimizer求解大規(guī)模非線性優(yōu)化問題的宏觀表現(xiàn)類似于SQP法求解非線性問題。

    對應引言中提到的3個關注點，Profit Optimizer的特性如下：

    （1）狀態(tài)估計

    由于已經(jīng)包含了裝置的動態(tài)模型，Profit Optimizer在進行優(yōu)化計算時不要求裝置處于穩(wěn)態(tài)。Profit Optimizer的執(zhí)行周期通常為1min，這樣可以頻繁得到現(xiàn)場反饋數(shù)據(jù)，以補償模型失配。Profit Optimizer的模型準確地知道每一個過程變量的當前值和未來值。

    （2）最優(yōu)狀態(tài)

    在Profit Optimizer中，優(yōu)化問題是半整定QP問題，一定有解，且求解速度過快。通常Profit Optimizer與Profit Controller的執(zhí)行周期相同。

    （3）動態(tài)路徑

    Profit Optimizer將按照最小能量路徑將生產(chǎn)推向最佳操作點。最小能量路徑即是最小MV調(diào)節(jié)量。

    以Profit Optimizer為代表的動態(tài)優(yōu)化是實時優(yōu)化技術的進步。采用動態(tài)模型代替穩(wěn)態(tài)優(yōu)化模型，優(yōu)化計算不要求裝置處于穩(wěn)態(tài)。以QP描述優(yōu)化，求解方便。嚴格穩(wěn)態(tài)模型與動態(tài)系統(tǒng)相集成的方案實現(xiàn)在線更新先進控制器和優(yōu)化器模型增益，以處理非線性。Profit Optimizer適合于解決現(xiàn)實中的動態(tài)優(yōu)化問題。

    圖3為Profit Optimizer的應用結構。作為動態(tài)優(yōu)化/協(xié)調(diào)層，Profit Optimizer處于先進控制層之上。非線性模型通過接口（Profit Bridge）實現(xiàn)對Profit Controller和Profit Optimizer的模型增益進行在線更新。每個執(zhí)行周期，優(yōu)化器都能夠得到反饋信息。

圖3 Profit Optimizer 應用結構圖