基于SIS的空冷塔液位控制參數優化

李 帥 周廣利 侯興鑫 于庭芳 吳 楠

（華能（天津）煤氣化發電有限公司）

化工企業在生產過程中需要使用純氧作為反應原料， 空氣分離裝置是制取純氧的必要設備。 空氣分離方法有吸附法、膜分離法和低溫精餾法。 吸附法是利用分子篩對空氣各組分選擇性吸附而使空氣分離獲得氧氣， 該方法流程簡單，但產品單一，不能同時生產氧氣和氮氣，且制得的氧氣純度低，不適合大型化生產。 膜分離法是利用有機聚合膜的選擇滲透性這一特點，在空氣中將氧、氮分離，此方法產量低、成本高，僅適用于小規模生產。 低溫精餾法是將空氣壓縮、冷卻、膨脹、精餾而使氧、氮分離，該方法產量大且精度高， 是目前應用較為廣泛的大型化空氣分離方法。

低溫精餾空氣分離的具體步驟有空氣過濾、壓縮、預冷、凈化、膨脹及精餾等，空冷塔是預冷步驟的核心設備，其作用是將空壓機排出的空氣進行冷卻和洗滌，除去空氣中的大部分灰塵以及SO2、SO3、NH3等有害成分，將空氣溫度降低至13 ℃以下，便于分子篩進行后續處理。

1 空冷塔液位參數整定特點及思路

1.1 空冷塔參數整定特點

空冷塔出口流量取決于上游設備的出力，可通過空壓機入口導葉進行調節。 空壓機出口溫度取決于空氣與空冷塔內冷媒的換熱效果，冷媒分為兩段進入空冷塔內， 空氣自下而上進行換熱，下段冷媒為冷卻水，上段冷媒為經水冷塔和冷水機組冷卻后的冷凍水。 空冷塔液位代表空冷塔內的冷媒量，實現空冷塔液位的精確控制，即可有效控制空冷塔出口溫度。 工藝流程如圖1所示。

圖1 預冷系統工藝流程

化工產品的制取過程中涉及復雜的化學反應，對反應所需物質濃度、溫度和反應環境有著極為嚴苛的要求。 在參數整定過程中，任何不恰當的操作都會對后續工藝造成不可逆的影響。 而空分預冷系統又存在較為明顯的系統耦合問題，在線整定危險性大，極易產生聯鎖反應，具體特點如下：

a. 參數間存在系統耦合。外界負荷需求變化時需快速提高空氣流量，即通過調整空壓機入口導葉開度，改變空冷塔進氣量，使空冷塔輸出空氣流量快速與外界負荷需求相適應。 在冷媒量不變的前提下， 勢必造成空冷塔空氣出口溫度升高，液位調節閥需同時依據空氣溫度偏差調整空冷塔冷媒液位， 消除空冷塔空氣出口溫度偏差，達到新的平衡，整套工藝存在耦合影響。

b. 控制對象有大延遲特性。空冷塔液位高于設定值時，開大調節閥，加快放水速率；液位低于設定值時，關小調節閥，減慢放水速率。 由于空冷塔容積較大，為大延遲對象，調節閥開度變化對液位的調節呈現出滯后的特點， 參數整定難度大。

c. 在線整定危險性大。 在線進行調節閥PID參數整定將會造成氧純度波動，嚴重影響機組安全運行。

1.2 空冷塔參數整定思路

為避免在線整定給機組帶來不可逆的影響，最佳方法是利用仿真軟件搭建仿真回路，在仿真軟件中得到最佳控制參數，進而應用于實際控制系統中。 仿真回路能否精準替代實際設備，取決于對各對象模型辨識的復原程度。 為做到模型的充分復原，需要提取大量原始數據，而DCS數據存儲量有限，且進行數據導出時亦存在風險。 因此，可利用廠級監控層中的SIS進行數據提取，有效避免對應用控制層中的設備造成影響。

綜上所述，筆者提出基于SIS的空冷塔液位控制參數優化方案，在SIS中提取原始數據，進行數據處理，使用粒子群法辨識出設備傳遞函數。 針對系統耦合的特性進行動態解耦，將原復雜耦合系統轉換為單回路控制系統。 在CAE仿真軟件中搭建仿真回路完成PID參數整定，進而應用至DCS中， 提升空冷塔出口溫度及流量的控制精度，提高空冷塔冷卻效率。

2 預冷系統模型辨識

2.1 數據提取

廠級監控信息系統中的SIS，主要用于獲取現場各生產設備的數據并進行存儲， 制成生產報表，對數據進行處理，處理過程中不會對現場設備造成影響［1］。 通過SIS獲取現場數據，對數據進行濾波處理， 使用粒子群算法 （Particle Swarm Optimization，PSO）進行預冷系統各對象模型的辨識。

在SIS中導出相應數據，包含：空冷塔出口流量、空冷塔出口溫度、液位調節閥開度、空壓機入口導葉開度、空冷塔上下壓差和空冷塔液位。

2.2 數據處理

使用五點濾波法進行數據濾波處理，進行五點濾波后，曲線平滑度明顯提升，有助于進行準確的系統辨識。 具體公式如下：

式中 i——秒級采樣點編號；

y1——濾波前原始數值；

y2——濾波后數值。

以空冷塔上下壓差為例，濾波前、后曲線如圖2所示。

圖2 濾波前、后空冷塔上下塔壓差曲線

2.3 模型辨識

粒子群算法是1995年EBERHART R博士和KENNEDY J博士一起提出的［2］。 算法通過模擬鳥群捕食行為在設定區域內進行尋優，假設區域內有大小不同的食物，鳥群的任務是找到最大的食物（全局最優解）。 在搜尋過程中，個體間相互傳遞信息， 使其他鳥知道食物源的最佳探索方向，最終整個鳥群聚集在最大的食物周圍，即找到了最優解。

以空冷塔出口流量設定值u1對空冷塔出口流量實際值y1間的傳遞函數W11的辨識為例，使用粒子群算法進行模型辨識，設置粒子個數為150，未知參數個數為3，循環次數為50。 首先為所有粒子設置初始位置和速度，根據每個粒子的尋優速度和粒子已知的最優位置推進每個粒子的位置。 隨著50次尋優循環結束，得出目前的最優解，即3個最優未知參數。 采用相同方法，分別得到如下傳遞函數：

式中 W11——空冷塔出口流量設定值u1對空冷塔出口流量實際值y1間的傳遞函數；

W12——空冷塔出口流量設定值u1對空冷塔出口溫度實際值y2間的傳遞函數；

W21——空冷塔出口溫度設定值u2對空冷塔出口流量實際值y1間的傳遞函數；

W22——空冷塔出口溫度設定值u2對空冷塔出口溫度實際值y2間的傳遞函數。

2.4 動態解耦

對于耦合系統， 在整定參數前需要進行解耦，最常用的方法是在邏輯中加入耦合器［3］。編寫控制框圖表示完整的預冷系統，并加入耦合器進行動態解耦，以求達到最佳控制效果，空冷塔耦合控制如圖3所示，其中，K11、K12、K21、K22均為解耦器傳遞函數，需計算后得到表達式。

圖3 空冷塔耦合控制框圖

根據前饋控制的擾動補償原理，u1（s）對被控參數y2（s）的影響為：

如果要求u1（s）對被控參數y2（s）沒有影響，則應滿足：

在控制邏輯中加入對應解耦器表達式，將原復雜耦合系統轉換為兩個獨立的單回路控制系統，分別為空壓機入口導葉開度控制回路，用于控制空冷塔出口流量，如圖4所示；液位調節閥開度控制回路，用于控制空壓機出口溫度，如圖5所示。

圖4 空壓機入口導葉開度控制回路

圖5 液位調節閥開度控制回路

3 預冷系統參數整定

3.1 PID介紹

PID控制是一種負反饋控制， 即控制器與廣義被控對象構成的系統為閉環負反饋系統［4］。 其作用是對輸入偏差進行調節，從而緩解系統的不平衡，使系統輸出穩定。

PID參數整定方法分為理論計算整定法和工程整定法兩大類。 理論計算整定法包括根軌跡法、頻率特性法等，基于數學模型通過計算直接求得調節器的整定參數，整定過程復雜，且往往由于被控對象是近似的，故所求得的整定參數不可靠。 工程整定法包括臨界比例帶法、衰減曲線法、圖表整定法及試湊法等。 這些方法通過并不復雜的試驗，便能迅速獲得調節器的近似最佳整定參數，因而在工程中得到廣泛的應用。

3.2 預冷系統PID參數整定

在CAE仿真軟件中搭建傳遞函數進行仿真，使用試湊法整定PID參數。 首先整定比例部分，將比例系數由小變大， 并觀察相應的系統響應，直至得到反應快、超調小的響應曲線。 加入積分環節，在整定時先將積分時間設定到一個比較大的值， 然后將已經調節好的比例系數略微縮小，并減小積分時間，使得系統在保持良好動態性能的情況下，靜差得到消除。 在此過程中，根據系統響應曲線的好壞反復改變比例系數和積分時間，即可得到滿足要求的控制過程和整定參數。 預冷系統參數整定結果見表1。

表1 預冷系統參數整定結果

將仿真整定后的參數應用至DCS中， 空冷塔出口溫度由原來的11.5～14.0 ℃優化為12.5～13.5 ℃，控制精度明顯提高。 空冷塔出口流量能夠快速跟蹤負荷變化， 空壓機導葉實現自動控制，達到了預期效果。

4 結束語

根據筆者提出的參數整定方法，可以安全可靠地對空分裝置預冷系統進行參數調節。使用SIS采集原始數據，對DCS生產系統不產生任何影響，實現數據安全采集。 使用五點濾波法進行數據濾波處理，有利于提高模型辨識準確性。 使用粒子群算法進行模型辨識，辨識速度快。 整定得出的PID參數可直接應用于系統中，對系統干擾極小。同時， 該方法也可應用于其他系統的參數整定中，具有很高的實際應用價值。