[发明专利]基于QPSO-DMPC的反应再生系统优化控制方法

说明书

本发明公开了一种基于QPSO‑DMPC的反应再生系统优化控制方法，包括：S1：将反应再生系统的传递函数模型转化为阶跃响应模型；S2：建立DMPC模型，包括开环预测模块、稳态目标计算模块和动态矩阵控制模块；S3：利用QPSO算法中粒子在搜索空间内的强随机性，在不放松约束条件的前提下，在更大的范围内对经济优化函数进行求解；S4：根据QPSO算法对经济优化函数求得的解获得反应再生系统的输出设定值，并与实际输出的偏差作为目标误差函数，利用QPSO算法对该目标误差函数求解，获得操作变量的最佳变化量。本发明提供的基于QPSO‑DMPC的反应再生系统优化控制方法不仅减小了RRS硬件负担，还能获取更优的操作变量参数，在保证经济效益的基础上，进一步对RRS进行优化控制。

技术领域

本发明属于石油化工技术领域，涉及一种基于QPSO-DMPC的反应再生系统优化控制方法。

背景技术

石油化工工业在我国国民经济中占有举足轻重的地位，承担着为我国提供各种能源的重担。常规的催化裂化装置由三个部分组成，包含反应再生系统、分馏系统以及吸收稳定系统。作为催化裂化的核心部分，反应再生系统(Reaction regeneration system，RRS)将原油经过加工，生成各种各样的轻质油产品。但现有的反应再生系统为非线性反应再生系统，存在控制精度低，且硬件负担大的问题。

发明内容

鉴于上述问题，本发明的目的是提供一种基于QPSO-DMPC的反应再生系统优化控制方法，以解决现有的非线性反应再生系统控制精度低且硬件负担大的问题。

本发明提供的基于QPSO-DMPC的反应再生系统优化控制方法，包括：

S1：将反应再生系统的传递函数模型转化为阶跃响应模型；

S2：建立DMPC模型，DMPC模型包括开环预测模块、稳态目标计算模块和动态矩阵控制模块；

S3：利用QPSO算法，在不放松约束条件的前提下，对经济优化函数进行求解；其中，约束条件包括操作变量的硬约束和软约束，被控变量的硬约束和软约束，外部目标的约束；

S4：根据QPSO算法对经济优化函数求得的解获得反应再生系统的输出设定值，并与实际输出的偏差作为目标误差函数，利用QPSO算法对该目标误差函数求解，获得操作变量的最佳变化量。

利用上述根据本发明提供的基于QPSO-DMPC的反应再生系统优化控制方法，能够赋予粒子更高的随机性，最优粒子可以表达更大范围内的最优值，该方法不仅减小了RRS硬件负担，还能获取更优的操作变量参数，真正达到RRS的自适应最优控制。

附图说明

图1为根据本发明的基于QPSO-DMPC的反应再生系统优化控制方法的流程图；

图2为根据本发明的DMPC对RRS输出的跟踪效果图；

图3为根据本发明的DMPC对RRS输入的跟踪效果；

图4为根据本发明的QPSO-DMPC对RRS的输出的跟踪结果图；

图5根据本发明的QPSO-DMPC对RRS的输出的跟踪结果图。

具体实施方式

在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中，为了便于描述一个或多个实施例，公知的结构和设备以方框图的形式示出。

名词解释

DMPC：The Double-layerd Model Predictive Control，双层模型预测控制。