[发明专利]一种适用于流程工业预测控制的稳态优化方法

权利要求书

1.一种适用于流程工业预测控制的稳态优化方法，其特征在于，包括如下步骤：

步骤一、构建原始稳态优化问题，设原始稳态优化问题为优化问题一，其包括目标函数一和约束集一；

步骤二、构建松弛优化问题，设松弛优化问题为优化问题二，其包括目标函数二和约束集二；目标函数二是松弛变量线性加权和，设权重为，定义目标函数二的最大容忍上限为Tol；约束集二包含优化问题一的硬约束，以及松弛变量的非负约束和引入松弛变量后的软约束；

步骤三、采用层次分析法计算所有松弛变量权重；

步骤四、在每个控制周期内，计算优化问题二的最优值，根据该最优值和最大容忍限Tol，构建一个新的约束，设为补充约束；

步骤五、改造优化问题一，将优化问题一的软约束改造为松弛优化问题中含有松弛变量的硬约束，同时把松弛变量的非负约束和补充约束加入约束集一中，设改造后且必存在可行域的稳态优化问题为优化问题三；

步骤六、求优化问题三的最优解，并将其送入后续的动态控制层，同时，返回步骤四，继续下一控制周期的计算。

2.根据权利要求1所述的方法，其特征在于，步骤一中，所述目标函数一包括操作变量的经济成本、被控变量的经济效益、操作变量的移动代价和被控变量偏离设定值的代价。

3.根据权利要求1所述的方法，其特征在于，步骤一中，所述约束集一包括被控变量与操作变量之间的稳态增益关系、操作变量的上下限约束、操作变量稳态优化增量的上下限约束、被控变量的上下限约束和被控变量稳态优化增量的上下限约束。

4.根据权利要求1所述的方法，其特征在于，步骤二中，设被控变量个数为，软约束为个，给每个软约束定义对应的非负松弛变量。

5.根据权利要求1所述的方法，其特征在于，步骤二中，所述约束集二中，软约束引入松弛变量后，被定义为硬约束。

6.根据权利要求1所述的方法，其特征在于，步骤四中，所述补充约束为硬约束。

7.根据权利要求1-6任一项所述的方法，其特征在于，步骤三具体包括如下步骤：

第一步、定义“判断条件P”：当前分组内所有软约束是否具有相同重要性；定义“分类策略M”：把当前分组内所有软约束按照重要性划分为不超过9类分组并标记从属关系，将这些分组放入下一准则层；

第二步、记当前准则层为第0层准则层，设第0层准则层为目标层，即k=0，第0层准则层只有一类分组，该分组包含所有软约束；

第三步、检查第k层准则层的每个分组，k为正整数，若所有分组的“判断条件P”为“是”，则执行第四步；若存在某些分组的“判断条件P”为“否”，则对这些分组分别执行“分类策略M”后，进入下一层准则层，即k=k+1，继续执行第三步；

第四步、层次结构已经建立完成，从最底层准则层开始，在每个准则层中，针对与上层分组具有相同从属关系的不同分组的重要性进行两两比较，构造判断矩阵，对判断矩阵进行一致性检验和总层次一致性检验；若检验结果不通过，则调整组内判断矩阵直至通过，并计算不同准则层之间的权重系数；

第五步、根据不同准则层之间的权重系数，计算出所有松弛变量对总松弛代价的权重系数。

8.根据权利要求1所述的方法，其特征在于，步骤一、步骤二和步骤三均为离线操作，步骤四、步骤五和步骤六均为在线操作。