一种氧化铝焙烧炉智能优化控制方法及系统

1.一种氧化铝焙烧炉智能优化控制方法，其特征在于，所述方法包括：建立返灰与下料物料平衡模型，根据返灰压力获取下料量控制值；建立氧量保护模型，根据氧量设定值和测量值的偏差情况实现氧量的闭环控制，获取氧量保护模拟量输出值；根据焙烧炉的设定温度与实际温度的偏差情况实现焙烧温度的闭环控制，获取焙烧温度模拟量输出值；综合所述下料量控制值、氧量保护模拟量输出值、焙烧温度模拟量输出值以及设定的下料量上限和下限，得到下料机的下料量输出值，实现下料量控制；根据建立的实时产量设定计算模型计算得到燃烧炉实时产量设定值，根据实时产量设定值与实时产量测量值的偏差情况实现产量的闭环控制，获取产量模拟量输出值；计算产品单耗，将计算的单耗输入至建立的产量与燃料能量平衡模型，输出燃料的需求量；根据得到的产量模拟量输出值以及燃料的需求量得到燃料量输出值，实现燃料量控制；建立返灰与下料物料平衡模型，根据返灰压力获取下料量控制值，具体包括：通过获取返料灰压力超过预设值时，寻找焙烧温度相近时的当前返料灰压力增量和下料量增量，假设T 焙烧1 时的ΔP 返灰1 、ΔF 下料1 ，T 焙烧2 时的ΔP 返灰2 、ΔF 下料2 ，……T 焙烧n 时的ΔP 返灰n 、ΔF 下料n ；通过最小二乘法建模，得到下料量增量与返灰压力增量的模型关系为：ΔF 下料 ＝f(ΔP 返灰 )其中，ΔP 返灰 为相邻两个采样周期的返灰压力变化量，即P 返灰k -P 返灰k-1 ；返灰与下料物料平衡模型的输出为投用阶段所有时刻的增量之和：F 下料 ＝F 下料 +ΔF 下料 ；综合所述下料量控制值、氧量保护模拟量输出值、焙烧温度模拟量输出值以及设定的下料量上限和下限，得到下料机的下料量输出值，实现下料量控制，具体包括：下料机的总输出为：AV 下料总 ＝AV 焙烧温度 +AV 氧量保护 +F 下料 ；其中F 下料 为下料量控制值，AV 焙烧温度 为焙烧温度模拟量输出值，AV 氧量保护 为氧量保护模拟量输出值；如果下料机的输出超过设定的下料量上限时，下料机的输出为上限值，如果下料机的输出超过设定的下料量下限时，下料机的输出为下限值；根据建立的实时产量设定计算模型计算得到燃烧炉实时产量设定值，具体包括：设定日产量为W 日 ，当前时间已经累计产量为W 已生产 ，累计时间为T，单位为小时，且T<24，实时下料量为F 瞬时 ，单位t/h，待生产产量为W 待 ，则实时产量设定计算模型F sp 为：W 已生产 ＝W 已生产 +F 瞬时 /7200W 待 ＝W 日 -W 已生产Fsp＝W 待 /(24-T)；计算产品单耗，将计算的单耗输入至建立的产量与燃料能量平衡模型，输出燃料的需求量，具体包括：产品单耗计算模块采用预设时间段的单耗的平均值DH_avg计算方式，计算方法为：预设时间段的燃料的移动平均值与近两个小时的产量的移动平均值的比值；F 产量移动平均值 ＝f(F 时刻1 ，F 时刻2 ，F 时刻3 ，……F 时刻N )F 燃料量移动平均值 ＝f(F 时刻1 ，F 时刻2 ，F 时刻3 ，……F 时刻N )DH_avg＝F 燃料量移动平均值 /F 产量移动平均值 ；计算产品单耗，将计算的单耗输入至建立的产量与燃料能量平衡模型，输出燃料的需求量，具体包括：燃料的需求量与产量的关系为：ΔF 燃料 ＝DH_avg*ΔF 产量设定其中，ΔF 产量设定 为相邻两个采样周期的产量设定值的变化量，即F 产量设定k -F 产量设定k-1 ，DH_avg为近两个小时的燃料的移动平均值与近两个小时的产量的移动平均值的比值；产量与燃料能量平衡模型的输出为投用阶段所有时刻的增量之和：F 燃料 ＝F 燃料 +ΔF 燃料 ；根据得到的产量模拟量输出值以及燃料的需求量得到燃料量输出值，实现燃料量控制，具体包括：燃料量的总输出为：AV 燃料总 ＝AV 产量燃料 +F 燃料其中，AV 产量燃料 为产量模拟量输出值，F 燃料 为燃料的需求量。 2.根据权利要求1所述的一种氧化铝焙烧炉智能优化控制方法，其特征在于，所述方法还包括：通过调整进入焙烧炉的助燃风量调整含氧量，根据氧量设定值和测量值的偏差情况实现氧量的闭环控制，获取氧量调节模拟量输出值AV 氧量调节 ；根据生产需要的下料量改变引起的氧量需求变化，计算得到下料前馈的氧量模拟量输出值AV 下料前馈 ，具体为：AV 下料前馈 ＝F 下料量增量 *K 下料引风调节 ，其中，F 下料量增量 ＝F 下料设定K -F 下料设定K-1 ，F 下料设定K-1 为上一个扫描周期的下料量负荷设定，K 下料引风调节 值的计算根据现场数据分析以及数据建模获得；根据所述氧量调节模拟量输出值AV 氧量调节 以及下料前馈的氧量模拟量输出值AV 下料前馈 得到引风机阀门控制值，实现助燃风量控制，具体为：引风机阀门总指令为：AV 引风总 ＝AV 氧量调节 +AV 下料前馈 。 3.根据权利要求1所述的一种氧化铝焙烧炉智能优化控制方法，其特征在于，所述方法还包括：获取化验的灼减率、下料量、返灰量、焙烧温度、燃料量、助燃风量的历史统计数据，基于数据分析机器学习方法建立热灼减率的数学模型；根据所述热灼减率的数学模型，获取匹配最佳灼减率的焙烧温度值作为焙烧炉的设定温度。 4.根据权利要求1所述的一种氧化铝焙烧炉智能优化控制方法，其特征在于，所述方法还包括：通过自寻优算法获取最佳的氧量控制点作为氧量设定值；所述自寻优算法包括：首先设定寻优的步长SOP＝ΔF A ＝γ*F A ，其中F A 为当前氧量控制点，允许误差ε，计数器n＝0，γ的取值范围为1％～2％；①恒定燃气流量定值，将当前氧量控制点作为氧量设定值输出到氧量调节模块，优化控制器运行标志设置为ON，一段时间后记录一个优化目标函数值J1；②选择增加氧量控制点，置n＝n+1，氧量设定值增量为设置的步长n*SOP，输出氧量设定值到氧量调节模块；修改当前的氧量控制点，转向第⑧步；③如果J 2 ＞J 1 时,说明寻找的方向正确，继续沿着这个方向寻找，把J 2 的值赋给J 1 ，转向第②步；如果J 2 ＜J 1 时，判断是不是第一次寻优，即n＝1，如果n＝1时，则说明寻找方向错误，转向第④步；如果n≠1时，且|J 2 -J 1 |＜ε时，则当前氧量控制点为最佳状态，本次寻优结束，优化控制器运行标志设置为OFF；如果n≠1时，且|J 2 -J 1 |＞ε时，则变步长寻找置SOP＝-0.25*SOP，转向第②步；④选择增加氧量控制点，置n＝n+1，氧量设定值增量为设置的步长n*(-SOP)，输出氧量设定值到氧量调节模块；修改当前的氧量控制点，转向第⑧步；⑤如果J 2 ＞J 1 时，说明寻找方向正确，继续沿着该方向寻找，把J 2 的值赋给J 1 ，转向第④步；⑥如果J 2 ＜J 1 时，且|J 2 -J 1 |＜ε时，则当前氧量控制点为最佳状态，本次寻优结束，优化控制器运行标志设置为OFF；⑦如果J 2 ＜J 1 时，且|J 2 -J 1 |＞ε时，则变步长寻找置SOP＝-0.25*SOP，转向第②步；⑧目标函数值计算：以动态响应后的稳态实时过程测量值，按优化目标函数计算目标函数值J 2 ，即优化输出作用到装置后的一段时间后开始计算，时间取决于过程的动态响应时间；计算完后返回原来的转过来的位置。 5.一种氧化铝焙烧炉智能优化控制系统，其特征在于，所述系统包括：下料量控制模块，用于建立返灰与下料物料平衡模型，根据返灰压力获取下料量控制值；建立氧量保护模型，根据氧量设定值和测量值的偏差情况实现氧量的闭环控制，获取氧量保护模拟量输出值；根据焙烧炉的设定温度与实际温度的偏差情况实现焙烧温度的闭环控制，获取焙烧温度模拟量输出值；综合所述下料量控制值、氧量保护模拟量输出值、焙烧温度模拟量输出值以及设定的下料量上限和下限，得到下料机的下料量输出值，实现下料量控制；燃料量控制模块，用于根据建立的实时产量设定计算模型计算得到燃烧炉实时产量设定值，根据实时产量设定值与实时产量测量值的偏差情况实现产量的闭环控制，获取产量模拟量输出值；计算产品单耗，将计算的单耗输入至建立的产量与燃料能量平衡模型，输出燃料的需求量；根据得到的产量模拟量输出值以及燃料的需求量得到燃料量输出值，实现燃料量控制；建立返灰与下料物料平衡模型，根据返灰压力获取下料量控制值，具体包括：通过获取返料灰压力超过预设值时，寻找焙烧温度相近时的当前返料灰压力增量和下料量增量，假设T 焙烧1 时的ΔP 返灰1 、ΔF 下料1 ，T 焙烧2 时的ΔP 返灰2 、ΔF 下料2 ，……T 焙烧n 时的ΔP 返灰n 、ΔF 下料n ；通过最小二乘法建模，得到下料量增量与返灰压力增量的模型关系为：ΔF 下料 ＝f(ΔP 返灰 )其中，ΔP 返灰 为相邻两个采样周期的返灰压力变化量，即P 返灰k -P 返灰k-1 ；返灰与下料物料平衡模型的输出为投用阶段所有时刻的增量之和：F 下料 ＝F 下料 +ΔF 下料 ；综合所述下料量控制值、氧量保护模拟量输出值、焙烧温度模拟量输出值以及设定的下料量上限和下限，得到下料机的下料量输出值，实现下料量控制，具体包括：下料机的总输出为：AV 下料总 ＝AV 焙烧温度 +AV 氧量保护 +F 下料 ；其中F 下料 为下料量控制值，AV 焙烧温度 为焙烧温度模拟量输出值，AV 氧量保护 为氧量保护模拟量输出值；如果下料机的输出超过设定的下料量上限时，下料机的输出为上限值，如果下料机的输出超过设定的下料量下限时，下料机的输出为下限值；根据建立的实时产量设定计算模型计算得到燃烧炉实时产量设定值，具体包括：设定日产量为W 日 ，当前时间已经累计产量为W 已生产 ，累计时间为T，单位为小时，且T<24，实时下料量为F 瞬时 ，单位t/h，待生产产量为W 待 ，则实时产量设定计算模型F sp 为：W 已生产 ＝W 已生产 +F 瞬时 /7200W 待 ＝W 日 -W 已生产Fsp＝W 待 /(24-T)；计算产品单耗，将计算的单耗输入至建立的产量与燃料能量平衡模型，输出燃料的需求量，具体包括：产品单耗计算模块采用预设时间段的单耗的平均值DH_avg计算方式，计算方法为：预设时间段的燃料的移动平均值与近两个小时的产量的移动平均值的比值；F 产量移动平均值 ＝f(F 时刻1 ，F 时刻2 ，F 时刻3 ，……F 时刻N )F 燃料量移动平均值 ＝f(F 时刻1 ，F 时刻2 ，F 时刻3 ，……F 时刻N )DH_avg＝F 燃料量移动平均值 /F 产量移动平均值 ；计算产品单耗，将计算的单耗输入至建立的产量与燃料能量平衡模型，输出燃料的需求量，具体包括：燃料的需求量与产量的关系为：ΔF 燃料 ＝DH_avg*ΔF 产量设定其中，ΔF 产量设定 为相邻两个采样周期的产量设定值的变化量，即F 产量设定k -F 产量设定k-1 ，DH_avg为近两个小时的燃料的移动平均值与近两个小时的产量的移动平均值的比值；产量与燃料能量平衡模型的输出为投用阶段所有时刻的增量之和：F 燃料 ＝F 燃料 +ΔF 燃料 ；根据得到的产量模拟量输出值以及燃料的需求量得到燃料量输出值，实现燃料量控制，具体包括：燃料量的总输出为：AV 燃料总 ＝AV 产量燃料 +F 燃料其中，AV 产量燃料 为产量模拟量输出值，F 燃料 为燃料的需求量。 6.根据权利要求5所述的一种氧化铝焙烧炉智能优化控制系统，其特征在于，所述系统还包括：助燃风量控制模块，用于通过调整进入焙烧炉的助燃风量调整含氧量，根据氧量设定值和测量值的偏差情况实现氧量的闭环控制，获取氧量调节模拟量输出值AV 氧量调节 ；根据生产需要的下料量改变引起的氧量需求变化，计算得到下料前馈的氧量模拟量输出值AV 下料前馈 ，具体为：AV 下料前馈 ＝F 下料量增量 *K 下料引风调节 ，其中，F 下料量增量 ＝F 下料设定K -F 下料设定K-1 ，F 下料设定K-1 为上一个扫描周期的下料量负荷设定，K 下料引风调节 值的计算根据现场数据分析以及数据建模获得；根据所述氧量调节模拟量输出值AV 氧量调节 以及下料前馈的氧量模拟量输出值AV 下料前馈 得到引风机阀门控制值，实现助燃风量控制，具体为：引风机阀门总指令为：AV 引风总 ＝AV 氧量调节 +AV 下料前馈 。