基于軟測量技術的AspenPlus用戶模型二次開發

戴 天, 范洪明, 傅雨佳, 楊慧中

(1.江南大學物聯網工程學院輕工過程先進控制教育部重點實驗室,江蘇無錫 214122;2.南通星辰合成材料有限公司,江蘇南通 226017)

基于軟測量技術的AspenPlus用戶模型二次開發

戴 天1, 范洪明2, 傅雨佳1, 楊慧中1

(1.江南大學物聯網工程學院輕工過程先進控制教育部重點實驗室,江蘇無錫 214122;2.南通星辰合成材料有限公司,江蘇南通 226017)

Aspen Plus仿真軟件能夠很好地實現化工工藝流程的模擬,并能對化工工藝流程實現參數優化、靈敏度分析和經濟評價等。但化工工藝流程復雜,裝置模型眾多,Aspen Plus中現有的模型庫不可能提供所有的單元模型?；贏spen與Matlab的數據交互功能,開發了Aspen與Matlab接口用戶模型——AEM用戶模型。該用戶模型能夠實現在Aspen界面下調用Matlab程序,建立基于軟測量技術的用戶模型,大大擴展了Aspen Plus的適用范圍。應用本文方法,采用高斯過程回歸(GPR)軟測量多模型建模方法,完成了雙酚A生產流程中結晶塔的用戶模型開發,實現了雙酚A加合物結晶過程的模擬,并應用于雙酚A生產流程模擬中。

Aspen Plus; Matlab; 用戶模型; 軟測量; 多模型

Aspen Plus是一款功能強大、集化工設計、過程模擬、參數優化、靈敏度分析以及經濟評價于一體的大型通用化工模擬軟件。Aspen Plus提供了大量的物性數據庫和單元操作模塊,能夠適用于目前大部分化工行業中從單個操作單元到整個工藝流程的模擬[1-3]。

雖然Aspen Plus的模型庫已經包含了大量的單元模型,但仍有許多單元裝置的模擬在Aspen Plus中無法實現或者不夠完善和準確。在缺少對單元裝置的準確描述下,整個工藝流程的模擬就不能完成。但Aspen Plus能夠調用外部程序,建立用戶模型,通過Excel或Fortran程序,添加自定義的單元模塊模型[4],這為Aspen Plus的應用提供了極大的擴展功能。

目前國內外對Aspen Plus用戶模型的開發進行了大量的研究,但大都是基于機理知識對單元裝置的模型開發[5-6]。機理模型需要在機理過程十分清楚的情況下才能進行,對于未知的機理過程則不能實現。軟測量技術可以對某些難以直接用儀器或儀表檢測的待測變量,利用一組與該待測變量有密切聯系、又容易檢測的其他變量,通過機理建模方法或基于數據驅動的建模方法,實現對待測變量的估計。尤其是對于未知機理過程對象,基于數據驅動的軟測量技術為Aspen Plus的開發提供了非常有用的工具。

基于數據驅動的建模方法主要有高斯過程回歸(Gaussian Process Regression,GPR)、支持向量機(Support Vector Machine,SVM)和相關向量機(Relevance Vector Machine,RVM)等[7]。其中高斯過程回歸是近年發展起來的一種機器學習方法[8],能較好地解決小樣本、非線性、高維數等復雜過程對象的建模問題,因此GPR技術得到了廣泛的應用[9-10]。但是,在實際應用中,采集到的工況數據往往是在較大時間范圍內工況過程發生過較大變化的,單一的GPR模型難以對這種對象進行很好的估計和描述。因此在實際應用中,采用多模型的建模方法為解決復雜工業對象的大工況、強非線性等建模問題提供了一個可行的思路。

基于數據驅動的多模型建模方法分為集成學習和聚類分析兩類[11],其中聚類分析是將采集到的數據按照某種準則分成多個子樣本,然后分別對子樣本建立模型。聚類分析算法主要有K均值聚類、模糊C均值聚類算法等[12-14]。對于不同的過程特性,利用來自生產現場裝置的樣本數據,聚類分析能將不同的工況樣本分開,分別建立子模型進行描述,為建立精確的軟測量估計模型奠定基礎。

Matlab是當前最專業、最活躍的科學仿真計算軟件,其強大的矩陣計算及仿真能力能夠實現各種建模方法所需的復雜計算。但是Aspen Plus自身并不支持與Matlab的接口,目前國內外對Matlab與Aspen Plus接口技術的研究非常有限,鮮有關于Aspen Plus平臺與軟測量模型相結合完成工藝流程模擬仿真的實例報道。耿大釗等[15]利用COM實現Matlab與Aspen Plus的連接,但僅限于用Matlab程序讀取Aspen Plus,并不能在Aspen Plus界面調用Matlab建立單元模型。Fontalvo等[16]通過Excel用戶模型,利用Matlab建立機理模型與Aspen Plus交互,但該方法仍需要在對機理過程十分熟悉的情況下才能實現,對于未知機理過程則難以實現。

本文基于Aspen Plus與Matlab的數據交互功能,研究了在Aspen Plus 界面下,利用Matlab強大的運算功能開發Aspen Plus用戶模型,并基于軟測量技術,實現對雙酚A(Bisphenol A,BPA)加合物結晶過程仿真,并應用于BPA生產流程的仿真中。

1 AEM用戶模型開發

1.1概述

在Aspen Plus操作界面下,調用Matlab計算平臺,實現數據交互的過程描述如圖1所示。

圖1 Aspen Plus與Matlab數據交互方式Fig.1 Information shared between Aspen Plus and Matlab

Aspen Plus通過Excel用戶模型接口,將給定的M股流股信息和其他相關的參數,或流程中上一單元傳過來的流股信息傳輸到Excel中,Excel再將得到的流股信息和其他相關的參數傳輸到Matlab環境中;Matlab利用流股信息和相關參數進行計算,計算完成后,Matlab再將N股流股信息或其他相關計算結果傳回Excel,并由Excel將數據傳回Aspen Plus中。Aspen Plus得到數據后直接將流程模擬結果輸出,或繼續將流股信息代入下一單元模塊進行計算。搭建好Aspen-Excel-Matlab(AEM)用戶模型以后,全流程操作只需要在Aspen Plus平臺中運行,不需要對Excel、Matlab進行操作,極大地擴展了Aspen Plus的適用范圍。

1.2AspenPlus與Excel數據交互

Aspen Plus平臺與Excel進行數據交互時,需要用到User models中的USER2模塊,如圖2所示。

圖2 用戶模型Fig.2 User model

USER2模塊有M股輸入流股信息和一些其他相關參數,這M組流股信息包含M(n+9)個數據,其中M表示輸入用戶模型的流股數,n表示該股流股信息中所含混合物的組分數。表1列出了每一股流股信息中包含的數據和單位,利用用戶模型進行建模時,這M(n+9)個數據的單位是固定的,所以必須注意單位的換算。用戶模型計算完成后,USER2模塊有N股輸出流股信息和其他參數。

表1 Aspen Plus中傳輸的流股信息Table 1 Stream information in Aspen Plus

USER2模塊的輸入輸出數據除了流股信息以外,Aspen Plus平臺還向USER2模塊提供設定好的其他相關參數,包括設備參數和操作參數等。參數類型主要分為兩種,一種是實數,一種是整數。實數參數如塔的高度、寬度、表面積等,整數參數如精餾塔塔板數、換熱器數等可數的元素。這些參數可以是經過Aspen Plus輸出的,也可以是經過用戶模型計算后輸入到Aspen Plus的數據。

在Aspen Plus平臺中設定好相關參數后,就可以在Excel下進行用戶模型的編輯。其中,Aspen Plus與Excel數據傳輸的相關程序在Aspen Plus安裝目錄下可以找到,將該程序存放到指定文件位置,利用此程序作為模版,可以實現Aspen Plus與Excel之間的數據交互。

最后,將編寫好的Excel用戶模型程序存放地址輸入到Mixer|Subroutines|Excel file name中,就可以在Aspen平臺運行,完成Excel與Aspen的數據交互。進一步地將Excel與Matlab鏈接,實現Aspen Plus 與Matlab的數據互通。

1.3Excel與Matlab的數據交互

在Matlab中建立子程序,用來接收從Excel傳來的數據,并在子程序中利用已知參數編寫程序,模版程序如下:

function[RealOutIntOutStreamOut]=

AEM(RealInIntInStreamIn)

%相關程序

end

其中:RealIn、IntIn、StreamIn分別表示從Excel中傳入的實數參數、整數參數和流股信息;RealOut、IntOut、StreamOut分別表示經過Matlab計算后,輸出到Excel的實數參數、整數參數和流股信息。

在Excel界面加載好宏的功能后,Excel與Matlab就可以進行數據交互。在Excel界面下,在工具|加載宏|瀏覽窗口中輸入Matlab與Excel鏈接的宏文件,宏文件地址一般在Matlab安裝文件目錄下。加載好宏之后,就可以在Excel界面中編寫一些命令,實現與Matlab的數據傳輸,并可以在Excel下調用Matlab程序。主要命令如表2所示。

表2 Excel命令Table 2 Excel commands

2 運用AEM用戶模型對BPA工藝流程中第一結晶塔的模擬

2.1概述

在BPA生產流程中,結晶單元是提純BPA產品的重要環節。BPA結晶單元通過多級結晶塔結晶和分離,得到純度更高的BPA和苯酚產物,分離出其他雜質(如2-4BPA異構體)等。其中結晶塔接收脫水單元過來的母液,在塔中形成BPA和苯酚的高純度結晶加合物。但Aspen Plus中的結晶模塊單一,無法模擬加合物結晶過程,所以必須建立AEM用戶模型,對第一結晶塔的過程特性進行描述。

由于缺少對結晶塔加合物結晶過程的機理分析,我們只能利用采集到的大量生產裝置現場操作數據和分析數據,基于軟測量技術,建立在線估計加合物中苯酚含量和BPA含量的黑箱模型。在Matlab環境下建立軟測量模型,并代入Aspen Plus的流程模擬中。

2.2AspenPlus平臺的結晶塔相關參數設定

在Aspen Plus平臺中,利用User models中的USER 2模塊,連接輸入輸出流股,構建如圖3所示的第一結晶塔模塊。

圖3 結晶塔模塊Fig.3 Crystallizer user model

在結晶塔用戶模型模塊的FEED端,將第一結晶塔的設計值(表3)作為輸入流股信息。

表3 流股信息Table 3 Stream information

在輸入流股信息時,輸入變量(表3)經Aspen Plus傳輸到Matlab之前,Aspen Plus會將相關的單位轉換成表1中的單位。

預設好第一結晶塔的所有參數后,Aspen Plus將所有參數經AEM用戶模型傳輸給Matlab,在Matlab環境下進行建模和估計。

2.3Matlab環境下建立軟測量模型

在第一結晶塔中,我們主要關注的是混合物中BPA和雜質2-4BPA的質量分數。經過分析,主要有結晶塔進料流量、結晶塔進料組分質量分數和塔內溫度等因素影響結晶塔出料組分的質量分數。

為了建立結晶塔出料加合物中BPA和2-4BPA質量分數軟測量模型,將第一結晶塔進料流量、BPA、2-4BPA進料組分質量分數、塔內溫度作為軟測量模型的輸入變量,第一結晶器出料的BPA和2-4BPA質量分數作為輸出變量。

BPA生產裝置的DCS系統將來自現場傳感器的液位、流量、壓力、溫度等實時數據每分鐘采樣一次并保存在DCS系統數據庫中。一些組分含量的人工分析值由化驗室提供,經過整理后,得到了146組樣本數據。這些樣本數據反映了多個工況條件下的運行結果,采用K均值聚類分析方法,將樣本集聚類成3類。

選取其中的117組作為訓練組,其余29組作為測試組,考慮到各變量由于量綱和單位不同會對建模精度產生影響,需要對樣本數據進行標準化處理,然后運用K均值聚類算法,將訓練樣本集根據樣本的4個輸入變量進行聚類,聚類算法最大迭代次數設為100次,聚類完成后每類樣本個數分別為17、74和26,訓練樣本聚類結果如圖4所示。

圖4 K-means聚類方法的訓練數據分類圖Fig.4 Classification of training data based on K-means method

訓練數據進行聚類后,對各子類分別建立基于高斯過程回歸(GPR)的子模型,最終將各個子模型用“切換開關”的方式連接[17]。測試數據經判定所屬子類類別后,代入相應子模型進行估計。

為驗證本文方法的有效性,將本文方法建模的仿真結果與單一RVM、單一SVM、單一GPR的仿真結果進行比較,獲得第一結晶塔的BPA質量分數輸出預測結果如圖5所示,2-4BPA質量分數的輸出預測結果如圖6所示。

圖5 BPA軟測量模型的測試曲線Fig.5 Test curves of BPA soft measurement model

圖6 2-4BPA軟測量模型的測試曲線Fig.6 Test curves of 2-4BPA soft measurement model

為了評價軟測量模型的性能,使用平均相對誤差(MRE)、最大相對誤差(MAXE)、均方根誤差(RMSE)來反映這兩個模型的性能指標,比較結果見表4和表5。

通過對比可以發現,GPR多模型的綜合精度和泛化能力優于RVM單模型、SVM單模型和GPR單模型,所以可以將GPR多模型的計算結果作為AEM用戶模型的計算結果返回Aspen Plus平臺中,用于BPA加合物結晶過程的流程模擬并運用到BPA生產流程模擬中。

表4 BPA測試誤差Table 4 Test error of BPA

表5 2-4BPA測試誤差Table 5 Test error of 2-4BPA

2.4加合物結晶過程流程模擬運行結果

利用建立的兩個軟測量模型,在Aspen Plus中進行流程模擬仿真,得到穩態輸出結果如表6所示。這樣實現了在Aspen Plus界面下調用多模型軟測量模型對BPA第一結晶塔進行模擬,AEM用戶模型流程如圖7所示。

表6 結晶塔模擬結果Table 6 Results of crystallizer simulation

圖7 AEM用戶模型流程Fig.7 AEM user model process

3 AEM在BPA生產流程模擬中的應用

利用AEM可以將第一結晶塔軟測量模型運用到BPA生產過程的模擬。按照BPA生產流程的反應單元、脫水單元、結晶單元建立如圖8所示流程模擬。

反應器使用規定反應程度和轉化率的RStoic模塊,主反應由丙酮和苯酚生成BPA和水,并有部分丙酮和苯酚反應生成2-4BPA和水,反應器穩態參數如表7所示,反應轉化率為82%。精餾塔使用嚴格計算模塊RadFrac模塊,精餾塔的內部參數如表8所示。

圖8 流程模擬Fig.8 Process simulation表7 反應器進料Table 7 Feed of reactor

項目輸入值反應器進料溫度55℃總流量35000kg/h水質量分數0.12%丙酮質量分數2.5%苯酚質量分數86.58%BPA質量分數10%2-4BPA質量分數0.8%

利用AEM用戶模型進行第一結晶單元的模擬,按照上述參數運行Aspen Plus,最后輸出流股的質量分數模擬值與實測值對比見表9(部分組分質量分數不作化驗分析,所以實測值空缺)。

表8 精餾塔參數Table 8 Parameters of rectifying column

表9 物流組分質量分數模擬值與實測值比較Table 9 Results of simulation and actual operation

分析工藝流程可知,苯酚,丙酮在反應器中進行反應,生成了BPA、水和2-4BPA異構體,經過精餾塔,脫去了水和丙酮,母液流入結晶單元,在第一結晶塔結晶后的加合物流向下一單元。在Aspen Plus中缺少的加合物結晶過程模型可以利用AEM用戶模型代替,所得到的數據可以繼續進行后續工藝的模擬仿真,或進行參數優化、靈敏度分析和經濟評價等。由表9可知,利用軟測量技術建立的AEM用戶模型代替Aspen Plus中的加合物結晶過程模型,并由Aspen Plus對BPA生產過程的流程模擬結果與工藝運行的實測值非常接近,說明了本文方法的有效性。

4 結 論

利用專業仿真軟件Aspen Plus能對化工流程中的大部分操作單元進行模擬,但仍有許多特殊的單元模型在Aspen Plus不能實現。本文利用Aspen Plus與Matlab接口技術,將Aspen Plus與Matlab結合起來,搭建了AEM用戶模型,實現了在Aspen Plus界面下,調用基于Matlab的軟測量模型,并針對在較大范圍內采集的數據所存在的不同時間段不同特性問題,利用多模型軟測量技術,得到了較高的預測精度。本文方法拓展了Aspen Plus的適用范圍,實現了全流程模型,為今后Aspen Plus在化工工藝流程中的應用提供了新思路。

[1] 李玥,李群生,李春江,等.氯乙烯精餾過程模擬優化與節能降耗的研究[J].北京化工大學學報(自然科學版),2015,42(5):19-23.

[2] 戴天,范洪明,楊慧中.雙酚A脫水精餾過程的模擬與優化[J].北京化工大學學報(自然科學版),2016,43(3):34-39.

[3] 朱昌明,李玉安,周文勇,等.內部熱集成精餾塔分離混合碳五的模擬研究[J].華東理工大學學報(自然科學版),2015,41(3):300-307.

[4] 趙月紅,溫浩,許志宏.Aspen Plus用戶模型開發方法探討[J].計算機與應用化學,2003,20(4):435-438.

[5] 侯衛鋒,蘇宏業,胡永有,等.基于ASPEN PLUS用戶模型技術的催化重整全流程模擬[J].化工學報,2005,56(9):1714-1720.

[6] 殷絢,楊小健,李榮雨,等.連續發酵生產乙醇的過程模擬與優化研究[J].高?；瘜W工程學報,2010,24(1):176-181.

[7] SHAO Weiming,TIAN Xuemin,WANG Ping.Local partial least squares based online soft sensing method for multi-output processes with adaptive process states division[J].Chinese Journal of Chemical Engineering,2014,22(7):828-836.

[8] 何志昆,劉光斌,趙曦晶,等.高斯過程回歸方法綜述[J].控制與決策,2013(8):1121-1129.

[9] 雙翼帆,張凌波,顧幸生.基于高斯過程和改進教與學優化算法的甲醇合成轉化率軟測量[J].華東理工大學學報(自然科學版),2016,42(3):369-374.

[10] 孫茂偉,楊慧中.基于改進Bagging算法的高斯過程集成軟測量建模[J].化工學報,2016,67(4):1386-1391.

[11] SU Zhigang,WANG Peihong,SHEN Jiong,etal.Multi-model strategy based evidential soft sensor model for predicting evaluation of variables with uncertainty[J].Applied Soft Computing,2011,11(2):2595-2610.

[12] JAIN A K.Data clustering:50 years beyond K-means[J].Pattern Recognition Letters,2010,31(8):651-666.

[13] GAO Shuzhi,WANG Jiesheng,GAO Xianwei.Modeling and advanced control method of PVC polymerization process[J].Journal of Process Control,2013,23(5):664-681.

[14] 劉駿,殷曉明,顧幸生.一種改進的T-S模糊模型建模及優化方法[J].華東理工大學學報(自然科學版),2016,42(2):233-239.

[15] 耿大釗,陳曦,邵之江,等.基于COM技術的MATLAB與Aspen Plus接口及高級應用[J].化工自動化及儀表,2006,33(3):30-34.

[16] FONTALVO J.Using user models in Matlab?within the Aspen Plus?interface with an Excel?link[J].Ingeniería e Investigación,2014,34(2):39-43.

[17] 楊慧中,董陶,陶洪峰.基于改進K-means聚類算法的組合模型建模[J].控制工程,2013,20(2):8-10.

SecondaryDevelopmentofAspenPlusUserModelBasedonSoft-Sensor

DAITian1,FANHong-ming2,FUYu-jia1,YANGHui-zhong1

(KeyLaboratoryofAdvancedProcessControlforLightIndustryofMinistryofEducation,SchoolofInternetofThingsEngineering,JiangnanUniversity,Wuxi214122,Jiangsu,China;2.NantongXingchenSyntheticMaterialCo.Ltd,Nantong226017,Jiangsu,China)

Aspen Plus can effectively simulate chemical processes and achieve the optimization of functions,sensitivity analysis,and cost estimation.However,the shortcoming of Aspen Plus is that it doesn′t provide all the unit models for complex chemical processes.In this work,we develop a user interface model of AEM between Aspen Plus and Matlab by means of the data exchange function between Aspen Plus and Matlab,which can directly use Matlab program in Aspen Plus user interface to build a unit model based on soft-sensor.Finally,by using the proposed user model and GPR multi-model soft-sensor,the user model of the crystal tower in a production process of bisphenol A is developed and the simulation of the adduct crystallization process is realized.Moreover,the user model is also used in the production process simulation of bispheonl A.

Aspen Plus; Matlab; user model; soft sensor; multi model

1006-3080(2017)04-0533-07

10.14135/j.cnki.1006-3080.2017.04.012

2016-10-30

國家自然科學基金(61273070); 江蘇省2015年度普通高校研究生科研創新計劃(KYLX15_1168)

戴 天(1990-),男,江蘇無錫人,碩士生,主要從事復雜工業過程建模的研究。E-mail:393289863@qq.com

楊慧中,E-mail:yhz_jn@163.com

TP18

A