气流床煤气化工艺性能稳健优化与控制研究

论文摘要

为了实现煤的高碳资源低碳化利用,必须促进能够有效提高煤炭转化效率且环保效益好的以煤气化为核心的新型煤化工的发展。气流床煤气化技术具有煤种适应广、气化效率高、生产负荷大、环保效益好等优势,必将在新型煤化工中发挥着重要作用。气流床煤气化工艺性能稳健优化与控制的研究对于提高煤炭的清洁高效利用,保证气化生产的经济、稳定、安全运行有着重要意义。本文面向气流床煤气化生产过程,以气流床煤气化性能的稳健优化与波动控制为主要研究目的,以典型的气流床工艺——Shell粉煤加压气流床为背景,综合应用实验设计、统计分析、稳健优化和统计控制技术,旨在建立通过调整和优化气流床煤气化工艺参数,使得气流床煤气化各项工艺性能指标在多种随机噪声的影响下依然能够尽最大可能的保持最优与稳定的理论与方法,为气流床煤气化优化生产与稳定生产提供指导。本文研究主要包括：1.选择相互独立的气流床煤气化性能指标CO含量百分比、H2含量百分比、产气率和碳转化率为评价指标。以ChemCAD为仿真平台,采用Gibbs自由能最小化方法,建立了Shell气流床煤气化仿真模型。经与典型的Shell煤气化装置SCGP-1实验数据对比,结果表明所建仿真模型具有较好精度。2.设计了基于Taguchi方法进行可控工艺参数对气化性能的稳健效应分析流程。构建了采用对照进行气流床可控工艺参数的稳健效应估计,并基于半正态概率分布对效应估计进行显著性判别,采用灵敏度分析进行气流床煤气化可控工艺参数对气化性能进行稳健效应分析的方法。针对Shell气化系统进行了实例分析。3.基于DRSM法开展气流床煤气化工艺性能的稳健优化问题研究。构建了气化性能指标与可控工艺参数的双响应面模型,提出了应用改进的损失函数模型将各气化性能指标的均值和方差统一成一个稳健评价指标,设计了气化性能稳健优化的GA随机搜索优化算法。针对煤气化性能指标为多目标的特性,采用AHP1-9标度确定各评价指标的权重,然后采用Desirability函数将各气化性能评价指标集成为一个优化目标,并利用GA随机搜索优化算法进行优化求解。最后针对Shell气化工艺进行了单目标稳健优化与多目标稳健优化,并分别与确定性优化结果加以对比,结果表明,所提出的气流床煤气化性能的单目标稳健优化与多目标稳健优化方法可以实现气流床煤气化性能稳健优化的目的。4.煤气化产品需求具有波动性,而JIT精益生产模式是应对市场需求波动的先进的管理模式。本文在分析了波动需求条件下煤气化生产系统JIT精益生产模式的基础上,针对气流床煤气化工艺性能稳健性,研究了波动需求导致生产强度动态调整的JIT精益生产模式下气化性能稳健优化的数学模型,提出来基于“分解——综合”原则,采用“精英优化”的气化性能的JIT精益稳健优化求解策略,进而提出了基于非线性偏最小二乘的优化方法。最后针对Shell煤气化工艺系统进行了实例分析,结果表明所建立的波动需求条件下的气流床工艺性能JIT精益稳健优化方法是切实可行的。5.以过程能力指数（PCI）作为气化性能稳健性评价的基本指标,进行气流床煤气化工艺性能稳健性的预测评价,以确定所求解最优操作条件是否满足生产工艺要求或下游产品生产需要。由于煤气化性能评价属于多变量过程能力指数评价问题,而目前多元过程能力指数存在计算复杂、难以推广应用等问题,本文提出了一种基于偏差分量模型的线性加权MPCI,并采用单纯型格子点实验设计求解线性加权权重的方法。进而本文提出了基于蒙特卡罗模拟技术,以线性加权MPCI作为气化性能稳健性评价指标进行煤气化性能稳健性预测评价。最后针对Shell煤气化工艺系统,在获得的稳健优化解的基础上,进行了预测评价,结果表明本文所提的稳健性预测评价方法可以对气流床煤气化工艺性能的稳健性进行有效评价。6.针对生产过程中气流床煤气化性能的稳健性,采用统计过程控制（SPC）技术进行监控。构建了基于单变量SPC与多变量MSPC的气化性能“失控”与“失稳”联合监控框架体系。针对休哈特单变量、Totelling T2多变量统计失控监控可能存在漏发报警的不足,采用基于PCA的多变量统计过程控制监控进行气流床煤气化性能监控验证。同时针对传统统计失稳判别准则适用于离散制造系统,而气流床煤气化性能监控要求连续在线监测的特点,开发了基于RBF神经网络的气流床煤气化性能统计失稳智能诊断模型。最后针对Shell煤气化工艺系统,进行了实例仿真验证,结果表明,本文所提的气流床煤气化的统计过程控制可以有效监测气流床气化性能,保证气流床煤气化稳定生产。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与课题的提出
• 1.1.1 研究背景
• 1.1.2 课题的提出
• 1.2 国内外相关研究综述
• 1.2.1 气流床煤气化工艺发展现状综述
• 1.2.2 气流床煤气化工艺性能研究现状综述
• 1.2.3 研究现状评述
• 1.3 主要研究内容与技术路线
• 1.3.1 研究内容
• 1.3.2 技术路线
• 1.4 研究特色与创新点
• 1.4.1 研究特色
• 1.4.2 创新点
• 第二章 气流床煤气化基本反应及典型工艺系统仿真模型的构建
• 2.1 气流床煤气化反应历程
• 2.1.1 气化过程中煤的热解
• 2.1.2 煤气化反应过程
• 2.2 气化过程的主要反应
• 2.2.1 热解过程的主要反应
• 2.2.2 气化过程的主要反应
• 2.3 气流床煤气化工艺性能主要评价指标
• 2.4 典型工艺系统
• 2.4.1 SCGP工艺流程
• 2.4.2 主要设备
• 2.5 仿真模型的构建
• 2.5.1 基本问题概述
• 2.5.2 气化反应模型
• 2.5.3 仿真模型的构建
• 2.5.4 模型的验证
• 2.6 本章小节
• 第三章 基于Taguchi方法的气流床煤气化可控工艺参数的稳健效应分析
• 3.1 引言
• 3.2 理论基础
• 3.2.1 稳健优化的Taguchi方法
• 3.2.2 多噪声条件下的综合设计
• 3.3 气流床煤气化工艺性能的影响因素分析
• 3.3.1 可控工艺参数的影响分析
• 3.3.2 煤种与煤性质的影响分析
• 3.3.3 不可控噪声因子的影响分析
• 3.4 可控工艺参数的稳健效应分析与判别方法研究
• 3.4.1 分析流程设计
• 3.4.2 煤气化工艺参数的效应估计方法
• 3.4.3 基于半正态概率分布的效应判别方法
• 3.4.4 基于灵敏度的煤气化工艺参数稳健效应分析方法
• 3.5 实验设计
• 3.5.1 实验方案
• 3.5.2 实验结果
• 3.6 结果分析
• 3.6.1 可控工艺参数对CO%的稳健效应分析
• 3.6.2 可控工艺参数对H2%的稳健效应分析
• 3.6.3 可控工艺参数对产气率的稳健效应分析
• 3.6.4 可控工艺参数对碳转化率的稳健效应分析
• 3.7 本章小结
• 第四章 基于DRSM的气流床煤气化工艺性能稳健优化研究
• 4.1 引言
• 4.2 基于DRSM的气化性能稳健优化模型
• 4.2.1 RSM概述
• 4.2.2 气化性能稳健优化的DRSM模型构建
• 4.3 基于MLF准则与GA随机搜索的气化性能单目标稳健优化建模与算法设计
• 4.3.1 问题描述
• 4.3.2 基于MLF的气化性能稳健评价准则研究
• 4.3.3 基于GA随机搜索的气化性能单目标稳健优化算法设计
• 4.4 基于Desirability函数的气化性能的多目标稳健优化建模与算法设计
• 4.4.1 问题描述
• 4.4.2 气化性能多目标稳健优化Desirability函数构建
• 4.4.3 气化性能指标权重的确定
• 4.5 实验设计与DRSM模型的构建
• 4.5.1 实验方案
• 4.5.2 模型构建
• 4.5.3 模型检验与精度分析
• 4.6 气化性能的稳健优化
• 4.6.1 气化性能稳健性的单目标优化
• 4.6.2 气化性能稳健性多目标优化
• 4.7 本章小结
• 第五章 波动需求条件下的气流床煤气化工艺性能精益稳健优化研究
• 5.1 引言
• 5.2 波动需求条件下的煤气化性能JIT精益稳健优化建模研究
• 5.2.1 波动需求条件下以煤气化为基础的煤炭转化系统JIT精益生产描述
• 5.2.2 煤气化性能的JIT精益稳健优化数学建模研究
• 5.3 气化过程JIT精益稳健优化策略研究
• 5.3.1 问题分析
• 5.3.2 优化策略
• 5.4 气化过程JIT精益稳健优化的NPLS方法研究
• 5.4.1 问题的提出
• 5.4.2 PLS算法概述
• 5.4.3 煤气化性能JIT精益稳健优化的NPLS算法设计
• 5.5 实验研究
• 5.5.1 实验方案
• 5.5.2 NPLS建模
• 5.5.3 优化结果
• 5.6 本章小结
• 第六章 基于MPCI的气流床煤气化工艺性能稳健性预测评价研究
• 6.1 引言
• 6.2 PCI理论基础
• 6.2.1 单变量PCI
• 6.2.2 多变量MPCI
• 6.2.3 PCI的评价准则
• 6.3 基于偏差分量模型的线性加权MPCI研究
• 6.3.1 问题分析
• 6.3.2 线性加权MPCI的形式表达
• 6.3.3 基于偏差分量模型的线性加权MPCI构建
• 6.4 基于单纯型格子点设计的权重确定方法研究
• 6.4.1 问题分析
• 6.4.2 算法设计
• 6.5 基于蒙特卡罗模拟的气化性能稳健性预测评价方法研究
• 6.5.1 基于蒙特卡洛模拟的预测评价流程
• 6.5.2 精度分析与样本量的确定
• 6.6 实例评价
• 6.7 本章小结
• 第七章 气流床煤气化工艺性能稳健性的统计过程控制研究
• 7.1 引言
• 7.2 气流床气化性能的SPC框架模型构建
• 7.2.1 气流床气化异常工况分析
• 7.2.2 SPC理论基础
• 7.2.3 气流床气化性能SPC框架模型构建
• 7.3 基于PCA的气流床气化性能MSPC统计失控识别研究
• 7.3.1 问题分析
• 7.3.2 基于PCA的气化性能稳健性的MSPC
• 7.4 基于RBFNN的煤气化性能SPC统计稳态的智能诊断研究
• 7.4.1 智能诊断模型的构建
• 7.4.2 样本数据的产生
• 7.4.3 模型的训练与检验
• 7.5 仿真研究
• 7.5.1 仿真方案
• 7.5.2 单变量监控结果
• 7.5.3 多变量监测结果
• 7.6 本章小结
• 第八章 结论与展望
• 8.1 主要结论
• 8.2 研究展望
• 参考文献
• 致谢
• 攻读博士学位期间主要的研究成果
• 攻读博士学位期间公开发表的论文
• 攻读博士学位期间主编教材
• 攻读博士学位期间主持和参加的科研项目