模型预测控制技术在水泥回转窑的成功应用

陈香归 臧春华 苏宝玉 孔庆儒

（1.沈阳化工大学信息工程学院， 辽宁 沈阳 110142；2.沈阳华控科技发展有限公司， 辽宁 沈阳 110142）

0 引言

水泥回转窑是一个典型的热工过程，能耗高热效低，是一个多变量、多约束、强耦合、大滞后和非线性的复杂工业系统[1-2]。窑操作员想通过单一的改变某个变量对另一个工艺参数进行调节时，也会带动其他的非目标参数被影响。比如增加窑头喂煤量，烧成带温度和窑尾废气温度增加，废气含氧量降低；而增加生料喂料量时，烧成带温度、窑尾废气温度和废气含氧量都降低[3]。目前对于这种复杂性质的工艺系统，国内DCS系统大多采用多串级或PID回路的方式进行控制，但是常规PID控制仅从被控对象的单输入单输出关系实现闭环控制，不能很好的协调水泥窑系统中分解炉温度、窑头负压和篦床压力等参数之间的复杂关系[4]，需要更好的控制方法。

近60年发展起来的模型预测控制[5]技术已经在流程工业方面大范围使用并且取得了一定的成果[6]。模型预测控制技术在水泥工业的成功应用案例也有不少。由中材邦业智能技术有限公司开发的 ICE智能控制平台[7]，以模型预测控制为核心采用神经网络建模，实现对关键生产环节的优化控制，考核后该平台可提高水泥生产的平稳性，增加企业效益。张春华[8]提出了一种基于组合模型的智能控制算法，结合预测输出和优化算法实现智能自动控制。郭峰[9]提出了一种变增益模糊ARX模型建模方法，建立了回转窑系统的预测模型，利用在冀东水泥股份有限公司采集的数据进行建模和研究，验证了方法的可行性和有效性。壮炳良等[10]介绍了模型预测控制技术在某5 000 t/d水泥生产线的应用，用基于实验数据的神经网络模型作为过程模型，投运后单位熟料所耗煤量降低了约4个百分点。吴玉宁等[11]介绍了同一MPC技术在水泥生产线的应用，结果是熟料产量提高6个百分点，煤耗和电耗都有所降低。Konrad S等[12]介绍了基于机理建模的MPC技术在水泥窑的应用，投运后工况参数的波动性大大降低。以上大多数是针对水泥窑的过程控制，而未考虑到优化控制。因此，难以满足企业对节能降耗增产、实现效益最大化等要求，所以需要一种既能满足控制要求又能满足优化要求的控制算法。

本文介绍MPC技术在陕西榆林某水泥公司3 000 t/d水泥生产线上的成功应用。

1 水泥窑工艺流程简介

以回转窑为核心的熟料煅烧系统是水泥生产过程的关键环节。回转窑具有 4%左右的倾斜度，通过不停转动让物料在回转窑内搅拌混合发生反应。生料经过换热和预分解后进入回转窑，由窑尾向窑头运动，在窑内进一步分解。窑尾罗茨风机将煤粉送入分解炉内，窑头罗茨风机将煤粉从窑头喷入，对生料进行煅烧，回转窑内的热量来源主要就是来自于窑头喷煤燃烧产生的热量。煤粉在回转窑内剧烈燃烧放出大量热量，高温气体在窑尾高温风机抽引下，向窑尾流动，与物料的运动方向相反，物料通过接受高温气体和火焰交换的热量，最终被煅烧成熟料。熟料烧成后滑落至篦床上急剧冷却，在往复推动的篦板推送下，沿着篦床分散形成一定厚度的料层，冷却风从料层下方向上吹入，对熟料进行冷却，同时回收高温熟料的显热，提高系统的热效率和熟料质量。

2 控制难点分析

（1）多变量强耦合。回转窑系统内部控制输入输出变量众多，实际工况复杂且各控制变量与被控变量之间存在着强耦合性[13]，一个控制变量的改变会被动的引起多个被控变量的变化，同时，一个被控变量也可能同时受到多个控制变量的影响。

（2）窑内温度控制[14]：回转窑内的物料反应所需要的热量主要通过煤粉燃烧放热来提供，喂煤量的多少直接影响回转窑内的煅烧温度。但是在实际生产过程中，会受到窑内通风情况和风煤配比以及煤粉是否完全燃烧等工况的影响。

（3）窑头负压控制：被控目标为窑头负压，控制变量为窑头排风机和篦冷机风机的转速。如果窑头负压过高甚至出现正压，就会造成窑内氧气含量不足，使煤粉不能进行充分的燃烧；反之则有可能损伤窑头罩，影响熟料的质量。

（4）篦冷机控制[15]：通过调节篦冷机篦速和篦冷机风机频率来调整篦床压力，但篦冷机涉及的工况较多，很难进行精确的调控。篦速过快会导致二次风温度低，不能充分地利用热量。蓖速过快，蓖下压力越高。

能否对以上这些关键工艺参数实现精确的控制，直接影响着水泥生产熟料质量的好坏。

3 控制算法描述

MPC 控制算法使用多目标层优化方法，控制每个CV使其与设定值相同或在某个区域内。在稳态经济优化中，采用了线性规划和二次规划技术，每个MV和CV都分配了相应的理想重置值。在每一个控制采用周期内，MPC控制算法都包含以下三个步骤：预测、稳态优化和动态控制。

预测步骤是在辨识得到的模型基础上，使用MV、DV和CV当前的测量值对被控变量未来可能出现的值进行预测，预测值将会在后续的稳态优化层和动态控制层中使用。

在稳态优化层中，先分析可行性，检查是否存在足够大小的自由度来控制全部被控变量，当自由度不足以控制所有被控变量时，可以按照每个被控变量的优先级别和权重因子来进行选择；反之，自由度充足的情况，进行经济优化。经济优化结合使用了线性规划和二次规划：

式中:u—MV向量，y—CV向量，IRVu—理想状态的MV的重置值向量，IRVy—理想状态的CV重置值向量，wu—MV的二次规划权重对角矩阵，wy—CV的二次规划权重对角矩阵，b1—MV的一次规划权重向量，b2—CV的一次规划权重向量，s.t.—约束条件，G—模型增益矩阵，—在t采样时刻的偏差，—MV的上下限，—CV的上下限。

在动态控制层中，基于辨识得到的模型，根据被控变量的未来预测值计算出相应的控制变量动作，使得生产过程最终能够达到稳态，即稳态优化中得到的稳态值。动态控制层的计算也使用了二次规划：

式中:P—预测步长，M—控制步长，Q—CV的二次规划权重对角矩阵，R—MV的二次规划权重对角矩阵，S—MV的增量权重对角矩阵，yref(t)—CV闭环响应曲线的理想状态，y*和u*—在稳定优化中已经确定的稳态值（MV和CV），Tresp—每个CV的闭环稳态时间。

4 MPC系统的应用

模型预测控制（MPC）技术在水泥工艺流程中，有两个功能是最为突出且尤为重要的：一是大大降低有关工艺参数波动幅度的大小；二是使有关工艺参数尽可能的贴近内部约束条件的边界，实现工艺参数的卡边优化以获得最大的经济效益。

对陕西榆林某水泥生产线引入MPC控制系统后，对喂煤量、窑头引风机频率等关键变量实现了自动调节，以下选取窑头送煤风机电流、窑尾三级筒出口温度、窑头负压为对象，进行投运先进控制系统前后的对比分析。

图1是窑头送煤风机电流投运先进控制与手动控制的比较，时间段为24小时。投运先进控制后曲线波动大幅度降低，标准差降低了 72.3%，稳定了对窑头煤量的输入控制。

图1 窑头送煤风机电流（先进控制投运前后对比图）

图2是三级筒出口温度在投运先进控制与手动控制的比较，时间段为24小时。投运先进控制后曲线波动大幅度降低，标准差降低了 69.8%。三级筒出口温度波动的降低可以大幅度节约煤的用量并且提高熟料质量。从工艺角度讲，尾煤控制存在不敏感区域。也就是说当尾煤量大于某个阈值后，燃烧不充分，燃烧效率反而会降低。手动操作时为了保证煅烧温度，窑操偏向于多给煤；而自动控制时由于控制器的控制品质高，煤量一般在完全燃烧的最佳区间内调整。

图2 三级筒出口温度（先进控制投运前后对比图）

图3是窑头负压投运先进控制与手动控制的比较，时间段为24小时。投运先进控制后曲线波动大幅度降低，标准差降低了 77.3%。窑头负压的控制稳定有利于提高窑内煅烧温度的稳定性和冷却风机供给窑系统风量的平衡程度。

图3 窑头负压（先进控制投运前后对比图）

5 总结

本文针对水泥回转窑内存在的控制问题提出了一种模型预测控制方法，并将该MPC技术在一条3000 t/d水泥生产线上成功应用，数据结果表明：与手动控制相比，大大降低了关键工艺参数的波动性，窑头送煤风机电流标准差降低了 72.3%，三级筒出口温度标准差降低了 69.8%，窑头负压标准差降低了77.3%。

该MPC系统自2020年12月投运至今已有4月，结果证明，MPC技术应用在水泥工业可以减轻操作人员的工作负荷，提高水泥成品的质量，增加企业效益。