基于PID-DMC与大数据建模的智能控制方法与流程

本发明涉及过程控制，特别涉及基于pid-dmc与大数据建模的智能控制方法。

背景技术：

1、原油在管道传输过程中，含有蜡的原油在常温下黏度较高，需要加热降低其黏度才能使其流动。然而，加热原油存在目标温度的要求。如果目标温度过高会浪费能源，对供液能力差的油井还可能导致加热炉出现结焦报废的风险；而目标温度过低则容易堵塞管道。传统上，人工调节外输温度来加热原油，但这依赖于操作人员的技能和经验。

2、在实际运行中，油田现场面临复杂多变的工况和来自外部的干扰。需要及时响应各种工艺切换、加热温度目标改变和加热介质水流量突变等变化，以达到所需的生产控制效果。

3、在生产过程中，工人有固定的工作时间，特定的生产工艺需要在这段时间内进行。例如，热洗工艺需要保持加热介质水的出口温度在70℃。如果加热介质水在工人工作时间之前就已经达到70℃，则会浪费能源；如果在工作时间内仍未达到70℃，则会影响生产。

4、由于油田站场的传输管道较长，加热炉容积大，并且存在不同生产工艺切换的需求，温度控制面临的挑战包括滞后时间较长、受到严重干扰以及非线性对象的控制等问题。

技术实现思路

1、本发明的目的，就是针对现有技术的不足，基于pid-dmc算法与大数据建模，解决了原油在管道传输过程中的温度控制不及时的问题，避免了传统的人工调节外输温度存在的能源浪费和操作风险。结合了大数据建模和多个关键点位考虑，能够快速调整燃气流量以稳定加热介质水的温度。通过提前加热介质水，并在指定时刻使其达到目标温度，可以在固定的工人生产工作时间内保持稳定。这既满足了生产需求，又节约了能源，有效解决了现有加热炉控温所存在的技术问题。

2、为实现上述目的，本发明实施例提供了基于pid-dmc与大数据建模的智能控制方法，所述方法包括：

3、(1)、计算原油温度目标值与原油温度实际测定值的控制误差以及原油温度变化率；

4、(2)、判断所述控制误差是否大于第一阈值并且温度变化率是否大于第二阈值，若是，执行步骤(3)，若否，执行步骤(4)；

5、(3)、建立燃气流量的推荐控制量模型，并通过所述推荐控制量模型计算所述燃气流量的推荐控制值，将所述推荐控制值输入pid控制器控制原油温度；

6、(4)、分析历史数据找出符合阶跃响应的模型，并将模型输入dmc控制器控制原油温度；

7、(5)、从历史温度数据中获取温度曲线，并根据所述温度曲线确定温度转折点；通过所述温度转折点确定加热开始时间和温度控制策略；

8、(6)、判断所述原油温度实际测定值是否达到并满足要求的时间内稳定维持在所述原油温度目标值，若是，则结束控制，若否，则继续执行步骤(1)。

9、优选的，所述建立燃气流量的推荐控制量模型，并通过所述推荐控制量模型计算所述燃气流量的推荐控制值，具体包括：

10、(21)、选择影响原油温度的关键点位；

11、(22)、设定时间窗口和滑动步长；

12、(23)、计算每个所述关键点位在所述时间窗口内的标准差；

13、(24)、通过稳定性阈值判断所述时间窗口的工况数据是否稳定；

14、(25)、提取稳定时间窗口内的平均值；所述平均值包括第一平均值和第二平均值；

15、(26)、构建推荐控制量模型，并使用所述第一平均值作为所述推荐控制量模型的输入数据集，使用所述第二平均值作为所述推荐控制量模型的输出数据集；

16、(27)、训练所述推荐控制量模型；

17、(28)、通过所述推荐控制量模型计算所述燃气流量的推荐控制值。

18、优选的，所述从历史温度数据中获取温度曲线，并根据所述温度曲线确定温度转折点，具体包括：

19、(31)、对历史温度数据进行预处理，去除异常值和对缺失值进行插值，得到温度曲线；

20、(32)、计算所述温度曲线中从初始时刻开始，与初始时刻的温度差值为局部最大值或局部最小值的时刻；

21、(33)、计算所述温度曲线中当前时刻与局部最大值或局部最小值的时刻的温度差值，若所述温度差值大于温度转折阈值，则将当前时刻记录至温度转折数组；

22、(34)、返回所述温度转折数组，所述温度转折数组中存储有温度转折点。

23、进一步优选的，所述方法还包括：

24、根据所述温度转折数组计算稳定阶段结束时间点，并划分所述温度曲线的升温阶段、降温阶段和稳定阶段。

25、进一步优选的，所述通过所述温度转折点确定加热开始时间，具体包括：

26、(51)、统计多个燃气流量和介质水流量情况下加热原油的升温时间分布数据；

27、(52)、根据所述升温时间分布数据构建加热能力模型，并求得加热能力曲线；所述加热能力曲线是可达最大温度随升温时间变化的曲线；

28、(53)、设计加热过程的预期轨迹，确定加热开始时间，实现在特定时刻将原油加热至所述原油温度目标值。

29、优选的，所述温度控制策略包括快速升温模式和节能升温模式。

30、本发明实施例提供的基于pid-dmc与大数据建模的智能控制方法，先计算原油温度目标值与原油温度实际测定值之间的控制误差以及原油温度变化率，当控制误差大于第一阈值并且温度变化率大于第二阈值，则建立燃气流量的推荐控制量模型，并通过推荐控制量模型计算燃气流量的推荐控制值，并输入pid控制器控制原油温度；如果控制误差不大于第一阈值或者温度变化率不大于第二阈值，则通过对历史数据的分析找出符合阶跃响应的模型，输入dmc控制器控制原油温度；从历史温度数据中获取温度曲线，并根据温度曲线确定温度转折点，通过温度转折点确定加热开始时间和温度控制策略；当原油温度实际测定值达到并满足要求的时间内稳定维持在原油温度目标值时，结束控制，否则，循环执行上述步骤。本发明基于pid-dmc算法与大数据建模，解决了原油在管道传输过程中的温度控制不及时的问题，避免了传统的人工调节外输温度存在的能源浪费和操作风险。既满足了生产需求，又节约了能源，有效地解决了现有加热炉控温所存在的技术问题。

技术特征：

1.基于pid-dmc与大数据建模的智能控制方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于pid-dmc与大数据建模的智能控制方法，其特征在于，所述建立燃气流量的推荐控制量模型，并通过所述推荐控制量模型计算所述燃气流量的推荐控制值，具体包括：

3.根据权利要求1所述的基于pid-dmc与大数据建模的智能控制方法，其特征在于，所述从历史温度数据中获取温度曲线，并根据所述温度曲线确定温度转折点，具体包括：

4.根据权利要求3所述的基于pid-dmc与大数据建模的智能控制方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的基于pid-dmc与大数据建模的智能控制方法，其特征在于，所述通过所述温度转折点确定加热开始时间，具体包括：

6.根据权利要求1所述的基于pid-dmc与大数据建模的智能控制方法，其特征在于，所述温度控制策略包括快速升温模式和节能升温模式。

技术总结
本发明实施例涉及基于PID‑DMC与大数据建模的智能控制方法，计算原油温度目标值与原油温度实际测定值的控制误差以及原油温度变化率，判断控制误差及温度变化率是否满足要求，是则建立推荐控制量模型计算燃气流量的推荐控制值，输入PID控制器控制原油温度，否则通过对历史数据的分析找出符合阶跃响应的模型，输入DMC控制器控制原油温度；获取温度曲线，并确定温度转折点，确定加热开始时间和温度控制策略；当原油温度实际测定值达到并满足要求的时间内稳定维持在原油温度目标值时，结束控制。本发明解决了原油在传输过程中的温度控制不及时的问题，避免传统的人工调节外输温度存在的能源浪费和操作风险，有效地解决了现有加热炉控温所存在的技术问题。

技术研发人员：何春辉,郭卫猛,刘永才
受保护的技术使用者：深圳市佳运通电子有限公司
技术研发日：
技术公布日：2024/3/21