邵之江、方学毅、王可心、陈曦、陈伟锋编著的《复杂流程系统的实时模拟与优化》围绕复杂流程系统的模拟与优化，从非线性规划算法内核、模拟与优化技术、流程对象的优化应用三个层面论述相关理论和方法。本书汇集了作者在鲁棒优化算法构造、收敛性增强、先进初值策略、高效实时算法、优化求解器参数整定等多方面长期的理论和技术研究成果，系统地阐述了提高流程模拟与优化收敛性和实时性的新思路和新方法。结合PTA装置、空分装置的流程模拟与优化实践，对软件开发、系统实施等进行了介绍。
　　由于流程对象的特征，本书关注的是处理大规模、复杂、连续的优化问题。相应地，本书偏重于大规模优化技术，例如内点法、简约空间方法、序列二次规划方法；针对复杂系统模型存在的线性相关／病态／奇异等特征带来的优化求解局限性和收敛困难、非线性系统模拟／优化的初值敏感性、刚性收敛准则对计算效率的负面影响、优化求解器在计算实践中的性能瓶颈等问题，分别提出了相应的解决方法。虽然本书的讨论范畴是流程系统的稳态模拟与优化，但是所述理论与方法同样适用于联立策略下的动态系统求解。
　　本书可以作为运筹学、应用数学、系统工程等领域的科研参考，了解大规模非线性规划技术的应用基础理论现状；也可供化学工程等相关应用领域的研究人员和工程技术人员参考。

　　第1章绪论
　　流程工业或称过程工业（processindustry），是形成人类物质文明的基础工业。流程工业主要通过物理变化和化学变化，实现大宗原料型工业产品的生产、加工、供应、服务。流程工业包括石化、化工、冶金、制药、电力、建材、轻工、造纸、采矿、环保、电力等，是国民经济中占有主导性的行业。目前有超过70家流程工业企业位于全球500强的行列，占15%左右。我国流程工业占全国企业年总产值的60%以上。流程工业的发展状况直接影响到国家的经济基础，是国家的重要基础支柱产业。
　　流程系统（processsystem）是指由被加工的物流或能量流经过的诸单元工序所构成的系统，是一种各单元间根据生产工艺要求互相联结形成的复杂网络。其主要生产过程为连续生产。其相应原料和产品多为均一相（固、液或气体）的物料，而非由零部件组装成的物品。其产品质量多由纯度和各种物理、化学性质表征。
　　流程工业的具体特点可以表述如下。
　　(1)大批量连续生产：在生产过程中，过程工业的物流和能流都相对连续、稳定，生产装置各工序间通常以管线、储罐连续衔接，工艺流程及产品相对稳定。由于采用大批量生产的模式，流程企业的订单通常与生产无直接关系。企业只有满负荷甚至超负荷生产，才能降低单位产品成本，在市场上具有竞争力。因此，流程工业企业一般按年度决定当年的生产计划和销售计划，并以此决定企业的物料平衡，即物料采购计划。一般情况下，企业按月份签订供货合同以及结算货款。每日、每周生产计划的物料平衡依靠原材料库存来保证和调节。流程企业的这一特点使得生产计划在企业全年度的生产经营中具有十分重要的地位，这也对生产计划的合理决策提出了很高的要求。
　　(2)过程操作复杂、控制精度要求高：过程工业的开车、停车程序十分复杂而且代价巨大，一般不允许非计划停车。工段、设备、操作变量之间存在十分严重的耦合现象。这使得对某一参数进行调节往往会引起其他参数以及后续流程产品质量的变化，甚至可能引发生产事故。所谓“牵一发而动全身”。因此，过程工业产品质量的控制要从全过程的角度，基于工艺机理对过程中所有的单元设备进行协调控制，同时必须确保测量、控制的精度和稳定性，才能保证生产过程的安全、平稳、高效、优质。相比之下，离散制造业虽然也要求控制的精确性和稳定性，但工序内部操作条件的变化一般不会影响到其他工序。因此具有较强的容错能力。
　　(3)过程工业和离散制造业的优化目标与调节手段不同：过程工业以安全、稳定、均衡、长周期、高负荷、高质量、高收率、低物耗能耗和小污染为目标，调节手段主要是保证生产过程的工艺参数尽量维持在最优操作工况。而离散制造业往往以缩短供货周期、提高设备利用率、减少库存、实现柔性生产等为主要目标，以调整生产计划、优化排序、优化分配负荷为调节手段。
　　(4)过程工业特别强调安全、环保、节能：过程工业的生产常常是在高温高压、易燃易爆以及有毒的条件下进行的。从安全和环保的角度出发，对生产环境、管理和控制提出了很高的要求。同时，从提升能量利用率的角度出发，对于高温高压或超低温的环境下的热量/冷量的回收利用，减小热损失也提出了很高的要求。
　　当代不断加剧的全球化市场竞争是流程工业企业面临的一个严峻挑战。流程工业市场日趋全球化和动态化，企业间竞争不断加剧，这些都导致流程工业企业利润的持续缩减［14］。国内流程工业企业在不同程度上存在能耗高、成本高、劳动生产率低、资源利用率低的特点。过程生产中流程系统的实时模拟与优化已成为有效提高企业效益的重要技术途径。
　　11流程系统中的模拟技术
　　流程系统的模拟是根据对流程的充分认识和理解，以工艺过程的机理模型为基础，运用数学方法对过程进行建模描述，并通过计算机辅助计算的手段进行过程的热量衡算、物料衡算、设备规模估计和能量分析［5］。流程模拟可为工程设计与改造、流程剖析、优化控制、环境与经济评价和教学培训等提供强有力手段，不但能够从系统整体角度分析和判断工艺流程的好坏，还可以对新开发的工艺流程提供可靠预测，这些均有助于提高工作效率和决策的科学性［6］。
　　流程系统模拟技术从20世纪50年代开始发展起来，至今已经历了四代。1958年美国Kelbgg公司推出全球第一个化工模拟程序HFlexibleFlowsheet，并将其用于工程设计中单元操作设备的工艺计算。20世纪70年代开始出现了一系列稳态流程模拟软件，如ASPEN、PROCESS、SPEEDUP和HYSIM等。这些软件在流程工业领域产生了巨大的影响。20世纪80年代中后期开始，流程模拟技术走向了成熟期。这些软件在功能和可靠性方面不断增强，其应用范围不断拓宽，成本大幅下降。随着能源的短缺情况和市场竞争的加剧，国外流程模拟软件转向以生产企业为主，成为流程企业的计算机辅助工程（CAE）核心和计算机集成制造系统（CIMS）基础，效益明显。稳态模拟技术趋于成熟。国际上流程模拟领域有代表性的而且应用较好的通用流程模拟软件有PRO/II、AspenPlus和HYSIM（已被美国AspenTech收购）。从20世纪90年代开始，模拟技术从“稳态”和“离线”走向“动态”和“在线”，并向实时优化发展。这一时期，新的模拟软件不断问世。如加拿大HYPROTECH公司的HYSYS、美国AspenTech公司的CustomModeler和DYNAMICS等。
　　数学模型在流程模拟中处于核心地位。流程系统的数学模型由化工单元模型和各单元间拓扑结构模型两部分组成。流程模拟的目的是根据流程拓扑中已知流股的数据及过程参数，确定包含流程系统输出在内的所有流股的数值，或是根据已知过程流股的状态值计算可满足设计规定的过程参数值。目前，主流的求解方法主要包括序贯模块法（sequentialmodularapproach）、联立方程法（equationorientedmethod）、联立模块法（simultaneousmodularapproach）、数据驱动法和人工智能法。
　　(1)经典的序贯模块法相当于对全流程系统的非线性方程组作降阶处理。这种方法建立在化工流程中的大多数变量间无函数关系的基础之上，借助分隔手段将系统分解为若干子方程组，按照流程拓扑的结构顺序进行联立求解，且各方程组之间被流股连接方程约束。应用序贯模块法方法可避免联立求解大型方程组时对存储空间的要求，做到简化问题，方便计算，但是当流程结构较为复杂时，该算法收敛性较差。
　　(2)联立方程法的基本思想是将描述过程系统的所有方程全部联立起来统一进行求解。此时，流程系统模拟问题的求解转化为纯粹的数学计算问题。建立大规模过程系统模型、继承已开发的大量单元模块、设计变量的选择和初值的构造以及求解时错误诊断困难等是联立方程法所面临的难题。
　　(3)联立模块法在序贯模块法与联立方程法两种方法间取长补短，故又称双层法。其思想是首先确定流程中各模块的简化模型，模型中通常含有待估计模型参数。然后在单元模块级进行严格模型模拟，以一定精度回归待估参数值。再将各估计后的模型连接起来在流程级上求解。联立模块法避免了序贯法设置收敛模块导致收敛效率低，以及联立方程法在求解大规模方程组等方面的缺点。
　　(4)数据驱动法是一种以数据库为中心的模拟方法。该方法首先根据用户需求建立数据库框架并利用用户提供的数据驱动各种算法和物性程序，将数据库填满，对数据校核无误达到一定的精度后再将数据返回给用户。
　　(5)人工智能法是利用专家知识参与流程系统模拟的方法。用这些知识产生过程模拟的缺省初值，判断模拟进展正常与否，并根据标准加以校正，使过程模拟得以收敛。
　　12流程系统中的优化技术
　　流程系统的实时优化（realtimeoptimization，RTO）是指结合工艺知识和现场操作数据，通过快速、高效的优化计算技术对操作运行中的生产装置参数进行优化调整，增强其对环境变化、原材料波动、市场变化等的适应能力，保持生产装置始终处于高效、低耗并且安全的最优工作状态的技术。RTO可以通过增加产量，提高产品质量，使生产过程始终运行在最佳工况上；可以通过经济目标的寻优，减少原料和能源的消耗，减少废弃物的排放；可以通过监测、预警、自动调整，延长设备的运行周期，减少催化剂的消耗；可以使得来自计划调度的市场信息在操作层面得到及时的贯彻实施，迅速在生产过程中反映市场供求关系的变化；可以进一步深化工艺人员、操作人员对过程工艺与操作的了解，有助于工艺的改进和操作策略的调整。
　　一个工业装置一旦投入运行，将始终被一系列的影响因素所干扰，使得现场运行的操作点逐渐偏离原先最优设计时确定的最佳工作点。这些影响因素可分为外部和内部不确定性两种［7］。
　　(1)外部不确定性：原料变化，包括进料量、原料特性（组成、温度等）；公用资源的供应约束，如能耗；市场需求变化，来自决策部门的产品规格发生的调整；气候变化。
　　(2)内部不确定性：装置设备特性漂移，如换热器结垢、催化剂活性发生变化，以及来自流程中其他单元的影响，如蒸汽量波动、循环物料。
　　其中第(1)类外部不确定性影响因素主要来自于上层环节，第(2)类内部不确定性因素主要来自于下层环节和过程装备。RTO的目标就是，通过实时采集生产数据，监测过程运行状况，在满足所有约束条件的前提下，不断实时地调整下层环节的工作点，以克服内部和外部不确定性因素，从而保证过程始终能够得到最佳的经济效益［8］。RTO系统具有在线自动运行的特点，从数据采集、模型修正，到优化计算和实施，构成一个闭环，无需人工干预［9］。这里将流程系统的实时优化分为稳态和动态两种类型加以论述。
　　121流程系统的稳态实时优化
　　〖*2〗1RTO的发展和现状
　　RTO的概念于20世纪50年代提出。由于当时软硬件条件的限制、相关优化理论研究尚不完善，一直以来未能在流程工业领域得到推广和应用。直至20世纪80年代，壳牌公司对在线大规模优化进行了首次尝试。该公司开发了具有20000个变量和方程的模型并采用序列二次规划算法（sequentialquadraticprogramming，SQP）对优化命题进行求解。1986年壳牌公司开发了Opera软件包，并用于乙烯生产设备上。Opera后来成为许多RTO软件包的基础，如DMO和ROMeo。DMO于1988年应用于美国太阳石油公司（Sunoco）的加氢裂化器实时优化上，并于1991年应用于美国莱昂德尔化学公司（Lyondell）的炼油厂。日本三菱化成工业公司（MitsubishiChemical）于1994年在变量和方程数高达200000的系统上应用了RTO技术。
　　目前随着RTO理论日趋成熟，计算机硬件、软件和网络技术发展迅猛，加上国际竞争压力的日益迫切以及来自流程工业企业的呼声日益高涨，RTO技术与软件得到了前所未有的发展契机。其在流程工业中的普及度日益提高。多个过程控制系统供应商和独立高科技软件与工程公司投入了大量人力、物力进行研究开发，推出了各自的实时优化软件，如AspenTech公司的RTOpt、SimulationScience公司的ROMeo、Honeywell公司的ProfixMax、Emerson公司的RTO+（原MDCTechnology公司产品）等。RTO的应用领域涉及天然气加工、原油蒸馏和分馏、催化裂化、加氢、溶剂脱蜡、减黏、延迟焦化、硫回收、乙烯装置、合成氨、PET（聚酯）、苯乙烯、氯乙烯单体、用能组合、炼厂装置及整体等。这些软件在几百家大型石化、化工、炼油、钢铁等工厂企业中应用成功，取得了很好的应用效果。目前AspenTech公司在RTO工业应用领域中占有80%的份额。仅2003年AspenTech就在流程工业领域实现了52套RTO系统，其中乙烯生产流程18套，炼油厂生产流程24套，其他化工流程10套。活跃在RTO技术领域的公司还包括ABB、EmersonProcessManagement、GEControls、Honeywell、InvensysPS和ShellGlobalSolutions等。
　　发达国家工业企业的成功经验表明，实时操作优化技术是流程工业企业
　　……

《信息化与工业化两化融合研究与应用》序
前言
第1章 绪论
1.1 流程系统中的模拟技术
1.2 流程系统中的优化技术
1.2.1 流程系统的稳态实时优化
1.2.2 流程系统的动态优化
1.3 流程模拟和优化技术的研究现状与趋势
1.3.1 流程系统的发展趋势
1.3.2 流程系统的建模技术
1.3.3 数据校正和参数估计
1.3.4 单层结构RTO
1.3.5 动态RTO
1.4 实时模拟与优化中的关键问题
1.4.1 鲁棒求解策略
1.4.2 高效求解策略
1.5 本书的组织结构
参考文献
第2章 非线性规划算法及其鲁棒扩展
2.1 非线性规划基础
2.1.1 最优解及最优性条件
2.1.2 收敛速度
2.1.3 全局化策略
2.2 非线性规划算法及其简约空间实现
2.2.1 序列二次规划算法——SQP
2.2.2 内点法——IPM
2.2.3 简约空间方法
2.3 线性相关系统求解
2.3.1 结构正则化方法
2.3.2 变维法
2.4 可行性恢复阶段
2.4.1 障碍法可行性恢复
2.4.2 投影梯度可行性恢复
2.4.3 无可行性恢复的鲁棒算法
2.5 小结
参考文献
第3章 回溯同伦法——HBM
3.1 背景和问题介绍
3.2 回溯同伦算法及其实现
3.2.1 变工况同伦序列问题构造
3.2.2 HBM算法的实现
3.3 性能分析与讨论
3.3.1 算法大范围性能收敛测试
3.3.2 流程物理边界搜索
3.3.3 回溯系数的影响
3.3.4 多维工况变量
3.4 基于灵敏度的回溯同伦算法——SHBM
3.4.1 SHBM方法
3.4.2 数值实验
3.5 小结
参考文献
第4章 记忆增强型实时优化算法——MEO
4.1 MEO思想
4.2 MEO方法和分析
4.2.1 MEO框架
4.2.2 理论分析
4.3 基于灵敏度的MEO方法——sMEO
4.3.1 sMEO方法
4.3.2 数值实验
4.4 MEO方法的全局最优性扩展——gMEO
4.4.1 gMEO方法
4.4.2 数值实验
4.5 MEO软件架构与功能模块开发
4.5.1 MEO软件系统架构
4.5.2 MEO框架总体设计
4.5.3 标准数据接口与数据结构设计
4.6 MEO功能模块开发
4.6.1 MEO全局函数及数据
4.6.2 计算服务集对外接口设计
4.6.3 计算服务集各服务的设计与开发
4.6.4 监控配置服务集的设计与开发
4.7 MEO在Aspen Plus下的应用
4.7.1 Aspen Plus中调用MEO框架
4.7.2 MEO框架在Aspen Plus下应用实例
4.8 小结
参考文献
第5章 收敛深度控制算法——CDC
5.1 收敛深度控制的提出
5.2 基于简约空间SQP算法的收敛深度控制
5.2.1 收敛深度控制准则
5.2.2 收敛准则性质证明
5.2.3 数值实验
5.3 基于内点法的收敛深度控制
5.3.1 收敛深度控制准则
5.3.2 收敛准则性质证明
5.3.3 数值实验
5.4 小结
参考文献
第6章 优化求解器的参数自动整定——PAT
6.1 优化求解器参数与性能的关系
6.2 基于启发式和直接搜索算法的参数自动整定框架
6.2.1 参数自动整定整体算法框架概述
6.2.2 启发式算法及参数关联性的处理
6.2.3 直接搜索算法
6.2.4 算法框架的实施
6.2.5 数值实验
6.3 基于随机采样的参数自动整定算法
6.3.1 随机采样参数整定算法和改进随机采样参数整定算法
6.3.2 数值实验
6.4 小结
参考文献
第7章 开放架构的流程模拟与优化软件体系
7.1 流程模拟软件的研究和开发
7.2 Aspen Open Solvers接口集描述
7.3 基于AOS接口的内点算法求解器
7.3.1 求解器接口的实现和IPOPT的封装
7.3.2 标度化技术
7.4 扩展Aspen Plus对CAPE—OPEN优化求解器的兼容性
7.5 数值实验
7.6 小结
参考文献
第8章 PTA生产过程实时模拟与优化
8.1 PTA生产过程介绍
8.2 氧化反应器建模
8.3 氧化工段全流程仿真模拟
8.3.1 高压吸收塔模拟结果
8.3.2 溶剂汽提塔模拟结果
8.3.3 溶剂脱水塔系统模拟结果
8.4 PTA生产过程实时模拟与监控系统
8.4.1 计算服务系统技术构架
8.4.2 监控系统服务端软件
8.4.3 监控系统客户端软件简介
8.4.4 系统预测成效分析
8.5 PTA生产过程的实时操作优化
8.6 小结
参考文献
第9章 空分生产过程变负荷模拟与优化
9.1 工业低温空分装置流程介绍
9.2 低温空分流程建模及模拟
9.2.1 热力学模型选择
9.2.2 面向工业装置操作模拟的变量设置方案
9.2.3 稳态流程模拟结果
9.3 空分装置变负荷操作优化命题
9.4 空分自动变负荷操作优化求解
9.4.1 工况可行域分析
9.4.2 同伦法求解近似不连续解
9.4.3 不等式约束的同伦路线构造
9.5 自动变负荷优化结果与工业装置数据对比
9.5.1 自动变负荷问题的可行产量组合
9.5.2 自动变负荷问题的物理边界分析
9.6 小结
参考文献
索引