朱豫才：水泥生产线的模型预测控制与运行优化

一直以来，数字化、工业互联网催生巨大的流程工业智能制造市场。流程工业包括石化、化工、发电、钢铁、水泥、玻璃、造纸、采矿等，是国民经济的基础，同时是经济体中耗能最大、污染最多的行业。在双碳目标形势下，流程工业产能过剩，从靠产能赚钱，变为靠质量和效率赚钱，环保压力巨大，面临很大挑战。

近日，浙江大学控制学院教授朱豫才以《水泥生产线的模型预测控制与运行优化》为主题进行精彩演讲，详细介绍了模型预测控制技术、水泥厂自动控制与优化方案等内容。

朱豫才表示，智能水泥厂应基于智能建模的模型预测控制和运行优化，模型预测控制与运行优化大有可为。在流程工业实现全面自动化生产，即智能制造，可以提高生产的安全性，节能1% - 5%，提高收益1% - 5%，减少污染物生成5% - 50%。

一、绪论：水泥厂自动控制与优化中的问题和挑战

朱豫才指出，水泥工业数字化转型及智能制造是一项迫切的任务，原因在于多数水泥生产线运行是远程手动，自动化及优化空间大。

水泥生产线运行中的干扰因素有生料成份变化和燃料成分波动；水泥装置自动化的困难分别是干扰幅度大，复杂多变量约束控制问题，使用PID控制困难以及建模困难。

基于以上问题，故提出基于智能建模的水泥厂先进控制与优化技术，同时介绍四条水泥生产线应用案例，包括窑线和磨机。

水泥工业的智能制造现状

动态模型的建立/维护，是实现每一层自动/闭环的关键。

二、模型预测控制技术简介

使用过程模型对被控变量进行预测，使用过程模型和优化算法计算控制变量控制动作。 

模型预测控制系统硬件结构

模型预测控制技术关键技术是智能建模。系统辨识就是用测试数据建立系统数学模型的理论和方法，已有60多年历史。

基于智能建模的智能制造技术可以使建模效率提高3-10倍。多变量、闭环、自动系统辨识（建模）理论与技术可以实现“四个自动”。自动最优激励信号设计，多变量、闭环、自动测试，自动确定模型阶次，自动模型参数估计，自动模型检验，给出每个模型A, B, C, D评级。智能制造技术的用户包括，埃克森-美孚、霍尼韦尔、拜尔、巴斯夫等世界500强。

已开发基于智能建模关键技术

Tai-Ji MPC® 模型预测控制(MPC)技术是三个模块的整合，是闭环、自动在线辨识技术和控制器参数的自动整定技术以及高精度、低成本、国际领先的建模技术。

三、水泥生产线模型预测控制与优化系统

1、水泥窑线预测控制与优化

控制目标有四个，分别是：降低分解炉出口温度等温度波动，降低O2、CO、NOx波动，降低窑头负压、篦冷机压力、窑电流波动，降低f-CaO波动。

运行优化目标有四个，分别是：提高f-CaO均值并/或提高f-CaO合格率，提高窑头负压均值，优化O2，以优化燃烧，进料极大化，以提高产量。

2、水泥生料磨预测控制与优化

控制目标有两个，分别是降低各被控变量波动和保证生料细度。

运行优化目标: 是降低电耗并或者提高产量。

先进控制的两个作用是降低波动和卡边优化。

水泥生产线控制优化的运行改进与经济效益分别是：

（1）实现全面自动化，大大降低劳动强度，提高安全性

（2）降低温度, 压力, O2, NOx , f-CaO波动40~80%

（3）提高f-CaO合格率10~20%

（4）提高f-CaO均值20%

（5）增产1% ~ 3%

（6）节煤1% ~ 5%

（7）节电2% ~ 5%

（8）降低NOx生成10%

举例说明控制优化经济效益计算，假设某条水泥生产线日产5000吨，那么按照年耗煤成本2.1亿元，年耗电成本0.5亿元，年毛利2.2亿元计算，控制优化系统包括两个生料磨、回转窑和水泥磨，节煤2% 年经济效益420万元，节电2% 年经济效益100万元。得出结论，生产线总经济效益每年520万元。

四、四个应用案例及改进建议

案例一：山东泉兴水泥#3窑线预测控制，2018年投运，产能5000t/d

1、主要被控变量（CV）

分解炉出口温度

窑头负压

篦冷机一段压力

2、主要控制（操纵）变量（MV）

窑尾给煤量

窑头排风机频率

篦冷机转速

3、主要干扰变量（DV）

喂料量

山东泉兴水泥#3窑线预测控制，稳定运行

山东泉兴水泥#3窑线预测控制，最新f-CaO数据

案例二：山东泉兴水泥#3窑线预测控制，2018年投运，产能5000t/d

1、主要被控变量（CV）

分解炉出口温度

窑头负压

篦冷机一段压力

窑电流

f-CaO

2、主要控制（操纵）变量（MV）

窑尾给煤量

窑头排风机频率

篦冷机转速

某3台风机

分解炉出口温度设定值

窑电流设定值

山东平邑中联水泥厂#1窑线预测控制，手动控制与自动控制比较

案例三：陕西北元化工水泥厂#1窑线控制，2020-11投运，产能2500t/d

1、主要被控变量（CV）

分解炉出口温度

窑头负压

篦冷机一段压力

窑电流

2、主要控制（操纵）变量（MV）

窑尾给煤量

窑头排风机频率

篦冷机转速

北元化工水泥厂#1窑线预测控制，2020-11投运

陕西北元化工水泥厂#1窑线控制，2020-11投运

案例四： 新疆阿克苏青松建化水泥厂#1窑线预测控制，2021-03投运，产能2500t/d，项目范围：煤磨、生料磨、水泥磨、窑线

案例经济效益汇总

1. 山东泉兴水泥厂，5000t/d水泥线，2018年7月投运

实现分解炉温度、窑头负压、篦冷机一段压力自动控制

节煤15%，游离氧化钙合格率从80%升到99%

2. 山东某中联水泥厂，5000t/d水泥线， 2020年9月投运

实现窑线（分解炉、转窑、篦冷机）自动控制

节煤2.09%；节电2.76%；增加熟料产量1.36%

3. 陕西北元化工水泥厂，2500t/d水泥线，电石渣原料，2020年11月投运

实现窑线（分解炉、转窑、篦冷机）自动控制

节煤6.25%；节电2.07%

4. 新疆阿克苏某水泥厂，2500t/d水泥线，2021年3月投运

实现煤磨、生料磨、水泥磨和窑线（分解炉、转窑、篦冷机）自动控制

节煤2.68%；节电0.88%；水泥磨节电5.89%；水泥磨产量增加4.78%

改进建议：

1、稳定转窑内工况

增加控制（调节）变量：尾煤、窑速、高温风机、进料

2、增加在线分析手段

一是使用生/熟料成分分析仪和粒度分析仪，二是应用预测控制技术实现卡边优化，进一步节煤节电。

五、结论与展望

朱豫才指出，智能水泥厂是基于智能建模的模型预测控制和运行优化，经济效益的技术基础是显著降低关键参数的波动，>60%。

智能水泥厂要想获得典型效益，就要做到节煤2%，节电3%，增产1%，减少DCS人员50%。项目实施周期为2~4个月，半年内收回投资成本。

针对智能水泥厂建设，他提出三条改进建议，第一，使用烟气分析仪和窑内测温，以稳定窑内工况和优化燃烧。第二，控制器调节进料、高温风机、头煤、窑转速，增加控制和优化手段。第三，使用生/熟料成分分析仪和粒度分析仪，提高卡边优化精度。

此外，模型预测控制与运行优化大有可为。