(1.中國(guó)石油天然氣股份有限公司 北京油氣調(diào)控中心，北京 100007；2.中國(guó)石油天然氣管道工程有限公司，河北 廊坊 065000；3.中國(guó)石油天然氣股份有限公司管道分公司技術(shù)服務(wù)中心，河北 廊坊 065000；4.中國(guó)石油大學(xué)(北京)自動(dòng)化系，北京 102249；5.北京安穩(wěn)優(yōu)自動(dòng)化技術(shù)有限公司，北京 102249)

0 引言

隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，人們對(duì)于天然氣分輸站場(chǎng)控制的要求越來(lái)越高。為滿足安全穩(wěn)定的輸送工藝要求，天然氣分輸站場(chǎng)應(yīng)具有更高的可靠性、更高的控制精度、更合理的分輸方案，確保輸氣管線各個(gè)分輸站管線安全、穩(wěn)定、高效的運(yùn)行[1-2]。

目前天然氣站場(chǎng)調(diào)節(jié)閥控制的方式分為兩類[3]：一是帶調(diào)節(jié)閥控制器，它的控制邏輯功能全面、控制平穩(wěn)、自適應(yīng)能力強(qiáng)、智能化程度高，與站控PLC組成完整的下位機(jī)控制器組，在天然氣流量/壓力調(diào)節(jié)方面取得了不錯(cuò)的效果，但是其知識(shí)產(chǎn)權(quán)嚴(yán)格保密，自主調(diào)試運(yùn)行維護(hù)困難；二是不帶閥門控制器，分輸邏輯集成于PLC，這種情況下往往會(huì)遇到控制邏輯不統(tǒng)一、分輸操作繁瑣、控制精度低、無(wú)擾切換效果欠佳的情況，尤其是在上下游流量壓力變化較大的情況下調(diào)節(jié)效果不好。限流調(diào)壓的穩(wěn)定性和精準(zhǔn)度是調(diào)節(jié)閥的控制基礎(chǔ)，調(diào)節(jié)閥先進(jìn)PID控制方法、智能控制邏輯仍有提升空間。

國(guó)外許多相關(guān)廠家長(zhǎng)期對(duì)天然氣分輸站場(chǎng)的控制技術(shù)進(jìn)行研究[4]，控制的指標(biāo)和性能得到了提高，廣泛應(yīng)用于工業(yè)生產(chǎn)。如Metso、SAMSON、Tyco、EMERSON-Fisher、Honeywell以及Flowserve。其中，美國(guó)的Fisher-Rosemount公司的產(chǎn)品占到了世界25%左右的市場(chǎng)份額，同時(shí)也是我國(guó)的主要提供商家。但是國(guó)外的技術(shù)價(jià)格昂貴，而且很難和國(guó)內(nèi)目前使用的裝置相匹配，售后服務(wù)不完善，零部件配套困難。國(guó)外壟斷了高性能天然氣分輸站場(chǎng)控制的先進(jìn)技術(shù)，這些分輸站場(chǎng)一旦在正常生產(chǎn)期發(fā)生故障，維修不及時(shí)將會(huì)給工業(yè)生產(chǎn)帶來(lái)不可估量的損失。

天然氣分輸站場(chǎng)控制的原則是要減少人工干預(yù)，降低調(diào)節(jié)閥操作頻次和風(fēng)險(xiǎn)，掌握智能控制的核心技術(shù)，通過實(shí)驗(yàn)室測(cè)試及現(xiàn)場(chǎng)應(yīng)用形成示范效應(yīng)。為加強(qiáng)輸氣管道設(shè)計(jì)管理，規(guī)范輸氣管道站場(chǎng)工藝及控制操作過程，統(tǒng)一智能控制算法模塊的設(shè)計(jì)，提高設(shè)計(jì)效率和質(zhì)量。天然氣分輸站場(chǎng)控制技術(shù)的市場(chǎng)需求量非常大，為了能夠滿足國(guó)內(nèi)的工業(yè)生產(chǎn)需要，并降低工業(yè)的生產(chǎn)成本，同時(shí)也為了打破國(guó)外公司在站場(chǎng)分輸控制技術(shù)方面對(duì)我國(guó)的壟斷，研制出具有獨(dú)立自主知識(shí)產(chǎn)權(quán)的高性能天然氣分輸站場(chǎng)控制技術(shù)將具有重要現(xiàn)實(shí)意義和廣闊應(yīng)用前景。

圍繞天然氣分輸站場(chǎng)控制問題，我們?cè)谏钊敕治鲈斐煽刂普{(diào)節(jié)效果欠佳原因的基礎(chǔ)上，提出了基于前饋-反饋的控制解決思路；為解決調(diào)節(jié)閥流量特性隨時(shí)間變化而帶來(lái)的控制律失配問題，提出了自適應(yīng)規(guī)則；為驗(yàn)證方案的有效性，進(jìn)行了基于Stoner Pipeline Simulator(SPS)[5-6]的實(shí)際對(duì)象仿真控制實(shí)現(xiàn)驗(yàn)證。下面將逐一分別介紹。

1 天然氣分輸站場(chǎng)控制特殊性與控制存在的問題分析

天然氣輸氣管道的流量控制有其特殊性，由于管容的存在使得流量調(diào)節(jié)的滯后性較大，而且天然氣用戶的使用量隨周期變化明顯，因此調(diào)節(jié)閥的動(dòng)作很頻繁，調(diào)節(jié)閥頻繁的開關(guān)會(huì)增加磨損，降低調(diào)節(jié)閥的使用壽命。

對(duì)于民用用戶而言，存在用氣高峰三次/日的現(xiàn)象，往往需要短時(shí)間內(nèi)流量設(shè)定值進(jìn)行大范圍的調(diào)節(jié)，這種情況下傳統(tǒng)的PID控制器無(wú)法讓調(diào)節(jié)閥在短時(shí)間內(nèi)走出單側(cè)正向/負(fù)向控制量的累積，使得調(diào)節(jié)閥失控、控制品質(zhì)明顯下降；當(dāng)管網(wǎng)內(nèi)大功率設(shè)備組啟動(dòng)瞬間，會(huì)造成管網(wǎng)壓力的波動(dòng)，盡管管容會(huì)平緩用氣量突增對(duì)分輸支路響應(yīng)時(shí)間的要求，但是也會(huì)造成輸氣壓力小幅度的頻繁波動(dòng)，這就使得調(diào)節(jié)閥短期內(nèi)頻繁動(dòng)作，潛在對(duì)執(zhí)行機(jī)構(gòu)和閥體造成損害；系統(tǒng)投用前期及調(diào)節(jié)閥故障后復(fù)位時(shí)，若操作方式由手動(dòng)改成自動(dòng)，則存在設(shè)定值和反饋值偏差較大，調(diào)節(jié)閥快速向設(shè)定值靠近時(shí)，下游壓力隨之變化較大，造成控制量隨下游壓力快速大幅波動(dòng)，對(duì)執(zhí)行機(jī)構(gòu)和閥體造成傷害。

鑒于天然氣調(diào)節(jié)過程的特殊性，以往的常規(guī)PID控制方案并不能取得理想的控制效果。隨著管道項(xiàng)目的建設(shè)和發(fā)展，對(duì)高精度、快速調(diào)節(jié)、低磨損的擁有自主知識(shí)產(chǎn)權(quán)的國(guó)產(chǎn)天然氣分輸站場(chǎng)控制技術(shù)的需求越來(lái)越迫切。

圖1 目前控制策略下的流量控制效果[22]

現(xiàn)有的常規(guī)PID控制算法在這么復(fù)雜的控制過程中很難達(dá)到理想的控制效果。目前國(guó)內(nèi)的天然氣分輸站場(chǎng)大都沒有解決控制的滯后問題和天然氣用戶用氣波動(dòng)導(dǎo)致的閥門頻繁動(dòng)作問題。

對(duì)于分輸控制，由于很多控制對(duì)象(分輸管道對(duì)象)容積系數(shù)(管容與輸氣量的比值)小，使用常規(guī)PID控制容易引起震蕩，波及下游用戶安全，導(dǎo)致分輸控制難度較大現(xiàn)階段的控制算法在天然氣調(diào)節(jié)過程中流量穩(wěn)定的時(shí)間較長(zhǎng)，波動(dòng)很大，這就使得對(duì)天然氣調(diào)節(jié)閥的損傷很大，而且流量不易穩(wěn)定對(duì)下游用戶的用氣也造成一定的影響。

2 以長(zhǎng)期穩(wěn)定運(yùn)行為目標(biāo)的分輸過程綜合控制策略

2.1 前饋-反饋控制策略

傳統(tǒng)的PID控制系統(tǒng)中，反饋是按照偏差控制的。即，在干擾的作用下，被控變量先偏離給定值，然后調(diào)節(jié)器才按照偏差產(chǎn)生控制作用去抵消干擾的影響。PID中的誤差積分的反饋，對(duì)抑制常值擾動(dòng)確實(shí)有其效果，而對(duì)隨時(shí)變化的擾動(dòng)來(lái)說(shuō)，積分反饋的抑制能力又不太顯著。閉環(huán)動(dòng)態(tài)品質(zhì)對(duì)PID增益的變化太敏感。當(dāng)被控對(duì)象處于經(jīng)常變化的環(huán)境之中時(shí)，根據(jù)環(huán)境變化，需要經(jīng)常變動(dòng)PID增益，這使得PID在實(shí)際應(yīng)用中受到一定的限制。具體體現(xiàn)在以下兩方面：

1)來(lái)自上游的壓力波動(dòng)，對(duì)于站場(chǎng)來(lái)說(shuō)是干擾，不可控制，會(huì)引起壓力和流量的波動(dòng)。

2)波峰波谷變化大，過程調(diào)節(jié)時(shí)間長(zhǎng)，調(diào)節(jié)閥在流量需求峰值時(shí)所處工作區(qū)域非線性程度嚴(yán)重，基于偏差的PID的控制器容易超調(diào)，調(diào)節(jié)困難，需要頻繁整定PID參數(shù)以適應(yīng)不同的操作區(qū)域的需求，而且操作區(qū)域隨著壓力、流量的不確定性變化以及調(diào)節(jié)閥的磨損等情況的發(fā)生而變化，難以形成固定化、程序化的整定規(guī)則。

而且，PID參數(shù)的自動(dòng)在線整定方法在這種復(fù)雜變化工況下，也難以保證實(shí)現(xiàn)長(zhǎng)期穩(wěn)定有效。為此，基于以上分析，提出了一種前饋-反饋的智能調(diào)節(jié)閥方案。

前饋控制是按擾動(dòng)量進(jìn)行補(bǔ)償?shù)拈_環(huán)控制，即當(dāng)擾動(dòng)出現(xiàn)時(shí)，按照擾動(dòng)量的大小直接產(chǎn)生控制作用而不再等實(shí)際測(cè)量結(jié)果反饋的偏差信息。雖然前饋控制在理論上可以完全消除干擾的影響，但是在實(shí)際生產(chǎn)中，由于前饋控制是一個(gè)開環(huán)系統(tǒng)以及前饋控制律建模不準(zhǔn)確的原因，往往采用前饋加反饋的復(fù)合控制方式，這樣既可以保證前饋控制的及時(shí)性，又有反饋控制精確的特點(diǎn)。

圖2 天然氣分輸站場(chǎng)長(zhǎng)期穩(wěn)定運(yùn)行實(shí)施方案

2.2 基于廣義回歸神經(jīng)網(wǎng)絡(luò)與頭腦風(fēng)暴優(yōu)化算法的自適應(yīng)方法

2.2.1 方法介紹

天然氣調(diào)節(jié)閥在長(zhǎng)周期穩(wěn)態(tài)運(yùn)行時(shí)，會(huì)產(chǎn)生諸如最大調(diào)節(jié)范圍、最小調(diào)節(jié)范圍等特性的變化。同時(shí)控制器的輸出值與閥前流量、閥后流量、閥前壓力、閥后壓力、控制器設(shè)定值的變化密切相關(guān)。通過基于頭腦風(fēng)暴優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)多變量擬合算法[7](BSO-GRNN)，預(yù)測(cè)不同條件下的前饋控制量，進(jìn)而使天然氣調(diào)節(jié)閥在長(zhǎng)周期穩(wěn)態(tài)運(yùn)行時(shí)能夠自適應(yīng)調(diào)節(jié)條件的改變。廣義回歸神經(jīng)網(wǎng)絡(luò)(general regression neural network，GRNN)由D.F.Specht博士于1991年提出[8]，以非線性參數(shù)回歸為基礎(chǔ)，并將樣本數(shù)據(jù)作為后驗(yàn)條件，執(zhí)行Parzen非參數(shù)估計(jì)，根據(jù)最大概率原則計(jì)算網(wǎng)絡(luò)輸出。GRNN以徑向基網(wǎng)絡(luò)為基礎(chǔ)，對(duì)于非線性而言具有良好的逼近性能，因此它與徑向基網(wǎng)絡(luò)相比，訓(xùn)練變得更加方便，在信號(hào)過程、結(jié)構(gòu)分析、控制決策系統(tǒng)等各個(gè)學(xué)科和工程領(lǐng)域得到了廣泛應(yīng)用，本文引入GRNN作為前饋控制率學(xué)習(xí)的模型基礎(chǔ)。

為了解決傳統(tǒng)廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN由光滑因子選取困難所造成的易陷入局部極值和預(yù)測(cè)誤差較大的問題。這里我們引入了頭腦風(fēng)暴優(yōu)化算法，對(duì)廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN的光滑因子進(jìn)行了優(yōu)化，將頭腦風(fēng)暴優(yōu)化算法和廣義回歸神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)，建立了一種全新的多變量擬合算法模型。在廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN中，影響預(yù)測(cè)精度的主要參數(shù)就是光滑因子，引入頭腦風(fēng)暴優(yōu)化算法[9-10]對(duì)其進(jìn)行尋優(yōu)。這里我們通過頭腦風(fēng)暴優(yōu)化算法對(duì)光滑因子進(jìn)行尋優(yōu)，找出對(duì)樣本數(shù)據(jù)來(lái)說(shuō)最合適的值來(lái)建立預(yù)測(cè)模型，具體的操作步驟如圖3所示。

圖3 頭腦風(fēng)暴優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)流程圖

2.2.2 數(shù)據(jù)擬合驗(yàn)證

頭腦風(fēng)暴優(yōu)化算法種群大小為50，維度為1，簇?cái)?shù)取5，最大迭代次數(shù)取80。通過SPS仿真，仿真出調(diào)節(jié)閥不同工況以及長(zhǎng)周期穩(wěn)態(tài)運(yùn)行情況下的數(shù)據(jù)，將數(shù)據(jù)導(dǎo)出，導(dǎo)出1000組數(shù)據(jù)，每一組數(shù)據(jù)中包含調(diào)節(jié)閥的CVC、CVO，調(diào)節(jié)閥上游流量Q+，調(diào)節(jié)閥下游流量Q-，調(diào)節(jié)閥的上游壓力P+，調(diào)節(jié)閥下游壓力P-，以及控制器設(shè)定值C_F：SP，相應(yīng)的輸出為控制器的輸出C_F：OUT。將數(shù)據(jù)分成兩組，其中前600組數(shù)據(jù)用來(lái)訓(xùn)練，后400組數(shù)據(jù)作為預(yù)測(cè)數(shù)據(jù)。將數(shù)據(jù)導(dǎo)入基于頭腦風(fēng)暴算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)(BSO-GRNN)進(jìn)行訓(xùn)練和預(yù)測(cè)。

1)未經(jīng)頭腦風(fēng)暴優(yōu)化的GRNN神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)擬合仿真如圖4所示。

圖4 仿真所需要的輸入輸出數(shù)據(jù)

圖5 未經(jīng)頭腦風(fēng)暴優(yōu)化的GRNN擬合仿真曲線及誤差

2)頭腦風(fēng)暴優(yōu)化的GRNN神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)擬合仿真如圖5所示。

圖6 頭腦風(fēng)暴優(yōu)化GRNN光滑因子仿真圖

如圖5所示，經(jīng)過頭腦風(fēng)暴優(yōu)化算法的迭代優(yōu)化，輸出GRNN網(wǎng)絡(luò)平滑參數(shù)優(yōu)化值，作為GRNN網(wǎng)絡(luò)平滑參數(shù)的輸入。

圖7 經(jīng)頭腦風(fēng)暴優(yōu)化的GRNN擬合仿真曲線及誤差

通過對(duì)SPS仿真數(shù)據(jù)產(chǎn)生的同一組數(shù)據(jù)，使用不同的預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，計(jì)算均方誤差MSE，均方誤差的計(jì)算如下所示：

(1)

其中:ti為實(shí)際值，pi為預(yù)測(cè)值。均方根誤差RMSE計(jì)算公式為：

(2)

均方誤差能夠表征預(yù)測(cè)精度，通過比較未經(jīng)頭腦風(fēng)暴優(yōu)化的GRNN和經(jīng)過頭腦風(fēng)暴優(yōu)化的GRNN預(yù)測(cè)精度得出了結(jié)論，如表1所示：

表1 不同算法實(shí)驗(yàn)結(jié)果對(duì)比

通過表1中的數(shù)據(jù)可知，GRNN控制器輸出預(yù)測(cè)模型，速度比較快但是預(yù)測(cè)精度較低，均方根誤差較大；BSO-GRNN控制器輸出預(yù)測(cè)模型相對(duì)于未經(jīng)優(yōu)化的GRNN預(yù)測(cè)模型而言，精度提高，但是用時(shí)增加，均方根誤差減小?？傊?，經(jīng)過頭腦風(fēng)暴優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)相比于單純的廣義神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度提高。

3 基于SPS的綜合控制策略仿真驗(yàn)證

通過SPS仿真獲得1 000組數(shù)據(jù)，每一組數(shù)據(jù)中包含其中600組作為訓(xùn)練樣本，400組作為預(yù)測(cè)樣本。通過基于頭腦風(fēng)暴的廣義神經(jīng)網(wǎng)絡(luò)多變量擬合算法得到相應(yīng)的控制器輸出值，通過前饋進(jìn)行補(bǔ)償。

搭建如圖8所示的SPS仿真平臺(tái)，經(jīng)過多功能繼電器將前饋給到執(zhí)行器。如圖9所示，添加前饋后由于調(diào)節(jié)閥的設(shè)定值直接給到調(diào)節(jié)閥，使調(diào)節(jié)閥快速動(dòng)作，反應(yīng)速度提高。第一次設(shè)定值的波動(dòng)，添加前饋之前流量控制在35s左右到達(dá)穩(wěn)定狀態(tài)，添加前饋之后流量控制在15 s左右達(dá)到穩(wěn)定，時(shí)間提高20 s。第二次設(shè)定值變化時(shí)，添加前饋之前12 s左右達(dá)到穩(wěn)定，添加前饋之后3 s左右達(dá)到穩(wěn)定，響應(yīng)提高9 s?？梢钥闯銮梆伩刂频男Ч浅Ｃ黠@。并且，流量的設(shè)定值波動(dòng)越大前饋的效果就越明顯，流量在大范圍波動(dòng)時(shí)將會(huì)比小范圍波動(dòng)取得更加明顯的效果。前饋控制達(dá)到設(shè)定值附近后，經(jīng)由PID控制，使得最后穩(wěn)定在設(shè)定值。

圖8 前饋控制工藝流程圖

圖9 添加前饋后仿真對(duì)比圖

如未添加前饋的控制器輸出和添加前饋之后的控制器輸出圖10和圖11所示。從圖上可以看出，添加前饋?zhàn)饔弥?，在調(diào)節(jié)閥長(zhǎng)周期穩(wěn)定運(yùn)行發(fā)生變化時(shí)，前饋按照變化來(lái)增加，使得控制效果更加精確迅速，閥門在盡可能短的時(shí)間內(nèi)達(dá)到指定開度。與單純的PID控制相比，從兩個(gè)控制

圖10 單純PID控制器輸出

圖11 添加前饋控制后控制器輸出

效果輸出對(duì)比可以看出，調(diào)節(jié)閥特征改變時(shí)添加前饋之后的輸出明顯增大，這就使得控制效果更加迅速，調(diào)節(jié)閥能夠快速地達(dá)到設(shè)定值。并且前饋?zhàn)饔帽３謱?shí)時(shí)的輸出，對(duì)PID控制器進(jìn)行補(bǔ)償，使得調(diào)節(jié)速度大大加快。

并且，系統(tǒng)增加前饋與未增加前饋相比，由于它們的傳遞函數(shù)分母是相同的，則傳遞函數(shù)的極點(diǎn)是相同的，因此在增加前饋情況下并不會(huì)影響整個(gè)系統(tǒng)的穩(wěn)定性，而且在不改變?cè)到y(tǒng)結(jié)構(gòu)和參數(shù)的情況下，增加前饋更是有利于提高系統(tǒng)的穩(wěn)定精度，動(dòng)態(tài)性能也比較容易保證。因此，前饋加反饋控制方案可以完全取代PID參數(shù)的在線整定。

4 結(jié)束語(yǔ)

本文系統(tǒng)全面地闡述了造成天然氣分輸站場(chǎng)控制穩(wěn)定性差的根本原因基礎(chǔ)上，提出了前饋-反饋控制的整體控制策略。為了克服長(zhǎng)期穩(wěn)定自運(yùn)行過程中因調(diào)節(jié)閥流量特性發(fā)生變化以及上下游壓力和流量擾動(dòng)變化帶來(lái)的執(zhí)行誤差影響，提出了基于廣義回歸神經(jīng)元網(wǎng)絡(luò)和頭腦風(fēng)暴優(yōu)化算法的自適應(yīng)方法。最后，基于SPS仿真對(duì)比實(shí)驗(yàn)的結(jié)果表明所提控制策略以及自適應(yīng)規(guī)則很好地解決了當(dāng)前天然氣分輸站場(chǎng)控制中遇到的難題。