宋 扬，阿福东

（中国石油大庆炼化公司信息中心，黑龙江 大庆 163400）

在智慧炼化的建设规划中，热效率利用情况成为衡量企业经济效益和环保评估的重要影响因素。某公司汽油加氢装置F101加热炉是汽油加氢装置分馏塔底再沸炉，燃气，负荷大，采用经典PID控制，没有经过优化整定，炉热效率较低，回路不稳定，经常切换到手动控制，不利于企业生产自控率控制。通过采集F101加热炉实时数据，利用神经网络深度学习建立加热炉工艺模型，根据模型采用梯度下降全局搜索方式对加热炉PID控制参数进行优化整定，优化排烟温度和烟气氧含量控制，达到提升加热炉热效率0.1%~1%，从而降低了废气排放。

1 项目简介

该项目依托神经网络建模及深度学习训练，建立加热炉热效率控制模型并进行学习训练，实现对大型炼化企业加热炉控制系统回路的PID优化整定。通过大型炼化企业生产系统控制回路的PID优化整定，对基于神经网络学习建模的优化方法、技术特点进行研究，从而实现智慧炼化建设中对热效率和节能工作的提升。

2 PID整定模型建立和深度学习训练

2.1 神经网络的建立

在现代的控制过程中，由于系统越来越复杂，被控对象的实际数学模型已经无法进行精确的给定与描述，故需要1门控制理论，在掌握被控对象的变化规律下，由另1种方法确定1个近似的、易于描述与控制的数学模型来近似代替该不可知的复杂模型［1］。

神经网络对非线性函数的逼近能力非常好，当神经网络满足一定条件时，可以以任意精度逼近任意非线性连续的函数或者分段连续的函数。……