一直以來，數字化、工業互聯網催生巨大的流程工業智能制造市場。流程工業包括石化、化工、發電、鋼鐵、水泥、玻璃、造紙、采礦等，是國民經濟的基礎，同時是經濟體中耗能最大、污染最多的行業。在雙碳目標形勢下，流程工業產能過剩，從靠產能賺錢，變為靠質量和效率賺錢，環保壓力巨大，面臨很大挑戰。

近日，浙江大學控制學院教授朱豫才以《水泥生產線的模型預測控制與運行優化》為主題進行精彩演講，詳細介紹了模型預測控制技術、水泥廠自動控制與優化方案等內容。

朱豫才表示，智能水泥廠應基于智能建模的模型預測控制和運行優化，模型預測控制與運行優化大有可為。在流程工業實現全面自動化生產，即智能制造，可以提高生產的安全性，節能1% - 5%，提高收益1% - 5%，減少污染物生成5% - 50%。

一、緒論：水泥廠自動控制與優化中的問題和挑戰

朱豫才指出，水泥工業數字化轉型及智能制造是一項迫切的任務，原因在于多數水泥生產線運行是遠程手動，自動化及優化空間大。

水泥生產線運行中的干擾因素有生料成份變化和燃料成分波動；水泥裝置自動化的困難分別是干擾幅度大，復雜多變量約束控制問題，使用PID控制困難以及建模困難。

基于以上問題，故提出基于智能建模的水泥廠先進控制與優化技術，同時介紹四條水泥生產線應用案例，包括窯線和磨機。

水泥工業的智能制造現狀

動態模型的建立/維護，是實現每一層自動/閉環的關鍵。

二、模型預測控制技術簡介

使用過程模型對被控變量進行預測，使用過程模型和優化算法計算控制變量控制動作。 

模型預測控制系統硬件結構

模型預測控制技術關鍵技術是智能建模。系統辨識就是用測試數據建立系統數學模型的理論和方法，已有60多年歷史。

基于智能建模的智能制造技術可以使建模效率提高3-10倍。多變量、閉環、自動系統辨識（建模）理論與技術可以實現“四個自動”。自動最優激勵信號設計，多變量、閉環、自動測試，自動確定模型階次，自動模型參數估計，自動模型檢驗，給出每個模型A, B, C, D評級。智能制造技術的用戶包括，?？松?美孚、霍尼韋爾、拜爾、巴斯夫等世界500強。

已開發基于智能建模關鍵技術

Tai-Ji MPC? 模型預測控制(MPC)技術是三個模塊的整合，是閉環、自動在線辨識技術和控制器參數的自動整定技術以及高精度、低成本、國際領先的建模技術。

三、水泥生產線模型預測控制與優化系統

1、水泥窯線預測控制與優化

控制目標有四個，分別是：降低分解爐出口溫度等溫度波動，降低O2、CO、NOx波動，降低窯頭負壓、篦冷機壓力、窯電流波動，降低f-CaO波動。

運行優化目標有四個，分別是：提高f-CaO均值并/或提高f-CaO合格率，提高窯頭負壓均值，優化O2，以優化燃燒，進料極大化，以提高產量。

2、水泥生料磨預測控制與優化

控制目標有兩個，分別是降低各被控變量波動和保證生料細度。

運行優化目標: 是降低電耗并或者提高產量。

先進控制的兩個作用是降低波動和卡邊優化。

水泥生產線控制優化的運行改進與經濟效益分別是：

（1）實現全面自動化，大大降低勞動強度，提高安全性

（2）降低溫度, 壓力, O2, NOx , f-CaO波動40~80%

（3）提高f-CaO合格率10~20%

（4）提高f-CaO均值20%

（5）增產1% ~ 3%

（6）節煤1% ~ 5%

（7）節電2% ~ 5%

（8）降低NOx生成10%

舉例說明控制優化經濟效益計算，假設某條水泥生產線日產5000噸，那么按照年耗煤成本2.1億元，年耗電成本0.5億元，年毛利2.2億元計算，控制優化系統包括兩個生料磨、回轉窯和水泥磨，節煤2% 年經濟效益420萬元，節電2% 年經濟效益100萬元。得出結論，生產線總經濟效益每年520萬元。

四、四個應用案例及改進建議

案例一：山東泉興水泥#3窯線預測控制，2018年投運，產能5000t/d

1、主要被控變量（CV）

分解爐出口溫度

窯頭負壓

篦冷機一段壓力

2、主要控制（操縱）變量（MV）

窯尾給煤量

窯頭排風機頻率

篦冷機轉速

3、主要干擾變量（DV）

喂料量

山東泉興水泥#3窯線預測控制，穩定運行

山東泉興水泥#3窯線預測控制，最新f-CaO數據

案例二：山東泉興水泥#3窯線預測控制，2018年投運，產能5000t/d

1、主要被控變量（CV）

分解爐出口溫度

窯頭負壓

篦冷機一段壓力

窯電流

f-CaO

2、主要控制（操縱）變量（MV）

窯尾給煤量

窯頭排風機頻率

篦冷機轉速

某3臺風機

分解爐出口溫度設定值

窯電流設定值

山東平邑中聯水泥廠#1窯線預測控制，手動控制與自動控制比較

案例三：陜西北元化工水泥廠#1窯線控制，2020-11投運，產能2500t/d

1、主要被控變量（CV）

分解爐出口溫度

窯頭負壓

篦冷機一段壓力

窯電流

2、主要控制（操縱）變量（MV）

窯尾給煤量

窯頭排風機頻率

篦冷機轉速

北元化工水泥廠#1窯線預測控制，2020-11投運

陜西北元化工水泥廠#1窯線控制，2020-11投運

案例四： 新疆阿克蘇青松建化水泥廠#1窯線預測控制，2021-03投運，產能2500t/d，項目范圍：煤磨、生料磨、水泥磨、窯線

案例經濟效益匯總

1. 山東泉興水泥廠，5000t/d水泥線，2018年7月投運

實現分解爐溫度、窯頭負壓、篦冷機一段壓力自動控制

節煤15%，游離氧化鈣合格率從80%升到99%

2. 山東某中聯水泥廠，5000t/d水泥線， 2020年9月投運

實現窯線（分解爐、轉窯、篦冷機）自動控制

節煤2.09%；節電2.76%；增加熟料產量1.36%

3. 陜西北元化工水泥廠，2500t/d水泥線，電石渣原料，2020年11月投運

實現窯線（分解爐、轉窯、篦冷機）自動控制

節煤6.25%；節電2.07%

4. 新疆阿克蘇某水泥廠，2500t/d水泥線，2021年3月投運

實現煤磨、生料磨、水泥磨和窯線（分解爐、轉窯、篦冷機）自動控制

節煤2.68%；節電0.88%；水泥磨節電5.89%；水泥磨產量增加4.78%

改進建議：

1、穩定轉窯內工況

增加控制（調節）變量：尾煤、窯速、高溫風機、進料

2、增加在線分析手段

一是使用生/熟料成分分析儀和粒度分析儀，二是應用預測控制技術實現卡邊優化，進一步節煤節電。

五、結論與展望

朱豫才指出，智能水泥廠是基于智能建模的模型預測控制和運行優化，經濟效益的技術基礎是顯著降低關鍵參數的波動，>60%。

智能水泥廠要想獲得典型效益，就要做到節煤2%，節電3%，增產1%，減少DCS人員50%。項目實施周期為2~4個月，半年內收回投資成本。

針對智能水泥廠建設，他提出三條改進建議，第一，使用煙氣分析儀和窯內測溫，以穩定窯內工況和優化燃燒。第二，控制器調節進料、高溫風機、頭煤、窯轉速，增加控制和優化手段。第三，使用生/熟料成分分析儀和粒度分析儀，提高卡邊優化精度。

此外，模型預測控制與運行優化大有可為。