CN102288228A - 透平蒸汽流量的软测量方法 - Google Patents

Abstract

透平蒸汽流量的软测量方法，利用DCS系统测量透平入口蒸汽压力和透平入口蒸汽温度、选取同一时刻的透平转速、透平抽汽的温度、压力作为神经网络模型的输入变量；选取三层以上结构的反向传播(BP，Back Propagation)神经网络对输入变量取小时平均值，并进行最大误差诊断，对上述各变量进行归一化处理；所述神经网络模型中，输入层的节点数为i(i＝5)，隐层节点数为j(2-100)，输出层节点为k(k＝1～100)；通过DCS系统对各输入变量数据实时、连续采集，将训练好的权值和阈值带入并进行计算，并进行反归一化处理，就能得到透平蒸汽流量的实时预测值。

Description

透平蒸汽流量的软测量方法

技术领域

本发明属于化学测量及仪表领域，涉及化工生产装置中重要的动力来源压缩机透平和泵透平(以下统称透平)的蒸汽流量的软测量方法。

背景技术

蒸汽是热力系统中传递热能的主要载体，蒸汽管网系统主要由蒸汽的产生、输送、监测、控制、使用、余热与二次蒸汽再利用、凝结水回收等部分组成。蒸汽管网安全、稳定、长周期的运行对石油化工的生产装置非常重要。同时，蒸汽作为大型石化企业中各生产环节的主要能源之一，是企业能耗的主要方面；乙烯装置是高能耗的石油化工装置，随着近年来乙烯装置的大型化(60-100万吨/年)，其能耗更是引人注目，其能耗水平成为衡量装置技术性能极为重要的综合性能指标。如何提高乙烯装置中蒸汽的利用效率是企业节能降耗、科学发展的重要途径。

蒸汽透平(透平压缩机和透平泵)是乙烯装置中主要的用汽设备，准确计量透平的蒸汽流量是评价透平运行效率的基础，是提高能量利用效率的关键。在实际的乙烯装置中，由于流量表使用时间较长，往往指示并不准确；甚至很多小的压缩机透平和多数的泵透平没有蒸汽流量表，因此，需要一种有效的方法来计算透平的蒸汽流量。因为相对于温度、压力、转速的较高测量精度，流量的测量方式是相对，测量精度一直不高，尤其是对于高温高压的蒸汽。

近年来软测量技术在工业中获得了大量成功的应用，解决了许多难以测量的关键控制指标的“测量”问题。在实际的化工生产过程中，由于使用时间较长和可能存在的误操作导致现场流量表无法使用，而重新更换流量表需要在装置停车时，并且花费很高，这时，可以使用根据历史数据建立的软测量模型，来“测量”流量，使装置能继续稳定运行；此外，软测量模型的稳定性较好，能根据现场负荷情况对现场仪表进行校正。在乙烯装置的计算机集散控制系统(以下简称DCS，即Distributed Control Systems)中，保存有大量的过程历时数据，可以利用相关的数据，建立透平蒸汽流量和其主要影响因素之间的对应关系，用来预测将来的蒸汽流量。透平的转速和蒸汽流量有直接的关系，蒸汽流量大，则转速大；蒸汽流量小，则转速小。蒸汽的品质也是影响蒸汽流量的主要因素，对于相同的负荷，如果蒸汽的品质高(温度、压力高)，则需要的蒸汽较少；如果蒸汽的品质低(温度、压力低)，则需要的蒸汽较多。透平抽汽的温度和压力也是影响蒸汽流量的因素之一，抽汽的温度、压力高，则蒸汽的做功能力较低，需要的蒸汽多；反之，需要的蒸汽少。

因此，为了解决透平蒸汽的软测量问题，选用透平的转速，入口蒸汽的温度、压力和透平抽汽的温度、压力作为输入变量来“测量”透平的蒸汽流量。

发明内容

本发明的目的是：提供一种透平蒸汽流量的软测量方法，实现透平蒸汽流量的在线实时测量，即对高温高压的蒸汽进行精确测量。该发明利用现有仪表(透平转速表、蒸汽温度表、蒸汽压力表)和现有乙烯生产装置的DCS给出的测量值，利用神经网络模型进行预测，并根据透平的负荷和所需蒸汽量对模型的预测值进行校正，提高预测结果的稳定性，为透平的效率计算和开展蒸汽管网的节能降耗工作提供依据。建立透平蒸汽流量和其主要影响因素之间的对应关系，用来预测将来的蒸汽流量。

透平蒸汽流量的软测量方法，利用透平的转速、透平进口(入口)蒸汽的温度、压力和透平抽汽的温度、压力和，即利用DCS系统测量透平入口蒸汽和透平抽汽的温度表、压力表得到输入变量，选取(同一时刻)的透平转速、透平入口蒸汽的温度，压力和透平抽汽的温度，压力作为神经网络模型的输入变量；选取三层以上结构的反向传播(BP，Back Propagation)神经网络。

对输入变量取小时平均值，并进行最大误差诊断，对上述各变量进行归一化处理。所述神经网络模型中，输入层的节点数为i(i＝5)，隐层节点数为j(2-100)，输出层节点为k(k＝1～100)。

通过DCS系统对各输入变量数据实时、连续采集，将训练好的权值和阈值带入并进行计算，并进行反归一化处理，就能得到透平蒸汽流量的实时预测值。

本发明的改进还包括：根据透平的负荷的实际情况对软测量模型进行在线“滚动”校正。

本发明的软测量系统考虑蒸汽透平蒸汽流量与透平转速、透平入口蒸汽温度和压力，以及透平抽汽的温度和压力之间一一对应的关系，在历史过程数据中，选择能包含不同负荷情况下的数据，建立软测量模型，用来预测将来的蒸汽流量。

本发明的有益效果是：通过提供的透平蒸汽流量的软测量方法，实现透平蒸汽流量的在线实时测量，即对高温高压的蒸汽进行精确测量。可根据透平的负荷和所需蒸汽量对模型的预测值进行校正，提高预测结果的稳定性，为透平的效率计算和开展蒸汽管网的节能降耗工作提供依据。通过建立的透平蒸汽流量和其主要影响因素之间的对应关系，用来预测将来的蒸汽流量。也为乙烯装置的正常运行作保障。

附图说明

图1透平蒸汽流量神经网络软测量框图

图2、3为透平蒸汽流量软测量训练结果

具体实施方式

本发明根据测量透平转速的转速表、测量透平入口蒸汽和透平抽汽的温度表、压力表；以及测量透平蒸汽流量的流量表，并根据负荷情况对流量值进行调和，得到可靠准确的流量值。利用神经网络技术，建立透平蒸汽流量的软测量系统。该软测量系统普遍适用于利用乙烯装置中压缩机透平和泵透平的蒸汽流量测量。

由于三层以上结构的反向传播(BP，Back Propagation)神经网络具有映射任意非线性函数的功能，这里，采用三层结构的BP神经网络来建立透平蒸汽流量的软测量模型。利用上述所选择的模型变量，建构透平蒸汽流量神经网络软测量模型，如图1所示。

图1透平蒸汽流量神经网络软测量框图

为了消除不同量纲数据对模型的影响，需要利用式(1)对输入变量进行归一化处理：

Yn＝0.1+(Y-a)/(b-a)*(0.9-0.1)        (1)

式中，Y表示输入变量的实际测量值，Yn表示将归一化后输入变量的数值，[a，b]表示输入变量变化范围，[0.1，0.9]表示归一化范围，归一化范围也可以选取其它值，如[0，1]、[-0.5，0.5]、[-1，1]等。在神经网络模型中，输入层的节点数为i(i＝5)，隐层节点数为j(j＝2～100)，本发明中取为8，输出层节点为k(k＝1～100)，本发明中取为1。

通过历史数据记录，选取1345组数据，每组数据包含[R(k)P1(k)T1(k)P2(k)T2(k)](其中，R(k)为透平转速；P1(k)和T1(k)分别为透平入口蒸汽的压力、温度；P2(k)和T2(k)分别为透平抽汽的压力、温度；F(k)为透平蒸汽流量)。利用F(k)做目标值，选取对应时刻上述变量作为神经网络的输入。

本发明用1000组训练神经网络，用1345组预测神经网络泛化能力，得到训练及预测误差较小的一组权值。其中，输入层节点和隐层节点之间的连接权值w11到w58如下表，行中为输入层节点，列中为隐层节点；

8个隐层节点的阈值b11到b18为：[5.632 8.555 0.319 1.201 2.009 0.311 -1.68710.793]；隐层到输出层的权值v11到v81为：[0.212 0.044 -9.280 -0.118-0.084 9.226 -0.344 -0.153]；输出节点的阈值b21的值为0.405。

通过DCS系统过程数据(这里指模型中各输入变量数据)的实时、连续采集，将训练好的权值和阈值带入并进行计算，就能得到透平蒸汽流量的实时软测量预测值；此时得到的透平蒸汽流量的数值在[0.1，0.9]之间，利用(2)式，进行反归一化处理，得到透平蒸汽流量的实际值。

Y＝(Yn-0.1)/(0.9-0.1)*(b-a)+a       (2)

此外，为保证预测模型精确、有效地运行，需要利用透平的实际负荷所需要的蒸汽流量对模型进行“滚动”校正。如在一定的符合下，透平所需要的蒸汽有一个最大值，在模型输出超过最大值时，需要对输出进行校正，使它的取值略小于最大值。

使用图1中的模型和上面的参数，模型训练和测试阶段的结果如下两图所示：

其中，训练阶段的均方误差(MSE)为2.822，测试阶段的MSE为2.637。在测试阶段，模型的平均误差率为0.37％，最大误差率为2.8％。

可以看出，本发明的软测量模型能很好地预测透平的蒸汽流量。本发明可根据透平的负荷的实际情况对软测量模型进行在线“滚动”校正。对输入变量取小时平均值，并进行最大误差诊断。

Claims (3)

1.透平蒸汽流量的软测量方法，其特征是利用DCS系统测量透平入口蒸汽压力和透平入口蒸汽温度、选取同一时刻的透平转速、透平抽汽的温度、压力作为神经网络模型的输入变量；选取三层以上结构的反向传播(BP，Back Propagation)神经网络对输入变量取小时平均值，并进行最大误差诊断，对上述各变量进行归一化处理；所述神经网络模型中，输入层的节点数为i(i＝5)，隐层节点数为j(2-100)，输出层节点为k(k＝1～100)；

通过DCS系统对各输入变量数据实时、连续采集，将训练好的权值和阈值带入并进行计算，并进行反归一化处理，就能得到透平蒸汽流量的实时预测值。

2.根据权利要求1所述的透平蒸汽流量的软测量方法，其特征是利用式(1)对透平入口蒸汽压力和透平入口蒸汽温度、选取同一时刻的透平转速、透平抽汽的温度、压力的输入变量进行归一化处理：

Yn＝0.1+(Y-a)/(b-a)*(0.9-0.1)    (1)

式中，Y表示所述输入变量的实际测量值，Yn表示将归一化后输入变量的数值，[a，b]表示输入变量变化范围，[0.1，0.9]表示归一化范围，在神经网络模型中，输入层的节点数为i(i＝5)，隐层节点数为8，输出层节点为1。

3.根据权利要求1所述的透平蒸汽流量的软测量方法，其特征是根据透平的负荷的实际情况对软测量模型进行在线“滚动”校正。

Images