CN103524284B - 一种乙烯裂解原料配置的预测和优化方法 - Google Patents

Abstract

本发明公开了一种乙烯裂解原料配置的预测和优化方法，采用工业运行数据特征提取与裂解反应机理相结合的方法，综合每台裂解炉的裂解特性和裂解原料情况，对裂解产品收率进行建模和预测，根据不同生产要求，优化裂解炉所用裂解原料的种类和负荷，从而达到裂解原料的优化配置和全装置的经济效益最优化。

Description

一种乙烯裂解原料配置的预测和优化方法

技术领域

本发明涉及化学工程领域，特别涉及一种乙烯裂解原料配置的预测和优化方法。

背景技术

乙烯工业是石油化工行业的龙头，乙烯装置生产的三烯（乙烯、丙烯、丁二烯）和三苯（苯、甲苯、二甲苯）是石油化工行业的基础原料，乙烯产量历来是衡量一个国家的石油化工发展水平的标志。我国乙烯工业坚持积极消化引进技术再创新及坚持以技术改造为主走内涵发展的道路，使我国乙烯技术在发展中取得了许多丰硕成果。通过乙烯装置的改扩建，使我国乙烯装置向着“大型、先进、深度、系列、集约”的方向发展。装置操作最优化使大型乙烯装置更具行业竞争力。生产规模的不断扩大，随之带来的是各种先进的控制技术和优化技术在乙烯装置的应用高潮，其中乙烯装置操作的优化是提高乙烯厂效益的最有效途径。

同时，随着国际原油市场价格波动，以及下游产品（乙烯衍生物）的市场价格波动，传统的以双烯（乙烯加丙烯）收率最大化为目标的生产模式严重影响了乙烯生产企业的经济效益，提高高附加产品收率和经济效益最大化已经成为乙烯生产企业提升企业综合经济效益的主要方向。然而，受国内石油化工行业格局的限制，我国绝大多数乙烯生产企业普遍存在裂解原料来源复杂、原料种类繁多的特点。目前各乙烯生产企业大多根据以往的历史数据或者离线机理模型（如SPYRO）并结合技术人员的生产经验采用人工核算的办法。然而这种估算乙烯裂解装置需要的运行参数和裂解原料，需要耗费大量的人力和物力，且估算出来的结果粗糙，当裂解原料发生变化时无法及时地调整装置运行参数。因此，本发明将基于对乙烯装置的深刻理解与认识，开发一种实用的乙烯裂解装置裂解原料配置的预测和优化方法。

发明内容

本发明的目的在于建立以不同裂解原料属性、产品收率、产品市场价格、裂解原料市场价格、装置的生产能力为自变量，以装置的整体效益为因变量的函数（映射）关系，提出一种裂解装置的负荷配置预测和优化方法，为企业生产的管理层提供强有力的指导和决策工具，有效地对生产过程进行操作参数调整和产品结构调整，实现乙烯生产过程的效益最大化。

为了实现上述目的，本发明采用以下技术方案：一种乙烯裂解原料配置的预测和优化方法，以不同裂解原料属性、产品收率、产品市场价格、裂解原料市场价格、装置的生产能力为自变量，以装置的整体效益为因变量，提出一种裂解装置的负荷配置预测和优化方法，包括以下步骤：

（1）实际工业数据采集和预处理

采集现场工业数据包括各台裂解炉的进料流量、汽烃比、横跨段温度、炉管出口温度、炉管出口压力和裂解气在线分析结果，采用专门用于小样本异常值剔除的格拉布斯准则，对工业数据进行显著误差剔除和数据补缺；

（2）不同类型裂解原料分类

对裂解原料的特性表征参数包括LPG的详细组成、轻石脑油、石脑油和重油的PIONA值及馏程进行聚类，聚类方法为K均值聚类算法，根据历史数据将各类型裂解原料分成若干个类别，对应不同类别的裂解原料建立收率预测模型；

（3）建立特定原料属性下的收率预测模型

利用裂解炉机理模拟软件构建实际工业乙烯裂解炉的机理模型，机理模型输入变量包括裂解炉进料负荷F、裂解过程稀释蒸汽流量DS、裂解原料横跨段温度CIT、裂解炉炉管出口温度COT和压力COP；输出结果为不同条件下详细裂解气组成或裂解气组成和炉管出口温度；

机理模型建立好后，通过步骤1中的工业数据进行模型修正，使机理模型的预测结果和工业结果一致，以此方法建立所有裂解炉裂解不同裂解原料时的收率预测模型，提供产品预测信息；

（4）模型和优化求解约束条件

当市场情况对各主要目标产物提出一定的产量要求时，根据产品需求和经济效益依据步骤3所建立的收率预测模型对采购原料的族组成、馏程、密度理化性质及其比例进行优化配比；模型框架包括模型输入、模型计算、模型输出、优化目标和优化结果，首先根据不同的优化目标，选择所必须的输入变量；再通过收率预测模型获得各对应输入的产品组成和产量，并计算经济效益；接着基于优化目标，并结合相应的优化算法进行优化，最终获得相应优化结果；

同时优化时规定各所涉变量的范围，及模型的约束条件，包括：

各台裂解炉的生产负荷：F_i,min<F<F_i,max，i=1,…,N，

各台裂解炉出口温度：COT_i,min<COT<COT_i,max，i=1,…,N，

稀释蒸汽流量：DS_i,min<DS<DS_i,max，i=1,…,N，N表示裂解炉台数，

各种不同裂解原料供给量：Feed_min<Feed<Feed_max；

当对某一目标进行优化时，需要根据工业实际情况确定各输入变量的允许范围；

（5）建立具有全局搜索和快速收敛的优化求解方法

优化目标为裂解气中所含高附收率最高和吨乙烯原料成本最低两个目标，分别表示为：

高附收率最高：

Max：高附收率=(氢气+乙烯+丙烯+丁二烯+苯)收率，

吨乙烯原料成本最低：

Min：吨乙烯原料成本=总原料成本/乙烯总产量

总原料成本=∑_i=1,N(裂解原料×价格)_i

根据步骤4中的约束条件，利用优化软件对优化目标进行求解；

通过步骤4的整体模型，通过对乙烯装置最适宜的裂解原料处理负荷的比例进行分配和反应操作参数进行寻优，利用具有全局搜索和快速收敛的上述模型优化目标的求解方法，获得裂解炉系统最优的投料配比和操作条件。

步骤4中约束条件的确定主要是根据实际工业运行数据，各具体获得方法为：

裂解炉生产负荷：取裂解炉运行的一段时间内的历史生产负荷，对其进行平均，获得平均负荷F_a，据此确定生产负荷约束条件为F_a×(1±10%)；

裂解炉出口温度：根据不同裂解原料，COT的上下限范围不同，石脑油约束范围取为818～835℃；轻石脑油约束范围取为825～845℃；加氢尾油约束范围取为790～810℃；

稀释蒸汽流量：稀释蒸汽流量根据汽烃比来定义，汽烃比即为稀释蒸汽与裂解原料进料量质量之比，石脑油汽烃比的约束范围取为0.40～0.60；轻石脑油轻烃比的约束范围取为0.35～0.55；加氢尾油汽烃比的约束范围取为0.60～0.80。

上述步骤1所述的工业数据的显著误差剔除和数据补缺，主要是针对工业运行装置干扰因素多，存在各种不确定性的影响，需要对同一个工业数据依据冗余信息进行相互验证，将不同物理属性、不同时序信息以及不同尺度的数据依据物料守恒、能量守恒等基本原理进行有效融合，对工业数据去伪存真，为裂解炉反应系统建模与操作优化提供能反映过程运行操作状况的可靠信息。由于本专利的数据样本属于小样本数据，即采集一段时间内的小时或天平均数据，因此此处采用专门用于小样本异常值剔除的格拉布斯准则。

假设对某工业数据进行多次等精度独立测量，得x₁，x₂，x₃，…，x_n。

1)将x_i按小到大顺序排列成顺序统计量x_(i),即x₍₁₎≤x₍₂₎≤…≤x_(n)

2)当x_i服从正态分布时，计算：

$\stackrel{\&OverBar;}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{x}_i$

$v_i=x_i-\stackrel{\&OverBar;}{x}$

$s=\sqrt{\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{v}_i^2}{n-1}}$

3)计算 $g\left(1\right)=\frac{\stackrel{\&OverBar;}{x}-x_{\left(1\right)}}{s}$ 或 $g\left(n\right)=\frac{x_{\left(n\right)}-\stackrel{\&OverBar;}{x}}{s}$ 的值，两者中选择残余误差较大者，记为g_max

4)取显著度α=0.05，查表得临界g₀(n,α)

5)判断。若gmax≥g₀(n,α)，则g_max对应的数据为异常点，应剔除；

6)剔除一个误差后，对剩下的点重复步骤1)～5)，直到没有异常点为止。

上述步骤2其主要特征是利用可靠的工业运行数据，结合对反应过程工艺机理的认识，选取相关的工艺变量采用聚类的技术将历史运行数据归纳成若干种典型的工况。为建立工况模型和研究相关变量的影响提供可靠的方法。该特征主要包括的工业数据为裂解原料的属性数据，即各种不同裂解原料的特性表征参数，包括LPG的详细组成、轻石脑油、石脑油和重油的PIONA值及馏程。这些数据均通过气相色谱法和模拟馏程法获得。聚类中采用K均值聚类算法，如下：

1)选K个初始聚类中心，z₁(1)，z₂(1)，…，z_K(1)；

其中，括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个模式样本的向量值作为初始聚类中心。

2)逐个将需分类的模式样本{x}按最小距离准则分配给K个聚类中心中的某一个z_j(1)；

3)计算各个聚类中心的新的向量值，zj(k+1)，j=1,2,…,K，求各聚类域中所包含样本的均值向量；

4)若不满足最小误差ε，j=1,2,…,K，则返回第二步，将模式样本逐个重新分类，重复迭代运算；若满足最小误差ε，j=1,2,…,K，则算法收敛，计算结束。

上述步骤3所述的内容是本申请的核心功能之一，即基于聚类等人工智能技术和反应过程机理的理解实现对过程的混合建模与模拟，给出裂解反应温度、气烃比、裂解炉出口压力等众多因素的对效益的影响规律，对特定裂解原料属性下装置的综合效益进行评价，并能够起到优化装置操作参数，实现裂解产物综合效益最大化的目的。基于裂解反应机理模拟软件(如Spyro)产生不同裂解原料在不同裂解炉裂解时获得的详细收率分布，为效益评估提供产品预测信息。

上述步骤4所述的内容是本专利的另外一个核心功能，即企业管理层为了协调上下游产品的供需关系，根据市场情况对各主要目标产物提出一定的产量要求时，可以根据产品需求和经济效益依据步骤3所建立的混合模型对采购原料的族组成、馏程、密度等理化性质及其比例进行优化配比，使经济效益最佳。此特征的约束包括：

（1）裂解原料总量的约束，即满负荷约束；

（2）各种不同裂解原料总量的约束，如气相、液相进料要在一定的比例范围内进行

（3）各台裂解炉操作条件约束。操作条件包括各台裂解炉进料流量、汽烃比和炉管出口温度。

上述步骤5的主要特征是找到了适合于裂解反应系统混合模型的混合智能优化算法。本发明所建立的全装置裂解反应系统模型是一个高度非线性的，多极值的复杂模型，其收敛性和实时性是必须解决的一个重要问题。本发明基于现有的智能进化算法，找到了一种具有全局搜索能力的差分进化算法，使之适用于本模型的优化求解。

本发明基于烯烃生产中裂解反应过程的工艺及其裂解反应原理，根据所建立的装置效益模型，在满足现有生产装置对每种裂解原料处理负荷约束的前提下，通过模型对乙烯装置的裂解原料（石脑油、轻石脑油、加氢尾油、LPG）处理负荷的比例进行优化分配，最终实现烯烃装置的效益最大化。

附图说明

图1是本发明模型框架图。

图2实施例中乙烯裂解装置原料配置结构图。

图3NAP聚类分析结果示例。

图4某裂解炉裂解NAP时模型修正结果比较。

图5是实施例中两种不同优化目标的结果比较。

具体实施方式

本具体实施例的一种乙烯裂解原料配置的预测和优化方法，是以某石化公司裂解装置的裂解炉炉群为例，对所有裂解炉的原料资源配比进行了实例计算，在综合考虑原料的高附产品收率、原料供应价格以及产品价格的基础上，按乙烯装置高附收率最高和当量乙烯成本最低的乙烯原料需求量进行优化，具体计算基础和优化的裂解原料配置结果如附表1所示（此表为该公司某月的裂解原料体系和优化结果）。具体实施步骤如下：

1实际工业数据采集和预处理

采集一段时间内小时平均的现场工业数据包括各台裂解炉的进料流量、汽烃比、横跨段温度、炉管出口温度、炉管出口压力和裂解气在线分析结果等。由于工业运行装置的干扰因素较多，存在各种不确定性的影响，工业数据存在一定的扰动和偏差。为消除这些偏差，本专利具体采用小样本的格拉布斯准则粗差剔除方法，对工业数据进行预处理，为实现下述步骤2和其他步骤提供必要的准备。如：采集一段时间内的某裂解炉十组COT值为：835℃，835℃，838℃，836℃，827℃，833℃，831℃，838℃，833℃，835℃。则，根据以上粗差剔除方法计算如下：

1)这十组数值从大到小的排序为：827℃，831℃，833℃，833℃，835℃，835℃，835℃，836℃，838℃，838℃

2)计算得：COT平均值=834.1℃，

v_i=-7.1，-3.1，-1.1，-1.1，0.9，0.9，0.9，1.9，3.9，

s=3.05；

3)计算得最大残余误差为g_max=2.328；

4)取显著度α=0.05，查表得临界g₀(10,0.05)=2.176

5)因为对应的g_max大于g₀，因此该点应该剔除，即COT=827℃点剔除。

6)对以上1)至6)进行循环，直到所有粗差点剔除为止；

对于其他类型数据，都依此类进行剔除偏差较大的数据。

2不同类型裂解原料分类

在乙烯装置的日常生产中，即使使用的同一类型原料，它们也具有不同的裂解性能，其主要受到裂解原料组成的影响，但通常又无法获得裂解原料的详细组成。根据日常生产经验，对液相裂解原料，其裂解特性受PIONA值影响较大，因此本专利基于此裂解特性，对裂解原料进行聚类，聚类方法为K均值聚类分析法，根据历史数据将各类型裂解原料分成若干个类别，对应不同类别的裂解原料建立收率预测模型。此以NAP裂解原料为类，共收集37组工业数据，以环烷烃、正构烷烃与异构烷烃之和及正构烷烃与异构烷烃之比作为关键指标，应用计算软件(如Matlab)对此进行了聚类，共将其分成了6类，如附图3所示，获得各类的中心点值。以此为基础，进行第3步的收率建模。

3建立特定原料属性下的收率预测模型

利用裂解炉机理模拟软件（如：Spyro），构建工业乙烯裂解炉的机理模型。这里主要用工业裂解炉的炉管几何结构信息，裂解原料组成，以及设计资料等，利用裂解炉机理模拟软件构建实际工业乙烯裂解炉的机理模型。机理模型输入变量包括裂解原料属性、碳氢进料流量、裂解炉横跨温度、汽烃比、炉管出口压力和炉管出口温度(或裂解深度)；输出结果为详细裂解气组成(或裂解气组成和炉管出口温度)。机理模型建立好后，通过步骤1中的工业数据进行模型修正，使机理模型的预测结果和工业结果一致。以此方法建立所有裂解炉裂解不同裂解原料时的收率预测模型。模型修正具体过程为：

1)采集一段时间内的裂解炉运行参数，包括裂解原料属性、碳氢进料流量、横跨温度、汽烃比、炉管出口温度、裂解深度乙烯与丙烯质量比(P/E)和炉管出口压力；如果没有出口压力，则在计算中设出口压力为固定值1.86bar；本类共采集了某裂解炉裂解NAP的一段时间内共40个小时平均值的数据点；

2)将以上参数带入裂解模拟软件(如Spyro)进行计算，获得详细裂解气组成和裂解深度值；

3)比较理论模拟的和工业实际的裂解深度P/E；如果两者不一致，进入下一步，调整模型参数；如果两者一致，停止计算，模拟修正结束。

4)调整裂解模拟软件相关参数(包括摩擦阻力、COT测点位置、绝热段体积等)；

5)再次将工业参数代入到裂解炉模拟软件进行计算，获得新的裂解气组成和裂解深度P/E；

6)回的第三步。

附图4给出了模型校正的结果示例。通过调节相关模型参数，理论模拟可以获得与现场一致的结果。

4模型优化求解约束条件

对裂解炉群负荷调配的约束条件包括：

各台裂解炉的生产负荷：F_i,min<F<F_i,max，i=1,…,N(N表示裂解炉台数)

各台裂解炉出口温度：COT_i,min<COT<COT_i,max，i=1,…,N

稀释蒸汽流量：DS_i,min<DS<DS_i,max，i=1,…,N

各种不同裂解原料供给量：Feed_i,min<Feed<Feed_i,max，i=C₂H₆,LPG,NAP,LNAP,HVGO,……。各约束条件的确定主要是根据实际工业运行数据，各具体获得方法为：

裂解炉生产负荷：取裂解炉运行的一段时间内的历史生产负荷，对其进行平均，获得平均负荷F_a，据此确定生产负荷约束条件为F_a×(1±10%)；

裂解炉出口温度：根据不同裂解原料，COT的上下限范围不同。根据工业运行数据，石脑油约束范围取为818～835℃；轻石脑油约束范围取为825～845℃；加氢尾油约束范围取为790～810℃等；

稀释蒸汽流量：稀释蒸汽流量根据汽烃比来定义，汽烃比即为稀释蒸汽与裂解原料进料量质量之比。根据不同裂解原料，汽烃比的上下限范围不同。根据工业运行数据，石脑油汽烃比约束范围取为0.40～0.60；轻石脑油汽烃比约束范围取为0.35～0.55；加氢尾油汽烃比约束范围取为0.60～0.80；

各裂解原料供给量则根据工业运行的实际情况确定。

5建立优化模型和具有全局搜索和快速收敛的优化求解方法

优化目标为裂解气中所含高附收率最高和吨乙烯原料成本最低两个目标，分别表示为：

高附收率最高：

Max：高附收率=(氢气+乙烯+丙烯+丁二烯+苯)×收率

吨乙烯原料成本最低：

Min：吨乙烯原料成本=总原料成本/乙烯总产量

总原料成本=∑_i=1,N(裂解原料×价格)_i

本发明所建立的全装置裂解反应系统模型是一个高度非线性体系、多极值的复杂模型，其收敛性和实时性是必须解决的一个重要问题。此处使用专门求解此类问题的专业软件进行求解(如GAMS)。

根据以上步骤，对某乙烯装置的裂解炉炉群负荷配置进行了计算和优化，计算结果表明：

l在装置高附收率最高模式下，单位高附能耗为308.47千克标油/吨高附产品，高附收率为59.7%，优化的吨当量乙烯原料成本为8227.2元/t；

l在当量乙烯成本最低模式下，单位高附能耗为309.98千克标油/吨高附产品，高附收率为59.41%，吨当量乙烯原料成本为8135.90元/t。

优化结果比较如附图5所示，针对不同的目标各种不同裂解原料需求量如附表1所示。由此可看出，在不同操作要求下，获得了不同的最优结果。

此优化结果仅为本发明的较佳算例，但本发明的应用范围不限于此。

表1某石化企业裂解装置裂解原料结构和优化配置

裂解原料	按髙附收率最高	按吨乙烯成本最低
			二套常减压重石脑油	0.0	0.0
1#罐石脑油	25.0	0.0
			2#罐石脑油	15.0	15.0
一套加氢石脑油	20.0	15.0
			MaxEne石脑油	35.0	35.0
重己烷残液	5.0	0.0
			歧化干气	5.2	5.2
焦化气	0.8	0.8
			气分丙烷	3.0	3.0
分离后液化石油气	36.0	36.0
			加氢裂化得轻石脑油	3.0	10.0
轻石脑油(芳烃100#+900#+Maxene)	48.0	48.0
			一套常减压轻石脑油	12.0	12.0
二套常减压轻石脑油	15.0	15.0
			重质油（280℃-终馏点）	54.0	45.0
二套常减压一常线重质油	8.0	45.0
			合计	285	285

Claims (1)

1.一种乙烯裂解原料配置的预测和优化方法，其特征在于：以不同裂解原料属性、产品收率、产品市场价格、裂解原料市场价格、装置的生产能力为自变量，以装置的整体效益为因变量，提出一种裂解装置的负荷配置预测和优化方法，包括以下步骤：

(1)实际工业数据采集和预处理

采集现场工业数据包括各台裂解炉的进料流量、汽烃比、横跨段温度、炉管出口温度、炉管出口压力和裂解气在线分析结果，采用专门用于小样本异常值剔除的格拉布斯准则，对工业数据进行显著误差剔除和数据补缺；

(2)不同类型裂解原料分类

对裂解原料的特性表征参数包括LPG的详细组成、轻石脑油、石脑油和重油的PIONA值及馏程进行聚类，聚类方法为K均值聚类算法，根据历史数据将各类型裂解原料分成若干个类别，对应不同类别的裂解原料建立收率预测模型；

(3)建立特定原料属性下的收率预测模型

利用裂解炉机理模拟软件构建实际工业乙烯裂解炉的机理模型，机理模型输入变量包括裂解炉进料负荷F、裂解过程稀释蒸汽流量DS、裂解原料横跨段温度CIT、裂解炉炉管出口温度COT和压力COP；输出结果为不同条件下详细裂解气组成或裂解气组成和炉管出口温度；

机理模型建立好后，通过步骤(1)中的工业数据进行模型修正，使机理模型的预测结果和工业结果一致，以此方法建立所有裂解炉裂解不同裂解原料时的收率预测模型，提供产品预测信息；

(4)模型和优化求解约束条件

当市场情况对各主要目标产物提出一定的产量要求时，根据产品需求和经济效益依据步骤(3)所建立的收率预测模型对采购原料的族组成、馏程、密度理化性质及其比例进行优化配比；

模型框架包括模型输入、模型计算、模型输出、优化目标和优化结果，首先根据不同的优化目标，选择所必须的输入变量；再通过收率预测模型获得各对应输入的产品组成和产量，并计算经济效益；接着基于优化目标，并结合相应的优化算法进行优化，最终获得相应优化结果；

同时优化时规定各所涉变量的范围，及模型的约束条件，包括：

各台裂解炉的生产负荷：F_i,min<F<F_i,max，i＝1,…,N，

各台裂解炉出口温度：COT_i,min<COT<COT_i,max，i＝1,…,N，

稀释蒸汽流量：DS_i,min<DS<DS_i,max，i＝1,…,N，N表示裂解炉台数，

各种不同裂解原料供给量：Feed_min<Feed<Feed_max；

当对某一目标进行优化时，需要根据工业实际情况确定各输入变量的允许范围；

(5)建立具有全局搜索和快速收敛的优化求解方法

优化目标为裂解气中所含高附收率最高和吨乙烯原料成本最低两个目标，分别表示为：

高附收率最高：

Max：高附收率＝(氢气+乙烯+丙烯+丁二烯+苯)收率，

吨乙烯原料成本最低：

Min：吨乙烯原料成本＝总原料成本/乙烯总产量

总原料成本＝∑_i＝1,N(裂解原料×价格)_i

根据步骤(4)中的约束条件，利用优化软件对优化目标进行求解；

通过步骤(4)的整体模型，通过对乙烯装置最适宜的裂解原料处理负荷的比例进行分配和反应操作参数进行寻优，利用具有全局搜索和快速收敛的上述模型优化目标的求解方法，获得裂解炉系统最优的投料配比和操作条件；

步骤(4)中约束条件的确定主要是根据实际工业运行数据，各具体获得方法为：

裂解炉生产负荷：取裂解炉运行的一段时间内的历史生产负荷，对其进行平均，获得平均负荷F_a，据此确定生产负荷约束条件为F_a×(1±10％)；

裂解炉出口温度：根据不同裂解原料，COT的上下限范围不同，石脑油约束范围取为818～835℃；轻石脑油约束范围取为825～845℃；加氢尾油约束范围取为790～810℃；

稀释蒸汽流量：稀释蒸汽流量根据汽烃比来定义，汽烃比即为稀释蒸汽与裂解原料进料量质量之比，石脑油汽烃比的约束范围取为0.40～0.60；轻石脑油轻烃比的约束范围取为0.35～0.55；加氢尾油汽烃比的约束范围取为0.60～0.80。