CN103605821B - 乙烯裂解炉群负荷分配优化方法 - Google Patents

Abstract

本发明涉及一种乙烯裂解炉群负荷分配优化方法。利用裂解反应的机理模型，获得产品收率等数据，据此建立了裂解反应过程关键产品收率神经网络模型。基于理论方法，导得废热锅炉出口温度预测模型。根据工业运行数据，对上述模型进行参数估计和校正。最后基于过程模型，构建了以乙烯产量、双烯产量、高附产量、乙烯价值、双烯价值和高附价值为目标，以裂解炉过程参数为等式约束、废热锅炉出口温度为不等式约束及其他约束的非线性优化模型。利用智能差分进化算法对该模型进行了求解。对实际工业装置的应用表明，该方法获得的负荷优化分配可显著提高经济效益。该方法理论简化和推导合理，工程使用性强，简单易行，易于移植，具有广泛适应性。

Description

乙烯裂解炉群负荷分配优化方法

技术领域

本发明涉及一种乙烯裂解炉群负荷分配优化方法。

技术背景

乙烯工业占据石油化工行业的核心地位，乙烯产量是衡量一个国家的石油化工发展水平的标志，因此裂解炉的日常操作和优化至关重要。乙烯裂解炉是裂解原料高速流过裂解炉炉管并在高温、短停留时间的条件下发生复杂吸热化学反应的装置。由于乙烯装置的规模化和大型化，单台裂解炉难以满足工业的需要和要求。在大型乙烯生产企业，一个乙烯装置裂解炉区通常由数十台乙烯裂解炉构成的，这种含有多台乙烯裂解炉的炉区系统称为乙烯裂解炉群。乙烯裂解炉群是多台乙烯裂解炉并行运行的系统，是乙烯装置的核心，也是工业重要能耗大户。目前国内的乙烯装置多采用年产4～10万吨乙烯的裂解炉，个别乙烯装置已采用年产15万吨乙烯裂解炉，对于年产100万吨的乙烯装置而言，大都包含12～15台不同型号裂解炉。

裂解原料主要有两个来源，一是天然气加工厂的轻烃，如乙烷、丙烷、丁烷和天然汽油；二是炼油厂的加工产品，如炼厂气、石脑油、汽油、煤油、柴油、重油、渣油等，以及炼油厂二次加工油，如焦化加氢油、加氢裂化油等。不同种类的裂解原料在不同的裂解炉的裂解特性和效益不同，同时由于世界原油不同地区成分变化很多，因此炼制出的裂解原料差异较大。裂解炉的裂解原料差异性较大，在不同的裂解炉中有不同的裂解特性；有时同种裂解原料由于批次不同或原油产地不同，如乙烯裂解常用的石脑油，组分变化差异性均较大。

裂解炉的连续操作导致炉管内表面结焦，结焦导致热阻增加，为了保持生产能力，必须通过增加燃料量来提高炉管外壁温度。而且焦量的积累，导致炉管压降增加，降低乙烯的收率。当炉管外壁温度或者炉管压降达到最大极限时，裂解炉就必须停炉清焦。同时裂解炉运行过程中，由于裂解原料差异、裂解炉炉膛燃烧情况的差异等，导致各台裂解炉的运行效率也存在较大差异。

对于裂解炉群系统，涉及到炉子的正常运行和清焦操作，在系统总进料给定情况下，在各台炉子之间分配负荷以及炉子清焦调度等实际问题的处理方法至关重要。目前工业中对裂解炉的进料负荷通常是基于裂解炉的原始设计，由车间(或装置)相关技术人员确定，总进料量通常由厂调度根据生产要求确定。虽然这一过程也会考虑裂解炉的运行工况的影响，例如，裂解炉运行末期，由于废热锅炉出口温度或TMT(炉管表面最大温度)偏高，裂解炉的处理负荷会有所调整，但是这些调整往往主观性较强，不能深入细致的评估各台裂解炉的运行效率以及裂解原料、裂解负荷变化对裂解全装置运行效率和效益的影响等。

发明内容

为了解决上述问题，本发明提供了一种乙烯裂解炉群负荷分配优化方法。

本发明技术方案如下：

一种乙烯裂解炉群负荷分配优化方法，包括以下步骤：

步骤1：建立裂解产品收率预测模型。

以神经网络代理模型构建不同裂解炉的产品收率预测模型，该产品收率预测模型的输入变量包括辐射段出口温度(以下简称COT)、烃进料负荷(Fhc)、汽烃比(以下简称SHR)和绝热段体积；输出变量有关键产品收率、炉管外壁最高温度和裂解深度(以下简称PER)。针对每个输出变量分别建立一个独立的神经网络模型。

步骤2：建立裂解炉废热锅炉出口温度预测模型。

通过对废热锅炉的换热机理分析和理论简化、推导，得到裂解炉废热锅炉出口温度计算公式，并以此为裂解炉废热锅炉出口温度预测模型:

其中T_i、T_s、T_o和F分别为COT、汽包饱和蒸汽温度、废锅出口温度和烃负荷进料流量；R_cc和R_ff为待辨识参数，由工业数据计算获得。

步骤3：建立裂解过程燃料气量消耗预测模型。

通过对现场数据分析和机理软件的模拟仿真，获得在一定工况下燃料气进料流量与烃进料负荷、稀释蒸汽进料负荷、出口温度的关系，以此为裂解过程燃料气量消耗预测模型：

F_fuel=K₀+K₁*COT+K₂*F_DS+K₃*F_hc (2)

式中F_fuel表示燃料气消耗量，即燃料气进料流量；COT为辐射段出口温度；F_DS为稀释蒸汽进料负荷；F_hc为烃进料负荷；K₀、K₁、K₂和K₃为模型参数。

步骤4：关键产品收率预测模型参数在线估计。

基于步骤1建立的关键产品裂解深度(PER)神经网络代理模型，结合即时获取的工业在线数据，包括辐射段出口温度(COT)、烃进料负荷(F_hc)、汽烃比(SHR)和裂解深度(PER)等数据，采用粗差剔除的非线性最小二乘方法，将模型参数绝热段体积在线估计出来。

步骤5：废热锅炉出口温度预测模型参数在线估计。

基于步骤2中的裂解炉废热锅炉出口温度预测模型，结合即时获取的工业在线数据，包括COT、汽包饱和蒸汽温度、废锅出口温度以及烃负荷进料流量，借助基于粗差剔除的非线性最小二乘方法将模型参数R_cc和R_ff估计出来。

步骤6：裂解过程燃料气消耗量预测模型在线校正。

基于步骤3中的裂解过程燃料气量消耗预测模型，结合即时获取的工业在线数据，包括F_fuel燃料气进料流量、COT辐射段出口温度、F_DS稀释蒸汽进料负荷、F_hc烃进料负荷，以及步骤3中参数K₀、K₁、K₂和K₃，对模型进行在线校正，获得裂解过程燃料气实际消耗量。

步骤7：裂解炉群负荷分配优化建模。

裂解炉群负荷分配优化模型包括优化目标、过程模型等式约束、物料平衡等式约束、炉膛最大温度不等式约束、废热锅炉出口温度不等式约束以及其他约束。

1)优化目标

这里有六个不同优化目标可供选择，分别为乙烯产量、双烯产量、高附产量、乙烯价值、双烯价值和高附价值。

它们分别计算如下：

乙烯产量=炉群中在运行的裂解炉烃进料负荷x乙烯产品收率x时间；

双烯产量=炉群中在运行的裂解炉烃进料负荷x双烯产品收率x时间；

高附产量=炉群中在运行的裂解炉烃进料负荷x高附产品收率x时间；

乙烯价值=炉群中在运行的裂解炉烃进料负荷x乙烯产品收率x乙烯价格x时间；

双烯价值=炉群中在运行的裂解炉烃进料负荷x双烯产品收率x双烯价格x时间；

高附价值=炉群中在运行的裂解炉烃进料负荷x高附产品收率x高附价格x时间。

2)过程预测模型

炉群中各台裂解炉对应不同原料的过程模型包括：

裂解炉关键产品收率预测模型；

裂解炉废热锅炉出口温度预测模型；

裂解炉燃料气消耗预测模型。

3)废热锅炉出口温度约束

废热锅炉出口温度不能超过给定的上限。

4)油品总负荷平衡约束

对当前在处理的油品，每种油品的总进料负荷有以下平衡约束：

优化后某种油品进料的总负荷=该种油品优化前总负荷+该种油品总负荷变化量

5)其他约束

各台裂解炉处理能力的限制和一个隐含约束——优化后综合经济指标不小于优化前综合经济指标。其中，综合经济指标=高附价值-燃料气价值

步骤8：裂解炉群负荷分配优化求解。

为了降低步骤7中构建的裂解炉群负荷分配优化模型的求解复杂度，这里分别针对每种原料建立类似步骤7中的负荷优化模型。每个模型为含有等式约束和不等式约束的非线性优化问题，并采用智能差分进化算法进行求解。

本发明的有益效果在于，提供了一种乙烯裂解炉群负荷分配优化方法。首先结合乙烯裂解炉机理模型，选择合适的操作变量，再进行机理模拟，产生实验仿真数据。利用实验数据建立裂解炉收率、炉管外壁最高温度和裂解深度等神经网络代理模型。通过理论和实际分析，获得各约束条件的计算方法。结合上述过程模型，构建了分别以乙烯产量、双烯产量、高附产量、乙烯价值、双烯价值和高附价值为目标，以油品负荷平衡为等式约束，以炉膛温度和废热锅炉出口温度为不等式约束以及其他约束的非线性优化问题。通过对模型的分解，降低了问题的复杂度，最后采用智能差分进化算法进行求解。该乙烯裂解炉群负荷分配优化方法容易实施，可实现一般乙烯厂的炉群的调度优化，具有广泛适应性和类推性。

附图说明

图1是某乙烯联合装置的裂解炉群示意图；

图2是神经网络代理模型结构图；

图3是裂解深度模型计算值与现场实际值比较图，为I型裂解炉裂解石脑油工业数据验证；

具体实施方式

本具体实施例的乙烯裂解炉群负荷分配优化方法，是以某乙烯联合装置的14台裂解炉构成的乙烯裂解炉群为例，其中包含5台I型，1台II型，1台III型，3台IV型，4台V型裂解炉，其示意图见图1，但不以此为限。

乙烯裂解炉群负荷分配优化方法的实施包括以下步骤：

1.建立裂解产品收率预测模型

以神经网络代理模型针对不同的裂解炉构建关键产品收率预测模型，各裂解炉的输入变量包括辐射段出口温度(COT)、烃进料负荷(F_hc)、汽烃比(SHR)和绝热段体积等；输出变量有关键产品收率、炉管外壁最高温度和裂解深度(PER)。针对每一输出产品的代理模型的网络结构如图2所示，共采用两个隐含层，包含四个输入变量和一个输出变量，因此对每一种模型需要有4个收率模型来对应。图2中w1和w2及b1和b2为神经网络结构参数。以I型裂解炉裂解石脑油为例，表1显示所建立的I型裂解炉裂解石脑油模型的适用范围。

表1.I型裂解炉裂解石脑油模型适用范围

2.建立裂解炉废热锅炉出口温度预测模型

裂解炉废热锅炉出口温度和预测和约束由公式(1)计算。

3.建立裂解过程燃料气消耗量预测模型

通过对现场数据分析和机理软件的模拟仿真，获得在一定工况下燃料气进料流量与烃进料负荷、稀释蒸汽进料负荷、出口温度的关系式(2)。

4.关键产品收率预测模型参数在线估计

基于步骤1建立的关键产品裂解深度(PER)神经网络代理模型，结合即时获取的工业在线数据，包括辐射段出口温度(COT)、烃进料负荷(F_hc)、汽烃比(SHR)和裂解深度(PER)等数据，采用粗差剔除的非线性最小二乘方法，将模型参数绝热段体积在线估计出来，且将该模型计算值与工业现场值进行比较，见图3。

5.废热锅炉出口温度预测模型参数在线估计

由理论模型公式(1)和工业数据，采用基于粗差剔除的非线性最小二乘方法将模型参数R_cc和R_ff估计出来，并使用公式(1)计算获得废热锅炉出口温度值。

6.裂解过程燃料气消耗预测量模型在线校正

利用步骤3中理论模型公式(2)结合现场数据进行估算。

7.裂解炉群负荷分配优化建模

裂解炉群负荷分配优化模型包括优化目标，过程模型等式约束，物料平衡等式约束，炉膛最大温度不等式约束，废热锅炉出口温度不等式约束以及其他约束。

1).优化目标

本发明有六个不同优化目标选择，分别为乙烯产量、双烯产量、高附产量、乙烯价值、双烯价值和高附价值。它们分别计算如下：

乙烯产量=炉群中在运行的裂解炉烃进料负荷x乙烯产品收率x时间；

双烯产量=炉群中在运行的裂解炉烃进料负荷x双烯产品收率x时间；

高附产量=炉群中在运行的裂解炉烃进料负荷x高附产品收率x时间；

乙烯价值=炉群中在运行的裂解炉烃进料负荷x乙烯产品收率x乙烯价格x时间；

双烯价值=炉群中在运行的裂解炉烃进料负荷x双烯产品收率x双烯价格x时间；

高附价值=炉群中在运行的裂解炉烃进料负荷x高附产品收率x高附价格x时间。

2).过程预测模型

炉群中各台裂解炉对应不同原料的过程模型包括：

裂解炉收率预测模型；

裂解炉废热锅炉出口温度预测模型；

裂解炉燃料气消耗预测模型。

3).废热锅炉出口温度约束

废热锅炉出口温度不能超过给定的上限。

4).油品总负荷平衡约束

对当前在处理的油品，每种油品的总进料负荷有以下平衡约束：

优化后某种油品进料总负荷=该种油品优化前总负荷+该种油品总负荷变化量

5).其他约束

各台裂解炉处理能力的限制和一个隐含约束——优化后综合经济指标不小于优化前综合经济指标。其中，综合经济指标=高附价值-燃料气价值

8.裂解炉群负荷分配优化求解

为了降低步骤7中构建的裂解炉群负荷分配优化模型的求解复杂度，这里分别针对每种原料建立类似步骤7中的负荷优化模型。每个模型为含有等式约束和不等式约束的非线性优化问题，并采用智能差分进化算法进行求解，在此基础上分别以乙烯产量、双烯产量、高附产量、乙烯价值、双烯价值和高附价值为优化目标，以工业现场实际运行数据为依据进行优化，六个目标较优化前分别增加了1.65吨/天，1.64吨/天，5.42吨/天，1.4万元/天，1.36万元/天，5.31万元/天。

综上所述仅为发明的较佳实施例而已，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰，都应为本发明的技术范畴。

Claims (8)

1.一种乙烯裂解炉群负荷分配优化方法，其特征在于，所述方法包括以下步骤：

步骤1：以神经网络代理模型针对裂解炉的不同的输出变量构建关键产品收率预测模型，该裂解炉的输入变量包括辐射段出口温度、烃进料负荷、汽烃比和绝热段体积；裂解炉的输出变量包括关键产品收率、炉管外壁最高温度和裂解深度；

步骤2：基于步骤1建立的关键产品收率预测模型，结合即时获取的工业在线数据，包括辐射段出口温度、烃进料负荷、汽烃比和裂解深度，计算出模型参数绝热段体积值；

步骤3：建立裂解气废热锅炉出口温度预测模型：

$T_o=\exp \left(\ln \right(T_i-T_s)-\frac{1}{(R_{cc}F+R_{ff}{F}^{0.2})})+T_s---\left(1\right)$

其中T_i、T_s、T_o和F分别为辐射段出口温度、汽包饱和蒸汽温度、废热锅炉出口温度和烃进料负荷流量；R_cc和R_ff为待辨识参数；

步骤4：基于步骤3中的裂解气废热锅炉出口温度预测模型，结合即时获取的工业在线数据，包括辐射段出口温度、汽包饱和蒸汽温度、废热锅炉出口温度以及烃进料负荷流量，计算出R_cc和R_ff；从而获得废热锅炉出口温度实时在线预测约束模型；

步骤5：建立裂解过程燃料气量消耗预测模型：

F_fuel＝K₀+K₁*COT+K₂*F_DS+K₃*F_hc (2)

式中F_fuel表示燃料气消耗量；COT为辐射段出口温度；F_DS为稀释蒸汽进料负荷；F_hc为烃进料负荷；K₀、K₁、K₂和K₃为模型参数；

步骤6：基于步骤5中的裂解过程燃料气量消耗预测模型，结合即时获取的工业在线数据，包括F_fuel燃料气进料流量、COT辐射段出口温度、F_DS稀释蒸汽进料负荷、F_hc烃进料负荷，以及参数K₀、K₁、K₂和K₃，对模型进行在线校正，从而得到裂解过程燃料气消耗值的约束模型；

步骤7：建立具有约束的裂解炉群负荷分配优化模型，包括过程模型等式约束和条件约束；

该过程模型等式约束包括关键产品收率预测模型、裂解气废热锅炉出口温度预测模型和裂解过程燃料气量消耗预测模型；

该条件约束包括以下约束之一或任意几个的组合：

产量价值优化目标、废热锅炉出口温度约束、油品总负荷平衡约束、综合经济指标提升约束；

步骤8：裂解炉群优化模型求解，计算出各台裂解炉的最佳负荷分配方案。

2.根据权利要求1所述的乙烯裂解炉群负荷分配优化方法，其特征在于，步骤1中所述关键产品收率预测模型包括两个隐含层、四个输入变量和一个输出变量。

3.根据权利要求1所述的乙烯裂解炉群负荷分配优化方法，其特征在于，步骤2或步骤4中所述参数计算采用粗差剔除的非线性最小二乘方法。

4.根据权利要求1所述的乙烯裂解炉群负荷分配优化方法，其特征在于，步骤8中的求解，采用智能差分进化算法。

5.根据权利要求1所述的乙烯裂解炉群负荷分配优化方法，其特征在于，步骤7中，所述产量价值优化目标为乙烯产量、双烯产量、高附产量、乙烯价值、双烯价值或高附价值。

6.根据权利要求1所述的乙烯裂解炉群负荷分配优化方法，其特征在于，步骤7中，所述综合经济指标提升约束为：优化后综合经济指标不小于优化前综合经济指标，该综合经济指标＝高附价值-燃料气价值。

7.根据权利要求1所述的乙烯裂解炉群负荷分配优化方法，其特征在于，步骤7中，所述油品总负荷平衡约束为：油品进料总负荷＝该种油品优化前总负荷+该种油品总负荷变化量。

8.根据权利要求1所述的乙烯裂解炉群负荷分配优化方法，其特征在于，所述步骤8中，针对每种裂解原料给出对应的最佳裂解负荷。