CN105138824A - 一种面向常减压装置优化的原油数据校正方法 - Google Patents

Abstract

本发明公开了一种面向常减压装置优化的数据校正方法，通过对稳态时间范围内的三种原油数据，即原油快评数据，调合头组分跟踪数据，以及依据油种占比和常炼原油性质计算所得的常炼原油数据，进行基于相似度比较的原油数据整定和基于相似工况的化验数据补齐。本发明通过对原油数据进行整定，旨在选取更接近真实值的原油性质数据进行装置优化，避免了由于原油快评分析中近红外分析仪检测精度造成的影响；同时，利用现有的化验分析数据，对未知化验数据的工况进行化验数据补齐，降低了因化验频次低对装置优化造成的影响，为装置实时优化奠定了数据基础。

Description

一种面向常减压装置优化的原油数据校正方法

技术领域

本发明涉及一种生产过程数据的校正方法，尤具体是一种面向常减压装置优化的原油数据校正方法。

背景技术

常减压蒸馏装置是石油化工业的龙头装置，通过装置实时优化，可以提高高价值产品收率，降低装置的能耗，对炼油厂的经济效益提高具有极其重要的意义。常减压装置优化前需要对生产数据进行整定，目前大量研究均集中在过程测量数据的校正，主要包括流量、压力、温度等，很少涉及原油数据的校正。

由于采用传统评价方法获得原油性质数据需要大量人力物力，因此大多炼化企业采用原油快速评价的方法获得原油性质数据。原油快评数据由于近红外分析仪的检测精度会造成一定程度的误差，如果把这种含有误差的原始原油数据直接用于常减压装置的优化控制，将会对实际操作带来不良影响，因此需在装置进行实时优化前，对原油数据进行校正，选取更接近真实值的原油性质数据进行装置流程模拟及优化。

对于常减压装置实时优化而言，除了原油性质数据，精确的化验分析数据也是至关重要的。化验数据主要用于模型的自校正，通过比对侧线产品性质模拟值与真实化验值间的差异，对模型精度进行维护。由于目前常减压侧线产品化验数据频次较低，导致在实时优化时采用的化验数据与当前工况下的真实产品质量间存在偏差。因此，如何充分利用现有的化验分析数据，不断对未知化验数据的工况进行数据补齐以满足实时优化需求，降低成本和能耗，也成为装置实时优化面临的重要问题之一。

发明内容

本发明针对背景技术中存在的问题，提出一种面向常减压装置优化的原油数据校正方法，具体方案是：所述的数据校正方法是对判断为稳态的一段时间范围内的三种原油数据，即原油快评数据、调合头组分跟踪数据、以及依据油种占比和常炼原油性质计算所得的常炼原油数据，进行基于原油相似度S_C比较的原油数据整定，并进行基于相似工况的化验数据补齐，最终获得合理准确的原油数据。

具体的，原油数据整定过程中，对三种原油数据进行原油相似度S_C比较的具体步骤为：

首先，判断是否能获取到原油快评数据，若可以获取，则继续判断原油快评数据与调合头组分跟踪数据之间、或原油快评数据与常炼原油数据之间的原油相似度S_C：若S_C≥80，则取原油快评数据作为原油数据；若S_C＜80时，判断常炼原油性质是否能够获取，若可以获取，取常炼原油性质作为原油数据，否则取原油快评数据作为原油数据；

其次，若无法获取原油快评数据，则继续判断调合头组分跟踪数据是否能够获取：

若可以获取，则取调合头组分跟踪数据作为原油数据，否则判断无原油数据。

优选的，化验数据补齐时，对已判定为稳态工况的时间段内，若无化验数据，则采用相似工况的化验数据对其进行补齐，若无相似工况或相似工况也无化验数据，则采用与当前稳态日期最近的一次化验数据对其进行补齐。

具体的，采用相似工况的化验数据对其进行补齐时，相似工况查找需先计算原油相似度S_C，再计算原油相似度S_C大于等于80的稳态工况与基准稳态工况的工况相似度S_P，相似工况查找具体步骤为：

(1)以判断为稳态的常减压装置实时工况为基准工况，查询历史工况中与基础工况原油相似度S_C大于等于80的稳态工况，筛除原油相似度S_C小于80的稳态工况；

(2)选取原油加工流量，初馏塔顶温度，常压塔顶温度，常一线、常二线、常三线主塔抽出温度，常二线、常底吹汽量作为相似工况判断参数，在原油相似度S_C大于80的稳态工况中，依次确定各相似工况的判断参数与基准稳态各参数的偏差是否均在各相似工况的判断参数允许偏差内，若不在允许偏差之内，则不计算各稳态与基准稳态的工况相似度S_P，默认工况相似度S_P为0；否则计算工况相似度S_P：

$S_P=1-\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\[(a_i-p_i)/s_i\]}^2$

其中，a_i(1≤i≤n)为某一稳态工况的各参数数值，p_i(1≤i≤n)为基准稳态的各参数数值，s_i(1≤i≤n)为各相似工况判断参数的允许偏差，s_i为经验值，由人工根据具体工艺选取；

(3)筛除工况相似度S_P小于60的稳态工况，计算综合相似度S＝S_C×S_P，并依据S的大小进行排序；

(4)依据综合相似度S的高低对各相似工况进行排序，选取相似度高的工况优先对基准工况的化验数据进行补齐。

优选的，原油相似度S_C计算时，采用下列公式计算两种原油相似度S_C：

$S_C=\frac{{\mathrm{\Σx}}_i*{\mathrm{\λ}}_i}{{\mathrm{\Σ\λ}}_i}$

其中λ_i(i＝1,2,3,4)分别为两种原油数据的日期、硫含量、收率、密度参数在参与原油相似度S_C计算时采用的权重，λ₁＝1,λ₂＝2,λ₃＝5,λ₄＝0.5；x_i(0≤x_i≤1)是采用岭分布函数、梯形分布函数或范围限定方法计算两种原油数据的日期、硫含量、收率、密度之间的性质相似度。

优选的，性质相似度x_i的计算时，先采用下式计算两原油数据各性质参数的差值k_j：

k_j＝z_j-y_j

其中，y_j(i＝1,2,3,4)分别为基准原油的日期、硫含量、收率、密度数值，z_j(i＝1,2,3,4)分别为与基准原油对比的原油数据的日期、硫含量、收率、密度数值；

对于原油的日期，若k_j＜7day，x_i＝1；若7day≤k_j＜30day，x_i＝0.8；若30day≤k_j＜90day，x_i＝0.5；若90day≤k_j＜180day，x_i＝0.3；若k_j≥180day，x_i＝0.1；

对于原油的硫含量、收率、密度数值，若则x_i＝1；若则x_i＝f_j；若则x_i＝0；c_j为经验值，

由人工根据具体工艺设定；其中参数f_j的计算时，选取岭分布函数用于原油的硫含量、

收率的f_j值的计算，f_j计算公式如下：

$f_j=0.5-0.5\×sin\frac{\mathrm{\π}}{c_j^2-c_j^1}(k_j-\frac{c_j^1+c_j^2}{2})$

选取梯形分布函数用于原油密度数值的f_j值的计算，f_j计算公式如下：通过对判断为稳态的一段时间范围内的三种原油数据，即原油快评数据、调合头组分跟踪数据、以及依据油种占比和常炼原油性质计算所得的常炼原油数据，进行基于相似度比较的原油数据整定，并进行基于相似工况的化验数据补齐，旨在选择合理准确的原油数据对装置进行实时优化。

有益效果：

本发明公开了一种面向常减压装置优化的原油数据校正方法，通过对稳态时的原油快评数据，调合头组分跟踪数据及常炼原油数据，进行基于相似度比较的数据整定，旨在选取更接近真实值的原油性质数据进行装置优化，避免了由于原油快评分析中近红外分析仪检测精度造成的影响。同时，利用现有的化验分析数据，对未知化验数据的工况进行数据补齐，降低了因化验频次低对装置优化造成的影响，为装置实时优化奠定了数据基础。

附图说明

图1原油数据整定流程图

图2化验数据补齐流程图

具体实施案例

下面对本发明的实施例作详细说明，本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

以某企业常减压装置为例，该企业常减压装置具有炼化企业典型工艺，包括初馏塔、常压塔和减压塔。通过实时稳态判断得知，以当前时间2015-04-0721:00，向前推3h，至2015-4-718:00，该段时间范围内装置运行为稳态，在此基础上，对加工原油数据进行整定并对该稳态工况下的化验数据进行补齐。

1.原油数据整定

当前加工油种为100％阿曼，该原油的快评数据、调合头组分跟踪数据及常炼原油数据如表1所示：

表1加工100％阿曼的快评数据、组分跟踪数据及常炼原油数据

	快评数据	组分跟踪数据	常炼原油数据
				日期	2014-04-07 08:00	2014-04-07 13:00	2014-04-07 13:00
密度	859.92	871.70	860.90
				硫含量	1.38	1.58	1.31
初馏点至45℃馏分收率	2.53	2.77	3.46
				45至60℃馏分收率	0.96	0.94	1.07
60至75℃馏分收率	1.32	1.27	1.11
				75至90℃馏分收率	1.49	1.46	1.32
90至105℃馏分收率	1.89	1.85	1.84
				105至120℃馏分收率	1.94	1.98	2.04
120至135℃馏分收率	1.95	1.88	1.92
				135至165℃馏分收率	4.16	4.02	3.93
165至200℃馏分收率	4.54	4.46	4.81
				200至250℃馏分收率	7.02	6.59	7.06
250至300℃馏分收率	7.96	7.47	7.14
				300至350℃馏分收率	8.14	7.42	7.41
350至400℃馏分收率	7.19	7.11	7.85
				400至450℃馏分收率	6.79	6.89	7.88
450至500℃馏分收率	7.26	7.64	7.25
				500至550℃馏分收率	6.97	6.42	6.34
550至565℃馏分收率	2.12	1.96	1.74
				565至580℃馏分收率	2.02	1.88	1.67

(1)计算快评数据与组分跟踪数据之间的日期、密度、硫含量和各收率的差值，如表2所示：

表2快评数据与组分跟踪数据日期、密度、硫含量和各收率的差值

	快评数据	组分跟踪数据	差值
				日期	2014-04-07 08:00	2014-04-07 13:00	5h
密度	859.92	871.70	11.78
				硫含量	1.38	1.58	0.20
初馏点至45℃馏分收率	2.53	2.77	0.24
				45至60℃馏分收率	0.96	0.94	-0.02
60至75℃馏分收率	1.32	1.27	-0.05
				75至90℃馏分收率	1.49	1.46	-0.03
90至105℃馏分收率	1.89	1.85	-0.04
				105至120℃馏分收率	1.94	1.98	0.04
120至135℃馏分收率	1.95	1.88	-0.07
				135至165℃馏分收率	4.16	4.02	-0.14
165至200℃馏分收率	4.54	4.46	-0.08
				200至250℃馏分收率	7.02	6.59	-0.43
250至300℃馏分收率	7.96	7.47	-0.49
				300至350℃馏分收率	8.14	7.42	-0.72
350至400℃馏分收率	7.19	7.11	-0.08
				400至450℃馏分收率	6.79	6.89	0.10
450至500℃馏分收率	7.26	7.64	0.38
				500至550℃馏分收率	6.97	6.42	-0.55
550至565℃馏分收率	2.12	1.96	-0.16
				565至580℃馏分收率	2.02	1.88	-0.14

(2)选取密度、硫含量和收率的岭型分布和梯形分布函数的阈值和如表3所示：

表3各性质岭型分布和梯形分布函数的阈值

(3)计算原油性质相似度x_i：

(3-1)计算原油日期相似度x₁：

由于快评数据与组分跟踪数据时间差值k₁＜7day，因此x₁＝1；

(3-2)计算原油硫含量相似度x₂：

由于快评数据与组分跟踪数据时间差值k₂＝0.2，k₂∈(0.1,0.5)，因此x₂＝f₂；

$f_2=0.5-0.5\×\sin \frac{\mathrm{\π}}{c_2^2-c_2^1}(k_2-\frac{c_2^1+c_2^2}{2})=0.5-0.5\×sin\frac{\mathrm{\π}}{0.5-0.1}(0.2-\frac{0.1+0.5}{2})=0.517$

因此，x₂≈0.52；

(3-3)计算原油各收率相似度x₃：

依据快评数据与组分跟踪数据差值k₃与的关系，选用x₃合适的计算公式并计算x₃，计算结果如表4所示：

表4原油各收率相似反馈值x₃的计算公式及计算结果

快评数据与组分跟踪

x3

	数据差值k3
			初馏点至45℃馏分收率	0.24	0.99
45至60℃馏分收率	-0.02	1
			60至75℃馏分收率	-0.05	1
75至90℃馏分收率	-0.03	1
			90至105℃馏分收率	-0.04	1
105至120℃馏分收率	0.04	1
			120至135℃馏分收率	-0.07	1
135至165℃馏分收率	-0.14	1
			165至200℃馏分收率	-0.08	1
200至250℃馏分收率	-0.43	0.78
			250至300℃馏分收率	-0.49	0.73
300至350℃馏分收率	-0.72	0.55
			350至400℃馏分收率	-0.08	1
400至450℃馏分收率	0.10	1
			450至500℃馏分收率	0.38	0.96
500至550℃馏分收率	-0.55	0.69
			550至565℃馏分收率	-0.16	0.93
565至580℃馏分收率	-0.14	1

(3-4)计算原油密度相似度x₄：

由于快评数据与组分跟踪数据时间差值k₄＝11.78＜12，因此x₄＝1。

(4)采用公式计算快评数据与组分跟踪数据之间的原油相似度其中，λ₁,λ₂,λ₃,λ₄分别为日期、硫含量、收率、密度的相似度计算权重，分别取1、2、5和0.5；快评数据与组分跟踪数据间各性质相似度x_i和各性质相似度计算权重λ_i如下表5所列：

表5快评数据与组分跟踪数据间的各性质相似度及权重

因此， $S_C^1=\frac{{\mathrm{\Σx}}_i*{\mathrm{\λ}}_i}{{\mathrm{\Σ\λ}}_i}=0.9164=91.64\%;$

由于快评数据与组分跟踪数据之间的原油相似度已经满足即无需再计算快评数据与常炼原油数据间的原油相似度，校正后的原油数据取原油快评数据，原油数据整定过程结束。

2.化验数据补齐

(1)以判断为稳态的常减压装置实时工况(2015-04-0721:00至2015-4-718:00)为基准工况，采用原油数据整定中原油相似度S_C的计算方法，查询历史工况(设有5个历史工况)中与基础工况原油相似度S_C大于等于80的稳态工况，筛除原油相似度S_C小于80的稳态工况；基准工况和5个历史工况的校正原油性质、各相似工况判断参数如表6所示：

表6基准工况和5个历史工况的校正原油性质、各相似工况判断参数

历史查询的5个稳态工况的化验数据如表7所示：

表7历史查询的5个稳态工况的化验数据

采用原油数据校正中原油相似度S_C的计算方法，分别计算基准原油与5个历史稳态工况的原油相似度S_C分别为100％，100％，99.78％，99.78％，99.78％；

(2)判断基准原油与5个历史稳态工况的原油相似度S_C均大于80，计算各稳态工况与基准原油相似工况判断参数的差值绝对值，如表9所示：

表9各稳态工况与基准工况的相似工况判断参数的差值绝对值

(2-1)判断各稳态工况与基准工况的差值绝对值是否在各参数允许的最大偏差范围内。各相似工况判断参数在计算工况相似度时允许最大偏差如表8所示：

表8各相似工况判断参数允许最大偏差

由于稳态工况2、3、4、5的原油加工量偏差绝对值均超过允许最大偏差30，因此认为稳态工况2、3、4与基准工况的工况相似度S_P为0。

(2-2)稳态工况1与基准工况各参数的差值绝对值均在允许的最大偏差范围内，采用公式计算稳态工况1与基准原油的工况相似度

$S_p^1=1-\frac{1}{8}\underset{i=1}{\overset{8}{\Σ}}{\[(a_i-p_i)/s_i\]}^2=80.07\%$

(3)由于 $S_p^1>60,$ 计算综合相似度 $S=S_C^1\×S_p^1=100\%*80.07\%=80.07\%;$

(4)由于基准工况仅有1个相似工况，即稳态工况1，且稳态工况1中仅有部分化验数据，因此优先采用稳态工况1的化验数据对基准工况进行补齐。通过相似工况对基准工况的部分化验数据补齐，如表10所示：

表10通过相似工况对基准工况补齐的部分化验数据

对于表10中未补齐的化验性质，采用距离基准稳态最近一次化验数据进行补齐。查得距离实时工况(2015-04-0721:00至2015-04-0718:00)最近一次的常一线、浅减二线、浅减三线的馏程、密度化验数据，对通过相似工况未能补齐的部分化验性质进行补齐，补齐后结果如表11所示：

表11化验数据补齐结果

显然，上述原油数据整定及化验数据补齐为常减压装置实时优化提供了更为准确的原油数据，为常减压装置精确的优化控制创造了条件。

尽管本发明已经参照附图和优选实例进行了说明，但是，对于本领域的技术人员来说，本发明可以有各种更改和变化。本发明的各种更改、变化，和等同物有所附的权利要求书的内容涵盖。

本发明未涉及技术均与现有技术相同，或可采用现有技术实现。

Claims (6)

1.一种面向常减压装置优化的原油数据校正方法，其特征在于所述的数据校正方法是对判断为稳态的一段时间范围内的三种原油数据，即原油快评数据、调合头组分跟踪数据、以及依据油种占比和常炼原油性质计算所得的常炼原油数据，进行基于原油相似度S_C比较的原油数据整定，并进行基于相似工况的化验数据补齐，最终获得合理准确的原油数据。

2.根据权利要求1所述的一种面向常减压装置优化的原油数据校正方法，其特征在于原油数据整定过程中，对三种原油数据进行原油相似度S_C比较的具体步骤为：

首先，判断是否能获取到原油快评数据，若可以获取，则继续判断原油快评数据与调合头组分跟踪数据之间、或原油快评数据与常炼原油数据之间的原油相似度S_C：若S_C≥80，则取原油快评数据作为原油数据；若S_C＜80时，判断常炼原油性质是否能够获取，若可以获取，取常炼原油性质作为原油数据，否则取原油快评数据作为原油数据；

其次，若无法获取原油快评数据，则继续判断调合头组分跟踪数据是否能够获取：若可以获取，则取调合头组分跟踪数据作为原油数据，否则判断无原油数据。

3.根据权利要求1所述的一种面向常减压装置优化的原油数据校正方法，其特征在于化验数据补齐时，对已判定为稳态工况的时间段内，若无化验数据，则采用相似工况的化验数据对其进行补齐，若无相似工况或相似工况也无化验数据，则采用与当前稳态日期最近的一次化验数据对其进行补齐。

4.根据权利要求3所述的一种面向常减压装置优化的原油数据校正方法，其特征在于采用相似工况的化验数据对其进行补齐时，相似工况查找需先计算原油相似度S_C，再计算原油相似度S_C大于等于80的稳态工况与基准稳态工况的工况相似度S_P，相似工况查找具体步骤为：

(1)以判断为稳态的常减压装置实时工况为基准工况，查询历史工况中与基础工况原油相似度S_C大于等于80的稳态工况，筛除原油相似度S_C小于80的稳态工况；

(2)选取原油加工流量，初馏塔顶温度，常压塔顶温度，常一线、常二线、常三线主塔抽出温度，常二线、常底吹汽量作为相似工况判断参数，在原油相似度S_C大于80的稳态工况中，依次确定各相似工况的判断参数与基准稳态各参数的偏差是否均在各相似工况的判断参数允许偏差内，若不在允许偏差之内，则不计算各稳态与基准稳态的工况相似度S_P，默认工况相似度S_P为0；否则计算工况相似度S_P：

$S_P=1-\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\[(a_i-p_i)/s_i\]}^2$

其中，a_i(1≤i≤n)为某一稳态工况的各参数数值，p_i(1≤i≤n)为基准稳态的各参数数值，s_i(1≤i≤n)为各相似工况判断参数的允许偏差，s_i为经验值，由人工根据具体工艺选取；

(3)筛除工况相似度S_P小于60的稳态工况，计算综合相似度S＝S_C×S_P，并依据S的大小进行排序；

(4)依据综合相似度S的高低对各相似工况进行排序，选取相似度高的工况优先对基准工况的化验数据进行补齐。

5.根据权利要求2或4任一种所述的一种面向常减压装置优化的原油数据校正方法，其特征在于原油相似度S_C计算时，采用下列公式计算两种原油相似度S_C：

$S_C=\frac{{\mathrm{\Σx}}_i*{\mathrm{\λ}}_i}{{\mathrm{\Σ\λ}}_i}$

其中λ_i(i＝1,2,3,4)分别为两种原油数据的日期、硫含量、收率、密度参数在参与原油相似度S_C计算时采用的权重，λ₁＝1,λ₂＝2,λ₃＝5,λ₄＝0.5；x_i(0≤x_i≤1)是采用岭分布函数、梯形分布函数或范围限定方法计算两种原油数据的日期、硫含量、收率、密度之间的性质相似度。

6.根据权利要求5所述的一种面向常减压装置优化的原油数据校正方法，其特征在于性质相似度x_i的计算时，先采用下式计算两原油数据各性质参数的差值k_j：

k_j＝z_j-y_j

其中，y_j(i＝1,2,3,4)分别为基准原油的日期、硫含量、收率、密度数值，z_j(i＝1,2,3,4)分别为与基准原油对比的原油数据的日期、硫含量、收率、密度数值；

对于原油的日期，若k_j＜7day，x_i＝1；若7day≤k_j＜30day，x_i＝0.8；若30day≤k_j＜90day，x_i＝0.5；若90day≤k_j＜180day，x_i＝0.3；若k_j≥180day，x_i＝0.1；

对于原油的硫含量、收率、密度数值，若则x_i＝1；若则x_i＝f_j；若则x_i＝0；c_j为经验值，由人工根据具体工艺设定；其中参数f_j的计算时，选取岭分布函数用于原油的硫含量、收率的f_j值的计算，f_j计算公式如下：

$f_j=0.5-0.5\×sin\frac{\mathrm{\π}}{c_j^2-c_j^1}(k_j-\frac{c_j^1+c_j^2}{2})$

选取梯形分布函数用于原油密度数值的f_j值的计算，f_j计算公式如下：

$f_j=(1-c_j^2)\×k_j/c_j^1+c_j^2.$