CN105423770B - 一种炼化装置加热炉炉管清焦时间的预测方法 - Google Patents

一种炼化装置加热炉炉管清焦时间的预测方法 Download PDF

Info

Publication number
CN105423770B
CN105423770B CN201510770667.4A CN201510770667A CN105423770B CN 105423770 B CN105423770 B CN 105423770B CN 201510770667 A CN201510770667 A CN 201510770667A CN 105423770 B CN105423770 B CN 105423770B
Authority
CN
China
Prior art keywords
boiler tube
time
furnace
tube
temperature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510770667.4A
Other languages
English (en)
Other versions
CN105423770A (zh
Inventor
李传坤
王春利
高新江
朱剑锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Qingdao Safety Engineering Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Qingdao Safety Engineering Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Qingdao Safety Engineering Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201510770667.4A priority Critical patent/CN105423770B/zh
Publication of CN105423770A publication Critical patent/CN105423770A/zh
Application granted granted Critical
Publication of CN105423770B publication Critical patent/CN105423770B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D25/00—Devices or methods for removing incrustations, e.g. slag, metal deposits, dust; Devices or methods for preventing the adherence of slag
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F27D2019/0006—Monitoring the characteristics (composition, quantities, temperature, pressure) of at least one of the gases of the kiln atmosphere and using it as a controlling value
    • F27D2019/0018—Monitoring the temperature of the atmosphere of the kiln
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F27—FURNACES; KILNS; OVENS; RETORTS
    • F27D—DETAILS OR ACCESSORIES OF FURNACES, KILNS, OVENS, OR RETORTS, IN SO FAR AS THEY ARE OF KINDS OCCURRING IN MORE THAN ONE KIND OF FURNACE
    • F27D19/00—Arrangements of controlling devices
    • F27D2019/0006—Monitoring the characteristics (composition, quantities, temperature, pressure) of at least one of the gases of the kiln atmosphere and using it as a controlling value
    • F27D2019/0025—Monitoring the temperature of a part or of an element of the furnace structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)

Abstract

本发明公开了一种炼化装置加热炉炉管清焦时间的预测方法，包括以下步骤：(1)监测每根炉管的原料进口流量、每根炉管的蒸汽流量、炉管管壁温度、加热炉炉膛温度、加热炉出口温度和加热炉已连续工作时间；(2)对于每个监测对象，每隔6个小时记录一次其实时数据，连续收集2个月的数据，形成样本库；(3)采用数据拟合方法和人工神经网络方法进行计算，分别得到炉管管壁温度达到上限的预计时间；(4)使用投票法得到当前炉管允许的最大工作时间。本发明能预测加热炉炉管清焦的最优时间点，有助于将装置的生产损失降到最低，且可避免炉管因结焦过厚而被烧穿的危险。

Description

一种炼化装置加热炉炉管清焦时间的预测方法
技术领域
本发明涉及一种数据处理的方法，特别是涉及一种炼化装置加热炉炉管清焦时间的预测方法。
背景技术
炼化装置的加热炉炉管结焦是炉管内的油品温度超过一定界限后发生热裂解，变成游离碳，堆集到管内壁上的现象，主要发生在减压炉、焦化炉、减粘裂化炉、润滑油加热炉以及乙烯裂解炉上。
结焦过程：结焦最初是热裂解、聚缩、高分子物质离析等，主要起因于加热引起的反应；而由于流速小，达不到紊流状态，上述反应物残留在管壁上，逐渐沉积起来，形成了焦层。
加热炉炉管表面温度直接反映炉管的受热情况，随着结焦厚度的增加导致加热炉炉管管壁温度升高。结焦会使炉管管壁温度急剧上升，加剧了炉管的腐蚀和高温氧化，引起炉管鼓包、破裂、同样增长了管内压力降，使炉子操作性能恶化，有时甚至迫使装置不得不提前停运。
为了减轻或消除炉管结焦，人们发明了若干清焦方法，如空气-蒸汽烧焦法、机械清焦法和在线清焦法等。其中空气-蒸汽烧焦法和机械清焦法必须在加热炉停炉后进行,典型清焦时间分别为24～48h、18～24h，在线清焦法的典型清焦时间为16～24h。但是，无论何种方法，都会对装置的生产产生影响，造成经济损失。
因此，在加热炉运行过程中，预测炉管何时需要清焦，即预测加热炉炉管的“寿命”，可将装置的生产损失降到最低。
发明内容
基于上述技术问题，本发明提供一种炼化装置加热炉炉管清焦时间的预测方法。
本发明所采用的技术解决方案是：
一种炼化装置加热炉炉管清焦时间的预测方法，包括以下步骤：
(1)确定监测对象
监测每根炉管的原料进口流量、每根炉管的蒸汽流量、炉管管壁温度、加热炉炉膛温度、加热炉出口温度和加热炉已连续工作时间；
(2)收集样本数据
对于每个监测对象，每隔5-6个小时记录一次其实时数据，连续收集2-3个月的数据，形成样本库；
(3)采用多种数学方法进行计算，分别得到炉管管壁温度达到上限的预计时间；
方法一：数据拟合方法
使用非线性数据拟合方法，以炉管管壁温度作为输入，拟合其温升曲线，从而可以推算在何时能达到加热炉炉管管壁最大允许温度值；
方法二：人工神经网络方法
对于每根加热炉炉管，以不同的人工神经网络算法，分别训练至少3个模型；以其进口流量、蒸汽流量、炉膛温度、出口温度、加热炉已连续工作时间作为输入参数，以炉管管壁温度作为输出参数，训练得到收敛的人工神经网络模型；
在线监测时，从装置上直接读取实时运行数据：当前炉管的进口流量、蒸汽流量、炉膛温度、出口温度，作为模型的输入；不断调整加热炉连续的工作时间，直到模型计算得到的输出参数与管壁最大允许温度值相近或相等，此时得到的加热炉连续的工作时间即为该炉管允许的最大工作时间；
(4)用投票法决定最终的预计时间
投票法是快速整理所有预测结果的优先顺序或缩小范围的一种方法，投票法的具体操作步骤为：首先对某种计算方法得到的工作时间设定置信区间，其次累计其他方法预测值在此区间范围内的个数，再次重复前两步直至得到所有结果的投票结果，最后选取投票个数最多的计算方法的置信区间，并对其置信区间内所有预测值求取平均值即为最终的预计时间。
进一步的，步骤(1)中：所述炉管管壁温度选择在加热炉炉管管壁温度的各测点中，温度最高的几个测点为监测对象。
进一步的，步骤(2)中：所述样本库的数据是动态刷新的，即样本库的2-3个月的数据，始终是距离当前时间最近的2-3个月的数据。
进一步的，步骤(3)中：所述非线性数据拟合方法为最小二乘法或牛顿迭代法。
本发明的有益技术效果是：
(1)本发明能预测加热炉炉管清焦的最优时间点，有助于将装置的生产损失降到最低，且可避免炉管因结焦过厚而被烧穿的危险。
(2)本发明有助于辅助操作员了解炉管使用寿命，合理安排生产计划。
具体实施方式
本发明基于历史数据的数学方法，通过分析加热炉的相关参数，找到炉管管壁升温的规律，从而预测到达极限温度的时间，以此作为清焦的时间。因为某处或某几处的管壁达到极限温度，极可能是因为结焦造成的，因此该方法具有可行性。
下面对本发明进行更为具体的说明：
一种炼化装置加热炉炉管清焦时间的预测方法，包括以下步骤：
(1)确定监测对象
监测每根炉管的原料进口流量、每根炉管的蒸汽流量、炉管管壁温度、加热炉炉膛温度、加热炉出口温度和加热炉已连续工作时间。炉管结焦的位置多位于辐射室中部。对于同一根炉管，靠近两头结焦较轻，中间结焦较重。一般选择在加热炉炉管管壁温度的各测点中，温度最高的几个测点为监测对象。
(2)收集样本数据
对于每个监测对象，每隔6个小时记录一次其实时数据，连续收集2个月的数据，形成样本库。样本库的数据是动态刷新的，即样本库的2个月的数据，始终是距离当前时间最近的2个月的数据。
(3)采用多种数学方法进行计算，分别得到炉管管壁温度达到上限的预计时间；
方法一：数据拟合方法
由于加热炉的炉管在长周期的运行过程中，肯定是会逐渐有结焦的趋势，故可使用非线性数据拟合方法，如最小二乘法、牛顿迭代法等，以炉管管壁温度作为输入，拟合其温升曲线，从而可以推算在哪一天能达到加热炉炉管管壁最大允许温度值。
方法二：人工神经网络方法
对于每根加热炉炉管，以不同的人工神经网络算法，分别训练至少3个模型。以其进口流量、蒸汽流量、炉膛温度、出口温度、加热炉已连续工作时间作为输入参数，以炉管管壁温度作为输出参数，训练得到收敛的人工神经网络模型。
在线监测时，从装置上直接读取实时运行数据：当前炉管的进口流量、蒸汽流量、炉膛温度、出口温度，作为模型的输入。不断调整加热炉连续的工作时间，直到模型计算得到的输出参数与管壁最大允许温度值相近或相等，此时得到的加热炉连续的工作时间即为该炉管允许的最大工作时间，即超过该时间，该炉管就该考虑进行清焦了。
无论用哪种方法，监测模型都是随时间动态更新的。
(4)用投票法决定最终的预计时间
无论使用何种模型或算法，每个模型或算法都会计算得到一个当前炉管允许的最大工作时间。为了将这些时间统一，使用投票法得到当前炉管允许的最大工作时间。投票法是快速整理所有预测结果的优先顺序或缩小范围的一种方法。投票法的具体操作步骤为：首先对某种计算方法的到的工作时间设定置信区间，比如15天，其次累计其他方法预测值在此区间范围内的个数，再次重复前两步直至得到所有结果的投票结果，最后选取投票个数最多的计算方法的置信区间，并对其置信区间内所有预测值求取平均值即为最终的预计时间。
本发明炼化装置加热炉炉管清焦时间的预测方法可结合具体的硬件及模块进行实现。下面进行简单说明：
1.硬件环境
在企业中控室配置一台服务器，通过网线与生产装置的实时数据库服务器相连，安装并运行“炼化装置加热炉炉管清焦时间预测系统”，采集来自生产现场的实时数据，实时计算加热炉炉管预计达到温度上限的时间，供操作员查看。
2.软件应用
2.1组态建模模块
该部分主要完成推理算法的建模，例如各种模型的新建、编辑等，包括监测对象的选择、算法参数的配置等功能。
2.2数据采集模块
根据建立的模型情况，到实时数据库收集最新两个月的数据。
2.3实时监测模块
2.3.1分别训练最新的模型；
2.3.2对每个模型，计算得到所对应的加热炉炉管允许的最大工作时间；
2.3.3通过“投票”，得到每根炉管最终的允许的最大工作时间。
2.4结果展示模块
将计算结果展示给用户。
上述方式中未述及的有关技术内容采取或借鉴已有技术即可实现。
需要说明的是，在本说明书的教导下本领域技术人员还可以做出这样或那样的容易变化方式，诸如等同方式，或明显变形方式。上述的变化方式均应在本发明的保护范围之内。

Claims (4)

1.一种炼化装置加热炉炉管清焦时间的预测方法，其特征在于包括以下步骤：
(1)确定监测对象
监测每根炉管的原料进口流量、每根炉管的蒸汽流量、炉管管壁温度、加热炉炉膛温度、加热炉出口温度和加热炉已连续工作时间；
(2)收集样本数据
对于每个监测对象，每隔5-6个小时记录一次其实时数据，连续收集2-3个月的数据，形成样本库；
(3)采用多种数学方法进行计算，分别得到炉管管壁温度达到上限的预计时间；
方法一：数据拟合方法
使用非线性数据拟合方法，以炉管管壁温度作为输入，拟合其温升曲线，从而可以推算在何时能达到加热炉炉管管壁最大允许温度值；
方法二：人工神经网络方法
对于每根加热炉炉管，以不同的人工神经网络算法，分别训练至少3个模型；以每根炉管的原料进口流量、每根炉管的蒸汽流量、加热炉炉膛温度、加热炉出口温度和加热炉已连续工作时间作为输入参数，以炉管管壁温度作为输出参数，训练得到收敛的人工神经网络模型；在线监测时，从装置上直接读取实时运行数据：当前每根炉管的原料进口流量、每根炉管的蒸汽流量、加热炉炉膛温度、加热炉出口温度，作为模型的输入；不断调整加热炉连续的工作时间，直到模型计算得到的输出参数与管壁最大允许温度值相近或相等，此时得到的加热炉连续的工作时间即为该炉管允许的最大工作时间；
(4)用投票法决定最终的预计时间
投票法是快速整理所有预测结果的优先顺序或缩小范围的一种方法，投票法的具体操作步骤为：首先对某种计算方法得到的工作时间设定置信区间，其次累计其他方法预测值在此区间范围内的个数，再次重复前两步直至得到所有结果的投票结果，最后选取投票个数最多的计算方法的置信区间，并对其置信区间内所有预测值求取平均值即为最终的预计时间。
2.根据权利要求1所述的一种炼化装置加热炉炉管清焦时间的预测方法，其特征在于，步骤(1)中：所述炉管管壁温度选择在加热炉炉管管壁温度的各测点中，温度最高的几个测点为监测对象。
3.根据权利要求1所述的一种炼化装置加热炉炉管清焦时间的预测方法，其特征在于，步骤(2)中：所述样本库的数据是动态刷新的，即样本库的2-3个月的数据，始终是距离当前时间最近的2-3个月的数据。
4.根据权利要求1所述的一种炼化装置加热炉炉管清焦时间的预测方法，其特征在于，步骤(3)中：所述非线性数据拟合方法为最小二乘法或牛顿迭代法。
CN201510770667.4A 2015-11-12 2015-11-12 一种炼化装置加热炉炉管清焦时间的预测方法 Active CN105423770B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510770667.4A CN105423770B (zh) 2015-11-12 2015-11-12 一种炼化装置加热炉炉管清焦时间的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510770667.4A CN105423770B (zh) 2015-11-12 2015-11-12 一种炼化装置加热炉炉管清焦时间的预测方法

Publications (2)

Publication Number Publication Date
CN105423770A CN105423770A (zh) 2016-03-23
CN105423770B true CN105423770B (zh) 2017-07-28

Family

ID=55502156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510770667.4A Active CN105423770B (zh) 2015-11-12 2015-11-12 一种炼化装置加热炉炉管清焦时间的预测方法

Country Status (1)

Country Link
CN (1) CN105423770B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021014025A1 (en) * 2019-07-25 2021-01-28 Basf Se Forecasting the progress of coking and fouling for improved production planning in chemical production plants
CN114066089A (zh) * 2021-11-25 2022-02-18 中国工商银行股份有限公司 批量作业运行耗时区间确定方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6186869B1 (en) * 1999-02-12 2001-02-13 Cetek Limited Cleaning using welding lances and blasting media
CN103207949B (zh) * 2013-04-10 2016-09-07 华东理工大学 乙烯裂解炉tle出口温度和运行周期预测方法
CN104711009B (zh) * 2015-02-26 2017-03-15 中国石油集团东北炼化工程有限公司葫芦岛设计院 一种快速预测焦化炉管内停留时间的方法
CN104789256B (zh) * 2015-03-26 2016-07-06 华东理工大学 一种催化裂化装置的收率实时预测方法

Also Published As

Publication number Publication date
CN105423770A (zh) 2016-03-23

Similar Documents

Publication Publication Date Title
US11237531B2 (en) Method for determining and tuning process characteristic parameters using a simulation system
Das Adhikary et al. Multi criteria FMECA for coal-fired thermal power plants using COPRAS-G
CN1969239B (zh) 用于检测与控制回路的过程增益相关的异常状况的系统和方法
US20140344007A1 (en) Plant operating point determination by integrating profit profile and risk profile
CN102147613B (zh) 一种对烟叶复烤机水分、温度的模型预测控制方法及系统
CN105423770B (zh) 一种炼化装置加热炉炉管清焦时间的预测方法
Ramakrishnan et al. Optimization of operating parameters and performance evaluation of forced draft cooling tower using response surface methodology (RSM) and artificial neural network (ANN)
CN112395744B (zh) 一种面向火电厂的设备安全性在线评价方法及系统
Garg et al. A two-phase approach for reliability and maintainability analysis of an industrial system
Mitridati et al. Optimal coupling of heat and electricity systems: A stochastic hierarchical approach
CN108495941B (zh) 钢板的温度控制装置及温度控制方法
Mawson et al. Optimisation of HVAC control and manufacturing schedules for the reduction of peak energy demand in the manufacturing sector
CN109146141A (zh) 一种燃煤电站回转式空气预热器漏风率预测方法
JP6227558B2 (ja) 流体処理ネットワークをモニタリングする方法、システム、キャリアメディア及び製品
CN116720446B (zh) 一种锅炉水冷壁渣层厚度实时监测方法
Lahariya et al. Physics-Informed LSTM Network for Flexibility Identification in Evaporative Cooling System
Hu et al. Zone modelling coupled with dynamic flow pattern for the prediction of transient performance of metal reheating
Adili et al. Flame Failures and Recovery in Industrial Furnaces: A Neural Network Steady‐State Model for the Firing Rate Setpoint Rearrangement
EP3522084B1 (en) Operation evaluation device, operation evalutation method, and non-transistory computer readable storage medium
EP4148105A1 (en) Method for steam cracking and corresponding systems
CN104281054A (zh) 全氢罩式炉加热过程智能模糊控制方法
Peter et al. Embedded Systems Application and Network in Water Utility Systems
CN109492855B (zh) 基于数据模型的凝汽器式汽轮机排汽温度预测方法
Kłos et al. An analysis of the operating parameters of the vacuum furnace with regard to the requirementsof predictive maintenance
Zhu et al. High Temperature Superheater Wall Temperature Prediction Method Based on ARLD-LSTM Recurrent Neural Network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Yanan City, Shandong province Qingdao City three road 266071 No. 218

Applicant after: Qingdao Safety Engineering Research Institute of Sinopec Co., Ltd.

Applicant after: Sinopec Corp.

Address before: 100728 Chaoyangmen street, Beijing, No. 22, No.

Applicant before: Sinopec Corp.

Applicant before: Qingdao Safety Engineering Research Institute of Sinopec Co., Ltd.

GR01 Patent grant
GR01 Patent grant