CN106709654A - 一种加氢裂化流程全局运行状况评估与质量追溯方法 - Google Patents
一种加氢裂化流程全局运行状况评估与质量追溯方法 Download PDFInfo
- Publication number
- CN106709654A CN106709654A CN201611235853.9A CN201611235853A CN106709654A CN 106709654 A CN106709654 A CN 106709654A CN 201611235853 A CN201611235853 A CN 201611235853A CN 106709654 A CN106709654 A CN 106709654A
- Authority
- CN
- China
- Prior art keywords
- index
- scores
- hydrocracked
- quality
- cpk
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 116
- 230000008569 process Effects 0.000 title claims abstract description 85
- 238000004517 catalytic hydrocracking Methods 0.000 title abstract description 6
- 238000004519 manufacturing process Methods 0.000 claims abstract description 56
- 238000012417 linear regression Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000015556 catabolic process Effects 0.000 claims abstract description 9
- 238000006731 degradation reaction Methods 0.000 claims abstract description 9
- 238000013441 quality evaluation Methods 0.000 claims description 53
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000011112 process operation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000007670 refining Methods 0.000 abstract description 7
- 238000001303 quality assessment method Methods 0.000 description 80
- 239000003921 oil Substances 0.000 description 14
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 11
- 239000001257 hydrogen Substances 0.000 description 11
- 229910052739 hydrogen Inorganic materials 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 6
- 238000005984 hydrogenation reaction Methods 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 4
- 238000005336 cracking Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000002146 bilateral effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000002283 diesel fuel Substances 0.000 description 2
- 238000005194 fractionation Methods 0.000 description 2
- 239000003350 kerosene Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 241000772415 Neovison vison Species 0.000 description 1
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 description 1
- 150000001336 alkenes Chemical class 0.000 description 1
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000006317 isomerization reaction Methods 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 150000004767 nitrides Chemical class 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明提供一种加氢裂化流程全局运行状况评估与质量追溯方法。所述方法包括：基于所述加氢裂化流程中每个典型的生产工序质量标准要求的不同形式，计算所述生产工序的质量评估指标模型中各指标的过程能力指数；基于所述过程能力指数，计算所述生产工序的质量评估指标模型中各指标的QA得分；基于所述各个指标的QA得分，利用多元线性回归分析法构建所述加氢裂化流程全局运行状况质量评估指标模型中每个指标对其上层指标QA得分贡献度的权重系数；基于所述QA得分和所述的权重系数，定位所述加氢裂化流程全局运行性能退化的环节和参数。本发明的方法能够实现运行状况评估功能和产品质量追溯功能，实现炼化企业的高效、经济和绿色生产。
Description
技术领域
本发明涉及生产过程运行状况评估与质量追溯技术领域，更具体地，涉及一种加氢裂化流程全局运行状况评估与质量追溯方法。
背景技术
炼油行业位于制造业产业的上游，产值约占国民经济的三分之一，是国民经济的支柱型行业，也是其他行业发展地主要推动力量。加氢裂化流程作为炼油生产的一个重要典型环节，其工艺机理是在加热、氢气和催化剂共同作用的条件下，入口原料重质油通过加氢精制、加氢裂化和加氢异构化反应，转化生成为轻石脑油、重石脑油、航空煤油、柴油、加氢尾油5种轻质油。
在全球市场经济的调控下，加氢裂化流程原料和产品的价格会实时波动，受到原料油供给波动，产品规格要求、生产环境、设备运行性能的变化，加氢裂化流程当前实际运行状况是否仍处于期望的全局优化运行状况不得而知，不利于及时对生产过程全局优化运行的策略进行合理调整，因此炼化企业急需一种有效的加氢裂化流程全局运行状况评估方法对当前运行状况进行实时评估。同时，如若评估结果显示当前加氢裂化流程处于非优运行状况，为了尽快以最小代价将非优运行状况调整至最优运行状况，生产企业需要根据全局运行状况评估结果进一步快速定位发生优化运行性能退化的环节和参数。
然而因为加氢裂化流程物理化学反应装置较多、产品分布广，全流程拥有800多个参数变量，仅关键变量也有几十个，反映运行状况的数据规模庞大、种类繁多，难以使用常规的数据分析技术进行全局运行状况评估与优化运行性能退化环节的定位。
发明内容
为了解决上述问题，本发明提供一种加氢裂化流程全局运行状况评估和质量追溯方法。所述方法包括：
S1.基于所述加氢裂化流程中每个典型的生产工序质量标准要求的不同形式，计算所述生产工序的质量评估指标模型中各指标的过程能力指数Cpk；
S2.基于所述过程能力指数，计算所述生产工序的质量评估指标模型中各指标的QA得分；
S3.基于所述各个指标的QA得分，利用多元线性回归分析法构建所述加氢裂化流程全局运行状况质量评估指标模型中每个指标对其上层指标QA得分贡献度的权重系数；
S4.基于所述QA得分和所述的权重系数，评估所述加氢裂化流程全局运行状况，定位所述加氢裂化流程全局运行中性能退化的环节和参数。
本申请提出的加氢裂化流程全局运行状况评估与质量追溯方法，能够清晰有效地表明加氢裂化流程全局运行状况质量评估指标体系内部复杂关系，不仅可以用于与生产过程全局运行状况相关的例如产品质量评价与质量追溯、产品产量(收率)评价与问题追溯、生产过程能效评价与能耗追溯等问题，同样适用于与生产过程全局运行状况相似的复杂体系评估和管理问题的解决，例如可持续发展评估、社会综合评估等。
附图说明
图1为根据本发明实施例中加氢裂化流程全局运行状况评估与质量追溯方法的总体流程示意图；
图2为根据本发明一个优选实施例中加氢裂化流程全局运行状况评估与质量追溯方法的总体流程示意图；
图3为根据本发明一个优选实施例中质量评估指标体系示意图；
图4为根据本发明一个优选实施例中加氢精制、加氢裂化、分馏系统3部分构成的加氢裂化流程简化示意图；
图5为根据本发明一个优选实施例中入口条件工序质量评估指标体系示意图；
图6为根据本发明一个优选实施例中加氢精制工序质量评估指标体系示意图；
图7为根据本发明一个优选实施例中加氢裂化工序质量评估指标体系示意图；
图8为根据本发明一个优选实施例中分馏系统工序质量评估指标体系示意图；
图9为根据本发明一个优选实施例中Cpk数值与QA得分对照关系的示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本发明的加氢裂化流程全局运行状况评估与质量追溯方法，如图1-2所示，包括：
S1.基于所述加氢裂化流程中每个典型的生产工序质量标准要求的不同形式，计算所述生产工序的质量评估指标模型中各指标的过程能力指数Cpk；
S2.基于所述过程能力指数Cpk，计算所述生产工序的质量评估指标模型中各指标的QA(Quality assessment)得分；
S3.基于所述各个指标的QA得分，利用多元线性回归分析法构建所述加氢裂化流程全局运行状况质量评估指标模型中每个指标对其上层指标QA得分贡献度的权重系数；
S4.基于所述QA得分和所述的权重系数，评估所述加氢裂化流程全局运行状况，定位所述加氢裂化流程全局运行中性能退化的环节和参数。
在加氢裂化流程中，根据工艺方案，首先将加氢裂化流程划分为几个典型的生产工序。依照典型单段串联加氢裂化工艺流程，将加氢裂化流程简化为加氢精制、加氢裂化和分馏系统3个典型生产工序。此外由于加氢裂化流程全局运行状况受入口条件影响较大，且入口条件(原料油流量和原料油成分)波动也较大，因此可将入口条件看作虚拟工序，分析其对加氢裂化流程全局运行状况产生的直接影响，即加氢裂化流程可以简化为入口条件工序、加氢精制工序、加氢裂化工序和分馏系统工序。
在一个优选实施例中，S1中所述生产工序的质量评估指标模型具体为：
基于所述生产工序，依据产品质量目标，对所述每个典型的生产工序分别按照目标指标层、分目标指标层和操作指标层的结构，构建“树状”结构的所述生产工序的质量评估指标模型。
在一个具体实施例中，按照产品质量目标，构建各典型生产工序的质量评估指标模型。将质量评估指标模型按总目标指标层、分目标指标层和操作指标层3部分划分，如图3。
总目标指标层位于指标体系的最顶层，通常由一个或者多个综合质量指标构成，代表该工序质量评估指标体系的综合结果；操作指标层位于指标体系的最底层，由多个可直接通过现场监测系统实时获取的运行变量指标构成，这些指标可通过专家经验知识、操作模式分析或者RSIM模型计算分析，作出具体评价；分目标指标层位于以上两者之间，是总目标的具体外延，可包含多个层次，是对总目标指标层和操作指标层之间联系和作用机制的分析与说明。
由于加氢裂化流程为连续生产方式，因此各生产工序可按照工艺方案进行前后工序划分，前一生产工序质量评估指标体系的总目标指标层为下一生产工序的操作指标层，综合所有生产工序的质量评估指标体系即可得到加氢裂化流程全局运行状况质量评估指标模型。
其中，在本发明一个具体实施例中，S1具体为：
S11.采用相似性度量的方法提取所述生产工序的质量评估指标模型中各指标的稳态数据；
S12.基于所述各指标质量标准要求的不同形式，计算在所述质量标准要求下所述各指标的稳态数据的过程能力指数Cpk。
其中，常见的质量标准要求有双侧规范要求、单侧规范要求和有偏移情形3种。
以加氢精制工序质量评估指标模型为例详述上述步骤：
(1)选用长度为N的移动窗口对加氢裂化流程运行过程数据进行初选，分别获得L个运行过程数据样本，即X(1,N),X(2,N+1),…,X(L,N+L-1)；经PCA提取各样本数据的负载矩阵P(1，N),P(2，N+1),…,P(L,N+L-1)。
按照公式(1)分别计算相邻时序负载矩阵的相似度，若连续L个样本的相似度都大于预先设定的某一阈值α，则认为所选的该L个运行过程数据为稳态数据，否则为非稳态数据。
其中A表示负载矩阵的维数，即PCA的主元个数。
(2)根据质量标准要求的不同形式，计算指标体系中各指标的过程能力指数，以加氢精制工序部分指标为例进行说明。
按照加氢裂化流程生产技术规范，加氢精制工序中精制反应器一床层入口温度质量标准要求在330℃～395℃范围之内，属于典型的双侧规范要求，则对应的过程能力指数Cpk可以表示为：
其中T表示技术规范(标准)的范围幅度，TU表示标准上限，TL表示标准下限，σ表示过程特性值分布的总体标准差，S表示过程特性值分布的样本标准差。
按照加氢裂化流程生产技术规范，加氢精制工序中精制反应器一床层出口温度质量标准要求不大于435℃，属于典型的单侧规范要求，则对应的过程能力指数Cpk可以表示为：
其中U为过程特性值分布的总体均值，为过程特性值分布的样本均值。
对应的如果只有下限、没有上线的要求，则过程能力指数Cpk可以表示为：
在本发明中，S2为基于所述过程能力指数Cpk，计算所述生产工序的质量评估指标模型中各指标的QA得分。
其中，基于过程能力指数Cpk计算指标体系中每一个指标的QA(Qualityassessment)得分，即质量评估得分。过程能力指数是指过程能力满足产品质量标准要求(规格范围等)的程度，它是工序保证质量的能力，也是工序本身固有的能力。因此在加氢裂化流程全局运行状况质量评估中，为了得到指标体系中每个指标的QA得分，只需计算该指标的Cpk数值，并通过构建的Cpk与QA得分的关系模型转化成对应指标的QA得分。
在一个优选实施例中，S2具体为：
基于所述过程能力指数Cpk和相应的评价标准，构建过程能力指数Cpk与QA得分的关系模型，将各指标的过程能力指数转化成相应的QA得分。
一般情况下，过程能力指数Cpk评价标准如表1所示。
表1过程能力指数Cpk数值评价参考
| 数值范围 | 级别 | 工序能力的评价 |
| 2≥Cpk≥1.67 | Ι | 工序能力过高(视具体情况而定) |
| 1.67＞Cpk≥1.33 | ΙΙ | 工序能力充分，表示技术管理能力很好 |
| 1.33＞Cpk≥1.0 | ΙΙΙ | 工序能力尚可，表示技术管理能力勉强 |
| 1.0＞Cpk≥0.67 | ΙV | 工序能力不足，表示技术管理能力很差 |
| 0.67＞Cpk | V | 工序能力严重不足，应采取紧急措施 |
由表1可知，当Cpk＝1.33时，整个质量特性值的分布基本上都在上下规范界限之内，且留有一定余地。因此可以说，当Cpk≥1.33时，工序能力充分满足质量要求，故ISO9000页要求Cpk≥1.33。
其中，所述过程能力指数Cpk与QA得分的关系模型为：
通过过程能力指数Cpk与QA得分的对照关系进行公式拟合，拟合公式如下：
在一个优选实施例中，为了使所有指标均被赋予权重系数，S3中还包括：
利用专家知识的权重构建方法结合多元线性回归分析法构建所述加氢裂化流程全局运行状况质量评估指标模型中每个指标对其上层指标QA得分贡献度的权重系数。
具体为：
对有直接关联关系的上下层指标QA得分进行多元线性回归分析，得到下层指标对上层指标QA得分贡献度的权重系数；对不能建立多元线性回归分析的指标，通过专家经验和模糊综合评价确定下层指标对上层指标QA得分贡献度的权重系数。
当所述质量评估指标模型为“树状”结构时，优选根据“树状”指标的结构特性，对有直接关联关系的上下层指标QA得分进行多元线性回归分析，得到下层指标对上层指标QA得分贡献度的权重系数；对不能建立多元线性回归分析的指标，通过专家经验和模糊综合评价确定下层指标对上层指标QA得分贡献度的权重系数。
以加氢精制工序质量评估指标模型为例详述该步骤，如图6所示：
(1)对直接具有关联关系的上下层指标的QA得分建立多元线性回归模型。
y＝b0+b1x1+b2x2+…+bkxk (6)
其中，b0为常数项，b1,b2…bk为回归系数。对应本发明，y为上层指标的QA得分，x1,x2…xk为下层指标的QA得分，b1,b2…bk即为期望求得的权重系数ω1,ω2…ωk。
(2)对不能建立多元线性回归模型的指标，通过专家经验和模糊综合评价确定下层指标对上层指标QA得分贡献度的权重系数ωm,ωn…ωz等。
在本发明的一个实施例中，所述方法中S4具体为：
分别计算所述每个典型的生产工序中每个工序操作指标层中各指标的QA得分；综合各指标的QA得分与其对上层指标QA得分贡献度的权重系数的乘积，得到上一层指标的QA得分；集成每个所述典型的生产工序的QA得分，以获得所述加氢裂化流程全局运行状况综合产品质量的QA得分；根据所述加氢裂化流程全局运行状况综合产品质量的QA得分评估所述加氢裂化流程全局运行状况，QA得分越高表示运行状况越好，同时通过查询下层各指标的QA得分，定位所述加氢裂化流程全局运行中性能退化的环节和参数。
当加氢裂化流程简化为入口条件工序、加氢精制工序、加氢裂化工序和分馏系统工序时，分别计算加氢裂化流程，4个生产工序每个工序操作指标层中各指标的QA得分，综合各指标的QA得分与其对上层指标QA得分贡献度的权重系数的乘积，得到上一层指标的QA得分，集成4个生产工序的QA得分，最终得到加氢裂化流程全局运行状况综合产品质量的QA得分，根据加氢裂化流程全局运行状况综合产品质量的QA得分评估加氢裂化流程全局运行状况,QA得分越高表示运行状况越好。反之，当综合产品质量的QA得分较低时，可以通过查询下层各指标的QA得分，定位发生性能退化的关键环节和指标。
本发明所构建的加氢裂化流程全局运行状况评估与质量追溯方法能够实现运行状况评估的功能，还能实现产品质量追溯的功能，从而实现炼化企业的高效、经济、绿色生产。
实施例1
a、按照工艺方案，将加氢裂化流程简化为加氢精制、加氢裂化和分馏系统3部分，如图4所示。结合加氢裂化流程的生产特点，将入口条件作为虚拟工序一并加入加氢裂化流程典型生产工序的划分，其中入口条件包括原料油流量和原料油成分两部分。加氢精制工序主要为了除去原料油中的硫化物、氮化物、氧化物，同时使烯烃和稠化芳烃饱和，为加氢裂化部分提供合格进料；加氢裂化工序主要将劣质的重质原料油转化为优质的轻质油；分馏系统在脱除硫化氢，得到含S较少的反应流出物的基础上，按照不同的馏程将反应流出物液相分离为轻石脑油、重石脑油、航空煤油、柴油和加氢尾油5种组分。
b、按照产品质量目标，分别构建入口条件工序、加氢精制工序、加氢裂化工序和分馏系统运行状况质量评估指标体系。以加氢精制工序为例进行指标体系构建说明。加氢精制工序总目标指标层指标为精制段除氮效果和精制反应器出口温度；三床层上中下径向温差、三床层温升、三床层上层温度和三床层下层温度作为第一级分目标指标层，二床层上中下径向温差、二床层温升、二床层上层温度、二床层下层温度和冷氢流量作为第二级分目标指标层；一床层上中下径向温差、一床层温升、一床层上层温度、一床层下层温度和冷氢流量作为第三级分目标；选择能够指示第三级分目标指标层指标，并在生产过程监测系统中可实时获取监测数据的精制反应器入口温度、精制反应器入口压力作为操作指标层指标，如图6所示。入口条件工序、加氢裂化工序和分馏系统质量评估指标体系见图5、图7和图8。
c、基于过程能力指数Cpk计算指标体系中每一个指标的QA(Quality assessment)得分，即质量评估得分。
以图4加氢精制工序质量评估指标体系为例说明其具体步骤：
(1)选用长度为N的移动窗口对加氢裂化流程运行过程数据进行初选，分别获得L个运行过程数据样本，即X(1，N),X(2,N+1),…,X(L,N+L-1)；经PCA提取各样本数据的负载矩阵P(1,N),P(2,N+1),…,P(L,N+L-1)。
按照公式(1)分别计算相邻时序负载矩阵的相似度，若连续L个样本的相似度都大于预先设定的某一阈值α，则认为所选的该L个运行过程数据为稳态数据，否则为非稳态数据。
其中A表示负载矩阵的维数，即PCA的主元个数。
(2)根据质量标准要求的不同形式，计算指标体系中各指标的过程能力指数，以加氢精制工序部分指标为例进行说明。
按照加氢裂化流程生产技术规范，加氢精制工序中精制反应器一床层入口温度质量标准要求在330℃～395℃范围之内，属于典型的双侧规范要求，则对应的过程能力指数Cpk可以表示为：
其中T表示技术规范(标准)的范围幅度，TU表示标准上限，TL表示标准下限，σ表示过程特性值分布的总体标准差，S表示过程特性值分布的样本标准差。
按照加氢裂化流程生产技术规范，加氢精制工序中精制反应器一床层出口温度质量标准要求不大于435℃，属于典型的单侧规范要求，则对应的过程能力指数Cpk可以表示为：
其中U为过程特性值分布的总体均值，为过程特性值分布的样本均值。
对应的如果只有下限、没有上线的要求，则过程能力指数Cpk可以表示为：
由表1可知，当Cpk＝1.33时，整个质量特性值的分布基本上都在上下规范界限之内，且留有一定余地。因此可以说，当Cpk≥1.33时，工序能力充分满足质量要求，故ISO9000页要求Cpk≥1.33。
结合加氢裂化流程生产过程质量评估的要求，通过Cpk数值与QA得分的对照关系(如图9所示)进行公式拟合，得到QA得分的拟合公式如下。
结合步骤(1)和步骤(2)，得到加氢裂化流程质量评估指标体系中部分关键指标的Cpk数值和QA得分，如表2所示。特别说明的是表2的作用主要是为了更加清晰明了的说明步骤(1)和步骤(2)，因此仅显示了指标体系中最关键的部分指标，并未涵盖整个加氢裂化流程质量评估指标体系所有的指标，但是步骤(1)和步骤(2)中所示方法依旧适用于整个加氢裂化流程质量评估指标体系中所有的指标。
表2加氢裂化流程质量评估指标体系部分关键指标的Cpk数值与QA得分
| 位号描述 | CPK数值 | QA得分 |
| 精制反应器一床层入口温度 | 0.843908279 | 68.1895 |
| 精制反应器一床层出口温度 | 1.860468972 | 100 |
| 精制反应器二床层入口温度 | 1.957660958 | 100 |
| 精制反应器二床层出口温度 | 0.871860995 | 69.9716 |
| 精制反应器三床层入口温度 | 1.185814046 | 86.7991 |
| 精制反应器三床层出口温度 | 1.005825012 | 77.8934 |
| 裂化反应器一床层入口温度 | 1.198748007 | 87.3578 |
| 裂化反应器一床层出口温度 | 0.285124043 | 25.211 |
| 裂化反应器二床层入口温度 | 1.888824709 | 100 |
| 裂化反应器二床层出口温度 | 0.427298891 | 37.2245 |
| 裂化反应器三床层入口温度 | 1.790180999 | 100 |
| 裂化反应器三床层出口温度 | 0.120617569 | 10.7781 |
| 裂化反应器四床层入口温度 | 1.190290856 | 86.9938 |
| 裂化反应器四床层出口温度 | 0.243011259 | 21.56 |
| 脱硫化氢汽提塔顶部温度 | 0.828325559 | 67.1776 |
| 脱硫化氢汽提塔底部温度 | 1.686765366 | 99.8952 |
| 脱硫化氢汽提塔汽提蒸汽流量 | 1.350264285 | 93.0524 |
| 分馏塔顶部温度 | 1.089174882 | 82.2755 |
| 分馏加热炉出口温度 | 0.911243869 | 72.4085 |
| 分馏塔底部温度 | 0.830381511 | 67.3119 |
| 分馏塔汽提蒸汽流量 | 1.548236992 | 98.0614 |
(注：表2以某厂加氢裂化流程2015年12至2016年5月的运行数据为统计样本)
此外，对于类似入口条件工序中原料油成分检测这种样本数据较少，较难进行稳态数据提取，无法计算过程能力指数Cpk的指标，可根据专家知识对检测值直接计算QA得分。
d、以QA得分为基础，采用基于多元线性回归和专家知识的权重构建方法，构建加氢裂化流程全局运行状况质量评估指标体系中各指标的权重系数。
以图6加氢精制工序质量评估指标体系为例说明其具体步骤：
(1)对直接具有关联关系的上下层指标的QA得分建立多元线性回归模型。
y＝b0+b1x1+b2x2+…+bkxk (6)
其中，b0为常数项，b1,b2…bk为回归系数。对应本发明，y为上层指标的QA得分，x1,x2…xk为下层指标的QA得分，b1,b2…bk即为期望求得的权重系数ω1,ω2…ωk。
(2)对不能建立多元线性回归模型的指标，通过专家经验和模糊综合评价确定下层指标对上层指标QA得分贡献度的权重系数ωm,ωn…ωz等。
e、综合各指标的QA得分及其对上层指标QA得分贡献度的权重系数，构建完整“树状”结构的质量评估指标体系，并根据指标体系和QA得分实现全局运行状况评估与产品质量追溯，定位发生性能退化的关键环节和参数。以加氢精制工序为例，加氢精制工序质量评估指标体系示意图如图6所示，质量评估指标体系权重设置表如表3所示。
表3加氢精制工序质量评估指标体系权重设置表
续表3加氢精制工序质量评估指标体系权重设置表
根据表3可以计算得到总目标指标层精制段除氮效果QA1得分公式：
QA1＝ω51(ω41(ω32QA32+ω31(ω22QA22+ω21(ω11QA11+ω12QA12))))(7)
总目标指标层精制反应器出口温度QA2得分公式：
QA2＝ω52(ω41(ω32QA32+ω31(ω22QA22+ω21(ω11QA11+ω12QA12))))(8)
其中，QA11代表精制反应器入口温度QA得分，QA12代表精制反应器入口压力QA得分，QA22代表一二床层间冷氢流量QA得分，QA32代表二三床层间冷氢流量QA得分。
根据以上两个总目标指标层QA得分可以评估加氢裂化流程全局运行状况，QA得分越高表示运行状况越好，反之亦然；同时根据以上两个总目标指标层QA得分公式可以实现产品质量追溯，即查找公式中每部分的QA得分，重点关注QA得分低的部分，定位发生性能退化的关键环节和参数。例如QA1得分较低，依次查找QA32、QA22、QA12、QA11得分，定位得分较低的环节和参数。
本申请通过将加氢裂化流程划分为典型生产工序，对每一生产工序建立质量评估指标体系，并根据指标体系内每一指标的QA得分设置质量评估指标模型内各指标的权重系数，从而构成完整的加氢裂化流程全局运行状况质量评估指标模型，且根据该指标模型和QA得分可以实现加氢裂化流程全局运行状况评估与产品质量追溯，快速定位发生性能退化的环节。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种加氢裂化流程全局运行状况评估与质量追溯方法，其特征在于，包括：
S1.基于所述加氢裂化流程中每个典型的生产工序质量标准要求的不同形式，计算所述生产工序的质量评估指标模型中各指标的过程能力指数Cpk；
S2.基于所述过程能力指数Cpk，计算所述生产工序的质量评估指标模型中各指标的QA得分；
S3.基于所述各个指标的QA得分，利用多元线性回归分析法构建所述加氢裂化流程全局运行状况质量评估指标模型中每个指标对其上层指标QA得分贡献度的权重系数；
S4.基于所述QA得分和所述的权重系数，评估所述加氢裂化流程全局运行状况，定位所述加氢裂化流程全局运行中性能退化的环节和参数。
2.根据权利要求1所述的方法，其特征在于，所述典型的生产工序包括：入口条件工序、加氢精制工序、加氢裂化工序和分馏系统。
3.根据权利要求1或2所述的方法，其特征在于，S1中所述生产工序的质量评估指标模型具体为：
基于所述生产工序，依据产品质量目标，对所述每个典型的生产工序分别按照目标指标层、分目标指标层和操作指标层的结构，构建“树状”结构的所述生产工序的质量评估指标模型。
4.根据权利要求1所述的方法，其特征在于，S1具体为：
S11.采用相似性度量的方法提取所述生产工序的质量评估指标模型中各指标的稳态数据；
S12.基于所述各指标质量标准要求的不同形式，计算在所述质量标准要求下所述各指标稳态数据的过程能力指数Cpk。
5.根据权利要求1所述的方法，其特征在于，所述S2具体为：
基于所述过程能力指数Cpk和相应的评价标准，构建过程能力指数Cpk与QA得分的关系模型，将各指标的过程能力指数转化成相应的QA得分。
6.根据权利要求5所述的方法，其特征在于，所述过程能力指数Cpk与QA得分的关系模型为：
通过过程能力指数Cpk与QA得分的对照关系进行公式拟合，拟合公式如下：
7.根据权利要求1所述的方法，其特征在于，所述S3中还包括：
利用专家知识的权重构建方法结合多元线性回归分析法构建所述加氢裂化流程全局运行状况质量评估指标模型中每个指标对其上层指标QA得分贡献度的权重系数。
8.根据权利要求7所述的方法，其特征在于，S3具体为：
对有直接关联关系的上下层指标QA得分进行多元线性回归分析，得到下层指标对上层指标QA得分贡献度的权重系数；
对不能建立多元线性回归分析的指标，通过专家经验和模糊综合评价确定下层指标对上层指标QA得分贡献度的权重系数。
9.根据权利要求1所述的方法，其特征在于，S4具体为：
分别计算所述典型的生产工序中每个工序操作指标层中各指标的QA得分；
综合各指标的QA得分与其对上层指标QA得分贡献度的权重系数的乘积，得到上一层指标的QA得分；
集成每个所述典型的生产工序的QA得分，以获得所述加氢裂化流程全局运行状况综合产品质量的QA得分；
根据所述加氢裂化流程全局运行状况综合产品质量的QA得分，评估所述加氢裂化流程全局运行状况；
查询下层各指标的QA得分，定位所述加氢裂化流程全局运行中性能退化的环节和参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611235853.9A CN106709654A (zh) | 2016-12-28 | 2016-12-28 | 一种加氢裂化流程全局运行状况评估与质量追溯方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611235853.9A CN106709654A (zh) | 2016-12-28 | 2016-12-28 | 一种加氢裂化流程全局运行状况评估与质量追溯方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106709654A true CN106709654A (zh) | 2017-05-24 |
Family
ID=58903625
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611235853.9A Pending CN106709654A (zh) | 2016-12-28 | 2016-12-28 | 一种加氢裂化流程全局运行状况评估与质量追溯方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106709654A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107862439A (zh) * | 2017-10-17 | 2018-03-30 | 神华集团有限责任公司 | 确定煤液化装置平稳度的方法和装置 |
| CN108510180A (zh) * | 2018-03-28 | 2018-09-07 | 电子科技大学 | 一种生产设备所处性能区间的计算方法 |
| CN109558999A (zh) * | 2017-09-26 | 2019-04-02 | 同济大学 | 航天大型薄壁件产品加工质量评估系统 |
| CN109903822A (zh) * | 2019-01-24 | 2019-06-18 | 广州金域医学检验中心有限公司 | 检测结果评估方法及装置、计算机可读存储介质 |
| CN110456756A (zh) * | 2019-03-25 | 2019-11-15 | 中南大学 | 一种适用于连续生产过程全局运行状况在线评估的方法 |
| CN111722594A (zh) * | 2019-03-18 | 2020-09-29 | 中南大学 | 工业过程监测方法、装置、设备和可读存储介质 |
| CN112116214A (zh) * | 2020-08-27 | 2020-12-22 | 南京理工大学 | 基于Cpk评价滚珠丝杠副加工工艺工序能力的方法及系统 |
| CN113256151A (zh) * | 2021-06-15 | 2021-08-13 | 佛山绿色发展创新研究院 | 氢气质量检测方法及应用其的系统和计算机存储介质 |
| CN117333201A (zh) * | 2023-11-28 | 2024-01-02 | 山东恒信科技发展有限公司 | 一种原料油原料溯源管理方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101847004A (zh) * | 2010-06-03 | 2010-09-29 | 中南大学 | 焦炉多回路控制系统的性能评估与故障诊断方法 |
| CN103324147A (zh) * | 2012-03-20 | 2013-09-25 | 陈景正 | 基于主成分分析的卷烟工序质量评价方法及其系统 |
-
2016
- 2016-12-28 CN CN201611235853.9A patent/CN106709654A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101847004A (zh) * | 2010-06-03 | 2010-09-29 | 中南大学 | 焦炉多回路控制系统的性能评估与故障诊断方法 |
| CN103324147A (zh) * | 2012-03-20 | 2013-09-25 | 陈景正 | 基于主成分分析的卷烟工序质量评价方法及其系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王晨旭: "基于过程能力指数的供电企业运营过程能力评价研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109558999A (zh) * | 2017-09-26 | 2019-04-02 | 同济大学 | 航天大型薄壁件产品加工质量评估系统 |
| CN107862439A (zh) * | 2017-10-17 | 2018-03-30 | 神华集团有限责任公司 | 确定煤液化装置平稳度的方法和装置 |
| CN107862439B (zh) * | 2017-10-17 | 2021-12-07 | 神华集团有限责任公司 | 确定煤液化装置平稳度的方法和装置 |
| CN108510180B (zh) * | 2018-03-28 | 2021-08-06 | 电子科技大学 | 一种生产设备所处性能区间的计算方法 |
| CN108510180A (zh) * | 2018-03-28 | 2018-09-07 | 电子科技大学 | 一种生产设备所处性能区间的计算方法 |
| CN109903822A (zh) * | 2019-01-24 | 2019-06-18 | 广州金域医学检验中心有限公司 | 检测结果评估方法及装置、计算机可读存储介质 |
| CN111722594A (zh) * | 2019-03-18 | 2020-09-29 | 中南大学 | 工业过程监测方法、装置、设备和可读存储介质 |
| CN111722594B (zh) * | 2019-03-18 | 2022-03-11 | 中南大学 | 工业过程监测方法、装置、设备和可读存储介质 |
| CN110456756A (zh) * | 2019-03-25 | 2019-11-15 | 中南大学 | 一种适用于连续生产过程全局运行状况在线评估的方法 |
| CN112116214A (zh) * | 2020-08-27 | 2020-12-22 | 南京理工大学 | 基于Cpk评价滚珠丝杠副加工工艺工序能力的方法及系统 |
| CN112116214B (zh) * | 2020-08-27 | 2022-09-20 | 南京理工大学 | 基于Cpk评价滚珠丝杠副加工工艺工序能力的方法及系统 |
| CN113256151A (zh) * | 2021-06-15 | 2021-08-13 | 佛山绿色发展创新研究院 | 氢气质量检测方法及应用其的系统和计算机存储介质 |
| CN117333201A (zh) * | 2023-11-28 | 2024-01-02 | 山东恒信科技发展有限公司 | 一种原料油原料溯源管理方法及系统 |
| CN117333201B (zh) * | 2023-11-28 | 2024-02-23 | 山东恒信科技发展有限公司 | 一种原料油原料溯源管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106709654A (zh) | 一种加氢裂化流程全局运行状况评估与质量追溯方法 | |
| Ochoa-Estopier et al. | Operational optimization of crude oil distillation systems using artificial neural networks | |
| CN104765346B (zh) | 一种炼油过程全流程建模方法 | |
| CN102213949B (zh) | 一种乙烯装置价值优化方法 | |
| CN103119130B (zh) | 用于精炼应用的主动浊点控制器和相关方法 | |
| CN106845796B (zh) | 一种加氢裂化流程产品质量在线预测方法 | |
| CN103543719B (zh) | 一种基于工况的流程行业操作模式自适应调整方法 | |
| CN103524284B (zh) | 一种乙烯裂解原料配置的预测和优化方法 | |
| CN103927412A (zh) | 基于高斯混合模型的即时学习脱丁烷塔软测量建模方法 | |
| CN108647373A (zh) | 一种基于xgboost模型的工业过程软测量方法 | |
| WO2023131257A1 (zh) | 一种基于大数据的炼油过程模式识别及优化方法 | |
| CN105205327B (zh) | 一种基于工况的乙烯生产能效动态评估方法 | |
| CN104804761A (zh) | 一种加氢裂化装置的收率实时预测方法 | |
| CN110456756A (zh) | 一种适用于连续生产过程全局运行状况在线评估的方法 | |
| CN104463327A (zh) | 一种预测催化裂化焦炭产率的方法 | |
| Chen et al. | Key performance index estimation based on ensemble locally weighted partial least squares and its application on industrial nonlinear processes | |
| Tamuzi et al. | Design and optimization of distillation column sequencing for NGL fractionation processes | |
| Yuan et al. | A comparative study of adaptive soft sensors for quality prediction in an industrial refining hydrocracking process | |
| CN101727609B (zh) | 基于支持向量机的热裂解产物收率的预测方法 | |
| Gong et al. | An energy efficiency integration optimization scheme for ethylene production with respect to multiple working conditions | |
| CN103488085A (zh) | 甲醇四塔精馏系统多目标优化控制方法 | |
| Wang et al. | Soft-sensing modeling and intelligent optimal control strategy for distillation yield rate of atmospheric distillation oil refining process | |
| CN108287474A (zh) | 基于原料不确定性的催化重整反应器鲁棒操作优化方法 | |
| KR20080033419A (ko) | 다입력 다출력 연속생산과정의 실시간조작 최적화 방법 | |
| CN109493921A (zh) | 一种基于多代理模型的常压精馏过程建模方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170524 |
|
| RJ01 | Rejection of invention patent application after publication |