CN112596398A - 一种连续重整过程稳态监测及失稳预警方法 - Google Patents

一种连续重整过程稳态监测及失稳预警方法 Download PDF

Info

Publication number
CN112596398A
CN112596398A CN202110248517.2A CN202110248517A CN112596398A CN 112596398 A CN112596398 A CN 112596398A CN 202110248517 A CN202110248517 A CN 202110248517A CN 112596398 A CN112596398 A CN 112596398A
Authority
CN
China
Prior art keywords
early warning
reforming process
monitoring
steady
instability
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.)
Granted
Application number
CN202110248517.2A
Other languages
English (en)
Other versions
CN112596398B (zh
Inventor
陈夕松
王鹤莹
杨卫
蒋宇
梅彬
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.)
NANJING RICHISLAND INFORMATION ENGINEERING CO LTD
Original Assignee
NANJING RICHISLAND INFORMATION ENGINEERING CO LTD
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 NANJING RICHISLAND INFORMATION ENGINEERING CO LTD filed Critical NANJING RICHISLAND INFORMATION ENGINEERING CO LTD
Priority to CN202110248517.2A priority Critical patent/CN112596398B/zh
Publication of CN112596398A publication Critical patent/CN112596398A/zh
Application granted granted Critical
Publication of CN112596398B publication Critical patent/CN112596398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
    • B01J19/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
    • B01J19/0006—Controlling or regulating processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
    • B01J19/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
    • B01J19/0006—Controlling or regulating processes
    • B01J19/0013—Controlling the temperature of the process
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
    • B01J19/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
    • B01J19/0006—Controlling or regulating processes
    • B01J19/002—Avoiding undesirable reactions or side-effects, e.g. avoiding explosions, or improving the yield by suppressing side-reactions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41835—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by programme execution
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01J—CHEMICAL OR PHYSICAL PROCESSES, e.g. CATALYSIS OR COLLOID CHEMISTRY; THEIR RELEVANT APPARATUS
    • B01J2219/00—Chemical, physical or physico-chemical processes in general; Their relevant apparatus
    • B01J2219/00049—Controlling or regulating processes
    • B01J2219/00162—Controlling or regulating processes controlling the pressure
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Hydrogen, Water And Hydrids (AREA)
  • Fuel Cell (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)

Abstract

本发明公开了一种连续重整过程稳态监测及失稳预警方法，依据连续重整装置历史平稳运行的数据，分离操纵变量与被控变量，分别建立监控模型并同时利用两个模型对连续重整过程进行在线监测。在操纵变量未超限的情况下对被控变量的平稳性进行估量，判别当前工况是否处于稳态。利用控制系统中操纵变量先于被控变量变化的特点，采用操纵变量建立的模型对过程中的异常进行预警。该方法既降低了瞬时扰动对稳态工况判别的影响，对指导优化、安全生产具有重要价值。

Description

一种连续重整过程稳态监测及失稳预警方法
技术领域
本发明涉及工业过程中的工况监测领域，具体为一种判别连续重整过程稳态与否并在失稳前及时预警的方法。
背景技术
工业过程处于稳态工况，这是实时优化投入运行的前提。连续重整过程以石脑油为原料，包含复杂的化学反应过程，主要由重整反应器、加热炉、换热器和重整油气分离罐等设备构成。在该过程的实时优化前，往往通过判断包括重整反应器在内的核心装置的关键参数是否稳定，决定当前能否对连续重整过程进行优化。为稳定反应器进口温度，控制系统一般采用串级结构，外环以反应器进口温度为被控变量，内环以加热炉燃料气流量为操纵变量。此外，连续重整进料量、循环氢流量以及气液分离器压力对连续重整过程的稳定性判别也十分重要。
然而，现有的稳态工况判别方法往往仅根据工艺机理选取监测变量，忽视了控制系统的串级还是单回路结构，未清晰区分被控变量及操纵变量，导致稳态判别出现误判。比如，串级控制系统结构的内环变量在受到内环扰动时变化较大，但外环变量则未必会受到显著影响。因此，如果能够根据工艺机理，结合控制系统结构，将内环、外环变量分离，有望提升稳态工况判别的准确度。
此外，连续重整过程存在大量扰动，有时在极短时间内破坏生产的稳定性。若恰在优化实施前发生扰动，而此时判定工况为稳态，这会造成优化效果降低，甚至出现优化方向性错误。扰动发生时，操纵变量在控制系统中的变化往往先于被控变量，若能够利用操纵变量进行失稳预警，对指导连续重整过程优化决策将具有重要价值。
发明内容
为解决上述问题，本发明公开一种连续重整过程稳态监测及失稳预警方法，依据连续重整装置历史平稳运行的数据，分离操纵变量与被控变量，分别建立监控模型并同时利用两个模型对连续重整过程进行在线监测。在操纵变量未超限的情况下对被控变量的平稳性进行估量，判别当前工况是否处于稳态。
技术方案：
一种连续重整过程稳态监测及失稳预警方法，针对连续重整过程，分离控制系统被控变量和操纵变量，利用被控变量的平稳性判别稳态工况，基于操纵变量进行失稳预警。
它具有以下步骤：
（1）选取连续重整过程核心操纵变量x 1 ,x 2 ,...,x m 作为监测变量，从x 1 ,x 2 ,...,x m 中选取历史样本中k个平稳时刻的正常样本，采用慢特征分析法建立第一故障预警模型M 1；
（2）选取p个慢特征计算获得第一控制限S a1 2、T a1 2；
（3）选取连续重整过程核心被控变量u 1 ,u 2 ,...,u n 作为监测变量，从u 1 ,u 2 ,...,u n中选取历史样本中k个平稳时刻的正常样本，采用慢特征分析法建立第二故障预警模型M 2；
（4）选取q个慢特征计算获得第二控制限S a2 2、T a2 2；
（5）同时使用第一故障预警模型M 1及第二故障预警模型M 2对连续重整过程进行在线监测；
（6）计算获得第一故障预警模型M 1监测下的第一瞬时统计量S 1 2、T 1 2，计算获得第二故障预警模型M 2对监测下的第二瞬时统计量S 2 2、T 2 2；
（7）若第一瞬时统计量S 1 2和T 1 2均未超限，则转步骤（8）；否则进行失稳预警并转步骤（5）；
（8）利用第二瞬时统计量S 2 2、T 2 2判断系统是否处于稳态，并转步骤（5）。
优选的，重整反应器进口温度控制系统具有串级结构，内环操纵变量为重整加热炉燃料气流量，外环被控变量为重整反应器进口温度。
具体的，连续重整过程核心操纵变量包括所有重整加热炉燃料气流量。
具体的，连续重整过程核心被控变量为所有重整反应器进口温度、重整进料量、重整循环氢流量以及重整气液分离器压力。
优选的，建模选取的历史样本时间跨度大于100个集散控制系统采样间隔。
优选的，稳态判别的方法为判断过去t 1时间段内S 2 2和T 2 2统计量超限率h t1，若h t1≤h，表明系统当前为稳态；h为设定阈值。
优选的，t 1≥30个生产执行系统采样间隔。
优选的，h≤5%。
有益效果：
本发明公开了一种连续重整过程稳态监测及失稳预警方法，该方法通过分析控制系统结构，分离操纵变量与被控变量。通过判断控制系统结构中被控变量的平稳性判别生产过程是否处于稳定工况，利用操纵变量先于被控变量变化的特点，进行失稳预警，避免了基于方差分析等常规方法不加区分地混用操纵变量与被控变量，而带来的稳态误判等问题。
附图说明
图1是本发明方法的实施流程图。
图2是某实施例稳态工况监测结果。
图3是采用操纵变量进行失稳预警的结果。
图4是现有技术作为对比例进行失稳预警的结果。
具体实施方式
下面结合附图以及具体的算例，由详细的计算过程和具体的操作流程说明本方法在连续重整稳态判别及失稳预警中的实施效果。本实施案例在以本发明技术方案为前提下进行实施，但本发明的保护范围不限于下述的实施例。
本发明以某炼油企业连续重整装置为例，该装置利用高活性的重整催化剂将石脑油原料中的大部分环烷烃和部分烷烃转化成芳烃，提高产品的附加值。装置主要由4个重整反应器、4个重整进料加热炉、重整油气分离罐以及换热器组成。该企业通过判别装置是否处于稳态决定能否进行过程的实时优化，以提高企业效益。下面以该装置2020年5月10日00:00至5月18日00:00的历史运行数据为例，介绍本方法在连续重整装置稳态工况判别及失稳预警中的作用。
本方法的实施流程如图1所示，在稳态判别中的具体实施步骤如下：
（1）选取连续重整过程中的操纵变量x 1 ,x 2 ,...,x 4 作为监测变量，即4个重整加热炉燃料气流量，从中选取5月10日00:00开始的400个正常样本，采用慢特征分析法建立第一故障预警模型M 1；
（2）选取p=3个慢特征计算出第一控制限S a1 2=7.94、T a1 2=7.81；
（3）选取连续重整过程中的被控变量u 1 ,u 2 ,...,u 7 作为监测变量，包括外环被控变量：4个重整反应器进口温度，以及重整进料量、重整循环氢流量和重整气液分离器压力，共计7个变量。从中选取5月10日00:00开始的400个正常样本，采用慢特征分析法建立第二故障预警模型M 2；
（4）选取q=4个慢特征计算第二控制限S a2 2=19.03、T a2 2=18.31；
（5）同时使用第一故障预警模型M 1及第二故障预警模型M 2对5月15日13:20起的工况进行在线监测；
（6）计算获得第一故障预警模型M 1监测下的第一瞬时统计量S 1 2、T 1 2，计算获得第二故障预警模型M 2监测下的第二瞬时统计量S 2 2、T 2 2，对连续100个样本的监测结果如图2所示；
（7）监测过程中第一瞬时统计量S 1 2、T 1 2均未超限，对第二故障预警模型M 2监测下的第二瞬时统计量S 2 2、T 2 2的超限率进行统计，发现在5月15日16:20前统计量均未超限，即h=0%≤5%，则表明系统处于稳态，提示操作人员能够进行优化。
此外，本方法亦可用于连续重整装置的失稳预警，采用本方法对对5月17日00:00起的工况进行监测，具体步骤如下：
（1）采用第一故障预警模型M 1进行连续重整过程在线监测；
（2）选取慢特征计算第一控制限：S a2 2=7.94、T a2 2=7.81；
（3）计算第一故障预警模型M 1监测下的第一瞬时统计量S 1 2、T 1 2，结果如图3所示。
该装置于5月17日00:40左右有较强的外界扰动，使生产过程即将失去稳定。使用上述方法即使用第一故障预警模型M 1成功进行了预警。如果不加区分地使用操纵变量和被控变量进行预警的结果如图4所示，结果表明，本方法的预警时间提前了将近10分钟，有效避免了一次错误的实时优化。
由上述分析可知，本发明提出的方法能够充分利用被控变量进行稳态工况的判别，且能够成功使用操纵变量进行装置的失稳预警，可避免生产中的扰动对稳态判别的影响，对优化决策、安全生产具有重要价值。

Claims (8)

1.一种连续重整过程稳态监测及失稳预警方法，其特征在于针对连续重整过程，分离控制系统被控变量和操纵变量，利用被控变量的平稳性判别稳态工况，基于操纵变量进行失稳预警。
2.根据权利要求1所述的一种连续重整过程稳态监测及失稳预警方法，其特征在于它具有以下步骤：
（1）选取连续重整过程核心操纵变量x 1 ,x 2 ,...,x m 作为监测变量，从x 1 ,x 2 ,...,x m 中选取历史样本中k个平稳时刻的正常样本，采用慢特征分析法建立第一故障预警模型M 1；
（2）选取p个慢特征计算获得第一控制限S a1 2、T a1 2；
（3）选取连续重整过程核心被控变量u 1 ,u 2 ,...,u n作为监测变量，从u 1 ,u 2 ,...,u n中选取历史样本中k个平稳时刻的正常样本，采用慢特征分析法建立第二故障预警模型M 2；
（4）选取q个慢特征计算获得第二控制限S a2 2、T a2 2；
（5）同时使用第一故障预警模型M 1及第二故障预警模型M 2对连续重整过程进行在线监测；
（6）计算获得第一故障预警模型M 1监测下的第一瞬时统计量S 1 2、T 1 2，计算获得第二故障预警模型M 2对监测下的第二瞬时统计量S 2 2、T 2 2；
（7）若第一瞬时统计量S 1 2和T 1 2均未超限，则转步骤（8）；否则进行失稳预警并转步骤（5）；
（8）利用第二瞬时统计量S 2 2、T 2 2判断系统是否处于稳态，并转步骤（5）。
3.根据权利要求1所述的一种连续重整过程稳态监测及失稳预警方法，其特征在于连续重整过程核心操纵变量包括所有重整加热炉燃料气流量。
4.根据权利要求1所述的一种连续重整过程稳态监测及失稳预警方法，其特征在于连续重整过程核心被控变量为所有重整反应器进口温度、重整进料量、重整循环氢流量以及重整气液分离器压力。
5.根据权利要求1所述的一种连续重整过程稳态监测及失稳预警方法，其特征在于建模选取的历史样本时间跨度大于100个集散控制系统采样间隔。
6.根据权利要求1所述的一种连续重整过程稳态监测及失稳预警方法，其特征在于稳态判别的方法为判断过去t 1时间段内S 2 2和T 2 2统计量超限率h t1，若h t1≤h，表明系统当前为稳态；h为设定阈值。
7.根据权利要求6所述的一种连续重整过程稳态监测及失稳预警方法，其特征在于t 1≥30个生产执行系统采样间隔。
8.根据权利要求6所述的一种连续重整过程稳态监测及失稳预警方法，其特征在于h≤5%。
CN202110248517.2A 2021-03-08 2021-03-08 一种连续重整过程稳态监测及失稳预警方法 Active CN112596398B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110248517.2A CN112596398B (zh) 2021-03-08 2021-03-08 一种连续重整过程稳态监测及失稳预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110248517.2A CN112596398B (zh) 2021-03-08 2021-03-08 一种连续重整过程稳态监测及失稳预警方法

Publications (2)

Publication Number Publication Date
CN112596398A true CN112596398A (zh) 2021-04-02
CN112596398B CN112596398B (zh) 2021-05-28

Family

ID=75210173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110248517.2A Active CN112596398B (zh) 2021-03-08 2021-03-08 一种连续重整过程稳态监测及失稳预警方法

Country Status (1)

Country Link
CN (1) CN112596398B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109189020A (zh) * 2018-09-11 2019-01-11 浙江大学 一种基于动静态特性协同分析的大型燃煤机组燃烧系统综合监测方法
CN111176265A (zh) * 2020-02-11 2020-05-19 中国石油大学(华东) 模型预测控制器性能监控方法
CN111413949A (zh) * 2020-03-30 2020-07-14 南京富岛信息工程有限公司 一种降低工业过程故障预警误报率的方法
CN111624979A (zh) * 2020-05-18 2020-09-04 浙江大学 一种基于慢特征分析的工业闭环控制回路多振荡检测与溯源方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109189020A (zh) * 2018-09-11 2019-01-11 浙江大学 一种基于动静态特性协同分析的大型燃煤机组燃烧系统综合监测方法
CN111176265A (zh) * 2020-02-11 2020-05-19 中国石油大学(华东) 模型预测控制器性能监控方法
CN111413949A (zh) * 2020-03-30 2020-07-14 南京富岛信息工程有限公司 一种降低工业过程故障预警误报率的方法
CN111624979A (zh) * 2020-05-18 2020-09-04 浙江大学 一种基于慢特征分析的工业闭环控制回路多振荡检测与溯源方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHUMEI ZHANG 等: ""Slow-Feature-Analysis-Based Batch Process Monitoring With Comprehensive Interpretation of Operation Condition Deviation and Dynamic Anomaly"", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 *
王鹤莹 等: ""基于慢特征分析的初馏塔故障预警研究"", 《石油化工应用》 *
黄健 等: ""基于故障相关慢特征分析的过程监测方法"", 《高校化学工程学报》 *

Also Published As

Publication number Publication date
CN112596398B (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
Yu A new fault diagnosis method of multimode processes using Bayesian inference based Gaussian mixture contribution decomposition
CN112596398B (zh) 一种连续重整过程稳态监测及失稳预警方法
CN111413949B (zh) 一种降低工业过程故障预警误报率的方法
CN111914888A (zh) 一种多工况识别与故障检测一体化的化工过程监测方法
Wang et al. A fast monitoring method for multiple operating batch processes with incomplete modeling data types
Zhang et al. PCA-LMNN-based fault diagnosis method for ironmaking processes with insufficient faulty data
CN113721683A (zh) 碳三液相加氢反应器自动控制方法及设备
CN1373118A (zh) 对二甲苯液相氧化反应器中反应温度的智能控制方法
CN204185407U (zh) 一种采用天然气部分氧化法制备乙炔的装置
CN104778811B (zh) 气液相反应釜开车通气时的报警方法
CN115903676A (zh) 一种基于主元分析的闭环系统过程监测方法
CN113736513B (zh) 双段床碳三液相加氢反应器的控制方法及系统
CN114429791A (zh) 多段床碳二加氢反应器的控制方法及应用
CN114436748A (zh) 液相选择加氢反应中的控制方法、控制系统及反应系统
CN113713720A (zh) 碳三液相加氢反应器丙烯选择性的控制方法及设备
CN115403438B (zh) 一种碳三液相加氢反应器自动控制方法及自动控制系统
CN113741565A (zh) 双段床碳三液相加氢反应器的自动控制方法及系统
Kano et al. Just-in-time statistical process control: adaptive monitoring of vinyl acetate monomer process
CN109917740A (zh) 一种氯气氧化除杂智能控制系统及控制方法
CN111142388A (zh) 一种化工过程变比值控制方法
CN108128756A (zh) 一种焦炉煤气脱硫废液回收硫磺处理控制装置及方法
WO2003085320A1 (fr) Unité de combustion catalytique
RU2702575C1 (ru) Способ управления процессом синтеза гидроксиламинсульфата
CN117258705A (zh) 三段碳二加氢反应器的控制方法、电子设备、存储介质及乙炔加氢精制乙烯方法
Wang Silicon Prediction Model of Blast Furnace Based on ARX and PCR

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant