CN1150300C - 乙烯装置中裂解炉的智能控制方法 - Google Patents

Abstract

该发明公开了乙烯装置中裂解炉的智能控制方法，其中包括应用模糊神经网络开发的裂解炉燃料气热值软测量模型和基于此软测量模型的实时前馈推断控制；应用专家系统技术开发的裂解炉侧壁和底部燃烧热量分配的专家系统；应用数据协调与校正、动态过程补偿、非线性控制等技术开发的裂解炉平均炉管出口温度控制系统、炉管出口温度均衡控制和总通量控制系统；以及裂解炉炉管进料汽/烃质量流量比在线自校正控制系统。

Description

乙烯装置中裂解炉的智能控制方法

本发明属于化学反应工程和自动控制领域，涉及乙烯装置中SRT-I和SRT-III型裂解炉的智能控制方法。

乙烯工业是石油化工发展的标志，历来被用作衡量一个国家石油化学工业的发展水平。随着计算机应用技术、自动控制技术以及人工智能技术的不断发展，过程先进控制技术对乙烯生产装置的安全高效运行起着越来越重要的作用，人们已不满足单纯从乙烯生产过程的工艺设计和生产设备改造上获取经济效益，而是综合应用化学工程、计算机应用和自动控制技术，对乙烯生产过程实行计算机先进控制和优化操作，充分发挥设备的内在潜力，以低能耗、低成本消耗和高产出获得较高的装置经济效益。在乙烯生产过程中，裂解炉是生产装置的核心设备，它操作平稳与否，不仅影响整个乙烯生产装置的产品质量和产量，而且还将影响下游生产装置(如聚乙烯、聚丙烯等生产装置)的平稳操作。因此，人们对乙烯生产过程开发计算机先进控制技术时，首先考虑开发裂解炉的先进控制技术，它所获取的经济效益约占整个乙烯装置采用先进控制技术后所获得的经济效益的40％左右。

近年来智能控制得益于计算机科学技术的飞速发展，已经形成一门学科，并在实际应用中显示出很强的生命力。智能控制适应于控制对象的模糊性、不确定性、偶然性和不完全性，它使用不同于经典控制理论和现代控制理论的处理方法，从系统的功能和整体优化的角度来分析和综合整个控制系统，以实现预定的目标，具有学习功能、适应功能和组织功能。

因此，对于乙烯装置中裂解炉这样具有操作信息模糊性和不确定性的化工生产过程，应用智能控制技术开发其先进控制系统具有很大的实用价值，会产生很大的经济效益和社会效益。

石油化工中的裂解是指石油烃(裂解原料)在隔绝空气和高温条件下分子发生分解反应而生成小分子烯烃或(和)炔烃的过程。

本发明针对美国鲁姆斯公司(Lummus Co.)设计的SRT-I和SRT-III型裂解炉进行智能控制。SRT-I型裂解炉的辐射段由四组炉管组成，烧嘴在炉墙两侧和炉底，即单排双面辐射；SRT-III型裂解炉采用了变径管组，炉管采用HP-40材质，每台炉有六组炉管，每两组炉管合用一台急冷锅炉。裂解炉的液体原料常压柴油(AGO)、石脑油(NAP)或轻石脑油(LNAP)进入裂解炉后，先在预热段经过初步预热后，与稀释蒸汽混合再进一步预热并且完全汽化，使其温度升高至稍低于裂解反应的温度，然后进入裂解炉的高温区——辐射段的反应管，在反应管内的烃类原料迅速升温，同时发生产生乙烯、丙烯、丁二烯、甲烷、乙烷等产品的裂解反应。为减少副反应造成的产品的损失，裂解气必须迅速地被冷却，故先经过回收裂解气热量的废热锅炉，然后进入急冷器。

裂解反应是在辐射段中进行，它为吸热反应，在此部分需要供给大量的热量。裂解炉用气体燃料的侧壁烧嘴在炉壁加热，用液体燃料或者气、液混合燃料的底部烧嘴在炉底加热。裂解炉的燃料气来自燃料气混合罐，罐内燃料气来自乙烯装置的高压和低压甲烷尾气、裂解汽油加氢处理装置中硫化氢汽提塔的尾气、火炬气、丁二烯抽余油等，其中甲烷尾气作为燃料气的主要来源。裂解炉侧壁及底部燃烧热量的分配与控制对裂解反应炉管出口温度的影响极大。

裂解炉的对流段，设有预热烃类原料、锅炉给水、过热稀释蒸汽等一系列的加热器，以满足工艺的需要和回收热量。

目前国内所有乙烯装置都采用集散控制系统(DCS，Distributed ControlSystems)的基本控制功能对生产过程进行监控，这些基础控制系统保障了裂解炉的安全运行，但不能使裂解炉工作在最优操作状态，普遍不能适应燃料气组成和裂解原料的频繁变化，裂解炉反应管出口温度和操作负荷波动频繁。因此，为了充分发挥乙烯装置中DCS和操作设备的潜力，有效地利用原料和能源，增加装置的经济效益，结合裂解生产过程的工艺操作特点，综合应用化学工程、人工智能和自动控制科学中的最新技术，对裂解炉实施智能控制和优化操作，使裂解炉各项工艺参数稳定在最优工作状态，具有极其重要的实用价值。

本发明的目的是：提供一种基于模糊逻辑系统的小脑模型关节控制器(CMAC，Cerebellar Model Articulation Controller)神经网络算法，通过测量燃料气主要组份甲烷和C₄流量等影响燃料气热值波动的主要变量，建立燃料气热值的软测量系统，从而比较准确和实时地得到燃料气热值，并应用此软测量系统和工业过程数据协调与校正技术，开发了燃料气热值实时前馈推断控制，同时建立了燃料气侧壁底部燃烧热量分配专家系统，使裂解炉工作在最优操作状态，适应燃料气组成和压力的频繁变化，使裂解炉炉管出口温度和操作负荷稳定。

本发明的目的还在于提高裂解炉平均炉管出口温度(COT，Coil OutletTemperature)的控制品质、减少各组炉管间出口温度偏差和提高总进料烃量的控制品质，使裂解炉处于最佳操作工况。充分发挥乙烯装置中DCS和操作设备的潜力，有效地利用原料和能源，增加装置的经济效益。

本发明的目的是这样实现的：

在基于模糊逻辑系统的CMAC神经网络算法的基础上，通过测量燃料气主要组份甲烷和C₄流量、燃料气温度和燃料气压力的实时数据，判断程序的外部输入点的值在正常范围内后，首先对输入变量进行归一化和量化，并激活联想向量对应的权值，然后计算出神经网络的输出，对输出进行反归一化，最后利用热值测量仪表的数据对软测量模型进行实时在线校正，以适应生产过程中操作特性的变化和生产工况的迁移。

燃料气热值模糊CMAC神经网络软测量是一软测量模型结构：采用模糊CMAC网络，即在广义CMAC网络基础上，采用连续量化输入代替离散量化输入，以“And操作”(即“与操作”)这一步达到了少量结点有较大输出，多数结点输出为零的目的。

燃料气主要组份甲烷和碳四(C₄)流量、燃料气温度、燃料气压力，并将这些数据归一化到[-1，1]的范围，归一化的方法如下：

x＝(X-(b+a)/2)/((b-a)/2)

其中，X为输入变量，[a，b]为X的量程范围，x为归一化后的输入。

从工业运行装置上获取若干组实时数据，利用热值测量仪表的数值作为目标值，并考虑测量仪表在时间上的滞后因素，每组数据包括当前时刻的甲烷流量、当前时刻的C₄流量、当前时刻的燃料气温度、当前时刻的燃料气压力和当前时刻之前数分钟热值测量仪表的值。将前若干组数据作为训练样本，后若干组数据作为预测样本，各输入变量的模糊分级数可取5～100，隶属函数采用如下的高斯函数的形式：

$b_{\mathrm{ij}}=\exp (-\frac{{(x_i-{\mathrm{\μ}}_{\mathrm{ij}})}^2}{{{\mathrm{\σ}}_{\mathrm{ij}}}^2})$

式中：

μ_ij：表示高斯隶属函数的中心；

σ_ij：表示高斯隶属函数的宽度。

b_ij：表示输入变量x_i的隶属函数。

And操作实现如下取小操作：

b_j＝min(b_1j，b_2j，Λ，b_nj)

通过对样本的训练和预测，最后得到误差较小的一组权值。

将计算出的模糊CMAC网络输出进行反归一化，得到具有工程单位(Kcal/Nm³)的热值软测量值。

在DCS的应用模块/先进过程管理模块(AM/APM，ApplicationModule/Advanced Process Manager)上程序流程实现控制语言的编制，通过数据的实时、连续采集，就能得到燃料气热值的实时软测量值。

本发明从工业过程实际应用的要求出发，研究开发了基于模糊逻辑系统的CMAC神经网络算法，并应用此算法和工业过程数据协调与校正技术，开发了裂解炉燃料气热值软测量系统。同时，研究开发了基于此软测量系统的实时前馈推断控制技术，根据上述经过在线校正的燃料气热值软测量值，经超前/滞后环节补偿后，对侧壁燃料气压力进行实时前馈推断控制。

为了进一步提高裂解炉炉管出口温度的均衡和稳定控制品质，根据工业装置实时操作运行的状况，建立了裂解炉侧壁燃烧热量和底部燃烧热量分配的实时操作统计模型以及过程操作的专家知识库，并在此基础上建立了裂解炉侧壁及底部燃烧热量分配的计算机控制系统。燃料气侧壁和底部燃烧热量分配的计算机控制系统库和规则库主要包含如下规则：

IF(平均炉管出口温度在±t℃内变化)

    THEN(调整P_A，调整的幅度为ΔP_AN＝F_A(COT))；

IF(平均炉管出口温度的变化超出了±t℃的范围)

    THEN(调整P_A，调整的幅度为ΔP_AW＝F_A(COT))AND(调整P_C，

调整的幅度为ΔP_CT＝F_C(COT))；

IF(总进料量每变化1吨)THEN(调整P_C，调整的幅度为ΔP_CF)；

IF(P_A＞P_AMAX)THEN(P_A＝P_AMAX)；

IF(P_C＞P_CMAX)THEN(P_C＝P_CMAX)；

IF(P_A＜P_AMIN＝THEN(P_A＝P_AMIN)；

IF(P_C＜P_CMIN＝THEN(P_C＝P_CMIN)；

其中，P_A为侧壁燃料气压力，P_C为底部燃料气压力，F_A和F_C为侧壁和底部燃料气压力控制器算法，采用PID(即比例—积分—微分控制器)算法。P_AMAX和P_CMAX分别为侧壁和底部燃料气压力的上限值，P_AMIN和P_CMIN分别为侧壁和底部燃料气压力的下限值。

根据生产装置的实时操作工况，应用先进的过程控制、动态超驰/滞后补偿、人工智能，以及上述开发的基于神经网络的实时前馈推断控制技术和裂解炉侧壁燃烧热量和底部燃烧热量分配专家系统，研究开发了平均炉管出口温度控制系统和炉管出口温度均衡控制系统。

根据工业装置实时操作运行的状况，建立了裂解炉稀释蒸汽和原料烃质量流量与其体积流量和一些工艺参数的数学模型，通过实时测量这些工艺参数，在线计算出原料烃和稀释蒸汽的质量流量，进而实现了汽/烃质量流量比在线自校正控制。

在裂解炉炉管出口温度均衡控制的基础上，对裂解炉各组炉管进料量进行总体分解、协调，建立了裂解炉总通量控制系统，达到了生产总负荷稳定控制的要求。

本发明的优点是：在综合利用模糊神经网络、数据协调与校正、动态过程补偿、非线性控制、人工智能、计算机控制系统等技术的基础上，提高裂解炉平均炉管出口温度(COT，Coil Outlet Temperature)、各组炉管间出口温度偏差和总进料烃量的控制品质，使裂解炉处于最佳操作工况。通过裂解炉实时智能控制系统，大大提高了裂解炉的各项工艺性能指标，能创造很大的经济效益。

1.在生产装置的实时操作工况下，应用先进的过程控制、动态超驰/滞后补偿、人工智能，以及上述的基于模糊神经网络软测量系统的实时前馈推断控制技术和裂解炉侧壁燃烧热量和底部燃烧热量分配专家系统，开发的平均炉管出口温度控制系统和炉管出口温度均衡控制系统，克服了燃料气系统的频繁波动，提高了炉管平均出口温度的控制品质；

2.该发明利用专家系统技术解决了裂解炉侧壁和底部燃料气热量分配问题，避免了裂解炉炉顶、炉中、炉底温差过大的现象：

3.该发明利用动态过程补偿技术解决了裂解炉各组炉管间相互影响，解决了炉管间出口温度偏差较大的问题；

4.该发明利用非线性控制方法控制裂解炉总进料烃量，使得裂解炉总通量达到了恒定控制的要求；

5.该神经网络模型具有较高的精度和容错性；

6.燃料气热值软测量模型考虑了热值测量仪表在时间上的滞后因素。

以下结合附图并通过实施例对本发明作进一步说明：

图1为裂解炉智能控制系统流程图。图中，FIC为流量控制器；TIC为温度控制器；PICA为侧壁燃料气压力控制器；PICC为底部燃料气压力控制器；TI为温度变送器；PI为压力变送器；AR为燃料气热值变送器；SP表示控制器的设定值。

图2为燃料气热值模糊CMAC神经网络软测量模型结构图。这一软测量模型结构采用模糊CMAC网络，其中，w₁，w₂，…，w表示模糊CMAC网络中联想向量所对应的权值。

图3为燃料气热值模糊CMAC软测量系统实现的程序框图。

图4为裂解炉炉管平均出口温度控制系统控制框图，其中经过在线校正的燃料气热值软测量值，经超前/滞后环节补偿后，对侧壁燃料气压力进行实时前馈推断控制。同时裂解炉总进料量前馈控制底部燃料气压力，以实时调节总进料负荷对裂解炉炉管出口温度的影响。图中SP为控制器的设定值，PV为控制器的测量值。

图5为裂解炉汽/烃质量流量比在线自校正控制系统框图，其中进料烃流量是主动量，稀释蒸气流量是从动量。主从动量的关系不可改变。汽/烃比值系数K可由操作员设定，而稀释蒸汽流量SP值则动态跟踪烃进料流量SP值与K的乘积。

图6为裂解炉炉管出口温度均衡控制和总通量控制系统框图，其中炉管出口温度均衡控制器的测量值为单根炉管出口温度与经动态过程补偿后的平均炉管出口温度之差。如果其测量值为单根炉管出口温度与未经动态补偿的平均炉管出口温度之差，则当平均炉管出口温度在正常范围内波动时，将会使各根炉管的温度均衡控制器同时动作，调整各自炉管的烃进料量，给系统造成干扰，甚至产生恶性循环，因此必须为平均炉管出口温度加上一个动态补偿环节。

实施例：首先在DCS中获取影响裂解炉燃料气热值波动的主要工艺操作参数：燃料气主要组份甲烷和碳四(C₄)流量、燃料气温度、燃料气压力，并将这些数据归一化到[-1，1]的范围，归一化的方法如下：

x＝(X-(b+a)/2)/((b-a)/2)

其中，X为输入变量，[a，b]为X的量程范围，x为归一化后的输入。甲烷流量的量程范围取为[10000，30000]，单位为Nm³/h；C₄流量的量程范围取为[0，5000]，单位为Nm³/h；燃料气温度的量程范围取为[0，100]，单位为℃；燃料气压力的量程范围为[200，400]，单位为Kpa。

从工业运行装置上获取500组实时数据，利用热值测量仪表的数值作为目标值，并考虑测量仪表在时间上的滞后因素，每组数据包括当前时刻的甲烷流量、当前时刻的C₄流量、当前时刻的燃料气温度、当前时刻的燃料气压力和当前时刻之前5分钟热值测量仪表的值。将前250组数据作为训练样本，后250组数据作为预测样本。

取各输入变量的模糊分级数为8，隶属函数采用高斯函数的形式。通过And操作实现对权值激活程度的确定，从而实现概念层的功能。利用250组训练样本对模糊CMAC神经网络进行训练，利用250组预测样本检验模糊CMAC模型的泛化能力，直到训练和预测的平均误差平方和小于10^-4。训练出的一组权值如下所示：

w1＝0.0352；w2＝0.0257；w3＝0.0359；w4＝0.0295；w5＝0.0302；w6＝0.0247；

w7＝0.0311；w8＝0.0175；w9＝0.0307；w10＝0.0138；w11＝0.0298；w12＝0.0391；

w13＝0208；w14＝0.0304；w15＝0.0148；w16＝0.0260；w17＝0.0246；w18＝0.0329；

w19＝0.0262；w20＝0.0362；w21＝0.0314；w22＝0.0381；w23＝0.0301；

w24＝0.0295；w25＝0.0323；w26＝0.0336；w27＝0.0300；w28＝0.0199；

w29＝0.0355；w30＝0.0279

将计算出的模糊CMAC网络输出进行反归一化，得到的热值软测量值在[10000，20000]范围内，单位为Kcal/Nm³。

在DCS的应用模块/先进过程管理模块(AM/APM，ApplicationModule/Advanced Process Manager)上按照图3的程序流程实现控制语言的编制，通过数据的实时、连续采集，就能得到燃料气热值的实时软测量值。

建立燃料气侧壁和底部燃烧热量分配的计算机控制库和规则库，规则如下所示：

IF(平均炉管出口温度在±t℃内变化)

    THEN(调整P_A，调整的幅度为ΔP_AN＝F_A(COT))；

IF(平均炉管出口温度的变化超出了±t℃的范围)

    THEN(调整P_A，调整的幅度为ΔP_AM＝F_A(COT))AND(调整P_C，

调整的幅度为ΔP_CT＝F_C(COT))；

IF(总进料量每变化1吨)THEN(调整P_C，调整的幅度为ΔP_CF)；

IF(P_A＞P_AMAX)THEN(P_A＝P_AMAX)；

IF(P_C＞P_CMAX)THEN(P_C＝P_CMAX)；

IF(P_A＜P_AMIN)THEN(P_A＝P_AMIN)；

IF(P_C＜P_CMIN)THEN(P_C＝P_CMIN)；

通过推理机构给出侧壁和底部燃料气压力控制器的设定值，当裂解炉平均炉管出口温度为820℃，原料负荷为18T/h时，取P_AMAX和P_CMAX为3kg/cm²，P_MIN和P_CMIN为1kg/cm²，且取t为3℃，可推理出侧壁燃料气压力设定值为1.6kg/cm²，底部燃料气压力设定值为1.5kg/cm²。

在DCS系统的AM/APM上实现控制语言的编制，根据现场数据比较与分析，并进一步对主要参数的取值进行调试，就能实现燃料气侧壁和底部燃烧热量分配的实时计算机控制系统控制。

在DCS系统的AM/APM上实现控制语言的编制，按图4的结构搭建控制模块，并进行工业现场对象操作特性测试、控制系统的工业装置实际投运和动态过程补偿等环节的参数调试，实现平均炉管出口温度控制。当燃料气热值在11000Kcal/Nm^3~16000Kcal/Nm³范围内波动，进料负荷在15T/h~30T/h范围内波动时，取热值前馈系数为-0.2；进料负荷前馈系数为0.1；温度控制器比例系数为0.6；超前补偿时间常数为3分钟；滞后补偿时间常数为1.5分钟，可使平均炉管出口温度控制在±1℃的范围内。

在DCS系统的AM/APM上实现控制语言的编制，按图5的结构搭建控制模块，并进行工业现场对象操作特性测试、控制系统的工业装置实际投运和各环节的参数调试，实现汽/烃质量流量比的在线自校正控制。当裂解原料为石脑油，油品密度在0.5~1.5Kg/m³范围内，稀释蒸汽压力在300~600Kpa范围内，稀释蒸汽温度在100~300℃范围内，单管进料烃流量在1000~5000Kg/h范围内，单管稀释蒸汽流量在1000~5000Kg/h范围内时，可将炉管汽/烃质量流量比值控制在±0.025范围内。

在DCS系统的AM/APM上实现控制语言的编制，按图6的结构搭建控制模块，并进行工业现场对象操作特性测试、控制系统的工业装置实际投运和动态补偿等环节的参数调试，实现炉管出口温度均衡控制和总进料烃量控制。当单管进料烃流量在1000~5000Kg/h范围内时，取温度均衡控制器比例系数为0.1；总通量控制器比例系数为0.5；动态补偿时间常数为2分钟时，可将各组炉管出口温度偏差控制在±1℃的范围内，总进料烃流量波动在0.25％(±0.05吨/小时)的范围内。

总之，裂解炉智能控制系统已在工业装置上长期运行，在正常工况下，裂解炉出口平均温度(COT)波动的幅度均能保持在±1℃以内，且裂解炉各组炉管之间的出口温度偏差也在±1℃范围之内；炉管汽/烃质量流量比的变化在±0.025范围内；裂解炉总进料烃流量波动范围在0.25％(±0.05吨/小时)以下，总通量达到了恒定控制的要求。

上述要求的条件在SRT型裂解炉生产装置中均能满足，因此该发明具有普适性。

Claims (3)

1、乙烯装置中裂解炉的智能控制方法，其特征是在于建立基于模糊神经网络的燃料气热值软测量系统，基于模糊神经网络燃料气热值软测量是在小脑模型关节控制器神经网络算法的基础上，通过测量燃料气主要组份甲烷和C₄流量、燃料气温度、燃料气压力的实时数据，判断程序的外部输入点的值在正常范围内后，首先对输入变量进行归一化和量化，并激活联想向量对应的权值，然后计算出神经网络的输出，对输出进行反归一化，最后利用热值测量仪表的数据对软测量模型进行实时在线校正，并在此软测量系统的基础上实现燃料气热值的实时前馈推断控制；同时建立燃料气侧壁底部燃烧热量分配的计算机控制系统，经过在线校正的燃料气热值软测量值，经超前/滞后环节补偿后，对侧壁燃料气压力进行实时前馈推断控制，同时裂解炉总进料量前馈控制底部燃料气压力，以实时调节总进料负荷对裂解炉炉管出口温度的影响，实现裂解炉平均炉管出口温度控制和炉管出口温度均衡控制；

所述建立裂解炉侧壁及底部燃烧热量分配的计算机控制系统，保证裂解炉炉管出口温度的均衡和稳定的计算机控制系统的方法如下：

IF(平均炉管出口温度在±t℃内变化)

THEN(调整P_A，调整的幅度为ΔP_AN＝F_A(COT))；

IF(平均炉管出口温度的变化超出了±t℃的范围)

THEN(调整P_A，调整的幅度为ΔP_AW＝F_A(COT))AND(调整P_C，调整的幅度为ΔP_CT＝F_C(COT))；

IF(总进料量每变化1吨)THEN(调整P_C，调整的幅度为ΔP_CF)；

IF(P_A＞P_AMAX)THEN(P_A＝P_AMAX)；

IF(P_C＞P_CMAX)THEN(P_C＝P_CMAX)；

IF(P_A＜P_AMIN＝THEN(P_A＝P_AMIN)；

IF(P_C＜P_CMIN＝THEN(P_C＝P_CMIN)；

其中，P_A为侧壁燃料气压力，P_C为底部燃料气压力，F_A和F_C为侧壁和底部燃料气压力控制器算法，采用PID比例—积分—微分控制器算法；P_AMAX和P_CMAX分别为侧壁和底部燃料气压力的上限值，P_AMIN和P_CMIN分别为侧壁和底部燃料气压力的下限值。

2、由权利要求1所述的乙烯装置中裂解炉的智能控制方法，其特征是所述的裂解炉燃料气热值软测量系统中燃料气数据为甲烷和碳四流量、燃料气温度、燃料气压力，所述归一化方法是归一到[-1，1]的范围，归一化的方法如下：

x＝(X-(b+a)/2)/((b-a)/2)

其中，X为输入变量，[a，b]为X的量程范围，x为归一化后的输入，输出反归一化，得到的热值软测量值在[10000，20000]范围内。

3、由权利要求1所述的乙烯装置中裂解炉的智能控制方法，其特征是在裂解炉炉管出口温度均衡控制系统中，炉管出口温度偏差为单组炉管出口温度与经过动态过程补偿的平均炉管出口温度之差。

Images