[發(fā)明專利]常一線油干點在線軟測量方法

在審

• 申請?zhí)枺?/td>: 201611182068.1
• 申請日: 2016-12-20
• 公開（公告）號: CN108205056A
• 公開（公告）日: 2018-06-26
• 發(fā)明（設(shè)計）人: 趙晶瑩;張全國;王甫村;張艷;李海巖;王丹;王偉眾;劉龍;秦麗紅;王亮;楊曉東;馬守濤;謝方明
• 申請（專利權(quán)）人: 中國石油天然氣股份有限公司
• 主分類號: G01N33/28
• 分類號: G01N33/28;G06N3/04;G06N3/08
• 代理公司: 北京律誠同業(yè)知識產(chǎn)權(quán)代理有限公司 11006
• 代理人: 高龍鑫;王玉雙

本發(fā)明涉及一種常一線油干點的在線軟測量方法：選取和構(gòu)造影響常一線油干點的關(guān)鍵變量，即常二線汽提蒸汽量、常一線餾出溫度、常三線采出溫度、常二中取熱量、常一線采出與進(jìn)料比、常頂油、常二線+常三線采出總量作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量，常一線油干點作為對應(yīng)的輸出，建立基于人工神經(jīng)網(wǎng)絡(luò)模型的常一線油干點的軟儀表，通過人工分析值對模型輸出進(jìn)行校正，實現(xiàn)對常壓塔常一線產(chǎn)品質(zhì)量的實時監(jiān)測和控制；該方法不僅可以指導(dǎo)操作人員對操作過程進(jìn)行及時調(diào)整，而且軟儀表給出的干點估計值可以為過程控制提供依據(jù)，進(jìn)而實現(xiàn)操作過程的優(yōu)化，提高常減壓裝置的原油拔出率。

技術(shù)領(lǐng)域

本發(fā)明屬于石油煉制與智能控制交叉領(lǐng)域，涉及石油煉制過程中常減壓裝置中常壓塔產(chǎn)品—常一線油干點的一種在線軟測量方法。

背景技術(shù)

常壓塔作為常減壓裝置的主要設(shè)備，大量處理來自初餾塔的原油，并消耗大量的能量。因此，保證常壓塔高效、穩(wěn)定運行，成為常減壓裝置節(jié)能降耗、提高原油拔出率的關(guān)鍵。

常一線油干點是常一線產(chǎn)品的主要質(zhì)量控制指標(biāo)，其主要反映采出油品的輕重，所以其控制的好壞不僅關(guān)系到常壓塔原油的拔出率，同時影響后面的加工過程。當(dāng)前，對于干點，還沒有合適的儀表能夠?qū)崟r給出測量值，多數(shù)煉廠還是依賴于實驗室的人工分析值。人工分析的周期一般為每4個小時或者8個小時一次，每次分析需要近兩個小時，然后根據(jù)人工分析的結(jié)果對操作工況進(jìn)行調(diào)整，所以滯后較大，往往容易造成采出的產(chǎn)品太重不合格或者為了保證產(chǎn)品的質(zhì)量而最終影響到原油的拔出率。

為了解決上述問題，在過程控制中，開發(fā)了許多軟測量的方法，利用各種不同的數(shù)學(xué)模型來估計干點值。通過選取與常一線油干點值密切相關(guān)的變量作為模型的輔助變量，然后根據(jù)模型輸入實時估計出干點值。軟測量中使用的模型眾多，大體可以分為三類，即機理模型、統(tǒng)計模型和智能建模方法。機理模型法和統(tǒng)計模型法是傳統(tǒng)的建模方法，它們的共同缺點是不能準(zhǔn)確描述常減壓裝置這種高度非線性的系統(tǒng)，所以模型精度都不夠高。近年來發(fā)展起來的智能建模技術(shù)，為非線性系統(tǒng)建模提供了一種新的思路。智能建模方法有人工神經(jīng)網(wǎng)絡(luò)、支持向量機等，它們共同的特點是具有自學(xué)習(xí)、自組織能力，對于非線性系統(tǒng)可以給出較為準(zhǔn)確的描述，所以在過程建模中得到了廣泛的應(yīng)用。

目前，針對常壓塔的軟測量方法中，不管是傳統(tǒng)的建模方法還是智能建模，都存在如下一些問題：

(1)由于原油性質(zhì)及操作工況經(jīng)常發(fā)生變化，造成所建模型的計算精度隨時間逐漸降低，所以軟測量模型發(fā)揮的效果有限。

(2)常減壓裝置是高度非線性系統(tǒng)，變量耦合嚴(yán)重，軟測量建模中所選變量往往較多，而且相互關(guān)聯(lián)，冗余變量較多，反而造成模型的輸出穩(wěn)定性下降。

常壓塔的操作變量較多，為了合理選取軟測量模型的輔助變量，避免模型過于精簡，不能完全描述干點的變化規(guī)律，同時，為了減少冗余變量的產(chǎn)生，本發(fā)明首先采用AspenPlus對常壓塔進(jìn)行流程模擬，模擬出常壓塔的實際操作工況，然后進(jìn)行常壓塔關(guān)鍵操作變量關(guān)于常一線油干點的靈敏度分析，根據(jù)靈敏度分析的結(jié)果，選取對常一線油干點影響較大的變量作為軟測量模型輔助變量的候選集合，然后基于石油精餾原理，對候選的輔助變量進(jìn)行相關(guān)性分析，去除冗余的變量，最終確定模型的輸入變量。依據(jù)確定的輔助變量，采集現(xiàn)場的歷史生產(chǎn)數(shù)據(jù)，去除異常數(shù)據(jù)，形成訓(xùn)練樣本集。然后利用BP算法訓(xùn)練3層前饋神經(jīng)網(wǎng)絡(luò)，在誤差滿足一定要求后，輸出模型參數(shù)。

發(fā)明內(nèi)容