基于流程模擬的常減壓裝置過程操作與生產計劃集成優化

董曉楊，趙浩，馮毅萍，榮岡

（浙江大學智能系統與控制研究所，工業控制技術國家重點實驗室，浙江 杭州 310027）

引 言

石化企業的生產計劃需要在兼顧上級公司規劃的同時，考慮市場原油供應情況以及產品需求和裝置約束條件，從而確定生產方案、裝置加工量和產量等。但由于石化企業裝置多、產品品種繁多，工藝流程多樣[1]，每個生產裝置仍有很多可供選擇的方案，所以在根據具體情況制定最優生產計劃時，需要兼顧生產成本與裝置操作條件，從而獲得最大的經濟效益。

目前石化企業中生產計劃制定與裝置操作都是分離的，通常應用生產計劃軟件來編制生產計劃，但是生產計劃的指導作用僅限于向各個車間或各個生產裝置下達任務，未能考慮運行過程中的情況變化以及裝置之間的協調問題[2]，因此無法保證這樣的優化計劃確實能被完全實現。在裝置層，操作人員根據歷史生產經驗數據建立的多種產品生產方案進行最優匹配，這一過程實現了生產計劃的近似最優操作，但裝置操作沒有參與生產計劃的制定與反饋，進而無法保證生產計劃與過程裝置操作的優化一致性。

國內外學者對于煉油生產計劃中的裝置模型已經有很多研究。一直以來，生產計劃中的常減壓裝置建模普遍采用歷史數據得到經驗公式[3]。最早是由Packie[4]在1941年提出，到1979年Watkins[5]進行了更好的補充。線性規劃成為了生產計劃優化中最常用的方法，然而石油煉制過程具有高度的非線性[6]，因此，在 1998年，Moro等[7]在其柴油生產計劃案例應用中引入了物性的非線性傳遞。之后Pinto等[8]考慮進料物性和操作參數的影響，于2000年開發了一個非線性的煉油廠計劃模型，但其中部分過程采用簡單的線性關系，因而降低了模型的預測精度。2005年，Li等[9]將CDU、FCC及原油調和裝置的非線性經驗模型加入生產計劃進行更加深入的探討。在此基礎上，Alhajri等[10]在研究中引入了質量特性，使得生產計劃復雜度更高。2011年，Guerra等[11]利用原油蒸餾曲線和原油特性分布曲線建立了經驗模型，使得模型準確性進一步提高。2014年，趙浩等[12]建立了集成裝置工藝條件和油品關鍵物性的生產計劃優化模型，實現了更優的裝置收率分布。這些非線性模型雖然提高了模型的準確性，但依舊是比較粗糙的，并且無法與實際工廠操作工況匹配。常減壓裝置作為煉油廠的一次加工裝置，承擔著將原油進行初步分離的任務，是石油化工企業的龍頭裝置，因而，其收率和分離精確度對全廠和下游的二次加工裝置生產有直接影響[13]。

國內外在常減壓裝置流程模擬方面的研究已經非常成熟。從20世紀80年代開始，就有很多學者使用Aspen Plus、PRO/Ⅱ、HYSIM等軟件進行流程模擬。姚月華等[14]采用Aspen Plus 建立常減壓裝置模型進行流程模擬計算，運用靈敏度分析對相關參數進行優化，使柴油收率增加。2012年，Handogo 采用Aspen Plus 進行常減壓裝置流程模擬計算，通過對閃蒸塔反應器的溫度的優化，使總利潤增加。Edith等[16]在2012年基于軟件機理建模得到信息來建立CDU和VDU的數學模型，用于產率預測以及生產計劃。針對常減壓裝置的操作優化的研究很多，但是裝置操作優化的優化空間小，缺乏與生產計劃的交互協調。

因此本文提出一種基于流程模擬軟件的常減壓裝置操作條件與生產計劃協同優化方法。基于流程模擬軟件建立常減壓裝置的穩態機理模型，驗證最優生產計劃的可達性，并且通過過程模擬對生產計劃中產率約束條件進行反饋修正，為生產計劃的制定提供更大的優化空間。這樣的集成策略使生產計劃制定過程既考慮了原油物性又兼顧裝置實際操作條件。尋求常減壓蒸餾裝置優化集成的解決方案，使操作條件與計劃任務相互協調，從而得到最優的生產計劃與可達的操作條件，實現常減壓蒸餾裝置生產計劃與過程操作的優化集成。本文首先建立傳統的煉油企業生產計劃優化模型，然后提出生產計劃中詳細的常減壓模型，引入切割溫度、含硫量、API等原油物性與工藝條件計算模型。之后提出以常減壓為主的生產計劃與操作優化集成優化策略。最后通過案例驗證此優化策略的有效性。

1 煉油企業生產計劃模型

根據不同產品需求建立優化模型初始數據：裝置容量、操作成本、產品質量指標等，將 CDU與FCC模型嵌入生產計劃模型中，生產計劃優化所得到的結果可通過指令分解成調度層的優化目標，確定最終操作條件。

全廠的生產計劃模型建立如下。

1.1 目標函數

目標函數為企業利潤最大，式(1)中，總利潤為最終產品收益減去原油成本及操作成本，其中，裝置單位加工成本在本研究中采用周期平均成本，作為常數C處理。

1.2 原油與產品的供需約束

式(2)為原油市場原料供應約束, 式(3)為油品市場需求約束。

1.3 裝置質量平衡

式(4)與式(5)為每個方案下裝置側線的物料平衡方程，FI、FO分別表示裝置進料、出料側線流量，其中式(4)表示每條側線流量等于該側線各流出流股流量之和，式(5)表示側線流量等于該側線各流入流股流量之和。R為裝置加工量。式(6)表示特定生產方案下裝置的各進料側線流量之和為此方案下的裝置總加工量。式(7)為每個裝置各個生產方案下加工量之和應滿足生產能力要求。式(8)表示裝置各出料側線流量為裝置加工量與各側線收率之積。

2 基于裝置模擬的常減壓裝置操作生產計劃集成方法

2.1 常減壓裝置模型

生產計劃中的常減壓模型采用懸擺切割溫度和側線收率范圍內可變方案建立的基于實沸點切割的非線性模型，定義如下。

模型及約束條件為

式(9)利用3次多項式來回歸擬合二次原油的實沸點蒸餾曲線，表達常減壓切割溫度和側線收率間的非線性關系，其中Yn為裝置的實沸點收率；式(10)代表每種原油對應一組的常減壓側線收率范圍。因不同種原油的實沸點蒸餾曲線有明顯差異，根據切割溫度Tn，通過式(9)計算可得實沸點收率Yn，進而得到第n條側線的質量收率yn=Yn?Yn?1，以及收率上下限和。

2.2 常減壓裝置的關鍵物性計算

在常減壓模型中需要對油品關鍵物性進行計算

式(11)表示常減壓裝置出料組分硫含量的計算，其中SUL代表組分硫含量。式(12)表示汽油辛烷值的計算。式(13)、式(14)表示API值與中餾分收率的多項式關系。

2.3 常減壓裝置過程操作與生產計劃集成策略

生產計劃基于原始的原油物性及切割溫度模型進行計算，得到一組優化變量，包括常減壓裝置的進料量以及側線收率。利用流程模擬軟件進行仿真計算，根據生產計劃給出的生產方案進行仿真優化，如果能夠得到相應的操作條件，說明生產計劃分配的任務可以達成；否則，說明任務分配不可行，需要根據模擬計算的結果對生產計劃中的模型進行修正，確定新的側線收率上下限，修正生產計劃常減壓模型的產率約束，對生產計劃重新求解得到新的生產方案。如此反復計算，直到可行為止，輸出對應的操作條件。

計算流程圖見圖1。

圖1 模型計算流程圖Fig. 1 Main flow diagram for integration model

3 常減壓裝置集成優化的實現

常減壓裝置的生產計劃制定是石化企業整體生產過程的重要組成部分。基于流程模擬軟件，實現裝置的過程操作與生產計劃的集成優化，重點是建立該裝置的模擬模型，在生產計劃給定的操作范圍內進行模擬計算，驗證生產方案是否可行，并且給出對應的最優操作條件。

3.1 常減壓裝置的建模

建立裝置的過程模擬模型時，建模方法和設計數據是決定模型準確度的兩個關鍵要素，因此需要利用系統的建模方法以及詳細準確的設計數據來盡量降低模型的誤差。如圖2，系統性實施的4個階段是：數據收集，模型構建，模型驗證，優化實施[17]。在數據收集過程中需要搜集操作數據和設計數據，操作數據包括溫度、壓力、流量以及進料和產品屬性。詳細的設計數據用于準確定義裝置性能和生產能力的邊界，這對定義優化問題以及獲得有效解法是非常重要的。數據收集之后，利用流程模擬軟件構建機理模型。在優化實施之前，必須經過模型驗證，模型驗證的作用是數據校正和模型更新。

圖2 操作優化的系統性步驟Fig. 2 Systematic procedure for operation optimization

3.2 常減壓裝置的操作優化

在建立的裝置模型中，由于工藝過程的復雜性，會產生很多變量，在描述過程的變量中，參與調優變量或者決策變量的數目其實相對比較少，所以可以將裝置模型中的變量劃分為調優變量和從屬變量，對應于將原模型分解為調優模型和過程模擬模型[18]。

在流程模擬軟件中，利用靈敏度分析的功能對操作變量進行分類，定義如下：對于側線產率影響較大的變量，定義為調優變量{x1,x2,…}，其余變量為從屬變量，調優變量與目標函數以及約束條件作為調優模型，其余構成過程模擬模型。

如圖 3，過程模擬模型的設備參數和固定的操作參數是給定的，調優變量只給定初始值。利用流程模擬軟件計算，迭代尋優，如果能夠得到相應的操作條件，說明生產計劃分配的任務可以達成，給出最優操作條件；否則，說明任務分配不可行，需要根據模擬計算的結果對生產計劃中的模型進行修正，確定新的側線收率上下限，修正生產計劃常減壓模型的產率約束，對生產計劃重新求解得到新的生產方案。

圖3 常減壓裝置級操作優化流程Fig. 3 Main flow diagram for process operation optimization of CDU

3.3 裝置級反饋修正策略

在常減壓裝置模型計算時，如果產率計劃值與產率計算值的誤差不在容許范圍內，則說明生產計劃分配的任務不可行，在實際裝置生產能力下無法達到生產計劃給定的產率要求，這時需要將實際生產能力反饋到生產計劃。因此基于流程模擬軟件建立的常減壓裝置穩態模型，進行仿真計算，求得新的產率范圍，對生產計劃中的產率范圍進行反饋修正，重新求解得到新的生產方案。

如圖 4，裝置級按照以下策略求解新的產率范圍。在裝置模擬計算時，首先可以通過調節操作參數得到第一條側線的新的產率上下限值（圖中左側）以及與之對應的其他側線新的產率范圍（圖中右側），按照同樣的方法依次得到其他側線的產率上下限值。在這些產率區間內選擇最小區間，構成最終的模擬計算產率區間，并且返回到上層的生產計劃進行反饋修正。

圖4 反饋修正優化區間策略示意圖Fig. 4 Main flow diagram for solving integration model

4 應用案例

4.1 模型對象

圖5 煉油廠基本構造圖Fig.5 Flow chart of a refinery

某簡化煉廠生產裝置包括常減壓裝置(CDU)、催化裂化裝置(FCC)、催化重整裝置(CRU)、加氫精制裝置(HT)，以及汽油調和裝置(GB)和柴油調和裝置(DB)，如圖5所示。原油經過常減壓裝置被蒸餾分離成7種主要成分，分別為輕石腦油(LSR)、重石腦油(HSR)、煤油(kerosene)、輕瓦斯油(LGO)、常壓瓦斯油(AGO)、減壓瓦斯油(VGO)以及減壓渣油(VRC)。常壓瓦斯油、減壓瓦斯油和減壓渣油作為催化裂化裝置進料生產裂化汽油(CG)和裂化柴油(CGO)。催化裂化柴油進入加氫精制裝置脫硫后得到粗柴油(diesel)。最終，MTBE、輕石腦油、重整汽油、重石腦油和裂化汽油進入汽油調和裝置生產產品汽油。輕瓦斯油和粗柴油進入柴油調和裝置生產產品柴油。

現以某煉油廠的原油常壓蒸餾塔為例。該塔的原料是勝利混合原油，年(開工330 d)處理量250萬噸。產品包括：石腦油(塔頂)，煤油(第一側線)，輕瓦斯油(第二側線)，常壓瓦斯(第三側線)以及重油(塔底)。該原油蒸餾塔設置有2個中段回流，第一，二，三側線產品均設有氣體塔，塔頂設二級冷凝冷卻器。利用ROMeo5.3對常壓塔進行建模以及仿真計算。

選取3類勝利原油為例，原油的實沸點蒸餾曲線見圖6。

圖6 原油實沸點蒸餾曲線Fig. 6 TBP curves of three crude oils

4.2 計算結果分析

以圖6中的原油b為例，根據生產計劃求出常減壓裝置各側線切割溫度、產率計劃值及產率范圍，如表1。

表1 常減壓裝置的側線切割溫度及收率范圍Table 1 CDU fraction cut points and yields of crude oil b

按照常減壓操作裝置級操作優化的方法，靈敏度分析得到對各個側線產率影響較大的變量有側線汽提蒸汽量以及中段回流量。對調優變量進行優化，搜索到滿足計劃產率要求的操作條件，在該操作條件下，產率模擬計算值與產率計劃值的誤差為4.8%，如表2。

根據上述結果，生產計劃優化后，常減壓裝置按照下達的指令進行模擬和優化計算，得到能夠實現任務的操作條件。根據文中的集成優化方法，得到裝置的操作條件，見表3。

表2 計劃產率值與計算產率值對比Table 2 Comparison of planning fraction yields and calculated fraction yields

表3 常壓塔的操作條件Table 3 Operating parameters of CDU

通過仿真軟件還可以得到側線的物性指標，生產計劃與裝置模擬計算的API以及含硫量對比如表4，當模擬計算產率和生產計劃產率接近時，通過仿真模擬計算得到的物性值與計劃值也較為接近。生產計劃的物性參數計算使用非線性模型，在常減壓裝置模擬計算中得到物性參數，對生產計劃中的物性計算模型進行驗證。這樣使得生產計劃得到的優化方案不僅在物料上滿足實際生產需求與操作現狀，同時得到的產品質量特性更具有準確度與參考意義。

在傳統的分布優化中很少考慮質量約束的要求，在實際生產中，常減壓裝置的側線產品若直接參與調和，則需要考慮調和所需要的性質，若作為重整、催化、加氫等裝置的進料側線，則要考率對這些裝置的進料性質控制[19]。因此，在煉油廠生產計劃及裝置模擬中加入物性參數的計算，并且在裝置模擬中進行驗證具有重要意義。

表4 物性數據對比Table 4 Comparison of property values

5 結 論

本文根據煉油廠生產各環節的自身特點和單元裝置的關鍵工藝參數特性，同時結合基于流程模擬軟件建立的常減壓裝置穩態模型，提出一種基于流程模擬的常減壓裝置操作與生產計劃集成優化方法。該方法通過流程模擬軟件驗證生產計劃的可達性，不斷修正生產計劃產率約束的優化區間，使生產計劃得到最優解，并給出實現計劃的操作條件。案例表明，基于流程模擬軟件建立的常減壓裝置穩態模型進行仿真模擬，可以得到較為準確的側線收率與關鍵物性參數，為生產計劃優化提供數據支持；其次，可以驗證生產計劃制定最優方案的可達性，并且給出操作條件，提高生產計劃的準確性和可執行性。石化企業中的裝置操作與生產計劃的集成優化綜合考慮到油品質量特點以及實際工廠裝置生產的工藝要求，這樣才能為實際生產提供更好的指導作用，使得生產計劃調度具有更大的實踐意義。

符 號 說 明

a——原油TBP曲線多項式系數

C——裝置單位加工費用

CDU——常減壓裝置集合

c——直餾汽油含辛烷值常數

D——油品需求量

FI——裝置進料側線流量

FO——裝置出料側線流量

N——所有裝置側線集合

ON——汽油辛烷值

P——煉油企業全廠利潤

Q——原油采購量

R——裝置加工量

SUL——組分硫含量

s——油品銷售價格

T——切割溫度

v——原油采購價格

Y——裝置的實沸點收率

y——側線質量收率

上角標

k——優化周期數

low——下限

up——上限

下角標

i——第i種油品

m——第m種原油，第m種生產方案

n, n′ ——第n、n′條裝置側線

u, u′ ——第u、u′個加工裝置

[1]Wang Ruqiang(王如強), He Xiaorong(何小榮),et al. Optimal integration of production planning and process operations of atmospheric and vacuum distillation unit [J].Journal of Tsinghua University and Engineering(清華大學學報), 2008, 16(6): 399-402

[2]Li W, Hui C W, Karimi I,et al. A novel CDU model for refinery planning [J].Asia‐Pacific Journal of Chemical Engineering, 2007,48(3): 282-293

[3]Alattas A M, Grossmann I E, Palou-Rivera I. Integration of nonlinear crude distillation unit models in refinery planning optimization [J].Industrial & Engineering Chemistry Research, 2011, 50(11):6860-6870

[4]Packie J W. Distillation equipment in the oil-refining industry [J].AIChE Transactions, 1941, 37: 51-78

[5]Watkins R N. Petroleum Refinery Distillation[M]. 2nd ed. Houston:Gulf Publishing Co.,1979

[6]Aguilar R A, Ancheyta J,et al. Simulation and planning of a petroleum refinery based on carbon rejection processes [J].Fuel,2012, 100: 80-90

[7]Moro L F L, Zanin A C, Pinto J M. A planning model for refinery diesel production [J].Computers and Chemical Engineering, 1998,22: 1039-1042

[8]Pinto J M, Joly M, Moro L F L. Planning and scheduling models for refinery operations [J].Computers and Chemical Engineering, 2000,24(9/10): 2259-2276

[9]Li W, Hui C W, Li A. Integrating CDU, FCC and product blending models into refinery planning [J].Computers and Chemical Engineering, 2005, 29(9): 2010-2028

[10]Alhajri I, Elkamel A, Albahri T,et al. A nonlinear programming model for refinery planning and optimisation with rigorous process models and product quality specifications [J].International Journal of Oil, Gas and Coal Technology, 2008, 1(3): 283-307

[11]Guerra O J, Galo A C, Le Roux. Improvements in petroleum refinery planning (1): Formulation of process models [J].Industrial &Engineering Chemistry Research, 2011, 50(23): 13403-13418

[12]Zhao Hao(趙浩), Rong Gang(榮岡), Feng Yiping(馮毅萍).Integrating refinery unit operations with production planning optimization [J].Control Theory & Applications(控制理論與應用),2014(6): 773-778

[13]Yang Lei(楊磊), Wang Hua(王華). Application of process simulation technology to the advanced planning system [J].Petroleum Planning& Engineering(石油規劃設計), 2010, 21(2): 25-29

[14]Yao Ruehua(姚月華),et al. Process simulation and parameter optimization of crude distillation unit [J].The Chinese Journal of Process Engineering(過程工程學報), 2011, 11(3): 405-413

[15]Handogo R. Optimization on the performance of crude distillation unit (CDU)[J].Asia‐Pacific Journal of Chemical Engineering,2012, 7(S1): S78-S87

[16]Edith Ejikeme-Ugwu, Wang M H. Aggregate model for refinery production planning//22nd European Symposium on Computer Aided Process Engineering[C]. 2012

[17]Zhang N, Robin Smith,et al. Sustaining high energy efficiency in existing processes with advanced process integration technology [J].Applied Energy, 2013, 101:26-32

[18]He Xiaorong (何小榮). Optimization of Chemical Process(化工過程優化)[M].Beijing：Tsinghua University Press，2003

[19]Yang Jiali(楊佳麗), Rong Gang(榮岡). Refinery planning optimization integrated with quality tracking and constraints [J].CIESC Journal(化工學報), 2010, 61(1): 124-131