FCCU反再系統異常工況的安全分析

靳滿滿，田文德，張俊梅

（青島科技大學化工學院，山東 青島 266042）

引 言

石油煉制工業是國民經濟的支柱產業之一，催化裂化工藝是將重質油轉化為輕質油的主要工藝之一，而反應-再生系統是催化裂化工藝的核心部分。因反應-再生系統生產設備大、工藝復雜、原料多易燃易爆，所以對反應-再生部分的安全分析是確保安全生產的有效途徑。一般安全分析方法給出的是模糊的、定性的分析結果，不能滿足安全生產的需要。本文利用動態機理模型開發的仿真環境來再現事故發生的過程[1-12]，以此鎖定事故發生的原因。JIT是一種工商管理模式，核心思想是及時生產，實現零浪費[13-16]，而在化工過程中，非線性、時變性等復雜特性制約著辨識模型的準確程度，若能及時識別模型，將可以有效地辨識不同狀態下過程的運行，保障數學模型的準確性和有效性，這對進一步實施先進控制以及過程優化具有重要意義。本文將JIT理論應用于動態系統的非線性分析，希望為動態系統的辨識提供新的思路，以開發的仿真環境為平臺再現了3種異常工況的動態模擬，建立了上述異常工況的JIT模型，實現了異常工況的及時識別。本研究具有一定的優勢和可行性，可以為安全生產提供準確、可靠的指導。

1 異常工況的動態模擬

1.1 再生催化劑失活

催化劑失活類型很多，比如化學的、熱的、機械的。催化劑在裂化反應過程中由于積碳的發生，活性組分被覆蓋，導致活性降低。一般通過燒焦的方法來恢復催化劑的活性，但有時燒焦溫度控制失誤會使再生催化劑失活。再生催化劑活性降低會引起原油轉化率的下降，需及時恢復其活性，下面就再生催化劑失活引起的原油未轉化率及產品收率的變化做詳細分析，具體見圖1。

圖1橫坐標為再生催化劑失活反應速率與正常反應速率之比，可以看出當再生催化劑活性降低時，原油的未轉化率升高，產品收率均呈下降趨勢，圖中模擬的點數據和工廠提供數據基本吻合。

1.2 再生器稀相尾燃

圖1 再生催化劑失活對原料及產品的影響 Fig.1 Deactivation of regenerated catalyst effects on raw materials and products

圖2 再生器稀相尾燃對氧含量及溫度的影響 Fig.2 Tail combustion of regenerator dilute phase effects on oxygen content and temperature

再生燒焦過程中由于碳的不完全燃燒會生成CO氣體，從再生器密相上升的煙氣中含有的CO 遇到高溫、空氣，會發生二次燃燒，容易造成設備內構件超溫損壞。本文在仿真環境上使用CO助燃劑來實現CO的完全燃燒，提高了操作的穩定性，并且減少CO對環境的污染，其中助燃劑的加入位置為再生器密相部位。本文通過監控燒焦罐出口氧含量及出口溫度來反映CO助燃劑的影響，具體見圖2。

從圖2可以看出，當再生器稀相尾燃時，燒焦罐出口氧含量大幅下降，而溫度大幅升高。由理論分析可知，當再生器稀相尾燃時，CO充分燃燒消耗大量的氧氣，釋放大量的熱量，這和本文模擬的趨勢是一致的，說明本文開發的仿真環境具有一定的價值。

1.3 反應器催化劑跑損

反應器催化劑跑損，既造成催化劑損失，又嚴重影響原油裂化及異構化等反應。若不能及時發現催化劑跑損，將嚴重影響原油的轉化率及產品收率。本文為了模擬反應器催化劑跑損這種異常工況，在提升管底部增加了催化劑跑損物流PSC002，下面就反應器催化劑跑損對原油未轉化及產品收率的影響做詳細分析，具體見圖3。

圖3 反應器催化劑跑損 Fig.3 Catalyst’s loss of reactor

圖3隨著反應器催化劑跑損量的增加，原油的未轉化率升高，產品收率均下降，這和實際的生產情況是一致的，說明本文模擬的此種異常工況是真實可靠的。

2 模擬數據的數學分析

2.1 再生催化劑失活

① 由催化劑失活程度計算原油未轉化率。

擬合方程

② 由催化劑失活程度計算汽油收率

擬合方程

③ 由催化劑失活程度計算柴油收率

擬合方程

④ 由催化劑失活程度計算氣體收率

擬合方程

⑤ 由催化劑失活程度計算焦炭收率

擬合方程

例如，已知催化劑失活程度時，帶入擬合方程（1），可以算出此時的原油未轉化率。

2.2 再生器稀相尾燃

① 由助燃劑流量計算燒焦罐出口氧含量

擬合方程

② 由助燃劑流量計算燒焦罐出口溫度

擬合方程

例如，已知助燃劑流量時，帶入擬合方程（6），可以計算出燒焦罐出口氧含量。

2.3 反應器催化劑跑損

① 由反應器催化劑跑損量計算原油未轉化率 擬合方程

② 由反應器催化劑跑損量計算汽油收率

擬合方程

③ 由反應器催化劑跑損量計算柴油收率

擬合方程

④ 由反應器催化劑跑損量計算氣體收率

擬合方程

⑤ 由反應器催化劑跑損量計算焦炭收率

擬合方程

例如，已知反應器催化劑跑損量時，帶入擬合方程（8），可以計算出此時的原油未轉化率。

3 JIT方法識別非線性數學模型

本文將JIT理論應用于異常工況的安全分析，實現異常工況的及時識別，建立了JIT模型。JIT理論的另一點應用是根據JIT模型推算的異常工況，決定處理這些異常工況的措施，把握處理措施的程度，避免人力、物力的浪費，實現“零浪費”。下面就JIT理論的應用做具體分析。

3.1 再生催化劑失活

① 由原油未轉化率推算再生催化劑失活程度。

JIT模型

② 由汽油收率推算再生催化劑失活程度。

JIT模型

③ 由柴油收率推算再生催化劑失活程度。

JIT模型

④ 由焦炭收率推算再生催化劑失活程度。JIT模型

⑤ 已知氣體收率推算再生催化劑失活程度。

JIT模型

以式（20）為例說明JIT的應用，將柴油收率對催化劑失活程度影響曲線進行分段處理，每一段對應相應的區間，那么已知柴油的收率可以根據對應的公式計算出相應的催化劑失活程度，根據催化劑失活程度采取相應措施來恢復催化劑活性，避免了浪費。

3.2 再生器稀相尾燃

①由燒焦罐出口氧含量推算助燃劑流量（kmol·h-1）。

JIT模型

②由燒焦罐出口溫度推算助燃劑流量（kmol·h-1）。

JIT模型

當操作人員察覺燒焦罐出口氧含量或溫度發生大幅度波動時，可以根據對應公式推算助燃劑流量，從而決定閥門開度，以控制助燃劑流量，在此也體現了JIT理論的優越性。

3.3 反應器催化劑跑損

① 由原油未轉化率求反應器催化劑跑損量（kmol·h-1）

JIT模型

② 由汽油收率求反應器催化劑跑損量（kmol·h-1）

JIT模型

③ 由柴油收率求反應器催化劑跑損量（kmol·h-1）

JIT模型

④由氣體收率求反應器催化劑跑損量（kmol·h-1）

JIT模型

⑤由焦炭收率求反應器催化劑跑損量（kmol·h-1）

JIT模型

4 結 論

開發的FCCU反再部分的仿真環境真實地再現了3種異常工況，模擬的相關參數的影響趨勢和實際生產相符，并根據模擬數據建立了數學模型及JIT模型。本文將JIT理論應用于識別非線性數學模型，實現了異常工況的及時識別，希望為動態系統的辨識提供一種新思路，其廣泛應用還需進一步改進和完善。本研究具有一定的優勢和可行性，可以為安全生產提供準確、可靠的指導。

[1] Sun Yong (孫永).Dynamic simulation of catalytic cracking [D].Beijing: Beijing University of Chemical Technology, 2010.

[2] Lin Shixiong (林世雄), Luo Xionglin (羅雄麟).Petroleum Refining Engineering (石油煉制工程) [M].3rd ed.Beijing: Petroleum Industry Press, 2000: 317-387.

[3] Chen Junwu (陳俊武), Deng Xianliang (鄧先樑).FCCU Technology and Engineering (催化裂化工藝與工程) [M].2nd ed.Beijing: China Petrochemical Press,2005.

[4] Li C, Suzuki K.Tar property, analysis, reforming mechanism and model for biomass gasification-an overview [J].Renewable and Sustainable Energy Reviews, 2009, 13 (3): 594-604.

[5] Mou Shengjing (牟盛靜), Su Hongye (蘇宏業), Li Wei (栗偉), Chu Jian (褚健).Reactor model for industrial residual fluid catalytic cracking based on six-lump kinetic model [J].Journal of Chemical Engineering of Chinese Universities(高校化學工程學報), 2005, 19 (5): 631-635.

[6] Chen Yushi (陳玉石).Dynamic modeling and simulation of the riser reactor and the regenerator for FCCU [D].Xiamen: Xiamen University, 2007.

[7] Ali M A, Tatsumi T, Masuda T.Development of heavy oil hydrocracking catalysts using amorphous silica-alumina and zeolites as catalyst supports [J].Applied Catalysis A:General, 2002, 233 (1): 77-90.

[8] Luo Xionglin (羅雄麟), Zuo Xin (左信), Yuan Pu (袁璞).Applications of FCCU dynamic mechanism model: reaction control strategy analysis [J].Acta Petroleisinica: Petroleum Processing Section(石油學報:石油加工), 1999, 15 (6): 75-80.

[9] Luo Xionglin (羅雄麟), Yuan Pu (袁璞), Lin Shixiong (林世雄).Dynamic mechanism model of FCCU—reactor section [J].Acta Petroleisinica: Petroleum Processing Section(石油學報: 石油加工), 1998, 14 (1): 34-40.

[10] Luo Xionglin (羅雄麟).Dynamic modeling and operation analysis of FCCU (fluid catalytic cracking unit with high efficient regenerator) [D].Beijing: China University of Petroleum,1997.

[11] Luo Xionglin (羅雄麟), Yuan Pu (袁璞), Lin Shixiong (林世雄).Dynamic mechanism model of FCCU—regenerator section [J].Acta Petroleisinica: Petroleum Processing Section(石油學報:石油加工), 1998, 14 (2): 61-65.

[12] Zheng Xuan (鄭璇).Research and development of fault diagnosis system for catalytic cracking process [D].Beijing: Beijing University of Chemical Technology, 2011.

[13] Li Jingjing (李晶晶).The study of layout in automobile manufacturing final assembly production line based on the just in time theory [D].Shenyang: Northeastern University, 2008.

[14] Liu yi (劉毅), Jin Fujiang (金福江), Gao Zengliang (高增梁).Online identification of time-varying process using just-in-time recursive kernel learning approach [J].Acta Automatica Sinica(自動化學報), 2013, 39 (5): 602-608.

[15] Liu Lin (劉琳), Gu Hanyu (谷寒雨), Xi Yugeng (席裕庚).Robust scheduling in a Just-in-time single machine system with processing time uncertainty [J].Control and Decision(控制與決策), 2007, 22 (10): 1151-1159.

[16] Hu Yuling (胡玉玲), Cao Jianguo (曹建國).Research on identification of dynamic nonlinear system based on fuzzy neural network [J].Journal of System Simulation(系統仿真學報), 2007, 19 (3): 560-562.