基于加權灰關聯分析法的循環冷卻水腐蝕預測參數選取的研究

董 超 王冠蘭 李晨光 李俊芳 羅 丹

(1.天津理工大學天津市復雜系統控制理論及應用重點實驗室，天津 300384；2.中國石油化工股份有限公司天津分公司，天津 300271)

基于加權灰關聯分析法的循環冷卻水腐蝕預測參數選取的研究

董 超1王冠蘭1李晨光2李俊芳1羅 丹1

(1.天津理工大學天津市復雜系統控制理論及應用重點實驗室，天津 300384；2.中國石油化工股份有限公司天津分公司，天津 300271)

針對循環冷卻水腐蝕預測參數選取中通常采用經驗法，預測參數的選取無科學理論作為依據的問題，提出應用加權灰關聯分析法對循環冷卻水腐蝕預測參數進行選取。對現場采集的數據進行預處理，并應用灰色關聯分析法進行了多因素灰色關聯度分析。結果證明：各個觀測點腐蝕預測參數和腐蝕程度的關聯度大小順序基本一致。

加權灰關聯分析法 循環冷卻水 腐蝕 預測參數

隨著循環冷卻水的不斷重復利用，受到水源、工藝條件及工藝介質等的影響，循環冷卻水水質會不斷惡化，導致設備內形成水垢，產生腐蝕，進而影響設備的壽命、安全生產和經濟運行[1]。循環冷卻水腐蝕預測模型的參數選取對預測結果的準確性和精度至關重要，對于企業長期穩定運行具有重要意義。目前在石化企業中循環冷卻水腐蝕預測參數的選取沒有科學的理論依據，只是依靠企業運行中的實際經驗來判斷，未能考慮腐蝕參數和腐蝕程度的具體關系，這對循環冷卻水腐蝕預測的準確性和精度有一定的影響，對防腐工作的落實帶來一定的困難。循環冷卻水參數復雜，其腐蝕情況受幾十余種因素影響[2]。以某石化企業煉油生產循環水系統為例，影響腐蝕速率的參數既包括水質參數，如pH值、總磷、電導率及鈣離子等十多項，又包括工藝參數，如總管壓力、水溫、水位、循環水泵電流及壓力等十多項。筆者通過加權灰關聯分析法對腐蝕預測參數進行選取，從科學角度選出對循環冷卻水腐蝕預測模型影響程度相對較大的參數，作為后續預測模型的輸入參數。

1 加權灰關聯分析法

灰色關聯分析是對一個系統發展變化態勢的定量描述和比較的方法,是通過確定參考序列和若干個比較序列的幾何形狀相似程度來判斷其聯系是否緊密[3]，較好地融合了距離空間與拓撲空間的特點[4]。目前常見的灰色關聯計算模型主要有鄧氏關聯度、廣義灰色關聯度、灰色斜率關聯度、灰色B型關聯度及灰色接近關聯度等[5]。

以上提出的各種關聯度模型都有各自的適用范圍。鄧氏關聯度分析法只從曲線上有限的幾個點的相對位移來衡量兩曲線的相似程度，沒有反映行為曲線與參考曲線的相對變化率(即曲線的變化趨勢)[6]。廣義灰色關聯度分析法以兩曲線之間的面積為基礎，若兩曲線有交點則對關聯度的計算有較大誤差，所以該方法對曲線的形狀要求比較嚴格[7]。灰色斜率關聯度分析法側重從兩曲線的相對變化率來表示兩曲線的接近程度[8]。灰色B型關聯度不具有整體性，得出的關聯度數值明顯偏小[9]。灰色接近關聯度對參考序列和行為序列的量綱和意義要求完全相同，使用范圍太窄[10]。

循環冷卻水系統是典型的灰色系統[11]，所以筆者采用加權灰關聯分析法，既考慮了序列的局部相關性即相對位移，又考慮了序列的整體相關性即曲線的變化趨勢。若假設參考序列X0=(x0(1),x0(2),…,x0(n))，行為序列Xi=(xi(1),xi(2),…,xi(n))，則X0和Xi在k時刻的加權灰關聯系數γ(x0(k),xi(k))定義為：

(1)

X0和Xi的加權灰關聯度R(X0,Xi)定義為：

(2)

根據最小信息原理，分辨系數通常取0.5，但在實際應用中ξ的取值需要考慮系統運行動態特性引起的序列波動性[12]。循環冷卻水系統腐蝕預測參數由于實際生產原因波動性較大，筆者采取動態調整的方法來減弱序列波動性對加權灰關聯度的影響。

設Δ為所有差值絕對值|x0(k)-xi(k)|的均值，Δmax為所有差值絕對值|x0(k)-xi(k)|的最大值，則：

2 循環冷卻水腐蝕預測參數的選取

以某石化企業循環冷卻水系統36個月的運行數據為基礎，設腐蝕速率為參考序列X0=(x0(1),x0(2),…,x0(n))，采用掛片法即利用掛片失重來計算得到，采樣頻率為每月一次。水質參數如pH值、總磷、堿度、氯離子、電導率、濁度及鈣硬等和工藝參數如總管壓力、水溫、水位、循環水泵電流及壓力等為行為序列Xi=(xi(1),xi(2),…,xi(n))，采樣頻率為每天一次，數值按照各自的采樣頻率累加后取每月的平均值與參考序列對應。

參考序列和行為序列之間的關聯系數為γ(X0,Xi)，關聯度為R(X0,Xi)，循環冷卻水系統與灰色系統對照見表1。

表1 循環冷卻水系統與灰色系統對照表

應用加權灰關聯分析法進行腐蝕預測參數選取的流程如圖1所示。

圖1 加權灰關聯分析法流程

由于在實際生產中數據測量方式、采集頻率不同，所以數據的完善程度也不同。筆者選取了數據相對完整的3個采樣點進行分析。在實際處理結果中發現，工藝參數對循環冷卻水腐蝕的影響遠不如水質參數明顯。因篇幅有限，現只列出水質參數的原始數據。3個觀測點的原始數據見表2。

表2 3個觀測點的原始數據列表

由于各參數的單位、量綱、數量級不同，不便于分析，甚至會影響預測結果，因此，需要對所有的參數進行無量綱化處理。

通過一定的數學變換消除參數類型與量綱影響，即把性質、量綱各不相同的參數轉化為可以綜合比較的一個相對數即無量綱化值。經過該方法處理的各項指標數據既可以反映原始數據各指標變異程度上的差異，也包含各個指標相互影響程度差異的信息。3個觀測點無量綱化數據見表3。

表3 無量綱化數據

(續表3)

對3個觀測點數據即循環冷卻水腐蝕預測參數應用加權灰色關聯分析法進行分析，代入式(1)，求出關聯系數γ，再代入式(2)，求出關聯度R。3個觀測點的關聯度R見表4。

表4 關聯度列表

根據表4可以得到觀測點1、2、3的關聯度大小順序如下：

觀測點1R(X0，X1)>R(X0，X2)>R(X0，X5)>R(X0，X7)>R(X0，X4)>R(X0，X6)>R(X0，X3)>…

觀測點2R(X0，X1)>R(X0，X2)>R(X0，X5)>R(X0，X7)>R(X0，X4)>R(X0，X6)>R(X0，X3)>…

觀測點3R(X0，X1)>R(X0，X2)>R(X0，X4)>R(X0，X5)>R(X0，X7)>R(X0，X6)>R(X0，X3)>…

觀測點1 pH值>總磷>電導率>鈣離子>氯離子>濁度>總堿>…

觀測點2 pH值>總磷>電導率>鈣離子>氯離子>濁度>總堿>…

觀測點3 pH值>總磷>氯離子>電導率>鈣離子>濁度>總堿>…

可以看出，3個觀測點的預測參數對腐蝕速率影響的先后順序基本一致，只有觀測點3中氯離子濃度稍有差異，在后續建模參數選取時，可以按照觀測點1或2的順序進行選取。由以上結論可知：循環冷卻水腐蝕預測參數對腐蝕速率的影響先后順序基本一致。在研究后續腐蝕預測模型時可以根據建模需要在這些預測參數中適當選取。

3 結束語

針對循環冷卻水腐蝕預測參數的選取僅依靠生產經驗而導致預測結果不可靠的問題，筆者引入了灰色系統理論作為循環冷卻水腐蝕預測參數選取的依據。研究比較了當前灰色系統理論幾種模型的優點和不足，采用了加權灰關聯分析法對循環冷卻水腐蝕預測參數和腐蝕速率的關系進行研究，為實際生產中存在的循環冷卻水腐蝕預測參數難以選取的問題提供了理論依據，為石油化工領域等流程工業同類課題的研究與應用提供了參考，具有重要的可借鑒價值。

[1] 張凌峰.工業循環冷卻水智能輔助分析平臺的關鍵技術研究[D].天津：天津理工大學,2012.

[2] 董超,張凌峰,李榮，等.循環冷卻水系統腐蝕速率的預測模型[J].化工自動化及儀表,2011,38(6):676～678.

[3] 鄧聚龍.灰預測與灰決策[M].武漢:華中科技大學出版社,2002.

[4] 劉思峰,蔡華,楊英杰，等.灰色關聯分析模型研究進展[J].系統工程理論與實踐,2013,33(8):2041～2046.

[5] 曹明霞,黨耀國,張蓉，等.對灰色關聯度計算方法的改進[J].統計與決策,2007,(7):29～30.

[6] 田民，劉思峰，卜志坤.灰色關聯度算法模型的研究綜述[J].統計與決策,2008,(1):24～27.

[7] Li G D,Masuda S,Nagai M.Predictor Design Using an Improved Grey Model in Control Systems[J].International Journal of Computer Integrated Manufacturing,2015,28(3)：297～306.

[8] 崔立志,劉思峰,李致平，等.灰色斜率相似關聯度研究及其應用[J].統計與信息論壇,2010,25(3):56～59.

[9] Omidvari M,Lashgary Z.Presenting a Model for Safety Program Performance Assessment Using Grey System Theory[J].Grey Systems:Theory and Application，2014,4(2)：287～298.

[10] 劉震,黨耀國,周偉杰，等.新型灰色接近關聯模型及其拓展[J].控制與決策,2014,29(6):1071～1075.

[11] 李國峰,關慶濤,關慶生.聚合物配置濃度控制中的灰色預測控制[J].化工自動化及儀表,2007,34(3):16～18.

[12] 東亞斌,段志善.灰色關聯度分辨系數的一種新的確定方法[J].西安建筑科技大學學報(自然科學版),2008,40(4):589～592.

SelectingPredictiveParametersforCirculatingCoolingWaterCorrosionBasedonWeightedGrayCorrelationAnalysisMethod

DONG Chao1, WANG Guan-lan1, LI Chen-guang2, LI Jun-fang1, LUO Dan1

(1.TianjinKeyLaboratoryofControlTheory&ApplicationinComplicatedSystems,TianjinUniversityofTechnology,Tianjin300384,China;2.SinopecTianjinBranchCorporation,Tianjin300271,China)

Considering the empirical method adopted in selecting predictive parameters for circulating cooling water corrosion and the lack of theoretical basis for this selection, applying the weighted gray correlation analysis to this selection was proposed. Preprocessing the on-site data collected and applying the gray correlation analysis method in the operation prove the consistence of both size and order of the correlation between the prediction parameters and the degree of corrosion.

weighted gray correlation analysis, circulating cooling water, corrosion, prediction parameters

TP391

A

1000-3932(2016)03-0263-05

2016-02-18(修改稿)

天津市高等學校科技發展基金計劃項目(20140702)