大數據分析優化變換預熱器運行參數

趙曉君，劉衛兵

(1.大唐呼倫貝爾化肥有限公司，內蒙古 呼倫貝爾 021012；2.大唐國際化工技術研究院有限公司，北京 100070)

大數據分析優化變換預熱器運行參數

趙曉君1，劉衛兵2

(1.大唐呼倫貝爾化肥有限公司，內蒙古 呼倫貝爾 021012；2.大唐國際化工技術研究院有限公司，北京 100070)

大唐呼倫貝爾化肥有限公司建設了世界上首套以褐煤水煤漿為氣化源頭的煤化工項目，開車以后出現一系列問題，其中變換工段原料氣預熱器的結垢堵塞最為嚴重，制約著整個項目的長周期穩定運行，給公司生產經營帶來了損失。本文采用“大數據分析”的理念，對預熱器某一運行周期內的相關操作運行參數進行系統分析，篩選出導致積灰結垢的操作參數，并進一步優化，為后續裝置的運行提供指導。

大數據分析；運行參數；結垢；優化

doi：10.3969/j.issn.1004-8901.2016.06.007

水煤漿氣化技術引進國內最早，技術成熟度較高，采用褐煤作為原料的水煤漿氣化技術具有成本低廉、就近取材等較多的優勢[1]。但目前應用先例鮮有，大唐呼倫貝爾化肥有限公司(以下簡稱“呼化公司”)當屬世界首家。由于沒有前人經驗可借鑒，呼化公司開車至今，出現一系列的問題，其中變換工段原料氣預熱器(E0401)的結垢堵塞最為棘手，嚴重時系統運行僅7 d，變換壓差就會由原來的0.1 MPa(g)漲至0.7 MPa(g)以上，整個裝置系統被迫停車處理，嚴重制約著整個項目的長周期穩定運行，給公司的生產、經營帶來了巨大的損失。為了解決這一制約系統長周期穩定運行的“瓶頸”問題，近幾年來，呼化公司不斷尋求解決辦法，并對合成氣洗滌工段和變換工段做了部分技改，運行周期由原7 d延長至40 d，但仍不能滿足裝置長周期穩定運行的要求。

本文將大數據分析的概念引入化工操作中，初步探索大數據在化工行業的應用途徑，旨在通過采用大數據分析的理念[2]，對呼化公司變換預熱器(E0401)某一運行周期內的相關操作運行參數進行采集、分析和歸納，通過計算機軟件對采集的數十萬個操作運行參數進行分析[3]，篩選出影響積灰結垢的操作參數，以將預熱器(E0401)運行周期延長至90 d為目標，對篩選出的操作參數進行優化，對后續運行進行指導。

1 數據分析在化工行業應用概況

眾所周知，隨著時代的發展，大數據分析已從互聯網產業發展到各行各業。大數據就是將海量碎片化的信息數據進行篩選、分析，并最終歸納、整理出企業需要的資訊[3]，具體來說，大數據分析主要分為4步：采集、導入和預處理、統計和分析以及挖掘。目前，大數據分析在石油化工行業中的應用也越來越多，2013年諾貝爾化學獎得主將看似不相干的大數據信息化處理方法應用于化學研究中，開發出多尺度復雜化化學系統模型，翻開了化學史的“新篇章”；兗礦魯南化工有限公司氣化分廠將大數據積累和分析應用于裝置日常運行和操作人員培訓中，成功實現氣化爐單爐年運行開工率達97%以上的目標；金陵石化在操作培訓中巧用裝置的大數據尋求優化措施，促進了技術和操作兩個層面的生產優化，提升了裝置經濟效益[4]；吳凡等[5]將數據分析技術應用于石油化工檢測中，為實際操作提供了理論依據；何燕等[6]利用數據分析技術加強了石油化工產品及檢測設備的質量監督，提升了檢測人員的專業素質，提高了檢驗過程的監管力度；劉利麗[7]將乙烯生產裝置各工藝參數、儀表監控數據進行了收集和梳理，利用大數據分析的方法對該裝置發生火災的原因進行了分析，并對做好化工裝置火災的預防提供了指導意見；楊善升等[8]研究了數據挖掘在化學工業優化中的應用，認為大量、多變的生產數據分析，將是實現化工生產過程優質、高產、低耗的途徑。大數據分析在石油化工行業的成功應用，尤其是在實際操作運行中的應用，將有效保障化工生產的穩定運行，進一步優化各項運行參數，提升企業的經濟效益。

2 運行參數采集及分析

2.1 運行參數采集

按照呼化公司的裝置流程設置，預熱器(E0401)前后裝置的流程見圖1。來自氣化裝置的粗煤氣經洗滌塔清洗掉飛灰后進入原料氣水分離器(D0401)分離掉部分水分，再進入原料氣過濾器(D0408A/B)中過濾掉攜帶的部分飛灰，經預變爐(R0403)除灰后進入原料氣預熱器(E0401)的管程，該預熱器為逆流換熱，原料氣進入E0401管程的入口時溫度為207～210 ℃，殼程提供熱源的氣體為一變爐(R0401)出來的溫度為400 ℃的變換氣，E0401殼程的出口溫度為300～310 ℃，經預熱器(E0401)預熱后的原料氣進入一變爐(R0401)中進行變換反應，而經預熱器(E0401)殼程降溫后的變換氣進入中壓廢熱鍋爐(E0402)產生中壓飽和蒸汽外送。

圖1 預熱器(E0401)前后裝置流程

根據上述預熱器(E0401)前后裝置的流程圖，并通過分析各操作參數對預熱器(E0401)積灰結垢的影響，本文采集了預熱器(E0401)某一運行周期內可能對其積灰結垢造成影響的操作參數。

2.2 運行參數分析

以變換系統壓差的變化速率為橫軸、預熱器(E0401)相關操作運行參數為縱軸，作操作運行參數隨壓差變化速率的散點趨勢圖[9,10]，見圖2。考察各操作運行參數對壓差變化速率的影響，本節中所述壓差變化速率定義如下：每小時變化壓差的變化量，單位為MPa/h。

圖2 粗煤氣總量影響趨勢

由圖2可見，隨著壓差變化速率的增大，粗煤氣總量基本不變化，并不是說明粗煤氣總量的變化對壓差變化速率沒影響，而是說明粗煤氣總量在預熱器(E0401)運行周期內操作較平穩，其可控范圍內的變化不是造成換熱器積灰積垢的影響因素。

對洗滌塔總水量隨壓差變化速率的變化數據進行計算和分析，總趨勢見圖3。

圖3 洗滌塔總水量影響趨勢

由圖3可見，隨著壓差變化速率的逐漸增加，洗滌塔總水量表現出減少的趨勢，這說明，洗滌塔總水量的減少會加速預熱器(E0401)的積灰結垢速度。

對原料氣預熱器出口溫度隨壓差變化速率的數據進行計算和分析，形成的影響趨勢見圖4。

圖4 原料氣預熱器出口溫度影響趨勢

由圖4可見，隨著原料氣預熱器出口溫度的升高，壓差變化速率呈現增長的趨勢，也就是說原料氣預熱器出口溫度較高時，換熱器積灰結垢的速度較快。

對氣化爐操作溫度和洗滌塔液位隨壓差變化速率的變化數據進行計算和分析，形成的影響趨勢見圖5。

圖5 氣化爐溫度和洗滌塔液位影響趨勢圖

由圖5可見，洗滌塔液位和氣化爐最高溫隨著壓差變化速率的變化，表現出比較平穩的趨勢，也就是說，洗滌塔液位和氣化爐最高溫在正常運行時操作參數變化不大，不是造成預熱器(E0401)積灰結垢的影響因素。

對進入預熱器(E0401)的合成氣中水汽比隨壓差變化速率的變化數據進行計算和分析，形成的影響趨勢見圖6。

圖6 水汽比影響趨勢

由圖6可見，隨著壓差變化速率的增加，尤其是壓差速率變化前期，水汽比略有升高的趨勢，這說明，水汽比高會加快換熱器的積灰積垢速度。

對氣化的原料源頭-水煤漿的濃度隨壓差速率的變化數據進行計算和分析，形成的影響趨勢見圖7。

圖7 水煤漿濃度影響趨勢

由圖7可見，隨著壓差變化速率的增大，煤漿平均濃度基本保持不變，這說明車間對煤漿濃度的操作較平穩，該參數在換熱器E0401運行期間保持平穩，排除該參數對換熱器E0401積灰堵塞的影響。

通過分析上述6個重點操作運行參數對變換系統壓差變化速率的影響，梳理出實際對預熱器(E0401)積灰結垢有影響的操作運行參數共3個，分別是水汽比、洗滌塔總水量(FI02017)和原料氣預熱器出口溫度(TI04007)。

3 運行參數優化

為了更明顯地看出上述3個操作運行參數對預熱器(E0401)積灰結垢的影響程度和趨勢，同時也為了更好地制定操作運行參數的優化范圍，指導和優化后續操作運行，將各操作運行參數按天取平均值，壓差變化速率也調整為每天的壓差變化量，單位為 MPa/d。

圖8～10分別為水汽比天平均值、洗滌塔總水量天平均值和原料氣預熱器出口溫度天平均值對壓差變化率的影響，由圖可見，各參數對壓差變化速率的影響趨勢更加明晰，較高的水汽比、較低的洗滌塔總水量和較高的原料氣預熱器出口溫度均會加速預熱器(E0401)積灰結垢的速度。

圖8 水汽比天平均值對壓差變化速率的影響趨勢

圖9 洗滌塔總水量天平均值對壓差變化速率的影響趨勢

圖10 原料氣預熱器出口天平均溫度對壓差變化速率的影響

為了更有目的地優化操作運行參數范圍，降低操作運行參數波動對預熱器(E0401)積灰結垢造成的不利影響，本文以預熱器(E0401)平穩運行90 d為目標，變換壓差由0.1 MPa(g)增至0.8 MPa(g)為基準，計算出天壓差變化速率應保持在0.08 MPa/d以內。按照天壓差變化速率為0.08 MPa/d的極限值，由圖8～10分別得出上述3個操作運行參數的操作范圍，分別為：原料氣預熱器出口溫度(TI04007)≤280 ℃，洗滌塔總水量(FI02017)≥26 m3/h，水汽比≤1.15。

4 結語

(1)大數據分析在化工裝置運行參數優化上的應用將成為必然趨勢。

(2)采用大數據分析理念得出的預熱器(E0401)操作運行參數優化結果，成功地指導了該裝置的優化運行。實際運行結果證明，在上述運行參數操作范圍內進行調整，預熱器(E0401)順利實現了平穩運行90 d的目標。

(3)本文是數據分析在化工裝置優化運行中的初探研究，距離真正意義上的大數據分析還有一定的差距，將大數據分析和計算機先進技術與化工裝置優化操作相結合，實時指導裝置運行將是今后研究的重點。

[1] 李自恩.褐煤水煤漿氣化經濟性分析[J].化工管理,2015(2):160-161.

[2] 朱建平,章貴軍,劉曉葳.大數據時代下數據分析理念的辨析[J].統計研究,2014(2):10-19.

[3] 劉智慧,張泉靈.大數據技術研究綜述[J].浙江大學學報(工學版),2014(18):2-13.

[4] 大數據分析是化工行業趨勢應用能產生效益[EB/OL].[2014-11-27].http://www.chinairn.com/news/20141127/13334289.shtml.

[5] 吳凡,王文佳,丁偉.數據分析技術在石油化工檢測中的應用[J].技術研究，2015(11):108-109.

[6] 何燕,譚莉瓊.數據分析技術在石油化工檢測中的應用思考[J].化工管理，2016(3):204.

[7] 劉利麗.數據分析在化工裝置火災調查中的應用[J].黑龍江科技信息，2016(21):66.

[8] 楊善升,陸文聰,陳念貽.數據挖掘技術在化工優化中的應用[J].江蘇化工，2004,31(4):1-4,8.

[9] 趙文元,王亦軍.計算機在化學化工中的應用技術[M ].北京:科學出版社,2001.

[10] 董鳳鳴,周萍.EXCEL在一元線性回歸分析中的應用[J].科技信息,2007(12):148-150.

修改稿日期：2016-08-15

Study on Operational Parameters of Optimized Convertor with Large Data Analysis

ZHAO Xiao-jun1, LIU Wei-bing2

(1.DatangHulunBuirChemicalFertilizerCo.,Ltd.,HulunBuirInnerMongolia021012China; 2.DatangInternationalChemicalTechnologyResearchInstituteCo.,Ltd.,Beijing100070China)

Hulun Buir Datang Chemical Co.Ltd.builds the world's first coal chemical project with water slurry of lignite coal as the gasification source.A series of problems have occurred after it was put into operation.Among these problems, the clogging of raw gas convertor in the transformation process is the most serious one, restricting the long time stable operation of the project, and bringing huge losses to the production and operation of the company.With the concept of “big data analysis”, this paper conducts a systematic analysis of relevant operating parameters in a certain running period of convertor to select the operating parameters of scaling and further optimize them, providing guidance for the subsequent operation of the plant.

big data analysis; operation parameters; scaling; optimization

趙曉君(1971年-)，男，吉林梅河口人，1994年畢業于吉林化工學院化學工程專業，工程師，現主要從事煤化工凈化工藝管理等工作。

10.3969/j.issn.1004-8901.2016.06.007

TQ 545

A

1004-8901(2016)06-0028-05