基于多項式濾波的常減壓裝置穩態工況判別

羅 凡，陳夕松，張向榮，梅 彬

（1.南京富島信息工程有限公司，江蘇南京210061；2.東南大學自動化學院，江蘇南京210096）

基于多項式濾波的常減壓裝置穩態工況判別

羅 凡1,2，陳夕松2，張向榮1，梅 彬1

（1.南京富島信息工程有限公司，江蘇南京210061；2.東南大學自動化學院，江蘇南京210096）

常減壓裝置穩態工況判別對于后續工藝的實時優化具有重要意義。目前化工領域多采用固定窗口、分段統計等方法，影響因素多，容易造成誤判。文中提出1種基于多項式濾波的穩態判別方法，該方法采用滑動窗口對當前窗口內的數據進行多項式濾波，根據濾波后多項式1次項系數的大小判斷裝置的穩態與否，滑動窗口的長度可以根據歷史穩態數據自適應確定，通過實例分析驗證了該方法的有效性。

常減壓蒸餾；穩態判別；多項式濾波；滑動窗口

常減壓蒸餾裝置是煉油加工的第1道工序，通過蒸餾可按產品生產方案將原油分割成相應的直餾汽油、煤油及各種潤滑油餾分等半成品。常減壓是煉油廠最大的耗能裝置之一，占煉油總耗能的25%~30%。通過對常減壓裝置進行實時優化，可以提高價值產品收率，降低裝置的能耗，對企業經濟效益的提高具有重要的意義［1］。實際生產過程中，對常減壓蒸餾裝置進行實時優化前，需要對裝置的工況進行穩態檢測。

化工領域一般采用統計學方法和手段，如選用均值、標準差、變異系數等統計量，以及直方圖、控制圖等統計技術，對生產運行進行穩態析［2，3］。一方面，由于抽樣的局限性，樣本信息不可能是總體信息的完整反映，采用固定窗口或者分段統計的方法，需要操作者根據經驗確定窗口大小，對穩態檢測結果具有較大的影響。另一方面，在實際工業測量中，測量數據往往包含噪聲，若不考慮噪聲的干擾，或者僅僅采用傳統的1次多項式進行參數擬合，會將一些非斜率變化的信息擬合到1次項中，造成錯誤地判斷數據在變化的假象，影響穩態判別［4］。這些因素導致傳統方法難以滿足煉化企業對常減壓穩態判別的實時性和精準性的要求［5］。

針對傳統方法存在的不足，提出1種多項式濾波穩態檢測方法，穩態檢測時，對當前測量點所處的窗口中的數據進行多項式濾波，得到反映該窗口內數據變化特征的曲線，根據曲線的趨勢特征來確定測量信號是否處于穩態。窗口的長度可以根據歷史穩態數據自適應地確定，相比較根據經驗確定窗口的大小，前者對穩態檢測影響的結果較小。在窗口滑動的過程中，測量數據可以被多次利用，提高了穩態檢測的準確性。

1 穩態檢測方法

1.1 多項式濾波

在實際測量中，測量值中含有噪聲的影響因素。為了減少噪聲對測量值的干擾，可以采用多項式濾波的方法。多項式濾波能從測量信號中除去噪聲部分，從而留下反映基本趨勢的部分。

多項式濾波實際上是基于多項式回歸模型的信號處理方法［6，7］。信號x(t)可以表示為時間t的函數，見（1）式：

式中 m—模型階數；p0—窗口內的均值大??；p1—變量隨時間變化的快慢，p2—斜率變化的快慢。

令 θ=[p0p1…pm]T為模型的參數向量，r(t)=[p0p1…pm]T為回歸變量，則（1）式模型簡記為（2）式：

測量信號x~=[x~(1),…,x~(n)]T在已知的情況下，應用最小二乘法可以得到參數θ的最優估計，見（3）式：

通過（3）式估計的多項式濾波參數，可以得到處于觀測窗口內的測量數據的趨勢曲線，見（4）式：

對于等間距采樣，這里i=1,…,n。該模型具有2方面作用：一方面通過該函數對采樣點進行回歸，得到變量在各采樣點的回歸值，用回歸值代替原測量值可以去噪；另一方面，該模型參數含有過程變量的變化信息，選取m=2，既能濾除噪聲又能反映信號變化的基本趨勢。相比較采用一次多項式濾波，2次多項式在能保證濾波效果的同時，降低了將一些非斜率變化的信號擬合到1次項中的可能性，減少了誤判。

1.2 滑動窗口的自適應確定

在多項式濾波的過程中，只對當前窗口內的數據進行分析，窗口的長度可以根據歷史穩態數據自適應地確定。在歷史穩態數據庫中，得到變量x的連續測量值序列。初始化滑動窗口的長度H=2，給定閾值α∈(0,1)，取α=0.1。確定歷史穩態工況數據的起始時間T1，將長度為H的滑動窗口的左端固定在T1處，分別計算多項式濾波前窗口內數據的標準差δ1和多項式濾波后窗口內數據的標準差δ2，并計算歸一化標準差δH，見（5）式：

若δH＞α，則令H=H+1，并再次計算當前窗口長度下的歸一化標準差δH，直至δH≤α，此時的H即為所求的滑動窗口的長度。

1.3 穩態判斷規則

對當前窗口中的數據進行多項式濾波后，得到反映該窗口內數據變化特征的曲線，見（6）式：

式中 p0、p1、p2分別為曲線方程零次項、1次項、2次項的系數，i=1,2,…,H，H為當前窗口的長度。p1系數能夠反映當前窗口內的數據隨時間變化的快慢，可以根據p1系數的大小來判斷信號的穩態與否，其閾值根據“3δ”原則來確定。

令λ=3δ/H，其中δ為采集數據與濾波后數據之間偏差的標準差，若 ||p1＜λ，則當前窗口內的數據處于穩態，否則處于非穩態。

1.4 具體步驟

（1）選取最能表征常減壓裝置的加工工況參數，讀取歷史穩態工況數據，自適應地確定滑動窗口的長度H。

（2）以當前時間Ta為基準，向前推4 h，確定數據采集的起始時間Tb：Tb=Ta-4，以3 min為時間間隔，采集該段時間范圍內最能表征常減壓裝置的加工工況參數數據，分別組成數據段。

（3）將長度為H的滑動窗口左端固定在當前需要判斷的數據段的起始位置，對當前窗口內的數據進行多項式濾波，依據穩態判斷條件判斷當前窗口內的數據是否處于穩態。若判斷結果為非穩態，則此次判斷結束。若判斷結果為穩態，則繼續步驟（4）。

（4）判斷Tb至Ta時間范圍內的用以穩態判斷的參數數據是否已被全部檢測，若尚未全部檢測完成，則向右滑動窗口，滑動的距離見（7）式：

若全部檢測完成，則輸出平穩段的起始時間和結束時間，此次判斷結束。

該方法用于常減壓工況穩態檢測的基本流程見圖1。

圖1 常減壓穩態工況判斷流程

2 實例分析

以某常減壓裝置為例，該裝置具有煉油企業的典型工藝，包括初餾塔、常壓塔和減壓塔，選取原油加工流量、常壓塔頂溫度、實際換熱終溫、常二線抽出量、常一中回流量這5個最能表征常減壓裝置的加工工況參數。實際運行中，只有當選定的5個表征常減壓裝置加工工況參數都在穩態范圍內，才進行優化計算。

文中僅對常二線抽出量、常一中回流量2個操作參數進行分析，其它參數的判斷過程類似。

2.1 實際算例一

（1）選取常二線抽出量在2015年5月1日某段時間范圍內的穩態工況數據，見表1。

選取常二線抽出量在2015年5月25日某段時間范圍內的實時工況數據，見表2。

（2）依據（5）式，計算常二線抽出量在不同窗口長度下的歸一化標準差，見表3。

依據表3中的歸一化標準差 δH，需滿足δH≤0.1，則常二線抽出量的窗口長度選定為H=37。

表1 常二線抽出量歷史穩態工況數據

表2 常二線抽出量實時工況數據

表3 常二線抽出量的歸一化標準差

（3）將長度為H的滑動窗口左端固定在數據段起始點，對當前窗口內的數據進行多項式濾波，并計算當前窗口內測量數據與擬合數據之間偏差的標準差。若滿足穩態判斷條件，且當前時段內的參數尚未全部檢測完成，則依據式（7）向右移動滑動窗口繼續判斷。計算結果見表4。

表4 常二線抽出量濾波后1次項系數及誤差標準差

依據表4，在每個窗口內均滿足穩態判斷條件，該段時間范圍內（2015-05-25.05：00至2015-05-25.09：00）常二線抽出量處于穩態。

2.2 實際算例二

（1）選取常一中回流量在2015年5月1日某段時間范圍內的穩態工況數據。采用前述方法，計算常一中回流量在不同窗口長度下的歸一化標準差，見表5。

根據計算結果，需滿足δH≤0.1，則常一中回流量的窗口長度選定為25。

（2）選取常一中回流量在2015年5月25日某段時間范圍內的實時工況數據。

（3）采用前述方法，計算常一中回流量在相應窗口下1次項系數和測量誤差的標準差，結果見表6。

表5 常一中回流量的歸一化標準差

表6 常一中回流量濾波后1次項系數及誤差標準差

依據表6，在第4次進行多項式濾波后存在|p1|≥λ，依據穩態判斷條件，該段時間范圍內（2015-05-25.05∶00至2015-05-25.09∶00）常一中回流量不處于穩態，此次判斷結束。

3 應用效果

在金陵石化公司常減壓優化項目中，采用Petro-Sim軟件對常減壓進行優化模擬計算。優化的前提是裝置處于穩態工況。收集該裝置2014年9月28日至2014年11月27日這段時間范圍內每天上午08∶00的常二線收率變化情況，見圖2。

圖2 金陵石化公司常減壓裝置常二線收率

在9月28日至10月28日該段時間范圍內，采用早期常減壓工況穩態判別的方法對裝置進行穩態判別，對判斷為穩態的工況進行實時優化。經過優化后的常二線收率在此時間段內雖略有波動，但整體上并無明顯變化。此后，采用該文提出的穩態檢測方法對常減壓裝置進行穩態判別，在后續裝置的實時優化中發現，常二線收率有了明顯的提高，與此前相比提高約3%。應用該方法對常減壓裝置進行穩態檢測，減少了誤判，更加有利于常減壓裝置后續的實時優化。

4 結束語

基于多項式濾波的常減壓工況穩態判別方法，通過選擇5個最能表征常減壓裝置的加工工況參數組成數據段，采用滑動窗口對當前窗口內的數據進行多項式濾波，根據濾波后多項式1次項系數的大小，綜合判斷常減壓裝置是否處于穩態。實際應用中，很好地減少了測量誤差和有效地利用了測量數據，從而能夠在后續裝置的實時優化中提高產品的收率，對生產效率和經濟效益的提高具有重要作用，該方法對于解決煉油工藝中的數據穩態判別問題具有一定的參考價值。

［1］李志強.原油蒸餾工藝與工程［M］.北京：中國石化出版社，2010：33-43.

［2］劉吉臻，高萌，呂游，等.過程運行數據的穩態檢測方法綜述［J］.儀器儀表學報，2013，34（8）：1739-1748.

［3］Narasimhan S，Shan Kao Chen，Mah R.S.H.Detecting changes of steady state using the mathematical theory of the evidence［J］. A ICHE J，1987，33（1）：1430-1432.

［4］金思毅，周傳光.化工過程穩態檢驗的區間拓展法［J］.高?；瘜W工程學報，2000，14（1）：71-76.

［5］李博，陳丙珍，胡慧琴，等.穩態過程在線數據校正技術的工業實施［J］.石油化工，2000，29（10）：768-771.

［6］賈秋玲，袁冬莉，欒云風.基于ATLAB7.X/Simulink/Stateflow系統仿真分析與設計［M］.西安：西北工業大學出版社，2006：8-27.

［7］付克昌，戴連奎，吳鐵軍.基于多項式濾波算法的自適應穩態檢測［J］.化工自動化及儀表，2006，33（5）：18-21.

Steady-state discrimination of working condition of atmospheric&yacuum distillation unit based on polynomial filtering

Luo Fan1,2，Chen Xisong2，Zhang Xiangrong1，Mei Bin1
（1.Nanjing Richisland Information Engineering Co，Ltd.Nanjing 210061，China；2.School of Automation，Southeast University，Nanjing 210096，China）

Steady-state working condition detection for atmospheric&vacuum distillation unit plays an important role in the realtime optimization.Some methods of steady-state detection have been presented such as fixed window,partition statistics,etc. However,these methods are sensitive to various influences which may lead to false detection.In this paper,a new method of steadystate detection based on polynomial filtering is proposed.Polynomial filtering is used to fit the data in the current window and the first order coefficient of the curve equation is used to decide whether the state of the unit is steady or not.The length of the sliding window can be adaptively determined according to the historical steady-state data.The effectiveness of the method has been proved through practical cases.

atmospheric&vacuum distillation unit;steady-state detection;polynomial filtering;sliding window;self-adaption

TE624.2

B

1671-4962（2017）01-0051-05

2016-11-18

羅凡，男，現就讀于東南大學自動化學院，攻讀碩士學位，研究方向為控制理論與控制工程。