常減壓裝置的先進控制和實時優化

周 麗,金曉明

(1.浙江中控軟件技術有限公司，浙江 杭州 310053;2.浙江大學智能系統與控制研究所，浙江 杭州 310027)

0 引言

常減壓原油蒸餾是原油加工的第一道工序。常減壓裝置根據原油中各個組分的沸點不同，分別在常壓和負壓狀態下分離出各餾分產品。常減壓裝置能耗一般約占煉廠總能耗的10%～30%[1]。以多變量模型預測控制為代表的先進控制技術和以穩態優化為關鍵的過程優化技術能大大提高工業裝置的經濟效益[2]。對于常減壓裝置，由于處理的原料是來自不同產地的原油，原油性質變化容易造成生產工藝參數的波動，從而影響產品性質，因此常減壓裝置的優化問題十分復雜[3]。

在某套燃料型5 Mt/a的常減壓裝置中，實現了對全裝置的模擬、控制和優化。該裝置采用的硬件平臺是OPC Server上的先控上位機和優化上位機，軟件平臺為DMC Plus、ASPEN IQ、ASPEN Plus和ASPEN Online，分布式控制系統(distributed control system,DCS)為橫河CENTUM CS3000系統。

1 優化控制軟件系統

對工業生產過程的實時優化功能包括：首先獲取裝置的過程數據和化驗數據，對工業裝置進行精確的全流程模擬；其次根據需求確定優化目標方程，設定約束并進行求解；最后通過多變量模型預測控制器執行到控制層。多目標優化允許用戶設定多個優化目標。例如，優化目標為在約束條件下實現石腦油、航煤和柴油等產品收率最大化，或產品質量與期望值的方差最小化[4]。優化方程通過全流程模擬工具計算出最優工藝情況。最優工藝情況的實質為一系列的變量設定。最后這些變量設定通過多變量預測控制器反饋到輸入，利用控制儀表的執行機構實現，由此完成了整個實時優化閉環。

整個實時優化控制的關鍵在于：①全裝置的穩定控制；②全流程模擬；③優化方程的建立；④安全穩定的執行。在線優化的工作頻率通常為每小時級別，低于控制的每分鐘級別。

整個應用的軟件優化控制結構如圖1所示。在線分析儀采用HONTYE IRAS生產過程智能快速分析系統，其核心是核磁共振分析儀。它的作用是實現對原油和餾出口等樣本的快速評價分析，提供樣本的一系列性質數據并儲存在DCS系統。

圖1 優化控制結構圖

在線分析儀在原油進裝置和主要的汽/柴油餾出口都設計了采樣點。以原油進裝置點化驗分析值作為流程模擬計算的數據來源，而餾出口化驗分析值同時作為模擬結果和軟測量結果校正的依據。

2 優化控制方案

加熱爐是整個蒸餾裝置能耗的主要來源。加熱爐出口溫度直接影響常壓塔和減壓塔的進料過氣化率。在多變量預測控制解決了加熱爐的穩定控制問題后，仍需要根據原油性質和拔出條件定義最優的爐出口溫度。因此，優化方案設計為：常壓爐出口溫度穩定控制可保證常壓塔的過氣化率在一定的區域；減壓爐出口溫度優化控制可保證減壓塔深拔，同時避免爐管結焦。常壓爐和減壓爐出口溫度的優化需要兼顧安全因素。多變量模型預測控制器同時將爐溫、燃料氣消耗等關鍵因素作為控制器約束，以保證生產的安全。

初餾塔、常壓塔和減壓塔的控制和優化計算是一個有機的整體。初餾塔的任務是進行原油輕組分初步分離，并控制裝置生產負荷穩定。常壓塔主要用于保障產品質量合格。因此常壓塔的優化方案為：在原油性質變換的前提下，保證各側線產品質量在合格的范圍內，同時以產出更多的高附加值的產品為優化目標；減壓塔的優化不能孤立地只考慮減壓深拔，而是需要綜合考慮工藝操作、控制狀況等因素，如全裝置的拔出率、產品質量、輕油收率和下游裝置約束等。初餾塔為單工藝操作參數裝置;常壓塔為多工藝操作參數裝置，計算不容易收斂;減壓塔的優化計算容易得到滿意的結果[5]。

常減壓裝置優化系統在ASPEN Plus中的設計優化目標為經濟效益最大化。外部目標/優化參數包括：常壓塔塔頂溫度/流量，常一線拔出溫度/流量，常二線拔出溫度/流量，常三線拔出溫度/流量，減壓塔塔頂溫度/流量和常壓爐物料出口溫度。約束條件有：常壓塔各側線產品質量，減壓塔各側線產品質量，工藝指標/約束，拔出率約束，上、下游裝置約束，常壓塔進料氣化率，常壓塔各側線產品質量，常壓爐和減壓爐結焦溫度約束，輕收約束和總拔約束。

優化應用時，在ASPEN Plus全流程模擬的基礎上，定義優化目標方程式、約束條件和優化參數；在ASPEN Online中配置相關的輸入輸出、計算頻率和計算方式等；計算結果將寫入多變量預測控制器相關變量對應的外部目標，通過控制器功能執行到DCS端。

2.1 軟測量系統

軟測量用于給出實時的質量預測值，作為多變量預測控制器的被控變量[6]；在整個實時優化方案中的作用在于提供優化的約束變量。

軟測量系統首先根據軟測量模型，實時讀取輔助變量計算出主導變量，即軟測量目標的預測值；然后，將軟測量結果整合到多變量預測控制器中，作為被控變量；最后，以軟測量結果作為整個實時優化方案中的約束目標，在將裝置推向效益最大化的優化目標時，確保產品質量在一定的區域。進行粗汽油干點和柴油95%餾程溫度的軟測量建模時，根據數據分析和生產經驗選取的輔助變量表，如表1、表2所示。

表1 粗汽油干點軟測量輔助變量表

表2 柴油95%餾程溫度軟測量輔助變量表

軟測量系統設計了初頂終餾點、常頂終餾點、常一線閃點、常三線95%餾程溫度和減一線95%餾程溫度共5個預測參數作為計算輸出。軟測量模型采用基于偏最小二乘法(partial least square,PLS)的多變量回歸方法[7],應用ASPEN IQ軟件實現。在校正方式上，采用了讀取在線分析儀對應的數據和讀取手工輸入的化驗值數據進行定期校正。

2.2 多變量預測控制系統

常減壓裝置先進控制(advanced process control,APC)系統設計了6個多變量預測控制器，包括脫鹽罐和初餾塔控制器、常壓塔控制器、減壓塔控制器、常壓爐控制器、減壓爐控制器和加熱爐效率控制器。控制系統在常規控制的基礎上，實現以下具體目標：①產品質量的卡邊控制；②期望產品收率最大化；③穩定并提高處理量；④加熱爐的穩定控制和加熱爐效率提高。在常規控制的基礎上，利用多變量預測控制軟件DMC Plus，實現常壓塔、減壓塔和加熱爐等單元的多變量控制。整個控制器包括45個操作變量，111個被控變量和11個干擾變量。由于多個有相互關聯的變量都在一個控制器中處理，能夠保證各參數得到合理的優先級分配，從而實現裝置平穩控制。

多變量預測控制器在實現各關鍵變量的協調和優化控制方面有一定的優勢[8]。同時，軟測量作為預測產品質量的方法整合到控制器中作為被控變量，使控制器向質量穩定控制的方向實現優化。在這個策略中，核磁分析儀不僅能提供原油信息，而且作為一種更及時的化驗值數據獲取方式，對軟測量預測值進行定期校正，為先進控制系統的長期、有效運行提供保障。

2.3 全流程模擬

ASPEN Engineering Suite包括了ASPEN Plus大型通用模擬軟件。利用ASPEN Plus對常減壓裝置進行全流程模擬和優化參數配置[9]，ASPEN Online實時優化軟件進行離線模型與在線數據的實時傳遞和實時計算。對常減壓裝置，優化目標函數設計為原油常減壓蒸餾裝置的年綜合經濟效益。約束條件包括等式約束條件和不等式約束條件，具體為裝置的設計能力、安全性因素和已知工藝參數上下限等[10]。優化計算結果為被控變量外部目標值，通過寫入APC系統實現在線實時優化控制。

對該常減壓裝置的過程優化問題表述如下。

max:

i=1,2,…,pn

j=1,2,…,fn

k=1,2,…,un

s.t.

f1(Cp,i,Cf,j,Cu,k)=0,l=1,2,…,ln

Cp,i∈[min(Cp,i),max(Cp,i)]

大學生志愿服務活動，不僅是大學生自我實現的強烈需要，而且有利于推動大學生的社會進程，有利于大學生樹立正確的人生觀、價值觀、世界觀，有利于大學生的成長、成才。更重要的是，開展大學生志愿服務活動有利于我國大學生社會主義核心價值觀的學習和踐行。所以，作為為國家培養社會建設人才的全國各大高校，應堅定不移地推進志愿服務活動，為社會主義建設添磚加瓦。

Cf,j∈[min(Cf,j),max(Cf,j)]

Cu,k∈[min(Cu,k),max(Cu,k)]

producti∈[min(producti),max(producti)]

feedi∈[min(feedi),max(feedi)]

utilityi∈[min(utilityi),max(utilityi)]

其中：目標函數J為裝置經濟效益，pn為產品拔出流股數，fn為進料流股數，un為公用工程個數，ln為狀態方程個數，Cp，i、Cf，j、Cu，k分別為產品、進料和公用工程的單位經濟價值。

關于Cp，i的參數優化問題，全流程模擬模型表達了等式約束條件：

fl(Cp,i,Cf,j,Cu,k)=0l=1,2,…,ln

模型模擬結果與真實工業過程存在一定的偏差。ASPEN的最新技術，利用ASPEN Online軟件讀取工業過程實時數據，對模擬數據進行在線的偏差校正，能有效地解決這一問題。

3 應用效果

數據統計結果表明，優化控制系統實現了對各工藝參數的穩定控制和穩定切換。其具體實現了：①在裝置升降裝置負荷時各工藝參數的平穩控制;②常壓爐和減壓爐各支路溫差最小化控制；③加熱爐出口溫度按原油性質自動調整和優化，加熱爐熱效率最大化控制；④根據原油切換狀況提供優化控制方案，控制各側線抽出溫度和流量，實現全局優化。控制器穩定投用后，裝置操作平穩率提高；工藝參數的方差較常規控制下降30%以上；主要產品質量的方差也有不同程度的降低；先進控制系統長期投運率在90%以上。

主要產品質量粗汽油干點和柴油95%餾程溫度軟測量模型預測效果曲線分別如圖2和圖3所示。

圖2 粗汽油干點模型預測圖

圖3 柴油95%餾程溫度模型預測圖

先進控制器投用后，裝置的一些典型控制效果如圖4～圖6所示。

在選取的時間段內對裝置的生產負荷進行切換，生產負荷降低了大約30 t/h。APC投運前后的降負荷關鍵變量方差對比統計如表3所示。

表3數據表明，APC投運后，不僅使以上關鍵工藝變量的統計方差減小了30%，而且使裝置在進行升降負荷切換操作時能夠更快速地達到穩定狀態，切換時間縮短了約50%。在實際操作中，控制更加穩定和高效。

圖4 常規降負荷流量趨勢圖

圖5 降負荷液位趨勢圖

圖6 降負荷壓力趨勢圖

表3 APC投運前后方差對比統計表

4 結束語

由于常減壓裝置的原料性質不穩定，因此，對其控制提出了更高的要求。在本文提到的優化系統中，實時優化控制包括穩態優化部分和動態控制部分。穩態優化部分實現了全流程模擬模型、模擬模型偏差校正和優化目標計算功能；動態控制部分實現了可實時預測產品質量的軟測量、分析儀校正和多變量預測控制功能。由于常減壓裝置全系統的在線實時優化控制策略分解到多變量預測控制器中執行，因此多變量預測控制器的合理設計非常關鍵。利用多變量預測控制器對各目標進行合理配置和設計，最終達到了維持工藝指標安全、穩定和高效的目標，為企業實現了節能增效。