大型LNG工廠氣動閥故障率分析預(yù)測

楊 燁 張金龍 何靖怡 楊 玄 李 杰 鄧向軍

1. 中國石化江漢油田分公司江漢采油廠黃岡LNG經(jīng)理部, 湖北 黃岡 438011;2. 中國石油新疆油田公司, 新疆 克拉瑪依 834000

0 前言

LNG工廠是低溫工程與化學(xué)工程的結(jié)合體,既有傳統(tǒng)化工企業(yè)生產(chǎn)流程復(fù)雜、過程管控嚴(yán)格等特點(diǎn),又具備低溫工程領(lǐng)域?qū)υO(shè)備設(shè)施要求高,溫度控制精確等特點(diǎn)[1-3]。而低溫LNG的獲取需要在多重儀器儀表監(jiān)控輔助下運(yùn)用控制閥進(jìn)行自動/半自動調(diào)控,確保透平機(jī)械與換熱器的合理配合運(yùn)行。所以控制閥的穩(wěn)定性與故障率對LNG工廠的生產(chǎn)運(yùn)行有著直接影響。

控制閥是以壓縮空氣為動力源,在一系列電信號傳輸情況下借助定位器、執(zhí)行器、電磁閥等相關(guān)元件,調(diào)控氣缸動作幅度,完成相應(yīng)開關(guān)量或比例式調(diào)節(jié)[4-6]。在故障診斷與相應(yīng)統(tǒng)計(jì)分析研究方面,國外重點(diǎn)研究了控制閥故障產(chǎn)生機(jī)理,特別是在摩擦因素的檢測和量化摩擦研究方面取得了曲線擬合和不同控制輸出信號下的函數(shù)關(guān)系式,在本質(zhì)上為產(chǎn)品的升級改造提供了基礎(chǔ)[3]。國內(nèi)主要偏向于控制回路研究方面,例如運(yùn)用DAMADICS平臺,進(jìn)行控制閥多類故障仿真模擬,為生產(chǎn)一線的儀器儀表故障檢測提供解決方案[7]。

灰色預(yù)測模型在實(shí)際運(yùn)用范疇有著“貧信息、小樣本”的通用性優(yōu)勢,現(xiàn)已運(yùn)用于機(jī)械制造、交通運(yùn)輸與社會經(jīng)濟(jì)等方面[8-10]。本文基于我國當(dāng)前LNG產(chǎn)量最大的某工程為研究實(shí)例,縮小研究范圍,提高預(yù)測精度，以工藝流程中運(yùn)用最為廣泛的控制閥為研究對象,將歷年閥門維修頻次與部件更換返修類別視為不確定性灰色系統(tǒng),運(yùn)用均值GM(1,1)模型進(jìn)行數(shù)學(xué)分析,預(yù)測各部件損壞頻次,為備品備件的采購與庫存做科學(xué)指引。

1 工程簡介

某工程天然氣處理能力500×104m3/d，LNG產(chǎn)量為120×104t/a，生產(chǎn)操作彈性為50%～100%，工藝、設(shè)備全部國產(chǎn)化。所研LNG工廠工藝流程見圖1[11]。工廠儀表控制方面，全廠氣動控制閥408臺，壓力變送器213臺，液位變送器167臺，溫度熱電阻229支，各類流量計(jì)120套，F(xiàn)GS安全附件(可燃?xì)怏w報(bào)警儀162臺、火焰探測器33臺)。相關(guān)儀表控制閥需要穩(wěn)定而連續(xù)性工作，確保工藝系統(tǒng)連貫性運(yùn)行。任一環(huán)節(jié)出現(xiàn)問題都會對整體生產(chǎn)運(yùn)行造成不同程度的影響，甚至誘發(fā)聯(lián)鎖停機(jī)和安全事故。下節(jié)全景展示主工藝流程中控制閥故障對于生產(chǎn)運(yùn)行的影響[12]。

圖1 某LNG工廠主要工藝流程圖Fig.1 Main process flow chart of a LNG plant

2 問題描述

所研工廠共配備氣動控制閥408臺，其中主流程工藝區(qū)聯(lián)鎖切斷SDV閥80臺，常規(guī)調(diào)節(jié)閥129臺。閥門所調(diào)介質(zhì)溫度分布在-165～300℃之間。相關(guān)閥門還存在氣液兩相流、溫度突變等情況影響。控制閥的常規(guī)檢查僅憑給定0%、30%、50%、70%、100%操作數(shù)據(jù)進(jìn)行開度比對不嚴(yán)謹(jǐn)。工廠自2013年12月竣工至今一直處于間歇生產(chǎn)狀態(tài)，因閥門故障而誘發(fā)的重大工藝事件和聯(lián)鎖停機(jī)事故見表1。

綜上所述,所研工廠歷年都發(fā)生過因控制閥故障而導(dǎo)致的突發(fā)工藝事件,嚴(yán)重影響工廠平穩(wěn)率與生產(chǎn)安全。其中個(gè)別故障無法在線解決,需要停產(chǎn)檢修,誘發(fā)工廠開停工物料消耗與工時(shí)損失,間接增加了員工超勞程度和生產(chǎn)運(yùn)行成本。下節(jié)運(yùn)用GM(1,1)模型進(jìn)行控制閥故障情況預(yù)判,指引停工檢修與備品備件的采購庫存[13-14]。

3 建模預(yù)測

GM(1,1)模型的基本原理為:將原始數(shù)據(jù)序列進(jìn)行累加,充分弱化隨機(jī)擾動因素后,進(jìn)行新數(shù)據(jù)序列的指數(shù)增長規(guī)律表征。然后通過指數(shù)曲線進(jìn)行模擬并運(yùn)用最小二乘法進(jìn)行具體參數(shù)的求解[15-17]。在此選用通用性最強(qiáng)的均值GM(1,1)模型建模。

表1 閥門故障重大事件記錄表

X(1)={x(1)(1),x(1)(2),x(1)(3)…x(1)(n)}

(1)

2)生成新序列變化趨勢微分方程:

(2)

(3)

3)構(gòu)造數(shù)據(jù)矩陣:

(4)

(5)

4)均值求解預(yù)測模型:

(6)

(7)

(8)

控制閥故障情況數(shù)據(jù)見表2。根據(jù)上節(jié)問題描述,分別令2014-2018年控制閥故障率,各部件維修頻次為

表2 控制閥故障情況數(shù)據(jù)表

原始數(shù)據(jù)序列，預(yù)測2019-2021年未來時(shí)間發(fā)展下的相應(yīng)參數(shù)。在此以做全數(shù)據(jù)序列實(shí)例算法過程展示。

綜合故障率全數(shù)據(jù)運(yùn)算過程:

1)初始化建模原始序列:0.80,1.40,2.45,2.90,6.30。

2)原始序列的1-AGO生成:0.80,2.20,4.65,7.55,13.85。

3)1-AGO生成序列的緊鄰均值生成:1.50,3.42,6.10,10.70。

5)模擬值與模擬誤差見表3。

表3 綜合故障率模擬誤差表

通過表3進(jìn)一步計(jì)算可知平均模擬相對誤差為16.70%。結(jié)合圖2綜合分析可知,模型數(shù)據(jù)成明顯上升趨勢,且模擬誤差相對較小,模型精度良好。進(jìn)一步根據(jù)式(6)均值求解預(yù)測模型得出未來2年控制閥綜合故障率分別為8.98%、15.08%。

圖2 綜合故障率數(shù)據(jù)序列變化趨勢圖Fig.2 Trend of comprehensive failure rate data series

電磁閥維修頻次全數(shù)據(jù)運(yùn)算過程:

1)初始化建模原始序列:3,6,6,15,18。

2)原始序列的1-AGO生成:3,9,15,30,48。

3)1-AGO生成序列的緊鄰均值生成:6,12,22.5,39。

5)模擬值與模擬誤差見表4。

表4 電磁閥維修頻次模擬誤差表

通過表4進(jìn)一步計(jì)算可知平均模擬相對誤差為16.39%。結(jié)合圖3綜合分析可知,模型數(shù)據(jù)呈明顯上升趨勢,相對誤差較小,模型精度良好。進(jìn)一步根據(jù)式(6)均值求解預(yù)測模型得出未來2年電磁閥維修頻次分別為27.48、41.14。

圖3 電磁閥維修頻次數(shù)據(jù)序列變化趨勢圖Fig.3 Trend of solenoid valve maintenance frequency data series

定位器維修頻次全數(shù)據(jù)運(yùn)算過程:

1)初始化建模原始序列:2,3,4,6,9。

2)原始序列的1-AGO生成:2,5,9,15,24。

3)1-AGO生成序列的緊鄰均值生成:3,7,12,19.5。

5)模擬值與模擬誤差見表5。

表5 定位器維修頻次模擬誤差表

通過表5進(jìn)一步計(jì)算可知平均模擬相對誤差為3.67%。結(jié)合圖4綜合分析可知,模型數(shù)據(jù)吻合性極強(qiáng),呈明顯上升趨勢,模型精度優(yōu)異。進(jìn)一步根據(jù)式(6)均值求解預(yù)測模型得出未來2年控制閥定位器維修頻次分別為12.63、18.48。

圖4 定位器維修頻次數(shù)據(jù)序列變化趨勢圖Fig.4 Trend of positioner maintenance frequency data series

過濾器維修頻次全數(shù)據(jù)運(yùn)算過程:

1)初始化建模原始序列:2,5,7,9,16。

2)原始序列的1-AGO生成:2,7,14,23,39。

3)1-AGO生成序列的緊鄰均值生成:4.50,10.50,18.50,31.00。

5)模擬值與模擬誤差見表6。

表6 過濾器維修頻次模擬誤差表

通過表6進(jìn)一步計(jì)算可知平均模擬相對誤差為9.85%。結(jié)合圖5綜合分析可知,模型數(shù)據(jù)吻合性強(qiáng),呈明顯上升趨勢,模型精度優(yōu)良。進(jìn)一步根據(jù)式(6)均值求解預(yù)測模型得出未來2年控制閥過濾器維修頻次分別為22.05,33.27。

綜上所述,所研工廠因政策與市場影響,生產(chǎn)過程不連續(xù),生產(chǎn)負(fù)荷不飽滿,長期處于間歇性生產(chǎn)狀態(tài)[20]。而全年的多頻次開停工給儀器儀表壽命帶來一定損耗,加之零部件自然老化問題,控制閥故障率和各零部件維修頻次呈逐年上升趨勢。運(yùn)用GM(1,1)模型對相關(guān)數(shù)據(jù)進(jìn)行運(yùn)算,最終得出未來2年預(yù)測結(jié)果。

圖5 過濾器維修頻次數(shù)據(jù)序列變化趨勢圖Fig.5 Trend of filter maintenance frequency data series

4 驗(yàn)證與展望

根據(jù)2019年控制閥故障情況統(tǒng)計(jì),綜合對比GM(1,1)模型預(yù)測值，并在6月停工檢修期間做關(guān)鍵性閥門零部件拆解維護(hù)。通過表7控制閥故障情況對比表可以看出,模型預(yù)測值略大于現(xiàn)場實(shí)際值,誤差可接受,預(yù)測結(jié)果能指引現(xiàn)場生產(chǎn)運(yùn)行工作。通過圖6控制閥故障部件現(xiàn)場拆解可以看出,露天暴曬處控制閥零部件損壞情況較為嚴(yán)重,主要表現(xiàn)為線路老化和腐蝕受潮影響[21]。下步可進(jìn)行防潮、遮陰處理。

表7 控制閥故障情況對比表

依據(jù)本文GM(1,1)數(shù)學(xué)建模運(yùn)算分析過程和現(xiàn)場實(shí)際檢維修情況,做下步研究展望。

1)從數(shù)學(xué)建模與數(shù)據(jù)分析方面而言，GM(1,1)模型屬于預(yù)測類別的模型,是灰色系統(tǒng)理論原始經(jīng)典構(gòu)想下的核心模型。但該模型的運(yùn)算機(jī)理是將離散形式的原始數(shù)據(jù)通過白化方程運(yùn)算得到連續(xù)形式的結(jié)果,離散形式到白化形式的跳躍式運(yùn)算會導(dǎo)致最終預(yù)測結(jié)果的偏差和不穩(wěn)定[9]。所以進(jìn)行純指數(shù)序列的擬合運(yùn)算時(shí),未來的擾動因素會使時(shí)間較遠(yuǎn)的結(jié)果產(chǎn)生誤差。在當(dāng)前儀表故障率預(yù)測運(yùn)用中只進(jìn)行GM(1,1)新陳代謝模型式的次年預(yù)測,指引短期內(nèi)各部件備品備料的采購庫存較為可信。下步還需進(jìn)行模型的過程化運(yùn)算改進(jìn),運(yùn)用DGM模型或SDGM模型全面提升原始均值GM(1,1)模型的精確性。

a)電磁閥進(jìn)水腐蝕a)Water corrosion of solenoid valve

b)對更換電磁閥進(jìn)行密封處理b)Seal the new solenoid valve

c)定位器接線端子老化c)Aging of positioner terminal

d)過濾器老化堵塞d)Filter aging and clogging

2)從現(xiàn)場實(shí)踐與檢測方法方面而言,僅憑停工期間的閥門開度比對無法及時(shí)并全面地發(fā)現(xiàn)問題。且該種方法時(shí)效性有限,需要制定嚴(yán)謹(jǐn)而簡便的閥門檢測方案,并使相關(guān)數(shù)據(jù)適應(yīng)于GM(1,1)建模。在此提出一種基于執(zhí)行器可測量信號冗余分析方法構(gòu)想[10]。充分利用現(xiàn)場已知數(shù)據(jù),進(jìn)行執(zhí)行器可測量變量的函數(shù)關(guān)系構(gòu)造,并將相關(guān)數(shù)據(jù)帶入GM(1,1)模型,在全面檢測當(dāng)前執(zhí)行機(jī)構(gòu)故障的同時(shí)進(jìn)行零部件故障率判定式預(yù)測。

5 結(jié)論

1)信息化時(shí)代下,控制閥的監(jiān)測已經(jīng)實(shí)現(xiàn)了智能定位器通過HART協(xié)議、總線等方式采集閥門自身的信息,并通過相關(guān)電信號的計(jì)算提前預(yù)測閥門故障。但是相關(guān)系統(tǒng)的構(gòu)建需要一定成本,后期運(yùn)維費(fèi)用未知,性價(jià)比及其市場推廣性有限。所以充分運(yùn)用當(dāng)前數(shù)據(jù)進(jìn)行GM(1,1)建模輔助生產(chǎn)更為可行。

2)所研LNG工廠設(shè)備設(shè)施較新,但還是發(fā)生了因關(guān)鍵部位控制閥故障導(dǎo)致的聯(lián)鎖停機(jī),且在未來時(shí)間發(fā)展上呈上升趨勢。運(yùn)用均值GM(1,1)模型進(jìn)行2019年故障情況預(yù)測為控制閥備品備件的采購提供了工作指引,并指引了大修過程中對易損件的提前檢查更換。其中定位器維修頻次平均模擬相對誤差僅3.67%,模型數(shù)據(jù)吻合性極強(qiáng),模型精度優(yōu)異,極具推廣性。

3)GM(1,1)模型是基于累加生成和最小二乘法的指數(shù)擬合模型，具有“貧信息、小樣本”的通用性優(yōu)勢,能在時(shí)間序列數(shù)據(jù)有限的前提下得到較高精度的預(yù)測結(jié)果。但隨著未來時(shí)間的發(fā)展,不確定因素越多,該模型的預(yù)測意義就越弱。所以在當(dāng)前儀表故障率預(yù)測運(yùn)用中只進(jìn)行新陳代謝模型式的次年預(yù)測,指引短期內(nèi)各部件備品備料的采購庫存。當(dāng)前的控制閥常規(guī)檢查和生產(chǎn)運(yùn)行期間人為巡檢的外觀檢查不能保證控制閥故障的即時(shí)預(yù)警和相關(guān)零部件的損耗性評估。下步需充分運(yùn)用現(xiàn)場可測物理量參數(shù)進(jìn)行相關(guān)分析和數(shù)學(xué)建模,挖掘可用信息,指引控制閥故障判斷。