基于聯立方程法的常減壓裝置優化研究

宋 佳，何海紅，王文娟，曹 俊，那 平

（1.天津大學 化工學院，天津 300072；2.山東京博石油化工有限公司，山東 濱州 256500；3.山東理工大學 材料科學與工程學院，山東 淄博 255000）

常減壓裝置處于煉油企業加工鏈的最前端，具有加工量大、加工方案多變、加工油品性質不穩定等特點，因此常減壓裝置的穩定優化操作對煉油企業的總體技術經濟指標以及下游裝置的穩定運行至關重要［1-2］。在以瀝青為主要產品的部分煉油企業中，常減壓裝置亦被稱為瀝青裝置，因為此時裝置不僅要完成原油的粗分離，還必須在滿足瀝青產品性質指標的前提下生產瀝青產品，這就對裝置的綜合操作優化提出了更高的要求［3-5］。近年來，使用流程模擬軟件來模擬原油生產加工過程的技術日益成熟，研究、設計單位已普遍采用流程模擬軟件開展設計工作［6-7］，部分先進的煉油企業也逐漸開始使用流程模擬軟件開展裝置的操作優化、技術改造優化及故障分析等工作［8-10］。可以預見，流程模擬技術將在各煉油企業得到迅速推廣和應用。

目前廣泛使用的大型通用流程模擬軟件有Aspen Plus，Aspen Hysys，SimSci ProⅡ，KBC PetroSim，Honeywell Unisim，ChemCAD 等［11-12］。這些軟件在模擬蒸餾與換熱設備等方面均很成熟，且各有優點。穩態流程模擬過程涉及較復雜的工藝計算，在構建穩態數學模型時，需將其轉換為求解一個具有稀疏特性的非線性代數方程組的問題，目前較為成熟的穩態模擬計算策略包括序貫模塊法、聯立方程法及聯立模塊法等［13-14］。常規的流程模擬優化普遍采用序貫模塊法進行求解計算，對于優化問題，多采用靈敏度分析的手段進行探索性計算。但是，當優化變量增至5 個以上時，靈敏度分析帶來的巨大計算量將不足以有效支撐優化計算過程［15-16］。Aspen Plus 同時具備序貫模塊法和聯立方程法計算引擎，且兩種計算方法切換便捷、技術成熟可靠，已在全球范圍內得到廣泛認可與應用［17］。

本工作以某煉油企業的常減壓裝置為研究對象，利用Aspen Plus V12.0 流程模擬軟件構建了該裝置的全流程穩態模型，采用序貫模塊法計算模型的基礎工況初值，采用聯立方程法標定了實際生產參數與模型計算值的偏差；在此基礎上，采用聯立方程法對實際生產過程中可調的關鍵操作參數進行了優化，以裝置利潤最大化為目標，輸出常減壓裝置的系列優化操作參數，從而指導裝置的生產操作。

1 裝置工藝流程

某煉油企業的常減壓裝置由電脫鹽系統、初餾塔及配套系統、常壓塔及配套系統、減壓塔及配套系統、加熱爐、換熱網絡等部分組成（見圖1），主要產品為汽油、柴油、蠟油、渣油和瀝青。原油經罐區原油泵升壓后進入裝置，分為兩路進入原油脫鹽前換熱系統，換熱后合并為一路進入電脫鹽系統，脫鹽后原油再次分為兩路進入原油脫鹽后換熱系統，換熱后的兩路原油合并為一路進入初餾塔，初餾塔底物料亦分為兩路換熱后合并，然后依次進入常壓加熱爐、常壓塔、減壓加熱爐、減壓塔。常壓塔設有三個中段回流、三個側線采出、三個側線汽提塔，減壓塔設有兩個側線采出和回流，常壓塔底設有汽提蒸汽注入設施。該企業的常減壓裝置主要設計工藝參數見表1。

表1 主要設計工藝參數Table 1 Main design process parameters

圖1 工藝流程簡圖Fig.1 Schematic diagram of the process flow.

2 模型建立

2.1 模型結構

裝置全流程模型由5 個子模型構成，分別為原料處理子模型、換熱網絡子模型、初餾塔系統子模型、常壓塔系統子模型、減壓塔系統子模型。各子模型獨立建模，求解完成后進行子模型整合。

模型組分由原油輕端組分、虛擬組分、水三部分構成，原油輕端組分共15 種，由氮氣、氧氣、二氧化碳、氫氣和C1～6的代表性輕烴組成；虛擬組分設置范圍45～765 ℃，每10 ℃設置一個虛擬組分。

模型流程總體物性方法采用MXBONNEL（Maxwell-Bonnel）方法，混合物物流的氣相與液相焓由Soave-Redlich-Kwong 狀態方程計算，純水物流的焓使用NIST 蒸汽表法計算，詳見表2。

表2 物性計算方法Table 2 Property calculation methods

模型中精餾塔采用PetroFrac 建模，采用Section-Wise 模式設定Murphree 效率；換熱器與加熱爐采用Heater 建模，換熱器使用HEAT 流股與HXFlux模塊計算傳熱系數；氣液分離罐、泵、混合器等簡單設備采用常規模塊建模，使用Analyzer 模塊計算流股物性，使用Measurement 模塊導入實際生產數據。

2.2 模型設置

2.2.1 模型計算策略

首先采用Aspen Plus V12.0 軟件建立序貫模塊法的常減壓裝置基礎模型，基礎模型的全部工藝參數基于裝置的設計參數給定，以模型計算收斂為主要目標，模型精度與設計參數相符；其次，應用聯立方程法對基礎模型進行補充性建模，增加Measurement 與Analyzer 模塊用于導入裝置實際生產時的DCS 參數及實驗室分析檢測數據，調用動態矩陣求解器，在數據整定模式下求解，使得模型計算結果與實際生產數據的誤差平方和最小；最后編寫基于裝置整體經濟效益的目標方程，設定符合實際操作限制的優化變量，并在優化模式下求解，計算得到目標方程最大值及此時對應的優化變量數據，模型計算結束。聯立方程法模型建設完成后，采用Aspen OOMF script 語言編制自動化執行程序，進行模型的后續數據傳輸與執行，用于模型的多工況快速標定與優化。

2.2.2 動態矩陣求解器參數設置

為滿足對數據整定與優化的不同求解精度需求，對數據整定和優化模式設定不同的動態矩陣求解器參數，詳見表3。

表3 動態矩陣求解器參數設置Table 3 Parameters of dynamic matrix solver

2.2.3 模型復雜度

聯立方程模型變量數為102 367，其中，獨立變量數102 363，固定變量數2 655，自由變量數99 712；模型方程數99 712，其中，模塊方程數76 454，連接方程數23 258。數據整定模式與優化模式求解時間不超過500 s。

2.2.4 目標方程

數據整定模式目標方程見式（1），優化模式目標方程見式（2）：

式中，（Objective）Min為裝置實際參數與模型計算參數差值的平方和的最小值；σi為標準差；（Plant variable）i為第i個實際生產數據；（Model variable）i為第i個模型計算數據；（Profit）Max為產品經濟效益與原料成本和生產能耗成本差值的最大值；Producti為產品i的流量，t/h；Cpi為產品i的價格，元/t；Feedj為原料j的流量，t/h；Cfj為原料j的價格，元/t；Utilityk為公用工程k的消耗量，t/h 或kW/h；Cuk為公用工程k的價格，元/t 或元/kW。

3 模擬優化分析

3.1 模型整定計算

基礎模型數據來自于裝置的設計參數，由于裝置的設計參數也來自于流程模擬軟件且使用的基礎輸入參數相同，因此基礎模型的計算值與設計值基本一致。采用裝置某段連續7 d 的實際生產數據的平均值作為模型的整定數據，對模型進行整定計算。用于進行模型整定的實際生產數據共275 個，主要包括溫度、流量等。模型整定前后關鍵數據的變化見表4。由表4 可見，裝置受加工量、原料性質、產品結構、生產計劃等影響，實際運行狀態顯著偏離設計狀態。例如，受原油換熱網絡性能下降的影響，裝置實際運行換熱終溫比設計值低9 ℃左右；為降低常壓塔運行負荷，初餾塔頂采出量比設計值提高57.14 t/h；與設計值相比，實際運行整體處于輕油偏低狀態，常一、常二、減一、減二側線抽出量也低于設計值；此外，為降低能耗，常壓爐、減壓爐出口溫度分別比設計值低3.16 ℃和4.98 ℃，以減少燃料氣的消耗。

表4 模型整定計算關鍵數據的對比Table 4 Comparison of key parameters calculated in reconciliation mode

數據整定計算過程耗時456 s，數據整定目標方程收斂值為4.649×10-2。通過模型整定計算，模型計算值與裝置實際生產運行狀態相近，可用于 下一步的優化計算。

3.2 模型優化計算

3.2.1 優化變量

通過對生產裝置實際可調整參數進行調研，共設置了15 個優化變量，具體為：脫鹽前原油去兩路換熱流程的流量分配比例，脫鹽后原油去兩路換熱流程的流量分配比例，初餾塔底油去兩路換熱流程的流量分配比例，常壓塔底汽提蒸汽流量，常壓加熱爐出口溫度，常壓塔頂循環流量，常一、常二、常三側線抽出量，減壓加熱爐出口溫度，減壓塔頂、減一、減二側線抽出量，減壓塔頂回流量，減一線回流量。

3.2.2 約束條件

在滿足生產安全風險和儀表可調節范圍的條件下，對上述15 個優化變量分別設置上限閾值和下限閾值。根據產品質量的控制要求，對初餾塔頂油、常壓塔頂油、常一線油、常二線油、減一線油的恩氏蒸餾終餾點設置上限閾值和下限閾值。

3.2.3 目標方程

目標方程中的產品包括各塔頂氣相物料，各側線石腦油、汽油、柴油、蠟油產品，減壓塔底瀝青；原料為原油；公用工程包括循環水、燃料氣、汽提蒸汽。優化計算前，根據經過模型整定的各模型參數，計算目標方程值為820.75 元/t。需要特別說明的是，因不考慮電、儀表風、固定資產折舊、人員工資、稅值等費用，該目標方程值的絕對值不代表裝置的實際經濟效益，但優化前后它的差值可以體現裝置效益的提升，目前工業上普遍采用的實時在線優化系統算法也不考慮裝置的全部財務費用，僅考慮與工藝優化直接相關的測算數據。

3.2.4 優化計算

在滿足各約束條件下，以目標方程的最大值為求解方向，對模型進行優化計算，優化計算迭代15 步求解，耗時41.96 s。主要優化結果及關鍵參數見表5。

表5 模型優化計算關鍵數據對比Table 5 Comparison of key parameters calculated in optimization mode

優化前后產品流量與經濟效益的變化見圖2。由圖2 可知，初餾塔頂油和常壓塔頂油為石腦油組分，總流量由62.46 t/h 降至61.45 t/h，降低了1.01 t/h；相應的，常一線、常二線產品和減壓塔頂油為柴油組分，總流量由73.39 t/h 增至81.84 t/h，增加了8.45 t/h；常三線、減一線、減二線產品為蠟油組分，總流量由27.51 t/h 降至26.03 t/h，降低了1.48 t/h；瀝青流量由167.97 t/h 降至162.00 t/h，降低了5.97 t/h。采用模型目標方程求解當期的產品價格，柴油價格最高，石腦油、蠟油、瀝青的價格分別比柴油低428，1 155，1 199 元/t。由此可見，各產品流量的變化趨勢與產品價格的變化趨勢高度一致，滿足了模型的優化方向，即增加高價值產品收率、減少低價值產品收率，模型的計算結果符合預期。

另外，由表5 優化計算的換熱網絡流量分配值可見，通過調整三個換熱網絡分支的流量，可以在無新增設備費用投入的前提下，有效提高原油換熱終溫和常壓加熱爐入口溫度，脫鹽后原油換熱終溫提高2.05 ℃，常壓加熱爐入口溫度提高1.50 ℃。

由表5 和圖2 可知，通過以上15 個優化變量的綜合優化調整，裝置經濟效益目標方程值由820.75 元/t 提高至847.61 元/t，實現每噸原料的盈利增加26.86 元。由此可見，通過聯立方程法對裝置進行操作優化計算，可以顯著提高裝置生產運行的經濟效益。

圖2 優化前后產品流量與經濟效益的變化Fig.2 Total products flowrate and profit change between reconciliation and optinmization mode.

4 結論

1）利用Aspen Plus 軟件搭建了基于設計參數的基礎模型，通過模型整定計算，將模型參數與裝置實際生產運行狀態相匹配，并將運行結果用于測算和指導裝置的工藝優化。

2）基于聯立方程法對模型進行了優化計算，以裝置經濟效益最大化為目標，得出在特定價格條件下裝置的優化參數。計算結果表明，裝置經濟效益可提升26.86 元/t，通過模型優化計算的方式指導生產具有顯著的經濟效益。