基于改進TOPSIS的石化裝置實時狀態評估

林 揚，楊 哲，袁 壯，茍成冬，李傳坤，王春利

(中石化安全工程研究院有限公司 化學品安全全國重點實驗室，山東 青島 266071)

石化裝置工藝流程復雜,涉及物料或介質具有易燃易爆、高溫高壓或有毒有害等特點[1-2]。這要求石化裝置必須保證運行安全,一旦發生故障,輕則影響產品質量、導致裝置停工損失,重則造成嚴重環境污染和人員傷亡事故[3-4]。因此,開展石化裝置運行狀態的監測評估,對保障裝置安全平穩運行具有十分重要的意義[5-7]。

石化裝置運行狀態評估,本質上是以狀態監測數據為基礎,采用不同的方法(如統計分析、機器學習等)對運行數據進行分析、建模,進而構建表征裝置運行狀態的評估指標,實現裝置運行狀態的定量評估[8]。根據使用方法的不同,裝置運行狀態評估方法可大致分為3種:基于模型驅動的評估、基于知識驅動的評估和基于數據驅動的評估[9-10]。其中,基于模型驅動的評估依據理論公式建立表征裝置運行狀態的數學模型,因而其具有較高的準確性,適合于機理知識比較簡單的評估對象[11-12]。如彭琦[13]基于滾動軸承的退化機理,引入特征值改進疲勞退化公式,建立了滾動軸承的狀態評估模型,并通過試驗和實際運行數據證明了該模型具有良好的預測精度。基于知識驅動的評估依據歷史運行數據構建裝置狀態評估規則,其無需精確的數學模型,但要求具有豐富的專家經驗[14]。如Guo Yabin等[15]建立了針對空調制冷系統狀態的識別專家系統,包含10條室內機和12條室外機的專家判斷規則,并通過9類故障數據驗證了方法的有效性。基于數據驅動的評估是依據對歷史運行數據的分析構建狀態評估模型,其對專家知識和機理知識的要求較低,但需要一定數量的歷史數據[16-17]。如Deng Zhenyu等[18]基于時空壓縮矩陣(Space-Time Compressed Matrix,STCM)和樸素貝葉斯(Naive Bayes,NB)提出了石化過程異常狀態檢測方法,并利用田納西-伊斯曼(Tennessee Eastman,TE)過程數據驗證了該方法的精度。

隨著智能儀表、傳感器網絡及分散控制系統(Distributed Control System,DCS)的快速發展,多數石化裝置都實現了關鍵參數的全方位實時監測,積累了大量的歷史數據,而如何從積累的數據中挖掘出有價值的信息成為當前研究的熱點之一[19-20]。得益于此,基于數據驅動的裝置運行狀態評估方法不斷取得進步,得到了越來越多的應用[21]。例如,Fezai等[22]采用線性獨立的核函數在線減少核函數的數量,并融合偏最小二乘(Partial Least Squares,PLS)和廣義似然比檢驗(Generalized Likelihood Ratio Test,GLRT)兩種方法,提出了一種用于檢測石化裝置異常狀態的模型;Han Yongming等[23]通過迭代優化隱藏層的節點數量,構建了一種基于改進長短時記憶網絡(Long Short-Term Memory,LSTM)的石化裝置異常狀態檢測模型;Pyun等[24]利用多變量格蘭杰因果關系(Multivariate Granger Causality,MVGC)和分層傳感器建立了傳感器因果關系,并結合主成分分析(Principal Component Analysis,PCA)實現了對石化裝置異常狀態的預警與原因分析;林揚等[25]針對石化裝置異常數據匱乏的問題,融合PCA和支持向量數據描述(Support Vector Data Description,SVDD)方法建立了裝置異常狀態檢測模型,僅依靠正常數據樣本就實現了對裝置異常狀態的準確辨識。

逼近理想解法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)是一種經典的多屬性決策方法[26-27],其核心思想是在確定最優和最差的決策方案(即正、負理想解)的基礎上,分別計算待評估方案與最優、最差方案的距離,進而構建綜合評估指標,實現對各方案的評估[28]。TOPSIS具備良好的解釋性和實施性,現已應用于多個領域的狀態評估研究。鄧超等[29]基于維納過程建立數控機床性能退化量預測模型,并采用馬氏距離改進的TOPSIS相對貼近度計算方法,實現了對機床健康狀態評估的目標。蔡金錠等[30]基于時域特征量篩選特征指標,引入以正交投影法改進TOPSIS的評估準則,實現了對變壓器油紙絕緣狀態的分級評估。劉志強等[31]采用熵權法確定了各評估指標權重,進一步融合馬氏距離和TOPSIS建立了針對駕駛行為的狀態評估模型。

正、負理想解的確定是TOPSIS的關鍵步驟。在將TOPSIS用于狀態評估時,要求具有覆蓋評估對象最優、最差運行狀態的歷史樣本數據,以便確定正、負理想解。但是,由于石化裝置涉及的物料和設備等具有高度危險性,一般對其運行狀態的要求較高,因而很難獲取其最差運行狀態的數據樣本。而且,目前尚無表征石化裝置運行狀態的通用評價指標,難以評估不同數據樣本對應運行狀態的優劣。另一方面,傳統的TOPSIS僅劃分了成本型和效益型兩類評估指標,而缺乏中間型評估指標。具體地,成本型指標數值越小越好,效益型指標數值越大越好,而中間型指標是指其處于某一區間或某一固定值時最優。因而,采用傳統的TOPSIS難以評估石化裝置運行中部分溫度、壓力等中間型指標。

針對上述問題,本研究通過引入石化裝置工藝卡片、專家經驗、歷史數據等,對傳統TOPSIS確定正、負理想解的方法進行優化,解決了裝置歷史運行數據難以覆蓋最優、最差狀態的問題;進而結合石化裝置運行參數的特點,提出固定值型和固定區間型兩種新的評估指標類型,并建立相應的評估標準,準確評估不同指標類型的實時運行狀態;最后,通過對催化裂化裝置反應-再生(反再)系統運行狀態的評估,驗證了該改進TOPSIS評估方法的有效性和準確性。

1 TOPSIS原理分析

TOPSIS的基本思想是借助各種決策信息,確定所有評估指標的最優值和最差值,并將所有評估指標的最優值組合形成正理想解,最差值組合形成負理想解[32]。為統一表述,將評估指標的最優值稱為正理想值,最差值稱為負理想值。因此,正理想解是所有評估指標中正理想值的集合,負理想解是所有評估指標中負理想值的集合。分別計算待評估方案與正、負理想解間的距離,得到待評估方案與最優方案的貼近度,以評估方案的優劣性[33]。

假定待評估方案有m個對象,每個對象具有n個評估指標,采用TOPSIS進行評估的具體步驟如下:

(1)建立評價矩陣A

(1)

式中:m為待評估對象的數量,即參與評估的樣本總數;n為評估指標數量;xij指第i個評估對象的第j個評估指標的值(1≤i≤m,1≤j≤n)。

考慮到各評估指標可能存在數量級不一致的問題,為避免數量級相差過大造成信息淹沒,對評價矩陣A進行歸一化處理,將所有評估指標的數量級進行統一,得到歸一化矩陣R,歸一化公式見式(2)。

(2)

(2)計算價值矩陣V

為各評估指標分配權重,并將其組成權重矩陣W。矩陣W中,除對角線為各評估指標權重外,其他元素均為0。將歸一化后的評價矩陣R與權重矩陣W相乘,得到價值矩陣V。相比評價矩陣,價值矩陣考慮了評估指標權重對評估結果的影響。具體地,價值矩陣各元素為待評估對象對應指標的值與權重的乘積,見式(3)。

(3)

(3)確定正、負理想解

根據計算得到的價值矩陣確定正、負理想解(S+、S-)。

(4)

針對成本型指標和效益型指標,采用不同的方法確定正、負理想解。由于成本型指標的數值越小則該指標越優,因此成本型指標的正理想值為其最小值,負理想值為其最大值。

(5)

對于效益型指標,數值越大代表該指標越優。因此,效益型指標的正理想值為其最大值,負理想值為其最小值。

(6)

(4)求解相對貼近度

分別計算待評估方案與正、負理想解的距離(D+、D-),進而計算得到表征待評估方案與正理想解(即最優方案)靠近程度的相對貼近度D。

(7)

(8)

由式(8)可知:0≤D≤1;D越大,則評估對象越優;當D=1時,評估對象狀態達到最優,即為正理想解;當D=0時,評估對象狀態最差,即為負理想解。

2 基于改進TOPSIS的實時狀態評估方法

鑒于石化裝置難以獲得運行最優、最差狀態的數據,且含有多種中間型評估指標,無法用傳統TOPSIS方法評估。因此,必須對TOPSIS正、負理想解的確定方法進行改進,減少對歷史數據的依賴;并豐富評估指標類型,使其覆蓋石化裝置各運行參數。

2.1 正理想解的確定方法

石化裝置中不同類型的參數,其運行特點存在較大差別。傳統TOPSIS適用于成本型和效益型兩類指標評估,但難以直接處理反應溫度、精餾塔塔頂回流量等中間最優型指標。中間型指標又可分為兩種:一是固定值型指標,即當參數為某個確定值時,裝置運行狀態最優,參數離確定值越遠,裝置運行狀態越差;二是固定區間型指標,即當參數值在某一區間范圍時,裝置運行狀態最優,該區間稱為正理想區間。

對于固定值型指標,其值用式(9)計算。

(9)

式中,qj為第j個特征參數的最優運行值。

對于固定區間型指標,其值用式(10)計算。

(10)

鑒于目前石化裝置的關鍵參數都已實現了實時監測,并涵蓋各類型的評估指標。在歷史運行數據樣本充足的情況下,成本型指標的正理想值可直接取歷史數據中的最小值,效益型指標的正理想值可直接取歷史數據中的最大值。對于固定值型和固定區間型指標,則由現場專家根據操作經驗和歷史數據確定其正理想值(區間)。

2.2 負理想解的確定

針對石化裝置運行狀態最差樣本不足、難以確定負理想解的問題,采用評估指標體系中各參數的運行控制限作為其負理想值(區間)。石化裝置的工藝卡片依據工藝技術規程及設計資料編制[34],是在多次實驗室試驗和工業試驗的基礎上,根據裝置運行安全要求給出的各工藝控制指標的運行控制限,是保障裝置運行安全的重要技術資料。各工藝參數運行控制限是保證各工藝參數正常運行的上、下限。當工藝參數超出運行控制限時,則判定裝置異常運行。因此,各工藝參數控制限為一個固定區間,故在確定的負理想解中,各參數均由一個最大值和最小值組成。

2.3 健康指數的求解

與傳統TOPSIS的正、負理想解均為一個確定值不同,上述正、負理想解均存在為一個區間的可能,導致原有的相對貼近度求解方法不再適用。因此,必須對相對貼近度的求解方法進行優化,增加對區間型指標的求解方法。為符合裝置運行狀態評估的習慣,將相對貼近度改稱為健康指數(HI),其計算式見式(11)。0≤HI≤1;HI越大,則裝置運行狀態越好;反之,則表明裝置運行狀態越差。

(11)

(12)

(13)

(14)

2.4 基于改進TOPSIS的石化裝置運行狀態評估

綜上所述,基于改進TOPSIS進行石化裝置的實時狀態評估,其具體流程如圖1所示。

圖1 基于改進TOPSIS的石化裝置實時狀態評估流程

由圖1可知,基于改進TOPSIS對石化裝置進行實時狀態評估的流程如下:

(1)構建狀態評估指標體系。確定工藝卡片工藝控制指標清單,開展指標間的相關性分析,剔除強相關指標,形成裝置運行狀態評估指標體系。

(2)確定負理想值(區間)。根據工藝卡片確定狀態評估指標的控制上、下限,構造各指標的負理想值(區間)。

(3)確定正理想值(區間)。基于專家經驗和歷史運行數據,結合指標類型,確定狀態評估指標的最優運行值(區間),構造各指標的正理想值(區間)。

(4)確定正、負理想解。將各評估指標的負理想值(區間)組成負理想解,將各評估指標的正理想值(區間)組成正理想解。

(5)確定指標權重。指標權重一般根據專家經驗確定,且評估指標的權重之和為1;如各評估指標無明顯重要性區分,可采用等權重法分配,即各評估指標權重均為1/n(n為評估指標個數)。

(6)計算狀態評估指標的偏離距離。輸入狀態評估指標的實時數據,根據式(13)、式(14)分別計算與正、負理想值(區間)的偏離距離。

(7)計算裝置運行健康指數。根據式(11)計算得到評估裝置的健康指數。

3 應用與分析

3.1 數據來源

催化裂化裝置是煉化企業最關鍵的二次加工裝置之一,也是生產汽油、柴油、液化氣等輕油產品的關鍵裝置[35-36]。為驗證所開發評估方法的有效性,基于改進TOPSIS對催化裂化裝置反再系統的運行狀態開展評估。數據來自我國某煉油廠2.6 Mt/a的催化裂化裝置,其反再系統的主要工藝流程及儀表位號如圖2所示。

圖2 催化裂化裝置反再系統監測界面示意

以該催化裂化裝置2020年11月發生的異常工況為例進行分析,異常類型為原料油-油漿換熱器封頭(E201A)冒黃煙、漏油,異常原因為原料油帶水、控制閥卡澀、油漿循環量大幅波動。具體處置過程:保持裝置低負荷運行,降低罐區帶水原料流量,聯系罐區對原料進行脫水處理,將再生滑閥改為手動控制,消除異常后恢復正常生產。此次異常工況的分析數據均采自集散控制系統(DCS),采樣的時間范圍為2020年11月7日14:51至23:57,每3 min采樣1次,共789組數據。對數據進行預處理,對異常值、缺失值采用均值插值法進行替換、補充。由于此次異常工況發現較早且處置及時,因此各參數異常變化幅度較小。其中,再生器器頂壓力和沉降器器頂壓力變化較明顯,提升管第一反應器(一反)出口溫度存在輕微變化,其他8個監測參數均處于正常波動范圍。再生器器頂壓力和沉降器器頂壓力、提升管一反出口溫度和提升管第二反應器(二反)出口溫度等4個關鍵參數的變化趨勢如圖3所示。

圖3 關鍵參數變化趨勢

3.2 催化裂化裝置反再系統運行狀態評估

根據工藝指標的重要性等級,石化裝置工藝卡片分為不同級別,如公司級、裝置級等。其中,裝置級工藝卡片基本涵蓋了裝置的主要工藝控制指標,可用于裝置工藝運行狀態的評估。該催化裂化裝置的工藝卡片梳理了反再系統5類14個工藝過程控制指標,分別為:再生煙氣過剩氧體積分數、二密床大分布環松動風流量、二密床小分布環松動風流量、沉降器汽提段催化劑藏量、二密床催化劑藏量、沉降器器頂壓力、再生器器頂壓力、二密床溫度(4個監測點)、提升管一反出口溫度、提升管二反出口溫度、燒焦罐出口溫度。以上述14個參數作為催化裂化裝置運行狀態評估指標體系的構建基礎,進一步結合歷史運行數據和專家經驗確定了工藝控制指標的最優運行范圍和運行控制限,即正、負理想解,并結合其特點劃分了指標類型,如表1所示。

由表1可知,二密床溫度有4個監測點(TI1079A、TI1079B、TI1079C、TI1079D)數據,其相互間具有強相關性,故僅保留一個監測點(TI1079A)的結果即可。因此,該反再系統的狀態評估指標體系共包含11個監測參數。

同時,該催化裂化裝置工藝卡片中對工藝控制指標的重要性劃分為緊急、重要、一般3個等級:緊急等級包括沉降器器頂壓力、再生器器頂壓力、提升管一反出口溫度3個參數,重要等級包括沉降器汽提段催化劑藏量、二密床催化劑藏量、提升管二反出口溫度、燒焦罐出口溫度4個參數,一般等級包括再生煙氣過剩氧體積分數、二密床大分布環松動風流量、二密床小分布環松動風流量、二密床溫度等4個參數。按各參數的重要性等級,分別將緊急、重要、一般等級參數的權重設置為1.5、1.2、1.0,然后通過歸一化得到各參數的權重。

根據表1中各參數的類型、權重和正、負理想解等信息,結合固定值型和固定區間型指標與正、負理想解間距離的計算式[式(11)～式(14)],輸入異常過程數據計算該反再系統的健康指數,該異常過程中健康指數的變化趨勢如圖4所示。

該催化裂化裝置反再系統正常運行時的健康指數范圍為0.7～1.0,否則判斷裝置運行狀態異常。從圖4可以看出,該催化裂化裝置反再系統的健康指數分布在0.4～0.9之間,而且其變化趨勢與關鍵評估參數(沉降器器頂壓力、提升管一反出口溫度)變化趨勢基本一致。具體地講,沉降器器頂壓力、提升管一反出口溫度先下降,系統健康指數隨之下降;在取樣到210組數據后,操作人員采取裝置降負荷運行,保持沉降器器頂壓力、提升管一反出口溫度、再生器器頂壓力相對穩定運行,因而系統健康指數在0.6上下波動;自取樣到第400組數據后,沉降器器頂壓力、提升管一反出口溫度開始逐漸提升,系統健康指數也逐漸升高,至取樣第620組數據時各參數逐步穩定,健康指數升高至0.85,裝置恢復正常運行。需要說明的是,在本次異常工況處置過程中,為保證裝置的相對平穩,操作人員對再生器器頂壓力進行了針對性調節。因此,其變化趨勢與沉降器器頂壓力、提升管一反出口溫度存在差異。

綜上所述,采用基于改進TOPSIS的評估方法可以對催化裂化裝置反再系統的運行狀態進行量化監測,且該系統健康指數與關鍵評估參數的變化趨勢保持一致。

4 結 論

裝置運行狀態監測技術的進步,有助于提高石化裝置運行的平穩性和安全性;而裝置歷史運行異常數據的有限性,為數據驅動運行狀態評估方法構建提出了很大的挑戰。基于此,開發了一種基于改進TOPSIS的石化裝置實時運行狀態評估方法,在缺少裝置歷史運行數據情況下實現了運行狀態評估模型的構建。

裝置運行狀態評估方法構建過程:針對模型評估指標正、負理想解的確定需要最優、最差運行狀態歷史數據的問題,提出基于現場專家經驗和工藝卡片過程指標控制限的確定方法;同時,根據石化裝置運行參數的特點,補充了固定值型和固定區間型指標,并明確了評估標準;將上述流程集成,形成了基于改進TOPSIS的狀態評估方法。

以某煉油廠催化裂化裝置反再系統的實際異常工況為例,采用所構建的基于改進TOPSIS的狀態評估方法評估了裝置運行狀態。應用結果表明,本研究所建方法可以對該催化裂化裝置反再系統的運行狀態進行量化監測,且該系統健康指數與關鍵評估參數的變化趨勢保持一致。