煉化生產全流程在線優化分析系統開發及應用

摘要：隨著國內煉化企業加快向智能化方向轉型發展，基于模型算法和數字化技術從全廠視角開展生產過程優化分析，成為企業提高經濟效益的新抓手。按照“數據驅動+模型算法+應用平臺”的設計思路，在建立生產全過程機理模擬模型的基礎上，研究開發了生產全流程在線模擬模型、構建了煉化生產過程在線優化分析系統，并在某煉化企業試點應用，實現了不同應用場景下的全廠生產方案在線優化分析。為準確調整生產過程、應對多變市場環境提供了智能化的技術工具。

關鍵詞：石油化工；全流程；機理模型；優化；數字化

一、背景與需求

近年來，隨著新能源快速發展并受到國際地緣政治影響等，石化企業普遍面臨市場競爭壓力大的挑戰，通過數字化、智能化手段提升企業的精細化管理與盈利能力已成為企業提高競爭力的重要手段。2024年1月，工業和信息化部等發布《石化化工行業數字化轉型實施指南》，明確提出了石化行業數字化發展目標以及提升智能化水平等方面的總體實施路徑。

國內煉化企業原料及市場需求變化較為頻繁，從企業全局角度優化原油配比、中間物料流向并進行裝置操作性能優化，能夠有效提升企業的整體經濟效益。企業現有的計劃優化系統能夠基于線性規劃算法對月度計劃進行全局性優化計算和月度計劃排產，部分企業為提高計劃優化模型的準確性，進一步采用二次裝置嚴格機理模型的Delta-base更新規劃模型參數[1-5]。但是，由于計劃模型的線性化且模型參數主要來自歷史回歸，因此，在計劃執行的過程中，企業需要進一步借助能夠反映實際運行性能的生產全流程機理模型，開展準確、深入的生產操作優化分析，量化計算得到原料優化、中間物料產品切割及流向、裝置關鍵操作參數等方面的生產優化方案[6-11]。

鑒于煉化生產過程的復雜性，以往企業通常采用離線模擬模型開展優化分析工作，容易因模型未及時更新維護、生產條件變化等導致模型計算結果與實際出現較大偏差，且無法及時響應生產和市場等的變化。個別石化企業嘗試在離線模型基礎上開發了裝置模型數據自動采集功能，并建立了數據模型分析基礎庫，但如何進一步在工業4.0背景下實現企業主要生產優化場景下的智能化在線優化分析和結果展示，仍是煉化企業關注的主要問題[12]。

本文基于工業互聯網架構和數字化技術[13]，按照“數據驅動+模型算法+應用平臺”的設計思路，在建立生產全過程機理模擬模型的基礎上，研究開發了生產全流程在線模擬模型、構建了煉化生產過程在線優化分析系統，并在某煉化企業試點應用，實現了不同應用場景下的全廠生產方案在線優化分析，為準確調整生產過程、應對多變市場環境提供了智能化的技術工具，有效增強了企業應對多變市場環境的能力。

二、生產全流程在線模擬模型開發

全流程在線模擬模型是本系統開發的核心，為滿足煉化企業對模型數據自動采集校正、定制化業務場景在線優化分析等方面的技術需求，首先利用Aspen Hysys軟件開發了企業的生產全流程離線機理模型，并進一步按照數據采集、數據分析、業務處理、功能展示四個層面對模型架構進行了設計開發，基于自主開發的數據接口軟件等構建了企業生產全流程在線模擬模型，如圖1所示。

首先，數據采集層實現了底層數據的實時批量提取。由于全流程機理模型在線計算時需要提供大量現場數據，包括原料組分分析數據、裝置操作數據、產品分析數據、財務價格數據、財務成本數據等。如果人工輸入既耗時又易出錯，極大影響優化效果，因此通過開發與不同數據庫或視圖的接口，可從PHD數據庫、LIMS數據庫、罐區數據庫、財務數據庫等批量采集實時數據。

其次，數據分析層實現了對原始采集數據的加工處理。系統開發了數據在線校正程序，將校正后的數據傳遞給裝置模型，若裝置模型在線計算的KPI預測結果超過誤差范圍，則系統提示開展機理模型校正工作。如果單裝置模型誤差分析在合理區間內，則數據傳遞給全廠級模型進行全廠數據匹配，匹配收斂后的模型可作為當前全廠狀態的數字孿生模型，借助全廠級成本效益計算模型進行進一步優化計算。

最后，業務處理層通過開發的生產全流程在線機理模型進行物料平衡計算，通過全廠級效益計算模型進行全廠效益計算，并產生不同應用場景下的全廠優化分析結果，使技術人員可更加直觀地了解優化方案所提供的數據和信息，并可方便地下載量化計算表格和優化分析結果。

三、系統功能設計與開發

在設計開發全流程在線模擬模型架構的基礎上，按照企業生產全流程優化的主要關注點和日常優化需求，進一步研究提出了原油加工方案優化、產品結構方案優化、裝置生產方案優化和APS排產計劃驗證等主要應用場景，并設計開發了煉化生產過程在線優化分析系統。同時，為確保系統具有良好的重用性和擴展性，采用了目前國際最先進的微服務軟件體系架構，包括基礎設施層（IaaS）、平臺層（PaaS）和展示層。

（一） 原油加工方案優化模塊

本模塊按照企業最新原油性質和原油配比進行模擬優化，提升原油加工優化能力，支撐一套或多套常減壓裝置長期穩定運行。

本模塊的輸入來自系統自動接入的企業原油快評分析的最新性質數據，定時讀取餾程、密度、硫含量、酸值、水分、鐵、鎳、釩、銅、鈣、鉛、瀝青質、膠質、蠟含量、殘炭、灰分、API度等信息。應用全流程在線機理模型中的原料表征模塊進行常減壓裝置原料性質研究，結合常減壓裝置及下游裝置的限制，以常減壓裝置原油性質和側線產品性質穩定為目標，研究形成原油性質優化建議，實現原油加工方案優化，保證常減壓裝置穩定運行。

（二） 產品結構方案優化模塊

本模塊根據市場變化情況、以全廠效益最大化為目標，基于全廠產品結構調整思路進行生產加工過程的在線優化分析，及時獲得各裝置進出物料走向調整、裝置關鍵操作參數調整等優化建議，增加高附加值產品的產量，提升產品結構優化能力。

依據煉化企業主要產品優化需求，細分為四個主要產品結構優化方向和子功能模塊：第一，汽油增產措施，高標號汽油最大化生產方案。第二，柴油生產措施，包括增加柴油收率和降低柴汽比，增產低凝柴油，使用合適的低凝柴油組分，實現效益最大。第三，增加航煤收率措施。第四，增加化工輕油收率。

各子功能基于定制化設定的模型優化參數群，研究不同產品方案下改變裝置側線切割點、關鍵反應操作條件、裝置物流構成等對全廠產品結構和總效益的量化影響，并進行不同調整方案的產品產量和效益對比，提供優化分析后的物流走向優化建議，支持生產方案調整。

（三）裝置生產方案優化模塊

本模塊根據企業實際生產情況變化和市場臨時變化，及時提出生產調整方案，優化裝置進出物料合理安排生產，減少加工損失，增加效益。

模塊主要功能為加工路徑優化，基于全流程在線機理模型和裝置在線模擬模型，研究生產出現異常時的裝置物料走向調整、裝置操作參數調整等對全廠生產和效益的量化影響，并進行不同調整方案的產品產量和效益對比，支持裝置生產方案優化。

（四）APS排產計劃驗證模塊

本模塊通過與計劃優化模型交互，分析計劃模型數據的差異，對計劃進行仿真，驗證生產計劃的執行率。

本功能將周計劃詳細排產方案自動接入底層的全流程在線機理模型，在線獲得模擬計算結果，當模擬結果與計劃數據偏差較大時，將對有偏差的數據進行標注，同時也可提供LP變量，對計劃模型進行校正，提高計劃模型的準確性。

（五） 模型管理模塊

本模塊提供裝置和生產全流程模型的信息維護、參數配置等功能，并具備裝置反應機理模型的在線監控功能。

模型管理為模型運維人員提供按組織層級、裝置名稱等條件的查詢篩選功能，提供模型使用狀態和發布，以及基礎模型的增加、審核等功能。特別的，通過開發裝置在線監控功能，可根據誤差自動判斷是否需要啟動反應器的校正，如需校正則進入在線校正模式進行裝置反應單元校正，并將結果傳遞給全廠模型。

四、應用效果分析

目前，本系統已在中石油某煉化企業部署和應用。企業技術人員利用該系統開展不同業務場景下的全廠效益在線計算和優化方案研究，并形成裝置操作參數調整、中間物流調整等方面的全廠優化建議，支持全廠增效。

（一）計劃優化的驗證應用

本系統自動導入企業計劃部門的周計劃，并在線采集現場操作數據，基于生產全流程在線優化分析系統的APS排產驗證模塊對計劃進行驗證。

以該企業常減壓裝置的某周計劃驗證結果為例，如圖2所示，系統中顯示常減壓裝置計劃收率與模型計算收率誤差最大的為常壓氣體，相對誤差為14%。分析主要原因可知，全流程機理模型的常減壓裝置進料采用當周實際進料快評分析數據，而APS計劃收率為綜合統計系統中用統計算法計算的結果；從催化料到減渣項產生誤差的原因為計劃系統合并了減一線到減四線，而全流程機理模型則將各側線的詳細收率逐一拆解，為計劃人員提供更多信息。因此，以周為單位，通過系統驗證各裝置周計劃，調度人員可參考調整更新生產調度指令。

（二）產品結構方案優化應用

根據季節性調整目標產品的需求，利用本系統進行關鍵參數和全廠效益影響的在線優化分析。例如，在秋冬季節以增產柴油為主要需求的情況下，基于平臺定制化設定的優化參數群，在系統的產品結構方案優化模塊中調整催化裂化裝置提升管出口溫度，并通過系統數據接口將全流程在線模擬模型的裝置收率和全廠效益等計算結果自動上傳至系統平臺，并通過圖形形式展示全廠效益等的變化趨勢。

隨著催化反應器提升管出口溫度的提高，催化裝置汽油產品量呈現增加趨勢，說明在此操作范圍內，隨著溫度的提高提升管內裂化反應加劇，輕組分增加，這與催化裝置現場操作情況相符合。同時，由于在當前操作點附近的鄰域內存在效益最低點，結合增產柴油目標和工況約束，從全廠效益考慮，將催化裂化裝置的提升管溫度由當前的506℃降低為500℃為最佳操作條件。該關鍵操作參數調整后，在確保全廠效益基本不變的前提下，可增加全廠柴油產量4.2t/h，確保季節性產品需求，同時全廠減少汽油量2.0t/h、減少LPG約1.7t/h。

五、結語

本文基于研究開發的生產全流程在線機理模型和生產優化分析系統，提供了在全局角度和全廠效益最大化目標下對各裝置關鍵操作條件、中間物流走向等進行優化分析的智能化技術工具，支持煉化企業生產優化常態化。

（一）在線模擬模型實現生產加工全流程的數字孿生

開發了全流程在線機理模型作為提供模擬優化方案結果的計算內核，模型可便捷地實現在線更新，確保模型對實際生產過程和實際操作狀況的準確反映。

（二）高效先進的技術架構體系

采用微服務架構，通過云服務以及PaaS平臺的支撐，支撐不同生產優化場景下敏捷響應用戶的需求，有效提升了用戶體驗。

（三）支持全廠加工方案優化與效益提升

設計開發的生產全流程優化分析系統采用“數據驅動+模型算法+應用平臺”的智能化模式，實現全廠視角下對裝置關鍵操作條件、中間物流分配和產品結構的優化，有效支持企業常態化優化研究和降本增效。

參考文獻

[1]劉朝瑋，李初福，何小榮，等.基于可變加工成本的煉油廠生產計劃優化模型[J].清華大學學報（自然科學版），2007（03）：404-407.

[2]楊磊，汪洪濤，劉華林，等.煉化計劃排產與效益測算協同應用系統的設計與開發[J].石油規劃設計，2017，28（02）：33-37+54.

[3]肖文濤，李雪.煉化生產計劃建模優化與結果分析[J].當代化工，2021，50 （01）：146-153.

[4]魏躍峰.煉化一體計劃優化模型技術賦能智能工廠[J].世界石油工業，2022，29（06）：40-47.

[5]黃茂生.基于全局資源優化系統的煉油廠加工方案優化研究[J].煉油技術與工程，2022，52（04）：39-43+49.

[6]鄒圣武.RSIM模型在煉油廠的應用[J].石化技術，2012，19（03）：25-29.

[7]簡建超，黃麗.應用煉油全流程優化技術降低柴汽比[J].化工技術與開發，2014，43（08）：69-72.

[8]劉學良.煉油全流程優化軟件在催化裂化裝置的應用[J].齊魯石油化工，2015，43（02）：141-146.

[9]徐彬.應用Petro-SIM軟件優化煉油廠的原油采購[J].煉油技術與工程，2018，48（08）：51-55.

[10]呂燕君.運用Petro-SIM構建煉化一體化全流程模擬模型的實踐[J].當代石油石化，2020，28（07）：27-34.

[11]王偉，周佳昕.應用RSIM模型優化焦化加熱爐運行工況[J].工業爐，2023，45（04）：44-47.

[12]呂燕君.煉化一體化Petro-SIM全流程模型智能化應用探討[J].石油化工技術與經濟，2020，36（03）：8-12.

[13]楊友麒，陳丙珍.中國過程系統工程30年：回顧與展望[J].化工進展，2022，41（08）：3991-4008.

作者單位：昆侖數智科技有限責任公司

責任編輯：王穎振 鄭凱津