韓萬龍 范崢 薛崗 王文珍 劉子兵 葛濤

1.西安長(zhǎng)慶科技工程有限責(zé)任公司 2.西安石油大學(xué)化學(xué)化工學(xué)院

天然氣中重組分的大量存在對(duì)于脫硫系統(tǒng)和產(chǎn)品氣的影響十分顯著[1-2]，不僅會(huì)加重原料氣分離器的生產(chǎn)負(fù)荷[3-4]，同時(shí)還會(huì)在脫硫塔內(nèi)頻繁析出，導(dǎo)致塔盤堵塞，并造成脫硫溶液出現(xiàn)大規(guī)模發(fā)泡和攔液現(xiàn)象[5-6]，顯著增加了吸收劑的損失，嚴(yán)重影響了凈化裝置的脫硫，并導(dǎo)致產(chǎn)品氣氣質(zhì)不合格等諸多問題[7-8]。

天然氣中重組分的組成與含量均會(huì)對(duì)凈化裝置的脫硫效果及產(chǎn)品氣氣質(zhì)造成一定的影響，而各影響因素之間又往往存在相互作用。因此，對(duì)天然氣中重組分影響的預(yù)測(cè)是十分復(fù)雜的非線性、隨機(jī)過程[9]，而實(shí)驗(yàn)過程又往往不能控制所有因素的變化情況，從而導(dǎo)致實(shí)驗(yàn)結(jié)果分散性較大。由于不同天然氣凈化廠的原料氣氣質(zhì)呈現(xiàn)出一定的變化規(guī)律但又存在波動(dòng)，針對(duì)這種不利影響發(fā)展程度的預(yù)測(cè)方法并不單一，目前常用的模型有灰色關(guān)聯(lián)模型和人工神經(jīng)網(wǎng)絡(luò)模型兩大類[10-11]，均通過建立預(yù)測(cè)模型實(shí)現(xiàn)以短期數(shù)據(jù)推測(cè)長(zhǎng)期行為，以小樣本數(shù)據(jù)推測(cè)大樣本規(guī)律，以簡(jiǎn)單室內(nèi)實(shí)驗(yàn)數(shù)據(jù)推測(cè)復(fù)雜環(huán)境現(xiàn)場(chǎng)工況[8]?；疑P(guān)聯(lián)模型按照發(fā)展趨勢(shì)進(jìn)行分析，故對(duì)樣本量的多少?zèng)]有過多的要求，也不需要典型的分布規(guī)律，而且該模型計(jì)算量較小，是一種簡(jiǎn)單、便捷的預(yù)測(cè)方法。然而，由于計(jì)算灰色關(guān)聯(lián)度的現(xiàn)有量化模型均各有其優(yōu)點(diǎn)和適用范圍，隨著灰色關(guān)聯(lián)分析理論應(yīng)用領(lǐng)域的不斷擴(kuò)大，模型自身存在的不足使其不能很好地解決某些方面的實(shí)際問題，導(dǎo)致其應(yīng)用受到了極大限制[9];人工神經(jīng)網(wǎng)絡(luò)模型作為一個(gè)非線性動(dòng)態(tài)系統(tǒng)，具有良好的自學(xué)習(xí)、自組織、自適應(yīng)和非線性映射能力，特別適合處理在已知條件和結(jié)果之間沒有明確數(shù)學(xué)關(guān)系的數(shù)據(jù)，并能在條件與結(jié)果之間建立一定的關(guān)系，從而用切合實(shí)際的模型代替原型實(shí)驗(yàn)進(jìn)行數(shù)值仿真，抽象出系統(tǒng)特點(diǎn)，得到裝置運(yùn)行狀態(tài)的相關(guān)對(duì)策，從而有效地避免大量的實(shí)驗(yàn)[12-14]。

本研究通過建立一套測(cè)定天然氣中重組分對(duì)MDEA溶液脫硫性能影響的室內(nèi)實(shí)驗(yàn)裝置，研究不同重組分對(duì)MDEA溶液吸收性能的影響規(guī)律，采用多因素方差分析篩選關(guān)鍵因素，并判定其影響程度大小，采用人工神經(jīng)網(wǎng)絡(luò)建立天然氣中重組分不利影響的預(yù)測(cè)模型，準(zhǔn)確找出天然氣中重組分不利影響與相關(guān)因素之間的隱藏關(guān)系，并確保此預(yù)測(cè)模型的誤差小于10%。

1 實(shí)驗(yàn)部分

1.1 裝置搭建

本項(xiàng)目根據(jù)中國(guó)石油天然氣股份有限公司長(zhǎng)慶油田分公司第一采氣廠第三凈化廠現(xiàn)場(chǎng)工藝狀況及相關(guān)操作參數(shù)，自主設(shè)計(jì)并搭建了1套模擬現(xiàn)場(chǎng)脫除天然氣中酸性組分的MDEA溶液吸收性能評(píng)價(jià)裝置。

MDEA溶液吸收性能評(píng)價(jià)裝置主要由溶液吸收解吸系統(tǒng)、溫度控制系統(tǒng)、壓力控制系統(tǒng)、氣體供給系統(tǒng)、在線分析系統(tǒng)和數(shù)據(jù)采集系統(tǒng)組成，溶液吸收解吸系統(tǒng)的有效容積為300 m L，內(nèi)置磁力攪拌器和鼓泡吸收管，利用溫度控制系統(tǒng)對(duì)其溫度進(jìn)行控制，控溫范圍為5～250℃，恒溫波動(dòng)不大于0.05℃，通過前、后背壓閥控制其壓力，控壓范圍為0～10 MPa，精度可達(dá)±0.1 MPa。分別將PT100型溫度變送器、3051TA型壓力變送器、LXI-B型氣體流量計(jì)以及EC9820型二氧化碳在線分析儀、EC9852型硫化氫在線分析儀經(jīng)數(shù)據(jù)采集系統(tǒng)與微型計(jì)算機(jī)相連，對(duì)整個(gè)裝置的運(yùn)行狀況進(jìn)行監(jiān)視和調(diào)整。

該裝置以高純度氮?dú)饽M現(xiàn)場(chǎng)天然氣，以高純度硫化氫和二氧化碳模擬天然氣中的酸性組分，硫化氫與二氧化碳按1∶120的體積比混合均勻后，以鼓泡方式將其緩慢通入新鮮MDEA溶液以及含有不同天然氣中重組分的脫硫溶液，通過取樣口實(shí)時(shí)在線采集、分析吸收前后氣體中的酸性組分含量，待吸收時(shí)間大于20 min后，當(dāng)吸收前后的酸氣含量基本不變時(shí)，即可停止實(shí)驗(yàn)。每個(gè)實(shí)驗(yàn)平行做3次，根據(jù)差量法得到脫硫溶液的吸收性能。

MDEA溶液的吸收能力η按照式(1)進(jìn)行計(jì)算:

式中，組分i為硫化氫、二氧化碳等酸性組分;ci0為在空白實(shí)驗(yàn)和摻雜實(shí)驗(yàn)條件下吸收前氣體中組分i的摩爾分?jǐn)?shù);ci為在空白實(shí)驗(yàn)和摻雜實(shí)驗(yàn)條件下吸收后t、t′時(shí)刻氣體中組分i的摩爾分?jǐn)?shù);qV0、為在空白實(shí)驗(yàn)和摻雜實(shí)驗(yàn)條件下吸收前t、t′時(shí)刻氣體的摩爾流量，mol/min;qV為在空白實(shí)驗(yàn)和摻雜實(shí)驗(yàn)條件下吸收后t、t′時(shí)刻氣體的摩爾流量，mol/min。

1.2 方差分析

天然氣中重組分不利影響預(yù)測(cè)模型的準(zhǔn)確性和穩(wěn)定性在很大程度上依賴于輸入信號(hào)的有效性，合理的信號(hào)輸入不僅能夠較好地反映出客觀實(shí)際情況，還可以保證預(yù)測(cè)精度滿足相關(guān)要求。然而，當(dāng)輸入信號(hào)作用強(qiáng)度較弱，即因素變化對(duì)輸出結(jié)果無影響或影響不顯著時(shí)，BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)化緩慢、震蕩劇烈且極易陷入局部最小。因此，在借助MDEA溶液吸收能力性能評(píng)價(jià)裝置測(cè)定不同組成含量、不同運(yùn)行參數(shù)下天然氣中重組分對(duì)MDEA溶液作用規(guī)律的基礎(chǔ)上，使用MINITAB 15.1對(duì)上述實(shí)驗(yàn)數(shù)據(jù)進(jìn)行多因素方差分析，通過計(jì)算各重組分的離差平方和、自由度、平均平方、統(tǒng)計(jì)檢定值和概率來研究各重組分組成及含量對(duì)MDEA溶液吸收能力的影響大小。

1.3 BP人工神經(jīng)網(wǎng)絡(luò)建立

BP人工神經(jīng)網(wǎng)絡(luò)通常是指基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò)，是目前應(yīng)用最廣泛、基本思想最直觀、最容易被理解的一種神經(jīng)網(wǎng)絡(luò)，它采用最小均方差學(xué)習(xí)方式，需有教師訓(xùn)練，可用于識(shí)別、分類、預(yù)測(cè)語言綜合和自適應(yīng)控制等用途。

建立BP人工神經(jīng)網(wǎng)絡(luò)的主要步驟如下:

第1步，初始化網(wǎng)絡(luò)。

設(shè)置wij和wjk的初始連接權(quán)值，初始連接權(quán)值是在(-1，1)區(qū)間隨機(jī)選取的非零值，同時(shí)給定計(jì)算精度值ε(ε＞0)。

第2步，指定輸入樣本和輸出樣本，計(jì)算網(wǎng)絡(luò)的輸出。

當(dāng)q=1，2，3，...，l時(shí)，設(shè)第q組樣本輸入xq=[x1q，x2q，x3q，...，xnq]，期 望 輸 出 dq=[d1q，d2q，d3q，...，dmq]，則節(jié)點(diǎn)i在第q組樣本輸入時(shí)的網(wǎng)絡(luò)實(shí)際輸出yiq見式(2)。

式中:wij(t)是輸入層到隱藏層經(jīng)t次調(diào)整的權(quán)值;Ijq是在第q組樣本輸入時(shí)節(jié)點(diǎn)i的第j個(gè)輸入。

第3步，計(jì)算網(wǎng)絡(luò)的目標(biāo)函數(shù)。

設(shè)在第q組樣本輸入時(shí)網(wǎng)絡(luò)的目標(biāo)函數(shù)為Eq，則Eq的計(jì)算見式(3)。

式中:yq(t)是在第q組樣本輸入時(shí)經(jīng)t次權(quán)值調(diào)整后網(wǎng)絡(luò)的輸出;k是輸出層第k個(gè)節(jié)點(diǎn)。

第4步，網(wǎng)絡(luò)的總目標(biāo)函數(shù)見式(4)。

作為對(duì)網(wǎng)絡(luò)學(xué)習(xí)情況的評(píng)價(jià)，若J(t)≤ε，此時(shí)算法結(jié)束，否則進(jìn)行下一步。

第5步，反向傳播計(jì)算，根據(jù)J由輸出層按梯度下降法反向計(jì)算并逐層調(diào)整權(quán)值，步長(zhǎng)η取常值，由ak+1得到節(jié)點(diǎn)j到節(jié)點(diǎn)i經(jīng)t+1次調(diào)整的權(quán)值:

具體算法見式(6):

設(shè)

設(shè)式(7)中δiq是第q組樣本輸入時(shí)第i個(gè)節(jié)點(diǎn)的狀態(tài)xiq對(duì)Eq的靈敏度。

由式(7)可得:

當(dāng)i=k時(shí)，即i為輸出節(jié)點(diǎn)，由此可得式(9):

將式(8)代入，則得到式(10)

當(dāng)i≠k時(shí)，即不是輸出節(jié)點(diǎn)，此時(shí)

其中:

式中:m1是節(jié)點(diǎn)i下一層的第j個(gè)節(jié)點(diǎn);是第q組樣本輸入時(shí)節(jié)點(diǎn)m1的第j個(gè)輸入。

當(dāng)i=j，y jq=時(shí)，代入式(12)，則有:

由此可見，由式(13)可對(duì)權(quán)值進(jìn)行調(diào)整和計(jì)算。采用NeuroSolutions 7.1.0.0軟件建立BP人工神經(jīng)網(wǎng)絡(luò)的天然氣中重組分不利影響預(yù)測(cè)模型。

2 結(jié)果與討論

2.1 主要影響因素對(duì)MDEA溶液吸收能力的作用規(guī)律分析

天然氣中的n-C5、i-C5、C6、C7、C8、C9、C10等重組分對(duì)MDEA溶液吸收能力的影響見圖1和表1。

表1 天然氣中重組分對(duì)MDEA溶液吸收能力的影響Table 1 Influence of heavy components in natural gas on absorptive capacity of MDEA solution

由表1可知，由于i-C5、C6、C7、C8和C10的F值均大于F0.01(4，10)=5.994339，n-C5與C9的F值小于F0.05(4，10)=3.4780497，故i-C5、C6、C7、C8和 C10對(duì)MDEA溶液吸收能力具有十分顯著的影響，n-C5和C9對(duì)其影響不顯著。這是因?yàn)?，該天然氣中重組分的成分為C5～C10烴類的混合物，是介于汽油和柴油之間的高品質(zhì)凝析油，由于硫化氫、二氧化碳等酸性組分在i-C5、C6、C7、C8和C10中存在一定的溶解度，且在特定濃度條件下極易導(dǎo)致MDEA溶液發(fā)生乳化現(xiàn)象，故均會(huì)造成MDEA溶液吸收能力的顯著降低[15-17]。影響MDEA溶液吸收能力的主要因素為:i-C5、C6、C7、C8、C10，其影響能力按順序?yàn)?C10＞C8＞C7＞i-C5＞C6。

2.2 天然氣中重組分不利影響預(yù)測(cè)模型的建立

在上述多因素方差分析研究結(jié)果的基礎(chǔ)上，針對(duì)MDEA溶液吸收性能的不同特征，以i-C5、C6、C7、C8、C10等天然氣中重組分組成、質(zhì)量濃度為自變量，以MDEA溶液吸收能力為因變量建立天然氣中重組分不利影響的預(yù)測(cè)模型，即

其中，x1～x5分別表示i-C5、C6、C7、C8和 C10的質(zhì)量濃度，y為MDEA溶液吸收能力。

利用MDEA溶液吸收性能評(píng)價(jià)裝置采集40組實(shí)驗(yàn)樣本，其中，第1～30組數(shù)據(jù)作為訓(xùn)練樣本用于輸入BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行訓(xùn)練，第31～40組數(shù)據(jù)作為測(cè)試樣本不參加訓(xùn)練。當(dāng)BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型經(jīng)過反復(fù)訓(xùn)練滿足指定的容許收斂誤差后，將第31～40組數(shù)據(jù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，比較模型預(yù)測(cè)結(jié)果與實(shí)際測(cè)試結(jié)果，見表2。

由表2可知，31號(hào)至40號(hào)測(cè)試樣本的相對(duì)誤差依次為0.001255、0.010008、0.022222、0.003517、0.002994、0.010018、0.016057、0.004333、0.001875和0.002124，其平均相對(duì)誤差與最大相對(duì)誤差分別為0.007440和0.022222，說明預(yù)測(cè)值與真實(shí)值比較接近，完全滿足誤差小于10%的相關(guān)要求，表明BP人工神經(jīng)網(wǎng)絡(luò)能夠?qū)DEA溶液吸收能力進(jìn)行較為準(zhǔn)確的預(yù)測(cè)。

為了驗(yàn)證上述BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在實(shí)際生產(chǎn)中的應(yīng)用效果，對(duì)中國(guó)石油天然氣股份有限公司長(zhǎng)慶油田分公司第一采氣廠5套典型天然氣脫硫裝置的MDEA溶液吸收能力進(jìn)行預(yù)測(cè)，并將此預(yù)測(cè)值與現(xiàn)場(chǎng)值進(jìn)行對(duì)比，見表3。

表2 MDEA溶液不同條件下吸收能力測(cè)定結(jié)果Table 2 Absorption performance determination results of MDEA solution under different conditions

表3 BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的現(xiàn)場(chǎng)應(yīng)用效果Table 3 Field application effect of BP artificial neural network prediction model

由表3可知，由于上述MDEA溶液吸收能力的預(yù)測(cè)值與現(xiàn)場(chǎng)值較為接近，其平均相對(duì)誤差僅為2.10%，完全滿足實(shí)際生產(chǎn)中相對(duì)誤差應(yīng)不大于10%的考核要求，故BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)MDEA溶液吸收能力具有良好的預(yù)測(cè)能力，可成功實(shí)現(xiàn)對(duì)天然氣脫硫裝置MDEA溶液吸收能力的準(zhǔn)確預(yù)測(cè)。

3 結(jié)論

(1)天然氣中重組分的存在不僅會(huì)加重原料氣分離器的生產(chǎn)負(fù)荷，同時(shí)還會(huì)在脫硫塔內(nèi)頻繁析出，導(dǎo)致塔盤堵塞，造成脫硫溶液出現(xiàn)大規(guī)模發(fā)泡和攔液現(xiàn)象，顯著增加了吸收劑損失，嚴(yán)重影響了凈化裝置的脫硫，并導(dǎo)致產(chǎn)品氣氣質(zhì)不合格等諸多問題。

(2)天然氣中的重組分i-C5、C6、C7、C8和 C10對(duì)MDEA溶液吸收能力具有十分顯著的影響，均為BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的有效輸入信號(hào)。

(3)BP人工神經(jīng)網(wǎng)絡(luò)能夠?qū)DEA溶液吸收能力進(jìn)行較準(zhǔn)確的預(yù)測(cè)，其平均相對(duì)誤差與最大相對(duì)誤差普遍較小，說明預(yù)測(cè)值與真實(shí)值比較接近，完全滿足誤差小于10%的相關(guān)要求。

(4)現(xiàn)場(chǎng)驗(yàn)證結(jié)果表明，BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在實(shí)際生產(chǎn)中的應(yīng)用效果較為理想，其平均相對(duì)誤差僅為2.10%，利用此模型可對(duì)天然氣脫硫裝置MDEA溶液吸收能力進(jìn)行準(zhǔn)確預(yù)測(cè)。