辛克鵬，劉鑒徵

（中國石化齊魯石化公司信息中心，山東 淄博255400）

1 引言

石化行業(yè)中，操作人員主要根據化驗結果和操作經驗調整工藝各參數。由于化驗數據的滯后性，會造成質量偏差增大，而操作員的操作經驗不同，會造成產品質量不一致，這樣操作導致的質量波動大，更重要的是會增加能耗。為解決這一問題，軟測量技術應運而生。本文主要以煉油廠連續(xù)重整工藝中芳烴含量軟儀表建模為例，對原方式建模與新方式建模進行比較、分析。將非線性軟儀表模型，通過迭代算法轉換成線性模型，最終實現精確的軟測量。

2 工藝簡介

連續(xù)重整工藝為煉廠生產高辛烷值汽油和芳烴的重要裝置，主要將低辛烷值石腦油變成富含芳烴的高辛烷值汽油組分。整套工藝包括：原料預處理、重整、抽提、精餾四部分。預處理過程主要從原料中切割60～130℃餾分，除去雜質。原料經催化劑反應后，環(huán)烷烴轉化為芳烴。通過抽提將來自重整部分的脫戊烷油中的芳烴與非芳烴分離，分離出來的芳烴與非芳烴進一步精餾出苯、甲苯、二甲苯、重芳烴、溶劑油等化工產品[1]。

3 現狀分析

以往建立軟儀表模型過程，通常是使用數據回歸的方法,按照日期，對于影響質量含量的相關參數點進行取數，一般取一小時的平均值。完成取數后，對數據進行初步篩選處理，將有明顯錯誤的數據（如儀表測量問題造成的錯誤數據、特殊生產狀況下的數據等）進行剔除。在做軟測量的軟件中進行數據回歸，一般會有幾種固定的軟儀表模型進行選擇：線性、非線性、線性與非線性并存、神經元網絡等。工程師在做建模時通常會選用這幾種模型進行分析，然后將軟測量的值與歷史化驗值進行比對，將趨勢最一致、偏差最小的那個模型作為選擇的軟儀表模型。這樣的建模方式會有弊端。一開始軟儀表的預測值與實際化驗值偏差很小，操作人員也喜歡使用，但是隨著時間的累積以及工藝工況的改變，預測值與化驗值的偏差會越來越大。即使擁有化驗數據校正程序，但是校正的僅僅是常數項，對模型其他參數無法修正[2]。

此建模方式的精確性較差，在軟儀表建模時沒有真正考慮到工藝條件所帶來的影響，數學模型的選用是否真正合理是問題的關鍵所在。

4 改進模型的建立

建立模型前，首先要對工藝進行詳細了解，比如化學反應熱平衡、能量守恒、物料平衡等關系，綜合考慮采樣時間與觀測數據間的時間差等因素。在種種關系中，確定一個大致的方程式，再推導出參數之間的大致關系，然后進行歷史數據的回歸，將機理模型與數據回歸。

以連續(xù)重整工藝為例，此反應為烷烴脫氫環(huán)化反應，環(huán)烷化合物，如環(huán)己烷、甲基環(huán)己烷、二甲基環(huán)己烷，分別脫氫為苯、甲苯、二甲苯。從反應機理圖可以推出：C6H14=C6H6+4H2，即：1摩爾烷烴可生成1摩爾芳烴和4摩爾氫氣。

如圖1，反應物料進入四個反應器，設第一個反應器的入口溫度為T1，第四個反應器的出口溫度為T2，T1-T2=T，反應完畢，反應產物進入分離塔，設塔入口流量為F1、塔出口流量為F2，其中T1、T2、F1、F2均為可測參數。通過精餾，產出脫戊烷油，同時產出氫氣。脫戊烷油中芳烴含量作為一項重要指標，控制在≥70%，化驗室化驗頻次為一天。

圖1 工藝流程

從熱力學角度，此反應是吸熱反應，高溫和低壓對此類反應有利。同時，碳原子數越多，平衡中的芳烴產量越高。從動力學角度，此反應速度隨溫度升高而加快，不受氫分壓影響，也隨原子數的增多而加快。在選擇的操作條件下，反應是非常快的幾乎完全反應，它是由催化劑金屬功能促進，其反應促進辛烷值增加。

根據反應原理，遵循能量守恒原則，制定反應平衡公式。按照分子摩爾數計量，設：氫油比K（摩爾比），1摩爾烷烴反應生成芳烴吸收的反應熱為Q1，參與反應的油品比熱為Q2（1摩爾參與反應的油品每升高1℃需要吸收的熱量），氫氣的摩爾比熱為Q3，油品進料的總摩爾數為N，反應生成芳烴的摩爾數為M，反應過程的溫降為T=T2-T1。

則：反應熱總量為：Q1×M

根據上述化學方程式，一摩爾烷烴反應生成的芳烴產出的氫氣量（摩爾數）為：4×M，所以所以反應后氫氣總量為：

K×N+4×M

反應前后由溫降產生的熱量變化可近似為：

根據能量守恒：反應熱=反應前后熱焓的變化，可得到如下等式：

由于反應前后油品的摩爾數不變，設反應后芳烴占總油品的摩爾比為：Y1=M/N

因此，等式（1）可簡化為：

由于分餾塔的作用是去除輕組分，所以，可認為芳烴基本全部保留在塔底，根據物料平衡，可近似認為所有生成的芳烴全部保留在塔底抽出物里，則有：Y1×F1=Y×F2

進而得到：Y1=Y×F2/F1（Y為最終產品中的芳烴含量）

代入等式（3），可得：

其中進料流量F1、塔底出料流量F2、反應總溫降T、氫油比K都是可測變量，芳烴含量Y為化驗數據，利用收集整理的數據，根據等式（5）進行線性回歸，或者根據等式（4）進行非線性回歸，都可求得系數A、B、C。再代入等式（4）即可得到最終的關系方程：Y=f（K，T，F1，F2）

5 效果對比

圖為2、圖3為3個月的數據對比，可以很明顯地看出，軟儀表的預測精度得到大幅度提高，變化趨勢與實際化驗值非常吻合，軟儀表預測值與化驗值差值的標準偏差由2.15降低到0.95，下降約60%。

圖2 原軟儀表與化驗值曲線對比

圖3 新軟儀表與化驗值對比

6 作用與意義

這種方法屬于灰箱建模。從原理出發(fā)，利用工藝原理及化學反應機理，計算出大致的數學模型，通過數學轉換建立軟測量與可測值之間的線性關系式，將數據回歸與機理建模有機結合，能夠較為準確地找到變量之間的實際關系。同時利用回歸進行合理地簡化，可有效降低模型的復雜程度。與傳統(tǒng)意義的軟測量建模方式相比，此方法在實際應用中預測更準確，抗擾動性更強。