左春玲， 張正明， 曹萃文

(華東理工大學(xué) 化工過程先進(jìn)控制和優(yōu)化技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，上海 200237)

近年來，隨著煉油產(chǎn)品的升級和原油的重質(zhì)化、劣質(zhì)化，石油化工企業(yè)對氫氣資源的需求迅速增加，煉油企業(yè)催化重整裝置的副產(chǎn)氫氣已經(jīng)滿足不了生產(chǎn)需要，需采取增加制氫裝置、擴(kuò)大已有裝置制氫能力、從外界購買新氫、優(yōu)化氫氣網(wǎng)絡(luò)等多項(xiàng)措施來彌補(bǔ)不足。氫氣從產(chǎn)出到被下游裝置使用，如何合理地安排好產(chǎn)、耗平衡，直接涉及到煉油廠整體的平穩(wěn)生產(chǎn)和經(jīng)濟(jì)效益。

已有的對氫氣優(yōu)化利用的研究，主要為夾點(diǎn)分析法[1-3]和超結(jié)構(gòu)法[4-9]。夾點(diǎn)分析法是對現(xiàn)有裝置的氫氣純度、壓力、流量、雜質(zhì)含量等約束條件進(jìn)行分析[10]，主要以公用工程最小用量[2]或最小新氫供應(yīng)量[3]為目標(biāo)，通過繪制氫負(fù)荷流量圖等來確定夾點(diǎn)位置。該方法易于實(shí)際工程操作和執(zhí)行，方便確定網(wǎng)絡(luò)整體用氫目標(biāo)，但不適合進(jìn)行整個系統(tǒng)的動態(tài)經(jīng)濟(jì)效益指標(biāo)分析。

超結(jié)構(gòu)法[4]簡化了裝置，注重各裝置之間的關(guān)系，將產(chǎn)氫、耗氫裝置分別作為氫源、氫阱，建立了包括所有可能有連接關(guān)系的網(wǎng)絡(luò)超結(jié)構(gòu)。這種連接關(guān)系考慮實(shí)際生產(chǎn)過程中的各種約束條件，如：物料守恒、濃度守恒、壓力條件和設(shè)備配置等，用數(shù)學(xué)規(guī)劃法求解，滿足所有約束條件并使目標(biāo)函數(shù)最優(yōu)。在優(yōu)化煉油廠的氫氣網(wǎng)絡(luò)時，通常以靜態(tài)成本最小為目標(biāo)[8,10]，可以綜合考慮操作費(fèi)用和設(shè)備投資費(fèi)用。2012年，Liao等[8]提出了一種適用于氫氣網(wǎng)絡(luò)改造設(shè)計(jì)的方法，通過建立狀態(tài)空間超結(jié)構(gòu)模型獲得了更多的網(wǎng)絡(luò)結(jié)構(gòu)，權(quán)衡了各種靜態(tài)操作成本和投資成本。曹萃文等[9]發(fā)明了一種在超結(jié)構(gòu)法中混合夾點(diǎn)約束的煉油廠氫氣網(wǎng)絡(luò)優(yōu)化調(diào)度方法，其中的成本目標(biāo)仍然是靜態(tài)成本。康永波[11]提出以供氫成本和新制氫氣剩余量為目標(biāo)的氫氣網(wǎng)絡(luò)多目標(biāo)模型，在氫耗需求不確定環(huán)境下，建立魯棒優(yōu)化模型，利用遺傳算法求解，并與普通優(yōu)化比較，證明了在氫氣網(wǎng)絡(luò)優(yōu)化過程中充分考慮不確定參數(shù)變化的重要性。

氫氣網(wǎng)絡(luò)是復(fù)雜的非線性系統(tǒng)，對復(fù)雜系統(tǒng)進(jìn)行研究主要是建立系統(tǒng)的差分方程模型或者微分方程模型，根據(jù)數(shù)學(xué)模型的特點(diǎn)來探索系統(tǒng)的動力學(xué)機(jī)制。然而，在實(shí)際問題中，由于系統(tǒng)結(jié)構(gòu)復(fù)雜，參數(shù)隨時間變化，通常無法獲得完備的和確定性的信息，很難建立精確的解析模型。在此情況下，可以運(yùn)用數(shù)據(jù)驅(qū)動技術(shù)研究系統(tǒng)的動態(tài)行為。該技術(shù)對系統(tǒng)內(nèi)在的背景知識需求較少，對模型機(jī)理要求較少，為那些無法建立精確解析模型的實(shí)際系統(tǒng)提供了一條新的研究途徑。2004年，Jaeger提出了回聲狀態(tài)網(wǎng)絡(luò)(Echo state network，ESN)，并對混沌時間序列進(jìn)行預(yù)測，通過實(shí)驗(yàn)證明回聲狀態(tài)網(wǎng)絡(luò)的預(yù)測精度比之前報(bào)道的預(yù)測結(jié)果提高了2400倍[12]?；芈暊顟B(tài)網(wǎng)絡(luò)因?yàn)槠溆?xùn)練簡單和建模精度高等優(yōu)點(diǎn)，廣泛應(yīng)用于時間序列預(yù)測[12-13]、非線性系統(tǒng)識別[14]、圖像處理[15]、自然語言識別[16]、電力負(fù)荷預(yù)測[17]等領(lǐng)域，針對不同應(yīng)用領(lǐng)域?qū)芈暊顟B(tài)網(wǎng)絡(luò)的優(yōu)化改進(jìn)算法研究也越來越多。田中大等[18]將一種基于貝葉斯回歸的回聲狀態(tài)網(wǎng)絡(luò)應(yīng)用于小型水電站的短期電力預(yù)測，克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中存在的病態(tài)解降低模型泛化能力的缺陷。Deihimi等[19]提出一種多層的回聲狀態(tài)網(wǎng)絡(luò)結(jié)構(gòu)，用于預(yù)測特定時刻的電力負(fù)荷。模型可預(yù)測一天24 h每個整點(diǎn)時刻的電力負(fù)荷，使預(yù)測結(jié)果更加精準(zhǔn)且符合實(shí)際應(yīng)用的要求。王莉莉[20]針對污水處理過程的非線性、大時變等特點(diǎn)，提出一種基于回聲狀態(tài)網(wǎng)絡(luò)的多變量自適應(yīng)預(yù)測控制策略，實(shí)現(xiàn)了優(yōu)化控制。劉穎等[21]通過奇異值分解求取ESN儲備池到輸出層的權(quán)值對ESN進(jìn)行改進(jìn)，改進(jìn)后的ESN已應(yīng)用于高爐煤氣發(fā)生量的預(yù)測中。盛春陽等[22]提出一種基于濾波過程改進(jìn)回聲狀態(tài)網(wǎng)絡(luò)的時間序列預(yù)測方法，采用濾波過程來估計(jì)回聲狀態(tài)網(wǎng)絡(luò)儲備池神經(jīng)元的狀態(tài)和網(wǎng)絡(luò)輸出權(quán)值，能避免參數(shù)求解過程中常出現(xiàn)的異常解問題，有效預(yù)測冶金企業(yè)氧氣系統(tǒng)的氧氣流量。

筆者以某煉油廠實(shí)際焦化干氣水蒸氣制氫裝置產(chǎn)氫量的動態(tài)變化數(shù)據(jù)為基礎(chǔ)，通過“基于LabVIEW的氫氣網(wǎng)絡(luò)優(yōu)化調(diào)度軟件V 1.0”[23]計(jì)算得到的動態(tài)成本數(shù)據(jù)，詳細(xì)分析了某煉油廠氫氣網(wǎng)絡(luò)成本特點(diǎn)，首次提出采用預(yù)測精度較高的回聲狀態(tài)網(wǎng)絡(luò)對氫氣網(wǎng)絡(luò)動態(tài)成本進(jìn)行數(shù)據(jù)驅(qū)動建模及預(yù)測，然后根據(jù)預(yù)測出的成本在不同工況下最低供氫成本的優(yōu)化操作區(qū)域中的位置，對氫氣網(wǎng)絡(luò)的合理配置提供決策支持。

1 回聲狀態(tài)網(wǎng)絡(luò)

1.1 回聲狀態(tài)網(wǎng)絡(luò)模型

經(jīng)典的回聲狀態(tài)網(wǎng)絡(luò)是一種三層遞歸神經(jīng)結(jié)構(gòu)[13,19]，包括K個神經(jīng)元組成的輸入層、N個神經(jīng)元組成的隱含層(儲備池)和L個神經(jīng)元組成的輸出層，如圖1所示。隱含層又稱儲備池，含有成百上千個稀疏遞歸連接的神經(jīng)元，與遞歸神經(jīng)網(wǎng)絡(luò)中的隱含層對應(yīng)。

ESN狀態(tài)方程：

x(t)=f(Winu(t)+Wx(t-1)+Wbacky(t-1))

(1)

ESN輸出方程：

y(t)=fout(WoutX(t))

(2)

公式(1)和(2)中：x(t)∈RN×1、x(t-1)∈RN×1(R為實(shí)數(shù)集合)分別為t時刻、t-1時刻儲備池內(nèi)部狀態(tài)；u(t)∈RK×1是離散時刻t時的外部輸入；Win∈RN×K為輸入連接權(quán)值矩陣；W∈RN×N為儲備池內(nèi)部神經(jīng)元連接權(quán)值矩陣(一般保持[1%,5%]的稀疏連接)，Win和W均隨機(jī)初始化并且保持固定不變；Wback∈RN×L為輸出反饋矩陣(目的是將上一時刻網(wǎng)絡(luò)輸出反饋到當(dāng)前時刻狀態(tài)中；X(t)≡[x(t)T,u(t)T]T；Wout∈RL×(N+K)是輸出連接權(quán)值矩陣；y(t)∈RL×1、y(t-1)∈RL×1分別是離散時刻t、t-1時對應(yīng)的ESN輸出。f(·)表示儲備池神經(jīng)元激活函數(shù)，通常取非線性函數(shù)，如雙曲正切函數(shù)或sigmoid函數(shù)；fout(·)表示輸出層神經(jīng)元激活函數(shù)，通常取線性函數(shù)，對于高度非線性的對象，也可選用非線性函數(shù)。

圖1 標(biāo)準(zhǔn)ESN的結(jié)構(gòu)示意圖Fig.1 Structure of standard ESN

儲備池是回聲狀態(tài)網(wǎng)絡(luò)的核心結(jié)構(gòu)，其參數(shù)對回聲狀態(tài)網(wǎng)絡(luò)的性能好壞有很大的影響。根據(jù)不同時間序列的特點(diǎn)，設(shè)計(jì)適合的儲備池結(jié)構(gòu)是回聲狀態(tài)網(wǎng)絡(luò)建模的首要問題。儲備池主要參數(shù)[15,18]包括激活函數(shù)類型、儲備池的規(guī)模、內(nèi)部連接矩陣的譜半徑、稀疏度以及輸入變換系數(shù)。

1.2 回聲狀態(tài)網(wǎng)絡(luò)的訓(xùn)練與測試

首先根據(jù)實(shí)際樣本數(shù)據(jù)來確定回聲狀態(tài)網(wǎng)絡(luò)的規(guī)模和參數(shù)，再進(jìn)行網(wǎng)絡(luò)的訓(xùn)練和測試?；芈暊顟B(tài)網(wǎng)絡(luò)的訓(xùn)練過程就是根據(jù)給定的訓(xùn)練樣本u(t)、y(t)(t=1,2,…,r)確定系統(tǒng)中的輸出連接權(quán)矩陣Wout的過程。一般假定Wback=0。ESN的訓(xùn)練過程可以分為2個階段：采樣階段和權(quán)值計(jì)算階段。

1.2.1 采樣階段

采樣階段是首先任意選定網(wǎng)絡(luò)初始狀態(tài)，但是通常情況下令x(0)=0。訓(xùn)練樣本u(t)(t=1,2,…,m,…,r)經(jīng)過輸入連接權(quán)矩陣Win，y(t)經(jīng)過反饋連接權(quán)矩陣Wback分別被加入到儲備池。按照公式(1)狀態(tài)更新方程，依次完成系統(tǒng)狀態(tài)的計(jì)算。

為了計(jì)算輸出連接權(quán)值矩陣Wout，需要從某一時刻m開始收集儲備池狀態(tài)變量x(t)和輸入變量u(t)，并以向量[xT(t),uT(t)]=[x1(t),x2(t),…,xN(t),u1(t),u2(t),…,uK(t)](t=m,m+1,…,r)為行構(gòu)成矩陣H(M-m+1,N+K)，其中M是訓(xùn)練樣本的數(shù)量；同時相應(yīng)的目標(biāo)輸出y(t)也被收集，以yT(t)=[y1(t),y2(t),…,yL(t)](t=m,m+1,…,r)為行構(gòu)成矩陣Z(M-m+1,L)。

1.2.2 權(quán)值計(jì)算

(3)

(4)

Wout=((HTH)-1HTZ)T

(5)

2 基于回聲狀態(tài)網(wǎng)絡(luò)的氫氣網(wǎng)絡(luò)動態(tài)用氫成本預(yù)測

煉油企業(yè)各類產(chǎn)品的生產(chǎn)均隨市場需求和煉油廠實(shí)時工況的變化而變化，因此，對氫氣網(wǎng)絡(luò)因產(chǎn)氫量和耗氫量變化以及不同工況導(dǎo)致的氫源(產(chǎn)氫裝置)、氫阱(耗氫裝置)不同配置下的實(shí)時動態(tài)用氫成本進(jìn)行準(zhǔn)確的預(yù)測，能夠?qū)錃饩W(wǎng)絡(luò)的合理配置與優(yōu)化提供決策支持。ESN的儲備池神經(jīng)元連接方式復(fù)雜，能夠與其他神經(jīng)元隨機(jī)連接，也可以自連接，相比于BP、KNN等及其他遞歸神經(jīng)網(wǎng)絡(luò)，可以實(shí)現(xiàn)復(fù)雜系統(tǒng)的高精度建模。

2.1 數(shù)據(jù)來源及其處理

筆者對國內(nèi)某大型煉油廠生產(chǎn)過程進(jìn)行了調(diào)研，該煉油廠常規(guī)使用的供氫裝置有外購純氫(氫源1)、2套水蒸汽制氫裝置(氫源2)、2套乙烯裝置附產(chǎn)氫(氫源3)、3套重整裝置附產(chǎn)氫(氫源4)、2套裂解汽油加氫裝置附產(chǎn)氫(氫源5)、1套柴油加氫裝置附產(chǎn)氫(氫源6)、1套催化汽油脫硫裝置附產(chǎn)氫(氫源7)、1套高壓加氫裂化裝置附產(chǎn)氫(氫源8)、2套歧化裝置附產(chǎn)氫(氫源9)和2套異構(gòu)化裝置附產(chǎn)氫(氫源10)，其某月的氫源數(shù)據(jù)平均值見表1[11]。該煉油廠耗氫裝置有3套裂解汽油加氫裝置(氫阱1)，3套柴油加氫裝置(氫阱2)，1套催化汽油脫硫裝置(氫阱3)，1套中壓加氫裂化裝置(氫阱4)，1套高壓加氫裂化裝置(氫阱5)，1套航煤臨氫脫硫醇裝置和石腦油預(yù)加氫裝置(氫阱6)，1個滌綸部用氫(氫阱7)，1套渣油加氫裝置、塑料部用氫和硫磺裝置(氫阱8)，2套歧化裝置(氫阱9)，2套異構(gòu)化裝置(氫阱10)，其同月的氫阱數(shù)據(jù)平均值見表2[11]。(表1和表2中的數(shù)據(jù)，是排除地理位置因素，將相同氫氣純度的裝置歸為了同一個等級后的結(jié)果。)

表1 某煉油廠的氫源數(shù)據(jù)Table 1 Hydrogen sources data of the refinery

1) Normal state

筆者在“基于LabVIEW的氫氣網(wǎng)絡(luò)優(yōu)化調(diào)度軟件V 1.0”[23]中運(yùn)用了文獻(xiàn)[11]的超結(jié)構(gòu)線性規(guī)劃數(shù)學(xué)模型，列出如下：

(1)模型約束

式(6)為氫源流量約束，表明氫源j分配到所有氫阱k的氫氣流量不大于氫源j的供氣流量，且供應(yīng)流量必須不大于氫源j的最大設(shè)計(jì)供應(yīng)量。

(6)

表2 某煉油廠的氫阱數(shù)據(jù)Table 2 Hydrogen sinks data of the refinery

1) Normal state

(7)

式(8)為氫氣濃度約束。該式表明各氫源j流入氫阱k的氫氣純度必須不小于氫阱k的氫氣純度要求。

(8)

其中，ωj為氫源j的氫氣純度，%；ωk為氫阱k要求的氫氣純度，%。

(2)目標(biāo)函數(shù)：

超結(jié)構(gòu)模型的目標(biāo)函數(shù)可以設(shè)為多種形式，筆者為考察煉油廠氫氣網(wǎng)絡(luò)的動態(tài)用氫成本，列目標(biāo)函數(shù)如式(9)所示。

(9)

其中，TH2為單位時間H2網(wǎng)絡(luò)的耗氫總成本，CNY/h；cj為氫源j的H2價格，CNY/m3。

常規(guī)研究一般只針對表1和表2中的H2網(wǎng)絡(luò)各裝置產(chǎn)氫和耗氫數(shù)據(jù)，代入超結(jié)構(gòu)模型進(jìn)行求解后得到一個固定的網(wǎng)絡(luò)用氫成本或其他目標(biāo)，無法反映實(shí)際生產(chǎn)的動態(tài)環(huán)境對目標(biāo)的影響。為改善這種情況，筆者以該煉油廠焦化干氣水蒸氣制氫裝置(氫源2)為例，采集了裝置的實(shí)際產(chǎn)氫數(shù)據(jù)，并在Aspen HYSYS軟件中模擬該裝置的生產(chǎn)過程，在軟件的各項(xiàng)輸出數(shù)據(jù)與實(shí)際數(shù)據(jù)吻合后，擴(kuò)展主要操作參數(shù)變動值為各類不同工況下的極限值，得到4100組氫源2的產(chǎn)氫數(shù)據(jù)。圖2為對應(yīng)的不同壓縮機(jī)出口壓力和原料氣中水/碳摩爾比條件下的氫源2的產(chǎn)氫量。在筆者開發(fā)的應(yīng)用軟件[23]中，對每一組數(shù)據(jù)采用單純型算法求解氫氣網(wǎng)絡(luò)線性規(guī)劃模型得到全局最優(yōu)解，即得到在氫源2產(chǎn)氫量動態(tài)變化下的4100組成本和相應(yīng)的氫氣網(wǎng)絡(luò)配置結(jié)構(gòu)。最后將所有影響產(chǎn)氫量的參數(shù)配置數(shù)據(jù)、氫氣流量和純度數(shù)據(jù)、成本優(yōu)化結(jié)果都通過LabVIEW軟件自動存入MySQL數(shù)據(jù)庫中。圖3為通過不同壓縮機(jī)出口壓力和原料氣中水/碳摩爾比條件下的最小用氫成本。

圖2 不同壓縮機(jī)出口壓力和原料氣水/碳摩爾比條件下的氫源2產(chǎn)氫量Fig.2 Hydrogen production of hydrogen source 2 underdifferent compressor outlet pressure andfeedstock water/carbon molar ratios

2.2 氫氣網(wǎng)絡(luò)動態(tài)成本預(yù)測

由2.1節(jié)的數(shù)據(jù)處理過程可以看到，隨著氫源2的產(chǎn)氫量變化(實(shí)際上所有氫源、氫阱的產(chǎn)氫量和耗氫量及相關(guān)指標(biāo)均可能發(fā)生變化)，氫氣網(wǎng)絡(luò)的實(shí)時動態(tài)用氫成本并不容易實(shí)時在線得到，因此避開氫氣網(wǎng)絡(luò)中各裝置機(jī)理模型在Aspen HYSYS軟件中的復(fù)雜仿真過程，開展根據(jù)各臨氫裝置主要操作參數(shù)變化導(dǎo)致的氫氣網(wǎng)絡(luò)成本變化的數(shù)據(jù)驅(qū)動建模及實(shí)時預(yù)測，對提高煉油廠的操作優(yōu)化水平、降低氫氣使用成本具有很好的指導(dǎo)意義。

在焦化干氣水蒸氣制氫裝置(氫源2)的生產(chǎn)過程中，原料氣的流量、水/碳摩爾比、烯烴含量、硫含量、催化劑活性、反應(yīng)器溫度和壓力的改變都會影響氫氣產(chǎn)量，但在實(shí)際生產(chǎn)中，影響產(chǎn)氫量最大的常規(guī)操作參數(shù)為原料氣的水/碳摩爾比和壓縮機(jī)出口壓力數(shù)據(jù)(壓縮機(jī)位于第一級主反應(yīng)器入口處)。

圖3 最小用氫成本與水/碳摩爾比和壓縮機(jī)出口壓力的關(guān)系Fig.3 Relationship between minimum hydrogen cost,water/carbon molar ratio and compressor outlet pressure(b) is vertical view of (a)

下面以4100組氫氣網(wǎng)絡(luò)的動態(tài)用氫成本數(shù)據(jù)為例，說明訓(xùn)練回聲狀態(tài)網(wǎng)絡(luò)，從而預(yù)測氫氣網(wǎng)絡(luò)的最新動態(tài)用氫成本的過程。

焦化干氣水蒸氣制氫裝置的原料氣水/碳摩爾比和壓縮機(jī)出口壓力為回聲狀態(tài)網(wǎng)絡(luò)的二維輸入，所對應(yīng)的最小用氫成本作為目標(biāo)輸出。4100組數(shù)據(jù)分為兩部分，3000組為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集，1100組為網(wǎng)絡(luò)測試數(shù)據(jù)集?；芈暊顟B(tài)網(wǎng)絡(luò)的性能通過使用公式(10)的歸一化均方根誤差(Normalized root mean square error，e)來評估[12]。

(10)

儲備池內(nèi)部取1500個神經(jīng)元(根據(jù)多次改變儲備池內(nèi)部神經(jīng)元個數(shù)的實(shí)驗(yàn)結(jié)果比較，N=1500能有更好的預(yù)測效果)，稀疏連接為2%，隨機(jī)生成輸入連接矩陣Win和儲備池內(nèi)部連接矩陣W并保持不變，譜半徑是儲備池內(nèi)部連接權(quán)矩陣W的最大特征值的絕對值。運(yùn)用訓(xùn)練數(shù)據(jù)集和任意網(wǎng)絡(luò)的初始狀態(tài)(令x(0)=0)進(jìn)行儲備池狀態(tài)的更新計(jì)算，最后求解網(wǎng)絡(luò)輸出值，可以得到如圖4、圖5、圖6所示的結(jié)果。因儲備池內(nèi)部的神經(jīng)元個數(shù)較多，圖4顯示的是儲備池內(nèi)部任意選取的4個神經(jīng)元的前200個狀態(tài)變量值(x1(t),x2(t),x3(t),x4(t),t=1,2,…,200)，被收集在矩陣H中；不同的輸入變量在狀態(tài)更新方程(見公式(1))計(jì)算后產(chǎn)生不同的狀態(tài)變量x(t)。圖5為在某一次獨(dú)立運(yùn)行時3000組訓(xùn)練數(shù)據(jù)目標(biāo)期望值與回聲狀態(tài)網(wǎng)絡(luò)預(yù)測輸出值的對比圖。圖6為1100組測試數(shù)據(jù)目標(biāo)期望值與回聲狀態(tài)網(wǎng)絡(luò)預(yù)測輸出值的對比圖。由圖5和圖6可以看出，在假設(shè)其他條件都不變的情況下，回聲狀態(tài)網(wǎng)絡(luò)可以很好地根據(jù)壓縮機(jī)出口壓力和原料氣水/碳摩爾比來預(yù)測氫氣網(wǎng)絡(luò)的最小用氫成本。

圖4 選取的4個儲備池內(nèi)部神經(jīng)元的前200個狀態(tài)變量值Fig.4 The front 200 state variable values for neurons in the four selected reserve pools(a) X1(t); (b) X2(t); (c) X3(t); (d) X4(t)

表3為回聲狀態(tài)網(wǎng)絡(luò)在氫氣網(wǎng)絡(luò)動態(tài)成本預(yù)測中的性能指標(biāo)。性能評估指標(biāo)為歸一化均方根誤差、平均絕對誤差、相對誤差小于1%、1%～5%和大于5%的樣本比例，結(jié)果是獨(dú)立運(yùn)行50次計(jì)算得到的平均值。由表3可以看出，多于95%的數(shù)據(jù)可以達(dá)到預(yù)測相對誤差小于5%。這足以區(qū)分該條件下的最小用氫成本所在的范圍，并為最終能尋找到最優(yōu)氫氣網(wǎng)絡(luò)結(jié)構(gòu)和操作條件提供數(shù)據(jù)支撐。

3 基于氫氣網(wǎng)絡(luò)動態(tài)用氫成本預(yù)測值的區(qū)塊操作優(yōu)化

3.1 區(qū)塊劃分分析

為將第2.2節(jié)中預(yù)測出的實(shí)時網(wǎng)絡(luò)用氫成本數(shù)據(jù)用于指導(dǎo)運(yùn)行操作，筆者對氫源2的2個典型操作參數(shù)(原料氣的水/碳摩爾比和壓縮機(jī)出口壓力)變化時產(chǎn)生的4100組用氫成本數(shù)據(jù)進(jìn)行了分析。由圖3 可知，最小用氫成本與2個典型參數(shù)之間的關(guān)系是非線性的，可以以壓力2840 kPa為分界點(diǎn)將其劃分為12個區(qū)塊：圖7(a)顯示了壓力小于等于2840 kPa時最小供氫裝置成本與水/碳摩爾比和壓縮機(jī)出口壓力的關(guān)系(6個區(qū)塊)；圖7(b)顯示了壓力大于等于2840 kPa時最小供氫裝置成本與水/碳摩爾比和壓縮機(jī)出口壓力的關(guān)系(6個區(qū)塊)。

3.2 在區(qū)塊跳躍處的操作優(yōu)化分析

當(dāng)最小用氫成本出現(xiàn)區(qū)塊間跳躍時(如圖7所示不同顏色的區(qū)塊)，說明該最小用氫成本對應(yīng)的氫氣網(wǎng)絡(luò)中氫源、氫阱的氫氣流量分配發(fā)生了改變。隨機(jī)選取其中一個跳躍的相鄰部分，如圖7(a)圓圈圈出來紅色區(qū)域和綠色區(qū)域的兩點(diǎn)。紅色區(qū)域上的圓圈(壓力為2790 kPa、水/碳摩爾比為3.126)，此時各氫源分配到各氫阱之間的氫氣流量如表4所示，最小用氫成本為287851.70 CNY/h；綠色區(qū)域上的圓圈(壓力為2790 kPa、水/碳摩爾比為3.165)，此時各氫源分配到各氫阱之間的氫氣流量如表5所示，此時的最小用氫成本為255635.49 CNY/h。從表4和表5可以看出，由于水/碳摩爾比(即操作方式)的微小變化，導(dǎo)致氫氣網(wǎng)絡(luò)中氫源4、氫源5和氫源8對氫阱1、氫阱2、氫阱3和氫阱4的供氫網(wǎng)絡(luò)結(jié)構(gòu)和氫氣流量發(fā)生改變，以至于最小用氫成本減少32216.21 CNY/h。因此，當(dāng)?shù)?.2節(jié)中預(yù)測的最新網(wǎng)絡(luò)用氫成本數(shù)據(jù)處在區(qū)塊的邊界處時，對應(yīng)的操作參數(shù)應(yīng)向成本較小的下區(qū)塊對應(yīng)值處調(diào)整。

圖5 訓(xùn)練數(shù)據(jù)的期望輸出值和ESN輸出值Fig.5 Expected value and ESN output value of training data(a) All of the training data； (b) Part of the training data Teacher sequence; Predicted sequence

圖6 測試數(shù)據(jù)集的期望值和ESN輸出值Fig.6 Expected values and ESN output values of test data(a) All of the test data； (b) Part of the test data Teacher sequence; Predicted sequence

ItemeAverageabsoluteerrorRatio of relative error/%<1%1%-5%Train0.3013321.44867.926.7Prediction0.3123431.08267.126.9

3.3 在同一區(qū)塊上的操作優(yōu)化分析

由圖7可知，在一定的水/碳摩爾比和壓縮機(jī)出口壓力范圍內(nèi)(圖7(a)和圖7(b)中相同顏色區(qū)域，即同一區(qū)塊上)，氫氣網(wǎng)絡(luò)結(jié)構(gòu)不會發(fā)生頻繁的變動，體現(xiàn)了實(shí)際可操作性。即：如果第2.2節(jié)中預(yù)測的網(wǎng)絡(luò)最新用氫成本值在某一區(qū)塊中時，可以根據(jù)實(shí)際情況調(diào)節(jié)水/碳摩爾比或壓力到同一區(qū)塊的最小用氫成本時的條件。圖7中三角形標(biāo)出的點(diǎn)即為每個不同區(qū)塊的最小用氫成本值。如:當(dāng)實(shí)際需要水/碳摩爾比范圍在3.946～5.079、壓力范圍在2840～3270 kPa時(圖7(b)中最下方深藍(lán)色區(qū)域)，操作調(diào)節(jié)水/碳摩爾比為4.063和壓力為3010 kPa，則可以在不改變氫氣網(wǎng)絡(luò)結(jié)構(gòu)的前提下，獲得最小用氫成本為 248250.00 CNY/h。

表4 氫源-氫阱之間的氫氣流量分配(圖7(a)紅色區(qū)域的圓圈)Table 4 Flow distribution of hydrogen between hydrogen sources and sinks (Circle in the red region of Fig.7(a)) QH2/(m3·h-1)

The flow rate distributions of Hydrogen source 3, Hydrogen source 7, Hydrogen source 9, Hydrogen source 10 and Hydrogen sink7, Hydrogen sink 8, Hydrogen sink 9, Hydrogen sink10 are all 0, so they are not listed in the table.

圖7 最小用氫成本與水/碳摩爾比和壓縮機(jī)出口壓力的關(guān)系Fig.7 Relationship between the minimum hydrogen cost, the water/carbon molar ratio and compressor outlet pressure(a) p≤2840 kPa; (b) p≥2840 kPaTriangles mark the state, in which each block costs the least. Circles are examples of optimization operations.

QH2/(m3·h-1)

Same legend as in Table 4.

4 結(jié) 論

(1)在利用某煉油廠氫氣網(wǎng)絡(luò)實(shí)際數(shù)據(jù)和Aspen HYSYS流程模擬獲得的數(shù)據(jù)集合基礎(chǔ)上，分析了氫氣網(wǎng)絡(luò)最小用氫成本和相應(yīng)的氫氣網(wǎng)絡(luò)流量分配變化的情況。

(2)以該煉油廠氫氣網(wǎng)絡(luò)中水蒸汽制氫裝置的原料氣水/碳摩爾比和壓縮機(jī)出口壓力數(shù)據(jù)變化對最小用氫成本的影響為例，說明了運(yùn)用回聲狀態(tài)網(wǎng)絡(luò)對氫氣網(wǎng)絡(luò)最小用氫成本進(jìn)行預(yù)測的可操作性，超過95%預(yù)測結(jié)果的相對誤差小于5%。

(3)由于最低用氫成本與2個主要操作參數(shù)(原料氣的水/碳摩爾比和壓縮機(jī)出口壓力)之間存在非線性關(guān)系，對其進(jìn)行了區(qū)塊操作優(yōu)化劃分分析。結(jié)果表明：可以根據(jù)預(yù)測的最小用氫成本在不同區(qū)塊上的位置，在對應(yīng)實(shí)際生產(chǎn)條件范圍內(nèi)尋找到最低用氫成本時的最優(yōu)操作參數(shù)設(shè)置；也可以根據(jù)預(yù)測的最小用氫成本在同一區(qū)塊上的位置，在對應(yīng)實(shí)際生產(chǎn)條件范圍內(nèi)尋找到最低用氫成本時的最優(yōu)操作參數(shù)設(shè)置。