楊 燁 張金龍 何靖怡 楊 玄 李 杰 鄧向軍

1. 中國石化江漢油田分公司江漢采油廠黃岡LNG經(jīng)理部, 湖北 黃岡 438011;2. 中國石油新疆油田公司, 新疆 克拉瑪依 834000

0 前言

LNG工廠是低溫工程與化學(xué)工程的結(jié)合體,既有傳統(tǒng)化工企業(yè)生產(chǎn)流程復(fù)雜、過程管控嚴(yán)格等特點(diǎn),又具備低溫工程領(lǐng)域?qū)υO(shè)備設(shè)施要求高,溫度控制精確等特點(diǎn)[1-3]。而低溫LNG的獲取需要在多重儀器儀表監(jiān)控輔助下運(yùn)用控制閥進(jìn)行自動(dòng)/半自動(dòng)調(diào)控,確保透平機(jī)械與換熱器的合理配合運(yùn)行。所以控制閥的穩(wěn)定性與故障率對(duì)LNG工廠的生產(chǎn)運(yùn)行有著直接影響。

控制閥是以壓縮空氣為動(dòng)力源,在一系列電信號(hào)傳輸情況下借助定位器、執(zhí)行器、電磁閥等相關(guān)元件,調(diào)控氣缸動(dòng)作幅度,完成相應(yīng)開關(guān)量或比例式調(diào)節(jié)[4-6]。在故障診斷與相應(yīng)統(tǒng)計(jì)分析研究方面,國外重點(diǎn)研究了控制閥故障產(chǎn)生機(jī)理,特別是在摩擦因素的檢測(cè)和量化摩擦研究方面取得了曲線擬合和不同控制輸出信號(hào)下的函數(shù)關(guān)系式,在本質(zhì)上為產(chǎn)品的升級(jí)改造提供了基礎(chǔ)[3]。國內(nèi)主要偏向于控制回路研究方面,例如運(yùn)用DAMADICS平臺(tái),進(jìn)行控制閥多類故障仿真模擬,為生產(chǎn)一線的儀器儀表故障檢測(cè)提供解決方案[7]。

灰色預(yù)測(cè)模型在實(shí)際運(yùn)用范疇有著“貧信息、小樣本”的通用性優(yōu)勢(shì),現(xiàn)已運(yùn)用于機(jī)械制造、交通運(yùn)輸與社會(huì)經(jīng)濟(jì)等方面[8-10]。本文基于我國當(dāng)前LNG產(chǎn)量最大的某工程為研究實(shí)例,縮小研究范圍,提高預(yù)測(cè)精度，以工藝流程中運(yùn)用最為廣泛的控制閥為研究對(duì)象,將歷年閥門維修頻次與部件更換返修類別視為不確定性灰色系統(tǒng),運(yùn)用均值GM(1,1)模型進(jìn)行數(shù)學(xué)分析,預(yù)測(cè)各部件損壞頻次,為備品備件的采購與庫存做科學(xué)指引。

1 工程簡介

某工程天然氣處理能力500×104m3/d，LNG產(chǎn)量為120×104t/a，生產(chǎn)操作彈性為50%～100%，工藝、設(shè)備全部國產(chǎn)化。所研LNG工廠工藝流程見圖1[11]。工廠儀表控制方面，全廠氣動(dòng)控制閥408臺(tái)，壓力變送器213臺(tái)，液位變送器167臺(tái)，溫度熱電阻229支，各類流量計(jì)120套，F(xiàn)GS安全附件(可燃?xì)怏w報(bào)警儀162臺(tái)、火焰探測(cè)器33臺(tái))。相關(guān)儀表控制閥需要穩(wěn)定而連續(xù)性工作，確保工藝系統(tǒng)連貫性運(yùn)行。任一環(huán)節(jié)出現(xiàn)問題都會(huì)對(duì)整體生產(chǎn)運(yùn)行造成不同程度的影響，甚至誘發(fā)聯(lián)鎖停機(jī)和安全事故。下節(jié)全景展示主工藝流程中控制閥故障對(duì)于生產(chǎn)運(yùn)行的影響[12]。

圖1 某LNG工廠主要工藝流程圖Fig.1 Main process flow chart of a LNG plant

2 問題描述

所研工廠共配備氣動(dòng)控制閥408臺(tái)，其中主流程工藝區(qū)聯(lián)鎖切斷SDV閥80臺(tái)，常規(guī)調(diào)節(jié)閥129臺(tái)。閥門所調(diào)介質(zhì)溫度分布在-165～300℃之間。相關(guān)閥門還存在氣液兩相流、溫度突變等情況影響?？刂崎y的常規(guī)檢查僅憑給定0%、30%、50%、70%、100%操作數(shù)據(jù)進(jìn)行開度比對(duì)不嚴(yán)謹(jǐn)。工廠自2013年12月竣工至今一直處于間歇生產(chǎn)狀態(tài)，因閥門故障而誘發(fā)的重大工藝事件和聯(lián)鎖停機(jī)事故見表1。

綜上所述,所研工廠歷年都發(fā)生過因控制閥故障而導(dǎo)致的突發(fā)工藝事件,嚴(yán)重影響工廠平穩(wěn)率與生產(chǎn)安全。其中個(gè)別故障無法在線解決,需要停產(chǎn)檢修,誘發(fā)工廠開停工物料消耗與工時(shí)損失,間接增加了員工超勞程度和生產(chǎn)運(yùn)行成本。下節(jié)運(yùn)用GM(1,1)模型進(jìn)行控制閥故障情況預(yù)判,指引停工檢修與備品備件的采購庫存[13-14]。

3 建模預(yù)測(cè)

GM(1,1)模型的基本原理為:將原始數(shù)據(jù)序列進(jìn)行累加,充分弱化隨機(jī)擾動(dòng)因素后,進(jìn)行新數(shù)據(jù)序列的指數(shù)增長規(guī)律表征。然后通過指數(shù)曲線進(jìn)行模擬并運(yùn)用最小二乘法進(jìn)行具體參數(shù)的求解[15-17]。在此選用通用性最強(qiáng)的均值GM(1,1)模型建模。

表1 閥門故障重大事件記錄表

X(1)={x(1)(1),x(1)(2),x(1)(3)…x(1)(n)}

(1)

2)生成新序列變化趨勢(shì)微分方程:

(2)

(3)

3)構(gòu)造數(shù)據(jù)矩陣:

(4)

(5)

4)均值求解預(yù)測(cè)模型:

(6)

(7)

(8)

控制閥故障情況數(shù)據(jù)見表2。根據(jù)上節(jié)問題描述,分別令2014-2018年控制閥故障率,各部件維修頻次為

表2 控制閥故障情況數(shù)據(jù)表

原始數(shù)據(jù)序列，預(yù)測(cè)2019-2021年未來時(shí)間發(fā)展下的相應(yīng)參數(shù)。在此以做全數(shù)據(jù)序列實(shí)例算法過程展示。

綜合故障率全數(shù)據(jù)運(yùn)算過程:

1)初始化建模原始序列:0.80,1.40,2.45,2.90,6.30。

2)原始序列的1-AGO生成:0.80,2.20,4.65,7.55,13.85。

3)1-AGO生成序列的緊鄰均值生成:1.50,3.42,6.10,10.70。

5)模擬值與模擬誤差見表3。

表3 綜合故障率模擬誤差表

通過表3進(jìn)一步計(jì)算可知平均模擬相對(duì)誤差為16.70%。結(jié)合圖2綜合分析可知,模型數(shù)據(jù)成明顯上升趨勢(shì),且模擬誤差相對(duì)較小,模型精度良好。進(jìn)一步根據(jù)式(6)均值求解預(yù)測(cè)模型得出未來2年控制閥綜合故障率分別為8.98%、15.08%。

圖2 綜合故障率數(shù)據(jù)序列變化趨勢(shì)圖Fig.2 Trend of comprehensive failure rate data series

電磁閥維修頻次全數(shù)據(jù)運(yùn)算過程:

1)初始化建模原始序列:3,6,6,15,18。

2)原始序列的1-AGO生成:3,9,15,30,48。

3)1-AGO生成序列的緊鄰均值生成:6,12,22.5,39。

5)模擬值與模擬誤差見表4。

表4 電磁閥維修頻次模擬誤差表

通過表4進(jìn)一步計(jì)算可知平均模擬相對(duì)誤差為16.39%。結(jié)合圖3綜合分析可知,模型數(shù)據(jù)呈明顯上升趨勢(shì),相對(duì)誤差較小,模型精度良好。進(jìn)一步根據(jù)式(6)均值求解預(yù)測(cè)模型得出未來2年電磁閥維修頻次分別為27.48、41.14。

圖3 電磁閥維修頻次數(shù)據(jù)序列變化趨勢(shì)圖Fig.3 Trend of solenoid valve maintenance frequency data series

定位器維修頻次全數(shù)據(jù)運(yùn)算過程:

1)初始化建模原始序列:2,3,4,6,9。

2)原始序列的1-AGO生成:2,5,9,15,24。

3)1-AGO生成序列的緊鄰均值生成:3,7,12,19.5。

5)模擬值與模擬誤差見表5。

表5 定位器維修頻次模擬誤差表

通過表5進(jìn)一步計(jì)算可知平均模擬相對(duì)誤差為3.67%。結(jié)合圖4綜合分析可知,模型數(shù)據(jù)吻合性極強(qiáng),呈明顯上升趨勢(shì),模型精度優(yōu)異。進(jìn)一步根據(jù)式(6)均值求解預(yù)測(cè)模型得出未來2年控制閥定位器維修頻次分別為12.63、18.48。

圖4 定位器維修頻次數(shù)據(jù)序列變化趨勢(shì)圖Fig.4 Trend of positioner maintenance frequency data series

過濾器維修頻次全數(shù)據(jù)運(yùn)算過程:

1)初始化建模原始序列:2,5,7,9,16。

2)原始序列的1-AGO生成:2,7,14,23,39。

3)1-AGO生成序列的緊鄰均值生成:4.50,10.50,18.50,31.00。

5)模擬值與模擬誤差見表6。

表6 過濾器維修頻次模擬誤差表

通過表6進(jìn)一步計(jì)算可知平均模擬相對(duì)誤差為9.85%。結(jié)合圖5綜合分析可知,模型數(shù)據(jù)吻合性強(qiáng),呈明顯上升趨勢(shì),模型精度優(yōu)良。進(jìn)一步根據(jù)式(6)均值求解預(yù)測(cè)模型得出未來2年控制閥過濾器維修頻次分別為22.05,33.27。

綜上所述,所研工廠因政策與市場(chǎng)影響,生產(chǎn)過程不連續(xù),生產(chǎn)負(fù)荷不飽滿,長期處于間歇性生產(chǎn)狀態(tài)[20]。而全年的多頻次開停工給儀器儀表壽命帶來一定損耗,加之零部件自然老化問題,控制閥故障率和各零部件維修頻次呈逐年上升趨勢(shì)。運(yùn)用GM(1,1)模型對(duì)相關(guān)數(shù)據(jù)進(jìn)行運(yùn)算,最終得出未來2年預(yù)測(cè)結(jié)果。

圖5 過濾器維修頻次數(shù)據(jù)序列變化趨勢(shì)圖Fig.5 Trend of filter maintenance frequency data series

4 驗(yàn)證與展望

根據(jù)2019年控制閥故障情況統(tǒng)計(jì),綜合對(duì)比GM(1,1)模型預(yù)測(cè)值，并在6月停工檢修期間做關(guān)鍵性閥門零部件拆解維護(hù)。通過表7控制閥故障情況對(duì)比表可以看出,模型預(yù)測(cè)值略大于現(xiàn)場(chǎng)實(shí)際值,誤差可接受,預(yù)測(cè)結(jié)果能指引現(xiàn)場(chǎng)生產(chǎn)運(yùn)行工作。通過圖6控制閥故障部件現(xiàn)場(chǎng)拆解可以看出,露天暴曬處控制閥零部件損壞情況較為嚴(yán)重,主要表現(xiàn)為線路老化和腐蝕受潮影響[21]。下步可進(jìn)行防潮、遮陰處理。

表7 控制閥故障情況對(duì)比表

依據(jù)本文GM(1,1)數(shù)學(xué)建模運(yùn)算分析過程和現(xiàn)場(chǎng)實(shí)際檢維修情況,做下步研究展望。

1)從數(shù)學(xué)建模與數(shù)據(jù)分析方面而言，GM(1,1)模型屬于預(yù)測(cè)類別的模型,是灰色系統(tǒng)理論原始經(jīng)典構(gòu)想下的核心模型。但該模型的運(yùn)算機(jī)理是將離散形式的原始數(shù)據(jù)通過白化方程運(yùn)算得到連續(xù)形式的結(jié)果,離散形式到白化形式的跳躍式運(yùn)算會(huì)導(dǎo)致最終預(yù)測(cè)結(jié)果的偏差和不穩(wěn)定[9]。所以進(jìn)行純指數(shù)序列的擬合運(yùn)算時(shí),未來的擾動(dòng)因素會(huì)使時(shí)間較遠(yuǎn)的結(jié)果產(chǎn)生誤差。在當(dāng)前儀表故障率預(yù)測(cè)運(yùn)用中只進(jìn)行GM(1,1)新陳代謝模型式的次年預(yù)測(cè),指引短期內(nèi)各部件備品備料的采購庫存較為可信。下步還需進(jìn)行模型的過程化運(yùn)算改進(jìn),運(yùn)用DGM模型或SDGM模型全面提升原始均值GM(1,1)模型的精確性。

a)電磁閥進(jìn)水腐蝕a)Water corrosion of solenoid valve

b)對(duì)更換電磁閥進(jìn)行密封處理b)Seal the new solenoid valve

c)定位器接線端子老化c)Aging of positioner terminal

d)過濾器老化堵塞d)Filter aging and clogging

2)從現(xiàn)場(chǎng)實(shí)踐與檢測(cè)方法方面而言,僅憑停工期間的閥門開度比對(duì)無法及時(shí)并全面地發(fā)現(xiàn)問題。且該種方法時(shí)效性有限,需要制定嚴(yán)謹(jǐn)而簡便的閥門檢測(cè)方案,并使相關(guān)數(shù)據(jù)適應(yīng)于GM(1,1)建模。在此提出一種基于執(zhí)行器可測(cè)量信號(hào)冗余分析方法構(gòu)想[10]。充分利用現(xiàn)場(chǎng)已知數(shù)據(jù),進(jìn)行執(zhí)行器可測(cè)量變量的函數(shù)關(guān)系構(gòu)造,并將相關(guān)數(shù)據(jù)帶入GM(1,1)模型,在全面檢測(cè)當(dāng)前執(zhí)行機(jī)構(gòu)故障的同時(shí)進(jìn)行零部件故障率判定式預(yù)測(cè)。

5 結(jié)論

1)信息化時(shí)代下,控制閥的監(jiān)測(cè)已經(jīng)實(shí)現(xiàn)了智能定位器通過HART協(xié)議、總線等方式采集閥門自身的信息,并通過相關(guān)電信號(hào)的計(jì)算提前預(yù)測(cè)閥門故障。但是相關(guān)系統(tǒng)的構(gòu)建需要一定成本,后期運(yùn)維費(fèi)用未知,性價(jià)比及其市場(chǎng)推廣性有限。所以充分運(yùn)用當(dāng)前數(shù)據(jù)進(jìn)行GM(1,1)建模輔助生產(chǎn)更為可行。

2)所研LNG工廠設(shè)備設(shè)施較新,但還是發(fā)生了因關(guān)鍵部位控制閥故障導(dǎo)致的聯(lián)鎖停機(jī),且在未來時(shí)間發(fā)展上呈上升趨勢(shì)。運(yùn)用均值GM(1,1)模型進(jìn)行2019年故障情況預(yù)測(cè)為控制閥備品備件的采購提供了工作指引,并指引了大修過程中對(duì)易損件的提前檢查更換。其中定位器維修頻次平均模擬相對(duì)誤差僅3.67%,模型數(shù)據(jù)吻合性極強(qiáng),模型精度優(yōu)異,極具推廣性。

3)GM(1,1)模型是基于累加生成和最小二乘法的指數(shù)擬合模型，具有“貧信息、小樣本”的通用性優(yōu)勢(shì),能在時(shí)間序列數(shù)據(jù)有限的前提下得到較高精度的預(yù)測(cè)結(jié)果。但隨著未來時(shí)間的發(fā)展,不確定因素越多,該模型的預(yù)測(cè)意義就越弱。所以在當(dāng)前儀表故障率預(yù)測(cè)運(yùn)用中只進(jìn)行新陳代謝模型式的次年預(yù)測(cè),指引短期內(nèi)各部件備品備料的采購庫存。當(dāng)前的控制閥常規(guī)檢查和生產(chǎn)運(yùn)行期間人為巡檢的外觀檢查不能保證控制閥故障的即時(shí)預(yù)警和相關(guān)零部件的損耗性評(píng)估。下步需充分運(yùn)用現(xiàn)場(chǎng)可測(cè)物理量參數(shù)進(jìn)行相關(guān)分析和數(shù)學(xué)建模,挖掘可用信息,指引控制閥故障判斷。