（化学工程与技术专业论文）催化裂化主分馏塔模拟、优化与质量控制.pdf

p r o c e s ss i m u l a t i o n ，o p t i m i z a t i o n ，a n dp r o p e r t yc o n t r o l o ff c c um a i nf r a c t i o n a t o r at h e s i ss u b m i t t e df o rt h ed e g r e eo fm a s t e r c a n d i d a t e ：w a n gr u i s u p e r v i s o r ：p r o f l iq i n g s o n ga n d z h a oh u i c o l l e g eo fc h e m i s t r y c h e m i c a le n g i n e e r i n g c h i n au n i v e r s i t yo fp e t r o l e u m ( e a s tc h i n a ) 关于学位论文的独创性声明 本人郑重声明：所呈交的论文是本人在指导教师指导下独立进行研究工作所取得的 成果，论文中有关资料和数据是实事求是的。尽我所知，除文中已经加以标注和致谢外， 本论文不包含其他人已经发表或撰写的研究成果，也不包含本人或他人为获得中国石油 大学( 华东) 或其它教育机构的学位或学历证书而使用过的材料。与我一同工作的同志 对研究所做的任何贡献均己在论文中作出了明确的说明。 若有不实之处，本人愿意承担相关法律责任。 学位论文作者签名：丝塾日期：2 口ff 年莎月歹日 学位论文使用授权书 本人完全同意中国石油大学( 华东) 有权使用本学位论文( 包括但不限于其印刷版 和电子版) ，使用方式包括但不限于：保留学位论文，按规定向国家有关部门( 机构) 送交学位论文，以学术交流为目的赠送和交换学位论文，允许学位论文被查阅、借阅和 复印，将学位论文的全部或部分内容编入有关数据库进行检索，采用影印、缩印或其他 复制手段保存学位论文。 保密学位论文在解密后的使用授权同上。 。 学位论文作者签名：选 ，指导教师签名：习坌送一 同期：少f 年乡月7 日 日期：7ff 年 多月7 日 摘要 催化裂化是我国炼油厂最重要的二次加工工艺，承担着我国大部分汽油和柴油等轻 质油品的供应。本文根据炼厂催化裂化主分馏塔多产汽油的目标，利用流程模拟软件 a s p e np l u s 建立主分馏塔的机理模型，对主分馏塔进行了模拟。根据模拟结果，分析了 主分馏塔的操作参数对汽油产量的影响，并利用模拟所得的塔内气液相负荷和物性数据 对主分馏塔塔板进行了水力学校核。 粗汽油干点是主分馏塔塔顶产品的一个重要的控制指标，因此控制粗汽油干点是保 证汽油产品合格的主要手段。目前粗汽油干点通常采用时隔4 小时或8 小时的离线采样 分析方法，时滞性较大；少量炼厂采用在线分析仪表测量，但在线仪表测量设备投资大 且难以维护，而且也存在十几分钟的时滞，难以提供实时质量信息作为质量控制的反馈 信号。软测量技术的出现有效地缓解了这一难题，但是目前针对粗汽油干点的软测量模 型多数都是用经验建模的方法建立的黑箱模型，解释性以及通用性较差。为了探究这一 问题的解决方案，本文通过对粗汽油虚拟组分的分析，将粗汽油干点附近关键虚拟组分 含量和汽柴油交叉组分分别与粗汽油干点进行关联，建立了两种粗汽油干点的机理模 型，结果证明两种模型与现场化验值吻合较好。利用所得的两种粗汽油干点模型，分别 将关键虚拟组分和汽柴油交叉组分作为b p 神经网络的输出，建立了b p 神经网络粗汽 油干点混合模型，并根据模拟结果与单纯的b p 神经网络经验建模的结果进行了对比， 证明混合模型较经验建模效果有所改进。 关键词：催化裂化主分馏塔，流程模拟，虚拟组分，软测量 p r o c e s ss i m u l a t i o n ，o p t i m i z a t i o n ，a n dp r o p e r t yc o n t r o l o ff c c um a i nf r a c t i o n a t o r w a n gr u i ( c h e m i c a le n g i n e e r i n ga n dt e c h n o l o g y ) d i r e c t e db yp r o f e s s o rl iq i n g s o n ga n dz h a oh u i a b s t r a c t i nc h i n a ，f l u i d c a t a l y t i cc r a c k i n gu n i t ( f c c u ) w h i c hi s t h em o s ti m p o r t a n t s e c o n d a r yp r o c e s si nr e f i n e r i e si st h em a j o rs u p p l yo ff u e l ss u c ha sg a s o l i n ea n dd i e s e l w i t ht h eg o a lo fp r o d u c i n gm o r eg a s o l i n e ，am e c h a n i c a lm o d e lo ff c cm a i nf r a c t i o n a t o r i se s t a b l i s h e dt os i m u l a t et h ef r a c t i o n a t o rw i t ht h eh e l po fa s p e np l u s a c c o r d i n gt ot h e s i m u l a t i o nr e s u l t ，t h ei m p a c to fo p e r a t i n gc o n d i t i o n so nt h ey i e l do fg a s o l i n ei sc o n d u c t e d m e a n w h i l e ，ah y d r a u l i ca n a l y s i so ft h ec o l u m nt r a y si si m p l e m e n t e du s i n gt h ev a p o ra n d l i q u i df l o wp r o f i l e sa sw e l la st h ep h y s i c a lp r o p e r t i e sp r o v i d e db yt h es i m u l a t i o n g a s o l i n ee n d p l o i n ti sa ni m p o r t a n tc o n t r o lv a r i a b l eo ft h eo v e r h e a dp r o d u c t ，s o c o n t r o l l i n g t h eg a s o l i n ee n d p o i n ti sam a j o ra p p r o a c ht oa s s u r et h eq u a l i t yo ft h eg a s o l i n e n o w a d a y s ，t h e r ea r em a i n l yt w om e t h o d st om e a s u r eg a s o l i n ee n d p o i n t ：t h ef i r s tm e t h o d i sa n a l y z i n go f f - l i n ei ne v e r y4o r8h o u r s ，t h i sw i l lg e n e r a t el a r g et i m el a g s ；t h eo t h e ro n e i sa n a l y z i n go n - l i n ew i t ht h eh e l po fo n l i n ea n a l y z e r , b u tt h ee x p e n s i v ea n a l y z e ri sv e r y h a r dt om a i n t a i nw h i l ei ta l s og e n e r a t e sac o u p l eo fm i n u t e st i m el a g s t h u sn e i t h e ro f t h e s et w om e t h o d sc o u l dp r o v i d er e a l - t i m ei n f o r m a t i o nf o rt h eq u a l i t yc o n t r 0 1 t h ea d v e n t o fs o f ts e n s o re f f e c t i v e l ym i t i g a t et h et r o u b l er e f e r r e da b o v e h o w e v e r , t h es o f ts e n s o r so f g a s o l i n ee n d p o i n ta r ee s t a b l i s h e dm a i n l yu s i n gt h ee m p i r i c a lm e t h o dw h i c h a r ed i f f i c u l t t oc o r r e l a t ew i t hm e c h a n i s m sa n dd i f f i c u l tt oa d a p tt h ea b r u p tc h a n g eo ft h eo p e r a t i n g c o n d i t i o n s i no r d e rt oe x p l o r eaf e a s i b l es o l u t i o n ，i nt h et h e s i s ，w i t ht h ea n a l y s i so ft h e p s e u d o - c o m p o n e n t so fg a s o l i n e ，t w o m e c h a n i c a lm o d e l so fg a s o l i n e e n d p o i n ta r e p r o p o s e d o n em o d e li st oc o r r e l a t ee n d p o i n t w i t hp s e u d o c o m p o n e n t sa b o u tt h ee n d p o i n t ， w h i l et h eo t h e ro n ei s t oc o r r e l a t e e n d p o i n t w i t h g a s o l i n e d i e s e lo v e r l a p p i n g 1 1 p s e u d o - c o m p o n e n t s i ti st e s t i f i e dt h a tb o t ho ft h em o d e l st a l l yw e l lw i t ht h ea s s a yd a t a i na d d i t i o n ，t w oh y b r i ds o f ts e n s o r sa r ee s t a b l i s h e dc o m b i n i n gb pn e u r a ln e t w o r kw i t h t h et w oe n d p o i n tm e c h a n i c a lm o d e l sr e s p e c t i v e l y c o m p a r e dw i t ht h er e s u l to fb pn e u r a l n e t w o r ke m p i r i cm o d e l ，t h eh y b r i dm o d e l sa c h i e v e sc e r t a i ni m p r o v e m e n t s k e y w o r d s ：f c c um a i nf r a c t i o n a t o r , p r o c e s ss i m u l a t i o n ，p s e u d o - c o m p o n e n t ，s o f t s e n s o r 1 1 1 目录 第一章前言1 第二章流程模拟及软测量技术概述二3 2 1 化工流程稳态模拟技术3 2 ：1 1 化工流程稳态模拟方法3 2 1 2 化工流程模拟软件6 2 2 软测量技术概述8 2 2 1 辅助变量的选择1 0 2 2 2 数据的采集和预处理1 0 2 2 3 软测量模型的建立方法1 l 2 2 4 软测量模型的校正1 4 2 3 本章小结1 5 第三章催化裂化主分馏塔模拟分析1 6 3 1 催化裂化分馏塔装置流程简述。1 6 3 2 反应油气合成模拟1 6 3 3 工艺流程模型_ 1 8 3 4 主分馏塔模拟及结果分析2 0 3 4 1 物料衡算2 0 3 4 2 主分馏塔操作条件2 2 3 4 3 工艺参数模拟分析2 2 3 4 4 产品质量分析2 3 3 5 操作参数优化结果分析2 5 3 6 主分馏塔水力学分析3 l 3 6 1 主分馏塔气液相负荷3 l 3 6 2 典型塔盘负荷性能图3 3 3 7 本章小结。3 7 第四章粗汽油干点模型研究3 9 4 1 石油产品的虚拟组分组成3 9 4 2 分馏塔机理建模干点模型4 0 4 3 基于虚拟组分的粗汽油干点模型4 3 4 3 1 基于关键虚拟组分的干点模型4 3 4 3 2 基于汽柴油交叉组分的干点模型4 6 4 4 本章小结4 8 第五章基于神经网络的粗汽油干点软测量模型研究4 9 5 1b p 神经网络：4 9 5 1 1b p 神经元模型5 0 5 1 2b p 神经网络结构5 0 5 1 3b p 网络的学习算法5 l 5 2 基于b p 神经网络的粗汽油干点模型5 3 5 2 1 经验建模5 3 5 2 2 基于关键虚拟组分的混合建模5 5 5 2 3 基于汽柴油交叉组分的混合建模5 6 5 3 模型比较：5 7 5 4 本章小结5 7 第六章结论与展望5 8 参考文献6 0 附录6 5 ， 致谢；7 0 中国石油大学( 华东) 硕 ：学位论文 第一章前言 随着我国市场经济的不断发展和完善，市场在经济活动中的调节作用日益显著。不 同地区对各类石油产品的需求量可能存在较大的差异，即油品的消费结构不同，石油化 工企业需要依据对市场消费结构的调研，着力优化生产方案来满足市场对不同油品的需 求。另一方面，随着我国环境保护法规的不断完善和改进，石油化工企业在原有的工艺 基础上又需要着力优化工艺的控制方案，从而满足r 益提高的油品质量要求。石油炼制 工艺流程结构复杂，各炼油装置由于产品与原料存在较强的关联性，因而既要考虑各个 炼油加工过程及各单元设备的局部优化设计和优化操作与控制，也应对整个炼油系统进 行优化设计和优化调度。高速发展的计算机模拟技术为石油炼制过程的最优设计和最优 操作与控制提供了强有力的技术支持。 针对油品消费结构的问题，石油炼制企业通过对市场的油品需求信息的搜集，确定 市场对油品的消费结构，从而在满足市场需求的基础上对当前的生产方案进行优化。目 前，通用流程模拟软件已经发展地较为成熟，完全可以胜任炼油工业分馏装置的模拟任 务。在流程模拟的基础上，分析操作参数与产品产量的变化趋势，即可以对现有的装置 操作条件进行有效地调节，从而达到调整产品产量分布，与市场消费结构的需求相吻合 的目标。 另一方面，油品进入市场前必须要达到一定的产品指标，例如汽油的干点，柴油的 凝点，航空煤油的冰点等。但是由于技术或经济上的原因，对此类工艺变量还难以或根 本无法通过合适的传感器进行检测。大部分石油化工企业的产品质量监测主要通过化验 室离线分析，即每隔4 小时或8 小时采样一次，时间滞后大，对指导生产操作并无太大 的实际意义。为了解决这一问题，目前工业上通常采用两种手段来解决这类过程参数的 控制问题。一种是间接的质量指标控制，如通过控制分馏塔塔顶的温度来间接控制塔顶 粗汽油的干点。目前我国大多炼厂都采用这种经验方法，但由于产品的质量指标与间接 质量指标往往并不是一一对应的，因而此类控制方法受操作工况影响较大，精度也不高。 另一种是采用在线分析仪表。但是在线分析仪表是- - f - i 综合性很强的工业技术，比常规 仪表复杂，设备投资大，维护保养复杂，同时仍然存在十几分钟的测量滞后，也不适宜 直接用于质量控制，而且现场应用依然存在许多问题需要解决。而软测量技术的发展为 缓解此类矛盾提供了强有力的支持。 在我国，催化裂化依然是最重要的二次加工工艺，承担着我国大部分汽油和柴油等 1 第一章前言 。 轻质油品的供应。催化裂化主分馏塔是连接上游反应再生系统和下游吸收稳定系统的枢 纽，来自反应再生系统的过热反应油气在主分馏塔内进行分离，各种轻质油品的分离精 确度完全依赖于主分馏塔的操作状况，主分馏塔分馏得到的各轻质油品的产量决定了下 游吸收稳定系统的负荷，另外主分馏塔的各段取热循环为吸收稳定系统及其他装置提供 热源，因而主分馏塔的稳定操作对整个催化裂化装置的平稳生产起着重要的作用，在反 应再生系统进料及反应深度稳定的情况下，主分馏塔就成为了调节各轻质油品侧线产量 的核心装置。根据市场获得的信息，在装置稳定操作的前提下，优化主分馏塔的操作参 数可以最大化地生产市场所急需的轻质油品，而流程模拟技术有效地提高了优化操作参 数的工作效率。另一方面，为了保证主分馏塔生产的轻质油品质量合格，单纯地依靠传 统的分馏塔控制方案已经不能再适应现代生产过程的“卡边”控制思想，需要对产品质 量进行直接地、快速地测量以随时获得反馈信息对生产操作进行实时优化控制。 本文将利用流程模拟技术对现有的催化裂化主分馏塔进行操作参数的优化以达到 装置最大化生产汽油的目标，并对塔顶粗汽油干点的软测量的机理模型进行研究。 2 中国石油大学( 华东) 硕士学位论文 第二章流程模拟及软测量技术概述 2 1 化工流程稳态模拟技术 化工过程系统稳态模拟的目的是通过对某一化工系统建立数学模型，利用数学模型 的求解，研究这一化工系统的整体稳定特性，即通过稳态过程模拟，分析系统中各单元 输入输出物流，设备结构参数和操作参数间的关系，及对系统整体特性的影响。无论是 过程系统的分析和优化，还是过程系统的综合，都是以流程模拟为基础的【1 1 。 2 1 1 化工流程稳态模拟方法 描述过程系统的数学模型一般包括：描述系统各单元工况的模型方程，表达各单元 间关系的流程结构的方程。化工系统的数学模型通常是一个大型的非线性方程组，原则 上可以运用数学上关于大型非线性方程组的通用算法求解。但由于化工系统的多变量、 严重非线性、复杂性和特殊性，照搬通用算法一般并不有效。化学工程师在大量的计算 实践中摸索了一套行之有效的解决方案，开发出适合化工系统特点的算法，其解算方法 可归纳为三类：序贯模块法( s e q u e n t i a lm o d u l a rm e t h o d ) 、联立方程法( e q u a t i o no r i e n t e d m e t h o d ) 和联立模块法( s i m u l t a n e o u sm o d u l a rm e t h o d ) 引。 序贯模块法是按照过程系统的结构，对组合起来的各种单元模块序贯模拟计算的一 类方法，其中单元模块就是一些用以描述单元操作、物性及系统其他功能的子程序，这 些单元模块对同一类设备具有通用性。在流程模拟中，为实现各个单元问的序贯求解， 模型必须包括流股联结方程，即描述系统中各单元之间联结情况的方程。流股联结方程 将一个单元模块的输出物流变量规定为由流程拓扑结构所要求的另一个单元模块的输 入物流变量，从而达到系统内各单元间的联结和传递信息的目的。利用序贯模块法，序 贯计算各个单元操作模块，与实际过程的直观联系强，也易于计算出错时的诊断和纠正。 由于单元模块具有很强的继承性且扩充方便，因此序贯模块法称为开发最早、应用最广 的过程系统模拟方法。但是由于描述过程单元的模块内的计算是在已知单元的输入物流 和相关参数下，计算得到其输出物流，因而其信息的流动是单向，遇有循环物流、设计 或优化问题时，必须利用迭代进行模拟计算，导致序贯模块法计算效率较低。 3 第二章流程模拟与软测量技术概述 图2 - 1 序贯模块法的迭代循环圈0 4 i f i 9 2 - 1s e q u e n t i a lm o d u l a rm e t h o di t e r a t i v el o o p 联立方程法又称为面向方程法，其基本思想是对系统的全部模型方程进行联立求 解。化工系统的数学模型方程组可以表示为： f ( x ，) = 0( 2 1 ) 式中：x 为状态变量；w 为设计变量；f 为系统模型方程组。 模型方程组包括： 物性方程：计算混合物流在各种状态下的物性； 单元模型方程：描述单元过程，包括物料平衡、能量平衡、反应动力学、传 递方程等； 过程单元间的联结方程：描述过程系统结构的拓扑关系； 设计规定方程。 相对序贯模块法的单向计算，联立方程法可以灵活确定输入、输出变量，不需迭代 计算，所有方程统一进行求解。因此联立方程法计算效率较高。但是，对于化工系统而 言，模型方程组的维数通常是很大的，方程数和变量数都很多，而在每一个方程中出现 的变量以及每个变量在方程中出现的次数却很少，及该方程组的系数矩阵或偏导数矩阵 式一个稀疏矩阵，因而如何求解大型方程组，如何克服求解对初值要求苛刻的问题以及 如何将计算错误与实际过程相联系成为这一方法的难点，并且迄今所开发和积累下来的 各种化工单元操作模块不像在序贯模块法中那样到方便应用。随着计算机软、硬件技术 的突飞猛进，似乎联立方程法的弱点能够逐步得到克服，而其设计计算或优化计算与基 本流程模拟计算同时收敛的优势将逐步发挥出来。但遗憾的是联立方程法在目前条件下 4 中国石油大学( 华东) 硕一 ：学位论文 r ( 7 黧囊誊茎 、1 f l 差毳彗茎 夕) 、 i 7 、：7 。 5 第二章流程模拟与软测量技术概述 图2 - 3 联立模块法思路嘲 f i 9 2 - 3 s i m u l t a n e o u sm o d u l a rm e t h o dc a l c u l a t i o ns e q u e n c e ，锍磊磊；浠、 f i 9 2 - 4 s i m u l t a n e o u sm o d u l a rm e t h o di t e r a t i v el o o p 五十年代末，随着电子计算机的发展，工业界出现了各种类型的过程系统模拟软件， 但其求解方法皆是基于以上三类方法。三种稳态模拟方法的对比见表2 - i 。 2 1 2 化工流程模拟软件 流程模拟与优化软件是一种计算机程序系统，它能接受由用户提供的有关化工生产 流程的信息，进行对化工过程开发、装置设计和操作有用的分析计算。 6 中国石油大学( 华东) 硕e 学位论文 优点 与工程师直观经验一 致，便于学习使用；易 于通用化，已积累丰富 的单元模块；需要计算 机内存较小；有错误易 于诊断检查。 解算快；模拟型计算与 设计型计算一样；适合 最优化计算，效率高； 便于与动态模拟联合实 现。 可利用前人开发单元操 作模块；可避免序贯模 块法中循环流迭代；较 易实现通用。 再循环引起的收敛迭代要给定较好的初值，否将严格模型做成简化模 很费机时；进行设计型则可能得不到解；计算型时，需要花费机时； 计算时，很费机时；不失败后诊断错误所在困用简化模型来寻求优化 缺点 宜用于最优化计算。难；形成通用化程序有时，其解与严格模型优 困难，使用不便；难以化解是否一致，有争论。 继承已有的单元操作模 块。 目前在石油化工工业中应用较为广泛的流程模拟软件是a s p e np l u s 、p r ol i 以及 h y s y s ，其共同特点【6 l 是：系统是开放式结构，可以随意组合单元，模拟自己的工艺过 程，组分数、塔板数、物流数、循环数均无限制；物性数据丰富，应用领域广泛；输入、 输出采用窗口技术和图形技术，使用方便。 f 1 1 a s p e np l u s l ，j a s p e nt e c h n o l o g y 是目前在国际上居于领先地位的、最大的化工软件开发公司。其 核心产品是流程模拟软件a s p e np l u s ，主要应用于精馏、吸收、萃取精馏和共沸精馏的 严格法模拟【8 。1 ，如炼厂的预闪蒸塔、常减压装置、催化裂化主分馏塔和延迟焦化分馏 塔：各种反应过程，如化学计量反应器、基于g i b b s 自由能最小化的平衡反应器、基于 反应动力学的连续搅拌釜式反应器、平推流反应器和分批反应器；固相处理；严格的设 备尺寸和性能计算。 a s p e np l u s 拥有适用于非理想物系、原油和调和馏分、水相和非水相电解质溶液、 7 第- 二章流程模拟与软测量技术概述 聚合物系统的多种热力学模型以及强大的物性数据库：超过5 0 0 0 个纯组分数据，约 4 0 0 0 0 个二元对参数可用于5 0 0 0 个二元混合物，1 0 0 0 多个水相离子反应的反应常数， 与世界上最大的热力学实验物性库d e t h e r m 有接口，可以自己建立专用物性库； 2 p r oi i t i p r oi i 是s i m s c i 公司开发的流程模拟软件，主要用于流程的稳态模拟、物性计算、 设备设计、费用估算、经济评价、环保评测以及其他工程计算。现已广泛用于油气加工、 炼油、化学、化工、聚合物、精细化工及制药等行业1 1 2 彤】。 p r oi i 拥有强大的热力学物性计算系统完善的物性数据库：2 0 0 0 多个纯组分、1 9 0 0 多个电解质、3 0 0 多个二元气液平衡二元对参数、3 0 0 多个液液平衡二元对参数、2 2 0 0 个共沸物数据。 3 h y s y s t t l h y s y s 是加拿大的专业化工软件生产公司h y p r o t e c h 公司的流程模拟软件其前身 是h y s i m 流程模拟软件，以短小、易用和功能强大而著称，该软件分动态和稳态两大 部分，主要用于油田地面工程建设设计和石油石化炼油工程设计计算分析【体1 5 】。动态模 拟过程中，可以随时调整温度、压力等各种工艺变量，观察它们对产品的影响以及变化 规律，还可以随时停下来，转回静态。由于动态和静态是相同对象的共享，所以动静之 间的转换非常容易。 2 2 软测量技术概述 对工业过程进行精确控制是以获得产品各项质量指标测量值为前提的，但是在工业 生产过程中总有一些重要的变量是不能利用传感器进行实时检测的变量，比如石油产品 分馏塔粗汽油的干点，柴油的凝点、航空煤油的冰点等变量，目前还没有可用的实时硬 件传感器。以分馏塔顶粗汽油干点为例，通常采用时隔4 小时或8 小时的离线采样分析 方法，时滞性较大；少量炼厂采用在线分析仪表测量，但在线仪表测量设备投资大且难 以维护，而且也存在十几分钟的时滞，难以提供实时质量信息。因此，以上两种方法都 难以实现分馏塔粗汽油干点的实时检测。在此背景下，软测量( s o f ts e n s o r ) 技术应运而 生。 7 2 0 世纪7 0 年代末，推断控制的概念在j o s e p h 和b r o s i l o w 1 6 l 发表的文章中首先被提 出：在大量的工业数据中选取过程中可以利用实际测量仪表可测量的操作参数作为辅助 变量( s e c o n d a r yv a r i a b l e ) ，通过构造推断估计器的方式对扰动和测量噪声对过程主导变 8 中国石油大学( 华东) 硕。卜学位论文 量( p r i m a r yv a r i a b l e ) 的影响进行估计并对过程进行控制。“估计器”和“控制器 的设计 是推断控制的核心思想，而软测量技术正是推断控制中的“估计器”思想的具体实现方 式。相对于工业装置上的硬件测量仪表及传感器，这种以软件的形式的存在的“估计器 被称为“软仪表 。软仪表主要有以下优点【1 7 】： 相比较高昂的在线分析仪，软仪表造价低廉，而且可以实现更多变量的在线 测量： 可以与传感器同时并行使用来检测失真的数据，从而使生产过程更稳定； 可以方便的与传感器进行对接，并随着系统操作参数的变化而进行在线校 正： 可以实时对产品质量进行分析，克服了时滞的问题，提高控制精度。 软测量模型是通过对过程控制对象的机理分析，在工业装置众多可以直接测量的变 量中选定一组与主导变量相关的变量作为辅助变量，根据一定的优化目标，将辅助变量 j 作为输入构造的数学模型，简单表示为如图2 5 所示。 i a j u r 过程对象 d n - 0- y 图2 5 软测量模型表示 f i 9 2 5 s c h e m a t i cd i a g r a mo fs o f ts e n s o r 图中：r 表示要获得的主导变量； d 表示可测的扰动信息； d 2 表示不可测干扰； u 表示过程的被控变量； 9 表示其他可测的输出变量。 软测量的目的就是获得如下的一种数学关系： y = 厂“，u ，口)( 2 2 ) 软测量技术通常由以下四个部分构成：辅助变量的选择、数据的采集和预处理、模 型的建立和模型的校正。 9 第二章流程模拟与软测量技术概述 2 2 1 辅助变量的选择 软测量模型的建立首先需要确定模型的输入集，即选择合适的辅助变量。辅助变量 的选择包括变量的类型、数目和检测点位置。这三个因素是相互关联的，并由过程特性 所决定，实际应用中经济性、维护性等额外因素也要考虑在内。 辅助变量的选择需要建立在在对工艺过程进行了充分的机理分析以及结合实际装 置的先验知识的基础上，并且应该符合灵敏性、工程实用性、特异性、准确性以及鲁棒 性的原则【1 羽。 在实际工艺过程中，对受控对象的机理研究并补充分，大都是灰箱系统，从而导致 在选择辅助变量时，很难取得全面的机理分析来准确地描述变量问的关系。因此，通常 由半机理半经验分析会得到的数量庞大的辅助变量集，在考虑了过多的影响因素的情况 下，就会使模型过于复杂，甚至导致模型再实际中难以应用。 目前，除了凭借先验知识选择辅助变量的方法，比较有效的方法是采用主元分析 ( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) 、部分最小二乘法( p a r t i a ll e a s ts q u a r e ，p l s ) 等统计 方法对数据进行相关性分析，将相关性小的辅助变量剔除，降低系统的维数【1 9 珈l 。但是 对于大型复杂的工艺过程中大量的可测变量，单纯地应用主元分析或部分最b - 乘法， 引入的繁杂的显著性检验和高维矩阵运算会由于增加大量的计算量而降低变量筛选速 度。 v j o s e p h 和b r o s i l o w l l 6 】等提出的采用迭代选择算法来选择辅助变量，每次迭代过程从 可测变量集中增加一个辅助变量，然后比较辅助变量集的性能的方法，在辅助变量的数 目很大时是极其耗费机时的。罗荣富等【2 1 】则认为应结合系统的自由度分析，先确定一组 最基本的辅助变量集，再根据工艺过程的实际情况对辅助变量集进行适当增加。近年来， 知识发现和数据挖掘技术的提出和不断完善，也为从海量数据中选择有用信息，发觉相 关性提供了新的手段【2 2 1 。 2 2 2 数据的采集和预处理 首先，由于现场的数据不但要用来建模而且还需要将一部分数据用来检验模型，因 此应该尽可能多地收集现场数据。其次应特别注意辅助变量测量纯滞后的影响，实际进 行建模的数据应是与软测量主导变量时间相对应的辅助变量的数据。再次为了使软测量 模型具有较宽的适用范围，辅助变量数据应尽可能保证覆盖面较宽。 数据的正确性和可靠性对软仪表的精确度起着重要的作用，因此必须对现场数据进 1 0 中国石油大学( 华东) 硕 ：学位论文 行数据变换和误差处理。 数据变换是指对数据的标度、转换和权函数三个方面的变换1 2 3 1 。工业过程中，不同 的变量在数值上可能会相差几个甚至十几个数量级，因而需要利用合适的因子对这些原 始变量进行标度的变换，这样可以有效地改善算法的稳定性和精度。工业过程往往是非 线性系统，为了有效地降低过程的非线性特性可以对数据进行转换( 如进行对数转换) 。 而权函数的变换可实现对变量动态特性的补偿。 数据误差是由于测量仪表的精度、可靠性以及测量环境等因素影响到现场数据，给 现场数据带来难以预测的误差。数据误差可分为随机误差和过失误差两类。随机误差如 微小扰动和测量信号的噪声一类符合一定统计规律但又不可避免的误差，常用滤波的方 法对其进行处理。过失误差出现的概率虽然较小，但会大大地影响软仪表的精度，甚 至会导致软仪表的失效，因此误差处理的首要任务是及时进行显著误差检测以侦破、剔 除和校正这些异常数据瞄】，其常用的方法有广义似然法【矧、贝叶斯法【2 7 1 和神经网络法1 2 8 1 等。 2 2 3 软测量模型的建立方法 建立由辅助变量向主导变量映射的数学模型是软测量技术的核心，建模方法主要有 ：靓 三种：机理建模、经验建模和混合建模。 1 机理建模 机理模型狭义地讲是指在建立模型时，需要对系统的各个组成部分及相互联系方式 进行研究，了解其各部分运行的物理化学规律，然后利用已知的、经过长期实践检验的 公理等建立的数学模型，模型主要是由代数方程组或微分方程组组成，其实质就是将过 程对象分解至已知公理可以解释的程度再进行相应的数学描述。在化工系统工程领域， 对于流程模拟任务而言，所称的机理模型一般应具有如下基本特征【3 】： 确定的组分，统一、可靠的基础物性数据； 质量衡算方程； 能量衡算方程； 严格的相平衡计算； 化学反应动力学或化学平衡计算； 传递与流动计算。 但是由于目前人类现有的科学技术对世界的认知是有限的，并非所有的现象都能穷 第二章流程模拟与软测量技术概述 尽其奥妙，而且现代科学对自然规律尤其是微观规律的数学描述往往过于复杂而远离工 程实用，因而完全依赖机理分析建立适于在线应用的软测量模型比较困难，通常结合机 理知识指导意义，选用其它建模方法建立软测量模型，单纯的机理建模应用很岁2 9 铷l 。 2 经验建模 经验建模是在对工业过程机理尚不清楚的情况下，直接从历史的主导变量和辅助变 量数据中提取有用的建模信息，构建主导变量与辅助变量之间的数学关系的黑箱模型的 建模方法。由于在建模过程中不需要对工业过程进行深入的机理了解，仅仅是将过程对 象看作为“黑箱”，因而经验建模方法是一种通用的软测量建模方法。目前在工业上应 用较为广泛的经验建模方法主要是人工神经网络和回归分析方法，此外其他的经验建模 的方法还有模糊建模f 3 1 。3 】以及支持向量机1 3 们6 l 等方法。 1 ) 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 人工神经网络是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现 某种功能的神经网络，是一种理论化人类大脑神经系统的抽象数学模型。人工神经网络 是由大量并行互联的人工神经元构成，网络的信号处理由神经元之间的相互作用来实 现。a n n 主要吸引力在于【3 7 l ： 能够以任意精度逼近任意非线性映射： 自适应能力强，包括自学习能力、自组织推断能力； 并行结构和并行处理能力； 分布式信息存储和处理结构，具有独特的容错性； 能够同时融合定量与定性数据； 所有定量和定性的信息都等势分布存储在个神经元中，对多输入多输出 ( m i m o ) 系统特别方便。 ， 基于以上特性，人工神经网络的软测量模型可在不具备对象的先验知识的条件下， 将辅助变量作为人工神经网络的输入，而主导变量则作为网络的输出，通过网络的学习 来建立对象的黑箱模型，用来模拟难于用机理模型建立的复杂工业过程，为解决复杂工 业系统过程参数的软测量问题提供了一条有效途径1 3 8 j 。目前应用比较广泛的神经网络主 要有b p ( b a c kp r o p a g a t i o n ) 肛- x j 络、r b f ( r a d i a lb a s i sf u n c t i o n ) 网络等。另外，由于神经网 络技术欠缺对经验知识以及基于规则的知识表达能力，而模糊技术能够模仿人类的推理 思维过程，描述具有不确定性和不精确性的知识，因此神经网络技术经常与模糊技术相 结合进行软测量模型的建立。f o r t u n a 等1 3 9 1 分别采用b p 神经网络、径向基函数神经网络 1 2 中国石油大学( 华东) 硕 ：学位论文 以及非线性最小二乘算法分布建立硫磺精馏塔的软测量模型，并对其性能进行了比较。 罗健旭和邵惠鹤【4 0 1 利用基于粗糙集的模糊神经网络技术，并通过遗传算法来优化神经 网络结构建立了催化裂化装置轻柴油凝点的软测量模型。王学武等【4 1 】利用粒子群算法优 化的b p 神经网络建立了催化裂化吸收稳定系统的再吸收塔塔顶干气c 3 组分含量的软 测量模型。d a m 和s a r a f 4 2 】利用遗传算法对神经网络模型的结构、隐层数、隐层节点数、 连接权值及激活函数进行了优化计算，并利用该算法对常压蒸馏装置侧线产品的性质进 行了在线测量，所得结果与化验值相比平均偏差约o 5 3 。 2 ) 回归分析( r e g r e s s i o na n a l y s i s ) 回归分析方法是一种经典的建模方法，根据部分已经深入了解的机理知识，运用统 计方法将收集到的大量易测变量数据中隐含的对象信息浓缩和提取，从而建立主导变量 和辅助变量之间的数学模型。应用较为广泛的主要有基于主元分析( p c a ) 的主元回归 ( p r i n c i p a lc o m p o n e n tr e g r e s s i o n ，p c r ) 和部分最d x - 乘法( p a r t i a ll e a s ts q u a r e ，p l s ) 等 1 4 3 1 。值得注意的是，基于回归分析的软测量方法要求大量的数据，因此虽然建模过程较 为简单，但对测量误差较为敏感。h i r o m a s a 等m 】将独立组分分析法( i n d e p e n d e n t c o m p o n e n ta n a l y s i s ，i c a ) 与p l s 建模方法结合，利用i c a 对模型的输入数据进行误差 识别与校正，在保证提高输入数据精度的情况下，提高了p l s 软测量模型的精度。f l y n n 等1 4 5 】利用p c r 和p l s 方法分别建立了发电站n o x 排放量的软测量模型。k o m u l a i n e n 等【拍】利用动态p l s 方法建立了加氢脱芳烃工艺过程的在线软测量模型。l o p e s 和 m e n e z e s l 4 7 1 利用p l s 方法建立了原油常压塔的软测量模型，并讨论了异常数据对模型稳 定性的影响。 3 混合建模 混合建模是将过程对象的机理模型和经验模型建模方法结合使用建立起的数学模 型，可以达到各种方法取长补短的效果。若过程对象有先验的物理知识可以利用，则尽 量利用，从而把经验的黑箱模型转化成灰箱模型。经验建模方法可对机理方法无法解释 的对象内部的复杂信息进行补充，而机理模型又可提高经验模型的推广能力。按照机理 模型和经验模型的结合方式一般分为并行和串行两种，结构如图2 - 6 ( a ) 并- f l ( b ) 所示。 z a h e d i 等【4 8 l 利用混合建模方法建立了二氧化碳加氢制甲醇反应器的软测量模型。该 模型由机理模型计算出反应器的出口温度，并将出口温度作为经验神经网络模型的输入 对出口摩尔浓度进行测量。 1 3 第二章流程模拟与软测量技术概述 7 ，7 机理方法进 经验建模万 法进行补偿 ( b ) 图2 - 6 混合建模结合方式