一种原油加工过程的性质估计方法与流程

本发明涉及一种原油加工过程的性质在线软测量方法，尤其涉及常减压侧线产品浅减一线油干点的在线估计方法。
背景技术：
：常减压蒸馏是原油加工过程的龙头装置，通过装置的实时优化，可以提高高价值产品收率，降低装置能耗，对炼厂经济效益的提升具有重要意义。在炼化企业的生产过程中，往往通过流程模拟软件对常减压装置进行流程模拟和操作参数优化。对于减压塔而言，由于其工艺较常压塔更为复杂，因此建立减压塔的机理模型尤为困难。在实际生产中发现，不准确的模型将导致侧线产品关键质量分析不准确，进而导致错误的优化结果。同时，复杂的机理模型还会导致优化收敛过慢，或者难以收敛。侧线干点是关键的质量指标。传统的侧线干点测量方法是人工采集样本，由化验室分析化验，数小时后再把结果反馈给生产装置，用来指导工艺人员操作。此方法由于时间上的滞后，所得到的侧线产品干点并不能很好地反映当时工况。因此，设计一种行之有效的能在线测量估计减压塔侧线干点的方法，具有十分重要的工业应用价值。技术实现要素：本发明提出一种原油加工过程浅减一线油干点的估计方法：首先利用流程模拟软件进行关于浅减一线油干点的灵敏度分析，根据分析结果选取辅助变量，然后对辅助变量进行主成分分析，确定模型的输入变量，最后基于输入变量和输出变量进行多元回归分析，确定软测量模型。具体包括以下步骤：1)利用流程模拟软件对常减压装置的工况进行模拟，对常减压装置的关键操作变量进行关于浅减一线油干点的灵敏度分析，根据分析结果，选取对浅减一线油干点具有显著影响的操作变量作为浅减一线油干点软测量模型的辅助变量；2)对步骤1)中辅助变量进行主成分分析，得到软测量模型的输入变量；3)采集辅助变量和浅减一线油干点的历史工况值，建立多元回归软测量模型；4)采集辅助变量的实际工况值，根据步骤4)中的软测量模型对当前工况下的浅减一线油干点值进行实时预测估计。优选的，利用流程模拟软件中的灵敏度分析模块对关键操作变量进行关于浅减一线油干点的灵敏度分析，关键操作变量包括初顶油流量、常压塔顶温度、常顶油流量、常一线流量、常二线流量、常三线流量、常顶循回流量、常一中回流量、浅减压炉出口温度、浅减压塔顶温度、浅减一线流量、浅减二线流量、浅减三线流量、浅减一中回流量、浅减二中回流量，以及浅减三中回流量。优选的，根据灵敏度分析的结果，选取影响因子不小于0.4的操作变量作为浅减一线油干点软测量模型的辅助变量。优选的，对辅助变量进行主成分分析的步骤为：1)获取各辅助变量的样本数据xkm并对其进行标准化处理；X＝(x1,x2,…,xm,…,xp)xm＝[x1m,x2m,…,xkm,…,xnm]T其中，X为辅助变量的样本数据组成的矩阵，m＝1,2,…,p，p为辅助变量的个数，k＝1,2,…,n，n为样本数据的个数，各辅助变量的样本数据xkm依据下式进行标准化处理：2)建立辅助变量X的相关系数矩阵R：R＝(rij)p×p3)计算相关系数矩阵R的特征根和相应的特征向量：其中，a1,a2,…,ap分别为特征根，λ1,λ2,…,λp对应的特征向量，且λ1≥λ2≥…≥λp＞0；4)计算贡献率ξl与累计贡献率ξ*：s＝1,2,…,p；5)选取累计贡献率ξ*达一定百分比时的前s个特征根所对应的主成分因子zi：zi＝a1i×x1+a2i×x2+…+asi×xs。优选的，选取累计贡献率达85％～95％的前s个特征根所对应的主成分。优选的，建立多元回归软测量模型的步骤为：1)选取辅助变量和输出变量的历史工况数据作为训练样本；2)建立多元回归方程：其中，为输出变量的预测值，z1,z2,…,zs为输入变量，即主成分因子zi；p0,p1,p2,…,ps为模型待定系数；3)求解上述模型待定系数p0,p1,p2,…,ps，根据包括相对误差、相关系数的因素综合考虑模型，若模型不满足实际要求，则调整自变量个数或训练样本的长度，返回步骤2)中；若模型满足实际要求则输出此时的预测模型。优选的，针对给定的输入变量与输出变量，求解模型待定系数，使得目标函数最小。优选的，回归计算采用Petro-SIM或MATLAB进行计算。有益效果：本发明提出一种原油加工过程的性质估计方法，通过建立浅减一线油干点的在线软测量模型，有效避免了减压塔复杂的机理分析过程；同时也解决了减压塔模型在优化过程中收敛过慢的问题。该方法求解方便，实际运行证明行之有效，具有良好的工业应用价值。附图说明图1为常减压装置流程示意图图2为浅减一线油干点在线软测量流程图具体实施案例下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。由图1可见，该企业常减压装置主要由初馏塔、常压塔、浅减压塔、深减压塔组成，构成一个初馏-常压-两段减压的四段气化流程。原油经罐区换热后进入电脱盐罐脱盐脱水，再次换热后进入初馏塔。初馏塔的产品为初顶油和初顶不凝气，初底油经常压炉加热后进入常压塔。常压塔共设三条侧线，侧线产品分别为航空煤油、轻柴油、重柴油。同时，常压塔共设一个顶回流和两个中段回流，各循环回流取走剩余热量以降低能耗。减压塔分为浅减压塔和深减压塔，两个减压塔内的塔板数各位原来一个减压塔的一半，从而减少塔内压降，提高气化段的真空度，提高减压拔出率。下面以浅减一线油干点为例，给出其测量估计方法的具体实施步骤，如图2所示。a)利用炼化企业通用的流程模拟软件Petro-SIM(或其它类似流程模拟软件)中的灵敏度分析模块，采集该企业过去半年内的历史工况数据，进行关于浅减一线油干点的灵敏度分析，其中各操作变量关于浅减一线油干点的影响因子如表1所示。表1灵敏度分析结果操作变量影响因子操作变量影响因子初顶油流量0.09浅减压炉出口温度0.00常压塔顶温度0.71浅减压塔顶温度0.29常顶油流量0.22浅减一线流量0.79常一线流量0.66浅减二线流量0.05常二线流量0.70浅减三线流量-0.01常三线流量0.73浅减一中回流量-0.40常顶循回流量0.01浅减二中回流量0.00常一中回流量0.01浅减三中回流量0.00根据表1，选择影响因子不小于0.4的操作变量作为辅助变量。因此，选择的辅助变量为常压塔顶温度、常一线流量、常二线流量、常三线流量、浅减一线流量，以及浅减一中回流量。b)为便于分析，选取最为典型的15组历史工况数据，如表2所示。表2辅助变量历史工况值将表2中的原始数据xkm进行标准化处理：c)基于步骤b)中标准化处理后的数据，建立辅助变量的相关系数矩阵R：计算相关系数矩阵的特征根和相应的特征向量，并计算贡献率ξl：经计算发现，第一主成分贡献率为78.2％，第二主成分贡献率为12.3％，第三主成分贡献率为1.8％，前三主成分累计贡献率已达92.3％，因此可以选取前三个新因子。其中，前三个因子的主成分系数矩阵为：根据前三个因子的主成分系数矩阵可得：z1＝0.4465x1+0.4433x2-0.4419x3-0.4394x4-0.1432x5+0.4419x6z2＝0.0339x1+0.0916x2+0.0225x3-0.1241x4+0.9830x5+0.0914x6z3＝0.2173x1-0.4422x2-0.5249x3+0.6040x4+0.0913x5+0.3294x6其中，xi(i＝1,…,6)分别为常压塔顶温度、常一线流量、常二线流量、常三线流量、浅减一线流量，以及浅减一中回流量。d)根据表2辅助变量的历史工况值，依据步骤c)中公式计算主成分因子，即软测量模型的自变量值，并采集每组工况条件下相应的浅减一线油干点值，如表3所示。表3软测量模型的自变量值和因变量值e)根据表3，建立多元回归软测量模型，回归计算可采用Petro-SIM或其它工具软件，如MATLAB，回归结果如表4所示。表4多元回归模型计算结果据此可得模型如下：f)采集多组工况下辅助变量的实际值，根据上述结果进行预测估计，并与各自对应的浅减一线油干点实际值进行比较，选取最近的3组数据如表5所示：表5多元回归模型预测值与实际值比较由表5可见，三组工况下浅减一线油干点的预测值和实际值的误差分别为-0.27℃、1.41℃、0.81℃，完全满足工程实际需要，所建立的软测量模型能够精确有效对浅减一线油干点值进行预测估计。该方法求解方便，能够有效避免减压塔复杂的机理分析过程，从而解决减压塔模型在优化过程中收敛过慢的问题，提高装置的运行性能。当前第1页1 2 3