（检测技术与自动化装置专业论文）精馏过程航煤干点的软测量工程实现.pdf

大连理工大学硕士学位论文 摘要 在炼油企业中，不少重要的过程指标变量难以在线测量或者很难直接测量，如精馏 过程航空煤油的干点值是衡量操作质量的重要指标，通过现有测量手段不能得到干点的 实时测量值。针对这个问题，本文以大连石化公司精馏装置作为研究对象，利用软测量 技术对航煤干点进行了分析研究，根据工艺现场获取的测量数据，实现了常一线产品航 空煤油干点的在线估计，为操作优化和质量控制提供了依据和条件。 本文首先对原油精馏的工艺原理进行了分析研究，并同现场操作人员共同探讨，根 据实际操作运行状况，选取了1 3 个过程变量作为辅助变量，通过企业内部计算机平台和 d c s 获取了现场工艺数据，为在线估计提供了必备的条件。由于工程数据存在诸多误差， 本文利用数据校正技术对现场数据进行了校正处理，应用主元分析、r b f 神经网络、支 持向量机、最小二乘支持向量机等多种方法进行了分析研究，并进行了仿真试验。从分 析研究得知：主元分析能够有效地提取数据的特征信息，消除变量间的共线性；最小二 乘支持向量机用等式约束代替传统方法中的不等式约束，利用求解一组线性方程得出对 象模型参数，避免了传统支持向量机求解二次规划问题，使得模型学习时间大大缩短， 同时可以达到较高的精度。同r b f 网络和传统支持向量机回归方法相比，在相同样本条 件下，比r b f 网络具有较好的模型逼近性和泛化性能，比传统的支持向量机方法可节省 大量的计算时间。通过仿真结果对比本文采用主元分析( p c a ) 与最小二乘支持向量机 ( l ss v m ) 获得了较好的仿真结果。同时本文讨论了软钡0 量模型校正问题，并对模型进 行了校正处理，其结果比较令人满意，能够满足工业上的要求。本文工作的研究为精馏 过程航空煤油的质量参数实施先进控制打下了良好的基础。 关键词：软测量：主元分析；统计学习理论；最小二乘支持向量机 李莹：精馏过程航煤干点的软测量工程实现 d r y p o i n to f a v i a t i o nk e r o s e n es o f ts e n s i n g r e a l i z i n g i nt h er e c t i f i c a t i o n a b s t r a c t i n p e t r o c h e m i c a le n t e r p r i s e s ，m a n yi m p o r t a n tp r o c e s si n d e x e s a r ed i f f i c u l tt ob e m e a s l l r e do u l i n eo rd i r e c t l y f o re x a m p l e ，t h ed r yp o i n to fa v i a t i o nk e r o s e n ei sa l li m p o r t a n t i n d e xo fo p e r a t i o nq u a l i t y b u tc u r r e n tm e t h o d sc a r ln o to b t m nt h er e a lt i m ev a l u eo fd r yp o i n t e f t c i e n t l y t os o l v e t h ep r o b l e m ，t h i sp a p e rc h o o s e st h ed i s t i l l i n gi n s t r u m e n to fd a l i a n p e t r o c h e m i c a lc o o p e r a t i o n 船t h er e s e a r c ho b j e c t ，i n v e s t i g a t e st h et e c h n o l o g yo fs o f ts e n s o r f o rm e a s u r i n gt h ed r yp o i n to fa v i a t i o nk e r o s e n eo n l i n e t h i sp a p e ri m p l e m e n t st h e a p p r o x i m a t i o no fd r yp o i n t b a s e do nd a t as a m p l e df r o mt e c h n i c a ls c e n e s ，w h i c hm a k e p o s s i b l eo p e r a t i o no p t i m i z a t i o na n dq u a l i t yc o n t r 0 1 f i r s t l y ，t h i sp a p e rc h o o s e st h i r t e e np r o c e s sv a r i a b l e sa sa u x i l i a r yv a r i a b l e sb a s e do nt h e a n a l y s i so ft h et e c h n i q u ep r i n c i p l e so fc r u d eo i ld i s t i l l i n ga n dt h ec o m m u n i c a t i o nw i 也 o p e r a t o r s t h e nt h r o u g ht h ei n t e r n a lc o m p u t i n gp l a t f o r ma n dd c so f t h ee n t e r p r i s e ，w eo b t a i n r e l a t e ds a m p l ed a t a , w h i c hp r o v i d e sn e c e s s a r yc o n d i t i o n sf o ro n l i n ea p p r o x i m a t i o n b e c a u s e o fm a n ye r r o r se x i s t i n gi ne n g i n e e r i n gd a t a ，t h i sp a p e ra d o p t sd a t ar e v i s i o nt e c h n o l o g yt of i x t h e m f o rb u i l d i n gt h em o d e lo fs o f ts e n s o r ，t h i sp a p e rs t u d i e sm a n ym e t h o d s ，s u c ha sp c a ， r b fn n ，s v ma n dl s s v m ，e t c am e t h o dc o m b i n i n gp c aa n dl s _ s v mi sp r o p o s e di n t h i sp a p e r t ot e s tt h e o r e t i ca n a l y s i s ，e m u l a t i o ne x p e r i m e n t sa r ed o n eb a s e do ns a m p l ed a t a f r o mt h ea n a l y s i s s o m ec o n c l u s i o n sc a l lb ed r a w na sf o l l o w s p c ac a ne x t r a c tc h a r a c t e r i s t i c i n f o r m a t i o nf r o md a t ae f f i c i e n t l y s u b s t i t u t i n ge q u a t i o nc o n s t r a i n tf o rt m d i t i o n a ln o n e q u a t i o n c o n s t r a i n t ，l s s v mo b t a i n so b j e c tm o d e lp a r a m e t e r sb ys o l v i n ga s e to fl i n e a re q u a t i o n s ， w h i c ha v o i d st h eq u a d r a t i cp r o g r a m m i n ga n ds h o r t e n st h et i m eo fm o d e l i n gl e a r n i n gg r e a t l y c o m p a r e dw i t hr b fa n dt r a d i t i o n a ls v mr e g r e s s i o nm e t h o d ，u n d e rt h es r m es a m p l e c o n d i t i o n t h em e t h o dp r o p o s e di n t h i sp a p e rh a sb e t t e ra b i l i t i e so fm o d e la p p r o a c ha n d g e n e r a l i z a t i o nt h a nr b f ，a n d l e s sr u n n i n gt i m et h a nt r a d i t i o n a ls v m e x p e r i m e n t ss h o wt h a t u s i n gp c aa n dl s s v m ，t h i sp a p e ra c h i e v e ss a t i s f i e dr e s u l t s t h i sp a p e ra l s od i s c u s s e st h e p r o b l e mo fr e v i s i o no fs o f ts e n o rm o d e la n dp r o p o s e ss o m ee f f e c t i v em e t h o d s ，w h i c h c a r tb e a p p l i e d t o i n d u s t r yp r o d u c t i o n i nc o n c l u s i o n ，m e t h o d sp r e s e n t e di nt h i sp a p e rl a yt h e f o u n d a t i o no fd r yp o i n to n l i n ee s t i m a t i o no fa v i a t i o nk e r o s e n e ，a n dm a k ei tf e a s i b l et o i m p l e m e n ta d v a n c e dc o n t r o lo nq u a l i t yp a r a m e t e r so fa v i a t i o nk e r o s e n e 一l i 大连理工大学硕士学位论文 k e yw o r d s ：s o f ts e n s o r ；p r i n c i p a lc o m p o n e n ta n a l y s i s ；s t a t i s t i c a ll e a r n i n gt h e o r y ； l e a s ts q u a r e ss u p p o r tv e c t o rm a c h i n e i i i 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或者其他单位的学位或证书所使用过的材料。与我一同工作的同志 对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名： 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用 规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子 版，允许论文被查阅和借阅。本人授权大连理工大学可以将本学位论文的全部或部分内 容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论 文。 作者签名： 吝蔓 作者签名：主兰 导师签名：茎兰茎 大连理工大学硕士学位论文 引言 精馏是化学工程领域极为重要的化工单元操作，也是应用最早和最广的化工分离过 程之一。经过长期的发展，精馏技术在理论和应用开发的深度和广度上都已达相当高的 水平。为适应近代化工生产规模大型化，产品进一步深度加工，三废处理和环境保护等 更高的要求，精馏技术正不断与各种新兴技术手段互相渗透，促使精馏研究继续向更深 的层次发展。在工业应用中，萃取精馏、恒沸精馏、将化学反应与精馏分离相结合的反 应精馏、高效节能的热泵精馏、多塔流程的精密精馏、热偶合塔抽提精馏等，都取得了 丰硕的成果。 对于炼油企业，精馏生产过程处于工艺流程的最前端，精馏过程操作性能的好坏直 接影响炼油企业产品的质量和能源消耗问题，所以，对产品质量变量实现实时、动态监 测，对实现生产装置的优化控制和优化操作是必不可少的。由于现有工艺条件和检测技 术等方面的限制，很多产品质量变量不能或很难直接通过传感器测得，这给生产控制带 来很大不便。一般是采用间接质量控制，控制和质量相关的温度、流量等变量，由于和 质量变量不是一一对应关系，存在不直观和精度不高等问题。 航空煤油干点是常压塔重要的产品质量指标，要提高常压塔的经济效益，需要对产 品质量进行直接控制，但就目前的技术水平，干点值只能由化验室每隔一定的时间进行 一次采样分析得到，无法作为控制系统的反馈信号实现实时控制，利用在线分析仪表进 行检测需要很大的经济成本，并且安装复杂及需要高昂的维护费用，因此实时获取航空 煤油干点值具有重要的经济意义。本文以精馏生产过程作为研究对象，对常一线航空煤 油的干点进行了软测量实现，完成包括数据采集、数据处理、建模、模型校正等工作， 为精馏过程实施优化控制提供了前提条件。 本文内容的安排如下： 第一章为软测量技术综述，介绍了软测量的思想、建模方法，设计步骤及工业应用。 第二章介绍了工程背景、辅助变量的选择及数据的采集。 第三章介绍了数据校正技术，并对数据进行了校正处理。 第四章是航煤干点的软测量模型实现，应用主元分析、r b f 神经网络、支持向量机、 最小二乘支持向量机等多种方法得到干点模型，进行分析比较，得出相对比较好的模型。 第五章介绍了模型校正技术，并对航煤干点的模型进行校正，达到了工业上的指标 要求，解决了航空煤油的质量指标干点不能在线测量的问题。 李莹：精馏过程航煤干点的软测量工程实现 1 软测量技术综述 软测量技术的理论根源是2 0 世纪7 0 年代b r o s i l l o w 提出的推断控制。推断控制的 基本原理是采集过程中比较容易测量的辅助变量( s e c o n d a r yv a r i a b l e ) 通过构造推断估计 器来估计并克服扰动和测量噪声对过程主导变量( p r i m a r yv a r i a b l e ) 的影响。策略包括估 计器和控制器的设计，两部分的设计可独立进行，给设计带来极大的便利。控制器的设 计可采用传统或先进控制方法。估计器的设计是根据某种最优准则，选择一组既与主导 变量有密切联系，又容易测量的辅助变量，通过构造某种数学关系，实现对主导变量的 在线估计。软钡9 量技术正体现了估计器的特点。 1 。1 软测量思想 参看图1 1 ( a ) 所示的对象输入、输出关系。图中y 代表主导变量，口代表可测的辅 助变量，d 和甜分别表示可测的干扰和控制变量。软测量的目的就是利用所有可获得的 信息求取主导变量的“最优”估计值乡，即构造从可测信息集口到的映射： 多2k ( s ) 目 ( 1 1 ) ( a ) 图1 1 对象的输入、输出及过程控制中软测量模型的输入、输出 f i g 1 1i n p u t o u t p u t o f o b j e c t sa n d s o rs e n s o r i n g m o d e l i n p r o c e d u r ec o n t r o l l i n g 通常，可测信息集口包括所有的可测主导变量y ( 或主导变量y 中部分可测的量) 、辅 助变量目、控制变量”和可测干扰d 。在这样的框架结构下，多的性能将依赖于过程的描 述、噪声和扰动的特性、辅助变量的选取以及“最佳”的含义，即给定的某种准则。 大连理工大学硕士学位论文 可见，软测量的思想就是以易测的过程变量( 辅助变量) 为基础，利用易测过程变量 和待测过程变量( 难测的主导变量) 之间的数学关系( 软测量模型) ，通过各种数学计算和 估计，采用软件的形式实现对待狈9 过程变量的测量。显然，软测量思想的核心就是构造 一个以易测变量为自变量、主导变量为因变量的软测量模型，并通过各种复杂的数学计 算和估计，用计算机软件获得主导变量的值。 图i k b ) 表示在过程控制系统中所采用的软测量模型输入、输出与对象的输入、输 出之间的关系，带下标r 的变量y ，代表被控变量( 即主导变量) 的设定值，开关刖弋表输 出的采样，用于在线校正，y 代表由软测量模型获得的主导变量y 的估计值。可见，软测 量模型与一般意义下的数学模型有所不同，通常我们所指的数学模型主要是反映对象输 出y 与对象输入甜或跎间的动态( 或稳态) 关系，而软测量则包含了通过对象输出口求得 对象输出y 的估计值。 这种意义上的软测量与技术，是软测量思想提出时的原始含义，在过程控制中有着 广泛的应用，我们称其为传统意义软测量。 1 2 软测量技术建模方法 1 2 ，1 基于工艺机理分析的软测量 这类方法是建立在对过程对象工艺机理深刻了解的基础上的。主要通过对对象的机 理分析，运用化学反应动力学、物料平衡、能量平衡等原理，列写有关的数学方程式， 确定不可测的主变量与可测的辅助变量( 二次变量) 之间的数学关系，建立估计主变量的 机理模型，从而实现主变量的软测量。 这种软测量方法是工程中常用的方法，其特点是简单、工程背景清晰、便于实际应 用，但要依赖于对过程对象工艺机理的了解。 1 2 2 基于回归分析的软测量 经典的回归分析是一种建模的方法，应用范围相当广泛。以最小二乘原理为基础的 一元和多元线性回归技术目前己相当成熟，常用于线性模型的拟合。 对于辅助变量较少的情况，般采用多元线性回归中的逐步回归技术可获得较好的 软测量模型。对于辅助变量较多的情况，通常要借助机理分析，首先获得模型各变量组 合的大致框架，然后再采用逐步回归方法获得软测量模型。多变量线性回归应用是最广 泛的，主元回归方法和偏最小二乘法都是从多变量线性回归方法中派生出来的。这些方 法现己广泛应用于工业过程控制中，它的优点是显而易见的，其结构简单、易于维护、 物理意义明确、鲁棒性好，但需要大量的样本数据，对测量误差较为敏感。 李莹：精馏过程航煤干点的软测量工程实现 1 2 3 基于状态估计的软测量 假定被测对象的状态空间模型为： 量= a x + b “+ 凸 y = c x ( 1 2 ) 0 = g x + w 式( 1 _ 2 ) 中x 为过程的状态向量，y 和0 分别为过程的主导变量和辅助变量，“为控制 变量，讶口w 为白噪声。如果系统主导变量y 作为系统的状态变量x 关于辅助变量0 是完全 可观的，那么软测量问题就转化为典型的状态观测和状态估计问题。基于状态估计的软 仪表由于可以反映主导变量和辅助变量之间的动态关系，因此有利于处理各变量间动态 特性的差异和系统滞后等情况。这种软测量方法的缺点在于对于复杂的工业过程，常常 难以建立系统的状态空间模型，这在一定程度上限制了该方法的应用。 1 2 4 基于模式识别的软测量 这种软测量方法是采用模式识别的方法对工业过程的操作数据进行处理，从中提取 系统的特征，构成以模式描述分类为基础的模式识别模型。 基于模式识别方法建立的软测量模型与传统的数学模型不同，它是一种以系统的输 入、输出数据为基础，通过对系统特征提取而构成的模式描述式模型。该方法的优势在 于它适用于缺乏系统先验知识的场合，可利用日常操作数据来实现软测量建模。在实际 应用中，该种软测量方法常常和人工神经网络以及模糊技术结合在一起。 1 2 5 基于模糊数学的软测量 模糊数学模仿人脑逻辑思维特点，是处理复杂系统的一种有效手段，在过程软测量 中也获得了大量应用。该种软测量方法特别适合应用于复杂工业过程中被测对象呈现亦 此亦彼的不确定性，难以用常规数学定量描述的场合。实际应用中常将模糊技术和其他 人工智能技术相结合，例如模糊数学和人工神经网络相结合构成模糊神经网络，这样可 相互取长补短以提高软仪表的性能。 1 2 6 基于人工神经网络的软测量 基于人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k 简称a n n ) 的软测量技术是近年来研究 最多、发展很快和应用范围很广泛的一种软测量技术。由于人工神经网络具有自学习、 联想记忆、自适应和非线性逼近等功能，基于人工神经网络的软测量可以在不具备对象 的先验知识的条件下，根据对象的输入输出数据直接建模( 将辅助变量作为神经网络的 输入，而主导变量作为人工神经网络的输出，通过网络的学习来解决不可测变量的软测 大连理工大学硕士学位论文 量问题) 。神经网络模型的在线校正能力强，并能适用于高度非线性和严重不确定的系 统，因此它为解决复杂系统过程参数的软测量问题提供了一种有效途径。 采用人工神经网络进行软测量建模有两种基本形式：一种是利用人工神经网络直接 建模，用人工神经网络来代替常规的数学模型描述辅助变量和主导变量之间的数学关 系，完成由可测信息到主导变量的映射，另一种方法是与常规模型相结合，用人工神经 网络来估计常规模型的模型参数，进而实现软测量。 1 2 7 基于支持向量机的软测量 基于数据的机器学习是现代智能技术中的重要方面，研究从观测数据( 样本) 出发寻 找规律，利用这些规律来对未来数据或无法观测的数据进行预测。包括模式识别、神经 网络等在内，现有的机器学习方法，其共同的重要理论基础之是传统的统计学，前提 是有足够多样本。传统统计学研究的是样本数目趋于无穷大时的渐近理论，现有学习方 法也多是基于此假设。但在实际问题中，样本数往往是有限的，因此一些理论上很优秀 的学习方法实际中表现却可能不尽人意。 统计学习理论是建立在一套较坚实的理论基础之上的，为解决有限样本学习问题提 供了一个统一的框架。它能将很多现有方法纳入其中，有望帮助解决许多原来难以解决 的问题( 比如神经网络的结构选择问题、局部极小点问题等) ；同时，在这一理论基础上 发展了一种新的通用学习方法支持向量机( s u p p o r t v e c t o r m a c h i n e ，s v m ) ，它已初步 表现出很多优于已有方法的性能。一些学者认为，s v m 正在成为继神经网络研究之后的 新的研究热点，并将有力地推动机器学习理论和技术的发展。 1 3 软测量设计步骤 软测量方法的实现离不开有效的设计程序，软测量本身就是一种软件设计方法，它必 定需要一套具体的实旄步骤。良好的开发程序能够使它达到非常好的效果。 1 3 1 机理分析及辅助变量选择 首先熟悉工艺过程，结合具体的数据记录，通过仔细机理分析，然后选择辅助变量。 在此阶段，一旦明确了软测量的任务之后，我们就必须基于具体工艺过程，了解软测量 的对象和整个装置其他变量之间的相关程度，既要熟悉影响关键变量的干扰因素和控制 变量，也要求找到与关键输出具有很好关联性的其它输出变量。辅助变量的选择包括变 量的类型、变量数量和检测点的选择。值得注意的是必须认真地分析各变量的可观性和 可控性以及各变量的测量难易程度、精度等级、实旌的经济性和维护的难易性等指标， 从影响被估计变量的变量中去挑选主要因素。这一步骤是非常重要的，它关系到所建模 李莹：精馏过程航煤干点的软钡i 量工程实现 型的好坏程度和合理性问题合理的选择辅助变量可以使所建模型结构简单、精度高、 稳定性好。 1 3 2 数据采集及预处理 从现场采集的大量数据之中，固然包含着大量的信息，但是由于所得数据受到各种 因素的影响，如仪表精度、测量噪声、测量方法、人为因素、环境变化以及其它随机因 素等，难免会引入粗大误差、随机误差等干扰样本点，这对模型的建立极为不利，很大 程度上影响到软测量模型的拟合和预测能力。因此必须很好地处理搜集来的原始数据。 数据处理一般包括数据变换和数据校正。然后进行建模前的准备工作( 数据的归一化处 理、相关性分析、主元分析等) 。 数据的归一化处理是非常必要的，归一化主要是规定数据信号的频域范围，它可避 免模型系统的振荡，可很好地改善软测量模型拟合和预估的精度，使算法运行稳定。相 关性分析主要是找到各辅助变量与关键输出的相关联程度，这样就能在建模过程中逐一 删除相关性小的变量，使得在不影响模型精度的情况下，模型更加简单。 1 3 3 建立软测量模型 此阶段是根据处理好的样本数据，对被控系统的结构参数、模型参数进行估计。此 时应将处理后的数据分为两组，组为建模数据，另一组为交叉检验数据。值得注意的 是要尽量使得建模数据处在较大的频域范围内，这样可以增强模型的泛化能力。对建模 数据分别进行建模处理，然后用交叉检验数据进行校验，根据交叉检验结果以及装置的 计算能力确定模型结构和模型参数。 1 3 4 模型的校正处理 软测量模型建立好以后，该模型只是针对具体的工况，它的应用范围是非常狭窄的， 若不进行校正模块的设计，是很难满足工艺变化要求的。因为一旦生产原料性质、产品 品质需求以及其它诸多因素发生变化，整个工作点就会相应的发生改变，从而偏离原先 的操作点，这样原来所建的模型就不适应改变后的情况，此时必然会导致很大的输出误 差，很难满足控制要求。因此必须设计校正方法来克服由于系统操作条件或原料性质的 变化而带来的影响，使得模型在新的工况下也能具有很好的精度，这样就能使之工作在 较宽的操作区间。软测量的校正可分为短期校正和长期校正，短期校正一般采用在线校 正方法，而长期校正可采用离线校正法。 大连理工大学硕士学位论文 1 3 5 模型的计算机实现及评估 模型建立完成以后，需要将其运用于实际装置上，以达到控制目标。实现这一步骤， 需要进行软件编程，以嵌入装置中，并将各参数和评价指标显示于操作界面。 软测量模型建立的好坏可根据一定的指标进行评价，以确定该模型的使用可靠性。 通过一段时间的使用，基于对实测值和模型估计值的比较，评价该模型是否满足工艺要 求。如果所得的模型不能满足生产，则需要改进模型，重新建立模型【i 刁】。 1 4 软测量技术的工业应用 在生产过程中，软测量技术方兴未艾，己经得到了较为广泛的应用，取得了令人满 意的经济和社会效益卜j 。 国外很多公司开发了软测量成品软件包，如：i n f e r e n t i a lc o n t r o l 、s e t p o i n t 、d m c 、 s i r n c o n 等以商品化软件形式推出各自的软测量仪表，广泛应用于常减压塔、f c c u 主分馏 塔、加氢裂化分馏塔、焦化主分馏塔、汽油稳定塔等的先进控制和优化控制中。增加了 轻质油收率，降低了能耗并减少了原油切换时间，取得了明显的经济效益。国内也已引 进包括软测量技术在内的先进控制软件用于催化裂化、常减压等装置，但这些引进软件 价格十分昂贵。 除了这些专用软件包形式以外，h o n e y w e l l 、e m e r s o n 等集散控制系统生产商在其生 产的控制系统软件中，也都嵌入了具有同等功能的软件模块，这些模块能够更好的与控 制系统相结合，充分发挥d c s 的潜能、提高过程控制水平。 软测量技术不仅可以实现难测参数的测量，而且由于软仪表的载体是计算机，我们 可以通过合理的编程，综合运用各种所获信息实现过程的故障诊断和状态监测，并对生 产过程进行评估和协调，因此软测量技术在过程j | 矗测和生产管理等方面也有十分重要的 作用。目前软测量技术的思想己渗透到过程检测领域的各个方面，对整体参数测量水平 的提高和过程检测技术的发展起到了重要的推动作用【1 1 。”j 。 李莹：精馏过程航煤干点的软测量工程实现 2 工程背景及准备 2 1 工程背景 在本论文中，以某炼油厂精馏装置的常压塔一线航空煤油的质量指标干点为对象， 根据软测量技术原理，对现场采集的数据利用主元分析与r b f 神经网络、传统支持向 量机和最小二乘支持向量机回归相结合的方法进行软测量模型实现。 2 1 1 精馏工艺过程概述 原油精馏的原理是根据原油中各组分的挥发度( 沸点) 不同，利用蒸发塔、常压塔在 提供塔板、塔顶冷回流和塔底汽相热回流的条件下对原油进行蒸馏，将原油分馏成重整 料、汽油、煤油、柴油、重柴油等产品；同时为了将常压重油中的各种高沸点组分分离 出来，采用在减压塔( 真空蒸馏的方法) 塔顶使用蒸汽喷射泵及间冷器抽真空的方法，使 加热后的常压重油在负压条件下进行精馏，从而使高沸点的组分在相应的温度下依次馏 出，作为减压柴油及润滑油料。原油精馏装置处于石油化工厂工艺流程的最前端，在炼 油化工企业的地位十分重要，也是体现炼化企业规模大小的重要标志之一。其装置如图 2 1 所示： 图2 1 原油精馏装置工艺过程 f 逸2 1d i s t i l l a t i o n p r o c e s so f c r u d eo i l 注：v ：原油罐a ：蒸发塔b ：常压精馏塔c ：减压精馏塔 f 1 ：常压塔加热炉f 2 ：减压塔加热炉 大连理工大学硕士学位论文 2 1 2 蒸发塔工艺过程 蒸发塔工艺过程( 如图2 2 ) ：原油罐f v ) 中的原油经原油泵抽送后，分两路与各侧线 及塔底等各种高温热源换热至2 2 0 。c 左右进入蒸发塔( a ) ，部分轻组分油气和水蒸汽由塔 顶馏出。此汽相经冷凝分离后瓦斯气引入加热炉烧掉，油一部分作为塔顶回流，一部分 作为重整料或汽油出装置。为降低塔顶的冷凝冷却负荷，在蒸发塔上部设一循环回流用 以取热。另自1 7 、1 9 层塔盘引一侧线，经泵抽送后打入常压塔3 2 或3 4 层塔盘上，用 以降低常压炉负荷。蒸发塔底油经泵抽送后与各种热源换热至3 0 0 。c 左右，进入常压炉 ( f 1 ) j j n 热至3 5 8 c 后进入常压塔( b ) 汽化段进行常压蒸馏。 2 2 原油精馏过程蒸发塔d c s 操作画面 f i g 2 2d c so p e r a t o rp i c t u r eo f c r u d e o i le v a p o r a t i o nt o w e r 2 1 3 常压塔工艺过程 图2 _ 3 为精馏过程常压精馏部分，其中b 即为常压精馏塔，b 1 b 4 为常压塔的四个 馏出侧线。其工艺过程为：蒸发塔底油分四路经加热炉加热后先汇成两路再汇成一路进 入常压塔气化段进行精馏，塔顶油气经冷凝后一部分作为汽油组分出装置，另一部分作 为冷回流与在图中常压塔左侧的三个中段回流一同保证常压塔的稳定工作。在常压塔的 李莹：精馏过程航煤干点的软测量工程实现 四个侧线分别馏出航空煤油、轻柴油、重柴油、催化料等产品。常压塔底油经泵抽送至 减压炉( f 2 ) 加热到3 9 5 c 2 湫a 减压塔( c ) 进行减压蒸馏。本章主要研究对象为常压塔 一线( 图2 3 中b 1 处) 馏出产品航空煤油，对其质量指标干点进行软测量实现。 图2 3 原油精馏过程常压精馏d c s 操作画面 f i g 2 3d c so p e r a t o rp i c t u r eo f c r u d eo i la t m o s p h e r i cd i s t i l l a t i o n 2 1 4 航空煤油的千点 干点作为油品的质量指标在炼油厂中是通过所谓“恩氏蒸馏实验”得出。其过程就 是把1 0 0 毫升油品样本放在一个带有支管的小烧瓶里，插上温度计进行加热蒸馏，支管 经过冷凝外套后插到另一个有刻度的容器内。当油蒸汽冷凝出第一滴油时温度计所指示 的温度，叫做初馏点，当蒸出物的体积达到1 0 毫升时的温度，叫做1 0 点，依次可以 得到2 0 点、3 0 点等等，直到蒸出最后一滴油，此时的温度，叫做干点。 从以上描述可以看出，虽然油品的千点是一个温度值，但却无法用常规温度仪表测 量得到，通常在油品采样之后由化验室通过恩氏蒸馏实验测定。一般每天化验3 次，由 于间隔时间较大，且化验时间长，不能用于实时监控。本文就是根据软测量思想，解决 常压精馏过程一线航空煤油干点值的实时预测问题。 1 0 大连理工大学硕士学位论文 石油是由多种烃类化合物以及无机盐等组成的混合物，各种成品油如汽油、柴油等 也是混合物。航煤是由分子中含。1 0 。，s 的烃类物质组成，各种物质的沸点不同，因此 恩氏蒸馏实验的各个点反映混合物中各种成分在样品中的含量。干点作为一个最终指标 来综合衡量样品的质量。在航煤的化验中常用9 8 点作为干点值( 本文对航煤干点的讨 论实际上都是指9 8 点) 。 2 2 辅助变量的选择 辅助变量的选择是建立软测量模型的第一步，对软测量的成功与否最为关键。辅助 变量的选择一般是从过程机理分析入手，从影响主导变量的可测变量中挑选主要因素。 如果缺乏机理知识，则可用回归分析的方法找出影响主导变量的主要因素。另外，对于 许多过程，辅助变量的检测点选择也是十分重要的。 2 2 1 辅助变量类型的选择 辅助变量类型的选择主要取决于研究者对过程机理的了解【i6 】，并应结合以下原则： 灵敏性：能对过程输出( 或不可测扰动) 做出快速反应。 特异性：对过程输出( 或不可测扰动) 之外的干扰不敏感。 精确性：构成的估计器能达到要求的精度。 鲁棒性；构成的估计器对模型误差不敏感。 工程适用性：工程上易于获得并能达到一定的精度。 目前，软仪表中使用最广泛的是与主导变量动态特性相近、关系密切的可测参数， 如精馏塔和反应器过程中的温度、温差和双温差；生物发酵过程中的尾气c 0 2 浓度等。 2 2 2 辅助变量数量的选择 辅助变量的最佳数目与过程自由度、测量噪声以及模型不确定性有关。受系统自由 度的限制，辅助变量数目的下限是被估计的主导变量的数量。应先从系统自由度出发， 确定最小数量，再结合具体过程，并考虑动态性质等问题，适当予以增加。辅助测量变 量过多将增加估计器对模型误差的灵敏度，出现过参数化问题。 2 2 3 辅助变量检测点的选择 辅助变量检测点的选择十分重要，但目前尚无通用的方法或原则。辅助变量的位置 和数目常常是同时确定的，用于选择变量数目的准则往往也适用于检测点位置的选择。 在辅助变量的选择中，以上三个方面是相互关联的。在实际应用中，还受经济性、 易维护性等的制约。 李莹：精馏过程航煤干点的软测量工程实现 2 2 4 航煤干点的辅助变量选择 对于原油精馏过程的测量变量一般为温度、压力、流量和液位四种，由前面提到的 原油精馏过程的简单机理可知，原油的精馏是通过不同油品有不同沸点的特性来进行各 个组分的分馏。又知道压力和温度是影响液体沸点的主要因素，而且流量的变化也是通 过改变相关温度来影响工艺对象的工作状态，如塔顶回流和各中段回流等，所以辅助变 量的选择应集中在温度和压力中选择。 首先航煤干点与塔b 顶温度( t 1 1 2 4 2 ) 有很大关系，由于塔顶温度升高使油品变重，干 点变高，塔顶温度低油品变轻，干点变低，因此塔顶温度不但直接影响塔顶产品的质量 和收率，还要影响侧线的产品质量和收率。塔顶回流( t 1 1 2 4 4 ) 反映了塔顶轻组分回流到 航煤段的内回流量的大小，显然，该回流越大，航煤成分中轻组分越多，干点越低。反 之则航煤的干点越高。压力对油品的相对挥发度有着显著的影响，压力低有利于各馏分 的分离，而且油品在较低压力下沸点变低了，因此，常压塔顶压力( p 1 1 2 0 6 ) 对航煤干点 有较大的关系。 其次与常一线抽出温度( t 1 1 2 2 9 ) 有很大关系，根据蒸馏原理，抽出的温度越高，航 煤的重组分越多。干点就越高，温度越低，则干点也越低。 航煤干点与常压塔下一侧线( 常二线) 的抽出温度( t 1 1 2 3 0 ) 也有关系，下一侧线抽出 温度高了，常一线剩下的重组分就相应减少，干点变低。 因为回流一方面带走塔内多余的热量，另一方便提供汽液两相直接接触的条件。所 以回流量的大小及回流温度直接影响分馏的好坏，是调节产品质量的重要手段，因此航 煤干点与常压塔一段回流量( f c l 2 11 ) ，一段回流抽出温度( t 1 1 2 2 1 ) ，回流温度( t 1 1 2 2 0 ) 有一定的关系。 此外蒸发塔的操作工况直接影响到进入常压塔的原料油性质的变化。所以蒸发塔的 塔顶温度( t l l l l 2 ) ，塔顶压力口1 1 1 0 6 ) ，回流温度( t 1 1 1 0 6 ) ，抽出温度( t l l l 0 8 ) ，塔底温度 ( t l l1 0 5 ) 也被选为二次变量。 主导变量与辅助变量的关系可写成如下的函数型式： y = f ( x l ，x 2 ，x 3 ，x 4 ，x s ，x 6 ，x 7 ，x 9 ，o ，x l l ，而2 ，葺3 ) ( 2 1 ) 式中各变量含义如表2 1 所示。表中是基于工艺机理分析选出的辅助变量，可能有的 变量与主导变量相关性很强，但也有可能有的相关性很弱。 大连理工大学硕士学位论文 表2 1 主导变量与辅助变量表 t a b 2 1d o m i n a n tv a r i a b l ea n ds e c o n d a r yv a r i a b l e st a b l e 2 3 现场数据的采集 本文所研究的蒸馏过程的自动化控制是采用d c s ( 集散控制系统) ，所使用的d c s 是与另外两套装置共用的“艾默生过程管理”的d e l t a v 系统，整个系统采用6 组冗余 的现场控制站( 控制器) ，9 台基于d e l lp c 的工作站包括：l 台工程师站，7 台操作员 站，1 台用于运行第三方软件和与工厂管理网络通讯的应用站。由于该d c s 在最初进行 软件组态时决定了历史数据记录时间最长为4 天，很难通过历史数据来记录较长时间的 过程数据，因此在前面讨论的柴油干点软测量中，数据的采集是通过人工每天记录的方 式获得的。这套系统后来增加了o p c ( o l ef o rp r o c e s sc o n t r 0 1 ) 数据访问功能，因此在对 航煤干点的软测量中使用编写o p c 客户端程序采集数据的方法 2 3 10 p c 技术概述 微软( m i c r o s o f t ) 公司为了提供商业应用程序和特定用途的软件包问的相互连接性， 开发了所谓的组件对象模型( c o m p o n e n to b j e c tm o d e l ，c o m ) 技术。c o m 是一种软件组 件之间相互数据交换的有效方法，它不依赖于特定的操作系统或者开发语言，可以提供 不同版本的c o m 服务器和c o m 客户端程序之间最大的兼容性。 c o m 技术的出现使简单地实现控制设备和控制管理系统之间的数据交换提供了技 术基础。但是如果不提供一个工业标准化的c o m 接口，各个控制设备厂家开发的c o m 组件之间的相互连接仍然是不可能的。o p c 作为工业标准定义的特殊的c o m 接口就是 为了解决上面的问题。 o p c 标准是最早由f i s h e r r o s e m o u n t 、i n t e l l u t i o n 、r o c k w e l ls o f t w a r e 、i n t u i t i v e t e c h n o l o g y 、及o p t 0 2 2 在1 9 9 5 年开发的一种工业标准，并由微软公司作为技术顾问给 李莹：精馏过程航煤干点的软测量工程实现 予支持。目的是为了使不同控制系统厂商的设备和应用程序之间的软件接口标准化，使 其间的数据交换更加简单化，可以向用户提供不依赖于特定开发语言和开发环境的可以 自由组合使用的过程控制软件组件产品。 o p c 包括数据访问( d a t aa c c e s s ) , 报警和事件( a l a r ma n de v e n t s ) 、历史数据访问 ( h i s t o r i c a ld a ma c c e s s ) 、批处理( b a t c h ) 、安全性( s e c u r i t y ) 等一系列标准。 图2 40 p c 数据访问对象的分层结构 f i g 2 4 h i e r a r c h i c a l v i e w o f o p c d a t a a c c e s so b j e c t o p c 数据访问功能提供从数据源读取和写入特定数据的手段。o p c 数据访问对象 的分层结构如图2 4 所示。一个o p c 服务器具有一个作为子对象的o p c 组集合对象。 在这个组集合对象里可以添加多个o p c 组对象。各个o p c 组对象都具有一个作为子对 象的o p c 项( 或标签) 集合对象。在这个o p c 项集合对象里可以添加多个o p c 项( 或标 签) 对象。此外，作为选用功能，o p c 服务器对象还可以包含一个o p c 浏览器对象。 2 3 2 过程测量数据的采集 d e l t a v 系统是由属于艾默生集团的f i s h e r - r o s e m o u n t 生产的，具备o p cd a t a a c c e s s 2 0 功能，本文进行的软测量实现所需辅助变量数据的采集工作是由编写的o p c 客户端程序通过同步读取方式来完成的。将此客户端程序运行在d c s 系统的应用站内， 按照指定的时间从o