專利名稱：一種常頂油干點(diǎn)在線軟測(cè)量方法
技術(shù)領(lǐng)域：
本發(fā)明屬于石油煉制與智能控制交叉領(lǐng)域，涉及石油煉制過(guò)程中常減壓裝置中常壓塔產(chǎn)品-常頂油干點(diǎn)的一種在線軟測(cè)量方法。
背景技術(shù)：
常壓塔作為常減壓裝置的主要設(shè)備，大量處理來(lái)自初餾塔的原油，并消耗大量的能量。因此，保證常壓塔高效、穩(wěn)定運(yùn)行，成為常減壓裝置節(jié)能降耗、提高原油拔出率的關(guān)鍵。常頂油干點(diǎn)是常頂產(chǎn)品的主要質(zhì)量控制指標(biāo)，其主要反映采出油品的輕重，所以其控制的好壞不僅關(guān)系到常壓塔原油的拔出率，同時(shí)影響后面的加工過(guò)程。當(dāng)前，對(duì)于干點(diǎn)，還沒(méi)有合適的儀表能夠?qū)崟r(shí)給出測(cè)量值，多數(shù)煉廠還是依賴于實(shí)驗(yàn)室的人工分析值。人 工分析的周期一般為每4個(gè)小時(shí)或者8個(gè)小時(shí)一次，每次分析需要近兩個(gè)小時(shí)，然后根據(jù)人工分析的結(jié)果對(duì)操作工況進(jìn)行調(diào)整，所以滯后較大，往往容易造成采出的產(chǎn)品太重不合格或者為了保證產(chǎn)品的質(zhì)量而最終影響到原油的拔出率。為了解決上述問(wèn)題，在過(guò)程控制中，開(kāi)發(fā)了許多軟測(cè)量的方法，利用各種不同的數(shù)學(xué)模型來(lái)估計(jì)干點(diǎn)值。通過(guò)選取與常頂油干點(diǎn)值密切相關(guān)的變量作為模型的輔助變量，然后根據(jù)模型輸入實(shí)時(shí)估計(jì)出干點(diǎn)值。軟測(cè)量中使用的模型眾多，大體可以分為三類，即機(jī)理模型、統(tǒng)計(jì)模型和智能建模方法。機(jī)理模型法和統(tǒng)計(jì)模型法是傳統(tǒng)的建模方法，它們的共同缺點(diǎn)是不能準(zhǔn)確描述常減壓裝置這種高度非線性的系統(tǒng)，所以模型精度都不夠高。近年來(lái)發(fā)展起來(lái)的智能建模技術(shù)，為非線性系統(tǒng)建模提供了一種新的思路。智能建模方法有人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等，它們共同的特點(diǎn)是具有自學(xué)習(xí)、自組織能力，對(duì)于非線性系統(tǒng)可以給出較為準(zhǔn)確的描述，所以在過(guò)程建模中得到了廣泛的應(yīng)用。目前，針對(duì)常壓塔的軟測(cè)量方法中，不管是傳統(tǒng)的建模方法還是智能建模，都存在如下一些問(wèn)題(I)由于原油性質(zhì)及操作工況經(jīng)常發(fā)生變化，造成所建模型的計(jì)算精度隨時(shí)間逐漸降低，所以軟測(cè)量模型發(fā)揮的效果有限。(2)常減壓裝置是高度非線性系統(tǒng)，變量耦合嚴(yán)重，軟測(cè)量建模中所選變量往往較多，而且相互關(guān)聯(lián)，冗余變量較多，反而造成模型的輸出穩(wěn)定性下降。常壓塔的操作變量較多，為了合理選取軟測(cè)量模型的輔助變量，避免模型過(guò)于精簡(jiǎn)，不能完全描述干點(diǎn)的變化規(guī)律，同時(shí)，為了減少冗余變量的產(chǎn)生，本發(fā)明首先采用AspenPlus對(duì)常壓塔進(jìn)行流程模擬，模擬出常壓塔的實(shí)際操作工況，然后進(jìn)行常壓塔關(guān)鍵操作變量關(guān)于常頂油干點(diǎn)的靈敏度分析，根據(jù)靈敏度分析的結(jié)果，選取對(duì)常頂油干點(diǎn)影響較大的變量作為軟測(cè)量模型輔助變量的候選集合，然后基于石油精餾原理，對(duì)候選的輔助變量進(jìn)行相關(guān)性分析，去除冗余的變量，最終確定模型的輸入變量。依據(jù)確定的輔助變量，采集現(xiàn)場(chǎng)的歷史生產(chǎn)數(shù)據(jù)，去除異常數(shù)據(jù)，形成訓(xùn)練樣本集。然后利用BP算法訓(xùn)練3層前饋神經(jīng)網(wǎng)絡(luò)，在誤差滿足一定要求后，輸出模型參數(shù)。

發(fā)明內(nèi)容
本發(fā)明的目的是給出一種常壓塔常頂油干點(diǎn)的人工神經(jīng)網(wǎng)絡(luò)軟測(cè)量方法。首先通過(guò)Aspen Plus靈敏度分析，選取常頂溫度(Xl，°C)、常頂壓力(x2，Kpa)、常頂回流溫度(x3，°C )、常頂循帶出能量(x4，°C*t/h)、采出比(X5)和常壓塔側(cè)線采出總量(x6，t/h)作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量。其中Xl，x2，X3可由儀表直接測(cè)量得到，x4，x5，X6可在儀表測(cè)量值的基礎(chǔ)上通過(guò)計(jì)算得到，通過(guò)集散控制系統(tǒng)的人機(jī)接口輸入上一天時(shí)刻t,的常壓塔常頂油干點(diǎn)的人工分析值；經(jīng)過(guò)模型在線計(jì)算，并根據(jù)模型輸出值和輸入的上一天時(shí)刻t'的人工分析值的相對(duì)誤差，對(duì)模型輸出值進(jìn)行校正，實(shí)現(xiàn)在線給出常頂油干點(diǎn)的估計(jì)值。1、軟測(cè)量模型輔助變量的選取或者構(gòu)造常壓塔的操作變量很多，各個(gè)變量相互影響，耦合嚴(yán)重。對(duì)常頂油干點(diǎn)的影響變量有常頂油采出量、常一線油采出量、常二線采出量、常三線采出量、常四線采出量、常壓塔總進(jìn)料量、進(jìn)料溫度、加熱爐出口溫度、常頂溫度、常頂壓力、常頂循取熱量、常一中取熱量、常二中取熱量、常一線汽提加熱負(fù)荷、常二線汽提蒸汽量、常三線汽提蒸汽量、常壓塔塔釜汽提蒸汽量。其中，像常頂循取熱量、常一中取熱量、常二中取熱量、常一線汽提加熱負(fù)荷等變量的精確計(jì)算涉及到原油的物性數(shù)據(jù)，由于原油性質(zhì)變化較為頻繁，不能及時(shí)獲得較為準(zhǔn)確的物性數(shù)據(jù)，所以取熱量用換熱溫度差和流量的乘積進(jìn)行簡(jiǎn)單表征。對(duì)上述變量逐個(gè)用Aspen plus進(jìn)行關(guān)于常頂油干點(diǎn)的靈敏度分析，如圖I所示，給出了加熱爐出口溫度對(duì)常頂油干點(diǎn)的靈敏度分析結(jié)果，依此例，可以對(duì)其它變量逐個(gè)進(jìn)行靈敏度分析。根據(jù)靈敏度分析的結(jié)果，選取對(duì)干點(diǎn)影響顯著的操作變量作為軟測(cè)量模型的輔助變量的候選集。本發(fā)明的特點(diǎn)(1)利用Aspen plus對(duì)操作變量進(jìn)行靈敏度分析，選擇對(duì)常頂油干點(diǎn)影響顯著的變量作為軟測(cè)量模型輔助變量的候選集，然后基于石油精餾原理，去掉冗余變量，確定模型的輔助變量。(2)構(gòu)造了常頂循帶出能量、采出比、常壓塔側(cè)線采出量三個(gè)輔助變量，來(lái)分別表征常頂循的取熱量、常頂油的采出比例、常壓塔的四個(gè)側(cè)線的采出量總和。(3)利用常頂油干點(diǎn)前一天時(shí)刻t'的人工分析值，對(duì)接下來(lái)一天的軟測(cè)量模型輸出進(jìn)行校正，以應(yīng)對(duì)由于原油性質(zhì)頻繁變換而導(dǎo)致的模型精度逐漸下降的問(wèn)題。為此，常壓塔常頂油干點(diǎn)神經(jīng)網(wǎng)絡(luò)軟測(cè)量模型選取的輔助變量如下①常頂溫度(X1, °C )②常頂壓力(x2，Kpa)③常頂回流溫度(x3，°C )④常頂循帶出能量(X4)⑤采出比(X5)⑥常壓塔側(cè)線采出量(x6，t/h)其中，常頂循帶出能量、采出比、常壓塔側(cè)線采出量的計(jì)算公式構(gòu)造如下X4 = F1X(t1-t2) (1)X5 = F2/F(2)X6 = F3+F4+F5+F6 (3)
其中，F(xiàn)1為常頂循流量(t/h)，V t2分別為常頂循的抽出和返回溫度(°C )，F(xiàn)2為常頂汽油采出量(t/h)，F(xiàn)為常壓塔進(jìn)料量(t/h)，F(xiàn)3, F4, F5, F6分別為常一線、常二線、常三線、常四線采出量(t/h)。2、數(shù)據(jù)預(yù)處理根據(jù)上面確定的模型的輔助變量，采集常壓塔的歷史生產(chǎn)數(shù)據(jù)，包括Xl，x2，X2及計(jì)算所x4，X5, X6需的變量常頂循流量F1、常頂循的抽出和返回溫度ti、t2，常頂汽油采出量F2，常壓塔進(jìn)料量F以及常一線、常二線、常三線、常四線采出量F3, F4, F5, F6和對(duì)應(yīng)時(shí)刻的干點(diǎn)人工分析值。采集的數(shù)據(jù)范圍應(yīng)覆蓋較寬的操作工況，同時(shí)應(yīng)避免采集開(kāi)、停車和異常工況下的數(shù)據(jù)，對(duì)采集到的數(shù)據(jù)進(jìn)行粗大誤差的去除和偵破，形成數(shù)據(jù)樣本集。由于模型各個(gè)輸入變量數(shù)量級(jí)相差較大，所以模型的輸入變量按照下式進(jìn)行歸一化處理
權(quán)利要求
1.一種常頂油干點(diǎn)在線軟測(cè)量方法，其特征在于所述軟測(cè)量方法包括如下步驟 (1)利用Aspenplus對(duì)常壓塔的操作工況進(jìn)行模擬，對(duì)常壓塔的關(guān)鍵操作變量進(jìn)行關(guān)于常頂油干點(diǎn)的靈敏度分析，根據(jù)靈敏度分析的結(jié)果，選取對(duì)常頂油干點(diǎn)有顯著影響的操作變量作為常頂油干點(diǎn)軟測(cè)量模型輔助變量的候選集； (2)對(duì)經(jīng)過(guò)靈敏度分析選取的輔助變量進(jìn)行變量之間的相關(guān)性分析，去除冗余變量，最終選擇常頂溫度Xl，°C、常頂壓力x2，Kpa、常頂回流溫度x3，°C、常頂循帶出能量x4，0C-t/h、采出比X5和常壓塔側(cè)線采出總量x6，t/h作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量； (3)選取常頂油干點(diǎn)作為網(wǎng)絡(luò)模型的輸出值； (4)利用相應(yīng)的數(shù)據(jù)采集點(diǎn)的測(cè)量?jī)x表或者集散控制系統(tǒng)DCS，直接測(cè)量或者通過(guò)間接計(jì)算得到輔助變量X1 X6的值； (5)通過(guò)對(duì)采集的現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，形成神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集，利用誤差反向傳播BP算法對(duì)三層前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，在誤差達(dá)到一定要求后，輸出神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，即連接權(quán)值和閾值，得到關(guān)于常頂油干點(diǎn)的神經(jīng)網(wǎng)絡(luò)模型； (6)根據(jù)神經(jīng)網(wǎng)絡(luò)模型的輸入、輸出變量在DCS中建點(diǎn)，然后將模型寫(xiě)入DCS，根據(jù)輸入變量的實(shí)時(shí)數(shù)據(jù)，通過(guò)模型計(jì)算，實(shí)時(shí)計(jì)算輸出，即干點(diǎn)的軟測(cè)量值(y，°C)，進(jìn)而指導(dǎo)操作人員對(duì)生產(chǎn)過(guò)程及時(shí)調(diào)整。
2.根據(jù)權(quán)利要求I所述的常頂油干點(diǎn)在線軟測(cè)量方法，其特征在于，所述輔助變量X1,X2, X3通過(guò)儀表直接測(cè)量得到，所述變量X4，X5, X6通過(guò)以下公式間接計(jì)算得到x4 = F1X Uft2)X5 = F2/FX6 = f3+f4+f5+f6 其中，F(xiàn)1為常頂循流量(Vhht1U2分別為常頂循的出口和入口溫度。C，F(xiàn)2為常頂汽油采出量(t/h)，F(xiàn)為常壓塔進(jìn)料量(t/h)，F(xiàn)3, F4, F5, F6分別為常一線、常二線、常三線、常四線采出量(t/h)。
3.根據(jù)權(quán)利要求I所述的常頂油干點(diǎn)在線軟測(cè)量方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)的輸入、輸出變量均經(jīng)歸一化處理。
4.根據(jù)權(quán)利要求3所述的常頂油干點(diǎn)在線軟測(cè)量方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型的輸入變量按照下式進(jìn)行歸一化處理
5.根據(jù)權(quán)利要求4所述的常頂油干點(diǎn)在線軟測(cè)量方法，其特征在于，輸入、輸出數(shù)據(jù)經(jīng)歸一化后得到訓(xùn)練樣本集(sXl，Sx2L sx10, sy)，然后采用BP算法來(lái)訓(xùn)練三層前饋神經(jīng)網(wǎng)絡(luò)，在訓(xùn)練誤差滿足一定的要求后，輸出模型參數(shù)，得到模型輸入輸出的映射關(guān)系
6.根據(jù)權(quán)利要求5所述的常頂油干點(diǎn)在線軟測(cè)量方法，其特征在于，得到的模型輸出需要進(jìn)行反歸一化處理才能得到最后的常頂油干點(diǎn)值，反歸一化通過(guò)下式進(jìn)行計(jì)算
7.根據(jù)權(quán)利要求6所述的常頂油干點(diǎn)在線軟測(cè)量方法，其特征在于，每天利用時(shí)刻t，的干點(diǎn)人工分析值對(duì)下次人工分析值產(chǎn)生之前的模型計(jì)算值；進(jìn)行校正，校正公式如下 y(t) = y(t) + oc{ya-ya) 其中，ya為常頂油干點(diǎn)人工分析值，_y O)為神經(jīng)網(wǎng)絡(luò)模型經(jīng)校正后的輸出值，卩卩)為模型未經(jīng)校正的輸出值，叉為人工分析對(duì)應(yīng)時(shí)刻的未經(jīng)校正的模型輸出值，α為人工分析值和神經(jīng)網(wǎng)絡(luò)模型輸出值之間的誤差的加權(quán)值，根據(jù)對(duì)二者所給結(jié)果的信任程度取值。
全文摘要
本發(fā)明涉及一種常頂油干點(diǎn)的在線軟測(cè)量方法；選取和構(gòu)造影響常頂油干點(diǎn)的關(guān)鍵變量，即常壓塔塔頂溫度、常壓塔塔頂壓力、常壓塔塔頂回流溫度、常壓塔塔頂循環(huán)帶出能量、采出比和常壓塔側(cè)線采出總量作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量，常頂油干點(diǎn)作為對(duì)應(yīng)的輸出，建立基于人工神經(jīng)網(wǎng)絡(luò)模型的常頂油干點(diǎn)的軟儀表，通過(guò)人工分析值對(duì)模型輸出進(jìn)行校正，實(shí)現(xiàn)對(duì)常壓塔塔頂產(chǎn)品質(zhì)量的實(shí)時(shí)監(jiān)測(cè)和控制；該方法不僅可以指導(dǎo)操作人員對(duì)操作過(guò)程進(jìn)行及時(shí)調(diào)整，而且軟儀表給出的干點(diǎn)估計(jì)值可以為過(guò)程控制提供依據(jù)，進(jìn)而實(shí)現(xiàn)操作過(guò)程的優(yōu)化，提高常減壓裝置的原油拔出率。
文檔編號(hào)G06N3/08GK102880905SQ20111019845
公開(kāi)日2013年1月16日 申請(qǐng)日期2011年7月15日 優(yōu)先權(quán)日2011年7月15日
發(fā)明者趙晶瑩, 李紹軍, 李洪濤, 王偉眾, 李建忠, 曹成才, 李飛, 董躍華, 楊玉和, 劉龍, 李瑞峰, 黃付玲 申請(qǐng)人:中國(guó)石油天然氣股份有限公司, 華東理工大學(xué)