S Zorb裝置閉鎖料斗異常偵測(cè)管理系統(tǒng)
陶興文1，齊萬松2，李陽(yáng)1，馬曉華1
(1. 北京賽普泰克技術(shù)有限公司 北京 100012)
(2. 中國(guó)石油化工股份有限公司洛陽(yáng)分公司二聯(lián)合車間 河南洛陽(yáng) 471012)
摘要：閉鎖料斗異常偵測(cè)管理軟件系統(tǒng)是基于S Zorb裝置閉鎖料斗部分的生產(chǎn)工藝和控制流程，建立裝置的工藝模型，結(jié)合現(xiàn)場(chǎng)操作經(jīng)驗(yàn)和數(shù)據(jù)診斷算法，能夠?qū)崟r(shí)的對(duì)閉鎖料斗的異常工況進(jìn)行預(yù)警、報(bào)警、診斷、分析，并針對(duì)異常工況提供優(yōu)化操作指導(dǎo)。增強(qiáng)了閉鎖料斗安全性和可操控性，節(jié)約人力成本，提高生產(chǎn)效率。
關(guān)鍵詞：S Zorb;閉鎖料斗;異常偵測(cè);智能生產(chǎn);優(yōu)化控制
中圖分類號(hào)：(作者本人填寫)文獻(xiàn)標(biāo)識(shí)碼：A
Anomaly Detection Management System for Lockhopper of S Zorb Unit
Tao Xingwen 1, Qi Wansun, Li Yang, Maxiaohua 2
(1. SEPTEC Technologies Pte Ltd, Beijing, 100012, China;
2. Sinopec Luoyang Petrochemical Complex, Luoyang, 471012, China)
Abstract：An Anomaly Detection Management system has been developed for Lockhopper ofS Zorb unit to achieve optimal and safe operation.By using real-time process data from LMS system, the system provides a lot of information on process abnormal conditions and also many useful tool to get early detection on many equipment problems. Data processing technologies, fault-diagnosis technology, and process modeling technique are applied in the system. Better control of S Zorb unit, better equipment up-time were achieved.
Keywords:S Zorb;lockhopper;intelligent decision support;fault-diagnosis, process model, optimization control
1. 概 述
S Zorb催化汽油吸附脫硫裝置(簡(jiǎn)稱S Zorb裝置)采用中國(guó)石化S Zorb專利技術(shù)，該技術(shù)基于吸附作用原理選擇性的吸附汽油中含硫化合物中的硫原子而達(dá)到脫硫目的，與選擇性加氫脫硫相比，該技術(shù)具有脫硫率高、辛烷值損失小、氫耗低、操作費(fèi)用低的優(yōu)點(diǎn)。目前中國(guó)已建成投產(chǎn)及正在新建的S Zorb裝置總數(shù)超過16套，能夠?qū)⒋呋鸦钠土蚝棵撝?0mg/kg以下，與選擇性加氫脫硫相比，S Zorb脫硫技術(shù)具有脫硫率高、辛烷值損失小、氫耗低、操作費(fèi)用低的優(yōu)點(diǎn)，已經(jīng)成為中國(guó)汽油質(zhì)量升級(jí)的主要技術(shù)手段，具有良好的市場(chǎng)競(jìng)爭(zhēng)力和發(fā)展前景。
裝置結(jié)構(gòu)如圖1所示，S Zorb裝置主要包括進(jìn)料與脫硫反應(yīng)、吸附劑再生、吸附劑循環(huán)和產(chǎn)品穩(wěn)定四個(gè)部分，藝流程介紹如下：
1)催化裂化產(chǎn)生的汽油進(jìn)入反應(yīng)器，發(fā)生流化床吸附脫硫反應(yīng)，脫硫后的汽油經(jīng)空冷、水冷后去穩(wěn)定塔產(chǎn)出精制汽油產(chǎn)品;
2)為了維持吸附劑的活性，使裝置能夠連續(xù)操作，需要將反應(yīng)氫系統(tǒng)中吸附了汽油中硫的吸附劑(以下簡(jiǎn)稱待生劑)通過閉鎖料斗送入低壓氧系統(tǒng)氧化成活性較高的吸附劑(以下簡(jiǎn)稱再生劑)。這個(gè)流程為：吸附了汽油中硫的待生劑從反應(yīng)器一側(cè)的T型口溢出，進(jìn)入到反應(yīng)器接收器，反應(yīng)器接收器中的待生劑由于受到壓差和重力的作用，進(jìn)入到閉鎖料斗中。待生劑在閉鎖料斗中經(jīng)N2吹掃后進(jìn)入到再生進(jìn)料罐，然后進(jìn)入再生器中，并與再生器中的氧氣發(fā)生氧化反應(yīng)生成具有較高吸附活性的再生劑。再生器中生成的再生劑被送入到再生接收器，并通過差壓和重力的作用進(jìn)入到閉鎖料斗，再生劑在閉鎖料斗內(nèi)經(jīng)N2吹掃后進(jìn)入還原器接收器，在還原器接收器中經(jīng)過H2的吹掃和調(diào)壓，最終進(jìn)入到反應(yīng)器內(nèi)。完成一次吸附劑的循環(huán)過程[1]。
圖1 S Zorb裝置結(jié)構(gòu)簡(jiǎn)圖
閉鎖料斗是吸附劑循環(huán)的“心臟”，它控制著吸附劑在反應(yīng)系統(tǒng)和再生系統(tǒng)的循環(huán)速率。并實(shí)現(xiàn)吸附劑在這兩個(gè)系統(tǒng)之間氫氧環(huán)境的隔離。閉鎖料斗的控制對(duì)S Zorb裝置的安全和正常運(yùn)行至關(guān)重要，其運(yùn)行步序和操作由閉鎖料斗控制系統(tǒng)自動(dòng)控制完成。
2. 閉鎖料斗在生產(chǎn)中存在的問題
閉鎖料斗運(yùn)行的環(huán)境工況復(fù)雜，儀表和閥門活動(dòng)頻繁，可能導(dǎo)致閉鎖料斗運(yùn)行異常的自身因素約為42個(gè)，一旦吸附劑循環(huán)系統(tǒng)出現(xiàn)問題，需要較長(zhǎng)時(shí)間才能恢復(fù)到正常狀態(tài)，其運(yùn)行工況對(duì)吸附劑活性的影響是一個(gè)長(zhǎng)滯后的過程。此外，閉鎖料斗對(duì)S Zorb裝置控制精度和安全性要求也較高。目前閉鎖料斗在運(yùn)行過程中主要存在以下幾個(gè)問題：
1)閉鎖料斗系統(tǒng)中使用了分析儀、壓力、溫度、流量等20多臺(tái)檢測(cè)儀表，用于監(jiān)測(cè)閉鎖料斗復(fù)雜多變的工況。儀表的可靠性問題將影響到閉鎖料斗的控制與運(yùn)行，嚴(yán)重時(shí)會(huì)導(dǎo)致連鎖停車。需要對(duì)這些儀表進(jìn)行故障偵測(cè)，發(fā)現(xiàn)問題時(shí)，及時(shí)預(yù)警，防止不必要的誤控制操作[2]。
2)閉鎖料斗系統(tǒng)通過控制30多個(gè)程控閥的開和關(guān)完成吹掃、沖壓、泄壓、裝料、排料等動(dòng)作。在高頻度，高苛刻度的運(yùn)轉(zhuǎn)狀態(tài)下，閉鎖料斗出現(xiàn)故障的頻率相對(duì)較高。容易導(dǎo)致閉鎖料斗程序故障、管線堵塞等問題[3]。
3)工藝的變化或調(diào)節(jié)閥故障等原因可能導(dǎo)致關(guān)鍵控制回路的控制性能下降或參數(shù)震蕩等問題，造成潛在的操作安全隱患。
4)閉鎖料斗采用順序控制的運(yùn)行方式，一共有9個(gè)運(yùn)行步驟，工藝參數(shù)隨運(yùn)行步驟的變化而改變，統(tǒng)一設(shè)定一組報(bào)警參數(shù)無法適用于所有步序下的工況。
3. 閉鎖料斗異常偵測(cè)管理系統(tǒng)的設(shè)計(jì)
閉鎖料斗異常偵測(cè)管理系統(tǒng)是針對(duì)閉鎖料斗裝置在生產(chǎn)中存在的問題而開發(fā)的智能化軟件系統(tǒng)，軟件基于windows平臺(tái)開發(fā)，采用C++語言編寫，屬于閉鎖料斗控制系統(tǒng)的第三方管理軟件，但不會(huì)影響DCS系統(tǒng)的安全和穩(wěn)定。軟件的底層結(jié)構(gòu)中包含OPC客戶端和實(shí)時(shí)數(shù)據(jù)庫(kù)，通過OPC技術(shù)與DCS系統(tǒng)進(jìn)行數(shù)據(jù)交換。軟件內(nèi)部編寫的工藝模型計(jì)算和數(shù)據(jù)診斷算法，能夠?qū)﹂]鎖料斗控制系統(tǒng)進(jìn)行實(shí)時(shí)的預(yù)警、報(bào)警、故障偵測(cè)，并輔助優(yōu)化操作等功能。閉鎖料斗智能化操作管理系統(tǒng)軟件結(jié)構(gòu)如圖2所示。
圖2 閉鎖料斗異常偵測(cè)管理系統(tǒng)結(jié)構(gòu)示意圖
3.1 軟件主要功能
軟件要有7個(gè)功能模塊：儀表報(bào)警和診斷模塊、控制回路性能報(bào)警和診斷模塊、KPI偵測(cè)預(yù)警和診斷模塊、連鎖預(yù)警模塊和診斷模塊、軟儀表模塊、報(bào)警事件記錄和統(tǒng)計(jì)模塊、歷史數(shù)據(jù)查詢模塊。各模塊的設(shè)計(jì)原理和功能介紹如下：
3.1.1 儀表報(bào)警和診斷模塊。
軟件對(duì)閉鎖料斗28臺(tái)關(guān)鍵儀表單獨(dú)設(shè)定報(bào)警參數(shù)，操作人員可以根據(jù)儀表測(cè)量誤差和實(shí)際工況進(jìn)行調(diào)節(jié)報(bào)警上下限、滯后和死區(qū)等參數(shù)。當(dāng)產(chǎn)生報(bào)警后，程序自動(dòng)在提示欄里列出導(dǎo)致該報(bào)警的可能原因和消除報(bào)警的方法。這些原因可以由操作人員增加、刪除和修改。
3.1.2 控制回路性能報(bào)警和診斷模塊。
該模塊主要用來評(píng)估每個(gè)運(yùn)行步序的工況。程控閥是閉鎖料斗的關(guān)鍵儀器，程控閥由PID控制器控制，當(dāng)程控閥出現(xiàn)異?；蚬芫€堵塞時(shí)，對(duì)應(yīng)控制回路的性能會(huì)變差。因此，對(duì)不同工況下的控制回路的性能進(jìn)行實(shí)時(shí)評(píng)估和報(bào)警監(jiān)控是有必要的。評(píng)估的計(jì)算方法主要為通過計(jì)算控制器偏差累積值進(jìn)行判斷，輔助計(jì)算為流量補(bǔ)償算法和濾波算法。當(dāng)控制器偏差累積值超過報(bào)警上限后，控制器產(chǎn)生報(bào)警，同時(shí)提示產(chǎn)生報(bào)警的原因和消除報(bào)警的操作建議。
3.1.3 循環(huán)步序性能計(jì)算評(píng)估KPI模塊。
閉鎖料斗運(yùn)行過程中可能出現(xiàn)的閥門故障、管線堵塞、授料困難等異常工況，采用單一的儀表實(shí)時(shí)測(cè)量值不容易判斷。軟件根據(jù)閉鎖料斗工藝流程，結(jié)合多臺(tái)檢測(cè)儀表的測(cè)量值計(jì)算出能夠直接表征這些異常工況的KPI計(jì)算值，當(dāng)出現(xiàn)這些異常工況后，軟件產(chǎn)生KPI預(yù)警/報(bào)警提示，同時(shí)給出導(dǎo)致異常的原因和消除報(bào)警的操作建議。此外，軟件還增加了綜合KPI預(yù)警提示功能，通過判斷當(dāng)前工況儀表測(cè)量值的“異常度”，預(yù)測(cè)并評(píng)估當(dāng)前測(cè)量值是否正在變得異常，如果“異常度”超過限定值，則產(chǎn)生預(yù)警提示，表示當(dāng)前工況正在變得異常。
3.1.4 連鎖預(yù)警。
對(duì)容易引發(fā)閉鎖料斗連鎖報(bào)警的5個(gè)地方，軟件設(shè)計(jì)了相應(yīng)的KPI判斷方法。能夠在閉鎖料斗出現(xiàn)連鎖停車前及時(shí)得到報(bào)警信息，盡早調(diào)整裝置，避免出現(xiàn)重大損失。
3.1.5 報(bào)警事件記錄和統(tǒng)計(jì)。
軟件產(chǎn)生的報(bào)警事件將全部保存到數(shù)據(jù)庫(kù)中，方便操作人員離線查看和評(píng)估裝置歷史運(yùn)行狀況。在軟件界面中增加了報(bào)警統(tǒng)計(jì)功能，可以自動(dòng)統(tǒng)計(jì)裝置一段時(shí)間內(nèi)的報(bào)警記錄，并按照?qǐng)?bào)警累計(jì)時(shí)長(zhǎng)或累計(jì)次數(shù)排列，找出一段時(shí)間報(bào)警時(shí)間最長(zhǎng)或報(bào)警次數(shù)最多的位號(hào)。
3.1.6 軟儀表。
閉鎖料斗氣體管線由于組分的變化，氣體流量?jī)x表測(cè)量值誤差普遍較大，通過設(shè)計(jì)在線軟儀表進(jìn)行校正，能夠顯著減小測(cè)量誤差。為操作人員調(diào)節(jié)裝置提供參考。
3.1.7 歷史數(shù)據(jù)查詢。
閉鎖料斗的儀表測(cè)量值和KPI計(jì)算值都自動(dòng)保存到數(shù)據(jù)庫(kù)，可以同時(shí)選擇多個(gè)位號(hào)的數(shù)據(jù)生成二維坐標(biāo)圖，供操作人員進(jìn)行對(duì)比分析。
3.2 智能化異常偵測(cè)技術(shù)
軟件主要基于工藝裝置機(jī)理模型的狀態(tài)觀測(cè)技術(shù)和儀表、設(shè)備、工藝的故障偵測(cè)技術(shù)而開發(fā)的先進(jìn)操作管理系統(tǒng)。
先進(jìn)異常偵測(cè)管理模塊采用了基于知識(shí)的推理技術(shù)用于管理生產(chǎn)中的異常工況，該模塊內(nèi)嵌了常見的專家系統(tǒng)法、模糊診斷法、人工神經(jīng)網(wǎng)絡(luò)法、以及基于嚴(yán)格機(jī)理動(dòng)態(tài)工藝模型的異常偵測(cè)推算方法，異常偵測(cè)知識(shí)庫(kù)可以采用多種不同的方式來組織，包括故障樹、故障字典、專家系統(tǒng)等。
3.2.1 過程數(shù)據(jù)處理方法
在實(shí)際DCS數(shù)采過程中發(fā)現(xiàn)石化裝置現(xiàn)場(chǎng)儀表測(cè)量值與工藝實(shí)際值之間存在一定的偏差。部分?jǐn)?shù)據(jù)既不能直接用于生產(chǎn)調(diào)度、計(jì)劃優(yōu)化、質(zhì)量管理等部門做決策數(shù)據(jù)，也不能直接用作生產(chǎn)車間質(zhì)量跟蹤、能量管理等過程。需要發(fā)現(xiàn)儀表故障，進(jìn)行相應(yīng)數(shù)據(jù)處理，提供加工處理后的高質(zhì)量數(shù)據(jù)。
過程變量采集、處理與故障檢查的過程一般是從DCS中讀取診斷系統(tǒng)所用過程變量，存放于實(shí)時(shí)和歷史數(shù)據(jù)庫(kù)中。并對(duì)過程變量的量程、零點(diǎn)、單位、流量補(bǔ)償?shù)葏?shù)進(jìn)行調(diào)整或換算，采用判斷數(shù)據(jù)品質(zhì)、替換準(zhǔn)則、濾波等技術(shù)手段，對(duì)過程變量進(jìn)行故障檢測(cè)，提供故障信息[7]。
數(shù)據(jù)處理的目的是保證數(shù)據(jù)準(zhǔn)確和防止測(cè)量出現(xiàn)誤差。測(cè)量數(shù)據(jù)存在隨機(jī)誤差和過失誤差，這些誤差大大降低了數(shù)據(jù)的有效性。隨機(jī)誤差受隨機(jī)因素的影響，如操作過程的微小波動(dòng)，或者測(cè)量信號(hào)的噪聲等。過失誤差來源于非偶然因素的發(fā)生，如測(cè)量?jī)x表的故障，校正不準(zhǔn)，或基準(zhǔn)漂移，測(cè)量設(shè)備失靈等。所以測(cè)量數(shù)據(jù)首先需要偵破和剔除有過失誤差的測(cè)量數(shù)據(jù)，然后采用數(shù)據(jù)處理方法如數(shù)據(jù)分類、參數(shù)估計(jì)、誤差偵破、方差估計(jì)和有序規(guī)則分類等方法得到可直接使用的高質(zhì)量數(shù)據(jù)。
3.2.2 基于機(jī)理模型的狀態(tài)觀測(cè)與異常偵測(cè)
通常工藝過程中設(shè)置很多控制回路，系統(tǒng)中不太嚴(yán)重的工藝異常就會(huì)由于控制回路反饋的調(diào)整而顯示不出誤差的存在，因此傳統(tǒng)的信號(hào)偵測(cè)不能滿足越來越復(fù)雜的工業(yè)實(shí)際生產(chǎn)的需要。
基于機(jī)理模型的方法應(yīng)用在線系統(tǒng)辨識(shí)技術(shù)來實(shí)時(shí)地為系統(tǒng)建立動(dòng)態(tài)數(shù)學(xué)模型，當(dāng)系統(tǒng)中存在故障時(shí)，該工藝機(jī)理模型的輸入輸出關(guān)系就會(huì)改變，通過觀測(cè)系統(tǒng)數(shù)學(xué)模型的參數(shù)變化，便能判定系統(tǒng)是否存在異常工況或故障。
3.2.3 基于知識(shí)的方法
對(duì)于本身結(jié)構(gòu)比較復(fù)雜、工況多變、故障機(jī)理也較為復(fù)雜的系統(tǒng)，如果能夠通過對(duì)系統(tǒng)進(jìn)行細(xì)致的故障機(jī)理分析并得到相應(yīng)的各種異常偵測(cè)知識(shí)，則可以采用基于知識(shí)的異常偵測(cè)方法來處理。傳統(tǒng)的基于知識(shí)的異常偵測(cè)方法包括故障樹、故障字典、專家系統(tǒng)等，對(duì)于特定的應(yīng)用問題，這些方法往往可以相互結(jié)合，以便獲得更好的異常偵測(cè)效果。人工神經(jīng)網(wǎng)絡(luò)因具有非線性、容錯(cuò)性和并行性等特點(diǎn)，為解決異常偵測(cè)專家系統(tǒng)存在的上述問題提供了有效的途徑。在知識(shí)獲取上，神經(jīng)網(wǎng)絡(luò)的知識(shí)不需要由工程人員整理、總結(jié)以及消化領(lǐng)域?qū)＜业闹R(shí)，只需要用領(lǐng)域?qū)＜医鉀Q問題的實(shí)例或范例來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)系統(tǒng)的知識(shí)獲取與專家系統(tǒng)相比，既具有更多的時(shí)間效率，又能保證更高的質(zhì)量。在知識(shí)表示中，神經(jīng)網(wǎng)絡(luò)采取隱式表示。它在知識(shí)獲取的同時(shí)，自動(dòng)產(chǎn)生的知識(shí)由網(wǎng)絡(luò)的結(jié)構(gòu)及權(quán)值表示，并將某一問題的若干知識(shí)表示在同一網(wǎng)絡(luò)中，通用性強(qiáng)，便于實(shí)現(xiàn)知識(shí)的自動(dòng)獲取和并行聯(lián)想推理。
3.2.4 基于統(tǒng)計(jì)模型的技術(shù)
由于化工生產(chǎn)過程是一個(gè)非常復(fù)雜、多變的過程，生產(chǎn)系統(tǒng)在長(zhǎng)期運(yùn)行和生產(chǎn)負(fù)荷中會(huì)不可避免地發(fā)生各種故障，降低生產(chǎn)效率，導(dǎo)致設(shè)備損壞、生產(chǎn)停滯，甚至?xí)＜安僮魅藛T的自身安全，因而過程故障監(jiān)測(cè)已成為化工生產(chǎn)中安全保護(hù)系統(tǒng)的重要組成部分，主元分析方法(PCA)已廣泛應(yīng)用于監(jiān)視多變量過程。
主元分析法的基本思路是：尋找一組新變量來代替原變量，新變量是原變量的線性組合。從優(yōu)化的角度看，新變量的個(gè)數(shù)要比原變量少，并且最大限度地?cái)y帶原變量的有用信息，且新變量之間互不相關(guān)。其內(nèi)容包括主元的定義和獲取，以及通過主元的數(shù)據(jù)重構(gòu)[6]。
主元分析的主要目的是提取隱藏在變量X中的相關(guān)信息，然后用于預(yù)測(cè)變量Y的值，然后對(duì)變量Y產(chǎn)生預(yù)警。當(dāng)一些有用變量的相關(guān)性很小時(shí)，在選取主元分析時(shí)就很容易遺漏相關(guān)性小的變量，使得最終的預(yù)測(cè)模型可靠性下降，如果要挑選出所有的相關(guān)變量又太困難，偏最小二乘回歸可以較好的解決這個(gè)問題，采用對(duì)變量X和Y都進(jìn)行分解的方法，從變量X和Y中同時(shí)提取成分(通常稱為因子)，再將因子按照它們之間的相關(guān)性從大到小排列。現(xiàn)在要建立一個(gè)模型，只要決定選擇幾個(gè)因子參與建模就可以。
3.2.5 基于模糊邏輯FUZZY的故障診斷
模糊邏輯是建立在多值邏輯基礎(chǔ)上，運(yùn)用模糊集合的方法來研究模糊性思維、語言形式及其規(guī)律的科學(xué)。模仿人腦的不確定性概念判斷、推理思維方式，對(duì)于模型未知或不能確定的描述系統(tǒng)，以及強(qiáng)非線性、大滯后的控制對(duì)象，應(yīng)用模糊集合和模糊規(guī)則進(jìn)行推理，表達(dá)過渡性界限或定性知識(shí)經(jīng)驗(yàn)，模擬人腦方式，實(shí)行模糊綜合判斷，推理解決常規(guī)方法難于對(duì)付的規(guī)則型模糊信息問題。模糊邏輯善于表達(dá)界限不清晰的定性知識(shí)與經(jīng)驗(yàn)，它借助于隸屬度函數(shù)概念，區(qū)分模糊集合，處理模糊關(guān)系，模擬人腦實(shí)施規(guī)則型推理，解決因“排中律”的邏輯破缺產(chǎn)生的種種不確定問題。
4功能實(shí)施效果
4.1 功能模塊展示
該軟件已經(jīng)正式投用于國(guó)內(nèi)多個(gè)石化公司，以下為軟件使用過程中的部分使用效果截圖。
1) 儀表的報(bào)警和診斷功能。
該功能運(yùn)行界面如圖3所示。左側(cè)欄里列出了閉鎖料斗的28臺(tái)主要的儀表，儀表的報(bào)警上下限操作人員可以根據(jù)裝置的不同自行調(diào)節(jié)，欄中最后一列為報(bào)警狀態(tài)欄，當(dāng)儀表測(cè)量值超過設(shè)定的區(qū)間，狀態(tài)燈由綠變紅。選中該報(bào)警后，右側(cè)欄里列出導(dǎo)致該報(bào)警產(chǎn)生的原因和對(duì)用的操作建議。檢查按鈕用于分析相關(guān)位號(hào)的歷史數(shù)據(jù)。
圖3 儀表報(bào)警診斷功能示意圖
2) 循環(huán)步序KPI性能評(píng)估和控制回路性能診斷功能。
當(dāng)產(chǎn)生KPI報(bào)警后，狀態(tài)燈變黑，選中該報(bào)警后，在右側(cè)列出導(dǎo)致該報(bào)警的所有原因和操作建議。
圖4 KPI性能評(píng)估和控制回路性能診斷功能示意圖
3) 連鎖預(yù)警功能。
該功能界面的布局和圖4類似。聯(lián)鎖預(yù)警的內(nèi)容包括：過濾器差壓聯(lián)鎖預(yù)警、再生器卸出線差壓聯(lián)鎖預(yù)警、反應(yīng)器裝劑線差壓聯(lián)鎖預(yù)警、再生器裝劑線差壓聯(lián)鎖預(yù)警、反應(yīng)器卸出線差壓聯(lián)鎖預(yù)警。聯(lián)鎖預(yù)警功能主要選取較容易引發(fā)聯(lián)鎖事件的報(bào)警點(diǎn)作為預(yù)警信號(hào)點(diǎn)。
4) 報(bào)警事件記錄和統(tǒng)計(jì)功能。
該功能模塊能夠記錄所有的報(bào)警歷史事件信息，統(tǒng)計(jì)出在設(shè)定時(shí)間內(nèi)，報(bào)警發(fā)生的次數(shù)和導(dǎo)致報(bào)警產(chǎn)生的關(guān)聯(lián)位號(hào)。報(bào)警歷史事件以列表形式顯示，排列次序可以選擇按時(shí)間的先后或按報(bào)警頻次進(jìn)行排列。
5) 軟儀表功能。
軟儀表主要有兩種類型，一種是在裝置中已經(jīng)實(shí)際存在，但因?qū)嶋H的儀表在測(cè)量時(shí)存在較大誤差或有較大的滯后性，因此，采用工藝模型將這類型的儀表測(cè)量值計(jì)算出來，以供操作人員參考，比如閉鎖料斗的氣體流量軟儀表就屬于這一類。另一類是裝置中不存在，但對(duì)裝置的操作管理具有較大意義，比如待生劑或再生劑循環(huán)量、閉鎖料斗氫氣和氮?dú)庑r(shí)累計(jì)使用量屬于這一類型。
6) 歷史數(shù)據(jù)查詢功能。
歷史數(shù)據(jù)查詢能夠查詢到軟件采集的所有位號(hào)和KPI變量的歷史數(shù)據(jù)，這些位號(hào)或KPI變量的歷史數(shù)據(jù)能夠在在同一個(gè)軟件界面上以趨勢(shì)圖的形式顯示，方便操作人員同時(shí)對(duì)多個(gè)相關(guān)變量做對(duì)比分析。
4.2閉鎖料斗頂部過濾器差壓儀表安全診斷案例
以國(guó)內(nèi)某石化廠家S Zorb裝置為例，圖5是閉鎖料斗一個(gè)月內(nèi)產(chǎn)生的所有報(bào)警歷史事件統(tǒng)計(jì)，從圖中可以看出閉鎖料斗頂部過濾器壓差報(bào)警發(fā)生的次數(shù)最多。從該位號(hào)的診斷提示(圖6)中可以看出引起報(bào)警的原因主要有5個(gè)：
?、匍]鎖料斗頂部過濾器前后的壓力測(cè)量?jī)x有問題，導(dǎo)致測(cè)量值不準(zhǔn)。
?、跍y(cè)量差壓所在管線堵塞，導(dǎo)致閉鎖料斗頂部過濾器差壓前后差壓增大。
?、坶]鎖料斗頂部過濾器堵塞，導(dǎo)致差壓增大。
?、芄芫€的用氫氣和氮?dú)饬吭龃?，?dǎo)致壓差增大。
?、菸絼┧榛?，產(chǎn)生較大粉塵，沉積于管線或過濾器中。
通過原因提示欄的查看功能可以調(diào)出與該原因向關(guān)聯(lián)的位號(hào)的歷史數(shù)據(jù)，分析歷史數(shù)據(jù)后，基本可以排除前4個(gè)原因，和現(xiàn)場(chǎng)的儀表工程師溝通后，確定為原因⑤。再根據(jù)原因⑤提供的操作建議，加大吸附劑細(xì)粉外排量，該問題已得到明顯改善。
圖5 閉鎖料斗報(bào)警歷史事件統(tǒng)計(jì)
圖6 閉鎖料斗頂部過濾器差壓預(yù)警及診斷
4.3投用效果總結(jié)
該軟件的現(xiàn)場(chǎng)實(shí)施效果得到了用戶的肯定，對(duì)整個(gè)S Zorb裝置的作用總結(jié)如下：
1)及時(shí)診斷并發(fā)現(xiàn)儀表/設(shè)備故障、工藝異常。
2)操作人員可以根據(jù)操作指導(dǎo)及時(shí)處理故障，減少事故與非正常停車。
3)量化了閉鎖料斗的氫氣/氮?dú)饬髁恳约袄塾?jì)，為裝置物料平衡以及績(jī)效考核提供了依據(jù)，提高了生產(chǎn)管理水平。
4)為閉鎖料斗出口輕烴以及O2組分提供在線軟測(cè)量，分析儀出現(xiàn)問題時(shí)提供操作依據(jù)。軟儀表的響應(yīng)速度較分析儀快速，為優(yōu)化N2和H2的使用量提供了技術(shù)支撐
5)停車連鎖發(fā)生之前，及時(shí)提醒操作人員并給出原因判斷的信息，讓操作人員提前處理，減少不必要的連鎖停車
5 結(jié)束語
生產(chǎn)智能化、信息化、安全化是今后的流程工廠的發(fā)展方向。閉鎖料斗異常偵測(cè)管理系統(tǒng)通過數(shù)據(jù)識(shí)別處理方法，結(jié)合現(xiàn)場(chǎng)生產(chǎn)經(jīng)驗(yàn)和裝置的工藝流程，將海量的生產(chǎn)數(shù)據(jù)有效的利用起來，實(shí)現(xiàn)裝置的預(yù)警、報(bào)警、統(tǒng)計(jì)和分析功能，使裝置的監(jiān)控更加簡(jiǎn)單和安全。
閉鎖料斗異常偵測(cè)管理系統(tǒng)的軟儀表計(jì)算數(shù)值也可以作為操作參考和先進(jìn)控制的依據(jù)。目前閉鎖料斗吸附劑循環(huán)速率控制模型和物料平衡模型已經(jīng)整合到該系統(tǒng)中，并提高了操作人員的工作效率和裝置的安全性。同時(shí)，S Zorb裝置的吸附劑硫含量計(jì)算模型和汽油脫硫率預(yù)測(cè)動(dòng)力學(xué)反應(yīng)模型[4]也在積極開發(fā)中，這些功能將整合到該智能化操作管理系統(tǒng)中，為將來的先進(jìn)控制、智能化控制提供技術(shù)支持，使S Zorb裝置的操控更加簡(jiǎn)單，生產(chǎn)更加穩(wěn)定高效。
參考文獻(xiàn):
[1] 候曉明，莊劍. S Zorb催化汽油吸附脫硫裝置技術(shù)手冊(cè)[M]. 北京：中國(guó)石化出版社，2013.
[2]曹文磊.S Zorb裝置長(zhǎng)周期生產(chǎn)低硫含量汽油的影響因素及對(duì)策[J].石油煉制與化工，2014,45(2),74-78.
[3]郭曉亮.S-Zorb裝置長(zhǎng)周期運(yùn)行影響因素及對(duì)策[J],煉油技術(shù)與工程，2013,43(1),5-9.
[4] 胡躍梁，孫啟明.S Zorb吸附脫硫裝置運(yùn)行過程中存在問題分析及應(yīng)對(duì)措施.石油煉制與化工，2013,44(7),69-72.
[5] 吳德飛，孫麗麗，黃澤川，袁忠勛.S Zorb技術(shù)進(jìn)展與工程應(yīng)用[J],石油煉制與化工，2014,44(10),1-4.
[6] 朱松青，史金飛，狀態(tài)監(jiān)測(cè)與故障診斷中的主元分析法[J],機(jī)床與液壓，2007,35(1),241-243.
[7] 焦巍，項(xiàng)曙光，王浩，韓方煌.化工過程數(shù)據(jù)處理系統(tǒng)的開發(fā)[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2006,23(2),153-157.
[8] 王秉仁,姜小麗,張雷.基于模糊邏輯推理的汽車故障診斷的研究[J].機(jī)電工程，2005,22(10),55-57.
文章發(fā)表源：《石油化工自動(dòng)化》雜志 2015年第5期 第63~66頁(yè).
