李傳坤，王春利，高新江

（化學(xué)品安全控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，中國(guó)石油化工股份有限公司青島安全工程研究院，山東 青島 266071）

己內(nèi)酰胺裝置安全運(yùn)行指導(dǎo)系統(tǒng)研發(fā)與應(yīng)用

李傳坤，王春利，高新江

（化學(xué)品安全控制國(guó)家重點(diǎn)實(shí)驗(yàn)室，中國(guó)石油化工股份有限公司青島安全工程研究院，山東 青島 266071）

由于己內(nèi)酰胺裝置具有高復(fù)雜性及高危險(xiǎn)性，有必要開(kāi)發(fā)一套在線診斷故障的安全運(yùn)行指導(dǎo)系統(tǒng)，輔助操作人員的操作。本文基于定性的符號(hào)有向圖（signed directed graph，SDG）、專家系統(tǒng)，結(jié)合模糊邏輯、主元分析（principle component analysis，PCA）、神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）等多種定量故障診斷方法，建立了整個(gè)裝置的異常監(jiān)測(cè)與診斷模型；根據(jù)己內(nèi)酰胺裝置的工藝特點(diǎn)及故障模式，結(jié)合危險(xiǎn)與可操作性分析結(jié)果和專家經(jīng)驗(yàn)，建立了導(dǎo)致裝置發(fā)生故障的原因、傳播路徑以及處理措施的專家知識(shí)庫(kù)；開(kāi)發(fā)了己內(nèi)酰胺裝置安全穩(wěn)定運(yùn)行指導(dǎo)系統(tǒng)，并在己內(nèi)酰胺裝置上進(jìn)行了工業(yè)應(yīng)用，取得了良好效果。

符號(hào)有向圖；模型；主元分析；神經(jīng)網(wǎng)絡(luò)；專家系統(tǒng)；危險(xiǎn)與可操作性分析

己內(nèi)酰胺裝置生產(chǎn)過(guò)程中，陸續(xù)發(fā)現(xiàn)在安全穩(wěn)定運(yùn)行方面還存在一些問(wèn)題，主要包括以下兩點(diǎn)[1-2]。

（1）裝置的DCS控制系統(tǒng)“數(shù)據(jù)充分，信息缺乏”。因目前的DCS報(bào)警僅能給出簡(jiǎn)單的報(bào)警信息，無(wú)法提供深層次的故障原因，一旦出現(xiàn)復(fù)雜故障，操作員面對(duì)DCS大量報(bào)警信息，難以及時(shí)準(zhǔn)確判斷，甚至可能作出錯(cuò)誤決策。

（2）操作水平對(duì)于操作員的個(gè)人經(jīng)驗(yàn)依賴較重。裝置高效安穩(wěn)運(yùn)行決定了裝置的技術(shù)經(jīng)濟(jì)水平，一線操作人員在其中起到相當(dāng)關(guān)鍵的作用。部分裝置操作人員的新老交替，裝置上有經(jīng)驗(yàn)的操作人員流失。當(dāng)遇到裝置異常時(shí)，因自身經(jīng)驗(yàn)問(wèn)題，同時(shí)缺乏相應(yīng)參考、指導(dǎo)類的信息，容易產(chǎn)生操作延誤甚至操作失誤，從而產(chǎn)生較大波動(dòng)，對(duì)安穩(wěn)生產(chǎn)造成不利影響。

因此，如何利用現(xiàn)有的海量生產(chǎn)數(shù)據(jù)，從中挖掘有效的信息，及時(shí)發(fā)現(xiàn)裝置異常，并為操作人員提供對(duì)裝置運(yùn)行狀態(tài)準(zhǔn)確及時(shí)的分析，是確保己內(nèi)酰胺裝置安全穩(wěn)定運(yùn)行的重要環(huán)節(jié)。

本文以己內(nèi)酰胺裝置異常監(jiān)測(cè)與診斷為主要研究?jī)?nèi)容，分析己內(nèi)酰胺裝置的安穩(wěn)運(yùn)行狀態(tài)，并提供異常工況的操作指導(dǎo)。同時(shí)，內(nèi)置各種專家知識(shí)，以留住操作人員和技術(shù)人員的經(jīng)驗(yàn)，輔助他們的在線交流學(xué)習(xí)。

1 安全運(yùn)行指導(dǎo)技術(shù)

1.1 現(xiàn)場(chǎng)數(shù)據(jù)采集及預(yù)處理

（1）通過(guò)對(duì)OPC通訊協(xié)議、InfoPlus21實(shí)時(shí)數(shù)據(jù)庫(kù)等內(nèi)容的深入研究，開(kāi)發(fā)了用于采集工業(yè)現(xiàn)場(chǎng)實(shí)時(shí)數(shù)據(jù)的數(shù)據(jù)采集平臺(tái)，該平臺(tái)支持各種流行通訊協(xié)議，如ODBC、OPC、DDE等，能夠

完成與國(guó)內(nèi)外多種DCS系統(tǒng)及實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng)的通信。

（2）基于插值細(xì)分方法的提升小波原理，設(shè)計(jì)了相應(yīng)的預(yù)測(cè)與更新算子克服傳統(tǒng)小波變換存在的邊界問(wèn)題，并采用中值法去除數(shù)據(jù)中包含的粗大誤差，然后通過(guò)一個(gè)滑動(dòng)的時(shí)間窗，將提升小波閾值去噪應(yīng)用于數(shù)據(jù)的預(yù)處理中。

1.2 報(bào)警分析

危險(xiǎn)與可操作性分析（hazard and operability analysis，HAZOP）方法是裝置危害辯識(shí)的重要應(yīng)用技術(shù)之一，可以集合裝置工藝、設(shè)備、儀表等多部門的集體智慧，分析裝置運(yùn)行中的安全問(wèn)題。

同時(shí)，根據(jù)EEMUA Publication 191（《報(bào)警系統(tǒng)-設(shè)計(jì)、管理及采購(gòu)指導(dǎo)》）標(biāo)準(zhǔn)，由風(fēng)險(xiǎn)的嚴(yán)重性（臨界、大、中或?。┘熬o迫性（立即行動(dòng)、迅速、盡快），確定報(bào)警優(yōu)先值（緊急、高或低），實(shí)現(xiàn)報(bào)警分級(jí)，以便于根據(jù)同時(shí)發(fā)生的報(bào)警的重要程度對(duì)報(bào)警排序。具體如表1所示。

這樣，將HAZOP的“引導(dǎo)詞+工藝參數(shù)”為表達(dá)方式的分析結(jié)果，與裝置的單點(diǎn)報(bào)警匹配，即可形成針對(duì)單點(diǎn)報(bào)警的報(bào)警規(guī)則，實(shí)時(shí)得到報(bào)警的優(yōu)先級(jí)、發(fā)生的原因、可能產(chǎn)生的后果、操作建議等，為操作員提供操作指導(dǎo)。

表1 報(bào)警優(yōu)先值的確定

1.3 工藝狀態(tài)監(jiān)測(cè)與指導(dǎo)

系統(tǒng)研究了基于定性定量復(fù)雜工藝狀態(tài)監(jiān)測(cè)與指導(dǎo)技術(shù)實(shí)用方法，具體包括如下。

（1）提出了完整的定性符號(hào)有向圖（signed directed graph，SDG）故障診斷方法、建模流程、步驟、原則及算法，并在此基礎(chǔ)上構(gòu)建了“故障邏輯關(guān)系模型”的建立規(guī)則。

（2）研究了包括模糊邏輯、主元分析（principle component analysis，PCA）、神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）等定量故障診斷技術(shù)的基本原理、診斷步驟及算法，測(cè)試了各種故障診斷算法的實(shí)際診斷效果。

對(duì)于己內(nèi)酰胺這種大型石化裝置，由于系統(tǒng)的連續(xù)性、復(fù)雜性，單一的異常監(jiān)測(cè)診斷方法均常常存在一定的缺陷。例如使用PCA方法進(jìn)行監(jiān)測(cè)時(shí)，傳統(tǒng)的監(jiān)測(cè)指標(biāo)為T2統(tǒng)計(jì)量和Q統(tǒng)計(jì)量[3-4]，如式（1）～式（4）。

但是，在實(shí)際生產(chǎn)過(guò)程中僅根據(jù)T2和Q統(tǒng)計(jì)量進(jìn)行異常檢測(cè)往往出現(xiàn)結(jié)果的不確定性，為避免這種情況的發(fā)生，本文采用了Qin[3]、Zumoffen[5]提出的新的綜合故障監(jiān)測(cè)指標(biāo)z，如式（5）。

式中，?T2=mean(T2)+τ ·std(T2)，?Q=mean(Q)+ τ ·std(Q)，mean(x)表示隨機(jī)變量x的平均值，std(x)表示x的標(biāo)準(zhǔn)差，而τ為誤判風(fēng)險(xiǎn)參數(shù)，通常取2（5%α=）或3（1%α=）。當(dāng)某一實(shí)時(shí)數(shù)據(jù)向量的綜合指標(biāo)z ＞ 2時(shí)，則認(rèn)為過(guò)程出現(xiàn)異?；蚬收?。該綜合指標(biāo)不僅避免了診斷結(jié)果的不確定性，并且對(duì)過(guò)程變量分布的依賴性較小。

此外，PCA方法的優(yōu)勢(shì)是能實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的變化，但難以給出造成數(shù)據(jù)變化的根源。即該方法適用于“監(jiān)測(cè)”而非“診斷”。

因此，為了集合各種技術(shù)方法的特長(zhǎng)，本文提出一個(gè)層次融合監(jiān)測(cè)與診斷模型[6-8]，并在此基礎(chǔ)上開(kāi)發(fā)了工藝監(jiān)測(cè)與診斷引擎。其結(jié)構(gòu)如圖1所示。

圖1 層次融合監(jiān)測(cè)診斷模型

工藝監(jiān)測(cè)與診斷引擎利用符號(hào)有向圖的雙向推理能力，結(jié)合風(fēng)險(xiǎn)發(fā)生的嚴(yán)重等級(jí)、頻率等級(jí)，計(jì)算風(fēng)險(xiǎn)的發(fā)生概率以及嚴(yán)重度，得到各個(gè)可能性風(fēng)險(xiǎn)的排隊(duì)序列。其輸出是以一定規(guī)則編輯的邏輯代碼，該代碼不能直接反饋到人機(jī)界面，需要專家知識(shí)庫(kù)的支持。該知識(shí)庫(kù)包括異常工況經(jīng)驗(yàn)庫(kù)、設(shè)備知識(shí)庫(kù)、物性知識(shí)庫(kù)、控制系統(tǒng)知識(shí)庫(kù)和傳感器知識(shí)庫(kù)，為工藝監(jiān)測(cè)引擎提供歷史事故經(jīng)驗(yàn)、設(shè)備失效知識(shí)、物性參數(shù)、常見(jiàn)控制器失效模式和傳感器失靈模式等相關(guān)知識(shí)與規(guī)則。在異常處理過(guò)程中得到的新規(guī)則，可以動(dòng)態(tài)加入到知識(shí)庫(kù)中，提高其準(zhǔn)確性和效率。工藝監(jiān)測(cè)與診斷引擎得到分析結(jié)果的邏輯編碼后，便可到專家系統(tǒng)知識(shí)庫(kù)中去匹配相應(yīng)的解釋，解釋的內(nèi)容以自然化的語(yǔ)言被保存到內(nèi)存數(shù)據(jù)庫(kù)中，提供給客戶端模塊調(diào)用，輔助操作人員了解裝置運(yùn)行的動(dòng)態(tài)。

客戶端的GUI子系統(tǒng)是人機(jī)界面部分，負(fù)責(zé)所有的數(shù)據(jù)顯示、聲光報(bào)警、報(bào)表生成和人員對(duì)本系統(tǒng)的相關(guān)操作。

HAZOP分析結(jié)果經(jīng)過(guò)整理，即可以作為報(bào)警分析的“知識(shí)”來(lái)源，也可以形成異常工況經(jīng)驗(yàn)庫(kù)的一部分。結(jié)合其他的定性定量的工藝狀態(tài)監(jiān)測(cè)方法形成的層次融合監(jiān)測(cè)與診斷模型，不僅部分解決了裝置的DCS控制系統(tǒng)“數(shù)據(jù)充分，信息缺乏”的問(wèn)題，而且可以保留住裝置上優(yōu)秀的操作經(jīng)驗(yàn)。

2 系統(tǒng)開(kāi)發(fā)與應(yīng)用

以上述安全運(yùn)行指導(dǎo)技術(shù)為核心，結(jié)合某煉化企業(yè)己內(nèi)酰胺裝置的實(shí)際需求，開(kāi)發(fā)完成了“己內(nèi)酰胺裝置安全運(yùn)行指導(dǎo)系統(tǒng)”，并在現(xiàn)場(chǎng)進(jìn)行應(yīng)用。

2.1 系統(tǒng)功能

系統(tǒng)實(shí)現(xiàn)了數(shù)據(jù)采集、組態(tài)建模、實(shí)時(shí)監(jiān)測(cè)、知識(shí)管理等功能，軟件系統(tǒng)為B/S架構(gòu)。軟件系統(tǒng)的整體功能示意圖如圖2所示。

2.2 現(xiàn)場(chǎng)應(yīng)用

“己內(nèi)酰胺裝置安全運(yùn)行指導(dǎo)系統(tǒng)”在該煉化企業(yè)的己內(nèi)酰胺裝置酰胺化單元進(jìn)行了應(yīng)用。酰胺化單元主要由反應(yīng)氣正己烷吸收、循環(huán)蒸餾、預(yù)混合、酰胺化、水解、CCA萃取、酸團(tuán)貯存、中性副產(chǎn)物處理、組合工藝等工序組成，如圖3所示。

對(duì)裝置進(jìn)行了深入分析，結(jié)合專家經(jīng)驗(yàn)及多種監(jiān)測(cè)診斷方法，構(gòu)建了針對(duì)酰胺化單元的專家知識(shí)庫(kù)和監(jiān)測(cè)診斷應(yīng)用模型，其中，故障邏輯關(guān)系模型如圖4所示。

圖2 系統(tǒng)功能示意圖

圖3 酰胺化單元流程簡(jiǎn)圖

圖4 酰胺化單元故障邏輯關(guān)系模型圖

2.2.1 報(bào)警分析

對(duì)于重要的DCS儀表，實(shí)時(shí)監(jiān)測(cè)其狀態(tài)：關(guān)聯(lián)HAZOP分析結(jié)果，根據(jù)報(bào)警優(yōu)先級(jí)，進(jìn)行報(bào)警分析。例如TI0414在某時(shí)刻發(fā)生高報(bào)，畫面上部給出“低”的報(bào)警優(yōu)先值，畫面下部給出可能原因、建議措施、不利后果、防范措施等，如圖5所示。

2.2.2 工藝監(jiān)測(cè)與診斷

系統(tǒng)對(duì)工藝狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，發(fā)現(xiàn)異常時(shí)，及時(shí)提示用戶。

（1）中性副產(chǎn)物工段停工，清洗系統(tǒng) 某日，由于中性副產(chǎn)物工段要清洗系統(tǒng)，故該工段停工。而作為該工段的進(jìn)料流量，F(xiàn)IC0411前的泵P0410關(guān)閉。

圖5 報(bào)警分析界面

圖6 FIC0411趨勢(shì)圖

圖7 預(yù)混合工段工藝狀態(tài)監(jiān)測(cè)趨勢(shì)圖

圖6給出了該日8：00～20：00時(shí)間段內(nèi)，F(xiàn)IC0411的變化趨勢(shì)。圖7給出了該時(shí)間段內(nèi)工藝狀態(tài)監(jiān)測(cè)模塊對(duì)預(yù)混合工段的監(jiān)測(cè)結(jié)果。

由圖6可知，F(xiàn)IC0411在8：41突然下降，直至18：16開(kāi)始逐漸恢復(fù)。與此對(duì)應(yīng)，預(yù)混合工段的工藝狀態(tài)監(jiān)測(cè)模塊給出的監(jiān)測(cè)結(jié)果是，故障監(jiān)測(cè)指標(biāo)z（即“工藝監(jiān)測(cè)指標(biāo)”）從8：41突然上升，且在8：41～18：16時(shí)間段大都維持故障報(bào)警狀態(tài)，而其余時(shí)間段內(nèi)監(jiān)測(cè)模塊皆給出了工段處于正常狀態(tài)的結(jié)論，與實(shí)際情況相符，如圖7所示。

此時(shí)，安全運(yùn)行指導(dǎo)系統(tǒng)的運(yùn)行界面圖如圖8所示，其結(jié)論是FIC0411發(fā)生嚴(yán)重報(bào)警。

（2）酰胺化反應(yīng)溫度高，增大流量降溫 某日，由于酰胺化工段的R0402反應(yīng)器反應(yīng)溫度持續(xù)偏高，操作工在8：30左右開(kāi)大了FIC0424流量，通過(guò)增大流量降溫，生產(chǎn)系統(tǒng)產(chǎn)生較大波動(dòng)。

安全運(yùn)行指導(dǎo)系統(tǒng)監(jiān)測(cè)到故障監(jiān)測(cè)指標(biāo)z嚴(yán)重超標(biāo)，遠(yuǎn)遠(yuǎn)大于上限2，見(jiàn)圖9。根據(jù)故障邏輯關(guān)系模型，系統(tǒng)推理出結(jié)論：8：39左右，“反應(yīng)器R0402溫度先超高，隨后冷卻液流量FIC0424增大，可能進(jìn)行冷卻”，同時(shí)可以看到FIC0424等位點(diǎn)發(fā)生較大偏離。

現(xiàn)場(chǎng)應(yīng)用表明，安全運(yùn)行指導(dǎo)系統(tǒng)的監(jiān)測(cè)結(jié)果與現(xiàn)場(chǎng)實(shí)際情況吻合，可以正確的檢測(cè)出裝置異常，且可以根據(jù)預(yù)先建立的知識(shí)庫(kù)正確地診斷故障原因。

2.2.3 知識(shí)管理

系統(tǒng)提供開(kāi)放式的接口，用戶可以在線查閱并添加裝置的開(kāi)停車、設(shè)備、操作方案、事故預(yù)案與案例以及HAZOP分析結(jié)果等信息，從而了信息的繼承與交流。

系統(tǒng)自現(xiàn)場(chǎng)投用以來(lái)，實(shí)時(shí)監(jiān)測(cè)模塊給出的提示信息較為準(zhǔn)確和及時(shí)，其反映出的變化趨勢(shì)和調(diào)節(jié)方向，與裝置的實(shí)際狀況吻合，與操作員的操作調(diào)整也基本保持一致。該系統(tǒng)對(duì)酰胺化單元運(yùn)行故障判斷的準(zhǔn)確率超過(guò)90%，誤報(bào)率在4%以下。同時(shí)，事故預(yù)案知識(shí)庫(kù)、操作方案等在線知識(shí)庫(kù)對(duì)于增強(qiáng)員工操作培訓(xùn)效果、節(jié)約培訓(xùn)成本具有很好的作用。

圖8 酰胺化單元工藝狀態(tài)監(jiān)測(cè)界面1

圖9 酰胺化單元工藝狀態(tài)監(jiān)測(cè)界面2

3 結(jié) 論

根據(jù)某煉化企業(yè)己內(nèi)酰胺裝置工藝技術(shù)特點(diǎn)及故障模式，應(yīng)用多種定性定量的故障分析診斷技術(shù)，開(kāi)發(fā)了己內(nèi)酰胺裝置在線安全運(yùn)行指導(dǎo)系統(tǒng)，對(duì)生產(chǎn)過(guò)程進(jìn)行實(shí)時(shí)的異常監(jiān)測(cè)和診斷，幫助現(xiàn)場(chǎng)操作人員及時(shí)發(fā)現(xiàn)裝置中存在的問(wèn)題并作出快速反應(yīng)。該系統(tǒng)的投用后，取得了良好的應(yīng)用效果：有助于輔助裝置工藝技術(shù)人員分析可能出現(xiàn)的各種復(fù)雜工況，避免由于判斷失誤或誤操作等原因?qū)е碌纳a(chǎn)波動(dòng)或非計(jì)劃停車事件的發(fā)生。

[1] 張衛(wèi)華，王春利，姜巍巍，等. 石化裝置安全運(yùn)行指導(dǎo)系統(tǒng)開(kāi)發(fā)及應(yīng)用[C]//2009年中國(guó)過(guò)程系統(tǒng)工程年會(huì)暨中國(guó)MES年會(huì)論文集. 2009：181-186.

[2] Zhang Weihua. Study on abnormal situation management system based on sdg，integration of several fault diagnosis methods[D]. Beijing：Beijing University of Chemical Technology，2010.

[3] Qin S J. Statistical process monitoring：basics and beyond[J]. Journal of Chemometrics，2003，17：480-502.

[4] 王海清.工業(yè)過(guò)程監(jiān)測(cè)：基于小波和統(tǒng)計(jì)學(xué)的方法[D].杭州：浙江大學(xué)，2000.

[5] Zumoffen D，Basualdo M.From large chemical plant data to fault diagnosis integrated to decentralized fault tolerant control：Pulp mill process application[J]. Industry and Engineering Chemistry Research，2008，47：1201 - 1220.

[6] Zhang Weihua，Wu Chongguang，Wang Chunli. Qualitative algebra and graph theory methods using in dynamic trend analysis of continuous system[J].Chinese Journal of Chemical Engineering，2011，19（2）：308-315.

[7] 陶少輝，李傳坤. 化工過(guò)程故障原因診斷的變量異常順序法[J]. 計(jì)算機(jī)與應(yīng)用化學(xué)， 2012，29（2）：178-180.

[8] Gao Dong，Zhang Beike，Ma Xin，et al. SDG multiple fault diagnosis by fuzzy logic and real-time bidirectional inference[C]//2009 International Conference on Information Engineering and Computer Science. United States：IEEE Computer Society，2009：118-125.

R&D and application of caprolactam plant safety operation guidance system

LI Chuankun，WANG Chunli，GAO Xinjiang
（State Key Laboratory of Safety and Control for Chemicals，SINOPEC Research Institute of Safety Engineering，Qingdao 266071，Shandong，China）

There is high complexity and risk in caprolactam plant，so it is necessary to develop an online safety operation guidance system with fault diagnosis as core，which can help operator’s operation. In this paper，a fault detection and diagnosis model for the entire caprolactam plant was built based on qualitative and quantitative fault diagnosis methods，such as signed directed graph (SDG)，fuzzy logic，principal component analysis (PCA)，Artificial Neural Network(ANN) and expert system. Based on the characteristics of process and failure mode of caprolactam plant，the expert knowledge database with root reason，propagation path and treatment measures of the fault was built by combining Hazard and Operability Analysis results with expert experience. At last，a Caprolactam Plant Safety Operation Guidance System was established and used in the caprolactam plant with good performance.

signed directed graph；model；principle component analysis；artificial neural network；expert system；hazard and operability analysis

TP 182

A

1000-6613（2014）04-1060-07

10.3969/j.issn.1000-6613.2014.04.047

2013-05-31；修改稿日期：2013-07-20 。

國(guó)家科技支撐計(jì)劃（2012BAK13B00）及國(guó)家高技術(shù)研究發(fā)展計(jì)劃（2013AA040701）項(xiàng)目。

及聯(lián)系人：李傳坤（1984—），男，碩士，工程師。E-mail lick.qday@sinopec.com。