高小永，江永亨，黃德先

?

基于裝置級優(yōu)化控制與廠級調度優(yōu)化集成的過程模型方法

高小永，江永亨，黃德先

（清華大學自動化系，清華大學信息科學與技術國家實驗室，北京 100084）

隨著全球化市場競爭日趨激烈，煉油生產過程的系統(tǒng)工程方法引起學術界和工業(yè)界的普遍關注。由于煉油生產過程的復雜性，現(xiàn)有方法遠未有效解決過程模型準確描述問題，直接導致系統(tǒng)工程應用效果欠佳；過程模型的準確描述成為阻礙過程系統(tǒng)工程成功應用的關鍵。從困擾過程模型準確描述的癥結出發(fā)，提出了一種基于裝置級優(yōu)化控制與廠級調度優(yōu)化集成策略的模型描述方法，意在打破當前裝置級底層控制系統(tǒng)和上層過程系統(tǒng)工程應用相互孤立情況下帶來的系統(tǒng)間互為排斥、相互抑制的困局。在煉油生產過程裝置分類的基礎上，基于裝置級優(yōu)化控制的操作運行大數(shù)據所蘊含的多個最優(yōu)操作模態(tài)信息，提出分裝置類別和分操作模式的多模型描述方法，解決變化原料及操作工況的影響；基于該模型描述機制，將能夠為智能煉油提供基礎。

集成；系統(tǒng)工程；過程控制；大數(shù)據；煉油生產過程；過程模型描述

引 言

近些年，煉油生產過程系統(tǒng)工程引起工業(yè)界和學術界的普遍關注[1-4]，而且煉油工業(yè)信息化硬件條件的快速發(fā)展也為系統(tǒng)工程的應用提供了契機和基礎[3-5]。圍繞煉油生產過程的計劃優(yōu)化、調度優(yōu)化等過程系統(tǒng)工程方面的研究和討論，盡管學術界報道較多[6-7]，卻鮮見成功的應用案例。在工業(yè)界，雖然有諸多計劃優(yōu)化的軟件在使用，如Honeywell公司的RPMS，Aspen公司的PIMS，Haverly Systems的GRTMPS等[8-9]，但簡單線性回歸過程模型描述方法造成了不可忽視的模型失配，導致計劃優(yōu)化結果往往不具有實際可指導性；調度優(yōu)化方面，目前應用最多的當屬Aspen公司的Aspen Orion[10]，作為交互式調度排產作業(yè)的驗證平臺，并沒有解決過程模型描述以及全廠調度優(yōu)化大規(guī)模問題的優(yōu)化求解問題，Honeywell公司的Business Flex試圖解決全流程調度優(yōu)化的問題，終因復雜變化原油進料和操作工況條件下難以實現(xiàn)過程模型準確描述的問題而未獲廣泛推廣應用。因此，過程模型描述問題是阻礙當前煉油生產過程諸如計劃優(yōu)化、調度優(yōu)化等系統(tǒng)工程應用的關鍵所在。

隨著MES、DCS等系統(tǒng)的大量投入運行，煉油生產過程積累了海量的操作工況數(shù)據、質量數(shù)據以及經營數(shù)據。然而，數(shù)據并沒有真正轉化為信息而產生價值。如何解析數(shù)據、形成有效模型并最終服務于煉油過程系統(tǒng)工程應用，是目前亟需解決的難題和重要挑戰(zhàn)?；诖苏J識，本文提出了裝置級優(yōu)化控制與廠級調度優(yōu)化系統(tǒng)集成的框架，并基于該集成框架，提出了過程模型描述方法，以應對變化原油和操作條件帶來的模型描述困難。

1 問題描述

目前在計劃優(yōu)化和調度優(yōu)化領域廣泛采用的單一線性描述模型罔顧變化原油以及操作工況帶來的影響，模型失配較大，直接后果是優(yōu)化決策信息不具有實際可指導性，實際控制系統(tǒng)并不能完全實現(xiàn)計劃及調度目標。更嚴重地，不合理的調度給正常的生產經營帶來干擾，給生產裝置的正常操作尤其是先進控制的有效運行造成困難，導致增大操作成本和安全隱患。而且，基于不平穩(wěn)過程的運行數(shù)據統(tǒng)計得到的模型進一步增大了模型失配程度，進一步劣化后續(xù)優(yōu)化的結果。如此而來就形成了相互抑制、相互干涉、矛盾不可調和的應用局面。如圖1所示。

目前系統(tǒng)之間相互孤立的研究方法造成了系統(tǒng)之間相互拆臺、互為障礙的現(xiàn)狀和研究及應用的死結。因此，要從根本上扭轉這一根本性難題，打破研究和應用的困局，必須采用系統(tǒng)集成的思路。

本文即在此基礎上提出了一種優(yōu)化控制系統(tǒng)與調度優(yōu)化集成考慮的框架，并以此為突破口，提出了基于集成框架和優(yōu)化控制的過程模型描述方法。

與此同時，煉油生產過程區(qū)別于其他生產過程，體現(xiàn)在[11-12]：

（1）過程特性（即收率特性、能耗特性、公用工程消耗特性等）隨進料原油的變化而不同，且對不同類型裝置的影響各不相同；

（2）即使進料相同情況下，過程特性也會隨著操作條件的不同而不同。

這些特殊性都必須在過程模型描述中予以考慮才能適應現(xiàn)場實際情況。很顯然，如今的過程系統(tǒng)工程中所用的單一數(shù)據統(tǒng)計模型或基于操作狀態(tài)的多模型描述都不能很好地適應這種特殊性和復雜性[13-16]。

2 優(yōu)化控制與過程系統(tǒng)工程的集成框架

為徹底打破當前研究及應用中系統(tǒng)間相互孤立帶來的死結，提出了一種裝置級優(yōu)化控制與廠級過程系統(tǒng)工程系統(tǒng)的集成框架。如圖2所示。

基于裝置級優(yōu)化控制系統(tǒng)采集的大量生產運營數(shù)據，利用數(shù)據解析技術可以對不同裝置進行分模式與進料原油不同的多模型描述，組織形成多維度模型信息庫，提供給調度優(yōu)化、計劃優(yōu)化及供應鏈管理等應用，優(yōu)化的結果反饋給裝置級優(yōu)化控制系統(tǒng)執(zhí)行。隨著集成系統(tǒng)協(xié)同的不斷運行，優(yōu)化控制系統(tǒng)效果越來越明顯，過程模型的描述將更逼近真實過程，系統(tǒng)間良性作用效果越凸顯。

在這里，集成的基礎在模型描述，模型描述的關鍵在裝置級優(yōu)化控制與廠級調度優(yōu)化系統(tǒng)的集成。值得強調的是，這種集成策略并不以模型預測控制和實時優(yōu)化為代表的裝置級優(yōu)化控制為必須實現(xiàn)的條件，也適應于在當前工業(yè)現(xiàn)場以常規(guī)控制為主的情況。區(qū)別在于，裝置級優(yōu)化控制實現(xiàn)更平穩(wěn)控制和卡邊優(yōu)化，基于此的模型統(tǒng)計更準確，而且調度方案執(zhí)行效果更佳。在整體集成策略運行以后，實現(xiàn)并獲得了更合理的調度方案，即更穩(wěn)定的原油供應以及裝置操作調度安排等，為裝置級優(yōu)化控制的全面實施也創(chuàng)造了條件。因此，此種集成策略形成了控制、調度、計劃乃至供應鏈之間良性互動協(xié)同的局面，有望解決目前所面臨的困局。

3 基于優(yōu)化控制的過程維度模型方法

煉油生產過程由眾多不同裝置組成，這些裝置不僅有著迥異的內在機理，而且操作特點差異很大，統(tǒng)一的過程模型描述方法很難滿足要求。在深入分析煉油生產過程機理的基礎上，對煉油生產過程所涉及的裝置進行了劃分，并針對不同類型裝置設計了不同的描述模型[17-20]。

3.1 煉油生產過程裝置類型劃分

根據裝置運行機理及操作特點，將煉油生產過程所涉及的主要裝置劃分為如下3類。

（1）一次加工過程（PPU）

一次加工過程指的是包括預分餾在內的常減壓蒸餾過程，不涉及任何反應環(huán)節(jié)，該類過程的運行是基于純物理的沸點蒸餾原理。

（2）二次深加工過程（SPU）

二次深加工過程指的是大分子重組分反應生成小分子輕組分的過程，如催化裂化、延遲焦化、加氫裂化、加氫催化裂化等。該類過程既包含催化反應環(huán)節(jié)，又包含反應生成料漿的分餾環(huán)節(jié)。

（3）加氫改質過程（HUPU）

改質過程指的是通過加氫脫除反應提高組分油品質的過程，如柴油加氫精制、汽油加氫脫硫等。加氫改質過程的出料往往是作為調和組分油。

3.2 基于優(yōu)化控制的多維度模型描述方法

基于3.1節(jié)所描述的裝置類型劃分，對每一類別的裝置分別設計了不同的模型方法以區(qū)分應對不同裝置類型所蘊含的內在機理和操作特點而帶來的差異性，整體框圖如圖3所示。

在裝置級優(yōu)化控制的作用下，裝置往往操作在有限種最優(yōu)操作模式。以常壓蒸餾塔為例，可能是汽油最大化生產方案，航煤最大化生產方案或輕柴油最大化生產方案等集中最優(yōu)操作模式。而每一種操作模式對應一組側線抽出的切割溫度點。

如前所述，對于一次加工過程而言，純物理的沸點蒸餾原理決定了進料的TBP曲線將可以直接反映進料性質變化對過程特性帶來的影響。因此，對于一次加工過程而言，提出了基于原油TBP和最優(yōu)操作模式的多模型描述方法，可以綜合反映進料原油性質和操作條件而帶來的影響。

對于二次深加工過程而言，并不能輕易獲得進料的性質評價數(shù)據。然而，二次深加工的進料往往來自一次深加工過程的重組分或重組分的混合。一次深加工過程的操作模式調整對重組分出料影響較小，工程上可忽略不計。受此啟發(fā)，可以對原油進行分類可間接反映二次深加工過程進料組分的變化?；诖?，提出了一種以原油分類和操作模式為基礎的多維度模型描述方法[17]。

對于改質過程而言，出料往往直接作為調和組分油，該類過程的細微調整即可對調和過程經濟效益帶來很大影響。因此，有必要建立該類過程隨著操作工況的連續(xù)模型以深入挖掘操作微調帶來的經濟效益潛力[18-19]。

4 案例分析

以一次加工過程（此案例即常壓蒸餾塔）的側線收率為例結合來自現(xiàn)場的工業(yè)案例及仿真案例，來驗證所提建模方法的有效性。

4.1 工業(yè)案例分析

對于來自某煉廠常壓塔近一年的側線（分別為直餾汽油、一線航煤、二線輕柴及三線重柴）收率數(shù)據，如圖4所示，建立收率預測的多模型，用以驗證所提方法的有效性。

應用本文所提方法建立收率多模型，得到的預測結果，如圖5所示。

考察收率預測誤差，誤差曲線如圖6所示。很顯然，誤差較小，完全符合現(xiàn)場應用的精度要求。

4.2 仿真案例分析

為進一步考察變化原油進料下所提模型描述方法是否有效，基于Honeywell公司的UniSim Design仿真了某煉廠實際工業(yè)流程，并在仿真中設計了3種不同原油的混合進料，用變化的混合比例來模擬進料原油性質變化。采集得到的原始收率數(shù)據樣本如圖7所示。

同樣地，得到的收率預測結果及預測誤差曲線分別如圖8、圖9所示。從預測誤差曲線上來看，預測精度達到現(xiàn)場應用的精度要求。

5 展 望

基于所提的過程模型描述方法，利用生產運行數(shù)據，可以得到對應不同原油與操作工況下，各裝置的過程特性模型，包括收率、操作成本、公用工程消耗等，利用這些信息，可以實現(xiàn)：

（1）廠級計劃優(yōu)化及調度優(yōu)化中生產環(huán)節(jié)與公用工程環(huán)節(jié)的集成優(yōu)化；

（2）廠級計劃優(yōu)化、調度優(yōu)化以及計劃優(yōu)化和調度優(yōu)化的一體化；

（3）集團公司級計劃優(yōu)化層面，能夠為PIMS模型的更為準確的描述和更新提供幫助，為集團公司原油在各煉廠之間最優(yōu)分配及各煉廠生產計劃指標優(yōu)化提供更為準確的模型基礎和自動更新機制，也能進一步為原油采購優(yōu)選提供條件。

在系統(tǒng)長期運行的基礎上，在線自積累大量有效的生產運行數(shù)據，在滿足一定的更新條件下即可對過程模型進行在線自更新，逐步過程模型的逼近精度，為智能煉油提供模型基礎。整體策略如圖10所示。

這里面，進一步待研究的問題有：

（1）數(shù)據自動處理、校驗及大數(shù)據條件下的數(shù)據解析技術；

（2）對于模型更新的運行數(shù)據有效性檢驗；

（3）廠級計劃優(yōu)化和調度優(yōu)化的集成優(yōu)化及快速優(yōu)化求解方法；

（4）裝置級優(yōu)化控制的自動最優(yōu)實現(xiàn)，即如何自動最優(yōu)實現(xiàn)調度方案，而不再依賴于操作工經驗水平；

（5）集團公司級計劃優(yōu)化與廠級計劃及調度優(yōu)化的集成優(yōu)化方法。

6 結 論

從當前煉油生產過程系統(tǒng)工程應用和裝置級優(yōu)化控制相互孤立的研究現(xiàn)狀而造成的兩者之間相互抑制的局面出發(fā)，提出了一種過程系統(tǒng)工程與裝置級優(yōu)化控制集成解決的框架，并提出了基于裝置級優(yōu)化控制和廠級調度優(yōu)化集成的過程模型描述方法。在對煉油生產過程所涉及的主要裝置分類的基礎上，對每類裝置分別設計了對應的過程特性模型描述方法以應對復雜變化原油和操作條件的實際困難。以產品收率為例，來自現(xiàn)場的工業(yè)案例和UniSim Design的仿真案例均驗證了所提方法的有效性。所提模型描述方法有望解決目前煉油生產過程系統(tǒng)工程應用因模型描述不準確而導致的應用效果欠佳或無法實施的困境。有望在解決過程模型描述的基礎上，實現(xiàn)廠級計劃優(yōu)化和調度優(yōu)化的集成，進一步實現(xiàn)集團公司級計劃優(yōu)化，為指導科學決策原油采購優(yōu)選、原油在廠間最優(yōu)分配以及最優(yōu)計劃指標提供準確模型依據。

[1] 王弘軾. 化工過程系統(tǒng)工程[M]. 北京: 清華大學出版社, 2006. WANG H S. Chemical Process System Engineering [M]. Beijing: Tsinghua University Press, 2006.

[2] 楊友麒, 成思危. 過程系統(tǒng)工程面臨的挑戰(zhàn)和發(fā)展趨勢[J]. 化工進展, 2002, 21(8): 527-534. YANG Y L, CHENG S W. Challenges facing and development trends of process systems engineering [J]. Chemical Industry and Engineering Progress, 2002, 21(8): 527-534.

[3] 李德芳, 索寒生. 加快智能工廠進程, 促進生態(tài)文明建設[J]. 化工學報, 2014, 65(2): 374-380. LI D F, SUO H S. Accelerate the process of smart plant, promote ecological civilization construction [J]. CIESC Journal, 2014, 65(2): 374-380.

[4] 王基銘. 過程系統(tǒng)工程技術與中國石化可持續(xù)發(fā)展[J]. 化工學報, 2007, 58(10): 2421-2426. WANG J M. Process system engineering technology and sustainable development of Sinopec [J]. Journal of Chemical Industry and Engineering (China), 2007, 58(10): 2421-2426.

[5] 王燦芝. 信息化技術在石化企業(yè)的應用[J]. 煉油與化工, 2009, 20(3): 67-68. WANG C Z. Application of information technologies in petrochemical company [J]. Refining and Chemical Industry, 2009, 20(3): 67-68.

[6] HARJUNKOSKI I, MARAVELIAS C T., BONGERS P,. Scope for industrial applications of production scheduling models and solution methods [J]. Computers & Chemical Engineering, 2014, 62: 161-193.

[7] GROSSMANN I. Enterprise-wide optimization: a new frontier in process systems engineering [J]. AIChE Journal, 2005, 51(7): 1846-1857.

[8] 咸廷偉, 張敏, 曹永德, 等. 煉化企業(yè)生產計劃優(yōu)化軟件RPMS的應用研究[J]. 自動化與儀表, 2006, (6): 12-15. XIAN T W, ZHANG M, CAO Y D,. Application research of the plan and optimized system (RPMS) in the refinery and chemical company [J]. Automation and Instrumentation, 2006, (6): 12-15.

[9] 張紅榮. 計劃優(yōu)化模型在化工企業(yè)的典型應用[J]. 當代石油化工, 2011, (11): 33-36. ZHANG H R. Typical application of planning optimizing model in chemical company [J]. Petroleum & Petrochemical Today, 2011, (11): 33-36.

[10] 李海濤, 樊慶遠. Aspen Orion系統(tǒng)在煉油廠生產調度優(yōu)化中的應用[J]. 數(shù)字石油和化工, 2008, (4): 28-30.LI H T, FAN Q Y. Application of Aspen Orion in production scheduling optimization of oil refinery [J]. Digital Petroleum & Chemical, 2008, (4): 28-30.

[11] PINTO J M, JOLY M, MORO L F L. Planning and scheduling models for refinery operations [J]. Computers & Chemical Engineering, 2000, 24(9/10): 2259-2276.

[12] ALHAJRI I, ELKAMEL A, ALBAHRI T,. A nonlinear programming model for refinery planning and optimisation with rigorous process models and product quality specifications [J]. International Journal of Oil, Gas and Coal Technology, 2008, 1(3): 283-307.

[13] LUO C, RONG G. Hierarchical approach for short-term scheduling in refineries [J]. Industrial & Engineering Chemistry Research, 2007, 46(11): 3656-3668.

[14] JIA Z, IERAPETRITOU M. Efficient short-term scheduling of refinery operations based on a continuous time formulation [J]. Computers & Chemical Engineering, 2004, 28(5): 1001-1019.

[15] GAO Z, TANG LX, JIN H,. An optimization model for the production planning of overall refinery [J]. Chinese Journal of Chemical Engineering, 2008, 16(1): 67-70.

[16] SHAH N K, IERAPETRITOU M G. Short-term scheduling of a large-scale oil-refinery operations: Incorporating logistics details [J]. AIChE Journal, 2011, 57(6): 1570-1584.

[17] GAO X Y, SHANG C, JIANG Y H,. Refinery scheduling with varying crude: a deep belief network classification and multimodel approach [J]. AIChE Journal, 2014, 60(7): 2525-2532.

[18] GAO X Y, JIANG Y H, CHEN T,. Optimizing scheduling of refinery operations based on piecewise linear models [J]. Computers & Chemical Engineering, 2015, 75: 105-119.

[19] GAO X Y, JIANG Y H, HUANG D X,. A novel high level canonical piecewise linear model based on the simplicial partition and its application [J]. ISA transactions, 2014, 53(5): 1420-1426.

[20] 黃德先, 江永亨, 高小永, 等. 基于集成控制優(yōu)化的煉油生產過程調度優(yōu)化建模方法: 201210228138.8 [P]. 2012.HUANG D X, JIANG Y H, GAO X Y,. Modeling method for refinery production scheduling optimization based on integrated optimal process control: 201210228138.8 [P]. 2012.

Process modelling based on integration of unitwide optimal process control and plantwide scheduling

GAO Xiaoyong, JIANG Yongheng, HUANG Dexian

(Department of Automation, Tsinghua National Laboratory for Information Science and Technology, Tsinghua University, Beijing 100084, China)

The process system engineering methods for refinery production process have drawn increasing concerns in both academic and industrial communities due to the fierce global competition. Due to the complexity of refinery production process, the effective process model is still an open problem, which hampers process system engineering application. In some senses, the process model is the fundamental basis for successful application. To break this bottleneck, an integration between unit-wide optimal process control system and plant-wide scheduling system based modelling framework is proposed. The whole refinery production processes are divided into several different classes, and each class unit has a unique and well-designed model structure. Based on the big operational data collected from the unit-wide optimal control system, the multi-mode models are obtained to take varying crudes and operating conditions into account. This modelling mechanism can provide the concrete model for smart or intelligent refinery.

integration; system engineering; process control; big data; refinery production process; process model description

date: 2016-08-30.

Prof. HUANG Dexian, huangdx@tsinghua. edu.cn

10.11949/j.issn.0438-1157.20161200

TP 11

A

0438—1157（2016）12—5105—07

國家高技術研究發(fā)展計劃項目（2013AA040702）；國家自然科學基金項目（21276137，61273039）。

supported by the National High Technology Research and Development Program of China (2013AA040702) and the National Natural Science Foundation of China (21276137, 61273039).

2016-08-30收到初稿，2016-09-02收到修改稿。

聯(lián)系人：黃德先。第一作者：高小永（1985—），男，博士，助理研究員。