一种炼化装置加热炉炉管清焦时间的预测方法
【技术领域】
[0001]本发明涉及一种数据处理的方法，特别是涉及一种炼化装置加热炉炉管清焦时间的预测方法。
【背景技术】
[0002]炼化装置的加热炉炉管结焦是炉管内的油品温度超过一定界限后发生热裂解，变成游离碳，堆集到管内壁上的现象，主要发生在减压炉、焦化炉、减粘裂化炉、润滑油加热炉以及乙烯裂解炉上。
[0003]结焦过程:结焦最初是热裂解、聚缩、高分子物质离析等，主要起因于加热引起的反应;而由于流速小，达不到紊流状态，上述反应物残留在管壁上，逐渐沉积起来，形成了焦层。
[0004]加热炉炉管表面温度直接反映炉管的受热情况，随着结焦厚度的增加导致加热炉炉管管壁温度升高。结焦会使炉管管壁温度急剧上升，加剧了炉管的腐蚀和高温氧化，引起炉管鼓包、破裂、同样增长了管内压力降，使炉子操作性能恶化，有时甚至迫使装置不得不提前停运。
[0005]为了减轻或消除炉管结焦，人们发明了若干清焦方法，如空气-蒸汽烧焦法、机械清焦法和在线清焦法等。其中空气-蒸汽烧焦法和机械清焦法必须在加热炉停炉后进行，典型清焦时间分别为24?48h、18?24h，在线清焦法的典型清焦时间为16?24h。但是，无论何种方法，都会对装置的生产产生影响，造成经济损失。
[0006]因此，在加热炉运行过程中，预测炉管何时需要清焦，即预测加热炉炉管的“寿命”，可将装置的生产损失降到最低。
【发明内容】
[0007]基于上述技术问题，本发明提供一种炼化装置加热炉炉管清焦时间的预测方法。
[0008]本发明所采用的技术解决方案是:
[0009]—种炼化装置加热炉炉管清焦时间的预测方法，包括以下步骤:
[0010](1)确定监测对象
[0011]监测每根炉管的原料进口流量、每根炉管的蒸汽流量、炉管管壁温度、加热炉炉膛温度、加热炉出口温度和加热炉已连续工作时间；
[0012](2)收集样本数据
[0013]对于每个监测对象，每隔5-6个小时记录一次其实时数据，连续收集2-3个月的数据，形成样本库；
[0014](3)采用多种数学方法进行计算，分别得到炉管管壁温度达到上限的预计时间；
[0015]方法一:数据拟合方法
[0016]使用非线性数据拟合方法，以炉管管壁温度作为输入，拟合其温升曲线，从而可以推算在何时能达到加热炉炉管管壁最大允许温度值；
[0017]方法二:人工神经网络方法
[0018]对于每根加热炉炉管，以不同的人工神经网络算法，分别训练至少3个模型；以其进口流量、蒸汽流量、炉膛温度、出口温度、加热炉已连续工作时间作为输入参数，以炉管管壁温度作为输出参数，训练得到收敛的人工神经网络模型；
[0019]在线监测时，从装置上直接读取实时运行数据:当前炉管的进口流量、蒸汽流量、炉膛温度、出口温度，作为模型的输入;不断调整加热炉连续的工作时间，直到模型计算得到的输出参数与管壁最大允许温度值相近或相等，此时得到的加热炉连续的工作时间即为该炉管允许的最大工作时间；
[0020](4)用投票法决定最终的预计时间
[0021]投票法是快速整理所有预测结果的优先顺序或缩小范围的一种方法，投票法的具体操作步骤为:首先对某种计算方法得到的工作时间设定置信区间，其次累计其他方法预测值在此区间范围内的个数，再次重复前两步直至得到所有结果的投票结果，最后选取投票个数最多的计算方法的置信区间，并对其置信区间内所有预测值求取平均值即为最终的预计时间。
[0022]进一步的，步骤(1)中:所述炉管管壁温度选择在加热炉炉管管壁温度的各测点中，温度最高的几个测点为监测对象。
[0023]进一步的，步骤(2)中:所述样本库的数据是动态刷新的，即样本库的2-3个月的数据，始终是距离当前时间最近的2-3个月的数据。
[0024]进一步的，步骤(3)中:所述非线性数据拟合方法为最小二乘法或牛顿迭代法。
[0025]本发明的有益技术效果是:
[0026](1)本发明能预测加热炉炉管清焦的最优时间点，有助于将装置的生产损失降到最低，且可避免炉管因结焦过厚而被烧穿的危险。
[0027](2)本发明有助于辅助操作员了解炉管使用寿命，合理安排生产计划。
【具体实施方式】
[0028]本发明基于历史数据的数学方法，通过分析加热炉的相关参数，找到炉管管壁升温的规律，从而预测到达极限温度的时间，以此作为清焦的时间。因为某处或某几处的管壁达到极限温度，极可能是因为结焦造成的，因此该方法具有可行性。
[0029]下面对本发明进行更为具体的说明:
[0030]—种炼化装置加热炉炉管清焦时间的预测方法，包括以下步骤:
[0031](1)确定监测对象
[0032]监测每根炉管的原料进口流量、每根炉管的蒸汽流量、炉管管壁温度、加热炉炉膛温度、加热炉出口温度和加热炉已连续工作时间。炉管结焦的位置多位于辐射室中部。对于同一根炉管，靠近两头结焦较轻，中间结焦较重。一般选择在加热炉炉管管壁温度的各测点中，温度最高的几个测点为监测对象。
[0033](2)收集样本数据
[0034]对于每个监测对象，每隔6个小时记录一次其实时数据，连续收集2个月的数据，形成样本库。样本库的数据是动态刷新的，即样本库的2个月的数据，始终是距离当前时间最近的2个月的数据。
[0035](3)采用多种数学方法进行计算，分别得到炉管管壁温度达到上限的预计时间；
[0036]方法一:数据拟合方法
[0037]由于加热炉的炉管在长周期的运行过程中，肯定是会逐渐有结焦的趋势，故可使用非线性数据拟合方法，如最小二乘法、牛顿迭代法等，以炉管管壁温度作为输入，拟合其温升曲线，从而可以推算在哪一天能达到加热炉炉管管壁最大允许温度值。
[0038]方法二:人工神经网络方法
[0039]对于每根加热炉炉管，以不同的人工神经网络算法，分别训练至少3个模型。以其进口流量、蒸汽流量、