专利名称：一种在线优化“德士古气化炉”运行工况的方法
技术领域：
本发明涉及一种“急冷工艺”的德士古水煤浆加压气化工艺中“德士古气化炉”运行工况的控制方法，具体地说，涉及一种采用“急冷工艺”的德士古水煤浆加压气化工艺流程制备原料气时，在正常工作状态下，对其气化炉的3个控制参数(包括从气化炉顶部三流式烧嘴进入气化炉的氧气总流量-后简称“氧气流量”、通过气化炉顶部的三流式烧嘴的中心管进入气化炉的氧气流量-后简称“中心枪氧气流量”和进入气化炉的急冷水流量-后简称“急冷水流量”)进行在线优化控制方法。
背景技术：
德士古水煤浆加压气化“急冷工艺”流程因其具有煤种适应范围较宽、设备相对简单并易于实现大型化、气化效率高、全过程污染轻微等特点，已成为大型甲醇生产厂家制备原料气所采用的主流工艺之一。其工艺流程示意图如图1所示。图1中，水煤浆经煤浆给料泵加压后送进气化炉顶部的三流式烧嘴中与空气分离器送来的高压氧气，按照一定的氧煤比进入气化炉上部的燃烧室，在高温高压条件下进行反应，生成以氢气(H2)、一氧化碳(CO)气体、二氧化碳(CO2)气体为主要成分的热合成气。 氧气通过烧嘴的中心管和外环管，煤浆通过烧嘴的中环进入气化炉。煤中的灰份在高温下熔融，熔渣与热合成气一起离开气化炉上部的燃烧室进入气化炉下部的急冷室，被急冷水循环泵送来的急冷水淬冷后，将热合成气降温至合适温度。熔渣迅速固化并产生大量蒸汽， 被水蒸汽饱和并夹带少量飞灰的合成气从急冷室上部的合成气出口排出。然后，该合成气进入文丘里洗涤器与来自灰水循环泵的洗涤水混合，使合成气中所夹带的固体颗粒尤其是细灰被完全润湿，而后进入碳洗塔，沿碳洗塔内的下降管进入塔底部的水浴中穿过水层，合成气中掺杂的固体沉入水中，而气体向上通过碳洗塔塔板，并在塔板上进一步除尘后，经碳洗塔顶部的除沫器除去其中夹带的雾沫，即成为德士古水煤浆气化系统的目标产品，一般称作“德士古合成气”或“粗煤气”，用于送至后续生产工段进行下一步生产(参考文献沈浚等.《合成氨》化学工业出版社，2001，p815)。“德士古合成气”是一种混合性气体，其有效成分是一氧化碳(CO)和氢气(H2), 此外还含有一定数量的二氧化碳(CO2)、水蒸气(H2O),微量的甲烷(CH4)、氮气(N2)、硫化氢 (H2S)等。德士古气化系统的“有效气产率”是德士古气化炉最重要的工况评判指标和最重要的经济运行指标之一。“有效气产率”是指单位质量的标准煤经气化炉反应后，生成的有效气体(CCHH2)的产量。正常生产过程中，德士古气化系统在一定的负荷(即一定的煤浆品质和煤浆进料流量，其中煤浆进料流量由厂级调度人员根据全厂的装置运行状况和生产目标确定)下，操作人员的主要任务是根据装置和原料情况，调整气化炉的控制参数(氧气流量、中心枪氧气流量和急冷水流量)以优化气化炉的运行工况，从而实现提高气化系统的“有效气产率”。正常生产过程中，在一定的煤浆品质下，气化系统的“有效气产率”由气化炉的进料流量(包括煤浆流量、氧气流量、中心枪氧气流量、急冷水流量)、进料温度(包括煤浆温
4度、氧气温度、急冷水温度)、进料压力(包括煤浆压力、氧气压力)和反应条件(包括气化炉炉膛温度、炉膛压力和煤浆燃烧状况)共同决定。由于各种情况的制约，目前对气化炉运行工况的优化主要通过调节进入气化炉的控制参数氧气流量、中心枪氧气流量、急冷水流量来实现。由于德士古气化系统反应机理复杂，具有严重的非线性、分布参数、大纯滞后、时变、变量间强耦合、大规模以及不确定性等特点，至今国内外均未见有准确地用模型来计算不同生产条件下气化炉的氧气流量、中心枪氧气流量、急冷水流量的最优控制值的相关报导。操作人员往往根据自身的操作经验，对当前生产条件进行判断，并对上述3个控制参数进行调节。不同的操作人员，对气化炉的操作水平往往不同；而同一操作人员，也往往难以对各种各样的生产条件均做出准确判断，并准确调节控制参数。从而，气化炉的运行工况往往达不到最优，气化系统的“有效气产率”也经常上下波动。鉴于此，如何能在正常生产条件时的一定的系统负荷下，在线优化气化炉的控制参数(氧气流量、中心枪氧气流量、急冷水流量)，从而优化气化炉的反应工况，快速准确地提高德士古气化系统的“有效气产率”就成为本发明需要解决的关键技术问题，也是各甲醇生产厂商所关注的重要指标之一。
发明内容
本发明的目的在于，提供一种在大规模甲醇生产中采用“急冷工艺”的德士古水煤浆加压气化工艺流程制备原料气时，在一定的煤浆品质和煤浆进料流量下，通过在线优化 “德士古气化炉”的控制参数(如氧气流量、中心枪氧气流量和急冷水流量)，在线优化“德士古气化炉”运行工况的方法，达到稳定或/和提其“有效气产率”之目的。本发明所述的在线优化“德士古气化炉”运行工况的方法，包括如下步骤(1)数据的采集和预处理选取采用“急冷工艺”的德士古水煤浆加压气化工艺流程中，入炉(指“德士古气化炉”，以下同)煤质参数(包括水分，简记为“M”;灰分，简记为“A”;挥发分，简记为“Va”; 固定碳含量，简记为“C” ；灰熔点，简记为“ST” ；共5个)，入炉煤浆参数(包括煤浆浓度， 简记为“Ce” ；煤浆流量，简记为“Fe” ；煤浆压力，简记为“Pc” ；煤浆温度，简记为“Tc” ；共4 个)，入炉氧气参数(包括氧气流量，简记为“Fo”冲心枪氧气流量，简记为“Foe”;氧气压力，简记为“Po”;氧气温度，简记为“To”;共4个)，入炉急冷水参数(包括急冷水流量，简记为“Fw” ；急冷水温度，简记为“IV’ ；共2个)，出炉合成气参数(包括出炉合成气流量， 简记为"Fg"；合成气中CO的含量，简记为“CO” ；合成气中H2含量，简记为“H2” ；共3个)， 共18个变量为“德士古气化炉”工况在线优化方法的辅助变量，其中6个变量(“M”、“A”、 “Va”、“C”、“ST” 和“Ce”)为人工分析变量，其余 12 个(“Fc”、“Pc”、“Tc”、“Fo”、“Foc”、 “P0”、“T0”、“Fw”、“lV，、“Fg”、“CO”、“H2”)为在线测量变量；采集以上18个辅助变量1个月的过程数据，应用3 0准则和一阶数字滤波技术对在线测量变量数据进行错误数据的剔除和数据平滑后，从中选取稳态工况下的对应时间的数据组成历史数据样本，且历史数据样本不少于300组；(2)历史工况评判和优化区域的划分本发明的发明人以气化系统的“有效气产率”为评判标准将历史数据样本中的历史工况分为“优”、“良”、“中”、“差”4个等级，利用K均值聚类方法将历史数据样本中的有效气产率数据集分为4类(即4个等级)，获得4个聚类中心(即4个类别的历史数据样本中的“有效气产率”的平均值)，并根据聚类中心的值划分“优”、“良”、“中”、“差” 4种工况；(3)建立步骤(1)中所列“德士古气化炉”的前15个辅助变量与出炉合成气流量 Fg、合成气CO含量和合成气吐含量的3个BP (Back Propagation)神经网络关系模型采用3个结构相同的BP神经网络分别建立“Fg”、“C0”和“H2”的BP神经网络模型；即，对由步骤(1)中获得的历史数据样本中的18个辅助变量进行归一化，并对前15个辅助变量(除“Fg”、“C0”和"H2”外的15个变量)进行主元分析(主元分析的目的是减小模型的规模)，然后，将8个主元变量作为3个BP神经网络的输入变量，“Fg”、“C0”和“H2” 分别作为3个BP神经网络的输出变量组成训练样本，分别对3个BP神经网络模型进行训练。(4)对工况进行在线优化对系统当前工况进行评判，计算当前气化系统实际的有效气产率，按O)中所述方法评价系统当前工况的等级(“优”、“良”、“中”、“差”)，并根据工况等级判断结果进行相应操作。如需要进行优化计算，则采用粒子群优化算法求解优化的控制参数(氧气流量、中心枪氧气流量、急冷水流量)，进而实现“德士古气化炉”运行工况在线优化。(5)优化区域及模型的在线更新按表1的检测频率“滚动”获取、更新、保存最近1个月的步骤⑴中所述的18个辅助变量过程数据，当步骤C3)中建立的某个BP神经网络模型的计算结果和对应的变量测量结果的误差超过限制时，按步骤( 中所述方法获得新的优化区域，同时对步骤C3)中超过限制的BP神经网络模型重新进行训练，以保证优化区域及模型不断适应系统特性的变化和生产工况的迁移。
图1为本发明所述的采用“急冷工艺”的德士古水煤浆加压气化工艺流程示意图。图2为本发明所述的历史数据样本的获取过程示意图。图3为本发明所述的Back Propagation(BP)神经网络模型训练样本的获取过程
示意图。图4为本发明所述的“德士古气化炉”的“Fg”的BP神经网络示意图。图5为本发明所述的“德士古气化炉”的“C0”BP神经网络示意图。图6为本发明所述的“德士古气化炉”的“H2”的BP神经网络示意图。
具体实施例方式本发明所说的采用“急冷工艺”的德士古水煤浆加压气化工艺流程制备原料气时， 系统在一定负荷下，在线优化气化炉运行工况，提高“德士古合成气”有效成分的产出量的方法，包括如下步骤(1)数据的采集和预处理(1-1)需采集数据的变量根据对采用“急冷工艺”的德士古水煤浆加压气化工艺流程的分析，本发明的发明人选择了 6个人工分析变量(“M”、“A”、“Va”、“C”、“ST”和“Cc”)、12个在线测量变量(“ Fc ”、“ Pc ”、“ Tc ”、“ Fo ”、“ Foc，，、“ Po ”、“ To ”、“ Fw ”、“ Tw ”、“ Fg ”、“ CO ” 和 “ H2 ”)(请详见表1)。 表 权利要求
1. 一种在线优化“德士古气化炉”运行工况的方法，包括如下步骤(1)选取采用“急冷工艺”的德士古水煤浆加压气化工艺流程中，入“德士古气化炉” 的变量参数水分(“M”)；灰分(“A”)；挥发分(“Va”)；固定碳含量(“C”)；灰熔点 (“ST”)，煤浆浓度(“Ce”)；煤浆流量(“Fe”)；煤浆压力("Pc")；煤浆温度(“Tc”)； 氧气流量("Fo")；中心枪氧气流量("Foe")；氧气压力(“Po”)；氧气温度(“To”)；急冷水流量(“Fw”)；急冷水温度(“Tw”)；及出“德士古气化炉”的变量参数出炉合成气流量("Fg")；合成气中CO的含量(“CO”)；和合成气中H2含量("H2")；共18个变量参数为“德士古气化炉”工况在线优化方法的辅助变量；其中“M”、“A”、“Va”、“C”、“ST”和“Ce”为人工分析变量参数，其余为在线测量变量参数；采集以上18个辅助变量1个月的过程数据，应用3 σ准则和一阶数字滤波技术对在线测量变量数据进行错误数据的剔除和数据平滑后，从中选取稳态工况下的对应时间的数据组成历史数据，且历史数据样本不少于300组；(2)以气化系统的“有效气产率”为评判标准将历史数据样本中的历史工况分为“优”、 “良”、“中”、“差1个等级，利用K均值聚类方法将历史数据样本中的有效气产率数据集分为 4个等级，获得4个聚类中心，并根据聚类中心的值划分“优”、“良”、“中”、“差” 4种工况；(3)采用3个结构相同的BP神经网络分别建立“Fg”、“C0”和"H2”的BP神经网络模型； 即，对由步骤(1)中获得的历史数据样本中的18个辅助变量进行归一化，并对前15个辅助变量进行主元分析，然后，将8个主元变量作为3个BP神经网络的输入变量，“Fg”、“C0”和 "H2"分别作为3个BP神经网络的输出变量组成训练样本，分别对3个BP神经网络模型进行训练；(4)计算当前气化系统实际的“有效气产率”，按步骤O)中所述方法评价系统当前工况的等级，并根据工况等级判断结果进行相应操作；如需要进行优化计算，则采用粒子群优化算法求解优化的控制变量参数“你”、 “Foe”、和“Fw”，进而实现“德士古气化炉”运行工况在线优化；(5)按表1的检测频率“滚动”获取、更新、保存最近1个月的步骤(1)中所述的18个辅助变量过程数据表1类别序号符号中文描述单位变化范围检测频率1"M"入炉煤水分wt%
每曰一次人工2"A"入炉煤灰分wt%[5,15]分3"Va"入炉煤挥发分wt%[30,50]每周一次及析变 量4"C"入炉煤固定碳含量wt%[30,60]更换煤种时5"ST"入炉煤灰熔点°C[1000,1400]6"Ce"入炉煤浆浓度%[55,70]每4小时一次7"Fe"入炉煤浆流量m3/h[40,80]8"Pc"入炉煤浆压力MPa[5,7]9"Tc"入炉煤浆温度0C[30,60]在线 测量 变量10"Fo"入炉氧气流量m3/h[15000,35000]11 12 13 14"Foe" "Po" "To" "Fw"中心枪氧气流量入炉氧气压力入炉氧气温度入炉急冷水流量m3/h MPa V m3/h[3000,6000] [7,8] [25,50] [250,400]在线实时测量每5秒保存一组当前值15"Tw"入炉急冷水温度。C[220,240]16"Fg"出炉合成气流量m3/h[120000,250000]17"CO"合成气CO含量V%[35,45]18"H2"合成气H2含量V%[35,45]当步骤(3)中建立的某个BP神经网络模型的计算结果和对应的变量测量结果的误差超过限制时，按步骤O)中所述方法获得新的优化区域，同时对步骤(3)中超过限制的BP 神经网络模型重新进行训练，以保证优化区域及模型不断适应系统特性的变化和生产工况的迁移。
2.如权利要求1所述的方法，其特征在于，其中步骤(3)中所建立的BP网络均含有输入层、隐含层和输出层的三层网络结构，输入层有8个节点，隐含层有8个节点，输出层有1 个节点。
3.如权利要求1或2所述的方法，其特征在于，在步骤中计算当前气化系统实际的“有效气产率”前，还包括判断当前装置是否处于正常或稳定状态的步骤，具体包括如下步骤①各个测量变量均有有效的测量值，且近5分钟时间段内的变化范围在该变量允许的变化范围内；②“Fe”和“Fo”在5分钟时间段内的波动范围均在士5%以内；如果装置当前运行状态不正常或不稳定，则优化系统自动切除，不对当前工况进行优化。
4.如权利要求1或2所述的方法，其特征在于，在步骤(5)中，分别判断步骤(3)中建立的“Fg”、“C0”和“H/’的BP神经网络模型计算结果与当前测量值的相对误差是否超限即连续10次相对误差超过士 2%;如果有任何一个模型结果超此限，则系统按步骤(1)中所述方法，根据系统保存的过去1个月的历史数据重新获取历史数据样本，并按步骤(2)中所述方法，对历史数据样本中的历史工况进行K均值聚类，获得新的优化区域，同时，按步骤(3) 中所述方法，对历史数据样本进行归一化和主元分析后，对超限的BP网络模型重新进行训练，以获得新的模型参数。
全文摘要
本发明涉及一种“急冷工艺”的德士古水煤浆加压气化工艺中“德士古气化炉”运行工况的控制方法。采用本发明所述的方法，能够实现在不增加生产成本的情况下，实时获得“德士古气化炉”的“有效气产率”，并对当前系统工况进行评判，从而及时掌握装置的运行工况及生产状态，并且通过优化计算，在线调整控制参数(氧气流量、中心枪氧气流量、急冷水流量)，从而优化反应工况，快速准确地提高德士古气化系统“有效气产率”，给生产厂商带来更好的经济效益和更强大的竞争力。
文档编号C10J3/72GK102399594SQ20111045921
公开日2012年4月4日 申请日期2011年12月30日 优先权日2011年12月30日
发明者孙漾, 宋淑群, 崔晨, 张亚坤, 张凌波, 曹翠文, 顾幸生 申请人:兖矿国宏化工有限责任公司, 华东理工大学