本发明涉及一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法,属于现代流程工业过程监控领域。
背景技术:
原油中含有大量的无机盐如氯化钠、氯化钙和氯化镁等,所含盐类大部分溶于水中,呈油包水型乳化液,也有少部分盐结晶悬浮于油中。原油含盐含水对原油储运、加工、产品质量及设备等均造成很大危害,不仅会增加设备的负荷和动力、热能、冷却水的消耗,影响蒸馏塔正常操作,而且含水过多的原油,水分气化,气相体积大增,造成蒸馏塔内压降增加,气速过大,易引起冲塔等操作事故。另外原油中的盐类,随着水分蒸发,盐分在换热器和加热炉管壁上形成盐垢,降低传热效率,增大流动阻力,严重时导至堵塞管路,烧穿管壁、造成事故。且氯化钙和氯化镁能水解生成具有强腐蚀性的氯化氢,特别是在低温设备部分存在水分时,形成盐酸,腐蚀更为严重。当盐类中的金属进入重馏分油或渣油中时,会毒害催化剂、影响二次加工原料质量及产品质量。因此原油进入炼油厂后,必须先进行脱盐脱水。
常用的脱盐脱水过程是向原油中注入部分含氯低的新鲜水,以溶解原油中的结晶盐类,并稀释原有盐水,形成新的乳状液,然后在一定温度、压力和破乳剂及高压电场作用下,使微小的水滴,聚集成较大水滴,因密度差别,借助重力水滴从油中沉降、分离,达到脱盐脱水的目的。近年来随着原油需求量的日益增大,原油重质化、劣质化趋势不断加大,使原有装置的脱盐脱水效率大幅度下降,伴随装置运行不稳定,脱后的含盐含水量达标率明显降低,且不能满足合格率大于90%的工艺要求,一定程度上影响了原油后续的加工工艺,同时增加了实际运行能耗。因此有必要对原油脱盐脱水过程的运行状态进行监控。传统监控手段是采用常规的分析仪表测量脱盐过程中的一些过程宏观变量,然后利用偏最小二乘算法提取过程变量中与质量变量最大相关信息完成模型的建立,同时选择hotellingt2和平均预测误差统计量对原油脱盐过程是否正常进行监控。
近年来,近红外光谱分析仪作为一种振动光谱技术可以从分子层面获取过程信息,并且由于其快速、高效、无损以及可在线分析的特点在过程监控领域得到了广泛的应用。然而,近红外在原油脱盐脱水过程中含盐含水量的在线检测、过程监控等至今还无人研究。因此本发明提出了一种利用近红外光谱技术从分子振动信号中获取过程信息,从而完成原油脱盐过程运行状态监控的新方法,克服了原有基于过程宏观变量的运行状态监控方法发现问题的时间长、采取补救措施的时间长,由于不能及时止损而造成更为严重的经济和能源的损失等问题,同时使原油脱盐过程运行状况的探索进入到微观分子领域。由于微观分子的变化快于宏观物理表现,使得基于微观分子光谱的近红外监控技术比基于常规宏观测量变量的运行状态监控技术可以更准确更快速地区分原油脱盐过程的运行状态是否正常。
技术实现要素:
本发明旨在提供一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法。利用近红外光谱技术提出了从微观分子光谱数据角度对过程的运行状态进行监控的新思路。不同于传统基于宏观过程变量的运行状态监控手段,该方法从分子振动信号中获取过程信息从而完成对原油脱盐脱水过程运行状态的监控。
本发明采用的技术方案:
一种基于近红外光谱的原油脱盐脱水过程运行状态监控方法,分为四个部分,第一部分是光谱数据的采集与预处理,第二部分是校正模型的建立,第三部分是监控指标的确定,第四部分是运行状态监控;具体步骤如下:
步骤一:光谱数据的采集与预处理
(1)采集原油样品:在不同工况下采集原油脱盐脱水装置输出通道的原油样品,并将其分为校正集和验证集;
(2)光谱的采集:当校正集样品温度达到稳定状态时,用反射式近红外探头与样品表面接触,采集样品的近红外光谱数据;
(3)光谱的预处理和奇异点剔除:对上述(2)中采集的近红外光谱,进行基线校正及一阶微分预处理,对处理后的光谱进行主元分析,剔除奇异样品点;
步骤二:校正模型的建立
对步骤一中预处理之后的光谱数据采用nipals算法建立pls模型,具体如下:
(4)设x∈rn×m为过程变量矩阵,y∈rn×l为质量变量矩阵,其中n表示样本数量,m表示过程变量数目(光谱波长数),l表示质量变量数目,采用nipals算法获得如下模型:
其中,t=[t1,t2,…tk]和u=[u1,u2,…uk]分别是x和y的得分矩阵,p=[p1,p2,…pk]和q=[q1,q2,…qk]分别为x和y的负载矩阵,e和f分别为x和y的残差矩阵;k为主元个数,
k值采用交叉验证法确定,即先将样本集平均分成几组,每次剔除一组,用剩下的进行建模,再用剔除的那一组计算预测误差,然后重复过程直到所有组都剔除一次,计算press和rss,当press或rss小于阈值(如0.85)时的主元个数即为所求k值;
(5)初始化e0=x,f0=y,h=0;
(6)令h=h+1,取uh的值为fh-1中的任意一列;
(7)计算权值向量
(8)计算负载向量
步骤三:监控指标的确定(9)用hotellingt2统计量来监测主元空间的变化,其表达形式如下:
其中,
其中,t12为控制限,fα(k,n-k)是自由度为k和n-k,置信度为α的f分布;
(10)用spe统计量来监测残差空间的变化,其表达形式如下:
spe0=x(i-pgt)xt(4)
其中,spe0为统计量,i为单位矩阵;设过程变量x服从高斯分布的前提下,spe0统计量的监控指标能利用χ2分布确定,其表达形式如下:
其中,spe1实控制限,
步骤四:运行状态监控
用过程历史正常工况数据(训练集)代入式(3)和式(5)计算得到相应的监控指标,将过程运行状态的监测数据(验证集)代入式(2)和式(4)计算得到相应的统计量,则过程的运行状态通过如下形式进行判断:
正常状态:
质量相关故障状态:
质量无关故障状态:{x|spe0>spe1}。
本发明提出一种利用近红外光谱技术从分子振动信号中获取过程信息从而完成原油脱盐脱水过程运行状态监控的新方法,克服了原有基于宏观变量的运行状态监控方法发现问题时间长、采取补救措施的时间长,由于不能及时止损而造成更为严重的经济和能源的损失等问题,同时使原油脱盐过程运行状况的探索进入到微观分子领域。由于微观分子的变化快于宏观物理表现,使得基于微观分子光谱的近红外监控技术比基于常规宏观测量变量的运行状态监控技术可以更准确快速地区分原油脱盐过程的运行状态是否正常。
附图说明
图1为实施步骤流程框图。
图2为原始近红外光谱图。
图3为预处理后的近红外光谱图。
图4(a)为监控指标为t2时,基于近红外光谱的运行状态监控图。
图4(b)为监控指标为spe时,基于近红外光谱的运行状态监控图。
图5(a)为监控指标为t2时,基于过程宏观变量的运行状态监控图。
图5(b)为监控指标为spe时,基于过程宏观变量的运行状态监控图。
具体实施方式
下面结合技术方案和附图对本发明的技术方案进行清楚描述。
实施例:如图1所示,基于近红外光谱的原油脱盐脱水过程运行状态监控方法
步骤1:选择2分钟的采样间隔采集原油脱盐过程4天的历史正常数据(训练集)以及包含故障工况数据的前后约1.5天的数据(验证集)。采集得到的原始近红外光谱数据如图2所示。
步骤2:由于采集过程中存在的背景噪声、仪器性能的漂移以及杂散光等干扰因素,近红外光谱会有一定程度的变化,因此采用一阶导数的预处理方法对原始光谱数据进行预处理,并采用主元分析的方法进行奇异点剔除。预处理之后的近红外光谱数据如图3所示。
步骤3:对步骤2中预处理之后的正常近红外光谱数据(训练集)与相应质量指标数据通过nipals算法建立pls模型并计算得到监控指标t12=38.6159和spe1=485.7717。
步骤4:将包含故障工况的1.5天近红外光谱数据(验证集)代入模型计算新的统计量
对比例:对比基于近红外光谱的原油脱盐过程运行状态监控效果
步骤1:选择2分钟的采样间隔采集原油脱盐过程4天的历史正常数据(训练集)以及包含故障工况数据的前后约1.5天的宏观测量变量,包括水含量,固体物含量,溶剂浓度,沥青浓度,混合进料密度,出料密度,进料溶剂流量,原料进料流量,为氯化物含量等。经过数据预处理并剔除奇异点后,通过nipals算法建立pls模型并计算得到监控指标t12=9.8622和spe1=27.8860。
步骤2:将包含故障工况的1.5天宏观变量数据代入模型计算新的统计量