延遲焦化開工線腐蝕機(jī)理及溫度模型預(yù)測

任 佳， 王西剛， 趙夢恩， 金浩哲

(浙江理工大學(xué) 機(jī)械與自動(dòng)控制學(xué)院，浙江 杭州 310018)

隨著現(xiàn)代工業(yè)的發(fā)展，輕質(zhì)油的需求量日益增加，石油資源短缺的問題日漸突出。延遲焦化是一種常用的原油二次加工工藝，可以以煉油廠渣油、劣質(zhì)渣油等重質(zhì)低價(jià)油作為原料，通過熱裂化和縮合反應(yīng)生產(chǎn)輕質(zhì)油[1]。但隨著焦化裝置的腐蝕環(huán)境不斷惡化，受流動(dòng)、傳熱、相變等腐蝕機(jī)理復(fù)雜多變的影響，設(shè)備、管線的腐蝕已經(jīng)成為影響焦化裝置安全平穩(wěn)長周期運(yùn)行的主要危害。

延遲焦化裝置腐蝕的類型主要有3種：高溫硫腐蝕(240 ℃以上)、低溫濕H2S腐蝕(120 ℃以下)和煙氣露點(diǎn)腐蝕。其中，溫度是影響腐蝕類型和腐蝕速率的重要因素，主要原因是溫度影響了H2S等活性硫化物與金屬的化學(xué)反應(yīng)以及非活性硫化物的分解速率等[2]。楊建煒等[3]分析了溫度對(duì)管線鋼H2S腐蝕行為的作用，結(jié)果表明腐蝕程度會(huì)隨著溫度的升高先加強(qiáng)后減弱。田偉等[4]指出溫度對(duì)80SS油管鋼腐蝕行為的影響，所得結(jié)論與文獻(xiàn)[3]中的實(shí)驗(yàn)結(jié)果一致。許霖風(fēng)一等[5]的研究表明，溫度和H2S濃度對(duì)設(shè)備管道腐蝕有關(guān)鍵性的影響。開工線在開工再生產(chǎn)時(shí)易形成死區(qū)，反應(yīng)產(chǎn)生的水汽、油氣和H2S氣體均會(huì)滯留在開工線管道頂部無法排除，發(fā)生嚴(yán)重的腐蝕作用，引起管線開裂、高溫?zé)嵊托孤踔猎斐苫馂?zāi)爆炸等重大安全問題，因此需要對(duì)可能發(fā)生的嚴(yán)重腐蝕情況進(jìn)行預(yù)警并控制影響腐蝕速率的因素來延緩裝置的腐蝕，而開工線區(qū)域發(fā)生的濕H2S腐蝕會(huì)受到H2S濃度[6]、pH值[7]、壓力[8]和溫度[9]等因素的影響。在調(diào)研了現(xiàn)場裝置中各因素的可控性和對(duì)腐蝕的影響程度之后[10]，筆者選擇開工線溫度作為延遲焦化裝置腐蝕失效的表征參數(shù)，由于直接測量開工線溫度成本較高且測量結(jié)果存在延遲性，因此考慮通過軟測量的方法進(jìn)行開工線溫度預(yù)測。高斯過程回歸(GPR)[11]是一種化工領(lǐng)域常用的軟測量方法，可以給定預(yù)測結(jié)果的方差，便于對(duì)腐蝕風(fēng)險(xiǎn)進(jìn)行精確評(píng)估。但在實(shí)際應(yīng)用中，其性能會(huì)受到所選核函數(shù)及參數(shù)優(yōu)化方法的限制，準(zhǔn)確性和穩(wěn)定性有待提高。針對(duì)此問題，筆者在GPR模型基礎(chǔ)上建立了GSA[12]優(yōu)化的 GSA-CKGPR 模型，有效提高了模型準(zhǔn)確性和穩(wěn)定性。

筆者從延遲焦化裝置工藝過程出發(fā)，介紹了其工藝關(guān)聯(lián)流程，分析了延遲焦化過程中開工線發(fā)生的濕H2S腐蝕機(jī)理，并確定了開工線溫度作為裝置的腐蝕失效表征參量，通過建立的GSA-CKGPR模型，實(shí)現(xiàn)開工線溫度的準(zhǔn)確穩(wěn)定預(yù)測，為裝置工藝參數(shù)優(yōu)化操作提供指導(dǎo)。

1 延遲焦化系統(tǒng)工藝分析

1.1 工藝過程關(guān)聯(lián)研究

圖1為延遲焦化系統(tǒng)流程圖。整套焦化裝置為兩爐四塔流程(圖中僅顯示C-101A/B，即一爐兩塔)，兩兩一組成對(duì)工作，每組每次運(yùn)轉(zhuǎn)48 h，其中生焦24 h，吹氣、注水、注泥等清焦過程24 h，1塔在反應(yīng)生焦時(shí)，另1塔處于除焦階段。其生產(chǎn)流程為：原料油首先經(jīng)回流換熱器(E-101A-F)換熱后進(jìn)入原料油緩沖罐(D-101)，再被原料油泵(P-101A/B)抽出，經(jīng)換熱器(E-105A-F)換熱后(301 ℃)與焦化分餾塔底循環(huán)油(360 ℃)混合(318 ℃)，再依次經(jīng)過加熱爐進(jìn)料緩沖罐(D-102)、加熱爐進(jìn)料泵(P-102A/B)后進(jìn)入焦化加熱爐(F-101A/B)加熱，爐出口溫度在485～490 ℃，最后通過四通閥進(jìn)入焦炭塔(C-101A-D)，發(fā)生熱裂化和縮合反應(yīng)，產(chǎn)生的油氣進(jìn)入分餾塔，經(jīng)冷凝分餾后送出裝置。

1.2 濕H2S腐蝕機(jī)理

重質(zhì)原料油在塔內(nèi)反應(yīng)結(jié)焦，當(dāng)一臺(tái)塔內(nèi)的焦炭積聚到一定高度后，就需要切換操作，將塔內(nèi)焦炭從塔底排出，焦炭塔塔頂?shù)臍饬鲃t通過油氣線進(jìn)入分餾塔分餾完成循環(huán)。開工線一端連通四通閥頂部，一端與焦炭塔塔頂相連，開工再生產(chǎn)時(shí)，部分熱油物料經(jīng)四通閥、開工線進(jìn)入焦炭塔塔頂，在重力作用下熱油沿塔壁從上至下流動(dòng)到塔底，從而對(duì)焦化塔進(jìn)行預(yù)熱。由于開工線與焦炭塔頂連通，在預(yù)熱過程結(jié)束，開工線頂部閥門關(guān)閉后，閥門到連通焦炭塔的一段開工管線就形成了死區(qū)，而由于裝置給水、溢流等工藝過程產(chǎn)生了水，同時(shí)開工線內(nèi)部溫度較低(實(shí)際測量得到的最高溫約為117 ℃，最低溫約為34 ℃)，所以易發(fā)生低溫濕H2S腐蝕，排除了發(fā)生另外2種腐蝕失效的風(fēng)險(xiǎn)。

低溫濕H2S的腐蝕可以通過如下反應(yīng)[13]描述：

陽極反應(yīng)為：

Fe→Fe2++2e-

(1)

電離反應(yīng)為：

H2S→HS-+H+

(2)

HS-→H++S2-

(3)

陰極反應(yīng)為：

H++e-→H

(4)

2H→H2(gas)

(5)

圖1 延遲焦化系統(tǒng)流程圖Fig.1 Flowchart of the delayed coking system1—Heat exchangers E-101 A-F; 2—Feed buffer tank D-101; 3—Feed pumps P-101 A/B; 4—Heat exchangers E-105A-F;5—Furnace feed tanks D-102; 6—Furnace feed pumps P-102A/B; 7—Furnaces F-101 A/B; 8—Coke drum C-101A;9—Coke drum C-102A; 10—Fractionator T-101; 11—Recycle oil pumps P-103A/B

腐蝕反應(yīng)為：

Fe2++S2-→FeS

(6)

圖2為濕H2S腐蝕開裂機(jī)理圖。在反應(yīng)發(fā)生的初期，腐蝕反應(yīng)形成由FeS等Fe-S化合物組成的產(chǎn)物膜，隨著產(chǎn)物膜的厚度增加，能夠起到一定的耐腐蝕作用[14]；但隨著反應(yīng)的不斷進(jìn)行，保護(hù)膜會(huì)在H2S溶液的作用下遭到破壞，從而使得腐蝕反應(yīng)繼續(xù)進(jìn)行[15]，進(jìn)一步對(duì)材料造成腐蝕。

在上述反應(yīng)過程中，由于H2S及其電離產(chǎn)生的HS-的毒化作用，陰極反應(yīng)中氫原子轉(zhuǎn)化為氫氣的反應(yīng)過程(式(5))會(huì)受到抑制[16]，部分氫原子會(huì)擴(kuò)散到管道材料內(nèi)部，隨著氫原子的增加而形成氫壓，使得材料脆化，在應(yīng)力作用下產(chǎn)生氫脆開裂等問題[17]。

在腐蝕過程中，溫度的影響形式復(fù)雜多變，且在其中有著關(guān)鍵的作用：首先，溫度影響著H2S等氣體在溶液中的溶解度，直接影響著腐蝕和毒化作用的程度；其次，溫度本身對(duì)腐蝕電化學(xué)反應(yīng)的進(jìn)程和速率也有著較大的影響；最后，溫度也會(huì)對(duì)水的形態(tài)、腐蝕產(chǎn)物的成膜機(jī)制等產(chǎn)生影響[18]，因此，溫度對(duì)于裝置的腐蝕風(fēng)險(xiǎn)評(píng)估和預(yù)警具有較高的價(jià)值，同時(shí)溫度易于控制，變化范圍廣泛，相比于其他腐蝕影響因素，具有更多的可調(diào)控空間。所以選擇溫度作為裝置腐蝕失效的表征參數(shù)。

圖2 濕H2S腐蝕開裂機(jī)理圖Fig.2 Wet hydrogen sulfide corrosion cracking mechanism

2 開工線溫度預(yù)測模型構(gòu)建

2.1 數(shù)據(jù)樣本采集及處理

在對(duì)延遲焦化裝置現(xiàn)場考察的同時(shí)，結(jié)合工程經(jīng)驗(yàn)，對(duì)油氣線溫度、溢流線溫度、開工線壓力、塔內(nèi)溫度、塔入口溫度和開工線溫度進(jìn)行了采集?？紤]到GPR模型在非線性以及高維數(shù)據(jù)上表現(xiàn)較好的特性，在特征篩選過程中保留了所有特征，模型的輸入和輸出數(shù)據(jù)信息如表1所示。

由于現(xiàn)場采集到的數(shù)據(jù)具有較高的噪聲，為了減弱異常值和極端值對(duì)模型的影響，筆者對(duì)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理。假設(shè)表1中某個(gè)待處理的變量為s(可以是表1中的任一變量)，其標(biāo)準(zhǔn)化之后的值s*可通過下式計(jì)算得到，其中μ是該變量的樣本均值，σ是樣本標(biāo)準(zhǔn)差。

s*=(s-μ)/σ

(7)

表1 焦化系統(tǒng)輸入輸出物理量名稱Table 1 Data information of coking system

2.2 模型構(gòu)建

GPR模型通過核函數(shù)構(gòu)建待測變量聯(lián)合正態(tài)分布的協(xié)方差矩陣，并基于訓(xùn)練數(shù)據(jù)優(yōu)化核函數(shù)，得到最大后驗(yàn)概率模型。模型構(gòu)建的關(guān)鍵是核函數(shù)選擇以及超參數(shù)優(yōu)化，基于訓(xùn)練數(shù)據(jù)構(gòu)建了Matern核(KM)和平方指數(shù)核(KSE)的復(fù)合核函數(shù)(KCK)，如式(8)～(10)所示。式(10)中包含的4個(gè)參數(shù)M、SE、ωM和ωSE，即為模型需要優(yōu)化的超參數(shù)。使用GSA進(jìn)行超參數(shù)的優(yōu)化，解決了傳統(tǒng)共軛梯度法在優(yōu)化過程中存在對(duì)初值依賴性強(qiáng)和容易陷入局部最優(yōu)的問題。算法步驟如圖3所示。

(8)

(9)

KCK(x,x′)=ωMKM(x,x′)+ωSEKSE(x,x′)

(10)

圖3流程中GSA的模型參數(shù)粒子初始種群數(shù)為20，模型參數(shù)粒子速度和位置更新公式分別為式(11)和式(12)。筆者使用模型預(yù)測結(jié)果的均方根誤差(式(13))作為對(duì)應(yīng)模型參數(shù)的適應(yīng)度值。

v(t+1)=r×v(t)+a(t)

(11)

x(t+1)=x(t)+v(t+1)

(12)

式(11)～(12)中：v(t)為粒子在t時(shí)刻的速度；x(t)為粒子在t時(shí)刻的位置；r是取值為[0-1]的隨機(jī)數(shù)；a(t)為粒子在t時(shí)刻的加速度，其值與粒子在t時(shí)刻受到的作用力、慣性質(zhì)量和適應(yīng)度值有關(guān)，具體計(jì)算流程和GSA的原理可以參考文獻(xiàn)[12]。

圖3 GSA-CKGPR算法流程Fig.3 Flow chart of GSA-CKGPR algorithm

3 開工線溫度預(yù)測結(jié)果與討論

筆者用從現(xiàn)場采集到的2800組樣本進(jìn)行訓(xùn)練和測試，數(shù)據(jù)分為3部分，按照采集時(shí)間順序前1500組作為訓(xùn)練集，中間500組作為驗(yàn)證集，最后800組作為測試集。使用均方根誤差(RMSE)的2種形式作為評(píng)價(jià)標(biāo)準(zhǔn)，其計(jì)算如式(13)和式(14)所示。RMSE1能夠?qū)傮w預(yù)測結(jié)果的準(zhǔn)確程度進(jìn)行度量；而開工線溫度變化范圍較大，通過RMSE2則能夠?qū)φw預(yù)測結(jié)果相對(duì)于真實(shí)值的相對(duì)誤差大小進(jìn)行評(píng)估。

(13)

(14)

由圖4和表2可知，GSA-CKGPR模型的RSME1和RMSE2僅分別為4.45 ℃和7.7%，在測試的6個(gè)模型的結(jié)果中是最小的，其余5個(gè)模型預(yù)測效果從好到差依次為GSA-GPR、GSA-SVR、PSO-GPR、GA-GPR、GPR。由表2可知：在使用GSA算法優(yōu)化時(shí)，多核GPR模型比SVR模型更加精確；GSA優(yōu)化方法比PSO和遺傳算法(GA)方法預(yù)測更準(zhǔn)確，更加適用于裝置開工線溫度數(shù)據(jù)的優(yōu)化。

圖4 各個(gè)模型誤差曲線圖Fig.4 Error curve of each modelTop 100 samples

表2 不同模型的RMSE1和RMSE2Table 2 RMSE1 and RMSE2 values of different models

圖5為GPR、GSA-GPR和GSA-CKGPR的預(yù)測結(jié)果及真實(shí)數(shù)據(jù)按照時(shí)間順序排列的曲線圖。由圖5可知，真實(shí)測量數(shù)據(jù)的變化曲線上(黑色線條，圓形點(diǎn))，編號(hào)1～70和80～90樣本的溫度一直是處于較大幅度的變化中，而編號(hào)70～80和90～100樣本的溫度變化則比較平穩(wěn)。這種溫度變化的不規(guī)律性會(huì)增加模型預(yù)測的難度。相比于GPR模型(綠色線條，十字形點(diǎn))和GSA-GPR模型(紫色線條，星形點(diǎn))，GSA-CKGPR模型的預(yù)測曲線(紅色線條，矩形點(diǎn))與真實(shí)測量數(shù)據(jù)的曲線整體上更加接近，同時(shí)也沒有誤差較大的異常預(yù)測點(diǎn)，而GPR模型在編號(hào)73、76、89、90和91樣本的預(yù)測結(jié)果(圖中紅色框內(nèi))存在明顯的誤差，這些點(diǎn)都處在溫度變化劇烈與平穩(wěn)之間的過渡區(qū)域，說明了溫度變化不規(guī)律導(dǎo)致模型性能下降。而GSA-CKGPR和 GSA-GPR 則通過GSA優(yōu)化方法克服了這種問題，提高了模型的穩(wěn)定性。

圖5 3種模型溫度預(yù)測結(jié)果Fig.5 Temperature prediction results of three different models

為了進(jìn)一步對(duì)模型的穩(wěn)定性進(jìn)行量化分析，繪制了圖6所示的各個(gè)模型預(yù)測值-真實(shí)值散點(diǎn)分布圖，并根據(jù)實(shí)際的工藝需求在每幅圖中添加2條表示穩(wěn)定邊界的輔助線，分布在2條輔助線之間的點(diǎn)越密集，表明該模型的預(yù)測結(jié)果越穩(wěn)定，產(chǎn)生異常預(yù)測結(jié)果的風(fēng)險(xiǎn)也就越小。

由圖6中點(diǎn)的分布情況可以大致看出，GSA-GPR、GSA-SVR、GSA-CKGPR模型預(yù)測結(jié)果在輔助線之間的點(diǎn)較為密集，穩(wěn)定性較好。在量化分析中，計(jì)算了各模型預(yù)測結(jié)果位于2條輔助線之間的點(diǎn)占總測試點(diǎn)的比例值，分別為56.24%(GPR)、57.23%(PSO-GPR)、67.86%(GA-GPR)、80.10%(GSA-SVR)、80.35%(GSA-GPR)、84.05%(GSA-CKGPR)。結(jié)果表明，GSA-CKGPR模型更加穩(wěn)定。

圖6 不同模型預(yù)測值-真實(shí)值對(duì)比圖Fig.6 Comparison between prediction and real values from different models(a) Prediction values vs. real values of GPR; (b) Prediction values vs. real values of PSO-GPR;(c) Prediction values vs. real values of GA-GPR; (d) Prediction values vs. real values of GSA-SVR;(e) Prediction values vs. real values of GSA-GPR; (f) Prediction values vs. real values of GSA-CKGPR

4 結(jié) 論

基于延遲焦化系統(tǒng)工藝關(guān)聯(lián)過程進(jìn)行研究，確定了裝置開工線的低溫濕H2S腐蝕機(jī)理和腐蝕過程；在此基礎(chǔ)上綜合考慮了影響腐蝕發(fā)生的因素及其對(duì)反應(yīng)的影響形式，明確開工線溫度作為腐蝕狀態(tài)評(píng)估的表征參數(shù)；最后針對(duì)裝置開工線溫度難以直接準(zhǔn)確測量的問題，基于GSA、PSO以及GA 3種優(yōu)化方法對(duì)GPR、SVR 2種基本模型進(jìn)行優(yōu)化，并對(duì)得到的6個(gè)算法模型進(jìn)行實(shí)驗(yàn)對(duì)比。結(jié)果表明，GSA-CKGPR模型將GPR模型的均方根誤差由8.45 ℃降低到4.45 ℃，穩(wěn)定預(yù)測結(jié)果由總測試數(shù)量的56.24%提高到了84.05%，為延遲焦化裝置腐蝕風(fēng)險(xiǎn)評(píng)估和預(yù)警提供了穩(wěn)定可靠的數(shù)據(jù)預(yù)測模型。