close

Вход

Забыли?

вход по аккаунту

?

Моделирование процесса отбензинивания нефти при прогнозировании показателей качества бензина.

код для вставкиСкачать
Вестник СГТУ. 2012. № 1 (63). Выпуск 1
АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ
УДК 66.012-52
С.С. Власов, А.Г. Шумихин
МОДЕЛИРОВАНИЕ ПРОЦЕССА ОТБЕНЗИНИВАНИЯ НЕФТИ
ПРИ ПРОГНОЗИРОВАНИИ ПОКАЗАТЕЛЕЙ КАЧЕСТВА БЕНЗИНА
Рассмотрен подход к формированию массивов информации для построения
виртуальных анализаторов – моделей связи показателей качества бензина с параметрами технологического процесса колонны отбензинивания установки первичной переработки нефти, основанный на проведении имитационного эксперимента
на адаптированной к условиям технологического процесса физико-химической математической модели колонны и моделировании процесса проведения анализа по
методике ASTM D86 с целью определения связи «состав пробы продукта – показатель качества бензина».
Первичная переработка нефти, качество бензина, прогнозирование, виртуальный анализатор, математическое моделирование колонны отбензинивания
S.S. Vlasov, A.G. Shumihin
SIMULATION OF THE OIL TOPPING PROCESS
FOR GASOLINE QUALITY PREDICTION
The approach for data collection in order to build virtual analyzers (soft sensors) –
models that bind gasoline quality indexes with parameters of technological processes for
the topping tower of oil crude unit is considered. The simulation based on oil topping
tower rigorous model adapted to technological process conditions and simulation of the
laboratory analysis by method ASTM D86 are used to determine relations between gasoline composition and gasoline quality indexes.
Crude oil distillation, gasoline quality, prediction, virtual analyzer, soft sensor,
mathematical modeling of topping tower process
При современных рыночных условиях и требованиях экологической безопасности предприятия нефтепереработки вынуждены непрерывно повышать экономическую эффективность производства и качество выпускаемой продукции. Практически для всех процессов нефтепереработки показатели качества продуктов и показатели экономической эффективности производства связаны разнонаправленно. Поэтому для обеспечения максимально возможной эффективности актуальной является
задача управления качеством продукции в реальном времени с обеспечением минимального запаса
по показателям качества по отношению к требуемым значениям. В настоящее время в большинстве
случаев контроль качества продуктов осуществляется на основе лабораторного анализа с периодичностью, не превышающей трёх раз в сутки, что в условиях наличия гораздо более высокочастотных
возмущений в процессе не дает возможности обеспечить оперативное управление, позволяющее поддерживать значения показателей качества близкими к минимально требуемым.
Для прогнозирования показателей качества в темпе с технологическим процессом получили
распространение так называемые виртуальные анализаторы (ВА) качества продуктов, которые представляют собой математические модели, связывающие показатели качества с параметрами технологического процесса. В этом случае прогнозирование показателей осуществляется в реальном времени
и, значит, есть возможность организовать управление показателями качества в замкнутом контуре.
Модели ВА строятся на основе статистической информации о результатах лабораторного контроля и
соответствующих значениях параметров технологического процесса. Однако в этом случае возникают вопросы, связанные с обеспечением достаточной достоверности используемой для идентификации моделей ВА статистической информации, полученной с технологического процесса. Это связано,
90
Автоматизация и управление
в первую очередь, с наличием погрешностей в методиках определения показателей качества методом
лабораторного анализа, кроме того, имеются погрешности в показаниях датчиков, измеряющих параметры технологического процесса, возможны и их отказы. Для повышения достоверности статистической информации используется альтернативный подход – проведение имитационного эксперимента на адаптированной к условиям технологического процесса физико-химической математической модели технологического объекта с формированием необходимой выборки и ее дальнейшим
использованием с целью идентификации модели ВА.
В работе рассмотрен способ моделирования колонны отбензинивания нефти установки первичной переработки нефти для статических режимов с целью определения основного показателя качества верхнего продукта колонны отбензинивания – температуры конца кипения (ТКК) бензина.
Предложенная модель предназначена для проведения имитационных экспериментов по получению
статистической информации, необходимой для разработки моделей прогнозирования ТКК, по исследованию работоспособности и эффективности алгоритмов управления на их основе.
Колонна отбензинивания нефти представляет собой простую тарельчатую ректификационную
колонну с подачей сырья в среднюю часть колонны. Куб колонны подогревается с помощью горячей
струи, в верхней части колонны пары конденсируются в флегмовой емкости и частично подаются
обратно в колонну в виде острого орошения. В низ колонны для снижения парциального давления
углеводородов подается перегретый водяной пар. В флегмовой емкости предусмотрено удаление из
системы воды. Для этих целей в систему добавлена еще одна ступень разделения, в которой происходит отделение и удаление воды. Схематично колонна отбензинивания представлена на рис.1.
б
а
Рис. 1. Схема колонны отбензинивания нефти:
а – структурная схема; б – схема материальных и энергетических потоков;
Fj – поток питания на тарелку j; Lj – поток жидкости с тарелки j; Vj –поток паров с тарелки j
(исключение V1 – вода с тарелки 1); Qj – тепловой поток на тарелку j; f3042 – расход бензина из колонны
Непосредственно колонна состоит из 24 ступеней разделения – тарелок с номерами 3-26 (нумерация
с верха колонны). Флегмовая емкость представлена двумя ступенями разделения (тарелки 2 и 1). При моделировании на тарелке 2 рассчитывается парожидкостное равновесие, на тарелке 1 – удаление воды из
жидкой фазы, поступающей с тарелки 2. Сырье подается в виде парожидкостной смеси в равновесном состоянии на тарелку 15. С тарелки 2 (флегмовая емкость) отводится тепло для конденсации паров. Для моделирования горячей струи к тарелке 26 подводится тепло (куб колонны).
Математическое описание колонны отбензинивания состоит из системы уравнений, описывающих материальный баланс колонны (общий и покомпонентный), тепловой баланс и уравнения
парожидкостного равновесия на тарелках ректификационной колонны.
Алгоритм решения системы уравнений математической модели колонны отбензинивания, приведенный в [1], был модифицирован и в настоящей работе представлен следующими процедурами:
1. Задаются значения независимых переменных: состав, расход и условия подачи сырья в колонну, профиль давлений по колонне, количество тепла, подводимого и отводимого из колонны, расход и параметры водяного пара в колонну, расход бензина из колонны.
91
Вестник СГТУ. 2012. № 1 (63). Выпуск 1
2. Задаются начальные условия по расходам потоков жидкости и паров по тарелкам колонны,
температур на тарелках колонны.
3. Из решения системы линейных уравнений общего материального баланса определяются
расходы жидкостей по тарелкам Lj.
4. Реализуется многомерный поиск температур на тарелках с целью соблюдения условия
N
∑y
ij
(T j ) = 1 , j=2..26 (количество ступеней разделения), где y ij – концентрация компонента i в па-
i =1
ровом потоке с тарелки j. Принимается также T1=T2 , так как тарелки 1 и 2 представляют две ступени
разделения одной флегмовой емкости. Внутри алгоритма поиска из системы уравнений покомпонентного материального баланса в сочетании с уравнениями парожидкостного равновесия для тарелок 2…26 и уравнением полного извлечения воды с потоком V1 для первой тарелки находятся концентрации компонентов в жидкостных и паровых потоках.
5. Из решения системы линейных уравнений теплового баланса определяются расходы паров
по тарелкам колонны Vj.
6. Цикл решения повторяется с п. 3 до выполнения условия выхода из него – суммарное изменение расходов по парам в колонне в двух последних итерациях меньше заданного уровня.
Предложенный алгоритм реализован в среде Matlab. Материальные потоки моделируются как
смеси следующих компонентов: вода, азот, индивидуальные насыщенные углеводороды вплоть до
пентана (включая изомеры), псевдокомпоненты углеводородов (узкие углеводородные фракции).
Свойства всех компонентов – давление насыщенных паров, плотность, энтальпии жидкости и пара
рассчитываются по известным корреляциям, приведенным в литературных источниках [2,3], из них
же взяты необходимые справочные данные по свойствам веществ.
Для колонны отбензинивания нефти наиболее важным показателем качества получаемого
продукта является ТКК бензина. Данный показатель в промышленных условиях измеряется в лабораторных условиях по методике определения фракционного состава нефтепродуктов при атмосферном
давлении ASTM D86 [4]. Сущность данного метода заключается в перегонке 100 см3 испытуемого
образца и систематическом наблюдении за показаниями термометра и объемом конденсата. Объем
остатка в колбе измеряют и регистрируют потери при разгонке, показания термометра для учета барометрического давления корректируют. С целью возможности дальнейшего использования предлагаемой модели колонны отбензинивания нефти для получения в вычислительном эксперименте статистических данных, требуемых для разработки ВА ТКК бензина, предложены и реализованы два
способа оценки данного показателя по результатам моделирования.
Первый способ основан на получении по результатам моделирования корреляции качественного показателя с составом продукта.
Эталонная корреляция для ТКК бензина получена в результате серии экспериментов на математической модели колонны отбензинивания в лицензионной среде «строгого» моделирования
Honeywell UNISIM Design. Выбор данной среды обусловлен наличием встроенной утилиты с моделированием показателей качества фракционного состава нефтепродуктов по методике ASTM D86.
Модель была адаптирована к технологическим особенностям колонны отбензинивания действующей
технологической установки. В результате вычислительного эксперимента получена следующая зависимость для прогнозирования ТКК бензина:
FBP = 168.4186 - 490.6684 * NBP169 + 1434.9655* NBP183 - 2535.4800 * NBP197 +
+ 290693.6457 * NBP211- 20525348.7741* NBP225 ,
(1)
где FBP – значение показателя ТКК бензина; NBP169 – мольная доля псевдокомпонента с температурой кипения 169 оС; NBP183 – мольная доля псевдокомпонента с температурой кипения 183 оС;
NBP197 – мольная доля псевдокомпонента с температурой кипения 197 оС; NBP211 – мольная доля
псевдокомпонента с температурой кипения 211 оС; NBP225 – мольная доля псевдокомпонента с температурой кипения 225 оС.
Коэффициент корреляции между прогнозируемыми значениями ТКК бензина, рассчитанными
по (1), и оценками по встроенной утилите Honeywell UNISIM Design, полученными на тестовой выборке, составил 0,9928, средняя ошибка прогнозирования равна 0,0342.
Набор компонентов материальных потоков для модели колонны отбензинивания, разработанной в среде Matlab, принят идентичным набору для модели в Honeywell UNISIM Design. Таким образом, полученная корреляция предположительно может использоваться и для прогнозирования ТКК
бензина в модели Matlab.
Второй способ основан на моделировании процесса проведения анализа по методике ASTM D86.
92
Автоматизация и управление
Для моделирования анализа предложен и реализован алгоритм, схема физических материальных потоков для которого представлена на рис. 2.
Рис. 2. Схема физических материальных потоков моделирования разгонки по ASTM D86:
Zi – общий состав, Vi – состав паров однократного испарения (ОИ) для состава Zi,
Li – состав жидкости ОИ для состава Zi
Алгоритм моделирования заключается в следующем:
1. К составу пробы исследуемого нефтепродукта (бензина) Z1 в цикле добавляется азот и реализуется расчет ОИ при условиях начала анализа (Т=20 оС, Р = 101325 Па). Условие выхода из цикла – отношение объема паров V1 и объема жидкости L1 с заданной точностью равное 80/100 (100 см3 – объем
наливаемой жидкости в колбу, 180 см3 – полный объем колбы). Состав отогнанного продукта Z3 обнуляется.
2. Температура увеличивается на 0,1 оС. Рассчитывается состояние парожидкостного равновесия и объем, который занимает нефтепродукт Z1 в заданных условиях.
3. При повышенной температуре сумма объемов жидкости и пара пробы нефтепродукта Z1 в
равновесии занимает объем больший, чем объем колбы. Поэтому из состава пробы Z1 вычитается
масса состава паров сосредоточенная в избытке объема по отношению к объему колбы.
4. Для полученного избыточного состава Z2 рассчитывается состояние равновесия при условиях конденсации (Т = 20 оС, Р = 101325 Па). Состав жидкости избыточного состава L2 добавляется к
составу отогнанного продукта Z3.
5. Для состава отогнанного продукта Z3 рассчитывается состояние равновесия при условиях
конденсации (Т = 20 оС, Р = 101325 Па).
6. Если отношение объема жидкости для отогнанного продукта L3 и начального объема жидкой фазы пробы L10 с необходимой точностью совпадает со значением, для которого необходимо измерять температуру, то соответствующая температура фиксируется.
7. Последовательность действий выполняется в цикле, начиная с п. 2. Выход из цикла осуществляется при превышении объемной доли конденсата отогнанного продукта 99,5 % от исходной пробы.
По результатам вычислительного эксперимента на разработанной математической модели колонны проведено сравнение значений ТКК, полученных по корреляции от состава и при моделировании процесса анализа по методике ASTM D86. Коэффициент корреляции между значениями ТКК,
полученными для одних и тех же условий обоими способами, составил 0,9 при средней ошибке прогнозирования, равной 0,5 оС, что дает основание для оценки качественных показателей по методике
ASTM D86 предложить применение более простого первого способа, основанного на получении корреляции показателя ТКК с составом продукта.
Выводы
Разработанная математическая модель колонны отбензинивания нефти показала свою адекватность в вычислительном эксперименте и может использоваться для целей имитационного моделирования с практическим применением его результатов в различных приложениях. Предложенные и
реализованные алгоритмы моделирования показателя качества ТКК бензина показали свою эффективность. При этом метод определения показателя ТКК бензина на основе корреляции от состава
позволяет снизить вычислительную сложность оценки данного показателя при сохранении достаточной её точности и может быть рекомендован для использования при построении ВА по результатам
вычислительных экспериментов на разработанной модели. Разработанный способ моделирования
93
Вестник СГТУ. 2012. № 1 (63). Выпуск 1
процесса проведения анализа по методике ASTM D86 может использоваться при оценке фракционного состава нефтепродуктов на имитационных математических моделях процессов нефтепереработки.
ЛИТЕРАТУРА
1. Гартман Т.Н. Основы компьютерного моделирования химико-технологических процессов:
учеб. пособие для вузов / Т.Н. Гартман, Д.В. Клушин. М.: ИКЦ «Академкнига», 2008. 416 с.
2. Рид Р. Свойства газов и жидкостей: справ. пособие / Р. Рид, Дж. Праусниц, Т. Шервуд //
пер. с англ., под ред. Б.И. Соколова. 3-е изд., перераб. и доп. Л.: Химия, 1982. 592 с. (Нью-Йорк, 1977).
3. Расчеты основных процессов и аппаратов нефтепереработки: справочник / Г.Г. Рабинович,
П.М. Рябых, П.А. Хохряков и др.; под ред. Е.Н. Судакова. 3-е изд., перераб. и доп. М.: Химия, 1979. 568 с.
4. ГОСТ Р ЕН ИСО 3405-2007. Нефтепродукты. Метод определения фракционного состава
при атмосферном давлении.
Власов Станислав Сергеевич –
старший преподаватель кафедры «Автоматизация
технологических процессов»
Пермского государственного
технического университета
Шумихин Александр Георгиевич –
доктор технических наук, профессор,
заведующий кафедрой «Автоматизация
технологических процессов» Пермского
государственного технического университета
Stanislav S. Vlasov –
Senior Lecturer,
Department of Automation of Technological Processes,
Perm State Technical University
Aleksandr G. Shumihin –
Dr. Sc., Professor,
Department of Automation of Technological Processes,
Perm State Technical University
Статья поступила в редакцию 12.01.12, принята к опубликованию 02.03.12
94
Документ
Категория
Без категории
Просмотров
11
Размер файла
188 Кб
Теги
показатели, моделирование, прогнозирование, качества, процесс, нефти, отбензинивания, бензина
1/--страниц
Пожаловаться на содержимое документа