數據相關性分析在干燥器研究中的應用

鄧久寧，張婷暄，汪潔，孫懷宇

數據相關性分析在干燥器研究中的應用

鄧久寧，張婷暄，汪潔，孫懷宇*

（沈陽化工大學 化學工程學院，遼寧 沈陽 110142）

通過流化床干燥器對固體顆粒進行干燥，從實際生產過程中得到了干燥器運行過程中的監測數據，以此為樣本進行了數據分析。使用基本統計方法、相關性分析，分析了各變量之間的關系。應用帶時間差的相關性分析算法，對于變量之間變化的時間間隔進行了分析。

流化床干燥器；數據分析；相關性分析

化工過程中會產生大量的數據，這些數據本來是用于過程的監視及自動控制的，但這些數據也同時體現了化工過程中各種參數的變化及化工過程的特性。通過分析這些數據，將能對化工過程有更深入的了解。由于化工過程的復雜性及非線性等特點，所以完全基于機理對過程進行模擬比較困難。而應用大數據分析算法，通過數據分析，得到對化工過程研究及優化有意義的參數，也是一個有益的嘗試。

流化床干燥器是一種化工設備，其原理是指將濕物料加熱并使其濕組分蒸發，從而得到要求的濕含量固體成品的過程。干燥操作在化工、輕工、能源等領域中有極其廣泛的應用。本文以實際生產過程中獲得的DCS運行數據為樣本，應用基本的數據統計算法及相關性分析算法對生產過程進行了輔助分析[1-5]。

1 流程描述及運行數據

1.1 流程描述

實際PVC生產中的干燥流程如下：從聚合釜來的PVC漿狀物料通過離心機脫除水分后，由螺桿泵打入干燥器內。使用由蒸汽加熱的空氣從下方流入使顆粒流化。干燥器分為并列的3段，熱空氣分別流入干燥器的各段。干燥后的物料從右方流出干燥器，去產品倉。空氣從上方流出干燥器，經過旋風分離器分離固體顆粒后排空[6]。為了提高干燥效果，使用干燥器內置的換熱器對空氣進行了進一步的加熱。

在生產過程中，主要通過控制空氣流入的溫度及流量對于物料的含水量進行控制，但由于干燥過程的復雜性，難于準確對于含水量進行控制。往往因參數的設置過度嚴格，造成被干燥物料的含水量較低，進而增加了生產成本，消耗了不必要的能量。

1.2 數據樣本情況

從某廠PVC工段得到的干燥過程DCS數據為連續10天的實際運行數據，包括了83個與干燥相關的主要工位，共120個參數值，采樣時間為1 s。原數據為CSV格式，為方便數據的獲得和分析，建立了MYSQL數據庫保存數據，并使用C#.net語言開發了程序，可以完成數據導入導出的功能。支持選擇時間范圍后，將數據按指定的時間間隔導出到文件中。

1.3 研究參數的確定

在干燥設備的操作過程中，含水量是干燥過程最重要的產品指標，將作為目標變量進行分析。設備中各點的溫度往往存在波動。而在干燥過程中，溫度及分布對于干燥過程有重要的影響，所以本論文中選擇了空氣流入流出溫度、干燥器內的溫度分布為重要參數進行研究。干燥工段主要參數示意圖如圖1所示。

根據化工的流程，可以選擇如下工位的參數進行重點研究。加熱的空氣分為兩股流入干燥器的一床及二床中。使用T2224、T2225、T2226監視一床一室中的溫度；使用T2234及T2235監視一床二室中的溫度；使用T2228及T2229監視二床中的溫度。使用T2249監視干燥器的氣體出口溫度，使用T2232對于加濕器的溫度進行監視。

圖1 干燥工段主要參數示意圖

2 數據分析算法

2.1 基本統計分析

對于指定時間段的運行數據采樣，對于每個工位參數進行基本的統計分析，計算的內容包括均值及方差[7]。

均值計算公式：

方差計算公式為：

通過繪制各點數值隨時間變化的曲線，初步得出各變量的變化情況及之間的關系。

2.2 變量的相關性分析

由于所有的工位及參數處于一個大的系統中，所以其中必定存在一些相關的關系。分析變量之間數值的關系，可以了解變量之間的相關性及關聯性，對于深入了解系統的特性及規律是十分重要的。

兩個變量相關系數的計算公式如下[8]：

式中：（,）—與的協方差；

[]—的方差；

[]為的方差。

相關系數為正說明變量之間為正相關，為負則說明變量之間為負相關。絕對值越大，說明兩變量之間的相關性越強。

2.3 基于時間差的相關性分析

化工過程中存在物料的流動過程，所以會存在變量與變量先后變化的情況。通過時間序列的分析方式，可以得到基于時間差的變量之間關系。

本文中使用的方式是，將一個變量作為目標變量，使用不同的時間間隔，計算其他變量與此變量之間的相關。能夠得到不同時間間隔下的相關性大小，就能夠初步分析出兩者之間在時間上的相關性，從而得到物料流過設備過程中的停留時間等重要信息。

可以看出，在D比較小時，系統可以較快地達到穩定，但當D超過某個值后，穩定時間迅速上升，以致達不到穩定狀態。由于微分控制參數表達的是數據變化速度對于控制量的影響，是一種預測的方式，但預測過量的情況下，就有可能不易達到穩定調節。通過模擬D＝7時的控制曲線得出，當D的值過大時，調節迅速，但會帶來調節的過沖，使控制值難于達到穩定的狀態。

3 結果與分析

3.1 數據的初步分析

取生產運行數據中的20 h的數據為樣本，繪制出了重要參數的曲線，如圖2所示。并對溫度變化數據進行基本的統計，結果如表1所示。

圖2 主要參數值隨時間的變化

從圖2中可以看出，入干燥器的氣體溫度平均較高，而在干燥器中的溫度則降低到了60 ℃及以下。從數據曲線的波動來看，在生產過程中存在溫度的波動，原因可能是蒸汽壓力的波動、物料含水量的波動、自動控制引起的波動及其他條件的變化等。

表1中的數據也說明了各點溫度變化的情況。通過分析可以看到，在實際生產過程中，一些參數還存在比較大的波動。而且有一些波動有一定的模式，可能以后通過數據分析的算法得到變量的變化規律及變量之間的關系。

表1 主要溫度點的統計數據

3.2 參數相關性分析

通過相關性算法的計算，得到了各主要變量之間的關系描述，并繪制了相關性關系圖如圖3所示。

圖3 各溫度點之間的相關系數

從圖3中可以看到，在流程上有明確前后關系的點，相關系數比較高，如分別測量熱空氣兩個支管的T2227與T2230；距離較近的測量點也有較高的相關系數，如T2225與T2226；而距離較遠的點，相關系數往往較低。而T2232是單獨的設備，與其他點的相關性均很小。根據變量之間關系的分析結果，就可以確定變量之間的關系。這些關系可能用于優化測量點的布置，并對生產過程進行監控，還可及時發現某些儀表的異常或生產過程的異常。

由于含水率是本設備的重要指標，本文還對各溫度點與含水量的相關系數進行了分析，繪制圖形如圖4所示。

圖4 產品含水量與其他變量之間的相關性

圖4中與含水量正相關性最大的變量為T2249，從流程圖上看，T2249為干燥器頂經旋風分離器后的溫度。正相關說明當此點溫度升高時，產品的含水量也相應上升。從熱量衡算的角度分析，在入干燥器的空氣溫度及流量基本不變的情況下，如果出口溫度上升，則說明空氣可能未與顆粒充分換熱進行干燥，造成產品中含水量的增加。

與含水量負相關性最大的變量為T2229，從流程圖上看，此點為干燥器二床中的下部溫度。負相關說明當此點溫度升高時，產品的含水量將相應下降。從流程分析，此點溫度較高，說明在二床中蒸發的水分較少，顆粒離開干燥器時的水分含量較低。而T2224與T2227等第一段中的溫度變量，與最終含水量的相關性較低，這并不說明這些點的溫度對于干燥效果不重要，原因可能是顆粒經過一床，需經過二床后才形成產品，而計算中使用的是相同時間下的數據，所以這些變量與最終含水量的直接關聯相對較小。

從上面分析能看出，通過分析變量之間的相關性，可以得到變量之間正相關或負相關的關系。以此為基礎，可以使用相關密切的點對過程進行更多的監控。而且也有可能應用相對較靈敏準確的溫度測量儀表補充較不敏感的含水量測量儀表。

3.3 基于時間差的參數相關性分析

通過對于參數之間時間上相關性的分析，可以得出各變量之間變化的先后次序及時間間隔，可能計算出物料在設備中的停留時間等參數。T2225與T2235的時間相關性如圖5所示，T2224與TI2228的時間相關性如圖6所示。

由圖5可知，其中d為T2225向后平移的時間差。T2225與T2235分別為一床一室內的溫度及一床二室內的溫度，分析這兩者的時間相關性，可以分析出物料由第一室流動到第二室所需要的時間。從圖5中可以看出，兩個變量之間在25 s左右有一個最高的相關性，說明T2225點的溫度波動情況與25 s后的T2235點溫度的相關性較強。這可以說明物料從第一段的測溫點流動到第二段的測溫點需要約25 s的時間。

圖5 T2225與T2235的時間相關性

圖6 T2224與TI2228的時間相關性

由圖6可知，T2224與T2228分別為一床干燥器一室內的溫度及二床干燥器內的溫度，分析這兩者的時間相關性，能夠分析出物料由一床一室流動到二床所需要的時間。從圖6中可以看出，兩個變量之間在70 s左右有一個最高的相關性，可以說明物料流經這段的時間需要大約70 s的時間。

4 結 論

1）使用數據的基本統計分析發現，在實際生產過程中，各參數存在著一定的波動。

2）通過參數相關性分析，分析了各主要點溫度及產品含水量之間的相關性。相關性揭示了各變量之間變化的關系與流程之間的關系。

3）應用基于時間差的數據相關性分析，得到了物料在干燥器內流動的時延參數等。

應用數據分析算法，探索了運行數據與流程之間的關系，能夠對化工設備的建模、仿真、控制、優化等提供支持。下一步的工作中計劃應用更多的算法對數據實施深入分析，并結合分析的結果推進化工設備的分析和研究。

［1］王紀文. 流化床干燥器運行過程中影響流化的因素分析[J]. 中國化工貿易，2004，13（7）：127-127.

［2］薛付英.離心流化床干燥器干燥特性的研究[D]. 大連：大連理工大學，2001.

［3］SHIN Y S, KIM H C, CHUN H S. Drying of water treatment process sludge in a fluidized bed dryer[J]., 2000, 17(1):22-26.

［4］王成軍，張寶誠，高泰蔭. 流化床干燥過程的數學模型及其應用[J]. 機械設計與制造2009，7（6）：56-57.

［5］ZAKARIA J H, ZAID M H H M, BATCHA M F M, et al. Feasibility study on pliant media drying using fluidized bed dryer[J].,2015, 27(11):446-449.

［6］ 黃友良，周永高.干燥過程中PVC樹脂水含量的控制[J]. 聚氯乙烯，2008，10（6）：16-19.

［7］黃才勝. 數據分析技術在化工檢測工作中的應用[J]. 化工管理, 2018（31）：69-70.

［8］易軍，李太福，張元濤，等. 基于混合Copula模型的鋁電解槽多參數相關性分析[J]. 化工學報，2014，8（4）：189-194.

［9］ LAROSE D T, LAROSE C D.數據挖掘與預測分析（第2版）[M]. （譯者：王念濱，宋敏，裴大茗）北京：清華大學出版社，2017.

［10］HOLGER K.非線性時間序列分析[M]. 北京：清華大學出版社，2005.

［11］劉昱明，劉武，李浩，等.基于吸收塔動態模型的PID控制模擬研究[J].遼寧化工，2020，49（6）：679-682.

［12］劉武，李浩，于秀明，等.吸收塔動態模型的建立及應用研究[J].遼寧化工，2018，47（2）：159-162.

［13］李浩，唐成馳，劉武，等.套管式換熱器動態數學模型的建立及仿真研究[J].遼寧化工，2018，47（7）：651-654.

［14］方黃峰，劉瑤瑤，張文彪.基于LSTM神經網絡的流化床干燥器內生物質顆粒濕度預測[J].化工學報，2020，71（S1）：307-314.

［15］陳聰聰. 臥式多室流化床隔板結構對大顆粒停留時間的影響[D].杭州：浙江工業大學，2019.

［16］陳祁，劉慧慧，汪大千，等.小型流化床干燥器氣固流動和干燥的CPFD數值模擬[J].中國礦業大學學報，2019，48（2）：415-421.

［17］趙虎. 流化床中不同粒徑顆粒停留時間及其分布的調控研究[D].北京：中國科學院大學（中國科學院過程工程研究所），2017.

［18］葛傳龍.高密度聚乙烯裝置流化床干燥器運行周期短的原因分析及建議[J].當代化工，2020，49（9）：2075-2078.

Application of Data Correlation Analysis in Dryer Research

,,,*

（School of Chemical Engineering, Shenyang University of Chemical Technology, Shenyang Liaoning 110142, China）

A fluidized bed dryer was used to dry the solid particles, and the monitoring data during the operation of the dryer were obtained from the actual production process. These data were usedas samples for data analysis. Using basic statistical methods and correlation analysis, the relationship between the variables was analyzed. The correlation analysis algorithm with time difference was applied to analyze the time interval of the change between variables.

Fluidized bed dryer; Data analysis; Correlation analysis

2021-06-10

鄧久寧（1997-），男，遼寧省盤錦市人，碩士研究生，研究方向：化工數據分析與機器學習在化工中應用。

孫懷宇（1972-），男，副教授，研究生導師，研究方向：化工產品過程工程技術。

TQ015.9

A

1004-0935（2021）12-1900-04