基于模糊層次分析的煤氣化爐壽命評價體系

曹壯壯 郭 曉 白 璇 王禹卓 譚 蔚 汪 洋

（天津大學化工學院）

我國是能源消耗大國，在眾多能源中煤炭占較大比重，煤直接燃燒會造成嚴重的環境污染和大量碳排放。 國家“十四五”規劃明確要求推動能源清潔低碳安全有效利用。 煤氣化作為煤炭化學工業的清潔利用技術， 是現代煤化工的基礎，其產物既可以作為基本化工原料用于制氫、合成氨及合成油等， 也可以作為清潔燃料用于發電、冶金、機械及城市燃氣等領域［1］。大力發展煤氣化技術，將煤炭清潔化利用，減少環境污染，符合我國的基本國策和可持續發展戰略需求［2］。 煤氣化裝置具有投入大、可靠性要求高等特點，而煤氣化爐作為煤氣化裝置的關鍵設備，開展壽命評價體系的研究，及時進行風險評估和安全評價，對安全生產具有重要的實際意義［3］。

煤氣化爐的工作環境條件惡劣，工作溫度超過1 300 ℃，氣化壓力高，處于高溫、高壓及多相流等復雜的環境， 各個部件容易發生磨蝕燒蝕、熱疲勞等問題，進而導致設備失效。 目前，我國煤氣化爐大型化發展面臨運行周期短、造價高等諸多問題。 在煤氣化爐內關鍵部件的研究上，周運動等分析影響氣化燒嘴壽命的種種因素，制定相應的改進措施［4］；呂詩宏等分析耐火襯里的失效原因，提出相應的防護措施［5］；黃雙等則對襯里的狀態進行評價［6］。 煤氣化爐合成氣水激冷系統的主要部件有激冷環、下降管及破泡床等，結構較為復雜，孫嫩霞分析激冷環的結構并進行結構改進［7］。以上的研究只是對煤氣化爐部件進行分析，并未給出煤氣化爐的壽命評價。 影響煤氣化爐壽命的因素眾多，且大多難以定量描述只能定性分析。 因此，對煤氣化爐進行壽命評價難度很大。

模糊綜合評價法是應用模糊數學，將定性評價問題轉化為定量分析的一種方法，其優點在于可以通過精確的數學方法處理模糊的評價對象，對模糊信息做出較為科學、 合理的量化評價，這有利于對受到多種不確定性因素制約的復雜裝備性能作出一個總體評價。 目前，模糊綜合處理已經在許多復雜設備的壽命或性能評判中得到應用，且效果良好。 楊文斌等利用層次分析和模糊綜合法對壓力容器的安全附件進行評估［8］；周建民等提出一種基于RBF神經網絡與模糊評價的滾動軸承性能退化評估方法［9］。 劉耀鈴等在已有的復雜裝備評價方法的基礎上， 提出一種基于AHP-模糊綜合的性能評價體系， 且在無人機告警探測距離性能評判中表現良好［10］。

基于上述分析，筆者提出一種模糊綜合層次評價體系，綜合氣化燒嘴、耐火襯里與合成氣水激冷系統三者的影響因素，進行煤氣化爐整體壽命分析，建立大型煤氣化爐壽命評價體系。

1 煤氣化爐壽命層次分析

層次分析法（AHP）［11］最早由Saaty T L提出，是一種將定性與定量分析方法相結合的多目標決策分析方法。 該方法的主要思想是依據所要解決的問題或預期的總目標，將復雜的問題分解為若干層次，構成一個多層次的結構模型，最終使問題成為最低層相對于最高層的相對重要權的排序［12］。

以Texaco氣流床氣化爐為研究對象進行層次分析，該氣化爐的重要部件有耐火襯里、水激冷系統和氣化燒嘴，其壽命也由三者的壽命共同決定。 其中，耐火襯里壽命的影響因素包括煤種成分、溫度壓力、水煤氧占比、襯里加工質量及維修保養情況等；水激冷系統壽命的影響因素包括激冷室液位、溫度壓力波動、粗合成氣固含量、粗合成氣量、激冷水流量及腐蝕氣體含量等；燒嘴可能出現的問題包括冷卻水供應不足導致的高溫燒壞、長時間使用出現的磨蝕情況及加工缺陷引起漏水漏氣等。將上述煤氣化爐各個部件受到的影響進行整合分析，得到煤氣化爐爐體壽命層次結構圖 （圖1）， 該圖從左往右依次為決策層、中間層和因素層。

圖1 煤氣化爐壽命預測層次結構示意圖（AHP圖）

2 基于模糊層次分析法構建煤氣化爐壽命評價體系

2.1 模糊關系矩陣的構建

2.1.1 評價等級構建

評價等級是針對決策層可能出現的某種狀況的描述，評價集是所有評價等級的集合。 通常情況下，評價的等級會取3～9級，評價等級過多會影響最終結果的歸屬，評價等級過少則不符合綜合評價的結果要求。 因此，根據煤氣化爐的壽命情況，將評價結果分為5個評價等級“壽命良好、壽命較好、壽命一般、壽命較差、壽命很差”，可以得到煤氣化爐壽命評價集V= {v1， v2， v3， v4， v5}={壽命良好，壽命較好，壽命一般，壽命較差，壽命很差}。

2.1.2 因素集構建

2.1.3 隸屬度向量構建

隸屬度向量由專家評價得出。 若干專家組成評價組，根據評價集中的5個等級，給每一個因素集中的評價因素打分。其中，因素集U中任一評價因素ui對評價集V中每一等級vj的隸屬度向量為：

該隸屬度向量中的元素表示，在特定的工況下，專家在定量和定性基礎上對某一評價因素進行分析，得出該工況下某因素對壽命的影響。 例如，某種工況下，粗合成氣固含量較大，若干專家在分析后得到的數據為5%的專家認為粗合成氣固含量較大對水激冷系統壽命影響小（即壽命良好）、5%的專家認為影響較小（即壽命較好）、10%的專家認為影響一般（即壽命一般）、10%的專家認為影響較大（即壽命較差）和70%的專家認為影響很大（即壽命很差），可得：

2.1.4 構建模糊關系矩陣

根據隸屬度向量構造原則，可分別得到因素層中每個因素對各個風險等級的隸屬度，綜合對應的向量可以得到總體壽命或者某一部位壽命的模糊關系矩陣R：

矩陣中rij表示因素ui對評價vj的隸屬度，且取值為：0≤rij≤1。

2.2 權向量確定

采用層次分析法來確定各個因素的指標權重。

2.2.1 判斷矩陣的構建

同一層不同因素的重要性不同，兩兩因素相互比較，根據其相對重要性等級構造判斷矩陣Am×m：

矩陣中aij表示因素i對因素j的重要程度，根據比例標度（表1）［11］可以確定其相對重要等級的量化值，即可得到aij的值。

表1 比例標度

此外，矩陣中元素間的關系為：

2.2.2 權向量計算

得到判斷矩陣后，求解判斷矩陣的最大特征值及其對應的特征向量：

式（2）中Am×m為m階的判斷矩陣，λmax為判斷矩陣的最大特征值，M為最大特征值對應的特征向量。將M經過歸一化處理之后，得到向量W=［w1，…，wj，…，wm］，該向量為最終的權向量，向量中元素wj為因素j在同層次因素中的相對權重。

2.2.3 一致性檢驗

在構建判斷矩陣時，僅兩兩因素之間進行局部比較，沒有考慮全局關系，可能會出現因素i比因素j重要、因素j比因素m重要，而因素m又比因素i重要的情況，即判斷矩陣A是非一致性的。 因此，對矩陣進行一致性檢驗是必要的。

首先，計算一致性指標CI：

當CI=0時， 認為矩陣A有完全的一致性；CI越大，矩陣越不一致。

其次，根據判斷矩陣的階數，由表2得到平均隨機一致性指標RI值［11］。

表2 平均隨機一致性指標RI值

如果CR＜0.1，則認為判斷矩陣具有良好的一致性，通過了一致性檢驗。

通過上述步驟，即可得到同一層次下不同因素的權重。

2.3 模糊綜合評判

建立綜合評價模型時， 利用模糊算子。將模糊關系矩陣R和權重向量W進行模糊合成運算：

向量中，bj表示在某一特定的工況下，設備壽命評價等級為vj的概率。

若假設，設備壽命5個等級V={v1，v2，v3，v4，v5}， 對應的得分分別為S={100，80，60，40，20}，可以得出最終設備壽命的得分F=B·ST，并以此來評判該設備在特定工況下的壽命情況。

綜上所述，可以構建一個依據模糊綜合評價方法，來判斷煤氣化爐設備壽命的新模型，如圖2所示。

圖2 煤氣化爐壽命預測流程

3 舉例分析

現有一煤氣化爐， 當各因素的隸屬度為Ri=［1，0，0，0，0］時，煤氣化爐工作狀態處于極佳狀態，壽命評估為100分。

3.1 權重計算

3.2 計算隸屬度向量

假設在兩種工況下，煤氣化爐各因素的隸屬度分別見表3、4。

表3 工況1下煤氣化爐各因素隸屬度

表4 工況2下煤氣化爐各因素隸屬度

（續表4）

燒嘴壽命模糊關系矩陣：

燒嘴壽命模糊關系矩陣：

3.3 評估設備壽命

3.3.1 工況1

由B2向量可以看出：在工況2下，壽命良好的概率僅為是12.01%， 而壽命較差的概率高達56.60%，可以認為此工況下，設備壽命不佳。

3.4 設備得分情況

設備壽命的5個等級V={v1，v2，v3，v4，v5}，對應得分為S={100，80，60，40，20}。 由F=B·ST，可以得出最終設備壽命的得分。 認為：得分在80分以上，設備可以較好運行，壽命較長；得分在60及其以下，設備不可正常工作，壽命不佳；得分在60～80之間，設備可以運行，但需要及時調整，處于預警狀態。

工況1下，設備壽命得分F=B·ST=80.208，說明該工況下設備壽命較好， 但是即將進入預警狀態，建議對工況稍作調整，保證設備正常運行。

工況2下，設備壽命得分F=B·ST=52.540，說明該工況下設備不可正常工作，需要對設備的各個參數進行調整。

4 結束語

基于模糊層次分析法的煤氣化爐壽命評價體系具有以下特點：

a. 層次分析法能夠針對煤氣化爐的壽命評估問題進行分析， 把影響因素分為若干層次，用框式圖說明不同層次之間的遞進關系，簡化復雜的壽命評估問題。

b. 利用模糊綜合評價分析法，將煤氣化爐壽命分析的定性評價問題轉化為定量評價過程。 從所舉例子中可以看出，通過該方法處理煤氣化爐的壽命問題，可以實現合理科學的量化評價。

c. 利用AHP-模糊綜合評價方法， 能夠對煤氣化爐壽命做出科學有效的評價，為后續的合理操作提供了有效依據。 同時，所提出的AHP-模糊綜合評價的煤氣化爐壽命評價體系，彌補了煤氣化爐壽命評價方法的空缺。

但是，該方法存在一定的局限性。 模糊合成時，只進行簡單的線性相乘，實際情況可能是非線性甚至是更復雜的算子；未考慮不同因素之間的交互作用； 隸屬度的構建采用專家評價法，具有較大的主觀性，若能通過數據分析等方法得到更加客觀的隸屬度，可以提升模型預測結果的準確性。