煤化工裝置非正常工況碳減排的智能化研究

韓振飛

（中石化寧波工程有限公司，浙江 寧波 315103）

2020 年第七十五屆聯合國大會上，我國向世界鄭重承諾力爭在2030年前實現碳達峰，努力爭取在2060年前實現碳中和。這是我國應對氣候變化新的國家自主貢獻目標和長期愿景，是中國首次向全球明確實現碳中和的時間點，也是迄今為止各國中做出的最大減少全球變暖預期的氣候承諾[1]。

現代煤化工是煤炭清潔高效利用的途徑之一，但其碳排放強度高，單個項目碳排放量大，在國家“雙碳”目標下，面臨巨大減碳壓力，煤化工項目的推進受到制約，因此探尋現代煤化工產業低碳化發展迫在眉睫。對煤化工產業的碳排放研究目前國內大部分學者聚焦于生產過程中，如：凈化裝置產生的CO2尾氣排放、動力中心鍋爐產生的煙氣排放、氣化爐和鍋爐的灰渣排放以及外購熱、電產生的間接排放等，而忽略了現場運行過程中產生的一些非正常碳排放，包括非計劃停車導致的碳排放、裝置長期非最優操作導致能耗、消耗過高造成的額外碳排放等。本文在分析了我國煤化工裝置的碳排放來源和引起煤化工裝置運行過程中非正常碳排放的原因的基礎上，提出了采用信息化、智能化的手段，融合現代工廠模式與智能工廠理念，來提高煤化工裝置運行效率及穩定性，可為未來降低煤化工裝置非正常碳排放提供參考。

1 “雙碳”目標對煤化工產業發展的影響

1.1 煤化工裝置碳排放現狀

2015 年我國碳排放量中，煤化工產業碳排放量占工業排放量的13%，其中煤制油、煤制氣、煤制烯烴、煤制乙二醇所產生的CO2總排放量合計9 062萬t[2]。據劉殿棟等[3]測算，2020年現代煤化工裝置CO2排放總量約3.2億t，約占石化行業排碳量的22.5%；其中，煤制烯烴碳排放約占23.3%、煤制油碳排放約占10.9%、煤制天然氣碳排放約占6.8%、煤制乙二醇碳排放約占6.2%、煤制甲醇(不含煤制烯烴中甲醇)碳排放占比最大，約52.8%。2020年現代煤化工產業各產品路線碳排放分布情況如圖1所示。

圖1 2020年現代煤化工產業碳排放分布情況

1.2 煤化工裝置碳排放來源

正常生產過程中，煤化工裝置碳排放來源主要有兩大類，一是作為原料的工藝過程碳排放，如：凈化裝置產生的CO2尾氣排放、氣化爐灰渣中的碳排放等；二是作為燃料產生的碳排放，如：動力中心鍋爐產生的煙氣排放、鍋爐的灰渣排放等過程中的碳排放。降低工藝過程碳排放，需要從工藝技術革新入手，如：通過煤炭的分級、分質利用，進一步提高碳利用率，將煤與天然氣、可再生能源等進行耦合以減少或取消變換過程產生的CO2排放等；隨著我國可再生能源發電比例的不斷提高，煤化工可以通過提高電驅比例，以電驅替代蒸汽驅動，來減少或避免煤炭直接燃燒帶來的碳排放。另外，碳捕集、利用、封存技術也是降低煤化工裝置碳排放的技術手段之一，現代煤化工CO2主要來自凈化排放尾氣和鍋爐煙氣中，凈化尾氣中CO2含量很高，其體積分數基本在70%以上，有的甚至超過99%，鍋爐煙氣中CO2體積分數為10%～20%[3]。

煤化工裝置現場運行過程中還會產生一些非正常碳排放，如：裝置非計劃停車導致的碳排放，裝置長期非最優操作導致能耗、消耗過高造成的額外碳排放等。雖然這部分碳排放的占比可能不是很大，但其絕對量也不小。因此，減少因人為操作、非計劃停車等造成的煤化工裝置非正常碳排放，對減碳意義重大。

造成煤化工裝置非計劃停車多、長期處于非最優操作的主要原因如下：

（1）煤化工工藝流程復雜、工段間關聯性大，前一工段的波動可引起后工段操作變化較大，目前煤化工企業缺少對裝置生產全過程進行精準診斷分析及優化的手段，在原料或負荷調整時，運行參數不能快速、準確進行調整。

（2）煤化工裝置設備故障多，且對煤氣化裝置長周期運行可能出現的問題（如燒嘴壽命、耐火磚壽命）缺少預判的手段，導致檢修及切爐存在主觀性。

（3）煤化工運行工況苛刻，多為高溫、高壓工況，且存在易燃易爆、腐蝕性介質，長周期運行后關鍵儀表失靈，裝置缺乏精確地監控。

（4）煤化工裝置在運行過程中遇煤種及工況變化時，多依據經驗進行操作，催化劑更換亦是如此，導致操作參數非最優。以水煤漿氣化爐操作為例，不同煤種對應的操作參數存在較大差異，比如無煙煤適宜的氣化溫度比褐煤、煙煤高50℃左右，若操作不當，則易造成煤炭轉化率低，嚴重時甚至造成非計劃停車。

煤化工行業為技術型行業，其生產裝置技術含量高，工藝流程復雜，各工段間的聯系緊密，關聯性大，大型設備類別和數量多，對企業的運行管理水平和突發工況的響應處理要求較高，因此如何提高裝置運行穩定性和生產效率，是企業目前急需解決的問題，也是解決煤化工裝置非正常碳排放的有效手段。

目前，提高裝置運行穩定性的手段主要有優化工藝技術、提高設備制造水平、提升控制手段、提高人員操作水平、采用智能信息技術等，工藝、設備、控制手段的進步往往依賴于整個行業的技術進步，人員操作水平的提升也需要經過長時間的培養，而智能信息技術是可以基于現有工藝、設備、人員技術水平，利用智能化、信息化的手段，使裝置處于最優操作條件。因此，本文主要分析智能化在提高煤化工裝置運行穩定性、減少非計劃停車、進而減少煤化工裝置碳排放中的作用。

1.3 智能化助力化工產業碳減排

近年來，隨著人工智能、大數據等浪潮席卷全球，中國以“創新驅動，質量為先”的原則，發布了《中國制造2025》發展戰略。當前，我國流程工業面臨第四次工業革命的歷史契機、中國制造升級轉型和供給側結構性改革的關鍵時期。“中國制造2025”和“新一代人工智能”為流程工業的發展指出了新的方向和帶來新的機遇。充分利用大數據，將人工智能、移動互聯網、云計算、建模、控制和優化等信息技術與工業生產過程的物理資源緊密融合與協同，研發實現智能制造目標的各種新功能，才可能使制造業實現跨越式發展[4]。

在國內，以中國石化集團公司為首的大型石化企業率先借鑒國外煉化企業信息化建設的實踐經驗，結合自身的發展情況，進行了智能工廠建設探索，在國內石化行業起到了良好的引領和示范作用，入選國家智能制造試點示范的石化企業的數字化、網絡化，智能化水平達到了國內一流、國外先進水平[5]，但總體而言，國內石化行業整體數字化、智能化水平還有很大提升空間。

針對煤化工裝置運行特點及存在的問題，研究人員也進一步探索了利用信息技術手段，通過智能化的方法解決煤化工裝置生產運行中的問題，提高裝置運行穩定性和運行效率，減少裝置的碳排放。

2 煤化工裝置非正常運行工況減碳智能化研究

隨著信息通信技術的發展，“云、網、端”是新的基礎設施，“裝置運行數據”是新的生產要素，“大規模社會化協同”是新的分工特點。信息技術與各行業產業的深入融合為企業提供了一種新的生產運營管理模式，在降低化工過程能耗，減少非必要碳排放方面發揮了重要作用。

2.1 技術手段

針對目前煤化工裝置的運行狀況，可采用大數據、機器學習、流程模擬、數字工廠等技術手段，建立煤化工裝置數據庫及數字孿生工廠，通過數據分析及整合利用，提高裝置的信息化管理水平與運行管理水平，達到降本增效、節能降耗的目的。

2.2 研究方法

煤化工裝置運行穩定性面臨的主要問題有三類：一是長期非最優操作，導致裝置能耗高，效率低。主要原因是煤化工裝置受煤質影響較大，尤其是作為源頭的煤氣化裝置，一旦煤種性質發生變化，煤氣化裝置操作參數就需要進行適應性調整，另外，由于不同煤種產出的合成氣性質不同，位于煤氣化裝置下游的變換、酸性氣脫除等裝置的操作參數也需要進行同步調整。而目前煤化工裝置對于操作參數的調整多依據經驗進行，缺少數據支持。二是裝置運行環境惡劣，設備故障率較高，現場缺乏對設備故障預判的手段，往往是在設備發生故障停車后，才對其進行補救性維修，導致非計劃停車頻繁。三是煤化工裝置多在高溫、高壓、易燃易爆、腐蝕性介質的工況中運行，長期運行后關鍵儀表失靈，易造成關鍵參數的檢測不準確，無法精確指導現場操作。針對上述問題，提出以下解決方案。

2.2.1 進行煤質集總

建立煤質大數據庫，針對不同煤質，提供與其相適應的最優操作參數，指導裝置操作。

煤質是影響煤氣化爐操作性能的重要因素，加強煤質監管、提升原料煤煤質的穩定性、掌握原料煤質變化情況并及時調整和優化氣化爐的操作條件，是提高氣化爐運行穩定性的關鍵。因此，建立煤質集總分析數據庫，實現對不同煤質的操作參數指導，有利于提高煤氣化裝置的操作穩定性。

通過煤質分析，基于現有煤氣化裝置煤種、配煤數據以及氣化操作參數，形成煤質集總分析數據庫。利用分析數據庫對各煤種及配煤數據進行大數據分析，利用智能化技術得到與不同煤質對應的關鍵操作點的最優操作參數、煤和氧氣的消耗、合成氣組成等數據，預先提供與實際煤種相吻合的操作參數，指導優化裝置操作，使裝置能在不同煤種下穩定運行。

2.2.2 建立機理模型

通過建立流程模擬模型，為裝置操作參數在線分析和優化校正提供基礎。

機理模型是基于流體性質，由過程機理出發、經推導得到描述過程的方程組、并由實驗驗證建立起來的模型。煤化工裝置機理模型的開發可自煤氣化裝置、變換裝置、酸脫裝置等單元開始進行逐步研究，采用穩態模擬工具Aspen Plus搭建各單元的模擬模型，并對其進行校正，使結果與裝置的實際運行狀況吻合。機理模型開發需要經歷數據收集、數據處理、模型開發、模型校正確認等過程，目的是確保建立的模型能夠真實反映裝置的運行狀況，為裝置在線分析和優化提供計算基礎。

2.2.3 進行設備故障預測

建立設備故障預測模型，通過對設備狀態的在線分析，提前預測設備可能發生的故障，及時進行故障排除，避免設備故障造成的非計劃停車。

傳統的設備運維模式一般采用定期維護、事故后維修的模式，該模式在復雜工況和苛刻環境下的局限性越來越大。利用現有工業大數據，采集和分析相關狀態參數，實現設備的故障預警，進而進行預測性維護是減少裝置非計劃停車的有效手段。

設備故障預測預警是以生產設備為核心，整合設備相關的運行狀態、檢修、故障、運行標準、產品質量等數據，形成設備數據資產庫，通過機器學習（ML）對設備運行數據進行分析，并結合設備失效機理模型，建立設備故障預測模型。通過采集設備運行數據，運用設備故障預測模型，對運行中的設備進行實時診斷與評估，及時發現設備異常，快速啟動排除故障方案，減少因設備故障造成的非計劃停車次數。

2.2.4 建立軟儀表

通過建立軟儀表，實現關鍵參數的模型監測，避免因儀表失靈造成的關鍵參數缺失。

軟儀表是指利用計算機技術，根據現有的測量儀表信號和工藝技術參數，通過構建參數間的數學關系推算難于檢測或不能檢測的重要參數，用以控制生產[6]。已有學者通過軟儀表的建立，有效克服傳統計量設備因環境苛刻造成的計量缺陷[7]。煤化工裝置運行環境惡劣，長期運行后關鍵儀表參數容易失靈，且部分運行數據難以通過儀表進行測量，因此，需要運用軟儀表的手段，通過模型計算與現場數據校正，實現關鍵參數的模型監測，將真實儀表與軟儀表相結合，為裝置運行提供全面監測手段。

2.2.5 建立數字孿生工廠

通過建立數字孿生工廠，實時模擬預測生產過程，通過模擬尋找最優操作點，實現裝置在線優化，維持裝置最優操作。

數字孿生主要是由物理空間的物理實體和虛擬空間的虛擬實體組成，通過虛實之間的數據進行動態連接。從化工裝置上來講，企業可以通過生產裝置的虛擬模型，實時監測當前實體工廠的運行狀態，并通過虛擬模型對實體工廠進行實時智能控制，進一步實現物理工廠和虛擬工廠間的控制與反饋[8-9]。數字孿生工廠的構建，需要建立機理與大數據融合的工廠模型，通過對實體工廠運營的實時感知，利用工業智能技術對工廠的運營數據進行更高層次的實時綜合調度和優化，實現生產過程的模擬預測，監測現場運行數據，實現單因素與多因素尋優（EO尋優）的操作點，實現在線優化，提高生產效率。同時，數字孿生工廠可以對比顯示系統關鍵運行和模型計算參數，提供動態可視界面。

2.2.6 整合優化

通過建立基礎數據庫、構建數字孿生工廠、收集與分析運行大數據，可以從原料性質、工藝操作優化、設備的多維度分析與故障預判等不同角度對裝置進行監測與分析，最終將這些功能進行整合優化，實現整個工廠的安、穩、長、滿、優運行。

3 結 語

煤化工裝置運行過程中，因人為操作、非計劃停車等導致的非正常碳排放，是煤化工裝置碳排放的重要組成部分。采用信息化、智能化技術，融合現代工廠模式與理念，可為煤化工裝置穩定生產運行提供保障。

通過大數據、機器學習、數字工廠、流程模擬等技術手段，建立機理模型及運行大數據，基于數字孿生工廠，對裝置運行狀況進行工藝分析和診斷，并進行實時在線優化，可確保裝置維持最優操作，提高裝置運行效率及穩定性。對設備狀態進行實時檢測及故障預警，實現設備預測性維護，減少非計劃停車，可初步實現通過提高運行穩定性，降低裝置能耗，減少煤化工裝置非正常碳排放。