基于響應面分析法減少重整催化劑粉塵的研究

潘冠宇，馬 技，池 亮

（中國石油寧夏石化公司，寧夏銀川 750026）

連續重整為煉油廠關鍵產氫裝置，寧夏石化公司采用美國UOP 第三代超低壓連續重整工藝（圖1）。催化劑經過四合一反應器反應后，通過提升氣送至再生器，再生后再次提升至反應器，從而形成閉路循環。

圖1 UOP 重整簡易流程圖

催化劑顆粒在反應-再生系統中循環移動，由于提升高度達70 m，同時催化劑顆粒之間、顆粒與器壁之間會發生摩擦和碰撞，從而產生少量的催化劑碎片和粉末。這些粉塵由裝置設置的粉塵淘析系統來完成粉塵的分離和收集。對于60×104t/a 的連續重整裝置而言，催化劑磨損量為2～4 kg/d，年損耗量在1.3 t 左右。但是當淘析系統操作不正常時，產生的催化劑粉塵和碎劑不能全部淘析出系統，造成部分催化劑粉塵和少量的碎劑在系統內循環并逐漸累積，將會對裝置的安全、平穩運轉帶來嚴重的威脅[1-2]，甚至引發事故。同時如淘析氣量過大會導致淘析出的催化劑完整顆粒過多，從而造成浪費，生產成本大幅增加。那么提升氣和淘析氣是否存在交互作用也需要驗證，故如何找尋一種分析手段，既保證裝置穩定運行又節約生產成本，是目前迫切需要解決的問題。

Box-Behnken 中心組合設計通過二次多項式或更高次項的模型擬合，能同時進行線性、兩因素相互作用考察，從而更直觀、準確的優化得到最佳工藝條件[3]，本研究首次采用Box-Behnken 響應面分析法，以淘析氣量和提升氣量為考察因素，對重整催化劑粉塵工藝進行優化，制定工藝參數。保證穩定生產的情況下，減少催化劑消耗，為企業創造更高效益。

1 裝置運行情況及試驗方法

1.1 裝置運行情況

寧夏石化公司60×104t/a 連續重整以90%常壓石腦油和10%柴油加氫石腦油為原料，采用UOP 公司的R-234 催化劑。由于處于裝置檢修周期末期，期間裝置生產正常，反應溫度、壓力穩定。催化劑卸出顆粒量最高達12.5 kg/d，同時催化劑粉塵中完整顆粒比例達到60%。

1.2 粉塵量增大原因分析

（1）裝置生產不穩定，反應溫度、壓力大幅波動，造成催化劑的破碎增加。

（2）提升高度為70 m，需要較大的提升氣量，而提升氣量過大，催化劑之間及催化劑與器壁之間的碰撞加劇，催化劑粉塵量增加。偶國富等[4]研究表明：提升氣量對催化劑粉塵的產生有直接的影響。

（3）淘析氣量過大，完整催化劑顆粒被吹出，造成完整顆粒隨著催化劑粉塵被回收，形成大量資源浪費，提高了企業運行成本。

1.3 試驗設計與統計方法

（1）提升氣量單因素試驗：固定淘析氣量為1 340 m3/h，選擇提升氣量分別為220、215、210 m3/h測定其催化劑吹出粉塵量的顆粒含量及粉塵量。

（2）淘析氣量單因素試驗：固定提升氣量為220 m3/h，選擇淘析氣量分別為1 420、1 400、1 380、1 360、1 340、1 320 m3/h 測定其催化劑吹出粉塵量的顆粒含量及粉塵量。

（3）統計方法：應用Box-Benhnken 模型篩選出提升氣量和淘析氣量的最佳組合。

2 結果與討論

2.1 單因素試驗結果

（1）淘析氣單因素試驗結果：不同淘析氣量對催化劑粉塵的影響見表1，隨著淘析氣量的減少，催化劑粉塵中粉塵量變化不大，而完整顆粒隨之減少。同時淘析氣量在1 320～1 340 m3/h 時催化劑顆粒含量下降不明顯。可能的原因是淘析氣量在1 340 m3/h 時，不足以將催化劑完整顆粒吹出。

表1 淘析氣量所對應卸出催化劑中顆粒及粉塵的含量分布

（2）提升氣量單因素試驗結果：不同提升氣量對催化劑粉塵的影響見表2，隨著提升氣量的降低，卸出催化劑粉塵量也隨之減少。在提升氣量為210 m3/h 時，催化劑粉塵量最低為2.19 kg。

表2 提升氣量所對應卸出催化劑中顆粒及粉塵的含量分布

2.2 影響因素的響應曲面圖

交互作用的響應曲面圖能直觀的反映各因素對響應值的影響，在所選的范圍內分析響應面的最優值存在及各個因素對評價值的影響大小。故根據設計中心設計了淘析氣量和提升氣量的實際運行數據所對應卸出催化劑中顆粒及粉塵量的分布，見表3，利用分析軟件對生產數據進行分析，從而建立響應曲面模型（圖2）。

表3 淘析氣量和提升氣量所對應卸出催化劑中顆粒及粉塵的含量分布

圖2 淘析氣量和提升氣量對催化劑粉塵量的響應曲面譜圖

響應曲面模型進行平方和分析見表4：P 值是檢驗回歸系數顯著水平的一項指標，當P＜0.050 0 表現為顯著，P＜0.010 0 表現為高度顯著。由表4 可知，模型P＜0.010 0，表明模型高度顯著。本試驗模型R2=92%，說明有92%的粉塵量變異分布在試驗研究的雙因素中，其模型方程有較好的擬合度，試驗誤差較小，可用該回歸方程代替真實結果進行分析。模型中的一次項A（淘析氣量）（P=0.049 7）為顯著，而B（提升氣量）（P＜0.000 1）為高度顯著，說明提升氣量對催化劑粉塵量影響高度顯著；交互項AB，P=0.068 7 不顯著，說明淘析氣量和提升氣量的交互影響不顯著。此結果表明提升氣量對催化劑粉塵量影響較為明顯，而淘析氣量對催化劑粉塵量具有一定影響。同時依據F 值A=5.613 5、B=62.514 3 和AB=4.626 4，可知影響因子的影響次序為：提升氣量＞淘析氣量＞兩者交互影響。

表4 催化劑粉塵量的響應曲面分析

同樣模擬了淘析氣量和提升氣量對催化劑顆粒含量影響的響應曲面模型（圖3）。對模型進行分析具體數據見表5，值得一提的是：模型P＜0.000 1，說明模型顯著，并且高度適用。模型中的一次項A（淘析氣量）（P＜0.000 1）顯著，而B（提升氣量）（P=0.324 7）表現不顯著，在顆粒含量上AB 沒有交互影響。

表5 催化劑顆粒含量響應曲面分析

圖3 淘析氣量和提升氣量對催化劑顆粒含量的響應曲面譜圖

2.3 模型驗證

利用響應面軟件對條件進行優化，模型得出當淘析氣量和提升氣量分別為1 340 m3/h 和211 m3/h 時，計算出催化劑顆粒及粉塵的預測值。為了驗證模型的準確性，調節淘析氣量、提升氣量進行了三組驗證試驗，其結果見表6。試驗值與軟件優化預測值基本一致，表明模型有較好的可靠性，同時由模型模擬出顆粒及粉塵量對淘析氣量和提升氣量的計算公式。

表6 催化劑顆粒及粉塵量分析

3 結論

本研究旨在保證裝置正常運行的情況下，減少催化劑粉塵的產生并吹出催化劑完整顆粒。工藝的最佳條件在淘析氣量為1 340 m3/h、提升氣量為211 m3/h時，催化劑粉塵量達到最小值，為7.7 kg。同時獲得回歸方程，利用回歸方程可以計算出不同工況下最佳淘析氣量和提升氣量組合，從而降低催化劑粉塵產生量，減少貴金屬催化劑消耗，具有較大經濟效益。