大型氣化裝置智能運行與管控平臺研發與應用

安海泉，劉 臻，馮長志，鮑金源，王 峰，鄭錦泉

(1.北京低碳清潔能源研究院，北京市昌平區，102209；2.陜西神木化學工業有限公司，陜西省榆林市，719302；3.國能榆林化工有限公司，陜西省榆林市，719319；4.無錫雪浪數制科技有限公司，江蘇省無錫市，214131)

0 引言

我國能源消費結構中，煤炭占比較高，而煤氣化技術可以將煤炭轉化為人工煤炭天然氣和石油，實現多元化能源供應，減少對進口石油和天然氣的依賴。國家層面高度重視煤炭清潔高效利用，煤化工技術是實現煤炭清潔高效轉化與利用的重要途徑，煤氣化是煤炭深度加工轉化的核心技術。隨著技術的不斷創新和應用的推廣，煤氣化裝置在工業化進程中將繼續發揮重要作用，為經濟社會的可持續發展做出積極貢獻[1]。

在煤氣化裝置生產過程中，其運行參數會產生波動，過程狀態監測歷史數據庫中不可避免地混雜著大量的非穩態運行數據。化工生產過程數據中也常常含有較多的隨機誤差和粗差干擾，導致傳統的穩態檢測方法無法得到準確結果，從而降低了系統故障診斷的可靠性[2]。針對實際化工生產過程數據中含有較多的隨機誤差，目前采用一種融合自適應平滑技術的穩態檢測方法，該方法首先以基于導數分析的自適應平滑算法進行降噪處理，消除隨機誤差的影響，然后引入閾值擬合技術進一步抑制粗差干擾，以多項式濾波方法對數據進行穩態檢測，根據測量信號的趨勢特征確定過程是否處于穩態[3]。另外，為了提高化工生產過程安全性和可靠性，降低事故的影響，需要對裝置工況的異常情況做出準確及時的判斷，且隨著工廠DCS系統的發展，系統中儲存的大量數據也亟待被挖掘，這使得基于數據驅動的工況故障評估技術成為化工領域研究的重點[4]。

信息技術成為企業提高市場競爭力、尋求持續發展的主要手段。相較于傳統石油化工，氣化裝置固體進料更加復雜，數據取樣與儀表檢測難度更大，不確定性因素更多。大多數煤化工企業雖然在生產過程自動化、安全監測自動化、經營管理自動化等方面建設了很多信息化系統，但目前煤化工工廠的控制系統分布在廠區各個工藝車間，有很多獨立的數據采集、控制系統，這些系統都是相對獨立的，同時監控的設備種類繁多、協議多樣化，并且地理位置分散，生產監控及信息化軟件標準不統一，無法實現信息融會貫通，存在信息孤島現象，這導致缺乏協調、聯控機制，在生產、經營、指揮、安全生產等業務的決策方面無法實現智能化[5-7]。借助數據采集與監控系統，能夠實現各個獨立系統數據的全面融合，強化集成分析與管理，達到對全流程智能運行和管控的目標[8-9]。

智能制造是解決當前氣化爐所面臨問題的必然方向，而數字化制造和工廠信息化是智能制造的基礎。《中國制造2025》明確提出加快推動新一代信息技術與制造技術融合發展，把智能制造作為兩化深度融合的主攻方向，在重點領域試點建設智能工廠及數字化車間。通過引入數字技術，提供設備全生命周期的信息管理和服務，實現生產過程信息透明化，提高生產效率、提升質量降低成本和資源消耗，對自身的業務流程、經營管理模式、戰略決策等進行重塑，從而使得煤化工企業的生產經營效率和企業競爭力顯著提升[10-11]。陜西陜化煤化工集團有限公司啟動智慧化工廠平臺建設項目，通過云計算、物聯網、大數據等信息技術，采用“數據+平臺+應用”的模式，以工業互聯網為核心，構建企業信息化建設的“現場總線”，實現了數字化體系建設、管理優化提升及高質量發展的目標[12]；中煤陜西榆林能源化工有限公司啟動全場智能化巡檢系統項目，通過5G專用網絡、數字孿生技術、機理模型和AR應用場景等，使生產操作更加智能[13]；內蒙古中煤蒙大新能源化工有限公司以智能制造為目標，打造智能化生產車間，建成了涵蓋22個信息模塊的以MES為核心的生產運行管理體系，實現了所有生產和輔助裝置的自動化控制，走出了一條煤化工產業由“制造”進階“智造”的轉型之路[14]。

筆者以氣化爐數據和模型為基礎，基于智能制造數據底座系統建立的數據智能整合、分析與處理的核心功能，將煤化工制造流程/資源與工業互聯網、人工智能等深度融合，通過智能感知、分析、診斷與運行的技術手段，開發了針對大型氣化裝置全流程智能運行與管控平臺，實現了氣化爐裝置的全生命周期健康監測、診斷、先進控制和實時優化，提高了氣化裝置數字化、智能化水平。

1 大型氣化技術簡介

隨著現代工業的發展，能源的供給轉化方式不斷更新，大型氣化裝置憑借其能夠將固體燃料通過高溫和壓力的方式轉化為氣體燃料的特性，使低品質燃料得到高效利用，提高了資源利用效率，在化工、煉油、鋼鐵、電力等行業中得到廣泛應用，為工業生產提供了重要的能源支持[15-17]，對保障國家能源安全具有重要的戰略意義。氣化裝置生產的合成氣可以作為煤化工原料，制造合成氨、合成甲醇、合成油等產品，豐富化工品種，提高煤化工領域的生產技術水平和經濟效益。此外，氣化裝置還可以用于環保領域，例如利用煤氣化裝置生產的合成氣替代燃煤發電，減少二氧化碳等污染物的排放[18-19]。以煤氣化為核心的煤炭利用產業示意如圖1所示。

圖1 以煤氣化為核心的煤炭利用產業示意

煤化工產業生產規模不斷擴大，在促進經濟發展、方便群眾生活等方面可發揮積極作用。但是，關于安全、健康、環境等方面的風險較大，尤其在設備管理方面問題突出。具體表現在：一是設備大型化、連續生產工藝復雜等易出現局部故障影響全局；二是故障發生時損失巨大；三是目前設備維護基本為人工，效率較低，總體質量水平不高；四是操作不當易造成環境污染等[20]。

氣流床氣化技術是大型氣化技術的主要方式，其主要通過在高溫高壓條件下，利用氧氣、水蒸氣或氫氣等氣化劑，將固體燃料中的可燃部分轉化為合成氣。氣流床氣化技術具有反應溫度高、煤種適應性強、氣化效率高、無二次污染等特點，成為現代煤氣化技術的主流。隨著我國“雙碳”目標的提出以及環保節能建設的深入，如何對大型煤氣化過程進行相關的安全管理和優化，從而提質增效，保證氣化裝置“安、穩、長、滿、優”運行成為一個亟待解決的問題。

2 平臺整體架構設計

2.1 建設架構

針對煤化工在數字化轉型過程中遇到的信息化建設、數字化改造、智能化升級等方面的問題，北京低碳清潔能源研究院與無錫雪浪數制科技有限公司深度合作，基于智能制造數字底座系統開發了大型氣化裝置全流程智能運行與管控平臺，解決了氣化裝置建模、控制與優化的一系列行業共性問題。

雪浪云智能制造數字底座系統架構主要由底層支撐系統、新型工業數據和業務引擎服務層、上層應用組件開發環境構成。底層支撐系統主要提供超級計算機的系統級服務，保障工業級數據的高效傳輸和運算；新型工業數據和業務引擎服務層在聯合仿真、并行計算、邊緣計算、數據開發等應用框架的支撐下形成不同種類工具箱，比如流程模擬工具箱、數采工具箱、機器學習等工具箱，為工業數據和業務引擎提供高可靠、高性能的算力支持；上層應用組件開發環境，提供流程模擬實時優化、仿真模型分析、智能決策優化等功能性內置組件庫，用戶在數字底座系統上通過對不同功能組件進行拖拉拽式編排，高效完成工業典型應用的搭建和部署。智能制造數字底座架構如圖2所示。

大型氣化裝置全流程智能運行與管控平臺將典型的智能手段引入煤氣化行業，在平臺應用層上融合工藝專家知識與數據挖掘方法，形成一整套全新的煤氣化全流程及裝置全生命周期的管理與運行系統。針對氣化裝置的不同問題，該管控平臺配置了相應的應用建設，支撐企業智能化與數字化轉型，構建的大型氣化裝置全流程智能運行與管控平臺數字駕駛艙也能夠輔助指導工廠操作和管理人員掌握、評估每臺氣化裝置的各項運行情況指標，促進氣化裝置安全、穩定、高效運行。大型氣化裝置全流程智能運行與管控平臺應用架構如圖3所示。

圖3 大型氣化裝置全流程智能運行與管控平臺應用架構

2.2 平臺優勢與創新性

基于數字底座系統開發的大型氣化裝置全流程智能運行與管控平臺應用了多種信息技術，實現更泛在的感知、更全面的互聯互通、更深度的智能化，將大數據分析、工業互聯網、云計算等IT技術與專業模型、專家知識庫等專業技術結合，打造了從一般操作管控向智能生產的一體化管控平臺，其優勢與創新性如下。

3、林風防風效益和相對溫度觀測。對示范區林帶進行防風效益、相對溫度和積沙量定時、定期觀測并做好相關記錄，為后續評估提供參考。

(1)充分發揮工藝模型在生產優化中的作用。管控平臺將氣化裝置運行數據與工藝模型相結合，可以給工廠操作人員提供優化指導，操作人員根據實時操作情況及時更新，實現氣化裝置優化運行。

(2)平臺系統的模塊化、高效和共享。管控平臺實現分布式智能，使模型和工業知識能夠得到有效管理，將裝置核心的數據和模型進行分類存儲、管理、組織和應用。

(3)從“被動響應”到“主動應對”的模式轉變。借助于覆蓋工業現場的感知系統，快速感知和工廠相關的各類信息，綜合運用大數據、機器學習技術，對于突發環境變化、氣化設備故障、產品質量等問題，在基于模型的可預測狀態下，管控平臺能根據氣化裝置狀況進行事先預防和優化調整，并及時消除隱患和風險。

3 應用內容建設

氣化爐系統十分復雜，目前存在關鍵指標的監測準確性與可靠性差、缺乏氣化關鍵工況深入分析能力、決策優化沒有統一的參考和指導等問題。為解決以上問題，管控平臺結合氣化爐的業務場景構建了四大應用內容，分別是氣化裝置數字孿生模型應用、氣化裝置智能監控應用、氣化裝置智能評估應用、氣化裝置專家案例推理應用。構建包括氣化爐混合模型、爐溫軟測量模型、監控指標模型、穩態指標模型、工況指標模型、決策推理模型等若干核心模型，用于支撐四大應用內容的建設。

3.1 氣化裝置數字孿生模型

氣化爐是一種耦合多種反應的物理化學過程，進出口物流很多，采用純數據分析的方式很難保障結果的準確性和合理性，往往需要較強的氣化專業知識作為數據建模的基礎。然而，目前大部分基于機理或數據的氣化爐模型在穩定性和精確性上仍有一些不足，且常常作為離線驗證和校核使用，無法滿足氣化爐快速擬合和預測，從而響應智能化平臺的需求。此外，針對氣化爐的各種機理模型與數據模型孤立零散，目前還存在無統一的開發標準和開發平臺，各種優化模型與算法無法得到有效的組合和集成的問題，管控平臺為模擬軟件開發獨立的驅動程序，將不同軟件的輸入和輸出數據制定為統一格式，集成至管控平臺沉淀成模型組件，解決不同軟件之間的接口問題。針對氣化裝置數字孿生模型，管控平臺采用氣化反應動力學機理耦合數據驅動的方式，構建的氣化爐混合模型來提升模擬結果的準確性。該氣化爐數字孿生模型將作為管控平臺的大腦，統一處理和展示氣化爐全生命周期的運行狀態和裝置健康情況，提出高效控制方案和最優工況參數等。

應用模塊主要包含數據采集模塊、數據處理模塊、數據驅動預測模塊、機理模型仿真模塊、軟測量模塊、結果融合模塊、數據存儲模塊等，其中，數據驅動預測模塊、機理模型仿真模塊和結果融合模塊組成氣化爐數字孿生混合模型。通過數據采集模塊實時采集工廠運行數據，將該數據進行加工預處理后，提供給氣化爐數字孿生混合模型進行模擬訓練，建立準確高效的仿真模型；然后利用該模型對氣化過程進行實時仿真和展示。氣化裝置數字孿生模型的組件化構建流程如圖4所示。

基于氣化爐數字孿生混合計算模型，能夠實現提高產品質量、降低成本以及保證各工藝裝置的平穩運行的目的，同時混合模型和軟測量模型計算的數據為氣化裝置的穩態檢測、工況評估、決策優化做基礎。

3.2 氣化裝置智能監控

在管控平臺中搭建了氣化爐智能監控模板，開發了氣化裝置智能監控應用，主要包含數據接入、數據預處理、關鍵指標計算和結果展示內容。采用數據采集組件實時接入氣化爐關鍵參數，通過3-Sigma準則數據預處理后進行數據庫讀寫，開始對氣化爐關鍵指標進行實時數值計算，比如爐膛溫度、比煤耗、比氧耗、有效氣產量、有效氣含量、碳轉化率、煤漿負荷以及耐火磚內壁溫度等。將實時數值計算獲得的爐膛溫度、比煤耗、比氧耗、有效氣產量、有效氣含量、碳轉化率、煤漿負荷以及耐火磚內壁溫度等氣化爐關鍵指標匯總，并寫入數據庫中進行展示。氣化裝置智能監控應用的組件化構建流程如圖5所示。

圖5 氣化裝置智能監控應用流程

3.3 氣化裝置智能評估

在管控平臺上接入穩態指標模型、工況指標模型來搭建氣化裝置智能評估應用，結合氣化工藝分析，確定關鍵輸入輸出變量，應用特定穩態檢測方法，實現對于氣化爐具體工況的穩態分析檢測，評估工況優良情況。

氣化裝置智能評估應用主要包括數據接入模塊、數據處理模塊、穩態判斷模塊、數據分類識別模塊、特征提取模塊、工況計算、可視化展示等模塊。通過數據采集續建直接從DCS的數采服務器采集多源數據，穩態檢測方面選取長度為H的窗口數據段，采用多項式濾波方法，以一次項系數作為核心的判斷依據，針對一次項系數以及相關系數的計算做對比，判斷裝置目前的穩定狀態。同時，數據經過預處理后，采用K-Means聚類根據數據密度，將多模態過程的不同穩定生產模式進行區分，計算各個穩定生產模式的綜合指標，確定性能等級；采用主成分分析方法，提取各個穩定生產模式數據中與性能指標相關的獨立特性；最后對實時接入的新工況數據進行評估，確定該工況的性能等級。氣化裝置智能評估應用的組件化構建流程如圖6所示。

圖6 氣化裝置智能評估應用流程

通過平臺界面建立基于數據驅動的氣化穩態檢測系統，可以對氣化爐工況進行實時監控，在掌握裝置的實時工況穩態表現的基礎上，操作人員可更好地把握生產過程特性，通過有針對性的調整來實現過程的提質增效，同時獲得的穩態參數數值可為后續氣化爐進行穩態建模、控制和優化提供準確可靠的輸入。

3.4 氣化裝置專家案例推理

在現場歷史操作數據中，蘊含了大量操作員的操作經驗和工藝知識，同時操作員歷史操作中工況中也會存在優、良、一般和差若干分類。因此，從歷史數據中提取到不同的工況案例庫，在新的場景下去匹配歷史工況案例庫，匹配最佳案例狀態，可以指導關鍵參數調整，提升決策解決的魯棒性，實現裝置智能優化決策。

氣化裝置專家案例推理應用主要包含數據讀取、數據存儲以及數據預處理模塊，案例庫構造模塊，案例庫檢索和更新模塊，結果輸出模塊等。通過數據采集組件獲取氣化爐的實時案例數據寫入數據庫進行儲存，并經數據預處理篩選出合格數據。一段時間后這些歷史數據采用數據分析方式截取不同工況數據，提煉獲得最佳案例參數，數據梳理出來的案例，通過基本的工藝分析后加入案例庫；基于相似性的案例檢索，根據相似性排序后匹配最適合的案例進行案例結果輸出；當相似性低于某閾值后，表明相關案例在案例庫中暫無，經過指標判斷后，將新案例更新至案例庫中；最終將實時數據進行案例檢索之后匹配的最合適案例指標進行展示。氣化裝置專家案例推理應用的組件化構建流程如圖7所示。

圖7 氣化裝置專家案例推理應用流程

氣化裝置專家案例推理應用幫助操作人員對工況案例狀態進行及時準確的判斷，并根據工況案例狀態調整原料輸入指標，使得生產過程的工況案例趨近最佳案例狀態，用以降低生產成本、提高經濟效益，并且避免工況案例長期處于較差或最差的案例狀態，降低氣化爐故障的幾率，降低安全事故發生率。

4 現場應用效果

國能榆林化工有限公司是一家以煤炭為原料的大型煤化工企業，擁有5臺3 000噸級的頂置單噴嘴水煤漿氣化爐，產能為甲醇180萬t/a。為了響應國家和集團關于“綠色煤化工”和智能化轉型的號召，近年來不斷增加科技創新投入，加大生產單元的智能化建設，配備了MES、DCS、SIS等信息化和自動化系統，幫助現場運行和管理人員提升運行水平，保障系統安全。

然而，由于氣化爐原料波動頻繁、設備穩定性差等特點，導致氣化爐運行數據復雜且形式各異，難以分析、比較和處理，數據利用率低；同時，單一的大數據分析方法無法滿足氣化爐智能分析，缺乏對裝置運行數據的深度分析與應用，導致氣化爐優化運行狀態較差且故障頻發。

4.1 運行效果

2023年1月，管控平臺在國能榆林化工有限公司進行了現場部署和應用，工廠氣化爐實時生產數據經過計算后在管控平臺界面顯示，平臺界面分為智能感知和智能診斷2個部分。其中智能感知主要是比煤耗、比氧耗、煤漿負荷、有效氣產量、爐膛溫度等關鍵數據的展示，同時展示模擬軟件的計算結果和實際生產數據的偏差，實時評估模型情況。智能診斷是氣化爐工況、指標情況以及氣化爐運行狀況在歷史案例庫中的優良情況。此外，氧煤比、氣化爐溫度、急冷水流量、有效氣含量的實際情況和推薦數值能夠在圖中對比顯示。管控平臺智能感知和智能診斷界面如圖8和圖9所示。

圖8 管控平臺智能感知界面

圖9 管控平臺智能診斷界面

4.2 項目價值

管控平臺能夠對氣化爐進行實時監控、工況評價、性能預測，輔助企業及時掌握氣化爐運行狀態，降低手動調節頻率，提升自控率達到90%以上，大幅度保證氣化爐運行的穩定性。同時，管控平臺對關鍵參數的智能感知和預測準確度達到95%以上，對關鍵設備的健康指標預測準確率達到90%以上，平均降低比煤耗1%以上。

此外，基于數字底座系統搭建的管控平臺具有組件化模塊化搭建、低代碼開發和微服務等靈活、簡便部署的優點，可靈活定制化二次開發，快速增加新功能。同時，管控平臺使得技術人員在智能感知和智能決策界面上就能實現對氣化爐運行狀態全方位、深層次的感知、分析、評價與指導。

5 結語

目前，我國煤化工產業的智能化水平仍然較低，煤化工智能化發展迫在眉睫。北京低碳清潔能源研究院響應二十大報告對煤炭清潔高效利用的要求，依托雪浪云的數字底座系統和研究人員積累的豐富知識，開發適用于煤氣化過程的大型氣化裝置全流程智能運行與管控平臺，助力煤化工行業實現提質降耗，促進煤炭資源綠色低碳轉型，加強現代煤化工的技術改造和升級完善煤氣化產業，推動煤氣化產業高質量發展。