基于NSGA-II算法的TEG脫水工藝能耗分析及參數(shù)優(yōu)化*

王潤平 楊岳鵬 曹建峰

渤海鉆探第四鉆井工程分公司

天然氣脫水工藝是油氣田集輸過程中的核心環(huán)節(jié)，通過脫水處理，可以降低管輸過程中水合物的生成和堵塞問題，減緩天然氣中酸性物質(zhì)對管材及設(shè)備的腐蝕速率，降低壓縮機(jī)的動力能耗，但脫水工藝會消耗大量的能源[1-2]。目前，以三甘醇（TEG）為代表的溶劑吸收法是油氣田系統(tǒng)應(yīng)用最為廣泛的脫水工藝。因此，在保證脫水工藝適應(yīng)和滿足現(xiàn)場需求的前提下，對TEG 工藝進(jìn)行能耗分析和參數(shù)優(yōu)化顯得至關(guān)重要。

迄今為止，已有許多學(xué)者對TEG 工藝的參數(shù)優(yōu)化進(jìn)行了研究，陳賡良對TEG 的再生工藝進(jìn)行了完善，對比了惰性汽提、局部冷凝、減壓蒸餾和Drizo 工藝等對TEG 貧液質(zhì)量分?jǐn)?shù)和露點(diǎn)降的影響[3]；楊東磊等為減少閃蒸氣和再生氣對環(huán)境的影響，從廢氣回收、TEG 富液高壓汽提、TEG 富液低壓汽提等方面進(jìn)行了工藝優(yōu)化，在滿足露點(diǎn)的條件下，降低了再沸器能耗[4]；李天斌等分析了TEG 循環(huán)量、再沸器溫度和汽提氣流量對露點(diǎn)降的影響，得到了最佳操作點(diǎn)參數(shù)[5]。目前研究主要集中在工藝流程改進(jìn)和系統(tǒng)能耗分析方面[6-7]，但脫水工藝涉及的影響因素較多，以上研究只選取了部分因素進(jìn)行優(yōu)化，未涉及主控因素，且干氣露點(diǎn)和能耗的變化趨勢通常相悖，如何實(shí)現(xiàn)多目標(biāo)函數(shù)的優(yōu)化也是函待解決的問題。基于此，采用ASPEN Hysys 軟件模擬天然氣脫水工藝流程，根據(jù)實(shí)際運(yùn)行參數(shù)對脫水系統(tǒng)影響的強(qiáng)弱篩選優(yōu)化參數(shù)，利用響應(yīng)曲面法設(shè)計(jì)實(shí)驗(yàn)方案并建立多目標(biāo)回歸函數(shù)，采用第二代自適應(yīng)非支配遺傳算法（NSGA-II）對函數(shù)進(jìn)行求解，以期實(shí)現(xiàn)脫水深度和綜合能耗的有效平衡。

1 流程模擬與參數(shù)分析

1.1 TEG工藝流程模擬

以某氣田集氣站為例，其TEG 脫水工藝流程如圖1 所示。濕天然氣經(jīng)過濾分離器分離出液體和固體雜質(zhì)，氣田水進(jìn)入污水處理系統(tǒng)；之后原料氣進(jìn)入吸收塔底部，與頂部進(jìn)入的TEG 貧液充分接觸，進(jìn)行氣液傳質(zhì)，脫除氣體中的水分；脫水后干氣進(jìn)入干氣/貧液換熱器升溫，再經(jīng)產(chǎn)品分離器分離后外輸。TEG富液從吸收塔底部流出，經(jīng)過濾器過濾后進(jìn)入再生塔頂部盤管加熱，然后進(jìn)入閃蒸罐降壓，分離出的閃蒸氣去原料氣罐，閃蒸后的TEG富液從罐底流出，進(jìn)入貧/富液換熱器，與再生塔底部流出的TEG 貧液換熱升溫，而后進(jìn)入再生塔頂部。在再生塔中，TEG富液經(jīng)精餾、提餾，在塔底重沸器的作用下將富甘醇中的水分蒸出。從重沸器流出的貧TEG 經(jīng)貧液汽提柱汽提后溢流至TEG緩沖罐，再經(jīng)換熱器降溫后進(jìn)入循環(huán)泵，加壓至吸收塔頂部完成循環(huán)。

圖1 TEG脫水工藝流程Fig.1 TEG dehydration process flow

該TEG 工藝中加入了汽提塔對貧液進(jìn)行再次提純，提高了流程中TEG 的質(zhì)量分?jǐn)?shù)，降低了重沸器出口溫度，有利于脫水深度的增加，因此在我國應(yīng)用較為廣泛，屬于典型脫水工藝流程，具有一定的代表性。

由于ASPEN Hysys 軟件在油氣處理、天然氣凝液回收及液化方面均有較高的準(zhǔn)確性，因此以Hysys軟件為平臺建立脫水工藝流程，采用PR方程計(jì)算氣液兩相熱力學(xué)參數(shù)，流程見圖2。

圖2 Hysys工藝流程Fig.2 Hysys process flow

現(xiàn)場隨機(jī)選擇一組運(yùn)行數(shù)據(jù)輸入已建立的Hysys 模型中進(jìn)行穩(wěn)態(tài)求解，結(jié)果見表1。對比可知，出口干氣露點(diǎn)滿足設(shè)計(jì)要求（露點(diǎn)≤-10 ℃），與實(shí)際值的相對誤差為0.27%，貧TEG 進(jìn)吸收塔溫度的相對誤差為2.77%，重沸器溫度的相對誤差為1.56%。造成誤差的原因一是該Hysys 模型為理想狀態(tài)的吸附-再生模型，二是現(xiàn)場測試參數(shù)存在一定的人工誤差。但總體看相對誤差較小，說明所建模型的合理性和可靠性較強(qiáng)，可以用于后續(xù)研究。

表1 實(shí)際運(yùn)行值與Hysys模擬值對比Tab.1 Comparison between actual running values and Hysys simulated values

1.2 關(guān)鍵參數(shù)能耗分析

通過對工藝流程進(jìn)行分析，發(fā)現(xiàn)脫水系統(tǒng)的主要耗能設(shè)備為貧液循環(huán)泵（Q-100）、再生塔塔底重沸器（Q-101）和汽提氣加熱器（Q-102）。結(jié)合前人研究的脫水工藝影響因素[8-9]，在表1 中運(yùn)行參數(shù)的基礎(chǔ)上進(jìn)行定量分析和篩選優(yōu)化參數(shù)。從Q-100 的能耗看，貧液循環(huán)泵的能耗隨原料氣溫度、再生塔底壓力的增加而降低，隨TEG 循環(huán)量、汽提氣量和重沸器溫度的增加而增加，隨原料氣壓力的增加先增后減再增。原料氣溫度較高時(shí)會使水蒸氣在TEG 溶液中的溶解度降低，進(jìn)而影響吸收效果和能耗；原料氣壓力較高時(shí)會引發(fā)吸收塔內(nèi)氣液接觸不充分，進(jìn)而增加塔板壓降，影響脫水效果，但壓力對貧液循環(huán)泵能耗的影響較小（圖3）。以無量綱化處理后的參數(shù)為自變量，以貧液循環(huán)泵能耗為因變量，得到敏感性分析結(jié)果（圖4）。斜率越大表示該參數(shù)的敏感性越強(qiáng)，故影響貧液循環(huán)泵能耗的關(guān)鍵參數(shù)為TEG 循環(huán)量，循環(huán)量每增加1 kmol/h，能耗增加約950 kJ/h。

圖3 運(yùn)行參數(shù)對貧液循環(huán)泵的能耗影響Fig.3 Influence of operating parameters on energy consumption of lean liquid circulating pump

圖4 貧液循環(huán)泵能耗敏感性分析Fig.4 Sensitivity analysis of lean liquid circulating pump energy consumption

從Q-101 的能耗看，重沸器的能耗隨汽提氣量、再生塔底壓力的增加而降低，隨原料氣壓力、TEG循環(huán)量和重沸器溫度的增加而增加，隨原料氣溫度的增加先緩慢下降后快速下降最后保持穩(wěn)定（圖5）。同理，以無量綱化處理后的參數(shù)為自變量，以重沸器能耗為因變量，得到敏感性分析結(jié)果（圖6）。影響重沸器能耗的關(guān)鍵參數(shù)為重沸器溫度，溫度每增加2 ℃，能耗增加約14 900 kJ/h。

圖5 運(yùn)行參數(shù)對重沸器的能耗影響Fig.5 Influence of operating parameters on energy consumption of reboiler

圖6 重沸器能耗敏感性分析Fig.6 Sensitivity analysis of reboiler energy consumption

從Q-102的能耗看，汽提氣加熱器的能耗隨原料氣溫度、TEG 循環(huán)量和重沸器溫度的增加而降低，隨原料氣壓力、汽提氣量和再生塔底壓力的增加而增加（圖7）。同理，以無量綱化處理后的參數(shù)為自變量，以汽提氣加熱器能耗為因變量，得到敏感性分析結(jié)果（圖8）。影響汽提氣加熱器能耗的關(guān)鍵參數(shù)為汽提氣量，氣量每增加0.1 kmol/h，能耗增加約740 kJ/h。

圖7 運(yùn)行參數(shù)對汽提氣加熱器的能耗影響Fig.7 Influence of operating parameters on energy consumption of stripping gas heater

圖8 汽提氣加熱器能耗敏感性分析Fig.8 Sensitivity analysis of stripping gas heater energy consumption

2 多目標(biāo)函數(shù)

2.1 建立函數(shù)

通過上述分析可知，耗能設(shè)備中重沸器的能耗占比最大，且能耗與脫水效果呈正比，即脫水深度越深，能耗越高。為保證結(jié)果科學(xué)有效，將三個(gè)設(shè)備的能耗進(jìn)行歸一處理，引入等量功的概念進(jìn)行衡量[10]：

式中：Weq為等量功，kJ/h；η為渦輪機(jī)效率，取0.85；Qreb為重沸器能耗，kJ/h；Wpump為貧液循環(huán)泵能耗，kJ/h；Whot為汽提氣加熱器能耗，kJ/h。

以TEG 循環(huán)量x1、重沸器溫度x2和汽提氣量x3為自變量，建立以等量功Weq和出口干氣露點(diǎn)Tdew的多目標(biāo)優(yōu)化函數(shù)，借助Design Expert 軟件進(jìn)行三因素分布分析（表2），采用BBD 法構(gòu)建實(shí)驗(yàn)設(shè)計(jì)方案，并利用Hysys軟件得到模擬結(jié)果（表3）。

表2 因素分布Tab.2 Distribution of factors

表3 BBD實(shí)驗(yàn)方案和模擬結(jié)果匯總Tab.3 Summary of BBD experimental scheme and simulation results

將實(shí)驗(yàn)數(shù)據(jù)采用多元二次回歸方程擬合，得到等量功Weq和出口干氣露點(diǎn)Tdew的回歸函數(shù)：

對回歸模型進(jìn)行方差分析（表4）可知。兩個(gè)參數(shù)的模型p值均小于0.01，說明回歸模擬的擬合精度較高；信噪比均大于4，說明模型的可靠性和顯著性較強(qiáng)；三個(gè)相關(guān)系數(shù)均較大，說明模型預(yù)測值與實(shí)際值的吻合性較好，誤差不顯著。

表4 回歸方程方差分析結(jié)果Tab.4 Results of regression equation variance analysis

2.2 參數(shù)優(yōu)化

NSGA-Ⅱ算法是帶有精英保留策略的自適應(yīng)非支配多目標(biāo)遺傳算法，可保證找到的最優(yōu)解不會被拋棄，提高了算法收斂性和潛在并行解的搜索性能，算法耗時(shí)較短[11]。當(dāng)?shù)攘抗eq達(dá)到最優(yōu)時(shí)，出口干氣露點(diǎn)Tdew往往無法達(dá)到最優(yōu)，即兩個(gè)目標(biāo)函數(shù)存在相互沖突，不可能有唯一確定解，因此得到折衷方案，此時(shí)的解稱為Pareto 集，將Pareto 集構(gòu)成的曲面稱為Pareto 前沿。對公式（2）和（3）進(jìn)行多目標(biāo)優(yōu)化求解，就是采用NSGA-Ⅱ算法對其中的Pareto集進(jìn)行求解。

算法步驟如下：①在決策變量的范圍空間內(nèi)，產(chǎn)生隨機(jī)數(shù)，形成參數(shù)初始值；②輸入目標(biāo)函數(shù)，計(jì)算種群個(gè)體的適應(yīng)度，對個(gè)體進(jìn)行快速非支配排序，計(jì)算種群的擁擠程度，進(jìn)行交叉和變異操作，得到下一代種群個(gè)體；③以總的進(jìn)化次數(shù)為限制條件，判斷輸出結(jié)果是否滿足終止條件，如不滿足，返回步驟①，如滿足，輸出Pareto前沿。

設(shè)置種群為100，進(jìn)化次數(shù)10000，交叉因子0.8，得到最佳的Pareto前沿（圖9）。圖中的紅點(diǎn)A為當(dāng)前操作工況，由Pareto 前沿可以得到該工況下的優(yōu)化操作點(diǎn)B 和C，以及對應(yīng)的運(yùn)行參數(shù)和目標(biāo)函數(shù)值（表5）。在保持與當(dāng)前水露點(diǎn)接近的條件下，Weq降低了8373.19 kJ/h，與優(yōu)化前相比降低了4.18%；在保持與當(dāng)前等量功接近的條件下，Tdew降低了1.92 ℃，與優(yōu)化前相比降低了17.47%。在實(shí)際的生產(chǎn)中，可根據(jù)圖6 選擇不同的解集以滿足不同工況需求。

表5 優(yōu)化前后的最優(yōu)解Tab.5 Optimal solutions before and after optimization

圖9 Pareto前沿Fig.9 Pareto frontier

2.3 結(jié)果對比

為驗(yàn)證NSGA-Ⅱ算法的科學(xué)性，利用Hysys 軟件自帶的優(yōu)化器求解，根據(jù)上述條件建立目標(biāo)函數(shù)、決策變量和約束條件，采用Box（黑箱）和Mix（混合）算法求解，兩種算法的適用范圍見表6，決策變量的步長取0.5，優(yōu)化結(jié)果見表7。經(jīng)過優(yōu)化，TEG循環(huán)量和汽提氣量均有所減小，但重沸器溫度未得到優(yōu)化，Weq有所降低，同時(shí)Tdew有所上升，但能耗優(yōu)化結(jié)果不及NSGA-Ⅱ算法。綜上可見，NSGA-Ⅱ算法在能耗降低及參數(shù)優(yōu)化上具有優(yōu)越性，3 個(gè)運(yùn)行參數(shù)均得到優(yōu)化，說明NSGA-Ⅱ算法得到是全局最優(yōu)解。

表6 優(yōu)化算法適用范圍Tab.6 Application scope of optimization algorithm

表7 Hysys自帶優(yōu)化器的優(yōu)化結(jié)果Tab.7 Optimization results of Hysys built-in optimizer

3 結(jié)論

以Hysys 軟件為平臺，建立了天然氣地面脫水系統(tǒng)模型，對影響脫水系統(tǒng)的運(yùn)行參數(shù)進(jìn)行了篩選，引入等量功和干氣露點(diǎn)作為目標(biāo)函數(shù)，通過BBD 實(shí)驗(yàn)設(shè)計(jì)和NSGA-Ⅱ算法實(shí)現(xiàn)了工藝參數(shù)的多目標(biāo)優(yōu)化求解，得到如下結(jié)論：

（1）影響貧液循環(huán)泵能耗、重沸器能耗和汽提氣加熱器能耗的關(guān)鍵參數(shù)分別為TEG 循環(huán)量、重沸器溫度和汽提氣量。

（2）在保持與當(dāng)前工況水露點(diǎn)接近的條件下，Weq降低了8373.19 kJ/h，降低了4.18%；在保持與當(dāng)前工況等量功接近的條件下，Tdew降低了1.92 ℃，降低了17.47%。

（3）采用Hysys 軟件自帶的優(yōu)化器求解時(shí)，TEG循環(huán)量和汽提氣量均有所減小，但重沸器溫度未得到優(yōu)化；NSGA-Ⅱ算法在能耗降低及參數(shù)優(yōu)化上具有優(yōu)越性，可以得到全局最優(yōu)解。