基于機理的蒸汽裂解模型在生產計劃優化中的應用探索

賴清俊，鄭真，魏躍峰，吳海東

（1.中科（廣東）煉化有限公司，廣東 湛江 524076；2.石化盈科信息技術有限責任公司，北京 100020）

隨著企業數字化轉型的發展，生產計劃優化模型作為煉化企業生產計劃排產和生產優化不可缺少的重要工具，模型的準確性決定著企業的精細化生產水平。當前企業級生產計劃優化模型主要采用流程工業模型系統（PIMS）軟件，基于分布遞歸（DR）版本開發，二次裝置模型大部分基于Delta-Base結構，涵蓋了煉油、烯烴及其下游裝置。生產計劃優化模型需要提升準確性，結合二次裝置的嚴格機理模型來更新模型參數。采用分子級煉化一體化價值鏈表征及多單元動態優化技術，無縫集成嚴格機理模型、降階混合模型和線性規劃（LP）模型，通過優化操作、統一計劃和調度以增加效益[1]。

乙烯蒸汽裂解是煉化一體化企業最重要的化工裝置，基于設計數據，蒸汽裂解裝置采用了Delta-Base結構，不能準確反映原料結構、性質和操作條件等對主要裂解產物收率的影響，通常的方式是采用法國德西尼布公司開發的乙烯裂解模擬軟件（SPYRO）實現線下集成，尚未實現非線性建模技術與裂解軟件的直接集成。以某煉化一體化企業蒸汽裂解模型為例，基于原蒸汽裂解DR版本模型，開發并集成裂解爐機理模型，以期實現與計劃優化模型的無縫集成，且模型的應用效果較佳。

1 蒸汽裂解計劃模型

1.1 功能架構

乙烯生產最關鍵的乙烯裂解裝置不僅決定主要產品的產量，還對下游化工產業鏈起決定性作用。以某煉化一體化企業800 kt/a蒸汽裂解裝置為例，對乙烯裂解分原料、分爐型建模，按照裂解原料不同分裂解爐共7臺：乙烷爐F-001（F-001裂解爐分F-001A 和F-001B 2 個爐膛）、氣體爐F-002、輕油爐F-003/006、重油爐F-004/005、200 kt 爐F-007。采用中石化CBL裂解技術和低能耗乙烯分離技術生產聚合級乙烯（800 kt）和聚合級丙烯（300 kt）等產品，原料主要包括丙烷、正丁烷、液化石油氣（LPG）、混合石腦油和加氫尾油。某煉化一體化企業蒸汽裂解單元共7 個物理裂解爐，根據SPYRO 提供的裂解爐計劃排產用SPSL 模型，按照分原料、分爐型建模，蒸汽裂解共構建11個不同的XLP外部模型。以計劃優化軟件PIMS為例，當包含這些外部模型時，必須使用計劃優化軟件PIMS 的高級優化（PIMS AO）特性來求解模型。蒸汽裂解模型功能架構，見圖1。

圖1 蒸汽裂解模型功能架構圖Fig 1 Functional architecture of steam cracking model

乙烯裂解裝置是化工系統烯烴生產的龍頭裝置，也是關鍵裝置。決定蒸汽裂解產品分布的主要因素有裂解爐型、原料性質和操作條件。據此，在乙烯裝置的模型構建中考慮了3 方面因素：同一套乙烯裝置根據不同爐型分別建立子模型；按原料特點和操作條件選取不同的產品收率，進一步考慮鏈烷烴含量，石腦油的物性主要考慮碳數族組成（PONA 值）；操作條件主要是按不同裂解深度控制，包括中度裂解、淺度裂解和深度裂解，可實現控制雙烯收率，如乙烯、丙烯產率比。

1.2 模型應用

1）產品結構優化。依據市場形勢，通過優化方案對比，確定最優產品結構，幫助企業獲取最大利潤，提高企業市場響應能力。

2）乙烯原料優化。通過建立分原料、分爐型的乙烯裂解模型，優選低成本、適應后續生產的乙烯原料，提高全廠效益。

3）互供原料優化。通過對比不同生產方案，優化煉油化工互供原料互供量，做出科學的決策，實現企業效益最大化。

通過石腦油性質的傳遞，化工裝置優選最優的產品結構，通過聯動煉化一體化模型反向優化原油選擇。

2 基于機理的蒸汽裂解模型構建

將Aspen 烯烴回歸計算器（Aspen Olefins Regression Calculator，AORC）軟件與SPYRO 軟件一起用于創建回歸爐模型，這些模型將作為外部模型附加到更新的計劃優化模型。

為了SPYRO 模擬數據生成足夠，以用于創建準確的回歸模型，需定義一系列輸入條件、原料組成、參數范圍（盤管出口溫度、烴進料流速、蒸汽/烴比、盤管入口壓力、盤管入口溫度和初始焦炭厚度）和步驟數，并運行SPYRO 進行模擬。另外，還須指定參數之間的關系，如某個參數是獨立于其他參數變化（全因子參數）還是與其他參數變化同時變化（部分因子參數）。全因子參數越多，SPYRO 將進行的模擬越多，所需的時間越長，但產生的數據也可能更準確。SPYRO 通過裂解爐類型相關的原料輸入參數范圍和原料組合生成多個案例生成模擬。

2.1 關鍵數據需求

某煉化一體化企業將5種類型的裂解爐提供的裂解爐配置文件，作為SPYRO 輸入的裂解爐操作條件范圍（質量流量、爐管出口溫度（COT）、油汽比（SOR）、爐出口壓力（COP）和爐進口溫度（CIT））。每種爐型進料的組成范圍，原料類型包括C2+C3、C3+C4+LPG、LPG、輕石腦油、石腦油（nap）、常壓瓦斯油（AGO）等。

回歸模型通過回歸算法為每個所需輸出變量生成回歸函數（即多項式），每個函數將取若干獨立的輸入變量，回歸模型存儲在中央數據庫中。回歸模型的獨立輸入變量和輸出變量，如表1所示。

表1 回歸模型輸入輸出參數Tab 1 Regression model input and output parameters

2.2 操作參數定義

裂解爐的主要控制目標是控制裂解深度、生產量和產物選擇性。裂解深度是關鍵參數，一般用苛刻度來表示，其主要受COT、COP、進料量和SOR等變量影響。

采用AORC 軟件創建回歸裂解爐模型，回歸方程的收斂過程必須基于使用參數COT 或苛刻度、流量、COT、SOR和COP用于生成SPYRO案例結果數據庫和創建新的回歸爐模型，流量不含蒸汽，SOR為重量比。

2.3 模型回歸控制

使用AORC 軟件進行回歸，PIMS 模型通過控制結構PROCLIM（對子模型中的工藝條件和遞歸特性施加限制）表對所有SPYRO輸入/輸出的變量進行控制。此外，PIMS 模型還可通過PROCLIM表對轉化率進行控制。轉化率計算基于質量分數，對于石腦油裂解，主要對丙烯和乙烯的質量比進行控制。石腦油轉化率公式為：

2.4 AORC工作流簡介

AORC軟件以SPYRO軟件創建的SPSL模型為輸入，回歸生成裂解爐模型，這些模型作為外部模型外掛到PIMS模型供調用。11個裂解爐子模型邏輯裝置將按裂解爐類型和原料類型劃分，每個子模型將對應1個外部回歸模型，對于爐型和進料類型均相同的物理爐，將共用相同的外部回歸子模型。利用AORC 生成外部回歸模型的一般工作流，主要包括5個步驟：定義原料類型，定義裂解爐類型，定義并運行SPYRO 模擬計算，數據回歸，輸出用于PIMS的XLP裂解爐模型。

將回歸數據文件轉換為MPS 格式，以應用于PIMS 應用文件，同時在裂解爐配置程序中，可以將回歸結果導出為XML來生成回歸數據文件。

2.5 回歸模型準確性分析

從嚴格的模擬工具的輸出建立基于回歸的模型，其精度是不能與模擬工具相提并論的，因此，利用AORC 回歸的外部模型，其精度一定低于SPYRO模型。與傳統LP建模技術相比，外部模型的精度有很大改進。AORC回歸模型對于石腦油爐子的乙烯收率預測精度可以達到99.5%以上。

最大程度提高AORC 回歸模型的計算精度，具體方法為：

1）確保在生成SPYRO 模擬案例中所定義的操作參數的范圍，與工廠實際操作數據相近。

2）確保在生成SPYRO 模擬案例中所定義的原料組成的范圍盡可能窄，既能涵蓋實際生產中可能加工的原料組成，又具有一定代表性，即有足夠多的樣本數，其原料性質與實際加工的主要原料（設計進料）的性質是接近的。通過對上百種原料、多組操作條件和物性等進行排列組合，石腦油模擬數據的樣本數超過17 800 個，液化氣模擬數據的樣本數超過8 250個。

3）在原料的定義中，添加純組分的乙烷、丙烷和丁烷（正丁烷、異丁烷），以確保在外部模型的原料組成中，次要組分含量可以為0。

4）在模型設置精度類型時選擇“Accuracy(slow)”作為回歸優化。

5）在進行軌跡計算前進行數據篩選，移除操作范圍以外的點及異常點。

通過以上建模方式和模型校核方法，可以使主要側線產品的收率準確性達到95%以上。

2.6 分離單元子模型

分離部分從急冷裝置開始，主要包括脫丙烷塔、碳二加氫塔、碳三洗滌塔、脫甲烷塔、脫丁烷塔、預脫甲烷塔、脫乙烷塔、乙烯塔、碳三加氫塔和丙烯塔。碳二加氫塔和脫甲烷塔基于原料組成及主要化學反應轉化率計算產品組成、組分分離系數構建組分分離子模型結構，通過分子組分傳遞到下游裝置，其余分離單元均基于組分構建分離模型。

3 模型應用效果

基于SPSL機理模型構建的蒸汽裂解模型需基于PIMS AO功能進行優化運行，PIMS AO是PIMS高級優化功能版本，主要包括XNLP（非線性）求解功能、非線性方程建模功能和外部模型接口功能，同時增加了簡約原油數量、參數分析、全局優解和多處理器并行功能等，極大地提高了模型的準確性、可靠性和模擬系統的集成。

3.1 細化模型結構，提高模型精度

煉化一體模型集成乙烯裂解爐后，應用PIMS AO 主要包括非線性（XNLP）求解功能、非線性方程建模功能、外部模型接口功能和與乙烯裂解爐模擬系統SPSL集成，提高了模型計算精度。原油切割根據需要按照石腦油組分進行切割，從源頭選油更加精細化，也擴大了優化空間。原油中石腦油切割以分子組成計算，保證模型的精細化程度以及裂解原料從原油源頭優化的可行性。原油切割用石腦油相關信息和組分，如表2所示。

表2 原油切割用石腦油相關信息和組分Tab 2 Information and components related to naphtha used for crude oil cutting

舉例說明：某煉化企業月度加工原油主要為科威特、阿曼、沙輕和沙中等油種，生產出石腦油供給蒸汽裂解裝置作為原料，根據采用分析某月石腦油原料組成情況如表3所示。

表3 石腦油原料組成Tab 3 Composition of naphtha raw material

由表3可知，根據加工原油結構，該月產出的石腦油組成屬于典型的裂解石腦油，符合裂解裝置進料指標要求，有利于裂解爐COT 穩定控制。原料餾程情況如表4所示。

表4 石腦油原料餾程Tab 4 Distillation range of naphtha raw material

當月石腦油原料主要由F-004/F-005/F-001B加工，采用F-001B SPYRO模型進行模擬，模擬條件為：進料量28.0 t/h，稀釋比0.50，橫跨段溫度570 ℃，裂解深度0.52。模擬測算結果如表5所示。

表5 模擬測算產品相關數據Tab 5 Related data of product by simulation and calculation

由表5 可知，應用SPSL 機理模型構建的蒸汽裂解模型進行測算，可以提高模型計算精度，AO模型的測算結果與SPYRO 模擬結果基本一致，雙烯收率精準度達到了99.77%以上。

3.2 通過全局優化，實現多點尋優

PIMS AO 模型具備高級分析、全局優解和多處理器并行功能，較大程度提高了系統方案的準確性和可靠性。如采用9月份的月度計劃測算，原油加工量710 kt，采用全局優化功能，設置10個起始點，經對比發現常規求解目標函數值為47 266，多點尋優后目標函數值為51 276。

分析結果發現：多點尋優優化了采購的阿曼（OMN）原油，減少采購4.61 kt，效益增加，結果與實際相符合，模型尋優結果見圖2。

圖2 多點優化過程示意Tab 2 Schematic diagram of multi-point optimization process

應用參數分析，實現操作條件優化。PIMS AO模型中加入了裂解爐COT，壓力COP和油汽比SOR 等操作變量,所以PIMS 能夠根據市場價格計算出最優的操作條件，明確優化方向。參數優化功能：分析操作參數、原料和產品的價格敏感性，提高求解分析能力，減少決策失誤。多目標優化功能：分析整體經濟效益最大化，同時最優化高附加值產品收益。

測試案例中以NAP 石腦油為原料，裂解爐COT 為830～850 ℃，每4 ℃取1 個點進行分析計算，結果見圖3。

圖3 COT對乙烯收率的影響Tab 3 Effect of COT on ethylene yield

從圖3可以看出，乙烯收率隨溫度的升高而提高，收率從33.26%逐漸提高到較高值34.58%，此時溫度為846 ℃。因此，石腦油在當前爐型和工況條件下，裂解乙烯的較優溫度為846 ℃。

4 結 論

以某煉化一體化企業蒸汽裂解模型為例，介紹了建模意義以及集成SPSL模型的蒸汽裂解模型的功能架構和主要應用方向。首先，采用AORC軟件與SPYRO 軟件創建回歸爐模型（XLP 類型文件）的技術路線，把這些模型作為外部模型添加到更新的PIMS 模型，可以實現與計劃優化軟件PIMS 的無縫集成。接著，基于SPSL 集成的模型在模型細化程度方面有了很大的提升，主要體現在通過細化原油切割從需要根據需要進行石腦油組分的分子組成切割，按照分子組分進行建模，比原模型更加細致。最后，通過應用PIMS AO 的高級優化功能，主要包括非線性求解、全局優化、參數分析以及多處理器并行功能，驗證了模型的應用效果，同時通過數據對比驗證了模型的準確性，證明該集成方法技術上是可行的，可進一步提高企業計劃優化模型的精細化水平，為企業優化生產、降本增效提供有力支撐。