FCCU反再系统异常工况的安全分析

靳满满，田文德，张俊梅

（青岛科技大学化工学院，山东 青岛 266042）

引 言

石油炼制工业是国民经济的支柱产业之一，催化裂化工艺是将重质油转化为轻质油的主要工艺之一，而反应-再生系统是催化裂化工艺的核心部分。因反应-再生系统生产设备大、工艺复杂、原料多易燃易爆，所以对反应-再生部分的安全分析是确保安全生产的有效途径。一般安全分析方法给出的是模糊的、定性的分析结果，不能满足安全生产的需要。本文利用动态机理模型开发的仿真环境来再现事故发生的过程[1-12]，以此锁定事故发生的原因。JIT是一种工商管理模式，核心思想是及时生产，实现零浪费[13-16]，而在化工过程中，非线性、时变性等复杂特性制约着辨识模型的准确程度，若能及时识别模型，将可以有效地辨识不同状态下过程的运行，保障数学模型的准确性和有效性，这对进一步实施先进控制以及过程优化具有重要意义。本文将JIT理论应用于动态系统的非线性分析，希望为动态系统的辨识提供新的思路，以开发的仿真环境为平台再现了3种异常工况的动态模拟，建立了上述异常工况的JIT模型，实现了异常工况的及时识别。本研究具有一定的优势和可行性，可以为安全生产提供准确、可靠的指导。

1 异常工况的动态模拟

1.1 再生催化剂失活

催化剂失活类型很多，比如化学的、热的、机械的。催化剂在裂化反应过程中由于积碳的发生，活性组分被覆盖，导致活性降低。一般通过烧焦的方法来恢复催化剂的活性，但有时烧焦温度控制失误会使再生催化剂失活。再生催化剂活性降低会引起原油转化率的下降，需及时恢复其活性，下面就再生催化剂失活引起的原油未转化率及产品收率的变化做详细分析，具体见图1。

图1横坐标为再生催化剂失活反应速率与正常反应速率之比，可以看出当再生催化剂活性降低时，原油的未转化率升高，产品收率均呈下降趋势，图中模拟的点数据和工厂提供数据基本吻合。

1.2 再生器稀相尾燃

图1 再生催化剂失活对原料及产品的影响 Fig.1 Deactivation of regenerated catalyst effects on raw materials and products

图2 再生器稀相尾燃对氧含量及温度的影响 Fig.2 Tail combustion of regenerator dilute phase effects on oxygen content and temperature

再生烧焦过程中由于碳的不完全燃烧会生成CO气体，从再生器密相上升的烟气中含有的CO 遇到高温、空气，会发生二次燃烧，容易造成设备内构件超温损坏。本文在仿真环境上使用CO助燃剂来实现CO的完全燃烧，提高了操作的稳定性，并且减少CO对环境的污染，其中助燃剂的加入位置为再生器密相部位。本文通过监控烧焦罐出口氧含量及出口温度来反映CO助燃剂的影响，具体见图2。

从图2可以看出，当再生器稀相尾燃时，烧焦罐出口氧含量大幅下降，而温度大幅升高。由理论分析可知，当再生器稀相尾燃时，CO充分燃烧消耗大量的氧气，释放大量的热量，这和本文模拟的趋势是一致的，说明本文开发的仿真环境具有一定的价值。

1.3 反应器催化剂跑损

反应器催化剂跑损，既造成催化剂损失，又严重影响原油裂化及异构化等反应。若不能及时发现催化剂跑损，将严重影响原油的转化率及产品收率。本文为了模拟反应器催化剂跑损这种异常工况，在提升管底部增加了催化剂跑损物流PSC002，下面就反应器催化剂跑损对原油未转化及产品收率的影响做详细分析，具体见图3。

图3 反应器催化剂跑损 Fig.3 Catalyst’s loss of reactor

图3随着反应器催化剂跑损量的增加，原油的未转化率升高，产品收率均下降，这和实际的生产情况是一致的，说明本文模拟的此种异常工况是真实可靠的。

2 模拟数据的数学分析

2.1 再生催化剂失活

① 由催化剂失活程度计算原油未转化率。

拟合方程

② 由催化剂失活程度计算汽油收率

拟合方程

③ 由催化剂失活程度计算柴油收率

拟合方程

④ 由催化剂失活程度计算气体收率

拟合方程

⑤ 由催化剂失活程度计算焦炭收率

拟合方程

例如，已知催化剂失活程度时，带入拟合方程（1），可以算出此时的原油未转化率。

2.2 再生器稀相尾燃

① 由助燃剂流量计算烧焦罐出口氧含量

拟合方程

② 由助燃剂流量计算烧焦罐出口温度

拟合方程

例如，已知助燃剂流量时，带入拟合方程（6），可以计算出烧焦罐出口氧含量。

2.3 反应器催化剂跑损

① 由反应器催化剂跑损量计算原油未转化率 拟合方程

② 由反应器催化剂跑损量计算汽油收率

拟合方程

③ 由反应器催化剂跑损量计算柴油收率

拟合方程

④ 由反应器催化剂跑损量计算气体收率

拟合方程

⑤ 由反应器催化剂跑损量计算焦炭收率

拟合方程

例如，已知反应器催化剂跑损量时，带入拟合方程（8），可以计算出此时的原油未转化率。

3 JIT方法识别非线性数学模型

本文将JIT理论应用于异常工况的安全分析，实现异常工况的及时识别，建立了JIT模型。JIT理论的另一点应用是根据JIT模型推算的异常工况，决定处理这些异常工况的措施，把握处理措施的程度，避免人力、物力的浪费，实现“零浪费”。下面就JIT理论的应用做具体分析。

3.1 再生催化剂失活

① 由原油未转化率推算再生催化剂失活程度。

JIT模型

② 由汽油收率推算再生催化剂失活程度。

JIT模型

③ 由柴油收率推算再生催化剂失活程度。

JIT模型

④ 由焦炭收率推算再生催化剂失活程度。JIT模型

⑤ 已知气体收率推算再生催化剂失活程度。

JIT模型

以式（20）为例说明JIT的应用，将柴油收率对催化剂失活程度影响曲线进行分段处理，每一段对应相应的区间，那么已知柴油的收率可以根据对应的公式计算出相应的催化剂失活程度，根据催化剂失活程度采取相应措施来恢复催化剂活性，避免了浪费。

3.2 再生器稀相尾燃

①由烧焦罐出口氧含量推算助燃剂流量（kmol·h-1）。

JIT模型

②由烧焦罐出口温度推算助燃剂流量（kmol·h-1）。

JIT模型

当操作人员察觉烧焦罐出口氧含量或温度发生大幅度波动时，可以根据对应公式推算助燃剂流量，从而决定阀门开度，以控制助燃剂流量，在此也体现了JIT理论的优越性。

3.3 反应器催化剂跑损

① 由原油未转化率求反应器催化剂跑损量（kmol·h-1）

JIT模型

② 由汽油收率求反应器催化剂跑损量（kmol·h-1）

JIT模型

③ 由柴油收率求反应器催化剂跑损量（kmol·h-1）

JIT模型

④由气体收率求反应器催化剂跑损量（kmol·h-1）

JIT模型

⑤由焦炭收率求反应器催化剂跑损量（kmol·h-1）

JIT模型

4 结 论

开发的FCCU反再部分的仿真环境真实地再现了3种异常工况，模拟的相关参数的影响趋势和实际生产相符，并根据模拟数据建立了数学模型及JIT模型。本文将JIT理论应用于识别非线性数学模型，实现了异常工况的及时识别，希望为动态系统的辨识提供一种新思路，其广泛应用还需进一步改进和完善。本研究具有一定的优势和可行性，可以为安全生产提供准确、可靠的指导。

[1] Sun Yong (孙永).Dynamic simulation of catalytic cracking [D].Beijing: Beijing University of Chemical Technology, 2010.

[2] Lin Shixiong (林世雄), Luo Xionglin (罗雄麟).Petroleum Refining Engineering (石油炼制工程) [M].3rd ed.Beijing: Petroleum Industry Press, 2000: 317-387.

[3] Chen Junwu (陈俊武), Deng Xianliang (邓先樑).FCCU Technology and Engineering (催化裂化工艺与工程) [M].2nd ed.Beijing: China Petrochemical Press,2005.

[4] Li C, Suzuki K.Tar property, analysis, reforming mechanism and model for biomass gasification-an overview [J].Renewable and Sustainable Energy Reviews, 2009, 13 (3): 594-604.

[5] Mou Shengjing (牟盛静), Su Hongye (苏宏业), Li Wei (栗伟), Chu Jian (褚健).Reactor model for industrial residual fluid catalytic cracking based on six-lump kinetic model [J].Journal of Chemical Engineering of Chinese Universities(高校化学工程学报), 2005, 19 (5): 631-635.

[6] Chen Yushi (陈玉石).Dynamic modeling and simulation of the riser reactor and the regenerator for FCCU [D].Xiamen: Xiamen University, 2007.

[7] Ali M A, Tatsumi T, Masuda T.Development of heavy oil hydrocracking catalysts using amorphous silica-alumina and zeolites as catalyst supports [J].Applied Catalysis A:General, 2002, 233 (1): 77-90.

[8] Luo Xionglin (罗雄麟), Zuo Xin (左信), Yuan Pu (袁璞).Applications of FCCU dynamic mechanism model: reaction control strategy analysis [J].Acta Petroleisinica: Petroleum Processing Section(石油学报:石油加工), 1999, 15 (6): 75-80.

[9] Luo Xionglin (罗雄麟), Yuan Pu (袁璞), Lin Shixiong (林世雄).Dynamic mechanism model of FCCU—reactor section [J].Acta Petroleisinica: Petroleum Processing Section(石油学报: 石油加工), 1998, 14 (1): 34-40.

[10] Luo Xionglin (罗雄麟).Dynamic modeling and operation analysis of FCCU (fluid catalytic cracking unit with high efficient regenerator) [D].Beijing: China University of Petroleum,1997.

[11] Luo Xionglin (罗雄麟), Yuan Pu (袁璞), Lin Shixiong (林世雄).Dynamic mechanism model of FCCU—regenerator section [J].Acta Petroleisinica: Petroleum Processing Section(石油学报:石油加工), 1998, 14 (2): 61-65.

[12] Zheng Xuan (郑璇).Research and development of fault diagnosis system for catalytic cracking process [D].Beijing: Beijing University of Chemical Technology, 2011.

[13] Li Jingjing (李晶晶).The study of layout in automobile manufacturing final assembly production line based on the just in time theory [D].Shenyang: Northeastern University, 2008.

[14] Liu yi (刘毅), Jin Fujiang (金福江), Gao Zengliang (高增梁).Online identification of time-varying process using just-in-time recursive kernel learning approach [J].Acta Automatica Sinica(自动化学报), 2013, 39 (5): 602-608.

[15] Liu Lin (刘琳), Gu Hanyu (谷寒雨), Xi Yugeng (席裕庚).Robust scheduling in a Just-in-time single machine system with processing time uncertainty [J].Control and Decision(控制与决策), 2007, 22 (10): 1151-1159.

[16] Hu Yuling (胡玉玲), Cao Jianguo (曹建国).Research on identification of dynamic nonlinear system based on fuzzy neural network [J].Journal of System Simulation(系统仿真学报), 2007, 19 (3): 560-562.