基于遗传算法的天然气配气方案优化
2017-06-12黄昌猛李稳宏
张 旭,夏 勇,李 冬,黄昌猛,李稳宏
1.西北大学化工学院,陕西 西安 710069;2.长庆油田第一采气厂,陕西 榆林 718500
天然气作为一种清洁能源具有良好的社会经济效益和环境友好效益[1,2],但开采出的天然气含有大量酸性气体和水等有害物质,极大程度上造成运输管道的腐蚀和堵塞[3],所以必须对其进行净化处理[4,5]。随着原料气气质波动和净化装置服役年限延长等客观原因,虽然净化后的气质 H2S含量满足国家二类天然气标准20 mg/m3内,但CO2含量却超过了3%(体积分数,下同)的要求[6]。付浩等[7,8]筛选了多种胺液配方使气质达标,但对装置之间的配气方案研究较少。
本研究以陕北某净化厂的6套净化装置为例,运用MATLAB高级优化算法中的遗传算法进行编程[9],对采用混合胺液深度净化的 6#装置与 1#~5#采用单一胺液气质不合格的装置进行优化耦合配气,以期找出合理的配气方案,达到扩大装置生产能力,符合外输气质标准的目的,同时为净化装置的实际生产调配提供一定的基础和依据。
1 天然气基础数据
天然气净化主要包括脱硫、脱碳、脱水工艺。1#~6#装置的气量、酸性气体含量、水含量见表1。各装置的净化效果见表2。由表1和表2可以看出,各净化装置的产品气中H2S含量低于20 mg/m3,满足国家二类天然气标准,且脱除率较高;而1#~5#装置的产品气中 CO2含量均高于3%,唯有 6#装置的脱除率较高,脱除效果最差的是 3#装置;产品气保留率均较高,从侧面反映了在保证产品气水露点合格的前提下脱水量较小。基于上述各装置中出现的现实问题,对各装置合理配气是目前亟待解决的问题。
表1 天然气基础数据Table 1 Basic data of natural gas
表2 各净化装置参数Table 2 Parameters of each purification device
2 外输气现状
针对1#~6#净化装置的基础数据,现编写MATLAB程序计算外输混合气现状,结果见表3。由表3可知,1#~6#装置的混合气产品气量为996.91×104m3/d,产品气中H2S的含量合格;相比单一装置的产品气,由于外输混合气中包含了脱碳效果较好的6#装置,所以CO2含量均低于1#~5#装置,但与标准相比仍高于0.1个百分点。
表3 外输混合气现状参数Table 3 The current parameters of mixed natural gas
3 配气模型的建立
配气模型的建立包括确定决策变量、目标函数和约束条件[10]。本研究中决策变量即各装置天然气的处理量,目标函数为混合产品气量最大,约束条件为各装置处理范围、混合产品气中 CO2和 H2S含量满足国家二类气质标准。所建立的配气模型如下。
式中,f(x)为外输混合产品气量,104m3/d;x为装置处理量,104m3/d;s和s’分别表示原料气和产品气中H2S含量,%(v);c和c’分别表示原料气和产品气中CO2含量,%;h表示产品气保留率,%。
4 配气模型的实现
4.1 ga函数求解
随着MATLAB软件的不断更迭,开发者将对遗传算法的程序进行封装,用户在使用时可调用优化工具箱中的ga函数进行优化[11],主要优化的思路如图1所示,具体步骤如下。
图1 遗传算法流程Fig.1 Flow chart of genetic algorithm
(1)个体编码:本案例中共有6个个体,即xi(i=1,2…6),采用二进制进行编码。
(2)初始群体的产生:将上述随机产生的6个个体所对应的符号串构成一个群体,作为起始搜索点开始迭代。根据ga函数设置的种群规模(Population Size)为 200。
(3)个体适应度的计算:本案例中个体适应度按下式计算。
式中,pi表示个体适应度,无量纲。
(4)停止条件:通过程序运行,本案例中算法停止的条件是适应值的平均变化误差小于阈值误差1×10-6,达到了适应值限制,此时混合产品气量基本不再变化,为1 045.46×104m3/d。
(5)遗传操作:当目标函数不收敛时,需进行遗传操作,即选择、交叉和变异。
本案例中,选择采用随机均匀分布法;交叉采用线性重组法,交叉概率为 0.8;变异采用适应性变异法,变异概率为0.01。
(6)遗传代数:本案例中所设置的遗传代数与个体数量有关,由于需要优化的变量有6个,故遗传代数为:6×100=600。
此外,遗传算法本质是一种启发式的随机运算,程序重复运行多次才能得到理想的结果,因此编程时可将上一次运行得到的最后种群作为下一代初始种群,这样可以得到更好的优化结果[12]。
4.2 运行优化结果
在保证混合气中H2S含量不大于20 mg/m3,CO2含量不大于3%的条件下,当1#~6#原料气实际处理量分别为100.10,173.07,100.01,100.23,199.11,400.00×104m3/d时,混合产品气量最大可达到1 045.46×104m3/d,较优化前增加了4.87%。此时,产品气中H2S含量为8.44 mg/m3,CO2含量为3.00%,气质完全满足国家二类标准。
根据优化结果,所绘制适应度与遗传代数关系图如图2所示。由图2可知,当遗传代数为 349时,达到了适应值限制的条件,算法停止。
图2 适应值与遗传代数关系Fig.2 The relationship between fitness value and generation
5 结 论
a)针对产品气气质不达标的现状,建立了天然气的配气模型,采用遗传算法函数编写了优化配气方案的程序代码。
b)通过程序运行优化后,在保证混合产品气中H2S和CO2含量满足国家二类天然气标准的前提下,混合产品气量最大可达到1 045.46×104m3/d,较优化前增加了4.87%,增大装置的生产能力。
[1]杨素珍.A天然气公司市场扩张战略研究 [D].青岛: 中国海洋大学, 2010.
[2]Koyun T, Kunduz M, Oztop H F, et al.Comparison of purification processes of natural gas obtained from three different regions in the world [J].J Natural Gas Chem, 2012, 21(1):61-68.
[3]黄 辉, 马红莲, 何仁洋,等.硫化氢对天然气管线内腐蚀的影响分析 [J].管道技术与设备, 2014, (3):34-36.Huang Hui , Ma Honglian, He Renyang, et al.Analysis of the impact of natural gas pipeline internal corrosion caused by H2S [J].Pipeline Technique and Equipment, 2014, (3): 34-36.
[4]王开岳.天然气净化工艺——脱硫脱碳、脱水、硫黄回收及尾气处理(第二版) [M].石油工业出版社, 2015, 1-15.
[5]Alcheikhhamdon Y, Hoorfar M.Natural gas quality enhancement: A review of the conventional treatment processes, and the industrial challenges facing emerging technologies [J].J Natural Gas Sci & Eng, 2016, 34:689-701.
[6]中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会 GB 17820-2012, 天然气 [S].北京: 中国标准出版社,2012.
[7]付 浩.MDEA为主体天然气脱碳胺液筛选及配比优化研究 [D].青岛: 中国石油大学(华东), 2014.
[8]花亦怀, 唐建峰, 陈 杰, 等.三乙醇胺+哌嗪混合胺液的脱碳性能及配比优选 [J].化工进展, 2015, 34(4):984-989.Hua Yihuai ,Tang Jianfeng, Chen Jie, et al.Decarburization performance of the mixed amine of TEA and PZ and their ratio optimization[J].Chemical Industry and Engineering Progress, 2015, 34(4): 984-989.
[9]刘国华, 包 宏, 李文超.用MATLAB实现遗传算法程序 [J].计算机应用研究, 2001, 18(8):80-82.Liu Guohua, Bao Hong, Li Wenchao.A genetic algorithm in MATLAB [J].Application Research of Computers, 2001, 18(8):80-82.
[10]黄华江.实用化工计算机模拟 [M].北京: 化学工业出版社, 2004, 191-192.
[11]Jing Libing, Luo Zhenghao Liu Liu, et al.Optimization design of magnetic gear based on genetic algorithm toolbox of MATLAB [J].J Electrical Eng Technol, 2016, 11(3): 1921-1928.
[12]卓金武, 李必文, 魏永生, 等.MATLAB在数学建模中的应用 [M].北京: 北京航空航天大学出版社, 2014: 89-92.