煤化工装置非正常工况碳减排的智能化研究

韩振飞

（中石化宁波工程有限公司，浙江 宁波 315103）

2020 年第七十五届联合国大会上，我国向世界郑重承诺力争在2030年前实现碳达峰，努力争取在2060年前实现碳中和。这是我国应对气候变化新的国家自主贡献目标和长期愿景，是中国首次向全球明确实现碳中和的时间点，也是迄今为止各国中做出的最大减少全球变暖预期的气候承诺[1]。

现代煤化工是煤炭清洁高效利用的途径之一，但其碳排放强度高，单个项目碳排放量大，在国家“双碳”目标下，面临巨大减碳压力，煤化工项目的推进受到制约，因此探寻现代煤化工产业低碳化发展迫在眉睫。对煤化工产业的碳排放研究目前国内大部分学者聚焦于生产过程中，如：净化装置产生的CO2尾气排放、动力中心锅炉产生的烟气排放、气化炉和锅炉的灰渣排放以及外购热、电产生的间接排放等，而忽略了现场运行过程中产生的一些非正常碳排放，包括非计划停车导致的碳排放、装置长期非最优操作导致能耗、消耗过高造成的额外碳排放等。本文在分析了我国煤化工装置的碳排放来源和引起煤化工装置运行过程中非正常碳排放的原因的基础上，提出了采用信息化、智能化的手段，融合现代工厂模式与智能工厂理念，来提高煤化工装置运行效率及稳定性，可为未来降低煤化工装置非正常碳排放提供参考。

1 “双碳”目标对煤化工产业发展的影响

1.1 煤化工装置碳排放现状

2015 年我国碳排放量中，煤化工产业碳排放量占工业排放量的13%，其中煤制油、煤制气、煤制烯烃、煤制乙二醇所产生的CO2总排放量合计9 062万t[2]。据刘殿栋等[3]测算，2020年现代煤化工装置CO2排放总量约3.2亿t，约占石化行业排碳量的22.5%；其中，煤制烯烃碳排放约占23.3%、煤制油碳排放约占10.9%、煤制天然气碳排放约占6.8%、煤制乙二醇碳排放约占6.2%、煤制甲醇(不含煤制烯烃中甲醇)碳排放占比最大，约52.8%。2020年现代煤化工产业各产品路线碳排放分布情况如图1所示。

图1 2020年现代煤化工产业碳排放分布情况

1.2 煤化工装置碳排放来源

正常生产过程中，煤化工装置碳排放来源主要有两大类，一是作为原料的工艺过程碳排放，如：净化装置产生的CO2尾气排放、气化炉灰渣中的碳排放等；二是作为燃料产生的碳排放，如：动力中心锅炉产生的烟气排放、锅炉的灰渣排放等过程中的碳排放。降低工艺过程碳排放，需要从工艺技术革新入手，如：通过煤炭的分级、分质利用，进一步提高碳利用率，将煤与天然气、可再生能源等进行耦合以减少或取消变换过程产生的CO2排放等；随着我国可再生能源发电比例的不断提高，煤化工可以通过提高电驱比例，以电驱替代蒸汽驱动，来减少或避免煤炭直接燃烧带来的碳排放。另外，碳捕集、利用、封存技术也是降低煤化工装置碳排放的技术手段之一，现代煤化工CO2主要来自净化排放尾气和锅炉烟气中，净化尾气中CO2含量很高，其体积分数基本在70%以上，有的甚至超过99%，锅炉烟气中CO2体积分数为10%～20%[3]。

煤化工装置现场运行过程中还会产生一些非正常碳排放，如：装置非计划停车导致的碳排放，装置长期非最优操作导致能耗、消耗过高造成的额外碳排放等。虽然这部分碳排放的占比可能不是很大，但其绝对量也不小。因此，减少因人为操作、非计划停车等造成的煤化工装置非正常碳排放，对减碳意义重大。

造成煤化工装置非计划停车多、长期处于非最优操作的主要原因如下：

（1）煤化工工艺流程复杂、工段间关联性大，前一工段的波动可引起后工段操作变化较大，目前煤化工企业缺少对装置生产全过程进行精准诊断分析及优化的手段，在原料或负荷调整时，运行参数不能快速、准确进行调整。

（2）煤化工装置设备故障多，且对煤气化装置长周期运行可能出现的问题（如烧嘴寿命、耐火砖寿命）缺少预判的手段，导致检修及切炉存在主观性。

（3）煤化工运行工况苛刻，多为高温、高压工况，且存在易燃易爆、腐蚀性介质，长周期运行后关键仪表失灵，装置缺乏精确地监控。

（4）煤化工装置在运行过程中遇煤种及工况变化时，多依据经验进行操作，催化剂更换亦是如此，导致操作参数非最优。以水煤浆气化炉操作为例，不同煤种对应的操作参数存在较大差异，比如无烟煤适宜的气化温度比褐煤、烟煤高50℃左右，若操作不当，则易造成煤炭转化率低，严重时甚至造成非计划停车。

煤化工行业为技术型行业，其生产装置技术含量高，工艺流程复杂，各工段间的联系紧密，关联性大，大型设备类别和数量多，对企业的运行管理水平和突发工况的响应处理要求较高，因此如何提高装置运行稳定性和生产效率，是企业目前急需解决的问题，也是解决煤化工装置非正常碳排放的有效手段。

目前，提高装置运行稳定性的手段主要有优化工艺技术、提高设备制造水平、提升控制手段、提高人员操作水平、采用智能信息技术等，工艺、设备、控制手段的进步往往依赖于整个行业的技术进步，人员操作水平的提升也需要经过长时间的培养，而智能信息技术是可以基于现有工艺、设备、人员技术水平，利用智能化、信息化的手段，使装置处于最优操作条件。因此，本文主要分析智能化在提高煤化工装置运行稳定性、减少非计划停车、进而减少煤化工装置碳排放中的作用。

1.3 智能化助力化工产业碳减排

近年来，随着人工智能、大数据等浪潮席卷全球，中国以“创新驱动，质量为先”的原则，发布了《中国制造2025》发展战略。当前，我国流程工业面临第四次工业革命的历史契机、中国制造升级转型和供给侧结构性改革的关键时期。“中国制造2025”和“新一代人工智能”为流程工业的发展指出了新的方向和带来新的机遇。充分利用大数据，将人工智能、移动互联网、云计算、建模、控制和优化等信息技术与工业生产过程的物理资源紧密融合与协同，研发实现智能制造目标的各种新功能，才可能使制造业实现跨越式发展[4]。

在国内，以中国石化集团公司为首的大型石化企业率先借鉴国外炼化企业信息化建设的实践经验，结合自身的发展情况，进行了智能工厂建设探索，在国内石化行业起到了良好的引领和示范作用，入选国家智能制造试点示范的石化企业的数字化、网络化，智能化水平达到了国内一流、国外先进水平[5]，但总体而言，国内石化行业整体数字化、智能化水平还有很大提升空间。

针对煤化工装置运行特点及存在的问题，研究人员也进一步探索了利用信息技术手段，通过智能化的方法解决煤化工装置生产运行中的问题，提高装置运行稳定性和运行效率，减少装置的碳排放。

2 煤化工装置非正常运行工况减碳智能化研究

随着信息通信技术的发展，“云、网、端”是新的基础设施，“装置运行数据”是新的生产要素，“大规模社会化协同”是新的分工特点。信息技术与各行业产业的深入融合为企业提供了一种新的生产运营管理模式，在降低化工过程能耗，减少非必要碳排放方面发挥了重要作用。

2.1 技术手段

针对目前煤化工装置的运行状况，可采用大数据、机器学习、流程模拟、数字工厂等技术手段，建立煤化工装置数据库及数字孪生工厂，通过数据分析及整合利用，提高装置的信息化管理水平与运行管理水平，达到降本增效、节能降耗的目的。

2.2 研究方法

煤化工装置运行稳定性面临的主要问题有三类：一是长期非最优操作，导致装置能耗高，效率低。主要原因是煤化工装置受煤质影响较大，尤其是作为源头的煤气化装置，一旦煤种性质发生变化，煤气化装置操作参数就需要进行适应性调整，另外，由于不同煤种产出的合成气性质不同，位于煤气化装置下游的变换、酸性气脱除等装置的操作参数也需要进行同步调整。而目前煤化工装置对于操作参数的调整多依据经验进行，缺少数据支持。二是装置运行环境恶劣，设备故障率较高，现场缺乏对设备故障预判的手段，往往是在设备发生故障停车后，才对其进行补救性维修，导致非计划停车频繁。三是煤化工装置多在高温、高压、易燃易爆、腐蚀性介质的工况中运行，长期运行后关键仪表失灵，易造成关键参数的检测不准确，无法精确指导现场操作。针对上述问题，提出以下解决方案。

2.2.1 进行煤质集总

建立煤质大数据库，针对不同煤质，提供与其相适应的最优操作参数，指导装置操作。

煤质是影响煤气化炉操作性能的重要因素，加强煤质监管、提升原料煤煤质的稳定性、掌握原料煤质变化情况并及时调整和优化气化炉的操作条件，是提高气化炉运行稳定性的关键。因此，建立煤质集总分析数据库，实现对不同煤质的操作参数指导，有利于提高煤气化装置的操作稳定性。

通过煤质分析，基于现有煤气化装置煤种、配煤数据以及气化操作参数，形成煤质集总分析数据库。利用分析数据库对各煤种及配煤数据进行大数据分析，利用智能化技术得到与不同煤质对应的关键操作点的最优操作参数、煤和氧气的消耗、合成气组成等数据，预先提供与实际煤种相吻合的操作参数，指导优化装置操作，使装置能在不同煤种下稳定运行。

2.2.2 建立机理模型

通过建立流程模拟模型，为装置操作参数在线分析和优化校正提供基础。

机理模型是基于流体性质，由过程机理出发、经推导得到描述过程的方程组、并由实验验证建立起来的模型。煤化工装置机理模型的开发可自煤气化装置、变换装置、酸脱装置等单元开始进行逐步研究，采用稳态模拟工具Aspen Plus搭建各单元的模拟模型，并对其进行校正，使结果与装置的实际运行状况吻合。机理模型开发需要经历数据收集、数据处理、模型开发、模型校正确认等过程，目的是确保建立的模型能够真实反映装置的运行状况，为装置在线分析和优化提供计算基础。

2.2.3 进行设备故障预测

建立设备故障预测模型，通过对设备状态的在线分析，提前预测设备可能发生的故障，及时进行故障排除，避免设备故障造成的非计划停车。

传统的设备运维模式一般采用定期维护、事故后维修的模式，该模式在复杂工况和苛刻环境下的局限性越来越大。利用现有工业大数据，采集和分析相关状态参数，实现设备的故障预警，进而进行预测性维护是减少装置非计划停车的有效手段。

设备故障预测预警是以生产设备为核心，整合设备相关的运行状态、检修、故障、运行标准、产品质量等数据，形成设备数据资产库，通过机器学习（ML）对设备运行数据进行分析，并结合设备失效机理模型，建立设备故障预测模型。通过采集设备运行数据，运用设备故障预测模型，对运行中的设备进行实时诊断与评估，及时发现设备异常，快速启动排除故障方案，减少因设备故障造成的非计划停车次数。

2.2.4 建立软仪表

通过建立软仪表，实现关键参数的模型监测，避免因仪表失灵造成的关键参数缺失。

软仪表是指利用计算机技术，根据现有的测量仪表信号和工艺技术参数，通过构建参数间的数学关系推算难于检测或不能检测的重要参数，用以控制生产[6]。已有学者通过软仪表的建立，有效克服传统计量设备因环境苛刻造成的计量缺陷[7]。煤化工装置运行环境恶劣，长期运行后关键仪表参数容易失灵，且部分运行数据难以通过仪表进行测量，因此，需要运用软仪表的手段，通过模型计算与现场数据校正，实现关键参数的模型监测，将真实仪表与软仪表相结合，为装置运行提供全面监测手段。

2.2.5 建立数字孪生工厂

通过建立数字孪生工厂，实时模拟预测生产过程，通过模拟寻找最优操作点，实现装置在线优化，维持装置最优操作。

数字孪生主要是由物理空间的物理实体和虚拟空间的虚拟实体组成，通过虚实之间的数据进行动态连接。从化工装置上来讲，企业可以通过生产装置的虚拟模型，实时监测当前实体工厂的运行状态，并通过虚拟模型对实体工厂进行实时智能控制，进一步实现物理工厂和虚拟工厂间的控制与反馈[8-9]。数字孪生工厂的构建，需要建立机理与大数据融合的工厂模型，通过对实体工厂运营的实时感知，利用工业智能技术对工厂的运营数据进行更高层次的实时综合调度和优化，实现生产过程的模拟预测，监测现场运行数据，实现单因素与多因素寻优（EO寻优）的操作点，实现在线优化，提高生产效率。同时，数字孪生工厂可以对比显示系统关键运行和模型计算参数，提供动态可视界面。

2.2.6 整合优化

通过建立基础数据库、构建数字孪生工厂、收集与分析运行大数据，可以从原料性质、工艺操作优化、设备的多维度分析与故障预判等不同角度对装置进行监测与分析，最终将这些功能进行整合优化，实现整个工厂的安、稳、长、满、优运行。

3 结 语

煤化工装置运行过程中，因人为操作、非计划停车等导致的非正常碳排放，是煤化工装置碳排放的重要组成部分。采用信息化、智能化技术，融合现代工厂模式与理念，可为煤化工装置稳定生产运行提供保障。

通过大数据、机器学习、数字工厂、流程模拟等技术手段，建立机理模型及运行大数据，基于数字孪生工厂，对装置运行状况进行工艺分析和诊断，并进行实时在线优化，可确保装置维持最优操作，提高装置运行效率及稳定性。对设备状态进行实时检测及故障预警，实现设备预测性维护，减少非计划停车，可初步实现通过提高运行稳定性，降低装置能耗，减少煤化工装置非正常碳排放。