大型气化装置智能运行与管控平台研发与应用

安海泉，刘 臻，冯长志，鲍金源，王 峰，郑锦泉

(1.北京低碳清洁能源研究院，北京市昌平区，102209；2.陕西神木化学工业有限公司，陕西省榆林市，719302；3.国能榆林化工有限公司，陕西省榆林市，719319；4.无锡雪浪数制科技有限公司，江苏省无锡市，214131)

0 引言

我国能源消费结构中，煤炭占比较高，而煤气化技术可以将煤炭转化为人工煤炭天然气和石油，实现多元化能源供应，减少对进口石油和天然气的依赖。国家层面高度重视煤炭清洁高效利用，煤化工技术是实现煤炭清洁高效转化与利用的重要途径，煤气化是煤炭深度加工转化的核心技术。随着技术的不断创新和应用的推广，煤气化装置在工业化进程中将继续发挥重要作用，为经济社会的可持续发展做出积极贡献[1]。

在煤气化装置生产过程中，其运行参数会产生波动，过程状态监测历史数据库中不可避免地混杂着大量的非稳态运行数据。化工生产过程数据中也常常含有较多的随机误差和粗差干扰，导致传统的稳态检测方法无法得到准确结果，从而降低了系统故障诊断的可靠性[2]。针对实际化工生产过程数据中含有较多的随机误差，目前采用一种融合自适应平滑技术的稳态检测方法，该方法首先以基于导数分析的自适应平滑算法进行降噪处理，消除随机误差的影响，然后引入阈值拟合技术进一步抑制粗差干扰，以多项式滤波方法对数据进行稳态检测，根据测量信号的趋势特征确定过程是否处于稳态[3]。另外，为了提高化工生产过程安全性和可靠性，降低事故的影响，需要对装置工况的异常情况做出准确及时的判断，且随着工厂DCS系统的发展，系统中储存的大量数据也亟待被挖掘，这使得基于数据驱动的工况故障评估技术成为化工领域研究的重点[4]。

信息技术成为企业提高市场竞争力、寻求持续发展的主要手段。相较于传统石油化工，气化装置固体进料更加复杂，数据取样与仪表检测难度更大，不确定性因素更多。大多数煤化工企业虽然在生产过程自动化、安全监测自动化、经营管理自动化等方面建设了很多信息化系统，但目前煤化工工厂的控制系统分布在厂区各个工艺车间，有很多独立的数据采集、控制系统，这些系统都是相对独立的，同时监控的设备种类繁多、协议多样化，并且地理位置分散，生产监控及信息化软件标准不统一，无法实现信息融会贯通，存在信息孤岛现象，这导致缺乏协调、联控机制，在生产、经营、指挥、安全生产等业务的决策方面无法实现智能化[5-7]。借助数据采集与监控系统，能够实现各个独立系统数据的全面融合，强化集成分析与管理，达到对全流程智能运行和管控的目标[8-9]。

智能制造是解决当前气化炉所面临问题的必然方向，而数字化制造和工厂信息化是智能制造的基础。《中国制造2025》明确提出加快推动新一代信息技术与制造技术融合发展，把智能制造作为两化深度融合的主攻方向，在重点领域试点建设智能工厂及数字化车间。通过引入数字技术，提供设备全生命周期的信息管理和服务，实现生产过程信息透明化，提高生产效率、提升质量降低成本和资源消耗，对自身的业务流程、经营管理模式、战略决策等进行重塑，从而使得煤化工企业的生产经营效率和企业竞争力显著提升[10-11]。陕西陕化煤化工集团有限公司启动智慧化工厂平台建设项目，通过云计算、物联网、大数据等信息技术，采用“数据+平台+应用”的模式，以工业互联网为核心，构建企业信息化建设的“现场总线”，实现了数字化体系建设、管理优化提升及高质量发展的目标[12]；中煤陕西榆林能源化工有限公司启动全场智能化巡检系统项目，通过5G专用网络、数字孪生技术、机理模型和AR应用场景等，使生产操作更加智能[13]；内蒙古中煤蒙大新能源化工有限公司以智能制造为目标，打造智能化生产车间，建成了涵盖22个信息模块的以MES为核心的生产运行管理体系，实现了所有生产和辅助装置的自动化控制，走出了一条煤化工产业由“制造”进阶“智造”的转型之路[14]。

笔者以气化炉数据和模型为基础，基于智能制造数据底座系统建立的数据智能整合、分析与处理的核心功能，将煤化工制造流程/资源与工业互联网、人工智能等深度融合，通过智能感知、分析、诊断与运行的技术手段，开发了针对大型气化装置全流程智能运行与管控平台，实现了气化炉装置的全生命周期健康监测、诊断、先进控制和实时优化，提高了气化装置数字化、智能化水平。

1 大型气化技术简介

随着现代工业的发展，能源的供给转化方式不断更新，大型气化装置凭借其能够将固体燃料通过高温和压力的方式转化为气体燃料的特性，使低品质燃料得到高效利用，提高了资源利用效率，在化工、炼油、钢铁、电力等行业中得到广泛应用，为工业生产提供了重要的能源支持[15-17]，对保障国家能源安全具有重要的战略意义。气化装置生产的合成气可以作为煤化工原料，制造合成氨、合成甲醇、合成油等产品，丰富化工品种，提高煤化工领域的生产技术水平和经济效益。此外，气化装置还可以用于环保领域，例如利用煤气化装置生产的合成气替代燃煤发电，减少二氧化碳等污染物的排放[18-19]。以煤气化为核心的煤炭利用产业示意如图1所示。

图1 以煤气化为核心的煤炭利用产业示意

煤化工产业生产规模不断扩大，在促进经济发展、方便群众生活等方面可发挥积极作用。但是，关于安全、健康、环境等方面的风险较大，尤其在设备管理方面问题突出。具体表现在：一是设备大型化、连续生产工艺复杂等易出现局部故障影响全局；二是故障发生时损失巨大；三是目前设备维护基本为人工，效率较低，总体质量水平不高；四是操作不当易造成环境污染等[20]。

气流床气化技术是大型气化技术的主要方式，其主要通过在高温高压条件下，利用氧气、水蒸气或氢气等气化剂，将固体燃料中的可燃部分转化为合成气。气流床气化技术具有反应温度高、煤种适应性强、气化效率高、无二次污染等特点，成为现代煤气化技术的主流。随着我国“双碳”目标的提出以及环保节能建设的深入，如何对大型煤气化过程进行相关的安全管理和优化，从而提质增效，保证气化装置“安、稳、长、满、优”运行成为一个亟待解决的问题。

2 平台整体架构设计

2.1 建设架构

针对煤化工在数字化转型过程中遇到的信息化建设、数字化改造、智能化升级等方面的问题，北京低碳清洁能源研究院与无锡雪浪数制科技有限公司深度合作，基于智能制造数字底座系统开发了大型气化装置全流程智能运行与管控平台，解决了气化装置建模、控制与优化的一系列行业共性问题。

雪浪云智能制造数字底座系统架构主要由底层支撑系统、新型工业数据和业务引擎服务层、上层应用组件开发环境构成。底层支撑系统主要提供超级计算机的系统级服务，保障工业级数据的高效传输和运算；新型工业数据和业务引擎服务层在联合仿真、并行计算、边缘计算、数据开发等应用框架的支撑下形成不同种类工具箱，比如流程模拟工具箱、数采工具箱、机器学习等工具箱，为工业数据和业务引擎提供高可靠、高性能的算力支持；上层应用组件开发环境，提供流程模拟实时优化、仿真模型分析、智能决策优化等功能性内置组件库，用户在数字底座系统上通过对不同功能组件进行拖拉拽式编排，高效完成工业典型应用的搭建和部署。智能制造数字底座架构如图2所示。

大型气化装置全流程智能运行与管控平台将典型的智能手段引入煤气化行业，在平台应用层上融合工艺专家知识与数据挖掘方法，形成一整套全新的煤气化全流程及装置全生命周期的管理与运行系统。针对气化装置的不同问题，该管控平台配置了相应的应用建设，支撑企业智能化与数字化转型，构建的大型气化装置全流程智能运行与管控平台数字驾驶舱也能够辅助指导工厂操作和管理人员掌握、评估每台气化装置的各项运行情况指标，促进气化装置安全、稳定、高效运行。大型气化装置全流程智能运行与管控平台应用架构如图3所示。

图3 大型气化装置全流程智能运行与管控平台应用架构

2.2 平台优势与创新性

基于数字底座系统开发的大型气化装置全流程智能运行与管控平台应用了多种信息技术，实现更泛在的感知、更全面的互联互通、更深度的智能化，将大数据分析、工业互联网、云计算等IT技术与专业模型、专家知识库等专业技术结合，打造了从一般操作管控向智能生产的一体化管控平台，其优势与创新性如下。

3、林风防风效益和相对温度观测。对示范区林带进行防风效益、相对温度和积沙量定时、定期观测并做好相关记录，为后续评估提供参考。

(1)充分发挥工艺模型在生产优化中的作用。管控平台将气化装置运行数据与工艺模型相结合，可以给工厂操作人员提供优化指导，操作人员根据实时操作情况及时更新，实现气化装置优化运行。

(2)平台系统的模块化、高效和共享。管控平台实现分布式智能，使模型和工业知识能够得到有效管理，将装置核心的数据和模型进行分类存储、管理、组织和应用。

(3)从“被动响应”到“主动应对”的模式转变。借助于覆盖工业现场的感知系统，快速感知和工厂相关的各类信息，综合运用大数据、机器学习技术，对于突发环境变化、气化设备故障、产品质量等问题，在基于模型的可预测状态下，管控平台能根据气化装置状况进行事先预防和优化调整，并及时消除隐患和风险。

3 应用内容建设

气化炉系统十分复杂，目前存在关键指标的监测准确性与可靠性差、缺乏气化关键工况深入分析能力、决策优化没有统一的参考和指导等问题。为解决以上问题，管控平台结合气化炉的业务场景构建了四大应用内容，分别是气化装置数字孪生模型应用、气化装置智能监控应用、气化装置智能评估应用、气化装置专家案例推理应用。构建包括气化炉混合模型、炉温软测量模型、监控指标模型、稳态指标模型、工况指标模型、决策推理模型等若干核心模型，用于支撑四大应用内容的建设。

3.1 气化装置数字孪生模型

气化炉是一种耦合多种反应的物理化学过程，进出口物流很多，采用纯数据分析的方式很难保障结果的准确性和合理性，往往需要较强的气化专业知识作为数据建模的基础。然而，目前大部分基于机理或数据的气化炉模型在稳定性和精确性上仍有一些不足，且常常作为离线验证和校核使用，无法满足气化炉快速拟合和预测，从而响应智能化平台的需求。此外，针对气化炉的各种机理模型与数据模型孤立零散，目前还存在无统一的开发标准和开发平台，各种优化模型与算法无法得到有效的组合和集成的问题，管控平台为模拟软件开发独立的驱动程序，将不同软件的输入和输出数据制定为统一格式，集成至管控平台沉淀成模型组件，解决不同软件之间的接口问题。针对气化装置数字孪生模型，管控平台采用气化反应动力学机理耦合数据驱动的方式，构建的气化炉混合模型来提升模拟结果的准确性。该气化炉数字孪生模型将作为管控平台的大脑，统一处理和展示气化炉全生命周期的运行状态和装置健康情况，提出高效控制方案和最优工况参数等。

应用模块主要包含数据采集模块、数据处理模块、数据驱动预测模块、机理模型仿真模块、软测量模块、结果融合模块、数据存储模块等，其中，数据驱动预测模块、机理模型仿真模块和结果融合模块组成气化炉数字孪生混合模型。通过数据采集模块实时采集工厂运行数据，将该数据进行加工预处理后，提供给气化炉数字孪生混合模型进行模拟训练，建立准确高效的仿真模型；然后利用该模型对气化过程进行实时仿真和展示。气化装置数字孪生模型的组件化构建流程如图4所示。

基于气化炉数字孪生混合计算模型，能够实现提高产品质量、降低成本以及保证各工艺装置的平稳运行的目的，同时混合模型和软测量模型计算的数据为气化装置的稳态检测、工况评估、决策优化做基础。

3.2 气化装置智能监控

在管控平台中搭建了气化炉智能监控模板，开发了气化装置智能监控应用，主要包含数据接入、数据预处理、关键指标计算和结果展示内容。采用数据采集组件实时接入气化炉关键参数，通过3-Sigma准则数据预处理后进行数据库读写，开始对气化炉关键指标进行实时数值计算，比如炉膛温度、比煤耗、比氧耗、有效气产量、有效气含量、碳转化率、煤浆负荷以及耐火砖内壁温度等。将实时数值计算获得的炉膛温度、比煤耗、比氧耗、有效气产量、有效气含量、碳转化率、煤浆负荷以及耐火砖内壁温度等气化炉关键指标汇总，并写入数据库中进行展示。气化装置智能监控应用的组件化构建流程如图5所示。

图5 气化装置智能监控应用流程

3.3 气化装置智能评估

在管控平台上接入稳态指标模型、工况指标模型来搭建气化装置智能评估应用，结合气化工艺分析，确定关键输入输出变量，应用特定稳态检测方法，实现对于气化炉具体工况的稳态分析检测，评估工况优良情况。

气化装置智能评估应用主要包括数据接入模块、数据处理模块、稳态判断模块、数据分类识别模块、特征提取模块、工况计算、可视化展示等模块。通过数据采集续建直接从DCS的数采服务器采集多源数据，稳态检测方面选取长度为H的窗口数据段，采用多项式滤波方法，以一次项系数作为核心的判断依据，针对一次项系数以及相关系数的计算做对比，判断装置目前的稳定状态。同时，数据经过预处理后，采用K-Means聚类根据数据密度，将多模态过程的不同稳定生产模式进行区分，计算各个稳定生产模式的综合指标，确定性能等级；采用主成分分析方法，提取各个稳定生产模式数据中与性能指标相关的独立特性；最后对实时接入的新工况数据进行评估，确定该工况的性能等级。气化装置智能评估应用的组件化构建流程如图6所示。

图6 气化装置智能评估应用流程

通过平台界面建立基于数据驱动的气化稳态检测系统，可以对气化炉工况进行实时监控，在掌握装置的实时工况稳态表现的基础上，操作人员可更好地把握生产过程特性，通过有针对性的调整来实现过程的提质增效，同时获得的稳态参数数值可为后续气化炉进行稳态建模、控制和优化提供准确可靠的输入。

3.4 气化装置专家案例推理

在现场历史操作数据中，蕴含了大量操作员的操作经验和工艺知识，同时操作员历史操作中工况中也会存在优、良、一般和差若干分类。因此，从历史数据中提取到不同的工况案例库，在新的场景下去匹配历史工况案例库，匹配最佳案例状态，可以指导关键参数调整，提升决策解决的鲁棒性，实现装置智能优化决策。

气化装置专家案例推理应用主要包含数据读取、数据存储以及数据预处理模块，案例库构造模块，案例库检索和更新模块，结果输出模块等。通过数据采集组件获取气化炉的实时案例数据写入数据库进行储存，并经数据预处理筛选出合格数据。一段时间后这些历史数据采用数据分析方式截取不同工况数据，提炼获得最佳案例参数，数据梳理出来的案例，通过基本的工艺分析后加入案例库；基于相似性的案例检索，根据相似性排序后匹配最适合的案例进行案例结果输出；当相似性低于某阈值后，表明相关案例在案例库中暂无，经过指标判断后，将新案例更新至案例库中；最终将实时数据进行案例检索之后匹配的最合适案例指标进行展示。气化装置专家案例推理应用的组件化构建流程如图7所示。

图7 气化装置专家案例推理应用流程

气化装置专家案例推理应用帮助操作人员对工况案例状态进行及时准确的判断，并根据工况案例状态调整原料输入指标，使得生产过程的工况案例趋近最佳案例状态，用以降低生产成本、提高经济效益，并且避免工况案例长期处于较差或最差的案例状态，降低气化炉故障的几率，降低安全事故发生率。

4 现场应用效果

国能榆林化工有限公司是一家以煤炭为原料的大型煤化工企业，拥有5台3 000吨级的顶置单喷嘴水煤浆气化炉，产能为甲醇180万t/a。为了响应国家和集团关于“绿色煤化工”和智能化转型的号召，近年来不断增加科技创新投入，加大生产单元的智能化建设，配备了MES、DCS、SIS等信息化和自动化系统，帮助现场运行和管理人员提升运行水平，保障系统安全。

然而，由于气化炉原料波动频繁、设备稳定性差等特点，导致气化炉运行数据复杂且形式各异，难以分析、比较和处理，数据利用率低；同时，单一的大数据分析方法无法满足气化炉智能分析，缺乏对装置运行数据的深度分析与应用，导致气化炉优化运行状态较差且故障频发。

4.1 运行效果

2023年1月，管控平台在国能榆林化工有限公司进行了现场部署和应用，工厂气化炉实时生产数据经过计算后在管控平台界面显示，平台界面分为智能感知和智能诊断2个部分。其中智能感知主要是比煤耗、比氧耗、煤浆负荷、有效气产量、炉膛温度等关键数据的展示，同时展示模拟软件的计算结果和实际生产数据的偏差，实时评估模型情况。智能诊断是气化炉工况、指标情况以及气化炉运行状况在历史案例库中的优良情况。此外，氧煤比、气化炉温度、急冷水流量、有效气含量的实际情况和推荐数值能够在图中对比显示。管控平台智能感知和智能诊断界面如图8和图9所示。

图8 管控平台智能感知界面

图9 管控平台智能诊断界面

4.2 项目价值

管控平台能够对气化炉进行实时监控、工况评价、性能预测，辅助企业及时掌握气化炉运行状态，降低手动调节频率，提升自控率达到90%以上，大幅度保证气化炉运行的稳定性。同时，管控平台对关键参数的智能感知和预测准确度达到95%以上，对关键设备的健康指标预测准确率达到90%以上，平均降低比煤耗1%以上。

此外，基于数字底座系统搭建的管控平台具有组件化模块化搭建、低代码开发和微服务等灵活、简便部署的优点，可灵活定制化二次开发，快速增加新功能。同时，管控平台使得技术人员在智能感知和智能决策界面上就能实现对气化炉运行状态全方位、深层次的感知、分析、评价与指导。

5 结语

目前，我国煤化工产业的智能化水平仍然较低，煤化工智能化发展迫在眉睫。北京低碳清洁能源研究院响应二十大报告对煤炭清洁高效利用的要求，依托雪浪云的数字底座系统和研究人员积累的丰富知识，开发适用于煤气化过程的大型气化装置全流程智能运行与管控平台，助力煤化工行业实现提质降耗，促进煤炭资源绿色低碳转型，加强现代煤化工的技术改造和升级完善煤气化产业，推动煤气化产业高质量发展。