基于改进TOPSIS的石化装置实时状态评估

林 扬，杨 哲，袁 壮，苟成冬，李传坤，王春利

(中石化安全工程研究院有限公司 化学品安全全国重点实验室，山东 青岛 266071)

石化装置工艺流程复杂,涉及物料或介质具有易燃易爆、高温高压或有毒有害等特点[1-2]。这要求石化装置必须保证运行安全,一旦发生故障,轻则影响产品质量、导致装置停工损失,重则造成严重环境污染和人员伤亡事故[3-4]。因此,开展石化装置运行状态的监测评估,对保障装置安全平稳运行具有十分重要的意义[5-7]。

石化装置运行状态评估,本质上是以状态监测数据为基础,采用不同的方法(如统计分析、机器学习等)对运行数据进行分析、建模,进而构建表征装置运行状态的评估指标,实现装置运行状态的定量评估[8]。根据使用方法的不同,装置运行状态评估方法可大致分为3种:基于模型驱动的评估、基于知识驱动的评估和基于数据驱动的评估[9-10]。其中,基于模型驱动的评估依据理论公式建立表征装置运行状态的数学模型,因而其具有较高的准确性,适合于机理知识比较简单的评估对象[11-12]。如彭琦[13]基于滚动轴承的退化机理,引入特征值改进疲劳退化公式,建立了滚动轴承的状态评估模型,并通过试验和实际运行数据证明了该模型具有良好的预测精度。基于知识驱动的评估依据历史运行数据构建装置状态评估规则,其无需精确的数学模型,但要求具有丰富的专家经验[14]。如Guo Yabin等[15]建立了针对空调制冷系统状态的识别专家系统,包含10条室内机和12条室外机的专家判断规则,并通过9类故障数据验证了方法的有效性。基于数据驱动的评估是依据对历史运行数据的分析构建状态评估模型,其对专家知识和机理知识的要求较低,但需要一定数量的历史数据[16-17]。如Deng Zhenyu等[18]基于时空压缩矩阵(Space-Time Compressed Matrix,STCM)和朴素贝叶斯(Naive Bayes,NB)提出了石化过程异常状态检测方法,并利用田纳西-伊斯曼(Tennessee Eastman,TE)过程数据验证了该方法的精度。

随着智能仪表、传感器网络及分散控制系统(Distributed Control System,DCS)的快速发展,多数石化装置都实现了关键参数的全方位实时监测,积累了大量的历史数据,而如何从积累的数据中挖掘出有价值的信息成为当前研究的热点之一[19-20]。得益于此,基于数据驱动的装置运行状态评估方法不断取得进步,得到了越来越多的应用[21]。例如,Fezai等[22]采用线性独立的核函数在线减少核函数的数量,并融合偏最小二乘(Partial Least Squares,PLS)和广义似然比检验(Generalized Likelihood Ratio Test,GLRT)两种方法,提出了一种用于检测石化装置异常状态的模型;Han Yongming等[23]通过迭代优化隐藏层的节点数量,构建了一种基于改进长短时记忆网络(Long Short-Term Memory,LSTM)的石化装置异常状态检测模型;Pyun等[24]利用多变量格兰杰因果关系(Multivariate Granger Causality,MVGC)和分层传感器建立了传感器因果关系,并结合主成分分析(Principal Component Analysis,PCA)实现了对石化装置异常状态的预警与原因分析;林扬等[25]针对石化装置异常数据匮乏的问题,融合PCA和支持向量数据描述(Support Vector Data Description,SVDD)方法建立了装置异常状态检测模型,仅依靠正常数据样本就实现了对装置异常状态的准确辨识。

逼近理想解法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)是一种经典的多属性决策方法[26-27],其核心思想是在确定最优和最差的决策方案(即正、负理想解)的基础上,分别计算待评估方案与最优、最差方案的距离,进而构建综合评估指标,实现对各方案的评估[28]。TOPSIS具备良好的解释性和实施性,现已应用于多个领域的状态评估研究。邓超等[29]基于维纳过程建立数控机床性能退化量预测模型,并采用马氏距离改进的TOPSIS相对贴近度计算方法,实现了对机床健康状态评估的目标。蔡金锭等[30]基于时域特征量筛选特征指标,引入以正交投影法改进TOPSIS的评估准则,实现了对变压器油纸绝缘状态的分级评估。刘志强等[31]采用熵权法确定了各评估指标权重,进一步融合马氏距离和TOPSIS建立了针对驾驶行为的状态评估模型。

正、负理想解的确定是TOPSIS的关键步骤。在将TOPSIS用于状态评估时,要求具有覆盖评估对象最优、最差运行状态的历史样本数据,以便确定正、负理想解。但是,由于石化装置涉及的物料和设备等具有高度危险性,一般对其运行状态的要求较高,因而很难获取其最差运行状态的数据样本。而且,目前尚无表征石化装置运行状态的通用评价指标,难以评估不同数据样本对应运行状态的优劣。另一方面,传统的TOPSIS仅划分了成本型和效益型两类评估指标,而缺乏中间型评估指标。具体地,成本型指标数值越小越好,效益型指标数值越大越好,而中间型指标是指其处于某一区间或某一固定值时最优。因而,采用传统的TOPSIS难以评估石化装置运行中部分温度、压力等中间型指标。

针对上述问题,本研究通过引入石化装置工艺卡片、专家经验、历史数据等,对传统TOPSIS确定正、负理想解的方法进行优化,解决了装置历史运行数据难以覆盖最优、最差状态的问题;进而结合石化装置运行参数的特点,提出固定值型和固定区间型两种新的评估指标类型,并建立相应的评估标准,准确评估不同指标类型的实时运行状态;最后,通过对催化裂化装置反应-再生(反再)系统运行状态的评估,验证了该改进TOPSIS评估方法的有效性和准确性。

1 TOPSIS原理分析

TOPSIS的基本思想是借助各种决策信息,确定所有评估指标的最优值和最差值,并将所有评估指标的最优值组合形成正理想解,最差值组合形成负理想解[32]。为统一表述,将评估指标的最优值称为正理想值,最差值称为负理想值。因此,正理想解是所有评估指标中正理想值的集合,负理想解是所有评估指标中负理想值的集合。分别计算待评估方案与正、负理想解间的距离,得到待评估方案与最优方案的贴近度,以评估方案的优劣性[33]。

假定待评估方案有m个对象,每个对象具有n个评估指标,采用TOPSIS进行评估的具体步骤如下:

(1)建立评价矩阵A

(1)

式中:m为待评估对象的数量,即参与评估的样本总数;n为评估指标数量;xij指第i个评估对象的第j个评估指标的值(1≤i≤m,1≤j≤n)。

考虑到各评估指标可能存在数量级不一致的问题,为避免数量级相差过大造成信息淹没,对评价矩阵A进行归一化处理,将所有评估指标的数量级进行统一,得到归一化矩阵R,归一化公式见式(2)。

(2)

(2)计算价值矩阵V

为各评估指标分配权重,并将其组成权重矩阵W。矩阵W中,除对角线为各评估指标权重外,其他元素均为0。将归一化后的评价矩阵R与权重矩阵W相乘,得到价值矩阵V。相比评价矩阵,价值矩阵考虑了评估指标权重对评估结果的影响。具体地,价值矩阵各元素为待评估对象对应指标的值与权重的乘积,见式(3)。

(3)

(3)确定正、负理想解

根据计算得到的价值矩阵确定正、负理想解(S+、S-)。

(4)

针对成本型指标和效益型指标,采用不同的方法确定正、负理想解。由于成本型指标的数值越小则该指标越优,因此成本型指标的正理想值为其最小值,负理想值为其最大值。

(5)

对于效益型指标,数值越大代表该指标越优。因此,效益型指标的正理想值为其最大值,负理想值为其最小值。

(6)

(4)求解相对贴近度

分别计算待评估方案与正、负理想解的距离(D+、D-),进而计算得到表征待评估方案与正理想解(即最优方案)靠近程度的相对贴近度D。

(7)

(8)

由式(8)可知:0≤D≤1;D越大,则评估对象越优;当D=1时,评估对象状态达到最优,即为正理想解;当D=0时,评估对象状态最差,即为负理想解。

2 基于改进TOPSIS的实时状态评估方法

鉴于石化装置难以获得运行最优、最差状态的数据,且含有多种中间型评估指标,无法用传统TOPSIS方法评估。因此,必须对TOPSIS正、负理想解的确定方法进行改进,减少对历史数据的依赖;并丰富评估指标类型,使其覆盖石化装置各运行参数。

2.1 正理想解的确定方法

石化装置中不同类型的参数,其运行特点存在较大差别。传统TOPSIS适用于成本型和效益型两类指标评估,但难以直接处理反应温度、精馏塔塔顶回流量等中间最优型指标。中间型指标又可分为两种:一是固定值型指标,即当参数为某个确定值时,装置运行状态最优,参数离确定值越远,装置运行状态越差;二是固定区间型指标,即当参数值在某一区间范围时,装置运行状态最优,该区间称为正理想区间。

对于固定值型指标,其值用式(9)计算。

(9)

式中,qj为第j个特征参数的最优运行值。

对于固定区间型指标,其值用式(10)计算。

(10)

鉴于目前石化装置的关键参数都已实现了实时监测,并涵盖各类型的评估指标。在历史运行数据样本充足的情况下,成本型指标的正理想值可直接取历史数据中的最小值,效益型指标的正理想值可直接取历史数据中的最大值。对于固定值型和固定区间型指标,则由现场专家根据操作经验和历史数据确定其正理想值(区间)。

2.2 负理想解的确定

针对石化装置运行状态最差样本不足、难以确定负理想解的问题,采用评估指标体系中各参数的运行控制限作为其负理想值(区间)。石化装置的工艺卡片依据工艺技术规程及设计资料编制[34],是在多次实验室试验和工业试验的基础上,根据装置运行安全要求给出的各工艺控制指标的运行控制限,是保障装置运行安全的重要技术资料。各工艺参数运行控制限是保证各工艺参数正常运行的上、下限。当工艺参数超出运行控制限时,则判定装置异常运行。因此,各工艺参数控制限为一个固定区间,故在确定的负理想解中,各参数均由一个最大值和最小值组成。

2.3 健康指数的求解

与传统TOPSIS的正、负理想解均为一个确定值不同,上述正、负理想解均存在为一个区间的可能,导致原有的相对贴近度求解方法不再适用。因此,必须对相对贴近度的求解方法进行优化,增加对区间型指标的求解方法。为符合装置运行状态评估的习惯,将相对贴近度改称为健康指数(HI),其计算式见式(11)。0≤HI≤1;HI越大,则装置运行状态越好;反之,则表明装置运行状态越差。

(11)

(12)

(13)

(14)

2.4 基于改进TOPSIS的石化装置运行状态评估

综上所述,基于改进TOPSIS进行石化装置的实时状态评估,其具体流程如图1所示。

图1 基于改进TOPSIS的石化装置实时状态评估流程

由图1可知,基于改进TOPSIS对石化装置进行实时状态评估的流程如下:

(1)构建状态评估指标体系。确定工艺卡片工艺控制指标清单,开展指标间的相关性分析,剔除强相关指标,形成装置运行状态评估指标体系。

(2)确定负理想值(区间)。根据工艺卡片确定状态评估指标的控制上、下限,构造各指标的负理想值(区间)。

(3)确定正理想值(区间)。基于专家经验和历史运行数据,结合指标类型,确定状态评估指标的最优运行值(区间),构造各指标的正理想值(区间)。

(4)确定正、负理想解。将各评估指标的负理想值(区间)组成负理想解,将各评估指标的正理想值(区间)组成正理想解。

(5)确定指标权重。指标权重一般根据专家经验确定,且评估指标的权重之和为1;如各评估指标无明显重要性区分,可采用等权重法分配,即各评估指标权重均为1/n(n为评估指标个数)。

(6)计算状态评估指标的偏离距离。输入状态评估指标的实时数据,根据式(13)、式(14)分别计算与正、负理想值(区间)的偏离距离。

(7)计算装置运行健康指数。根据式(11)计算得到评估装置的健康指数。

3 应用与分析

3.1 数据来源

催化裂化装置是炼化企业最关键的二次加工装置之一,也是生产汽油、柴油、液化气等轻油产品的关键装置[35-36]。为验证所开发评估方法的有效性,基于改进TOPSIS对催化裂化装置反再系统的运行状态开展评估。数据来自我国某炼油厂2.6 Mt/a的催化裂化装置,其反再系统的主要工艺流程及仪表位号如图2所示。

图2 催化裂化装置反再系统监测界面示意

以该催化裂化装置2020年11月发生的异常工况为例进行分析,异常类型为原料油-油浆换热器封头(E201A)冒黄烟、漏油,异常原因为原料油带水、控制阀卡涩、油浆循环量大幅波动。具体处置过程:保持装置低负荷运行,降低罐区带水原料流量,联系罐区对原料进行脱水处理,将再生滑阀改为手动控制,消除异常后恢复正常生产。此次异常工况的分析数据均采自集散控制系统(DCS),采样的时间范围为2020年11月7日14:51至23:57,每3 min采样1次,共789组数据。对数据进行预处理,对异常值、缺失值采用均值插值法进行替换、补充。由于此次异常工况发现较早且处置及时,因此各参数异常变化幅度较小。其中,再生器器顶压力和沉降器器顶压力变化较明显,提升管第一反应器(一反)出口温度存在轻微变化,其他8个监测参数均处于正常波动范围。再生器器顶压力和沉降器器顶压力、提升管一反出口温度和提升管第二反应器(二反)出口温度等4个关键参数的变化趋势如图3所示。

图3 关键参数变化趋势

3.2 催化裂化装置反再系统运行状态评估

根据工艺指标的重要性等级,石化装置工艺卡片分为不同级别,如公司级、装置级等。其中,装置级工艺卡片基本涵盖了装置的主要工艺控制指标,可用于装置工艺运行状态的评估。该催化裂化装置的工艺卡片梳理了反再系统5类14个工艺过程控制指标,分别为:再生烟气过剩氧体积分数、二密床大分布环松动风流量、二密床小分布环松动风流量、沉降器汽提段催化剂藏量、二密床催化剂藏量、沉降器器顶压力、再生器器顶压力、二密床温度(4个监测点)、提升管一反出口温度、提升管二反出口温度、烧焦罐出口温度。以上述14个参数作为催化裂化装置运行状态评估指标体系的构建基础,进一步结合历史运行数据和专家经验确定了工艺控制指标的最优运行范围和运行控制限,即正、负理想解,并结合其特点划分了指标类型,如表1所示。

由表1可知,二密床温度有4个监测点(TI1079A、TI1079B、TI1079C、TI1079D)数据,其相互间具有强相关性,故仅保留一个监测点(TI1079A)的结果即可。因此,该反再系统的状态评估指标体系共包含11个监测参数。

同时,该催化裂化装置工艺卡片中对工艺控制指标的重要性划分为紧急、重要、一般3个等级:紧急等级包括沉降器器顶压力、再生器器顶压力、提升管一反出口温度3个参数,重要等级包括沉降器汽提段催化剂藏量、二密床催化剂藏量、提升管二反出口温度、烧焦罐出口温度4个参数,一般等级包括再生烟气过剩氧体积分数、二密床大分布环松动风流量、二密床小分布环松动风流量、二密床温度等4个参数。按各参数的重要性等级,分别将紧急、重要、一般等级参数的权重设置为1.5、1.2、1.0,然后通过归一化得到各参数的权重。

根据表1中各参数的类型、权重和正、负理想解等信息,结合固定值型和固定区间型指标与正、负理想解间距离的计算式[式(11)～式(14)],输入异常过程数据计算该反再系统的健康指数,该异常过程中健康指数的变化趋势如图4所示。

该催化裂化装置反再系统正常运行时的健康指数范围为0.7～1.0,否则判断装置运行状态异常。从图4可以看出,该催化裂化装置反再系统的健康指数分布在0.4～0.9之间,而且其变化趋势与关键评估参数(沉降器器顶压力、提升管一反出口温度)变化趋势基本一致。具体地讲,沉降器器顶压力、提升管一反出口温度先下降,系统健康指数随之下降;在取样到210组数据后,操作人员采取装置降负荷运行,保持沉降器器顶压力、提升管一反出口温度、再生器器顶压力相对稳定运行,因而系统健康指数在0.6上下波动;自取样到第400组数据后,沉降器器顶压力、提升管一反出口温度开始逐渐提升,系统健康指数也逐渐升高,至取样第620组数据时各参数逐步稳定,健康指数升高至0.85,装置恢复正常运行。需要说明的是,在本次异常工况处置过程中,为保证装置的相对平稳,操作人员对再生器器顶压力进行了针对性调节。因此,其变化趋势与沉降器器顶压力、提升管一反出口温度存在差异。

综上所述,采用基于改进TOPSIS的评估方法可以对催化裂化装置反再系统的运行状态进行量化监测,且该系统健康指数与关键评估参数的变化趋势保持一致。

4 结 论

装置运行状态监测技术的进步,有助于提高石化装置运行的平稳性和安全性;而装置历史运行异常数据的有限性,为数据驱动运行状态评估方法构建提出了很大的挑战。基于此,开发了一种基于改进TOPSIS的石化装置实时运行状态评估方法,在缺少装置历史运行数据情况下实现了运行状态评估模型的构建。

装置运行状态评估方法构建过程:针对模型评估指标正、负理想解的确定需要最优、最差运行状态历史数据的问题,提出基于现场专家经验和工艺卡片过程指标控制限的确定方法;同时,根据石化装置运行参数的特点,补充了固定值型和固定区间型指标,并明确了评估标准;将上述流程集成,形成了基于改进TOPSIS的状态评估方法。

以某炼油厂催化裂化装置反再系统的实际异常工况为例,采用所构建的基于改进TOPSIS的状态评估方法评估了装置运行状态。应用结果表明,本研究所建方法可以对该催化裂化装置反再系统的运行状态进行量化监测,且该系统健康指数与关键评估参数的变化趋势保持一致。