普光气田酸气加热炉智能控制系统的构建与优化

王和琴 张分电 李延利 刘方俭 宁海春 韩燕君

1．中国石化中原油田普光分公司 2．中国石化中原油田勘探开发科学研究院

天然气加热炉作为油气田一种重要的加热设备，广泛地应用于天然气集输系统中［1－4］。中国石化普光气田属高酸性气田，开发中面临剧毒、强腐蚀性等诸多高风险因素，使安全成为关系工程建设成败的决定性条件。但目前，普光气田所使用的加热炉自动控制系统一直未能正常发挥作用，无法实现酸气定产、稳压以及流量的准确计量，酸气加热效果差，严重时会造成加热炉停炉、关井。笔者以酸气加热炉流量及压力的自动控制为核心，对加热炉智能控制系统的构建及优化进行研究，实现了酸气流量、压力、温度的自动控制，其成果对于气井定产稳压、调产、调压、温控、燃烧自动控制等方面具有重要作用，为气田的安全生产开发与数字化气田建设提供了技术保障。

1 酸气加热炉智能控制系统的构建

1．1 酸气加热炉工艺流程特点

图1为酸气加热炉工艺流程图，从左到右依次为井口一级节流阀后压力（p1）和温度（T1）变送器、二级节流阀（FVC）、二级节流阀后压力（p2）和温度（T2）变送器、加热炉一级盘管、三级节流阀（PVC）、加热炉二级盘管、三级节流后后压力（p3）和温度（T3）变送器 、流量计（Q3）等。根据生产要求，Q3、p2、T3是关键控制对象，而Q3、p2同时都与二级三级节流阀的开度有关，任何一个阀动作都会同时影响Q3和p2，调节流量会引起压力变动，调节压力同样也会引起流量变化。流量变化也会影响温度的控制，进而影响加热炉的工作状态。根据这一工艺流程特点，一般的PID控制已不能实现稳定的控制，需要应用智能控制解决多变量相互干扰的技术问题。

图1 酸气加热炉工艺流程图

1．2 智能控制系统基本模型

智能控制系统由知识库、推理机及控制器组成，基本模型见图2。图2中u（t）为控制量，e（t）为偏差，ysp（t）为设定值，y（t）被控参数如流量、压力、温度等。控制量u（t）与多种变量或事实相关，构成复杂的函数关系或变化规则。

知识库：把人的知识和经验表达成计算机可以识别、理解和执行的语言，即事实和规则（IF—THEN），并把这些事实和规则送入计算机，建立一个软件模块，即知识库。知识库代表人对生产过程控制的最佳操作方案。

图2 智能控制系统原理框图

推理机：是知识控制软件模块根据系统当前运行状态选择一件事实，并在知识库中搜索对应规则。若事实与规则（IF）匹配，则对执行器发出执行操作的指令（THEN）。“事实”包括控制系统原始数据、中间运行状态、中间结果、性能指标等，如设定值、被控量、控制量、偏差、偏差变化率、超调量、控制动态过程时间、震荡次数、系统参数以及其他相关变量等。

对加热炉智能控制系统而言，Q3的控制量u2（t）（以节流阀的开度表示）就不只与Q3的偏差有关，还与当前两个节流阀开度、Q3及其偏差绝对值的均值、p2及其偏差、p1、p3、T3、Q2等事实有关。压力与流量的情况相同，与诸多工艺参数或因素相关。

2 酸气加热炉智能控制系统的优化

根据上述情况，用软件对控制系统进行优化。

2．1 二级节流阀开度流量关系曲线线性的优化方案

绘制拟合曲线和线性化补偿反函数曲线（图3）。二级节流阀开度（ST）与流量系数（CV）存在图3－a蓝色曲线所示关系，曲线表明两者关系非线性比较严重，不利于流量均匀准确控制，必须进行线性化，以达到智能线性解耦控制。

补偿后，控制量与流量基本呈现直线关系，实现了二级节流阀在0～100%开度范围内对流量的均匀线性控制。

2．2 偏差［e（t）］－控制量［u（t）］关系的优化

图3 二、三级节流阀特性拟合曲线图

图4 智能控制系统偏差—控制系数关系图

图5 PID控制与智能控制效果图

可见，采用智能控制，可使偏差快速稳定收敛，当［∑｜e（t）｜／n］／Yset≥5%时，采用固定比例控制，当［∑｜e（t）｜／n］／Yset≤5%时，采用一定时间（大约0．5个波动周期）相对偏差绝对值的均值（10／Yset）［∑｜e（t）｜／n］作为改变控制量的随机变动系数，智能系数Kint与E（t）在5%以下时呈线性递增关系，控制量u（t）与E（t）呈非线性递增关系。

从上述分析可知，采用智能控制系统，可以快速稳定收敛，偏差较小，超调量较小，不易震荡。因此，在酸气流量、压力难于控制的复杂工况环境中可以应用。

2．3 偏差积分［i（t）］－控制量［u（t）］关系的优化

引用智能积分控制系数，随机改变积分强度，偏差越大、积分作用越强，偏差越小、积分作用越弱。效果见图6、7，图中纵坐标y（t）／Y表示被控参数与量程的百分比。

图6 智能积分系数特性曲线图

图7 PID及智能积分控制系统控制效果图

2．4 流量压力延时控制优化方案

采用智能解耦控制，将延时后的测量偏差作为下一步控制依据，若延时T，则控制量u（t）对应e（t＋T）（图8）。

2．5 其他控制优化方案

针对二三级调节阀均与流量压力同时相关，另外采用多参数综合控制算法，使被控流量压力更快速进入稳态，达到新的设定值；针对高含硫及杂质对现场仪表的影响进行了控制功能优化，软件中增加了智能识别和处理模块，如节流阀卡堵识别及处理、流量计及压力变送器引压管堵塞识别及处理等。

图8 智能控制系统流量延时控制响应图

3 酸气加热炉智能控制系统技术试验

3．1 加热炉及控制系统工艺设备参数

气田在运的加热炉型号为ENERFLEX800W／1 000W，炉体额定耐压压力为0．1MPa，最高工作温度为115℃，一级盘管额定耐压压力为20MPa，二级盘管额定耐压压力为10．7MPa。孔板流量计的引用误差为±1．5%F·S，F·S为流量计量程（100×104m3／d）。流量、压力、温度等参数必须控制在设备额定工作范围内，稳态流量、压力、温度控制精度在设定值±3%F·S范围以内。

3．2 智能控制系统试验检测线路设计

以计算机和PLC为核心组成智能控制系统［5－6］，完成流量、压力等的自动控制（图9）。

3．3 实验结果

3．3．1 酸气调产动态／稳态特性

酸气调产时的流量压力实时监控如图10所示。

3．3．2 酸气调压动态／稳态特性

酸气调压时的流量压力实时监控如图11所示。

由图10、11可知，酸气加热炉智能控制系统，实现了对流量、压力自动控制功能，消除了流量、压力的波动，可以实现酸气自动定产、定压控制。

图9 智能控制系统控制工艺流程及原理图

图10 酸气调产时的流量压力实时监控曲线图

图11 酸气调压时的流量压力实时监控曲线图

3．4 系统功能参数

酸气加热炉智能控制系统流量、压力控制指标如表1所示。

表1 酸气加热炉智能控制系统流量、压力控制指标表

4 结论

1）由智能控制系统构建的普光气田酸气加热炉控制系统，克服了原来PID控制系统不稳定造成的关井停炉现象和其他集输设备的生产故障，实现了产出酸气流量、压力的稳定控制，为气田的安全生产开发提供了技术保障。

2）该系统充分发挥计算机、PLC等智能化、数字化设备的优势，可以方便地通过计算机操作完成对全气田各井酸气自动调产、调压工作，为数字化气田建设提供了技术支持。

［1］朱利凯．天然气处理与加工［M］．北京：石油工业出版社，1997．ZHU Likai．Natural gas sweetening and processing［M］．Beijing：Petroleum Industry Press，1997．

［2］于庆波，秦勤，杨宗山，等．水套加热炉的改进设计［J］．工业加热，2000，10（6）：28－29．YU Qingbo，QIN Qin，YANG Zongshan，et al．The improvement of water jacket furnace design［J］．Industrial Heating，2000，10（6）：28－29．

［3］严平，曹伟武，钱尚源，等．大圆筒天然气加热炉流场研究及传热面优化［J］．天然气工业，2010，30（2）：119－122．YAN Ping，CAO Weiwu，QIAN Shangyuan，et al．Research of flow field in large cylinder natural gas heating furnace and optimized arrangement of heat exchanging areas［J］．Natural Gas Industry，2010，30（2）：119－122．

［4］郭韵，曹伟武，严平，等．天然气加热炉的发展现状与改进探索［J］．天然气工业，2009，29（12）：97－100．GUO Yun，CAO Weiwu，YAN Ping，et al．Exploration and development of natural gas heaters with high fuel efficiency［J］．Natural Gas Industry，2009，29（12）：97－100．

［5］王述彦，师宇，冯忠绪．基于模糊PID控制器的控制方法研究［J］．机械科学与技术，2011，30（1）：166－172．WANG Shuyan，SHI Yu，FENG Zhongxu．Based on the fuzzy PID controller in the control method research［J］．Journal of Mechanical Science and Technology，2011，30（1）：166－172．

［6］李士勇．模糊控制·神经控制和智能控制论［M］．哈尔滨：哈尔滨工业大学出版社，2006．LI Shiyong．Fuzzy control：Neural control and intelligent control theory［M］．Harbin：Harbin Industrial University Press，2006．