己内酰胺装置安全运行指导系统研发与应用

李传坤，王春利，高新江

（化学品安全控制国家重点实验室，中国石油化工股份有限公司青岛安全工程研究院，山东 青岛 266071）

己内酰胺装置安全运行指导系统研发与应用

李传坤，王春利，高新江

（化学品安全控制国家重点实验室，中国石油化工股份有限公司青岛安全工程研究院，山东 青岛 266071）

由于己内酰胺装置具有高复杂性及高危险性，有必要开发一套在线诊断故障的安全运行指导系统，辅助操作人员的操作。本文基于定性的符号有向图（signed directed graph，SDG）、专家系统，结合模糊逻辑、主元分析（principle component analysis，PCA）、神经网络（artificial neural network，ANN）等多种定量故障诊断方法，建立了整个装置的异常监测与诊断模型；根据己内酰胺装置的工艺特点及故障模式，结合危险与可操作性分析结果和专家经验，建立了导致装置发生故障的原因、传播路径以及处理措施的专家知识库；开发了己内酰胺装置安全稳定运行指导系统，并在己内酰胺装置上进行了工业应用，取得了良好效果。

符号有向图；模型；主元分析；神经网络；专家系统；危险与可操作性分析

己内酰胺装置生产过程中，陆续发现在安全稳定运行方面还存在一些问题，主要包括以下两点[1-2]。

（1）装置的DCS控制系统“数据充分，信息缺乏”。因目前的DCS报警仅能给出简单的报警信息，无法提供深层次的故障原因，一旦出现复杂故障，操作员面对DCS大量报警信息，难以及时准确判断，甚至可能作出错误决策。

（2）操作水平对于操作员的个人经验依赖较重。装置高效安稳运行决定了装置的技术经济水平，一线操作人员在其中起到相当关键的作用。部分装置操作人员的新老交替，装置上有经验的操作人员流失。当遇到装置异常时，因自身经验问题，同时缺乏相应参考、指导类的信息，容易产生操作延误甚至操作失误，从而产生较大波动，对安稳生产造成不利影响。

因此，如何利用现有的海量生产数据，从中挖掘有效的信息，及时发现装置异常，并为操作人员提供对装置运行状态准确及时的分析，是确保己内酰胺装置安全稳定运行的重要环节。

本文以己内酰胺装置异常监测与诊断为主要研究内容，分析己内酰胺装置的安稳运行状态，并提供异常工况的操作指导。同时，内置各种专家知识，以留住操作人员和技术人员的经验，辅助他们的在线交流学习。

1 安全运行指导技术

1.1 现场数据采集及预处理

（1）通过对OPC通讯协议、InfoPlus21实时数据库等内容的深入研究，开发了用于采集工业现场实时数据的数据采集平台，该平台支持各种流行通讯协议，如ODBC、OPC、DDE等，能够

完成与国内外多种DCS系统及实时数据库系统的通信。

（2）基于插值细分方法的提升小波原理，设计了相应的预测与更新算子克服传统小波变换存在的边界问题，并采用中值法去除数据中包含的粗大误差，然后通过一个滑动的时间窗，将提升小波阈值去噪应用于数据的预处理中。

1.2 报警分析

危险与可操作性分析（hazard and operability analysis，HAZOP）方法是装置危害辩识的重要应用技术之一，可以集合装置工艺、设备、仪表等多部门的集体智慧，分析装置运行中的安全问题。

同时，根据EEMUA Publication 191（《报警系统-设计、管理及采购指导》）标准，由风险的严重性（临界、大、中或小）及紧迫性（立即行动、迅速、尽快），确定报警优先值（紧急、高或低），实现报警分级，以便于根据同时发生的报警的重要程度对报警排序。具体如表1所示。

这样，将HAZOP的“引导词+工艺参数”为表达方式的分析结果，与装置的单点报警匹配，即可形成针对单点报警的报警规则，实时得到报警的优先级、发生的原因、可能产生的后果、操作建议等，为操作员提供操作指导。

表1 报警优先值的确定

1.3 工艺状态监测与指导

系统研究了基于定性定量复杂工艺状态监测与指导技术实用方法，具体包括如下。

（1）提出了完整的定性符号有向图（signed directed graph，SDG）故障诊断方法、建模流程、步骤、原则及算法，并在此基础上构建了“故障逻辑关系模型”的建立规则。

（2）研究了包括模糊逻辑、主元分析（principle component analysis，PCA）、神经网络（artificial neural network，ANN）等定量故障诊断技术的基本原理、诊断步骤及算法，测试了各种故障诊断算法的实际诊断效果。

对于己内酰胺这种大型石化装置，由于系统的连续性、复杂性，单一的异常监测诊断方法均常常存在一定的缺陷。例如使用PCA方法进行监测时，传统的监测指标为T2统计量和Q统计量[3-4]，如式（1）～式（4）。

但是，在实际生产过程中仅根据T2和Q统计量进行异常检测往往出现结果的不确定性，为避免这种情况的发生，本文采用了Qin[3]、Zumoffen[5]提出的新的综合故障监测指标z，如式（5）。

式中，ϑT2=mean(T2)+τ ·std(T2)，ϑQ=mean(Q)+ τ ·std(Q)，mean(x)表示随机变量x的平均值，std(x)表示x的标准差，而τ为误判风险参数，通常取2（5%α=）或3（1%α=）。当某一实时数据向量的综合指标z ＞ 2时，则认为过程出现异常或故障。该综合指标不仅避免了诊断结果的不确定性，并且对过程变量分布的依赖性较小。

此外，PCA方法的优势是能实时监测数据的变化，但难以给出造成数据变化的根源。即该方法适用于“监测”而非“诊断”。

因此，为了集合各种技术方法的特长，本文提出一个层次融合监测与诊断模型[6-8]，并在此基础上开发了工艺监测与诊断引擎。其结构如图1所示。

图1 层次融合监测诊断模型

工艺监测与诊断引擎利用符号有向图的双向推理能力，结合风险发生的严重等级、频率等级，计算风险的发生概率以及严重度，得到各个可能性风险的排队序列。其输出是以一定规则编辑的逻辑代码，该代码不能直接反馈到人机界面，需要专家知识库的支持。该知识库包括异常工况经验库、设备知识库、物性知识库、控制系统知识库和传感器知识库，为工艺监测引擎提供历史事故经验、设备失效知识、物性参数、常见控制器失效模式和传感器失灵模式等相关知识与规则。在异常处理过程中得到的新规则，可以动态加入到知识库中，提高其准确性和效率。工艺监测与诊断引擎得到分析结果的逻辑编码后，便可到专家系统知识库中去匹配相应的解释，解释的内容以自然化的语言被保存到内存数据库中，提供给客户端模块调用，辅助操作人员了解装置运行的动态。

客户端的GUI子系统是人机界面部分，负责所有的数据显示、声光报警、报表生成和人员对本系统的相关操作。

HAZOP分析结果经过整理，即可以作为报警分析的“知识”来源，也可以形成异常工况经验库的一部分。结合其他的定性定量的工艺状态监测方法形成的层次融合监测与诊断模型，不仅部分解决了装置的DCS控制系统“数据充分，信息缺乏”的问题，而且可以保留住装置上优秀的操作经验。

2 系统开发与应用

以上述安全运行指导技术为核心，结合某炼化企业己内酰胺装置的实际需求，开发完成了“己内酰胺装置安全运行指导系统”，并在现场进行应用。

2.1 系统功能

系统实现了数据采集、组态建模、实时监测、知识管理等功能，软件系统为B/S架构。软件系统的整体功能示意图如图2所示。

2.2 现场应用

“己内酰胺装置安全运行指导系统”在该炼化企业的己内酰胺装置酰胺化单元进行了应用。酰胺化单元主要由反应气正己烷吸收、循环蒸馏、预混合、酰胺化、水解、CCA萃取、酸团贮存、中性副产物处理、组合工艺等工序组成，如图3所示。

对装置进行了深入分析，结合专家经验及多种监测诊断方法，构建了针对酰胺化单元的专家知识库和监测诊断应用模型，其中，故障逻辑关系模型如图4所示。

图2 系统功能示意图

图3 酰胺化单元流程简图

图4 酰胺化单元故障逻辑关系模型图

2.2.1 报警分析

对于重要的DCS仪表，实时监测其状态：关联HAZOP分析结果，根据报警优先级，进行报警分析。例如TI0414在某时刻发生高报，画面上部给出“低”的报警优先值，画面下部给出可能原因、建议措施、不利后果、防范措施等，如图5所示。

2.2.2 工艺监测与诊断

系统对工艺状态进行实时监测，发现异常时，及时提示用户。

（1）中性副产物工段停工，清洗系统 某日，由于中性副产物工段要清洗系统，故该工段停工。而作为该工段的进料流量，FIC0411前的泵P0410关闭。

图5 报警分析界面

图6 FIC0411趋势图

图7 预混合工段工艺状态监测趋势图

图6给出了该日8：00～20：00时间段内，FIC0411的变化趋势。图7给出了该时间段内工艺状态监测模块对预混合工段的监测结果。

由图6可知，FIC0411在8：41突然下降，直至18：16开始逐渐恢复。与此对应，预混合工段的工艺状态监测模块给出的监测结果是，故障监测指标z（即“工艺监测指标”）从8：41突然上升，且在8：41～18：16时间段大都维持故障报警状态，而其余时间段内监测模块皆给出了工段处于正常状态的结论，与实际情况相符，如图7所示。

此时，安全运行指导系统的运行界面图如图8所示，其结论是FIC0411发生严重报警。

（2）酰胺化反应温度高，增大流量降温 某日，由于酰胺化工段的R0402反应器反应温度持续偏高，操作工在8：30左右开大了FIC0424流量，通过增大流量降温，生产系统产生较大波动。

安全运行指导系统监测到故障监测指标z严重超标，远远大于上限2，见图9。根据故障逻辑关系模型，系统推理出结论：8：39左右，“反应器R0402温度先超高，随后冷却液流量FIC0424增大，可能进行冷却”，同时可以看到FIC0424等位点发生较大偏离。

现场应用表明，安全运行指导系统的监测结果与现场实际情况吻合，可以正确的检测出装置异常，且可以根据预先建立的知识库正确地诊断故障原因。

2.2.3 知识管理

系统提供开放式的接口，用户可以在线查阅并添加装置的开停车、设备、操作方案、事故预案与案例以及HAZOP分析结果等信息，从而了信息的继承与交流。

系统自现场投用以来，实时监测模块给出的提示信息较为准确和及时，其反映出的变化趋势和调节方向，与装置的实际状况吻合，与操作员的操作调整也基本保持一致。该系统对酰胺化单元运行故障判断的准确率超过90%，误报率在4%以下。同时，事故预案知识库、操作方案等在线知识库对于增强员工操作培训效果、节约培训成本具有很好的作用。

图8 酰胺化单元工艺状态监测界面1

图9 酰胺化单元工艺状态监测界面2

3 结 论

根据某炼化企业己内酰胺装置工艺技术特点及故障模式，应用多种定性定量的故障分析诊断技术，开发了己内酰胺装置在线安全运行指导系统，对生产过程进行实时的异常监测和诊断，帮助现场操作人员及时发现装置中存在的问题并作出快速反应。该系统的投用后，取得了良好的应用效果：有助于辅助装置工艺技术人员分析可能出现的各种复杂工况，避免由于判断失误或误操作等原因导致的生产波动或非计划停车事件的发生。

[1] 张卫华，王春利，姜巍巍，等. 石化装置安全运行指导系统开发及应用[C]//2009年中国过程系统工程年会暨中国MES年会论文集. 2009：181-186.

[2] Zhang Weihua. Study on abnormal situation management system based on sdg，integration of several fault diagnosis methods[D]. Beijing：Beijing University of Chemical Technology，2010.

[3] Qin S J. Statistical process monitoring：basics and beyond[J]. Journal of Chemometrics，2003，17：480-502.

[4] 王海清.工业过程监测：基于小波和统计学的方法[D].杭州：浙江大学，2000.

[5] Zumoffen D，Basualdo M.From large chemical plant data to fault diagnosis integrated to decentralized fault tolerant control：Pulp mill process application[J]. Industry and Engineering Chemistry Research，2008，47：1201 - 1220.

[6] Zhang Weihua，Wu Chongguang，Wang Chunli. Qualitative algebra and graph theory methods using in dynamic trend analysis of continuous system[J].Chinese Journal of Chemical Engineering，2011，19（2）：308-315.

[7] 陶少辉，李传坤. 化工过程故障原因诊断的变量异常顺序法[J]. 计算机与应用化学， 2012，29（2）：178-180.

[8] Gao Dong，Zhang Beike，Ma Xin，et al. SDG multiple fault diagnosis by fuzzy logic and real-time bidirectional inference[C]//2009 International Conference on Information Engineering and Computer Science. United States：IEEE Computer Society，2009：118-125.

R&D and application of caprolactam plant safety operation guidance system

LI Chuankun，WANG Chunli，GAO Xinjiang
（State Key Laboratory of Safety and Control for Chemicals，SINOPEC Research Institute of Safety Engineering，Qingdao 266071，Shandong，China）

There is high complexity and risk in caprolactam plant，so it is necessary to develop an online safety operation guidance system with fault diagnosis as core，which can help operator’s operation. In this paper，a fault detection and diagnosis model for the entire caprolactam plant was built based on qualitative and quantitative fault diagnosis methods，such as signed directed graph (SDG)，fuzzy logic，principal component analysis (PCA)，Artificial Neural Network(ANN) and expert system. Based on the characteristics of process and failure mode of caprolactam plant，the expert knowledge database with root reason，propagation path and treatment measures of the fault was built by combining Hazard and Operability Analysis results with expert experience. At last，a Caprolactam Plant Safety Operation Guidance System was established and used in the caprolactam plant with good performance.

signed directed graph；model；principle component analysis；artificial neural network；expert system；hazard and operability analysis

TP 182

A

1000-6613（2014）04-1060-07

10.3969/j.issn.1000-6613.2014.04.047

2013-05-31；修改稿日期：2013-07-20 。

国家科技支撑计划（2012BAK13B00）及国家高技术研究发展计划（2013AA040701）项目。

及联系人：李传坤（1984—），男，硕士，工程师。E-mail lick.qday@sinopec.com。