储气库地面脱水系统能耗优化方法比选

周 军，肖 瑶，孙建华，梁光川

（1. 西南石油大学 石油与天然气工程学院，四川 成都 610500；2. 国家管网集团中原储气库有限责任公司，河南 濮阳 457000）

储气库地面脱水系统作为储气库采气工艺的核心，运行时会消耗大量的能源。如何降低储气库地面脱水系统的能耗并提高能效，已经成为储气库生产运营管理者们关注的重点[1-2]。目前，大型储气库地面脱水工艺一般采用三甘醇脱水工艺，而三甘醇脱水装置大都存在操作参数不够优化和能耗较高的问题[3]。对此，许多学者对三甘醇脱水装置节能优化进行了研究：周树青等[4]利用HYSYS自带优化器对油气田集输过程中的三甘醇脱水工艺及操作参数进行了优化，使装置能耗更低且脱水效率更高。蒋洪等[5]模拟了某气田三甘醇脱水流程，采用二次回归正交试验设计能耗优化方法并建立回归方程，有效优化了三甘醇脱水装置的能耗。耿海玲等[6]建立了某储气库脱水系统HYSYS模拟最优化模型，并利用HYSYS自带优化器降低了三甘醇脱水装置的能耗。颜筱函等[7]提出了粒子群算法（PSO）和HYSYS软件相结合的天然气三甘醇脱水工艺流程及运行参数的优化方法，并进行了实例验证应用。

目前的研究主要聚焦于油气田集输系统中的三甘醇脱水装置能耗优化，对于储气库地面脱水系统能耗优化的研究较少[8-10]。对于脱水装置能耗及操作参数的优化主要有：脱水工艺流程及用能设备改进优化，基于实际生产现场反复改变操作参数进行优化，以及通过系统模拟与分析能耗及操作参数进行优化等方法[11-13]。改进工艺及用能设备的优化方法工程量大且成本过高[14]。基于实际生产现场反复改变操作参数的优化方法工作量较大，优化效率较低，且需要具备丰富的现场操作经验，通用性较差，容易造成不必要的资源浪费[15]。因此，通过系统模拟与分析能耗及操作参数的优化方法就显得十分重要。

本文利用HYSYS软件建立某储气库三甘醇脱水工艺模型；根据各运行参数对储气库地面脱水系统能耗的影响情况，确定需要优化的操作参数；建立脱水系统能耗最优化模型；采用HYSYS自带优化器优化及基于BP（Back Propagation）神经网络与GA（Genetic Algorithm）遗传算法优化的两种系统模拟优化方法分别对脱水系统能耗及关键操作参数进行优化求解，并对以上两种优化方法进行比选。

1 储气库地面脱水系统HYSYS模型

HYSYS软件是世界著名油气加工模拟软件工程公司开发的大型专家系统软件，具有操作界面良好、智能化程度高、操作便捷等优点[16]。因此，本文利用HYSYS模拟软件建立某储气库地面脱水系统工艺模型。

1.1 储气库地面脱水系统工艺流程简述

某储气库在采气期（当年11月至第二年3月）时，注采站需要对气井来气进行脱水处理以达到外输气质要求。该储气库注采站采用三甘醇脱水工艺，主要包括天然气脱水工艺流程及三甘醇再生工艺流程。三甘醇脱水工艺流程示意如图1所示。

图1 储气库地面脱水系统工艺流程示意Fig. 1 Schematic diagram of ground dewatering system of gas storage

（1）天然气脱水流程：采出气首先经过滤分离器分离掉游离的固液杂质后从三甘醇吸收塔塔底入塔。采出气在吸收塔中自下而上与从顶部进入吸收塔的三甘醇贫液充分接触，进行气液传质交换，脱除采出气中的水分。脱除水分后的天然气从吸收塔顶部出塔后，进入套管式换热器，与进吸收塔前的三甘醇贫液进行热交换后，经出口分离器分离后进入外输管网。

（2）三甘醇再生流程：三甘醇贫液从吸收塔塔顶进入，自上而下吸收湿天然气中的水分后成为三甘醇富液。三甘醇富液从三甘醇吸收塔下部流出后再经过滤器过滤进入三甘醇再生塔塔顶盘管，被塔顶蒸汽加热至一定温度后进入闪蒸罐，闪蒸分离出的烃类气体从上部流出进入重沸器中回收利用，闪蒸分离后三甘醇溶液从下部流出，依次进入过滤分离器及活性炭过滤器过滤后进入贫/富液换热器，与由再生重沸器下部三甘醇缓冲罐流出的热贫甘醇换热升温至70~80 °C后，进入三甘醇再生塔。在三甘醇再生塔中，通过提馏段、精馏段、塔顶回流及塔底重沸的综合作用，分离出三甘醇富液中的水分。重沸器中的贫甘醇经贫液汽提柱，溢流至重沸器下部三甘醇缓冲罐，在贫液汽提柱中由引入汽提柱下部的热干气对贫液进行汽提。三甘醇贫液从缓冲罐进入贫/富液换热器，与三甘醇富液换热，温度降至60 °C左右进循环泵，由泵增压后进套管式气液换热器与外输气换热至40 °C进吸收塔吸收天然气中的水分。

1.2 原始数据

储气库地面脱水装置设计气量为300 × 104m3/d，脱水温度为30~40 °C，脱水压力为6~8 MPa，天然气设计水露点≤ -10.00 °C。储气库采出气组分如表1所示。

表 1 储气库采出气组分及组成Table 1 Component and composition of produced gas of gas storage

1.3 储气库地面脱水系统HYSYS模型建立

1.3.1 状态方程选择

在求解烃类物质的相平衡时，工程上通常选用Soave RK（SRK）方程和Peng-Robinson（PR）方程。SRK方程和PR方程在计算极性物质和含有氢键的物质时有较高的准确度，且在预测蒸气压时有较好的温度函数。PR方程在预测液体密度时比SRK方程有更好的精度，所以本文结合储气库三甘醇脱水特点选用PR方程作为天然气脱水计算的方程，其表达如式(1)所示。

式中，p为体系压力，Pa；V为摩尔体积，m3/mol；T为绝对温度，K；R为气体常数，8.314 J/(mol·K)；a和b为物质的特征参数。

1.3.2 HYSYS模拟模型建立

结合储气库地面脱水工艺及对现场实际运行参数分析，根据所选用的PR状态方程，利用HYSYS模拟软件建立了储气库地面脱水工艺模型，如图2所示。三甘醇吸收塔塔板数为6，三甘醇再生塔塔底带有重沸器。

图2 储气库地面脱水系统HYSYS工艺模拟Fig. 2 HYSYS simulation diagram of ground dewatering system of gas storage

1.4 模型验证

随机选择储气库地面脱水系统一组现场实际运行数据输入已建立的HYSYS模型中进行模拟计算求解，HYSYS计算输入参数如表2所示。

表2 模拟计算输入参数Table 2 Input parameters of simulation calculation

将HYSYS软件模拟计算结果与现场实际运行数据进行对比，以验证所建立模型的合理性及可靠性，对比结果如表3所示。

表3 实际运行值与HYSYS模拟计算值的对比Table 3 Comparison of actual running value with HYSYS simulated calculation value

对比可知，模拟得到的数据与实际运行值误差分别为：干气水露点1.86%、脱水后干气含水量（质量分数）为3.33%、出塔富甘醇温度2.43%。造成误差的原因有两点：一是所建立的脱水模型是理想模型；二是现场测量可能存在误差。但是从表3中可以看出，各参数的误差值均较小，因此可以认为利用HYSYS软件所建立的三甘醇脱水工艺流程是合理可靠的，从而为下一步优化操作奠定了可靠的基础。

2 储气库地面脱水系统能耗优化参数选取

通过分析储气库地面脱水系统工艺流程及现场实际能耗情况统计数据可知，脱水系统的主要能耗为：重沸器热负荷、三甘醇循环泵负荷及汽提气加热负荷。影响脱水系统能耗的因素包括：原料气进气温度、原料气进气压力、干气水露点要求、三甘醇循环量及汽提气量等。根据上述所建立的HYSYS模拟模型，定量分析储气库地面脱水系统能耗影响因素，以选取优化操作参数。

2.1 运行参数对重沸器热负荷的影响

在分析各运行参数对重沸器热负荷的影响时，设定原料气进气温度为30 °C，原料气进气压力为6.05 MPa，汽提气量为0.80 kmol/h，三甘醇循环量为3.5 m3/h，重沸器温度为200 °C，重沸器压力为120 kPa。利用HYSYS软件模拟计算，定量分析各运行参数（原料气进气温度、原料气进气压力、三甘醇循环量、汽提气量、重沸器温度和重沸器压力）对重沸器热负荷的影响情况，结果如图3所示。

图3 各运行参数对重沸器热负荷的影响Fig. 3 Influence of operating parameters on heat load of reboiler

由图3可知，重沸器热负荷随着吸收塔原料气进气温度、三甘醇循环量及重沸器温度的增加而增加，随着吸收塔原料气进气压力、汽提气量及重沸器压力的增加而减少。通过对比图3(a)~(f)可知，影响重沸器热负荷的主要因素为重沸器温度，重沸器温度每升高1 °C，重沸器热负荷升高约15000 kJ/h。

2.2 运行参数对三甘醇循环泵负荷的影响

在分析各运行参数对三甘醇循环泵负荷的影响时，设定原料气进气温度为30 °C，原料气进气压力为6.05 MPa，汽提气量为0.80 kmol/h，三甘醇循环量为3.5 m3/h，重沸器温度为200 °C，重沸器压力为120 kPa。利用HYSYS软件模拟计算，定量分析原料气进气温度、原料气进气压力、三甘醇循环量、汽提气量、重沸器温度和重沸器压力对三甘醇循环泵负荷的影响情况，结果如图4所示。

图4 各运行参数对三甘醇循环泵负荷的影响Fig. 4 Influence of operating parameters on load of triethylene glycol circulating pump

由图4可知，三甘醇循环泵负荷随着原料气入口气体压力和重沸器温度的增加而增加；随着三甘醇循环量的增加而逐渐增加至趋于稳定；随着原料气入口气体温度及汽提气量的增加而减少，随着重沸器压力的增大先增加后减少。通过对比图4(a)~(f)可知，影响三甘醇循环泵负荷的主要因素为三甘醇循环量，三甘醇循环量每增加0.2 m3/h，三甘醇循环泵负荷升高约1600 kJ/h。

2.3 运行参数对汽提气加热负荷的影响

在分析各运行参数对汽提气加热负荷的影响时，设置原料气进气温度为30 °C，原料气进气压力为6.05 MPa，汽提气量为0.80 kmol/h，三甘醇循环量为3.5 m3/h，重沸器温度为200 °C，重沸器压力为120 kPa。利用HYSYS软件模拟计算，定量分析各运行参数对汽提气加热负荷的影响情况，结果如图5所示。

图5 各运行参数对汽提气加热负荷的影响Fig. 5 Influence of operation parameters on stripping gas heating load

由图5可知，汽提气加热负荷随着原料气进气压力、汽提气量及重沸器压力的增加而增加，随着原料气进气温度、三甘醇循环量及重沸器温度的增加而减少。通过对比图5(a)~(f)可知，影响汽提气加热负荷的主要因素为汽提气量，汽提气量每升高0.05 kmol/h，汽提气加热负荷升高约290 kJ/h。

3 储气库地面脱水系统能耗优化方法

通过对影响储气库地面脱水系统能耗关键参数的分析，采用最优化理论[17]建立储气库地面脱水系统能耗最优化模型，并分别采用HYSYS自带优化器及基于BP神经网络与GA遗传算法结合优化的方法进行优化求解。HYSYS自带优化器能对与脱水装置能耗相关的部分参数进行优化。BP神经网络是一种多层前馈神经网络，具有较强的非线性能力，广泛应用于各种非线性问题的预测及逼近，但其缺点是不易达到全局最优。GA遗传算法是一种全局搜索算法，具有简单、稳定性强和易于并行等优点。BP神经网络与GA遗传算法进行结合的优化方法广泛应用于各类工艺系统及工程设计的优化求解中。

3.1 脱水系统能耗优化模型建立

本文针对储气库地面脱水系统主要能耗设备提出优化方案，通过关键参数的选取和最优化理论[17]，建立储气库地面脱水系统能耗优化模型如式(2)~(4)所示。

式中，f(x1,x2,x3)为单位综合能耗值，10-4MJ/ m3；E1(x1)为三甘醇循环泵负荷，kJ/h；E2(x2)为重沸器热负荷，kJ/h；E3(x3)为汽提气加热负荷，kJ/h；Q为脱水装置输出产品气流量，m3/h；x1为三甘醇循环量，m3/h；x2为重沸器温度，°C；x3为汽提气用量，kmol/h；z为产品气水露点，°C；g(x1,x2,x3)为约束条件，l为各决策变量下限值，u为各决策变量上限，如表4所示。

表4 约束条件Table 4 Constraint conditions

3.2 脱水系统能耗HYSYS优化器优化

3.2.1 目标函数设置

将与储气库地面脱水系统能耗相关的工艺参数输入到HYSYS软件所建立的储气库地面脱水系统模型中，并根据所建立的能耗最优化模型，利用HYSYS自带优化器HYSYS Optimizer Option对能耗进行优化求解。目标函数为脱水系统单位总能耗值最低。目标函数设置如表5所示。

表5 运行参数及约束条件Table 5 Operating parameters and objective function

3.2.2 优化方法选用

HYSYS软件自带优化方法如表6。根据所建立的储气库地面脱水系统能耗最优化模型，结合HYSYS软件自带优化方法特点，选择MIX法及BOX法进行优化求解。

表6 HYSYS自带优化方法Table 6 Optimization algorithm built-in HYSYS

3.2.3 优化结果

优化前后系统各参数如表7所示。由表7可知，经MIX法优化后系统单位总能耗下降6.75%，经BOX法优化后单位总能耗下降6.59%。利用HYSYS自带优化器中两种方法优化后单位总能耗、三甘醇循环量及汽提气量有所下降，但三甘醇再生塔重沸器温度未能得到优化；水露点虽有所上升，但仍符合储气库外输气气质要求。

表 7 优化前后系统各参数对比Table 7 Comparison of system parameters before and after optimization

3.3 基于BP神经网络与GA遗传算法的储气库地面脱水系统能耗优化

本文通过均匀设计法列出120组优化操作实验参数，将列出的优化操作参数值输入到上述建立的HYSYS工艺模型中进行模拟计算，利用BP神经网络对计算所得数据进行算法训练及预测，得到优化操作参数与能耗之间的非线性映射关系。在满足外输气气质要求的前提下，再利用GA遗传算法找出储气库地面脱水系统最低能耗值及该值所对应的最优操作参数。基于BP神经网络与GA遗传算法的储气库地面脱水系统能耗优化流程如图6所示。

图6 基于BP神经网络与GA遗传算法的储气库地面脱水系统能耗优化流程Fig. 6 Energy consumption optimization flow of ground dewatering system of gas storage based on BP neural network and GA genetic algorithm

3.3.1 脱水系统BP神经网络预测

在MATLAB软件中建立BP神经网络，将选取的优化操作参数（三甘醇循环量、重沸器温度及汽提气量）作为BP神经网络的输入层变量，将单位总能耗和产品气水露点作为输出量。随机选取HYSYS模拟计算产生的115组数据，利用已构建的BP神经网络进行学习训练，再对剩余的5组数据进行模拟预测。因本文所建HYSYS模型稳定可靠，故将HYSYS模拟计算所得到的单位总能耗值及水露点值看作实际值，将实际值与BP神经网络预测结果进行对比，通过误差值来验证BP神经网络的预测准确性。BP神经网络预测值与实际值误差如表8所示。

由表8可知，单位总能耗与水露点的预测误差均小于1%，BP神经网络预测准确性较高，为进一步实现GA遗传算法优化储气库地面脱水系统单位总能耗奠定了可靠基础。

表8 BP神经网络预测值与实际值对比及误差Table 8 Comparison and error between predicted value and actual value of BP neural network

3.3.2 基于BP与GA脱水系统能耗优化

根据所建立的能耗最优化模型及BP神经网络能耗预测模型，利用GA遗传算法对储气库地面脱水系统单位总能耗及运行参数进行优化。目标值为储气库地面脱水系统单位总能耗最低，条件为产品气水露点≤ -10.00 °C。在MATLAB软件中，建立遗传算法：设定决策变量为三甘醇循环量、重沸器温度和汽提气量，取值范围如表3所示。设定种群规模为50，终止迭代数为100，交叉因子为0.4，变异因子为0.2。决策变量及单位能耗值优化前后对比如表9所示。由表9可知，优化后单位总能耗值比优化前下降了18.13%，且3个操作参数均得到了优化。

表9 各决策变量及单位能耗值优化前后对比Table 9 Comparison of each decision variable and unit energy consumption before and after optimization

4 结论

本文建立了储气库地面脱水系统HYSYS模型，对影响脱水系统能耗的运行参数进行了定量分析，建立了储气库地面脱水系统能耗最优化模型，并分别采用HYSYS自带优化器及基于BP神经网络和GA遗传算法相结合的优化方法对储气库地面脱水系统能耗进行了优化求解，得到以下主要结论。

（1）通过对影响脱水系统能耗的运行参数进行定量分析确定了影响脱水系统能耗的主要因素为重沸器温度、三甘醇循环量和汽提气量，并建立了储气库地面脱水系统能耗最优化模型。

（2）对储气库地面脱水系统能耗进行优化求解发现，采用HYSYS自带优化器优化时，尽管单位总能耗值有所下降，但未能优化重沸器温度这一参数；BP神经网络与GA遗传算法相结合的能耗优化法在优化储气库地面脱水系统能耗的同时，还能优化所有的操作参数，且该方法也可用于优化其他工艺系统的操作参数，具有较好的通用性。