牛魯娜，蘭正貴，胡海軍

(1.中國(guó)石化青島安全工程研究院，山東青島 266071 2.西安交通大學(xué)化學(xué)工程與技術(shù)學(xué)院，陜西西安 710049)

0 前言

目前，世界原油供應(yīng)趨于重質(zhì)化、劣質(zhì)化。據(jù)預(yù)測(cè)，2012-2030年，全球原油平均API將從33.3下降到32.8，平均硫含量將從1.15%上升到1.24%[1]。我國(guó)原油主要依賴于進(jìn)口[2]，加工劣質(zhì)化原油已經(jīng)成為我國(guó)煉化企業(yè)必須面對(duì)的挑戰(zhàn)。劣質(zhì)原油的硫、酸含量高，電脫鹽難度大。當(dāng)原油經(jīng)過(guò)常壓蒸餾裝置時(shí)，其中的硫和氯會(huì)轉(zhuǎn)化成H2S和HCl酸性氣體，并溶入塔頂系統(tǒng)的冷凝水中，產(chǎn)生露點(diǎn)腐蝕，造成壁厚減薄或穿孔，嚴(yán)重時(shí)會(huì)發(fā)生火災(zāi)、爆炸事故。2012年我國(guó)煉油裝置發(fā)生了49起明確的事故，其中常減壓裝置發(fā)生14起，加工劣質(zhì)化原油引起的設(shè)備腐蝕正是造成事故的主要原因[3]。

針對(duì)常減壓裝置塔頂?shù)牡蜏馗g，煉化企業(yè)普遍采用“一脫三注”工藝防腐策略，通過(guò)塔頂回流罐切水的分析初步判斷腐蝕的嚴(yán)重程度。其中，切水中總鐵離子濃度是判斷腐蝕控制水平的重要參量，而pH值則是工藝防腐方案制定的主要依據(jù)，工程上認(rèn)為總鐵≤3 mg/L、pH=6～9時(shí)腐蝕才處于受控狀態(tài)。目前除了少數(shù)企業(yè)利用基于離子平衡模型的腐蝕控制技術(shù)制定塔頂工藝防腐方案外[4]，大部分國(guó)內(nèi)企業(yè)還是依賴于工程經(jīng)驗(yàn)對(duì)方案進(jìn)行調(diào)整。然而，加工原料或工藝狀態(tài)頻繁波動(dòng)，導(dǎo)致塔頂腐蝕環(huán)境實(shí)時(shí)變化，而且受限于技術(shù)條件，塔頂水的分析仍依靠人工采樣化驗(yàn)，具有滯后性，這將導(dǎo)致工藝防腐方案很難及時(shí)且合理的制定，影響防腐控制效果。此外，雖然大多數(shù)煉廠都安裝了塔頂腐蝕在線探針，可以直接獲取腐蝕速率[5,6]，但是在線監(jiān)測(cè)只能對(duì)局部腐蝕進(jìn)行監(jiān)控，不足以反映整個(gè)塔頂?shù)蜏叵到y(tǒng)的腐蝕狀況。

隨著煉油企業(yè)信息化程度的提高，裝置積累了大量的生產(chǎn)運(yùn)行、分析化驗(yàn)、監(jiān)檢測(cè)等數(shù)據(jù)信息，這些數(shù)據(jù)之間存在內(nèi)在的聯(lián)系[7,8]。近年來(lái)，有部分研究基于計(jì)算機(jī)技術(shù)對(duì)企業(yè)數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)關(guān)鍵離子濃度[9]。如，顧敏等[10]運(yùn)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)循環(huán)冷卻水腐蝕速率；李皎等[11]構(gòu)建了一套完整的煉油裝置腐蝕監(jiān)測(cè)管理體系，針對(duì)加氫裂化裝置運(yùn)用BP人工神經(jīng)網(wǎng)絡(luò)建立了Fe2+/3+預(yù)測(cè)模型。但這些研究主要針對(duì)與腐蝕結(jié)果有關(guān)的監(jiān)檢測(cè)數(shù)據(jù)進(jìn)行分析，忽視了工藝條件、原料及產(chǎn)品性質(zhì)等與腐蝕原因相關(guān)的因素，且構(gòu)建的模型簡(jiǎn)單，樣本有限，對(duì)煉油裝置的海量數(shù)據(jù)進(jìn)行深入挖掘和利用的報(bào)道并不多見。

基于常壓裝置塔頂系統(tǒng)腐蝕防護(hù)的需要，依托大數(shù)據(jù)分析技術(shù)和常減壓裝置積累的大量數(shù)據(jù)，將深度學(xué)習(xí)、支持向量機(jī)回歸、粒子群優(yōu)化算法和相關(guān)性分析相結(jié)合，建立低溫腐蝕關(guān)鍵參量(切水鐵離子含量和pH值)與生產(chǎn)實(shí)時(shí)工藝參數(shù)、物料性質(zhì)及切水水質(zhì)之間的特征表達(dá)和映射關(guān)系，目的是從系統(tǒng)的觀點(diǎn)出發(fā)，開發(fā)低溫腐蝕關(guān)鍵參量預(yù)測(cè)模型，獲取影響腐蝕關(guān)鍵參量的相關(guān)因素，為根據(jù)當(dāng)前狀態(tài)快速準(zhǔn)確預(yù)測(cè)低溫腐蝕情況、有針對(duì)性地指導(dǎo)防腐措施提供技術(shù)支持，也是大數(shù)據(jù)技術(shù)在煉油裝置腐蝕研究中應(yīng)用的一次創(chuàng)新性嘗試。

1 數(shù)據(jù)分析方法

1.1 相關(guān)性分析

相關(guān)性分析可以衡量2個(gè)變量因素的相關(guān)密切程度，如果2個(gè)變量呈相同的波動(dòng)方式，即同時(shí)上升或同時(shí)下降，則表示相關(guān)性強(qiáng)，反之則表示相關(guān)性弱。采用線性相關(guān)性系數(shù)來(lái)判斷切水鐵離子濃度與其他量之間的相關(guān)性。線性相關(guān)系數(shù)γ定義為：

(1)

當(dāng)γ<0，變量f和g變化的方向相反，呈負(fù)相關(guān)。如果變量f和g是函數(shù)關(guān)系，則γ=1或γ=-1；如果變量f和g是統(tǒng)計(jì)關(guān)系，則-1<γ<1。

1.2 建模原理與方法

支持向量機(jī)(Support vector machine, SVM)是機(jī)器學(xué)習(xí)中的一種監(jiān)督式學(xué)習(xí)方法，它巧妙地運(yùn)用非線性變換把低維空間映射到高維空間，通過(guò)在高維空間構(gòu)造分類器來(lái)完成復(fù)雜問(wèn)題的分類任務(wù),在模式識(shí)別和數(shù)據(jù)挖掘中得到廣泛的應(yīng)用[12]。支持向量機(jī)回歸(Support vector machine regression, SVR)是在SVM分類的基礎(chǔ)上引入了不敏感損失函數(shù)而實(shí)現(xiàn)的。定義在高維空間中的非線性回歸函數(shù)為：

y=f(x)=wTφ(x)+s

(2)

式中：y——真實(shí)值；

f(x)——預(yù)測(cè)值；

φ(x)——非線性映射函數(shù)；

w——權(quán)向量；

s——常數(shù)。

不敏感損失函數(shù)為：

(3)

式中：z=y-f(x)；

ε——不敏感損失函數(shù)的參數(shù)，當(dāng)Lε(z)最小時(shí)函數(shù)擬合最優(yōu)。

根據(jù)結(jié)構(gòu)化風(fēng)險(xiǎn)最小原理，回歸函數(shù)的擬合問(wèn)題可以等價(jià)于一個(gè)優(yōu)化問(wèn)題。若擬合數(shù)據(jù)為{xi,yi},其中i=1,…,m,xi∈Rd,yi∈R，則優(yōu)化問(wèn)題為：

(4)

式中：C——誤差懲罰系數(shù)。

引入拉格朗日函數(shù)可以得到該優(yōu)化問(wèn)題的對(duì)偶形式，即：

(5)

式中：αi和αj——拉格朗日乘子。

將核函數(shù)定義為：

K(xi,xj)=φ(xi)·φ(xj)

(6)

選擇的核函數(shù)為泛化能力較強(qiáng)的RBF(Radial Basis Function)徑向基函數(shù)，即：

(7)

式中：g——核函數(shù)參數(shù)。

f(x)=w*φ(x)+s*=

(8)

擬合數(shù)據(jù){xi,yi}即為SVR的訓(xùn)練數(shù)據(jù)，建立回歸函數(shù)后，就可以對(duì)新的輸入數(shù)據(jù){xi}進(jìn)行預(yù)測(cè)。SVR參數(shù)C和g的選擇對(duì)預(yù)測(cè)精度有較大的影響，目前暫無(wú)可用的經(jīng)驗(yàn)或理論模型來(lái)確定這2個(gè)參數(shù)。全局搜索算法如遺傳算法、粒子群算法在搜索SVR最優(yōu)參數(shù)方面有成功的應(yīng)用[13,14]，模型中采用粒子群算法，并運(yùn)用 LIBSVM3.0程序代碼[15]進(jìn)行計(jì)算。

2 數(shù)據(jù)分析結(jié)果

2.1 數(shù)據(jù)源選擇及預(yù)處理

采集某企業(yè)2014-2016年的常減壓裝置腐蝕相關(guān)數(shù)據(jù)。數(shù)據(jù)可劃分為3類：①工藝參數(shù)，包括壓力、溫度、流量、液位、物料成分等。數(shù)據(jù)量極大，且一定時(shí)間內(nèi)變化不大，導(dǎo)出時(shí)間間隔為1 h。②腐蝕性物質(zhì)參數(shù)，包括硫含量、酸值、酸度、鹽含量、水分、氯離子含量、pH值等。受采樣分析時(shí)間限制，側(cè)線油氣化驗(yàn)頻率1次/天，水質(zhì)參數(shù)化驗(yàn)頻率不定，約1～2次/周。③腐蝕相關(guān)監(jiān)檢測(cè)參數(shù)，包括切水總鐵離子含量、設(shè)備管線壁厚等，數(shù)據(jù)時(shí)間間隔約為1周。

數(shù)據(jù)源中信息多元化，存在采樣頻次差異大、部分缺失、值域跨度范圍大、量綱不同等特點(diǎn)，需進(jìn)行標(biāo)準(zhǔn)化預(yù)處理，避免計(jì)算矩陣病態(tài)，影響后續(xù)預(yù)測(cè)模型精度。預(yù)處理方法如下。

a)非量化數(shù)據(jù)處理。部分?jǐn)?shù)據(jù)采用非量化的描述(如硫化物濃度<1.0 mg/L)，根據(jù)數(shù)據(jù)源中存在非量化的狀態(tài)總數(shù)(如M種)，將這些非量化描述轉(zhuǎn)換成量化整數(shù)i(i=1～M)。

b)時(shí)間同步。選擇采集頻次最高的生產(chǎn)實(shí)時(shí)工藝參數(shù)作為最小時(shí)間尺度，即1次/h，其他數(shù)據(jù)集中添加“虛擬”采集數(shù)據(jù)，統(tǒng)一按照步驟c)補(bǔ)全。

c)數(shù)據(jù)補(bǔ)全。通過(guò)線性插值方法進(jìn)行補(bǔ)充，即：

(9)

式中：x——t時(shí)刻需要補(bǔ)全的值；

x1、x2——t1、t2時(shí)刻的測(cè)量值。

d)歸一化。采用sigmoid函數(shù)對(duì)參數(shù)進(jìn)行歸一化，sigmoid函數(shù)是數(shù)據(jù)歸一化中常用到的一種函數(shù)，它可以將變量非線性的映射到[0,1]區(qū)間，即：

(10)

x——參數(shù)的原始值。

處理后該數(shù)據(jù)源周期內(nèi)共有17 167次數(shù)據(jù)采點(diǎn)，133種數(shù)據(jù)類型。將數(shù)據(jù)源組裝成一個(gè)17 167×133的二維數(shù)據(jù)表，選擇常頂切水pH值、總鐵離子濃度作為考察的腐蝕關(guān)鍵參量，確定為因變量，進(jìn)而定義二維表17 167×131為自變量的因素表X，二維表17 167×2為因變量的對(duì)照表Y。

2.2 相關(guān)性分析

針對(duì)預(yù)處理后的數(shù)據(jù)集，分別計(jì)算前131個(gè)參數(shù)與塔頂切水pH值和鐵離子濃度的線性相關(guān)性，表1列出了與腐蝕關(guān)鍵參量相關(guān)性較高的因素?？梢钥闯?，常頂切水鐵含量和pH值與裝置的側(cè)線采樣和水樣分析結(jié)果存在較強(qiáng)的相關(guān)性，而這2部分?jǐn)?shù)據(jù)也能反映了原料性質(zhì)(脫前原油硫含量、脫前原油酸值)、加工工藝(減一線初餾點(diǎn)、減一線50%餾出溫度、電脫鹽閥前后壓差、常頂循環(huán)油熱值流量)、工藝防腐(含油污水氨氮、COD)對(duì)腐蝕的影響。因此，利用這些數(shù)據(jù)來(lái)預(yù)測(cè)塔頂切水的pH值、鐵離子濃度是合理的。

鐵含量與脫前原油硫含量呈正相關(guān)，是因?yàn)樗敻g以HCl-H2S-H2O腐蝕為主，原油硫含量高，塔頂H2S含量隨之增加，腐蝕加劇使鐵離子含量升高。鐵含量與原油酸值負(fù)相關(guān)，原油酸值主要是大分子有機(jī)酸(如環(huán)烷酸)貢獻(xiàn)的，酸值高不意味著進(jìn)入塔頂?shù)男》肿铀岷恳哺?，故該值與塔頂酸性水腐蝕不具備正相關(guān)性；另一方面，原油酸值高時(shí)煉油企業(yè)會(huì)增大注堿和電脫鹽的強(qiáng)度，大量的無(wú)機(jī)酸會(huì)被中和并被排出，減輕了塔頂腐蝕的強(qiáng)度，故與鐵含量負(fù)相關(guān)。減一線餾出溫度(減一線初餾點(diǎn)、減一線50%流出溫度、減一線95%流出溫度)、常三段液位與常頂切水鐵離子呈負(fù)相關(guān)，則主要是由于餾出溫度、塔內(nèi)液位與原料組成有關(guān)，輕組分多，減一線餾出溫度和常三段負(fù)荷相應(yīng)降低，輕組分進(jìn)入塔頂量增加促進(jìn)腐蝕，使總鐵含量增加。鐵離子與常頂循環(huán)油流量負(fù)相關(guān)，是因?yàn)榱髁吭酱螅槌龅臒崃吭蕉?，塔頂溫度越低，?dǎo)致腐蝕減弱，鐵離子濃度降低。含油污水的COD值主要取決于水相中的有機(jī)物含量，注有機(jī)胺和緩蝕劑越多，COD值越大，鐵離子含量越低，因此這二者呈負(fù)相關(guān)性。含油污水氨氮可以部分反應(yīng)注中和劑對(duì)腐蝕的影響，pH值越低，鐵離子濃度越大，塔頂腐蝕也越嚴(yán)重，相應(yīng)的注中和劑量會(huì)越大，含油污水中的氨氮濃度隨即也會(huì)越高。

表1 常頂回流罐切水腐蝕關(guān)鍵參量相關(guān)性分析

常頂切水pH值的主要相關(guān)因素與鐵濃度相關(guān)因素部分重疊，但相關(guān)性相反，如原油硫含量、減一線50% 餾出溫度、原油酸值、減一線初餾點(diǎn)等。pH值和鐵離子濃度是負(fù)相關(guān)量，即pH值越大，腐蝕性越弱，鐵離子濃度越低，該結(jié)果表明相關(guān)性分析的結(jié)果是合理的。pH值與上述4個(gè)量的相關(guān)關(guān)系參照其與鐵離子的相關(guān)關(guān)系。pH值與電脫鹽閥前后壓差呈負(fù)相關(guān)性，該閥是油水混合閥，壓差越大，混合強(qiáng)度越高，洗滌水的洗滌效果越好，脫鹽越徹底。大量的氯鹽被洗滌后，塔頂HCl濃度會(huì)將低，pH值就升高，因此二者之間存負(fù)相關(guān)性。由此可見，線性相關(guān)性分析結(jié)果合理地揭示了影響塔頂腐蝕關(guān)鍵參量的主要因素。

2.3 常壓塔頂切水離子濃度預(yù)測(cè)

常壓塔頂切水的Fe2+/3+離子濃度和pH值是制定工藝防腐方案的重要依據(jù)。利用支持向量機(jī)回歸法建立一種根據(jù)原料、產(chǎn)品的性質(zhì)及工藝參數(shù)預(yù)測(cè)常壓塔頂切水的Fe2+/3+離子濃度和pH值的模型?？紤]到計(jì)算效率，選擇前5 000個(gè)樣本(或數(shù)據(jù)記錄)進(jìn)行建模分析，隨機(jī)抽取3 500個(gè)樣本作為訓(xùn)練集，1 500個(gè)樣本作為測(cè)試集。其中，SVR的核函數(shù)采用徑向基(RBF)函數(shù)，利用粒子群算法對(duì)核函數(shù)參數(shù)g和損失函數(shù)參數(shù)C進(jìn)行優(yōu)化搜索，使得回歸函數(shù)的均方誤差(MSE)最小。通過(guò)多步迭代，最終確定預(yù)測(cè)pH值的支持向量機(jī)回歸模型的最優(yōu)參數(shù)為：g=37.45、C=42.06，預(yù)測(cè)Fe2+/3+濃度的支持向量機(jī)回歸模型的最優(yōu)參數(shù)為：g=18.23、C= 123.18。模型對(duì)塔頂2種腐蝕關(guān)鍵參量訓(xùn)練樣本和測(cè)試樣本的預(yù)測(cè)結(jié)果如圖1、圖2和表2所示。可以看出，各參量實(shí)際值和預(yù)測(cè)值曲線非常接近，最大偏差均不超過(guò)10%，建立的模型預(yù)測(cè)精度較高。

利用獲得支持向量機(jī)回歸模型，可以根據(jù)常減壓裝置的工藝數(shù)據(jù)、側(cè)線采樣數(shù)據(jù)和部分水質(zhì)數(shù)據(jù)對(duì)常頂回流罐中切水的pH值和總鐵濃度進(jìn)行實(shí)時(shí)預(yù)測(cè)，預(yù)測(cè)結(jié)果將為防腐工藝調(diào)整提供有力的技術(shù)支持。

3 結(jié)論

a)收集了某煉廠2014～2016年的常減壓裝置工藝數(shù)據(jù)、側(cè)線采樣數(shù)據(jù)、水質(zhì)分析數(shù)據(jù)，利用插值法將數(shù)據(jù)的采集時(shí)間尺度統(tǒng)一到1 h，采用sigmoid函數(shù)對(duì)數(shù)據(jù)集進(jìn)行歸一化，最后得到17 167×133的二維數(shù)據(jù)集。

圖1 常壓塔頂切水預(yù)測(cè)pH值與實(shí)際pH值的對(duì)比

圖2 常壓塔頂切水總鐵濃度預(yù)測(cè)值與實(shí)際值對(duì)比

表2 常減壓裝置塔頂腐蝕關(guān)鍵參量預(yù)測(cè)結(jié)果

b)利用線性相關(guān)性方法分析了常頂回流罐切水pH值和總鐵濃度與其他變量的相關(guān)性，結(jié)果表明，pH值和總鐵離子濃度的相關(guān)因素大部分重疊，與原料性質(zhì)及產(chǎn)品餾出溫度較強(qiáng)相關(guān)。

c)基于深度學(xué)習(xí)-支持向量機(jī)回歸-粒子群優(yōu)化方法對(duì)常減壓裝置塔頂腐蝕關(guān)鍵參量進(jìn)行建模預(yù)測(cè)分析，以生產(chǎn)實(shí)時(shí)數(shù)據(jù)、原料及產(chǎn)品性質(zhì)和水質(zhì)化驗(yàn)數(shù)據(jù)作為模型的輸入，以腐蝕關(guān)鍵參量作為模型的輸出。訓(xùn)練集和預(yù)測(cè)集上，關(guān)鍵參量預(yù)測(cè)值與測(cè)量值最大偏差不高于10%，預(yù)測(cè)模型的精度較高。