李傳坤，王春利，高新江

（化學(xué)品安全控制國家重點實驗室，中國石油化工股份有限公司青島安全工程研究院，山東 青島 266071）

己內(nèi)酰胺裝置安全運行指導(dǎo)系統(tǒng)研發(fā)與應(yīng)用

李傳坤，王春利，高新江

（化學(xué)品安全控制國家重點實驗室，中國石油化工股份有限公司青島安全工程研究院，山東 青島 266071）

由于己內(nèi)酰胺裝置具有高復(fù)雜性及高危險性，有必要開發(fā)一套在線診斷故障的安全運行指導(dǎo)系統(tǒng)，輔助操作人員的操作。本文基于定性的符號有向圖（signed directed graph，SDG）、專家系統(tǒng)，結(jié)合模糊邏輯、主元分析（principle component analysis，PCA）、神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）等多種定量故障診斷方法，建立了整個裝置的異常監(jiān)測與診斷模型；根據(jù)己內(nèi)酰胺裝置的工藝特點及故障模式，結(jié)合危險與可操作性分析結(jié)果和專家經(jīng)驗，建立了導(dǎo)致裝置發(fā)生故障的原因、傳播路徑以及處理措施的專家知識庫；開發(fā)了己內(nèi)酰胺裝置安全穩(wěn)定運行指導(dǎo)系統(tǒng)，并在己內(nèi)酰胺裝置上進行了工業(yè)應(yīng)用，取得了良好效果。

符號有向圖；模型；主元分析；神經(jīng)網(wǎng)絡(luò)；專家系統(tǒng)；危險與可操作性分析

己內(nèi)酰胺裝置生產(chǎn)過程中，陸續(xù)發(fā)現(xiàn)在安全穩(wěn)定運行方面還存在一些問題，主要包括以下兩點[1-2]。

（1）裝置的DCS控制系統(tǒng)“數(shù)據(jù)充分，信息缺乏”。因目前的DCS報警僅能給出簡單的報警信息，無法提供深層次的故障原因，一旦出現(xiàn)復(fù)雜故障，操作員面對DCS大量報警信息，難以及時準確判斷，甚至可能作出錯誤決策。

（2）操作水平對于操作員的個人經(jīng)驗依賴較重。裝置高效安穩(wěn)運行決定了裝置的技術(shù)經(jīng)濟水平，一線操作人員在其中起到相當(dāng)關(guān)鍵的作用。部分裝置操作人員的新老交替，裝置上有經(jīng)驗的操作人員流失。當(dāng)遇到裝置異常時，因自身經(jīng)驗問題，同時缺乏相應(yīng)參考、指導(dǎo)類的信息，容易產(chǎn)生操作延誤甚至操作失誤，從而產(chǎn)生較大波動，對安穩(wěn)生產(chǎn)造成不利影響。

因此，如何利用現(xiàn)有的海量生產(chǎn)數(shù)據(jù)，從中挖掘有效的信息，及時發(fā)現(xiàn)裝置異常，并為操作人員提供對裝置運行狀態(tài)準確及時的分析，是確保己內(nèi)酰胺裝置安全穩(wěn)定運行的重要環(huán)節(jié)。

本文以己內(nèi)酰胺裝置異常監(jiān)測與診斷為主要研究內(nèi)容，分析己內(nèi)酰胺裝置的安穩(wěn)運行狀態(tài)，并提供異常工況的操作指導(dǎo)。同時，內(nèi)置各種專家知識，以留住操作人員和技術(shù)人員的經(jīng)驗，輔助他們的在線交流學(xué)習(xí)。

1 安全運行指導(dǎo)技術(shù)

1.1 現(xiàn)場數(shù)據(jù)采集及預(yù)處理

（1）通過對OPC通訊協(xié)議、InfoPlus21實時數(shù)據(jù)庫等內(nèi)容的深入研究，開發(fā)了用于采集工業(yè)現(xiàn)場實時數(shù)據(jù)的數(shù)據(jù)采集平臺，該平臺支持各種流行通訊協(xié)議，如ODBC、OPC、DDE等，能夠

完成與國內(nèi)外多種DCS系統(tǒng)及實時數(shù)據(jù)庫系統(tǒng)的通信。

（2）基于插值細分方法的提升小波原理，設(shè)計了相應(yīng)的預(yù)測與更新算子克服傳統(tǒng)小波變換存在的邊界問題，并采用中值法去除數(shù)據(jù)中包含的粗大誤差，然后通過一個滑動的時間窗，將提升小波閾值去噪應(yīng)用于數(shù)據(jù)的預(yù)處理中。

1.2 報警分析

危險與可操作性分析（hazard and operability analysis，HAZOP）方法是裝置危害辯識的重要應(yīng)用技術(shù)之一，可以集合裝置工藝、設(shè)備、儀表等多部門的集體智慧，分析裝置運行中的安全問題。

同時，根據(jù)EEMUA Publication 191（《報警系統(tǒng)-設(shè)計、管理及采購指導(dǎo)》）標準，由風(fēng)險的嚴重性（臨界、大、中或?。┘熬o迫性（立即行動、迅速、盡快），確定報警優(yōu)先值（緊急、高或低），實現(xiàn)報警分級，以便于根據(jù)同時發(fā)生的報警的重要程度對報警排序。具體如表1所示。

這樣，將HAZOP的“引導(dǎo)詞+工藝參數(shù)”為表達方式的分析結(jié)果，與裝置的單點報警匹配，即可形成針對單點報警的報警規(guī)則，實時得到報警的優(yōu)先級、發(fā)生的原因、可能產(chǎn)生的后果、操作建議等，為操作員提供操作指導(dǎo)。

表1 報警優(yōu)先值的確定

1.3 工藝狀態(tài)監(jiān)測與指導(dǎo)

系統(tǒng)研究了基于定性定量復(fù)雜工藝狀態(tài)監(jiān)測與指導(dǎo)技術(shù)實用方法，具體包括如下。

（1）提出了完整的定性符號有向圖（signed directed graph，SDG）故障診斷方法、建模流程、步驟、原則及算法，并在此基礎(chǔ)上構(gòu)建了“故障邏輯關(guān)系模型”的建立規(guī)則。

（2）研究了包括模糊邏輯、主元分析（principle component analysis，PCA）、神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）等定量故障診斷技術(shù)的基本原理、診斷步驟及算法，測試了各種故障診斷算法的實際診斷效果。

對于己內(nèi)酰胺這種大型石化裝置，由于系統(tǒng)的連續(xù)性、復(fù)雜性，單一的異常監(jiān)測診斷方法均常常存在一定的缺陷。例如使用PCA方法進行監(jiān)測時，傳統(tǒng)的監(jiān)測指標為T2統(tǒng)計量和Q統(tǒng)計量[3-4]，如式（1）～式（4）。

但是，在實際生產(chǎn)過程中僅根據(jù)T2和Q統(tǒng)計量進行異常檢測往往出現(xiàn)結(jié)果的不確定性，為避免這種情況的發(fā)生，本文采用了Qin[3]、Zumoffen[5]提出的新的綜合故障監(jiān)測指標z，如式（5）。

式中，?T2=mean(T2)+τ ·std(T2)，?Q=mean(Q)+ τ ·std(Q)，mean(x)表示隨機變量x的平均值，std(x)表示x的標準差，而τ為誤判風(fēng)險參數(shù)，通常取2（5%α=）或3（1%α=）。當(dāng)某一實時數(shù)據(jù)向量的綜合指標z ＞ 2時，則認為過程出現(xiàn)異?；蚬收?。該綜合指標不僅避免了診斷結(jié)果的不確定性，并且對過程變量分布的依賴性較小。

此外，PCA方法的優(yōu)勢是能實時監(jiān)測數(shù)據(jù)的變化，但難以給出造成數(shù)據(jù)變化的根源。即該方法適用于“監(jiān)測”而非“診斷”。

因此，為了集合各種技術(shù)方法的特長，本文提出一個層次融合監(jiān)測與診斷模型[6-8]，并在此基礎(chǔ)上開發(fā)了工藝監(jiān)測與診斷引擎。其結(jié)構(gòu)如圖1所示。

圖1 層次融合監(jiān)測診斷模型

工藝監(jiān)測與診斷引擎利用符號有向圖的雙向推理能力，結(jié)合風(fēng)險發(fā)生的嚴重等級、頻率等級，計算風(fēng)險的發(fā)生概率以及嚴重度，得到各個可能性風(fēng)險的排隊序列。其輸出是以一定規(guī)則編輯的邏輯代碼，該代碼不能直接反饋到人機界面，需要專家知識庫的支持。該知識庫包括異常工況經(jīng)驗庫、設(shè)備知識庫、物性知識庫、控制系統(tǒng)知識庫和傳感器知識庫，為工藝監(jiān)測引擎提供歷史事故經(jīng)驗、設(shè)備失效知識、物性參數(shù)、常見控制器失效模式和傳感器失靈模式等相關(guān)知識與規(guī)則。在異常處理過程中得到的新規(guī)則，可以動態(tài)加入到知識庫中，提高其準確性和效率。工藝監(jiān)測與診斷引擎得到分析結(jié)果的邏輯編碼后，便可到專家系統(tǒng)知識庫中去匹配相應(yīng)的解釋，解釋的內(nèi)容以自然化的語言被保存到內(nèi)存數(shù)據(jù)庫中，提供給客戶端模塊調(diào)用，輔助操作人員了解裝置運行的動態(tài)。

客戶端的GUI子系統(tǒng)是人機界面部分，負責(zé)所有的數(shù)據(jù)顯示、聲光報警、報表生成和人員對本系統(tǒng)的相關(guān)操作。

HAZOP分析結(jié)果經(jīng)過整理，即可以作為報警分析的“知識”來源，也可以形成異常工況經(jīng)驗庫的一部分。結(jié)合其他的定性定量的工藝狀態(tài)監(jiān)測方法形成的層次融合監(jiān)測與診斷模型，不僅部分解決了裝置的DCS控制系統(tǒng)“數(shù)據(jù)充分，信息缺乏”的問題，而且可以保留住裝置上優(yōu)秀的操作經(jīng)驗。

2 系統(tǒng)開發(fā)與應(yīng)用

以上述安全運行指導(dǎo)技術(shù)為核心，結(jié)合某煉化企業(yè)己內(nèi)酰胺裝置的實際需求，開發(fā)完成了“己內(nèi)酰胺裝置安全運行指導(dǎo)系統(tǒng)”，并在現(xiàn)場進行應(yīng)用。

2.1 系統(tǒng)功能

系統(tǒng)實現(xiàn)了數(shù)據(jù)采集、組態(tài)建模、實時監(jiān)測、知識管理等功能，軟件系統(tǒng)為B/S架構(gòu)。軟件系統(tǒng)的整體功能示意圖如圖2所示。

2.2 現(xiàn)場應(yīng)用

“己內(nèi)酰胺裝置安全運行指導(dǎo)系統(tǒng)”在該煉化企業(yè)的己內(nèi)酰胺裝置酰胺化單元進行了應(yīng)用。酰胺化單元主要由反應(yīng)氣正己烷吸收、循環(huán)蒸餾、預(yù)混合、酰胺化、水解、CCA萃取、酸團貯存、中性副產(chǎn)物處理、組合工藝等工序組成，如圖3所示。

對裝置進行了深入分析，結(jié)合專家經(jīng)驗及多種監(jiān)測診斷方法，構(gòu)建了針對酰胺化單元的專家知識庫和監(jiān)測診斷應(yīng)用模型，其中，故障邏輯關(guān)系模型如圖4所示。

圖2 系統(tǒng)功能示意圖

圖3 酰胺化單元流程簡圖

圖4 酰胺化單元故障邏輯關(guān)系模型圖

2.2.1 報警分析

對于重要的DCS儀表，實時監(jiān)測其狀態(tài)：關(guān)聯(lián)HAZOP分析結(jié)果，根據(jù)報警優(yōu)先級，進行報警分析。例如TI0414在某時刻發(fā)生高報，畫面上部給出“低”的報警優(yōu)先值，畫面下部給出可能原因、建議措施、不利后果、防范措施等，如圖5所示。

2.2.2 工藝監(jiān)測與診斷

系統(tǒng)對工藝狀態(tài)進行實時監(jiān)測，發(fā)現(xiàn)異常時，及時提示用戶。

（1）中性副產(chǎn)物工段停工，清洗系統(tǒng) 某日，由于中性副產(chǎn)物工段要清洗系統(tǒng)，故該工段停工。而作為該工段的進料流量，F(xiàn)IC0411前的泵P0410關(guān)閉。

圖5 報警分析界面

圖6 FIC0411趨勢圖

圖7 預(yù)混合工段工藝狀態(tài)監(jiān)測趨勢圖

圖6給出了該日8：00～20：00時間段內(nèi)，F(xiàn)IC0411的變化趨勢。圖7給出了該時間段內(nèi)工藝狀態(tài)監(jiān)測模塊對預(yù)混合工段的監(jiān)測結(jié)果。

由圖6可知，F(xiàn)IC0411在8：41突然下降，直至18：16開始逐漸恢復(fù)。與此對應(yīng)，預(yù)混合工段的工藝狀態(tài)監(jiān)測模塊給出的監(jiān)測結(jié)果是，故障監(jiān)測指標z（即“工藝監(jiān)測指標”）從8：41突然上升，且在8：41～18：16時間段大都維持故障報警狀態(tài)，而其余時間段內(nèi)監(jiān)測模塊皆給出了工段處于正常狀態(tài)的結(jié)論，與實際情況相符，如圖7所示。

此時，安全運行指導(dǎo)系統(tǒng)的運行界面圖如圖8所示，其結(jié)論是FIC0411發(fā)生嚴重報警。

（2）酰胺化反應(yīng)溫度高，增大流量降溫 某日，由于酰胺化工段的R0402反應(yīng)器反應(yīng)溫度持續(xù)偏高，操作工在8：30左右開大了FIC0424流量，通過增大流量降溫，生產(chǎn)系統(tǒng)產(chǎn)生較大波動。

安全運行指導(dǎo)系統(tǒng)監(jiān)測到故障監(jiān)測指標z嚴重超標，遠遠大于上限2，見圖9。根據(jù)故障邏輯關(guān)系模型，系統(tǒng)推理出結(jié)論：8：39左右，“反應(yīng)器R0402溫度先超高，隨后冷卻液流量FIC0424增大，可能進行冷卻”，同時可以看到FIC0424等位點發(fā)生較大偏離。

現(xiàn)場應(yīng)用表明，安全運行指導(dǎo)系統(tǒng)的監(jiān)測結(jié)果與現(xiàn)場實際情況吻合，可以正確的檢測出裝置異常，且可以根據(jù)預(yù)先建立的知識庫正確地診斷故障原因。

2.2.3 知識管理

系統(tǒng)提供開放式的接口，用戶可以在線查閱并添加裝置的開停車、設(shè)備、操作方案、事故預(yù)案與案例以及HAZOP分析結(jié)果等信息，從而了信息的繼承與交流。

系統(tǒng)自現(xiàn)場投用以來，實時監(jiān)測模塊給出的提示信息較為準確和及時，其反映出的變化趨勢和調(diào)節(jié)方向，與裝置的實際狀況吻合，與操作員的操作調(diào)整也基本保持一致。該系統(tǒng)對酰胺化單元運行故障判斷的準確率超過90%，誤報率在4%以下。同時，事故預(yù)案知識庫、操作方案等在線知識庫對于增強員工操作培訓(xùn)效果、節(jié)約培訓(xùn)成本具有很好的作用。

圖8 酰胺化單元工藝狀態(tài)監(jiān)測界面1

圖9 酰胺化單元工藝狀態(tài)監(jiān)測界面2

3 結(jié) 論

根據(jù)某煉化企業(yè)己內(nèi)酰胺裝置工藝技術(shù)特點及故障模式，應(yīng)用多種定性定量的故障分析診斷技術(shù)，開發(fā)了己內(nèi)酰胺裝置在線安全運行指導(dǎo)系統(tǒng)，對生產(chǎn)過程進行實時的異常監(jiān)測和診斷，幫助現(xiàn)場操作人員及時發(fā)現(xiàn)裝置中存在的問題并作出快速反應(yīng)。該系統(tǒng)的投用后，取得了良好的應(yīng)用效果：有助于輔助裝置工藝技術(shù)人員分析可能出現(xiàn)的各種復(fù)雜工況，避免由于判斷失誤或誤操作等原因?qū)е碌纳a(chǎn)波動或非計劃停車事件的發(fā)生。

[1] 張衛(wèi)華，王春利，姜巍巍，等. 石化裝置安全運行指導(dǎo)系統(tǒng)開發(fā)及應(yīng)用[C]//2009年中國過程系統(tǒng)工程年會暨中國MES年會論文集. 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.工業(yè)過程監(jiān)測：基于小波和統(tǒng)計學(xué)的方法[D].杭州：浙江大學(xué)，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] 陶少輝，李傳坤. 化工過程故障原因診斷的變量異常順序法[J]. 計算機與應(yīng)用化學(xué)， 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 。

國家科技支撐計劃（2012BAK13B00）及國家高技術(shù)研究發(fā)展計劃（2013AA040701）項目。

及聯(lián)系人：李傳坤（1984—），男，碩士，工程師。E-mail lick.qday@sinopec.com。