彭延建 張超 姜夏雪 高歌

（中海石油氣電集團有限責任公司 北京 100028）

近十年來，中國進入了液化天然氣（LNG）接收站的建設高潮，截至2021年底，國內已建成22座LNG接收站，接收能力9 910萬t／a，另有25座擬建或待建［1］。中國LNG接收站在設計上需要滿足頻繁啟停、外輸的穩(wěn)定性和靈活性的要求，其設計及操作是世界同類型接收站中最為復雜的［2］，而在LNG接收站的日常運營過程中，-160℃的LNG容易受熱氣化而產生蒸發(fā)氣（Boil Off Gas，BOG），因此BOG處理是接收站的重要工作［3］。BOG處理主要包括再冷凝和直接壓縮2種方式。與直接壓縮工藝相比，再冷凝工藝可節(jié)約30%～60%的成本［4-5］，因此成為大多數LNG接收站的BOG處理工藝。

再冷凝器是再冷凝工藝的核心設備，在接收站工藝流程中承擔著承上啟下的作用［6］。再冷凝器通過噴淋量控制回路計算噴淋量而自動調節(jié)噴淋閥的開度，保證進入再冷凝器的LNG流速穩(wěn)定且滿足冷凝要求［7］。然而在LNG接收站投產后，一方面發(fā)現噴淋回路投自動計算的噴淋量無法滿足BOG的再冷凝需求，只能通過手動方式進行調整；另一方面，采用大數據方法解決油氣儲運問題已越發(fā)普遍［8］，例如于濤等［9］基于數據挖掘算法和BP神經網絡建立熱油管道油溫預測模型；謝鵬等［10］基于深度學習算法搭建數據驅動代理模型，探討管道失效內壓的影響因素與管道等效應力之間的映射關系。LNG接收站在運行期間所積累的數據資料非常龐大，但目前鮮有將大數據技術應用于LNG接收站問題的研究。

針對現場噴淋控制回路無法投用、手動頻繁操作、現場數據量大卻無應用的現狀，本文通過采集現場數據和再冷凝器工程設計資料，對噴淋控制回路的設計計算過程進行復核，對比手動噴淋值、控制回路復核值和工藝模擬值，來查找噴淋回路無法投自動的原因；基于大數據分析技術構建再冷凝器噴淋量數據驅動計算模型，為再冷凝器噴淋操作提供量化建議。本文研究結果可提高再冷凝器操作精度，有效降低人力負荷，為LNG接收站大數據的運營和分析提供指導。

1 再冷凝器噴淋量分析

再冷凝器噴淋控制回路原理如圖1所示，通過再冷凝器BOG入口管線壓力PPT-01和溫度TTT-01對BOG流量QFY-02進行補償，根據補償后的流量計算LNG的理論噴淋量QFY-03，然后輸出為FY-04的開度1；同時，控制器（PIC-02）根據再冷凝器上部壓力PPT-02計算FY-04的開度2；開度1和開度2取其中的高值，由流量控制器FIC-01驅動閥門FV-01進行噴淋。

圖1 再冷凝器噴淋控制回路原理示意圖Fig.1 Schematic diagram of the recondenser spray control circuit

1.1 噴淋量現場實驗對比

為了查找噴淋回路無法自動噴淋的原因，需將噴淋回路設置為手動模式，通過現場測點FT-01獲得的手動噴淋量為96.89 m3／h。在再冷凝器其他參數不變的情況下，將噴淋回路切換至自動模式，記錄噴淋回路的相關參數（表1），DCS頁面顯示噴淋回路計算值僅為26.32 m3／h，與手動模式下噴淋結果偏差較大。

表1 再冷凝器實測數據Table 1 Measured data by different measuring points of the recondenser

1.2 噴淋回路的噴淋量計算

1）氣體的溫度、壓力補償計算。

氣體的可壓縮性使其流量計算存在溫壓補償問題［11］，BOG氣體流量可通過再冷凝器入口管線當前壓力和溫度進行補償，表示為

式（1）中：QFT-02和Q′FT-02分別為溫度、壓力補償前后標況下的BOG氣體流量，m3／h；Tref為標況溫度，K，取值273.15 K；pref為標況壓力，MPaG，取值0.101 325 MPaG；TTT-01為再冷凝器BOG入口管線溫度，℃；PPT-01為再冷凝器BOG入口管線壓力，MPaG。

2）理論噴淋量計算。

LNG理論噴淋量表示為

式（2）、（3）中：QLNG為LNG體積流量，m3／h；R為比例參數，通常取值7～9，系統(tǒng)默認為8；F為從質量流量轉換為體積流量所需的倍增因子，根據貧富組分的不同通常取值0.001 51～0.001 87，平均值為0.001 6；ρLNG為LNG的密度，kg／m3；MW為蒸發(fā)氣的分子量。

3）回路噴淋值量計算。

根據式（1）～（3），結合表1再冷凝器實測數據進行計算，得到噴淋回路計算值為101.56 m3／h。可以發(fā)現，噴淋回路計算得到的噴淋值與人工實際值96.89 m3／h較為接近，同樣也與DCS頁面顯示的噴淋值26.32 m3／h相差較大。

1.3 噴淋量模擬計算

為了進一步驗證現場操作和噴淋回路計算的正確性，利用Aspen HYSYS軟件搭建再冷凝器噴淋量計算模型，如圖2所示。選用Peng-Robinson狀態(tài)方程，輸入儲罐內LNG和BOG實際組分及數據（表1），模擬進入再冷凝器的帶壓高溫BOG氣體與低溫LNG液體，兩者混合后的飽和液體再進行迭代，得出LNG的模擬噴淋量為105.1 m3／h。

圖2 噴淋量模擬計算示意圖Fig.2 Simulation and calculation of spray volume

1.4 再冷凝器噴淋量驗證

手動噴淋量、噴淋回路計算量、模擬噴淋量與DCS顯示噴淋量的數據對比結果見表2?？梢钥闯觯绻允謩訃娏芰繛闃藴?，則噴淋回路計算量、模擬噴淋量的誤差較小，這意味著工程設計的自控邏輯是正確的，而DCS顯示與噴淋量誤差較大的主要原因是DCS組態(tài)程序存在未知錯誤。

表2 不同方法測算噴淋量對比表Table 2 Comparison table of spray volume with different measurement methods

2 基于再冷凝器噴淋量大數據的線性回歸研究

2.1 數據相關性分析

經測算，國內某LNG接收站5 000個測點1年內產生的主工藝數據總量約為6T，利用這些數據可開展基于大數據分析的噴淋量線性回歸研究。

根據圖1的再冷凝器工藝流程原理可知，再冷凝器噴淋相關數據點主要包括流量、壓力、溫度、位置的關鍵測點12個（表3）。流量、壓力、溫度數據可通過DCS系統(tǒng)獲?。粶y點位置數據可通過工程設計工藝流程圖獲取。

抽取該接收站再冷凝器2020年1月1日至2021年3月31日共15個月的數據，根據現場實際生產工況與表3，剔除未噴淋時間段及異常時間段數據。利用Python語言編寫代碼，分析12個測點間的相關性，結果見表4。

表3 再冷凝器噴淋相關工藝數據測點劃分Table 3 Division of recondenser spraying related process data

按照強相關性（相關系數≥0.8）、中等相關性（0.2≤相關系數＜0.8）、弱相關性（相關系數＜0.2）的劃分方法，強相關性為測點FT-02，中等相關性為測點TT-01、PT-03和TT-02，弱相關性為其他測點。這一結果與人為手動操作調節(jié)時主要關注的測點也較為匹配。

2.2 線性回歸模型及其精度驗證

2.2.1 線性回歸模型的建立

依據表4不同測點與LNG噴淋量相關性的排序情況，按照強和中等相關性的相應測點，分別建立一元和四元線性回歸模型，并將結果與手動噴淋量、噴淋回路計算量和模擬噴淋量進行對比。

表4 噴淋量測點相關性分析矩陣Table 4 Correlation analysis results of spray measurement points

1）一元線性回歸模型。

一元線性回歸擬合選擇強相關性測點作為變量，其回歸模型為

利用15個月的所有數據對模型進行驗證，以天為單位計算模型精度，將結果與實際噴淋量進行對比。經Pyhton計算，該一元模型的精度為0.682。

2）四元線性回歸模型。

四元線性回歸擬合選擇強和中等相關的4個測點作為變量，其回歸模型為式（5）。同理進行驗證，四元線性模型的精度為0.761。

2.2.2 線性回歸模型結果分析

以表1的再冷凝器實測數據為基礎，分別計算一元和四元線性回歸模型的噴淋量，利用2020年的整年歷史數據分別對2個線性回歸模型進行驗算，其結果見表5。

表5 不同線性回歸模型噴淋量結果對比表Table 5 Spray volume comparison by different linear regression models

根據表5可知，與實際噴淋量相比，四元線性回歸模型的準確度較高，單獨只考慮相關性最大變量的一元線性回歸模型，并不能使大數據模型的計算精度更高。另外基于大數據的線性回歸模型得到的再冷凝器噴淋結果，與手動實際噴淋量的誤差均在10%以內。這意味著雖然基于設計原理的理論計算與基于數據的計算方法不同，但卻可以得到近似的結果。

3 結論與展望

LNG接收站頻繁啟停要求其外輸的穩(wěn)定性和靈活性較高，因此再冷凝器噴淋量的準確計量和測算勢在必行。目前，噴淋回路無法自動投用的原因在于DCS組態(tài)程序存在未知錯誤。鑒于DCS組態(tài)程序修改難度較大且LNG接收站獲取大量數據的現狀，采用簡單易行的線性回歸方法建立噴淋量線性回歸模型，可以較低的誤差計算出再冷凝器噴淋量。未來隨著中國LNG接收站數量的增加，這種基于獲取大數據的線性回歸研究方法及噴淋量四元線性回歸模型，均可在LNG接收站加以部署和推廣，根據模型應用效果進一步修正模型，提高模型精度，為再冷凝器噴淋量提供更加精準的量化建議。