張欣，周利，王詩慧，吉旭，畢可鑫

（四川大學化學工程學院，四川成都 610065）

引 言

世界原油重質化加劇、環(huán)保要求日趨嚴格以及石油產(chǎn)品結構的調整致使煉油企業(yè)對氫氣資源的需求量不斷上升，氫氣資源消耗已成為僅次于原油的第二大生產(chǎn)成本。因此，優(yōu)化氫氣網(wǎng)絡、提升氫氣資源利用率對煉油工業(yè)實現(xiàn)節(jié)能減耗、降低生產(chǎn)成本具有重要的理論價值和實際應用意義[1]。

目前，對于氫氣系統(tǒng)的主要研究方法可歸為兩類，分別是基于夾點理論的圖形分析法和基于超結構的數(shù)學規(guī)劃法。夾點分析法具有簡潔、直觀的特點，在氫氣網(wǎng)絡的設計和優(yōu)化中得到了廣泛應用[2?4]。但該方法難以綜合考慮到實際生產(chǎn)中的各類約束條件，并且在求解大規(guī)模問題上有一定的限制，由此推動了數(shù)學規(guī)劃法的發(fā)展。Hallale 等[5]采用了超結構描述氫網(wǎng)絡，并建立了混合整數(shù)非線性規(guī)劃模型（MINLP）進行優(yōu)化設計。隨著氫氣網(wǎng)絡集成技術的深入研究，部分過程單元也逐步被納入全局優(yōu)化模型。例如，為了能更有效地提升氫氣資源利用率，許多研究者在網(wǎng)絡上層結構中引入提純單元，并對此展開了大量研究[6?9]。此外，加氫處理單元也是煉廠氫網(wǎng)絡的重要組成部分，通過加氫反應除去油品中的有害雜質或實現(xiàn)重油輕質化，再利用閃蒸操作分離氣液組分以確保氫氣的循環(huán)使用。而在加氫反應過程中會伴有雜質氣體（如C1～C5、H2S、NH3等）的生成，為了更加貼近實際生產(chǎn)，研究者們認為應當考慮氫氣系統(tǒng)的多雜質特性，建立多組分氫網(wǎng)絡優(yōu)化模型[10?12]。Jia 等[13]提出了一種考慮輕烴生成和閃蒸過程的全局優(yōu)化算法，通過固定輕烴產(chǎn)量和閃蒸常數(shù)（K值），將反應器和閃蒸單元納入了氫氣網(wǎng)絡優(yōu)化模型，結果表明該方法應用于實際生產(chǎn)的可行性更高。隨后，Umana 等[14?15]通過引入經(jīng)驗模型來預測加氫反應器內氫氣的消耗量、輕烴及H2S 的生成量，使得該模型進一步逼近于實際的生產(chǎn)過程。而對于多雜質氫氣分配網(wǎng)絡，氫氣流股中過高的H2S 濃度會使催化劑失活，甚至帶來設備腐蝕的問題。因此，H2S 濃度對整個氫網(wǎng)絡的影響也備受關注[16]。為了更大限度地回收利用廢氫流股，Zhou 等[17]將脫硫過程作為一個簡化的質量交換問題集成到氫氣網(wǎng)絡優(yōu)化中，旨在研究氫氣網(wǎng)絡和脫硫單元之間的權衡關系。Yang 等[18]利用Aspen HYSYS 建立了一個嚴格的H2S 脫除模型，并將其嵌入氫網(wǎng)絡模型中實現(xiàn)二者間的耦合優(yōu)化。

在這些氫氣網(wǎng)絡與過程單元集成優(yōu)化的研究中，大多數(shù)采用簡化模型或仿真模擬來替代實際的過程系統(tǒng)，卻難以保證模型的精度或求解效率。因此，如何建立高精度且高計算效率的過程模型一直是其中的重點難點。為此，Wang 等[19]提出了一種基于數(shù)據(jù)驅動的高維模型表示方法（HDMR）對加氫精制和閃蒸分離過程做近似擬合，研究結果表明該方法能夠有效地提升建模精度和優(yōu)化效率。隨后，Li等[20]建立了基于Kriging 的變壓吸附裝置（PSA）的代理模型，實現(xiàn)了PSA 與氫氣分配網(wǎng)絡的優(yōu)化設計。Xia 等[21]在此基礎上通過建立H2S 脫除過程的高精度數(shù)學模型，完成了氫氣網(wǎng)絡和脫硫單元的同步優(yōu)化。由此說明，構建基于數(shù)據(jù)驅動的代理模型來替代實際的過程系統(tǒng)能夠以較低的計算成本獲取更加可行的優(yōu)化結果。

然而，前述研究中所建立的數(shù)學模型都是針對某一特定的場景，假定了系統(tǒng)的氫氣供需量和其他過程參數(shù)始終保持不變。但在實際生產(chǎn)中，原油配置結構會隨著石化企業(yè)加工規(guī)模的擴增而調整，并且產(chǎn)自同一地區(qū)的原油也會因開采時間不同而出現(xiàn)明顯的性質差異，如圖1 所示。原油性質波動可能會導致氫氣網(wǎng)絡供需不平衡，引發(fā)嚴重后果[22]。為了增強氫氣網(wǎng)絡的魯棒性，應對不確定性因素對網(wǎng)絡運行的影響，隨機規(guī)劃理論被提出用于求解不確定條件下的氫氣網(wǎng)絡優(yōu)化問題[23?25]。盡管目前該方法已經(jīng)在氫網(wǎng)絡研究領域中得到了廣泛應用，但多是從宏觀上定義問題，例如市場環(huán)境變化[22,26]、氫氣供需量波動[27?28]，并未從微觀層面解析原油性質改變對網(wǎng)絡拓撲結構的影響。由于原油中的S、N雜質組分含量關系到后續(xù)加氫精制過程，它們的隨機波動會引起加氫反應過程中實際耗氫量和雜質氣體生成量發(fā)生改變，從而使得氫氣網(wǎng)絡的操作運行存在不確定性。

圖1 南疆原油性質分析數(shù)據(jù)Fig.1 Analysis data of crude oil properties in Southern Xinjiang

針對于此，本文提出了一種基于質量傳遞機理的隨機規(guī)劃建模框架，以綜合應對原油性質變化對氫氣網(wǎng)絡運行的擾動。該框架耦合了常減壓蒸餾、加氫精制及閃蒸分離等過程模型，以此計算網(wǎng)絡運行所涉及的過程變量；再利用代理模型技術嵌入脫硫模塊，考慮關鍵雜質H2S的脫除；最后在滿足產(chǎn)品規(guī)格的前提下，采用二階段隨機規(guī)劃建模，對煉廠氫氣網(wǎng)絡進行優(yōu)化設計，使其在整個不確定的運行參數(shù)范圍內保持可行和最優(yōu)。模型的目標是年度總費用（TAC）最低，通過量化隨機解的值來評估隨機規(guī)劃的實際效益，為確定性解和隨機解之間的比較提供可靠的依據(jù)。

1 問題描述

原油中的S、N雜質組分含量的隨機波動會影響煉廠氫氣網(wǎng)絡的最優(yōu)運行，并且通過加氫精制過程產(chǎn)生的H2S 氣體會制約氫氣流股的循環(huán)回用[17]。為了提升氫氣網(wǎng)絡的魯棒性，同時降低H2S 雜質對流股的限制，考慮在現(xiàn)有氫氣網(wǎng)絡中增設脫硫模塊并改造管網(wǎng)。因此，本研究的目的是建立一個基于多場景、多尺度下的數(shù)學規(guī)劃模型對已有的氫網(wǎng)結構進行優(yōu)化設計。

氫氣資源系統(tǒng)包含了大量涉及氫氣生成和消耗的加工單元，這些設備單元之間所有可能的連接方式構成了氫氣網(wǎng)絡超結構。它可以捕獲豐富的網(wǎng)絡特征，從而促進資源網(wǎng)絡的建模和優(yōu)化[21]。本文中所構建的超結構包括五個過程單元和氫氣分配網(wǎng)絡，如圖2所示。在實際加工過程中，原油及內部雜質通過常減壓蒸餾操作輸送至原油精煉系統(tǒng)，在氫氣和催化劑的作用下進行二次加工處理。H2S脫除單元和輕烴脫除單元用于去除加氫精制過程中所產(chǎn)生的C1～C5、H2S、NH3等雜質氣體，實現(xiàn)氫氣資源的回用；壓縮機系統(tǒng)能夠提升低壓流股的壓力水平，完成氣體的輸送；氫氣分配網(wǎng)絡決定了各單元之間的氫氣分配。為了降低模型的復雜度、提升求解效率，采用以下規(guī)則對氫氣網(wǎng)絡超結構進行簡化：

圖2 氫氣網(wǎng)絡超結構Fig.2 State?space superstructure of the hydrogen network

（1）每股氫源都可被分流以滿足不同氫阱的工藝要求，每個氫阱都可接受來自不同氫源的混合氫流股；

（2）壓差較大的流股不能共混，而壓力等級相近的流股可以混合并送入同一脫硫裝置中進行處理。

2 煉廠氫氣分配網(wǎng)絡建?？蚣?/h2>

嚴格來說，設計煉廠氫氣網(wǎng)絡拓撲結構的最終目的是為了生產(chǎn)符合環(huán)境要求和經(jīng)濟目標的石油產(chǎn)品。為此，本文提出了一個基于質量傳遞機理的隨機規(guī)劃建模框架，如圖3 所示。整體優(yōu)化建模包括三個部分：第一，針對原氫氣網(wǎng)絡集成各過程單元模型建模優(yōu)化，相關集成方法在第3 節(jié)詳述；第二，選取合適的擬合空間，構建高精度的脫硫代理模型，并嵌入氫網(wǎng)絡；第三，采用二階段隨機規(guī)劃法（SP）處理多場景下的氫網(wǎng)絡優(yōu)化設計問題，下面將詳細介紹第二、三部分。

圖3 煉廠氫氣分配網(wǎng)絡建?？蚣蹻ig.3 Modeling frameworks for refinery hydrogen distribution network

2.1 脫硫單元代理模型構建

目前，常用的代理模型方法有多項式回歸法（PR）[29]、Kriging 模型[30]、支持向量機[31]、人工神經(jīng)網(wǎng)絡[32]等。由于多項式回歸法構造簡單、建模迅速且計算效率高，本文選擇該方法建模，其通用表達形式如式（1）[33]所示：

代理模型的構建主要有四步。首先，確定模型輸入、輸出變量及擬合邊界；其次，在擬合范圍內進行空間采樣，這里選用Sobol 采樣法，其具有良好的空間填充能力和易于使用的特點[34]；然后，調用第三方模擬軟件Aspen plus 模擬嚴格的MDEA 脫硫過程[35]，生成采樣數(shù)據(jù)集并預處理；最后，采用多項式回歸及交叉驗證法進行模型的訓練和驗證，以決定系數(shù)（R2）和均方根誤差（RMSE）評估模型精度，對比驗證結果，選擇其中最合適的代理模型嵌入氫網(wǎng)絡。

2.2 二階段隨機規(guī)劃建模

二階段隨機規(guī)劃方法可以處理集成策略中的不確定性，其核心思想是優(yōu)化氫氣網(wǎng)絡經(jīng)濟性能的同時確保運行的魯棒性[22]。在SP 模型中，第一階段確定網(wǎng)絡拓撲結構，涉及脫硫裝置的配置、處理能力的設計及管網(wǎng)的連接；第二階段根據(jù)不確定性參數(shù)優(yōu)化網(wǎng)絡運行，計算各場景下氫氣供應量、管道輸送量、氣體純度等過程參數(shù)。從成本的角度來看，第一階段的決策代表了資本成本（CAPEX），第二階段的決策代表了多種操作場景下的運營成本（OPEX）。

3 氫氣網(wǎng)絡優(yōu)化的數(shù)學模型

3.1 常減壓單元

在石油加工過程中，常減壓單元會按原油的蒸發(fā)能力將其分為沸點范圍不同的油品（即餾分），而其中的S、N雜質組分也會隨此過程有規(guī)律地分布在各餾分中，并呈現(xiàn)出一定的線性關系[36]。因此，為了降低模型復雜度，本文對常減壓蒸餾的過程模型合理簡化，根據(jù)煉廠實際操作數(shù)據(jù)，采用式（2）、式（3）來表示常減壓單元進出口物料的雜質含量關系。

3.2 加氫反應器

加氫反應器是氫網(wǎng)絡中主要的耗氫裝置，可以利用氫氣和催化劑將油品中的有害雜質轉變?yōu)橄鄳臍浠锶コ?，并使烯烴、二烯烴等部分烴類物質加氫飽和，以改善油品的質量，減少環(huán)境污染。式（4）～式（7）是反應過程中所涉及的動力學模型[14,37]，能夠依據(jù)原料油中的S、N 含量，更為精準地計算產(chǎn)品油中的雜質組成和雜質氣體生產(chǎn)量。

反應器的入口物料包括循環(huán)氫、補充氫和液體原料，其總的質量及組分平衡計算見式（8）～式（11）。為確保流股組分純度滿足加氫反應的工藝要求，式（12）對每個氫阱入口流股中H2、H2S、NH3組分濃度進行了約束。

3.3 閃蒸分離單元

從反應器出口的混合物料會被送至閃蒸單元進行氣液分離操作，為了更加貼近實際生產(chǎn)過程，本文采用了Jia 等[13]所提出的固定K值閃蒸計算方法，集成閃蒸分離過程見式（13）、式（14）。

閃蒸單元的入口流股質量平衡約束及純度約束如式（15）、式（16）所示，其中Zj,n,s表示反應器內的C1～C5、H2S 和NH3的生成量，可基于前面所述的反應動力學模型計算得到[14]。式（17）表示反應過程中總的耗氫量，包括反應消耗氫和溶解氫，前者的計算是通過化學計量比的方法，后者的計算可采用Hasenberg 等[38]所提出的機理方程。閃蒸單元分離出的氣相組分可能被直接循環(huán)使用，也可能被送往脫硫單元、提純單元做進一步回收處理，或進入燃氣系統(tǒng)燃燒，式（18）～式（23）為該單元出口的質量及組分平衡計算式。

3.4 脫硫單元

為了提升氫氣資源利用率，避免設備的腐蝕，本文在氫網(wǎng)絡中增設脫硫單元，利用代理模型技術將其嵌入至網(wǎng)絡上層結構并集成優(yōu)化，去除部分流股中過量的H2S 氣體，具體構建過程如第2 節(jié)所述。為減少壓力損失，氣體流股按壓力等級的不同分別進入高、低壓脫硫塔（HP?DS、LP?DS），其入口的質量平衡及組分平衡約束列于式（24）、式（25）。經(jīng)脫硫過程，HP?DS 出口的氣體將被送回氫阱循環(huán)使用，LP?DS 出口的氣體通常需要被送往提純單元做進一步凈化提純，見式（26）、式（27）。

3.5 提純單元

提純單元能夠去除流股中大部分輕烴組分，實現(xiàn)氫氣的富集和回用。常用的提純裝置有PSA 和膜分離，能將匯入的低純度氫流股凈化提純，并產(chǎn)出富氫流股和殘余氫流股，前者將循環(huán)回氫阱使用，后者則被送往燃氣系統(tǒng)燃燒。式（28）、式（29）給出了多場景下提純單元入口的質量及組分衡算式，式（30）為入口氣體的H2S 雜質濃度約束。為了簡化模型，提純單元進出口壓力、氫氣回收率和產(chǎn)品流純度可以被假定為常數(shù)[5]，如式（31）、式（32）所示。提純裝置出口的質量平衡約束見式（33）～式（36）。

3.6 壓縮機系統(tǒng)

壓縮機系統(tǒng)是通過消耗大量電能來提升氣體流股壓力，以滿足各單元的工藝要求，式（37）～式（39）為其對應的進出口質量及組分衡算式。對于壓縮機來說，流股的流量、純度以及進出口壓力都是需要確定的變量，為了簡化計算，可將壓縮機進出口壓力設為定值，且氣體流量和組分純度保持不變[39]，見式（40）、式（41）。壓縮機的耗電量取決于流股流量、進出口壓力比值以及裝置效率，見式（42）。

3.7 壓力約束和邏輯約束

在氫氣網(wǎng)絡中，氣體流股必須從高壓單位輸送至低壓單位。為此，本文引入二元變量Xp,q構建壓力約束，代表節(jié)點p和節(jié)點q之間的管道連接情況，其中p是輸出節(jié)點，q是輸入節(jié)點。式（43）、式（44）說明只有當節(jié)點p的壓力高于或等于節(jié)點q時，二者之間才會有管道連接。

為了保證模型的正確性，同時滿足產(chǎn)品油質量和使用性能的要求，還需要在模型中增加一些邏輯約束。式（45）表示在所有場景下，每股氣流中全部組分的純度之和為1。式（46）～式（48）給出了產(chǎn)品油雜質含量和氫氣供應量的上下限約束。此外，為了避免代理模型過擬合，代理模型中的所有變量都要求被限制在擬合范圍內，見式（49）、式（50）。

3.8 目標函數(shù)

本文采用了總年度費用（TAC）作為模型的目標函數(shù)，以平衡氫氣網(wǎng)絡中的資本成本（CAPEX）和運營成本（OPEX），見式（51）。資本成本需乘以折舊率，其具體計算公式見式（52）。OPEX 綜合考慮了多場景下氫公用工程的年操作費用（CH2）、壓縮機的電年度消耗費用（Celec）、脫硫單元的年除雜費用（Cdsoc）以及廢氣作為燃料的年度收益（Cfuel），涉及受不確定性參數(shù)影響的第二階段操縱變量，如式（53）～式（56）所示。CAPEX 包括脫硫單元的年度投資費用（Cdsic）和管道改造的年度投資費用（Cpipe），與操作場景無關，屬于第一階段的決策變量，見式（57）、式（58）。綜上所述，本研究中模型的目標是使得第一階段的設計投資成本和第二階段的操作期望成本之和最小。

其中，脫硫單元的投資費用是該單元內所有設備投資費用的總和，Ceq,base、CEPCIbase、Eqceq,base分別表示參照條件下的設備投資費用、化工經(jīng)濟設備成本指數(shù)以及設備處理能力；Eqcds,eq為當前所需的設備處理能力，其值近似等于脫硫塔出口的富胺溶液流量[18]。

4 案例研究

4.1 案例描述

本節(jié)以某一煉廠現(xiàn)有氫氣網(wǎng)絡的改造設計和操作優(yōu)化為例，說明所提方法的有效性和適用性。如圖4 所示，該煉廠氫氣系統(tǒng)具有2 個氫源、5 個氫阱和1 個提純單元。氫源包括連續(xù)催化重整裝置（CCR）和制氫裝置（H2plant）；氫阱包括2 個柴油加氫 裝 置（DHT?1 和DHT?2）、1 個 汽 油 加 氫 裝 置（GHT）以及2 個航煤加氫裝置（KHT?1 和KHT?2）。根據(jù)煉廠所使用原油的歷史評價數(shù)據(jù)，在一定的離散概率分布下，S、N雜質組分含量可從低到高分為3種情形，則隨機規(guī)劃模型中共存在9 個離散場景，見表1。

表1 各場景下原油中的硫、氮含量數(shù)據(jù)Table 1 Sulfur and nitrogen content data of crude oil in each scenario

圖4 煉廠現(xiàn)有氫氣網(wǎng)絡結構圖Fig.4 The existing hydrogen network structure in refinery

表2 展示了氫阱進料流量及操作條件，包括溫度、壓力和空速。表3為高、低壓脫硫塔與各氫阱之間的管道距離，為了簡化模型、降低投資成本，將低壓脫硫塔安放在PSA 裝置附近，則二者之間的距離可忽略不計。由于本文采用固定K值閃蒸計算方法集成閃蒸單元，需要通過Aspen plus 軟件模擬閃蒸過程，獲取油品各虛擬組分的K值。模擬所需的加氫處理裝置進料組成及虛擬組分性質數(shù)據(jù)見表4、表5。

表2 加氫處理裝置進料流量及操作條件Table 2 Feed flowrate and operating conditions of hydrotreaters

表3 預留脫硫塔和氫阱之間的管道距離Table 3 Piping distances among the reserved location for the desulfurization units and the hydrogen sinks

表4 加氫處理裝置進料組成Table 4 Feed composition of hydrotreaters

表5 虛擬組分性質Table 5 Properties of pseudo-components

4.2 脫硫單元代理模型構建

為實現(xiàn)氫氣網(wǎng)絡與H2S 脫除單元的集成優(yōu)化，本文應用了第2節(jié)所述代理模型技術，分別對高、低壓脫硫塔進行建模。表6展示了模型的輸入變量及擬合空間，輸入變量包括待處理流股中的各組分流量和脫硫劑（MDEA）的輸送量，擬合空間是依據(jù)實際工程的優(yōu)化任務而設定的。由于凈化后的流股中C4、C5和NH3的含量極低，可忽略不計，則模型的輸出變量為出口流股中H2、C1～C3、H2S 的流量以及富胺（fra）溶液的流量。

表6 脫硫裝置的輸入變量范圍Table 6 Domain of the input variables for the desulfurization unit

基于所規(guī)定的擬合空間，通過Sobol 采樣和Aspen plus 仿真模擬共獲取3000 個數(shù)據(jù)樣本，剔除由于模擬不收斂產(chǎn)生的錯誤樣本后，得到HP?DS 數(shù)據(jù)2789 個，LP?DS 數(shù)據(jù)2568 個，并采用多項式回歸及10 折交叉驗證法進行模型的訓練和驗證。圖5為各階代理模型的精度與復雜度對比情況，綜合考慮選取二階多項式建模。

圖5 代理模型精度與復雜度對比Fig.5 Surrogate model comparisons in terms of accuracy and complexity

模型驗證結果如表7 所示，大部分R2值高于0.99，RMSE值處于0.005以下，表明所建代理模型很好地逼近了嚴格的H2S 脫除過程。圖6、圖7 為HP?DS、LP?DS 單元對應代理模型的殘差圖，由圖可知，各模型的殘差點在零附近隨機分布，證明其具備足夠的可靠性，能夠捕捉到數(shù)據(jù)中所有的可預測信息。

圖7 LP?DS單元代理模型的殘差圖Fig.7 Residual plots of the surrogate model obtained for the LP?DS unit

表7 脫硫單元代理模型驗證結果Table 7 Results from the data correlation of the desulfurization unit

圖6 HP?DS單元代理模型的殘差圖Fig.6 Residual plots of the surrogate model obtained for the HP?DS unit

4.3 氫氣分配網(wǎng)絡集成優(yōu)化

從煉廠現(xiàn)有的氫氣網(wǎng)絡結構圖（圖4）中可以看出，由于H2S含量過高，超過40%的廢氫流股被送進燃氣系統(tǒng)，造成嚴重的資源浪費。為此，本節(jié)以發(fā)生概率最大的場景為基準（場景5），將已訓練好的脫硫代理模型與氫氣網(wǎng)絡優(yōu)化模型相結合，通過GAMS 軟件對所提出的MINLP 問題建模，并采用DICOPT求解器的外逼近算法進行模型求解[40]。

優(yōu)化結果如圖8 所示，考慮在氫網(wǎng)上層結構中增設HP?DS、LP?DS 裝置，分別脫除高分氣和低分氣中過量的H2S 雜質。DHT?1、DHT?2 和KHT?1 裝置出口的部分高壓氣匯入HP?DS 單元，經(jīng)處理后的流股全部循環(huán)回用，大大降低了新氫消耗。LP?DS裝置對部分低壓氣脫硫，減少了H2S 對PSA 提純和加氫反應的不利影響。相較于原網(wǎng)絡，優(yōu)化后的氫網(wǎng)結構新氫用量從6.538 t/h 減少至3.875 t/h，超過90%的氫流股回收利用，有效地提升了氫氣資源利用率。在成本方面，優(yōu)化后的模型雖新增了管道和脫硫裝置的投資費用，但制氫成本大幅降低，使得年度總成本下降了約1.958×108元/a，對比原網(wǎng)絡節(jié)省了30.59%，見表8。

表8 各模型的年度成本對比Table 8 Comparison of annual costs for different models

圖8 基于確定性場景的氫氣網(wǎng)絡優(yōu)化設計Fig.8 Optimal design of hydrogen network from deterministic model

從表9可以看出，相較于原氫氣網(wǎng)絡模型，采用代理模型技術嵌入脫硫單元的確定性模型計算量明顯增多，但求解時間只是略微增加，仍具有較高的計算效率。同時，脫硫單元代理模型的R2在0.99左右，具備了較高的模型精度。而基于Aspen HYSYS 反復調用的集成方法雖可以直接引入脫硫機理模型，但存在模擬時間過長或模擬不收斂的情況，使得所需的計算成本較高[18]。由此說明，基于代理技術引入脫硫單元相比于仿真模擬軟件的直接調用更具有實際應用價值。

表9 各模型的計算量及優(yōu)化時間Table 9 Computational effort of the solver and optimization time for different models

雖然采用上述方法可以針對固定的場景實現(xiàn)最優(yōu)化設計，但原油性質波動所帶來的影響不可忽視。以DHT?1裝置為例，對比確定性模型所應用的場景（場景5），計算得到了各場景下的耗氫量、H2S生成量以及相對變化率，如圖9 所示。原油性質的不確定性會使得加氫反應中的耗氫量和雜質氣體生成量發(fā)生小幅波動。由于大型煉油廠內氫阱的耗氫量和雜質氣體生成量巨大，這些小幅波動對氫氣網(wǎng)絡運行所產(chǎn)生的影響仍值得重視。而面對不同的操作情形，確定性模型下的管網(wǎng)結構和設備處理能力會限制最佳運行策略的實施。為了達到更經(jīng)濟的目標，本文采用二階段隨機規(guī)劃法建模優(yōu)化，在設計階段就綜合考慮所有場景。

圖9 各場景下DHT?1中H2的消耗量及H2S的生成量Fig.9 Consumption of H2 and production of H2S on each scenario

圖10 為基于隨機規(guī)劃的氫氣網(wǎng)絡拓撲結構，通過增加氫源、脫硫裝置以及PSA 與氫阱之間的管道連接，使得氫氣管網(wǎng)具備更高的操作靈活性。同時，管道的增設也使得脫硫單元有處理更多含硫流股的可能，脫硫設備處理能力的適當提升能夠讓更多的氫氣資源得以回收利用，如圖11 所示。此外，由二者脫硫率數(shù)據(jù)可知，SP 模型相對于確定性模型平均脫硫率較低。這是因為SP 模型可以實現(xiàn)更優(yōu)的流股混合輸送方案，使得混合流股中H2S濃度較低，降低了脫硫單元的負擔。結合表8、表9可以看出，與確定性模型相比，SP 模型對資本成本的要求略高，但操作成本大幅下降，每年節(jié)約費用1.661×106元。由于SP 模型考慮了原油性質的不確定性，使得優(yōu)化時間有所增加，但能以此為代價進一步提升氫氣網(wǎng)絡經(jīng)濟性能，并確保操作的穩(wěn)健性。

圖10 基于隨機規(guī)劃的氫氣網(wǎng)絡優(yōu)化設計Fig.10 Optimal design of hydrogen network from stochastic programming model

圖11 確定性模型與隨機規(guī)劃模型的脫硫單元處理量及脫硫率對比Fig.11 Comparison of desulfurization unit inlet flowrate and desulfurization rate between deterministic model and stochastic programming model

隨機規(guī)劃不僅決定了網(wǎng)絡拓撲結構的最優(yōu)設計，還能提供在不同操作場景下的最優(yōu)運行決策。下面以兩個典型的場景為例，說明隨機規(guī)劃中的多場景操作策略。

如圖12 所示，在原油中S、N 含量較低的場景下（場景1），回收氫氣是降低操作成本的重要措施。除去內部循環(huán)的高分氣，其余所有流股都被送往脫硫裝置，從而減少氫公用工程費用，避免直接排放到燃氣系統(tǒng)造成資源浪費。而在原油中S、N含量較高的場景下（場景9），氣體流股中H2S 雜質含量過高，若全部進行回收利用會使得脫硫單元負擔過重，造成運行成本增加。如圖13 所示，將部分低壓氣直接排放到燃氣系統(tǒng)燃燒，并從外部購買適度的新氫作為補充，可獲得更好的經(jīng)濟效益。因此，基于隨機規(guī)劃得到的氫網(wǎng)結構可以通過新建管道和增加脫硫設備處理能力，來靈活應對不同的原油性質場景。

圖12 低硫、低氮場景下的運行策略Fig.12 Operation strategy of the scenario with low sulfur and low nitrogen

圖13 高硫、高氮場景下的運行策略Fig.13 Operation strategy of the scenario with high sulfur and high nitrogen

5 結 論

煉廠中原油性質的不確定性會引起操作場景的改變，可能導致氫氣網(wǎng)絡供需不平衡，引發(fā)嚴重后果。為此，本文提出了一種基于質量傳遞機理的隨機規(guī)劃建?？蚣?。為了從微觀層面解析原油性質改變對氫網(wǎng)結構的影響，集成了常減壓蒸餾、加氫精制及閃蒸分離等過程模型。同時，考慮了關鍵雜質H2S 的脫除，利用代理模型技術在氫網(wǎng)上層結構中嵌入HP?DS、LP?DS 裝置，提升氫氣資源利用率。最后，采用了二階段隨機規(guī)劃建模優(yōu)化，綜合考慮所有場景的可能性，給出最佳設計決策和操作決策，使得設計出的氫氣網(wǎng)絡拓撲結構能夠滿足不同場景需求。所提出的建?？蚣茉趪鴥饶碂拸S氫氣網(wǎng)絡的改造設計中得到了驗證，并與確定性模型及原網(wǎng)絡結構進行了對比。

研究結果表明，本文所建立的代理模型能夠較全面地描述復雜的脫硫過程，并且能以較低的計算成本獲取更加可行的氫氣網(wǎng)絡優(yōu)化方案，使得脫硫單元和氫氣網(wǎng)絡之間達到良好平衡。而在此基礎上，基于多場景的SP模型通過設置新的管道并增加脫硫設備處理能力，能夠在復雜的上層結構之間靈活地循環(huán)利用氫氣資源，進一步提升網(wǎng)絡的經(jīng)濟性能。同時，多場景運行策略還能增強氫氣網(wǎng)絡運行的魯棒性，使其可以綜合應對因原油性質波動引起的操作場景的改變。在未來的工作中，還有一些問題值得進一步探討。例如，針對簡化的過程單元模型，采用更高精度和求解效率的方法建模，使其更加滿足實際生產(chǎn)需要。此外，可以考慮將過程單元中的部分操作參數(shù)（如溫度、壓力）作為決策變量嵌入氫網(wǎng)絡模型中協(xié)同優(yōu)化，以給出更優(yōu)的運行決策。

符 號 說 明

Af——年化因子

a——雜質分布系數(shù)

aconv——加氫反應器中硫的轉化率，%

C——費用，元

Cp——比定壓熱容，J/(kg·K)

C1——甲烷

C2——乙烷

C3——丙烷

C4——丁烷

C5——戊烷

CEPCI——化工經(jīng)濟設備成本指數(shù)

CP——壓縮機集合

DH——溶解氫量，kmol/h

DS——脫硫裝置集合

Ea——反應活化能，kJ/kmol

Eqc——設備處理能力，kg/h

e——單價，元

F——流量，kmol/h

HC——總耗氫量，kmol/h

I——氫源集合

ir——利率，%

J——氫阱集合

K——汽液平衡常數(shù)

KI——抑制常數(shù)

k——速率常數(shù)

L——管道長度，m

LC——加氫反應器中輕烴生成量，t/h

LHSV——空速，h?1

m，n——管道資本成本系數(shù)

N——組分集合

NC——氮含量，mg/kg

ny——年數(shù)

O——氫氣網(wǎng)絡中所有節(jié)點集合

P——壓力，bar

PC——虛擬組分

PF——提純裝置集合

POWER——壓縮機功耗，kW·h

Prob——各場景出現(xiàn)的概率

R——通用氣體常數(shù)，J/(mol·K)

RH——加氫反應耗氫量，kmol/h

RP——氫氣回收率，%

S——不同場景集合

SC——硫含量，mg/kg

sf——比例因子

T——溫度，K

TAC——總年度費用，元

t——工作時長，h

u——氣體流速，m/s

X——二元變量

x——代理模型輸入變量

Y——摩爾分數(shù)，%

y——代理模型輸出變量

Z——加氫反應產(chǎn)物生成量，kmol/h

α——壓力參數(shù)

β——加氫反應器中輕烴產(chǎn)率，t/h

γ——絕熱指數(shù)

η——壓縮機效率，%

ρ——氣體密度，kg/m3

ρo——標準狀態(tài)下氣體密度，kg/m3

上角標

C——輕烴

co——原油

feed——加氫反應器入口原料油

fi——閃蒸罐入口物料

hliq——高壓閃蒸裝置出口液體

hp——高壓

hvap——高壓氣

in——裝置入口氣體流股

L——下限

llip——低壓閃蒸裝置出口液體

lp——低壓

lvap——低壓氣

N——氮

out——裝置出口氣體流股

P——提純裝置產(chǎn)品氣

prod——加氫反應器出口產(chǎn)品油

R——提純裝置殘余氣

ri——反應器入口物料

S——硫

U——上限

下角標

cp——壓縮機

ds——脫硫裝置（ds=1 為高壓脫硫裝置；ds=2 為低壓脫硫裝置）

eq——脫硫單元設備

fuel——燃氣系統(tǒng)i——氫源

j,j1——氫阱n——組分

pf——提純裝置

p,q——氫氣網(wǎng)絡中不同節(jié)點

s——場景