因此,急需开展石化腐蚀预测新技术和过程智能报警抑制方法研究,利用生产过程参数进行腐蚀预测性分析,建立石化系统设备腐蚀管理系统,集腐蚀监检测、腐蚀评估、腐蚀控制、防腐管理、远程诊断与服务及设备管理于一体,一方面实现腐蚀动态量化评估与监控,及时采取针对性防腐措施,实现设备预防性维修;另一方面基于设备腐蚀评估建立设备管理规范,实现风险管控及设备完整性管理;同时基于腐蚀回路进行工艺防腐管理,保障装置运行安全,为石化设备防腐技术及管理迈向智能化提供技术支撑。 石油化工行业竞争日益加剧 安全环保逐渐成为企业核心竞争力
随着城市化快速发展,“化工围城”“城围化工”问题日益显现,加之部分企业安全意识薄弱,安全事故时有发生,行业发展与城市发展的矛盾凸显,“谈化色变”和“邻避效应”对行业发展制约较大。
如江苏响水“3·21”爆炸事故过去一个月后,江苏省化工行业的整治提升方案出台,明确提出长江干支流两侧一公里范围内且在化工园区外的化工生产企业原则上2020年底前全部退出或搬迁,严禁在长江干支流一公里范围内新建、扩建化工园区和化工项目。
随着环保排放标准不断提高,行业面临的环境生态保护压力不断加大。企业只有在保障安全环保的前提下,才能获得良好的经济效益,安全环保已经成为企业的核心竞争力。同时,石化还面临着装置设备腐蚀的高风险及严重后果。
腐蚀造成的损失巨大 石化设备腐蚀情况触目惊心
智能报警抑制方法研究
近年来,随着DCS(分布式控制系统)和EM(设备全生命周期管理平台)在石化装置中的广泛应用以及石化行业信息化建设的不断推进,大量数据被记录和储存下来,包括过程历史监测数据、过程装备的可靠性数据(如不同类型操作单元和设备的生产负荷数据、故障历史记录及维修记录)、动设备(泵、压缩机、风机)性能历史记录等已经在物联网环境下进行了按照数字化的方式存储,并随着信息化建设的开展和深入,数据量以几何级速度增长。
以一个典型的炼化一体化企业为例,拥有30000个采样点,现场采样率达到100次/秒,每年约产生495 TB数据。海量数据一方面使得装置的报警系统能更加准确精细地掌握运行状态,使智能化操作成为可能,另一方面也为腐蚀监检测先进报警系统的设计提出了挑战。
腐蚀监测与检测的区别 腐蚀预测技术举例 1 腐蚀回路分析
腐蚀回路分析分为简单分析和详尽分析两大类,如图7和图8所示。
2
用于指导工艺防腐、原油混炼、高温注剂和高温选材,能够及时反映工艺变化,如图9所示。
3
如图10所示,可以实现不开孔、卡箍式安装或管道焊接螺柱安装;测厚数据采用无线网络模式传输,即利用网关和路由器,将数据传送到远程数据平台;实现连续测厚监测。
4
5
如图12所示,采用非插拔式氢探针紧贴于测点,经过几分钟后,迅速显示出因腐蚀而生成氢的渗透量,反应灵敏度高,可在500 ℃的高温环境下工作,适用于炼制高酸原油装置的环烷酸腐蚀监测及有氢逸出的腐蚀环境。
6
7
现在已经有了比较成熟的循环水系统腐蚀泄漏检测系统,如图14所示。
数据分析
数据分析是指用适当的统计和计算机方法对收集的数据进行分析,把隐没在杂乱无章数据中的信息集中、萃取和提炼出来,找到研究对象的内在规律,最大化地开发数据资料的功能,发挥数据的作用。
由于数据为多种不同特征的参量,在时间、空间、可信度和表达方式上不尽相同,侧重点和用途也不相同,因此需要将信息进行融合,即对多方位采集的局部环境下的不完整数据加以综合,消除多源数据间可能存在的冗余和矛盾信息,降低不确定性,形成对系统的一致性描述。
常用的信息融合方法有加权平均法、卡尔曼滤波法、贝叶斯估计法、神经元网络法等。
深度学习是近年来发展起来的一种机器学习领域的新研究方向,其起源于人工神经网络,是基于样本数据通过一定的训练方法得到包含多个层级的深度网络结构,每个层级之间的连接强度在学习过程中修改并决定网络的功能。
深度学习可通过学习深层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示,并找到数据的内部结构,发现变量之间的真正关系形式,展现了强大的从少数样本集中学习数据集本质特征的能力。
腐蚀数据研究
然而,炼油装置是一个非常复杂的腐蚀系统,影响腐蚀的因素非常多,其中最主要的是原料中的硫、氮、氧、氯及重金属和杂质等腐蚀介质的含量,以及设备运行过程中的温度、压力、流速等操作参数。若要进行腐蚀预测,保证系统可靠运行,就需要对各种复杂的数据进行细化归类,最具代表性的有以下5个方面:
中国石化青岛安全工程研究院近年开发了一套集在线、离线监检测数据于一体的为腐蚀分析提供便利的腐蚀数据管理系统,其运用深度学习方法对炼油企业累积的海量数据进行深度分析,对关键装置的工艺参数和水质分析数据进行学习训练,建立关键信息(切水铁离子浓度、pH值、设备壁厚)与其他监测量之间的黑盒模型,达到根据工艺状态快速、准确地进行预测的目的,为指导企业腐蚀防护工作奠定了理论和技术基础,如图15和图16所示。
腐蚀监测急需解决的问题
(1) 腐蚀监测传感器的智能化和低成本化;
(5) 腐蚀数据驱动决策:通过腐蚀预测模型、数据挖掘技术发现规律,实现状态监测+诊断决策。
腐蚀数据研究方向 “智慧防腐”建设分三步走
第一步:数字防腐。布设大量传感器,重点开发能够实现面扫的腐蚀监检测技术,收集和积累腐蚀数据,构建腐蚀大数据库,实现可视化。构建可视化的设备防腐管理系统,通过二三维一体化平台与传统的设备管理系统相结合,实现设备防腐信息的可视化、集成化和维修作业协同化。
第二步:智能防腐。对“腐蚀大数据”分析利用,实现防腐智能管控、智能运维、智能监检测,建立标准化数据仓库。
第三步:智慧防腐。防腐业务智慧化,实现整体优化及标准化,包括体系化管理、智慧防控链、材料腐蚀基因组工程优化。
腐蚀防护应用大数据分析技术 智能化炼化设备腐蚀信息系统 设备的本质安全要靠智能化来实现
从石化的腐蚀与防护技术现状看,腐蚀无疑是安全生产的大敌,任务依然艰巨,设备仍未全面达到本质安全要求。
石化腐蚀预测工作永远在路上
免责声明:本网站所转载的文字、图片与视频资料版权归原创作者所有,如果涉及侵权,请第一时间联系本网删除。
官方微信
《腐蚀与防护网电子期刊》征订启事
- 投稿联系:编辑部
- 电话:010-62316606-806
- 邮箱:fsfhzy666@163.com
- 腐蚀与防护网官方QQ群:140808414