李德芳，蒋白桦，索寒生，刘暄

（1中国石油化工集团公司信息化管理部，北京 100728；2石化盈科信息技术有限责任公司，北京 100007）



石化企业能源优化系统设计与应用

李德芳1，蒋白桦2，索寒生2，刘暄2

（1中国石油化工集团公司信息化管理部，北京 100728；2石化盈科信息技术有限责任公司，北京 100007）

摘要：石化工业是高能耗行业，发展面临资源紧缺的约束。基于信息化和工业化深度融合的能源管理系统，大幅度提高了能源的定量管理水平，在支撑企业节能方面应用前景广阔。中国石化应用信息技术构建能源管理信息系统促进企业实现节能，取得了较好的效果。论文阐述了能源优化系统的整体规划，并基于石化业务特点进行了能源优化系统的功能设计。以蒸汽动力优化系统为例，分析了优化系统的业务功能，并从机理模型构建、数据检测、数据校验、在线优化以及在线模型校验等方面论述了优化流程。最后，从中国石化下属的三家试点企业的应用成效出发，为石化企业推进节能降耗信息化建设提供参考。

关键词：石化；过程系统；系统工程；信息系统；能源；优化

2015-09-16收到初稿，2015-09-30收到修改稿。

联系人：索寒生。第一作者：李德芳（1961—），男，博士，教授级高级工程师。

Received date: 2015-09-16.

引 言

近年来，世界石化工业发展越来越受到资源环境制约[1]，开始高度重视节能环保、绿色低碳和循环经济发展，正逐渐从“末端治理”向“生产全过程控制”转变。国家统计局的数字表明[2]，2014年全国能源总消耗量为426,000.00万吨标准煤，比2013年（416,913.00万吨标准煤）增长2.1%。石化产业是国民经济的重要支柱性产业，具有危险性高、能耗高等特点，如何对这一规模庞大的高能耗产业进行有效的能源管控，提高能源使用效率，以便灵活应对市场竞争，获取最大的经济收益，是石化产业关注的核心问题。

2014年6月，中国石化启动“能效倍增”计划，当年实施500多个项目，实现节煤87万吨标准煤，获得效益12.2亿元。通过技术创新、产业结构调整、信息化建设和发展循环经济，使石化产业升级，对促进我国生态文明建设意义重大[3]。其中，信息技术已成为支撑企业绿色发展的重要手段，大力推进信息化与工业化深度融合，建设覆盖炼化企业全口径的能源管理系统，实现“能效最大化、能流可视化、在线可优化”[4]是支撑上述工作的有效途径之一。

1 能源优化系统整体规划

能源优化是石化企业能源管理的核心技术，按照用能最低，途耗最少，产能最优的整体目标，中国石化能源优化系统的整体规划如图1所示。

在上述规划下，能源优化系统分为如下4个软件系列：U系列（utility-公用工程）、P系列（pipe network-管网）、R系列（refining-炼化）、M系列（manage-管理），如图2所示。

（1）U系列（utility-公用工程）

U1蒸汽动力优化，目标为生产成本最低，根据外部需求，优化热电厂锅炉、汽机等；U2水优化，目标为生产成本最低，包括水平衡测试、循环水运行及参数调优，整体节水节电；U3空分优化，目标为生产成本最低，包括调整空分运行，氮氧系统优化，减少排空及资源浪费。

（2）P系列（pipe network-管网）

P1蒸汽管网优化，模拟现实管网，定位相变点、热损温损管段，模拟管网流程。可与U1及R系列软件组合联动；P2水网优化，模拟现实管网，结合U2，实现全厂水网平衡、循环水网及补水策略优化；P3氮、氧网优化，模拟现实管网，结合U3实现全厂氮、氧平衡，模拟压降，优化生产及压缩机用功等；P4氢气网优化，模拟现实管网，实现氢气的优化输送，结合R系列氢气产耗装置，实现全厂氢气优化；P5燃料气网优化，模拟现实管网，实现燃料气的优化输送，结合R系列产耗装置，实现全厂燃料气优化。

图1 中国石化能源优化整体规划Fig.1 Overall planning of energy optimization in Sinopec

（3）R系列（refining-炼化）

R1常减压优化，模拟常减压装置，寻找装置能耗重点及优化方向，确定调优目标值，可分解用于一般分馏类装置；R2催化类优化，模拟催化裂化装置，寻找装置能耗重点及优化方向，确定调优目标值，可移植用于一般反应类装置；R3制氢类优化，模拟制氢类装置寻找装置能耗重点及优化方向，确定调优目标值，可移植用于一般水合、膜分离类装置；R4加氢类优化，模拟加氢装置，寻找装置能耗重点及优化方向，确定调优目标值，可移植用于一般加氢反应类装置；R5焦化类优化，模拟焦化装置，寻找装置能耗重点及优化方向，确定调优目标值；R6乙烯优化，模拟乙烯装置，寻找装置能耗重点及优化方向，确定调优目标值；R7聚烯烃优化，模拟聚烯烃装置，寻找装置能耗重点及优化方向确定调优目标值；R8聚酯类优化，模拟聚酯类装置，寻找装置能耗重点及优化方向，确定调优目标值；R9橡胶优化，模拟合成橡胶类装置，寻找装置能耗重点及优化方向，确定调优目标值，可移植间歇釜反应；R10化肥类优化，模拟化肥装置，寻找装置能耗重点及优化方向，确定调优目标值。

（4）M系列（manage-管理）

M1优化操作管理，根据系统提供的优化策略及实际操作，监管优化方向的实际操作情况，将优化操作和生产实际操作紧密结合，实现能源优化从策略制定、方案选择、指令下达到实操反馈的闭环管理；M2效益评定管理，根据优化策略核定效益，根据实操管理的实际操作数据，评估节能效益潜力及实际操作效率，实现班组优化操作效益核算，促进装置操作岗位节能意识的提升。

图2 中国石化能源优化软件产品序列图Fig.2 Software products planning of energy optimization in Sinopec

2 能源优化系统设计

本文以公用工程（U系列）中的蒸汽动力优化（U1）为例，阐述系统设计流程。蒸汽动力系统的设备、管网遍布全厂，系统十分庞大，且随着新装置的投产以及企业装置的扩能，蒸汽耗量不断增加；汽轮机种类多，发电和抽汽方式有多种选择；系统运行受外部电网调控和环保指标等因素的影响，操作上主要以安全生产、平稳操作为指导，在实际中大部分操作都以人工经验为主，缺乏定量管理、模拟和优化工具。蒸汽动力优化系统是对企业能源的生产、燃料的选择与采购、设备的生产负荷等进行评估和优化，以降低能源生产成本、提高企业能源利用效率，实现企业节能目标。图3为蒸汽动力优化系统业务图。

2.1 机理模型构建

蒸汽动力优化系统采用离线建模、在线优化的工作模式。离线建模主要针对蒸汽动力系统中的单元模块，如设备、管网等，建立机理模型，并将这些单元模块的机理模型集成到优化系统中成为标准元模型库。标准元模型库涵盖了蒸汽动力系统中蒸汽锅炉、多级汽轮机、单极汽轮机、机泵、除氧器等九大类常用热力设备，并依据各设备机理配置相关重要参数，作为标准化建模依据。与其他的能源优化系统不同，本文设计开发的能源优化系统中集成的各个单元模块的标准元模型，均为通用模型，即：可通过对元模型的参数进行配置获得不同规格设备的模型、不同规模管网的模型等。在机理模型构建过程中，需要满足质量平衡与能量守恒，也需考虑设备与设备的连接等因素。因此，建模过程还需调用水蒸气的物性库。采用图形化建模方法模拟实际工艺流程，方便技术人员进行过程建模、参数配置及后期模型维护等。在图形化建模使用中，通过点击、拖拽相应设备模型，依据企业实际流程，搭建准确工厂模型。如图4所示，通过以上过程，可建立工厂能源优化的虚拟模型。

图3 蒸汽动力优化系统业务图Fig.3 Business map of steam power optimization

图4 能源优化虚拟工厂模型Fig.4 Virtual factory model for energy optimization

2.2 数据检测

数据检测具体指的是仪表可靠性检查和测量数据校正。

仪表可靠性检查指的是仪表在整个系统当中重要性的分析。根据仪表精确度的不同，赋予采集到的相应仪表的数据不同的权值，使其更好地模拟实际状况。

测量数据校正的主要操作步骤如下：读取实时数据库存储现场的DCS数据和能源管理平台的维护数据。其中DCS数据包括锅炉负荷数据和蒸汽的需求量数据。在这里，每一个数据均包含其状态信息，即：“good”和“bad”。其中，“good”表示数据通讯正常，无断电、电位虚接等现象；“bad”则表示数据传输失败。如果数据的状态值是“good”，则检查此数据是否处于数据的上下限范围之内，如果在上下限范围之内，则保留此数据，反之，利用上下限对数据进行卡限处理。如果数据的状态值是“bad”，则利用所有数据中出现频率较高的数据代替当前的“bad”数据，流程如图5所示。

2.3 数据校验

实际生产过程中的测量数据不可避免存在随机误差或过失误差，从而不满足物料、能量等守恒规律，因此在进行操作优化时，必须对原始测量数据进行数据整定。原始测量数据为来自DCS或者PLC等的实时工艺运行数据，采样/校验频率为1分钟/次，可以保证实时性。选取测量数据的整定值，使其既满足整个装置和单元设备的物料、能量平衡关系，同时又使其与测量值之差的平方和最小。在数学上可表示为求满足一组等式约束条件方程组的最小二乘解，相当于求最小方差无偏估计问题。整定的过程首先要通过最小二乘算法[5-6]，对数据进行在线整定和优化，计算出与测量值偏差最小的数据整定值。计算原理如下

图5 数据检测流程Fig.5 Data inspection and correction

其中，Xm为测量值，X%为整定值，W为相对权重，n为测量点个数。

然后，利用模型全局的质量与能量平衡建立方程组，全局质量平衡方程如式（2）所示

全局能量平衡方程如式（3）所示

其中，Hn,in为流入设备n的物流的比焓；Hn,out为从设备n流出的物流的比焓；Wout为设备n对外界做的功；Qn为设备n对外界放出的热。

2.4 在线优化

国内外发展起来的蒸汽动力系统的优化方法主要有基于全局温焓曲线的夹点分析法[7-8]、基于数学方法的数学规划法[9-11]、确定剩余热负荷最佳转化途径的顶层分析法以及热电联产优化的R曲线分析法等[12-14]。其中，夹点分析法需采集大量的现场数据, 并需对各过程间的相互关系有深入的了解，耗时耗力。顶层分析法仅适用于简单公用工程系统, 对于复杂公用工程系统[15-17]不易得到全局最优解。R曲线分析法是基于理想假设得到的,与实际生产状况不完全相符。本系统采用混合整数规划法[18-19]。综合考虑能源价格、需求、设备限制、工况、人员经验等因素，利用系统中集成的混合整数规划优化器对系统进行在线优化，优化推动系统实现最低成本操作，以满足界定限制内的当前和未来的蒸汽动力需求。在当前能源价格市场环境下，以系统的实际运行成本最小为目标[20]，优化系统的能源结构配置，降低燃料成本；调整锅炉/汽机等蒸汽设备的操作状态，提高系统效率，降低操作费用；核算系统各设备操作性能指标，从全系统的角度，计算蒸汽和电力的实际成本，寻找最优的能量流经系统方式；结合能源市场状况，考虑燃料价格/外购电力的经济性，提出合理的外购优化操作方式。目标方程可以表示为

对于上述目标函数，其约束条件有四大类：在设备负荷方面，考虑每台设备的负荷范围，使其运行在各自范围之内；在需求方面，要满足外部能量需求，在整个优化过程中，外部需求为定值；合同需求方面，考虑工厂所需原料的价格、排污等价格的变化，确定采购目标；在限制约束方面，主要表现为政策、环境等的约束，如政策影响下的天然气的使用量、污水排放量等。

2.5 在线模型校正

区别于其他能源优化系统，本文设计开发的能源优化系统具有在线模型校正功能。所校正的模型参数为设备的性能参数，如锅炉和汽轮机的热效率值等。即，通过现场采集到的实时数据，计算相应的参数，在线更新系统中预先配置好的模型参数值，进行下次优化时可以保证模型更为精确，从而可以更好地模拟实际情况，更有效地优化能源使用。

以上五部分为整个蒸汽动力优化系统的优化流程，可以总结如图6所示。

3 系统应用成效

通过分析能源生产消耗、管网差异情况、能源仪表条件、主要指标趋势等方面的数据，发现企业能源薄弱点，从而找到节能点，采取针对性能源优化措施和手段，实现能源运行效益最大化，如图7所示。

图6 蒸汽动力系统优化流程Fig.6 Optimization process of steam power system

基于能源优化技术，优化企业能源结构配置，调整锅炉/汽机等设备操作状态，优化外购/外供电优化操作方式，大大降低了石化企业能源成本，取得了显著的经济效益。此能源优化系统已在中国石化下属企业试点运行，为保证优化实时性以及企业工况运行稳定且有足够的调节操作时间，系统优化频率为每小时一次，优化结果通过企业展示页面（图形/表格）反馈，通过人工手动调节生产装置运行参数。2015年3月系统顺利在茂名石化、天津石化以及青岛炼化进行工程验证，效益显著。以茂名石化为例，某动力车间汽轮机运行优化情况如表1所示。

图7 石化企业能源分析Fig.7 Energy analysis of petrochemical enterprises (a) energy production and consumption; (b) differences of pipe network; (c) energy instruments condition; (d) indices trends

其中，“当前运行值”表示优化前系统实际运行值，“优化值建议”表示所开发的蒸汽动力优化软件给出的运行建议参考值，“偏差值”表示二者之差，偏差越大表明系统可进行优化的范围越大。表2为蒸汽动力优化运行成本报告，根据用能需求对燃料油、石油焦、煤、外供电等能源的消耗进行优化，优化系统的能源结构配置，以成本最小为目标，提高系统经济效益。茂名石化的优化效益为10863.0 元/小时，如图8所示，柱状图表示优化前后的生产成本对比情况，曲线图表示每小时节约成本情况。上述蒸汽动力优化系统在天津石化优化运行的效益为6043.3 元/小时，如图9所示。青岛炼化优化效益为5976.9 元/小时，如图10所示。需要说明的是，在图8～图10中，每一小时的瞬时效益均是基于当前工况计算出的理论效益，由于能源生产过程中的工况瞬息万变，随之优化的边界条件也会发生变化，这也就造成了前后两次优化的理论效益之间并没有关系，因此后边的效益可能升高也可能降低。

表1 茂名石化某动力车间汽轮机运行优化情况Table 1 Optimization performance of steam turbine in Maoming Enterprise

表2 运行成本优化报告Table 2 Optimization report on operating cost

图8 茂名石化优化效益分析图Fig.8 Optimization performance of Maoming Enterprise

图9 天津石化优化效益分析图Fig.9 Optimization performance of Tianjin Enterprise

图10 青岛炼化优化效益分析图Fig.10 Optimization performance of Qingdao Enterprise

4 结 论

能源优化是石化企业能源管理的核心技术，论文以用能最低，途耗最少，产能最优为整体目标，对中国石化能源优化系统进行了整体规划。并以蒸汽动力优化系统为例，从元模型建立、虚拟工厂模型搭建、数据采集与整定、流程模拟、在线优化以及在线模型校正等方面，阐述了系统的优化流程。最后以三家试点企业为例，简述了蒸汽动力优化系统取得的成效。与国外同类软件相比，在技术方面，本文设计研发的能源优化系统为现场设备建立通用的模型并构建标准元模型库，可通过参数配置获得不同规格的设备，缩短建模时间；为提高锅炉、汽轮机等重要设备的效率曲线在不同工况下的适应性，系统在效率曲线的设计中增添了效率曲线外延功能，可明显增强在特殊运行工况下的计算适应性；对测量数据进行整定，能够减小测量误差的影响；利用实时数据通过模拟计算对设备模型进行在线校正，提高优化性能。在软件功能方面，系统界面友好、配置简单易用、实施周期短、操作响应迅速。

节能信息化在中国石化下属企业的成功应用，为石化企业推进节能信息化建设提供了借鉴和参考，支撑了中国石化绿色低碳的发展战略，助力了公司转型发展。在未来工作中，可以对具有分散的多用户、多产汽点、多燃料来源、多压力等级、多工况变化(季节、生产方案、市场价格等)等特点的工艺系统的需求进行进一步细化，并结合启发式算法、热力学目标法的优点，对模型进行进一步提升。

Reference

[1] CHELEMUGE, NAMIOKA T, YOSHIKAWA K, et al. Commercialscale demonstration of pollutant emission reduction and energy saving for industrial boilers by employing water/oil emulsified fuel [J]. Applied Energy, 2012, 93 (5): 517-522.

[2] National Bureau of Statistics of China. Total Energy Consumption [DB/OL]. [2015-07-22]. http://data.stats.gov.cn/easyquery.htm?cn=C01.

[3] 王基铭. 优化工业行业空间布局, 实现区域协调发展 [J]. 化工学报, 2015, 66 (1): 1-6. WANG J M. Optimization of industry spatial distribution, realization of coordinated development among regions [J]. CIESC Journal, 2015, 66 (1): 1-6.

[4] 李德芳, 索寒生, 刘暄. 石化企业能源管理系统的研发与应用 [J].化工学报, 2015, 66 (1): 7-13. LI D F, SUO H S, LIU X. The Development and application of energy management system for petrochemical enterprises [J]. CIESC Journal, 2015, 66 (1): 7-13.

[5] 孙明轩, 毕宏博. 学习辨识: 最小二乘算法与重复一致性 [J]. 自动化学报, 2012, 38 (5): 698-706. SUN M X, BI H B. Learning identification: least squares algorithms and their repetitive consistency [J]. ACTA AUTOMATICA SINICA, 2012, 38 (5): 698-706.

[6] FRANCESC A, JOSÉ J N. Reconstructions that combine interpolation with least squares fitting [J]. Applied Numerical Mathematics, 2015, 97 (11): 30-41.

[7] NIEVERGELT Y. Uncorrelated, or increasing convex, positive data with multiple least-squares exponential curves [J]. Journal of Computational and Applied Mathematics, 2015, 287: 44-47.

[8] LÖFFLER M K. Trapezoid vapour compression heat pump cycles and pinch point analysis [J]. International Journal of Refrigeration, 2015, 54: 142-150.

[9] AZADEH A, RAOOFI Z, ZARRIN M. A multi-objective fuzzy linear programming model for optimization of natural gas supply chain through a greenhouse gas reduction approach [J]. Journal of Natural Gas Science and Engineering, 2015, 26: 702-710.

[10] KONG H N. A green mixed integer linear programming model for optimization of byproduct gases in iron and steel industry [J]. Journal of Iron and Steel Research, International, 2015, 22 (8): 681-685.

[11] WAHL P E, LØVSETH S W. Formulating the optimization problem when using sequential quadratic programming applied to a simple LNG process [J]. Computers & Chemical Engineering, 2015, 82: 1-12.

[12] DAMIANI L, PRATO A P. Simulation of a power regulation system for steam power plants [J]. Energy Procedia, 2014, 45: 1185-1194.

[13] 杨友麒. 节能减排的全局过程集成技术的研究与应用进展 [J]. 化工进展, 2009, 28 (4): 541-548+578. YANG Y Q. State-of-the-art total site integration in energy saving and waste reduction [J]. Chemical Industry and Engineering Process, 2009, 28 (4): 541-548+578.

[14] PETERSEN A M, MELAMU R, KNOETZE J H, et al. Comparison of second-generation processes for the conversion of sugarcane bagasse to liquid biofuels in terms of energy efficiency, pinch point analysis and life cycle analysis [J]. Energy Conversion and Management, 2015, 91: 292-301.

[15] LUO X, HU J, ZHAO J, et al. Multi-objective optimization for the design and synthesis of utility systems with emission abatement technology concerns [J]. Applied Energy, 2014, 136: 1110-1131.

[16] NA J, JUNG J, PARK C, et al. Simultaneous optimization models for heat exchanger network synthesis with multiple utilities: a new strategy by using utility sub-stage[C]//JIŘÍ J K, PETAR S V, PENG Y L. 24th European Symposium on Computer Aided Process Engineering. Holland: Elsevier, 2014: 1675-1680.

[17] 林子昕, 银奇英, 郑雪松. 基于可靠性分析的公用工程操作优化[J]. 化工进展, 2013, 32 (3): 707-711. LIN Z X,YIN Q Y, ZHENG X S, et al. Operation optimization of utility systems based on reliability analysis [J]. Chemical Industry and Engineering Process, 2013, 32 (3): 707-711.

[18] 赵茂先, 高自友. 一种混合整数双层线性规划的全局优化方法[J]. 系统工程理论与实践, 2005, (7): 113-116. ZHAO M X, GAO Z Y. A global convergent algorithm for solving the mixed integer bilevel linear programming problem [J]. Systems Engineering-Theory & Practice. 2005, (7): 113-116.

[19] LI S, CHANG L. Reliable and flexible steam and power system design [J]. Applied Thermal Engineering, 2015, 79 (3): 184-191.

[20] KUSAKANA K. Operation cost minimization of photovoltaic-dieselbattery hybrid systems [J]. Energy, 2015, 85: 645-653.

研究论文

Design and application of energy optimization system in petrochemical enterprise

LI Defang1, JIANG Baihua2, SUO Hansheng2, LIU Xuan2
(1Sinopec, Beijing 100728, China;2Petro-CyberWorks Information Technology Co., Ltd, Beijing 100007, China)

Abstract:Petrochemical industry is a high energy consumption area, its development is being restricted by the shortage of resources. Energy management system based on the deep integration of informatization and industrialization can greatly improve the quantitative management abilities of energy and has a great prospect on supporting an enterprise to optimize its energy consumption. Sinopec achieves satisfactory results by constructing energy management system based on information technology. The overall planning of energy optimization system has been proposed in this paper, the functions of this system have been designed by analyzing petrochemical businesses. Moreover, the steam power system has been taken as an example to illustrate the business functions of the optimization system. The specific description of energy optimization process of the system has been demonstrated in the aspects of the construction of mechanism factory model, data inspection, data correction, online energy optimization and online model regulation. Finally, the application benefits of three pilot enterprises have been analyzed. Especially, this can be regarded as a reference provided for petrochemical enterprises to promote energy conservation in their informatization construction process.

Key words:petrochemical; process system; system engineering; information system; energy; optimization

Corresponding author:SUO Hansheng, hansheng.suo@pcitc.com

中图分类号：TE 99；TP 39

文献标志码：A

文章编号：0438—1157（2016）01—0285—09

DOI：10.11949/j.issn.0438-1157.20151455