基于HY石油天然氣標準S和公共安全標準的天然氣凈化裝置用能優化

摘 要

摘要：為了降低含硫天然氣處理過程中的能量消耗和操作成本，應用工業流程模擬軟件HYSYS建立了含硫天然氣凈化裝置工藝模型，并基于數據對象接口(Automation)技術開發了HYSYS與矩陣
摘要：為了降低含硫天然氣處理過程中的能量消耗和操作成本，應用工業流程模擬軟件HYSYS建立了含硫天然氣凈化裝置工藝模型，并基于數據對象接口(Automation)技術開發了HYSYS與矩陣數值分析軟件Matlab之間的接口程序，將HYSYS工藝模型作為適值函數計算的基礎并入遺傳算法(GA)中，從而建立了基于HYSYS模擬和遺傳算法的天然氣凈化裝置用能優化模型。應用此優化模型對川渝地區某50×104m3/d天然氣凈化裝置的用能進行了操作參
數優化，結果表明：在保證凈化氣產品質量的前提下，凈化裝置的用能降低了12.8%，經濟效益明顯提高。該方法通用性強，可用于其他過程系統的操作參數優化。
關鍵詞：含硫天然氣；凈化裝置；用能優化HYSYS模擬；遺傳算法；決策變量；最優操作；操作參數
    含硫天然氣在我國天然氣開采量中所占比重逐年增加[1]。含硫天然氣必須經過凈化裝置脫除天然氣中的硫化氫(H2S)和過量的二氧化碳(C02)氣體才能供下游用戶使用，而含硫天然氣中較高的H2S含量會使天然氣凈化裝置溶液循環量增大、工藝流程更加復雜、能源消耗量增大、開采成本增大[2～4]。因此，如何通過系統模擬與分析方法來確定天然氣凈化裝置的最優操作條件，以降低天然氣處理過程的能量消耗和操作成本，提高石油企業的經濟效益和市場競爭力，成為目前企業迫切需要解決的問題[5～6]。為了充分利用凈化裝置在線測量數據信息，優化裝置操作參數、降低凈化裝置的運行成本和能耗，需要建立嚴格的工藝過程模擬模型，并在此基礎上，建立以裝置運行能耗為目標的優化模型。該優化模型具有規模大、非凸非線性、多峰等特點[7]，應用傳統優化方法求解困難。
    遺傳算法(genetic algorithm，GA)是一種應用最廣泛的智能優化算法[8]，具有思路簡單、實現方便、應用效果明顯的特點，其并行性和全局搜索特點非常適合用于大規模、非線性的優化模型[9～10]。筆者依據川渝地區某含硫天然氣處理裝置操作數據，利用工業流程模擬軟件HYSYS建立含硫天然氣凈化裝置工藝模型，并基于數據對象接口技術(Automation)，開發了HYSYS與矩陣數值分析軟件Matlab之間的接口程序，實現了HYSYS與Matlab之間數據的雙向傳遞；應用Matlab編寫遺傳算法優化程序，以凈化裝置的用能作為遺傳算法的適應度函數，通過接口程序調用HYSYS工藝模型計算每個遺傳個體的適應度值。優化結果表明，這種結合流程模擬軟件和遺傳算法的操作參數優化方法對降低凈化裝置運行能耗十分有效。
1 含硫天然氣凈化裝置HYSYS工藝模型
1.1 含硫天然氣凈化工藝流程簡述
川渝地區某50×104m3/d天然氣凈化裝置采用典型的甲基二乙醇胺(MDEA)溶液吸收法脫除原料氣中的酸氣(主要為H2S和C02)成分，用三甘醇(TEG)溶液吸收法脫除水分，降低天然氣的露點。原料氣的組成為：CH4體積分數為95.100%，C2H6體積分數為2.122%，C3H8體積分數為0.431%，C4H10體積分數為0.123%，C5H12體積分數為0.032%，C02體積分數為0.180%，H2S體積分數為1.900%，N2體積分數為0.112%，H2O為飽和狀態。圖1為該天然氣凈化裝置的工藝流程簡圖。表1為該天然氣凈化裝置的主要操作參數及干氣質量標準。
 

1.2 HYSYS工藝模型
   基于該天然氣凈化裝置的工藝流程，應用HYSYS流程模擬軟件建立脫硫、脫水裝置的工藝模型。圖2為應用HYSYS建立的MDEA法脫硫和TEG法脫水裝置工藝模型圖。

   在流程模擬中，針對醇胺溶液酸氣脫除工藝的特點選擇了醇胺物性包(Amines Property Package)模型[11]，該模型包括了Kent-Eisenberg模型[12]和Li-Mather模型[13]，Li-Mather模型是基于嚴格熱力學機理的模型，而Kent-Eisenberg則屬于半經驗化熱力學模型。筆者選用了更為嚴格的Li-Mather模型作為MDEA溶液吸收酸氣過程的熱力學模型。而TEG脫水工藝過程的熱力學模型則選用了TST(Twu-Sire-Tassone)模型[14]，該模型可以精確地模擬TEG-水體系的氣液相平衡。
1.3 HYSYS模型驗證
    依據該含硫天然氣凈化裝置的運行數據，將原料氣及MDEA吸收溶液的參數輸入凈化裝置工藝模型，調整模型參數，使輸出干氣氣質達到凈化氣氣質標準。表2為某含硫天然氣凈化裝置運行數據與模擬數據對比表，據此來驗證所建立的凈化裝置模型的準確性。

    由表2可知，通過HYSYS所建立的凈化裝置模型可以很好地模擬實際運行裝置的過程參數，這為下一步凈化裝置的用能優化奠定了可靠的基礎。
2 含硫天然氣凈化裝置用能優化模型
    通過對含硫天然氣凈化裝置的分析，本文以凈化裝置用能最小化為優化目標。選擇對凈化裝置用能有明顯影響的醇胺吸收劑循環量[x(1)]、醇胺吸收劑濃度[x(2)]、醇胺吸收劑再生塔塔頂回流率[x(3)]、TEG脫水溶劑循環量[x(4)]、TEG再生器汽提氣用量[x(5)]和TE再生器重沸器溫度[x(6)]作為決策變量。含硫天然氣凈化裝置用能優化模型描述如下：
    minenergy(x)=[E1(x)+E2(x)+E3(x)+E4(x)+E5(x)]/Q(x)    (1)
式中energy為凈化裝置單位能耗值，MJ/104m3；E1、E2、E3、E4和E5分別為醇胺溶液再生塔重沸器加熱量、醇胺溶液循環泵用能、TEG再生器重沸器加熱量、TEG溶液循環泵用能和汽提氣用量按發熱值折算的熱量；Q為凈化裝置輸出凈化氣的流量。

    圖3為基于HYSYS模擬和遺傳算法的天然氣凈化裝置用能優化框架圖。本文采用的遺傳算法參數為：種群規模為10，終止遺傳代數為60，交叉因子為0.6，變異因子為0.3。種群中每個個體的基因(決策變量)通過HYSYS與Matlab的接口傳遞給HYSYS，當HYSYS計算收斂后通過接口傳遞回Matlab。Matlab讀取HYSYS工藝模型中凈化氣的組分信息判斷凈化氣是否滿足商品氣氣質標準，如滿足商品氣氣質標準，則讀取HYSYS模型中各用能設備能耗數據按式(1)計算適應度函數(目標函數)，否則，將罰值(極大值)賦予該個體的適應度值，以便在進化過程中淘汰該個體。在這個優化框架中，HYSYS工藝模型運算的收斂性是整個流程順利運行的關鍵。如果某個遺傳個體的基因(一組決策變量)不能使HYSYS工藝模型收斂，則整個優化程序將會終止。因此，應控制各決策變量的范圍，使其不超出HYSYS工藝模型的運算收斂范圍。
3 結果與討論
    各決策變量的變化范圍為：x(1)為240.00～350.00kmol/h；x(2)為40%～50%；x(3)為0.3～1.5；x(4)為8.00～15.00kmol/h；x(5)為0.15～5.00kmol/h；x(6)為180～205℃。表3為各決策變量及凈化裝置單位能耗值優化前后對比表。分別在10、20和30個種群規模下運行優化程序，其進化結果圖如圖4所示。
 

    由圖4可知，遺傳算法中的種群個數對收斂速度有明顯影響，種群個數越多，收斂速度越快，但基本都收斂于同一點附近，取各點平均值為最終優化結果。每次運行遺傳算法所得到的結果都有差別，這是由于遺傳算法的隨機性及決策變量操作空間的非凸非線性造成的。
    由表3可知，在優化后的操作參數下運行，凈化裝置單位能耗比優化前降低了12.8%，MDEA吸收劑的循環量比優化前有明顯的降低，而其濃度有所升高。較高濃度的MDEA溶液可以吸收更多的酸性氣體[15]，從而降低吸收劑的循環量和再生塔的能耗。再生塔塔頂回流率控制再生貧胺液中H2S的負荷，從而影響MDEA溶液的需求量[16]。在脫水裝置中，汽提氣的用量增加了，但再生器重沸器的溫度明顯降低。再生器重沸器的溫度降低會減少熱量需求，而汽提氣的增加則會增加所需燃料氣的能耗。優化算法通過協調兩者的關系，使凈化裝置總能耗達到最低。
4 結束語
    本文基于流程模擬軟件HYSYS和遺傳算法(GA)建立了天然氣凈化裝置用能優化模型，該模型可以優化凈化裝置的操作參數，降低凈化裝置的運行能耗。首先，應用HYSYS流程模擬軟件建立凈化裝置的工藝模型，然后將HYSYS工藝模型作為適值函數計算的基礎并入遺傳算法中。應用此優化模型對川渝地區某50×104m3/d天然氣凈化裝置用能進行優化，優化結果表明，通過優化凈化裝置操作條件，可以使凈化裝置單耗下降12.8%，大大提高了凈化裝置的產品收益。該方法通用性強，可用于其他過程系統的操作參數優化。
參考文獻
[1] 李云波，李相方，姚約東，等.高含硫氣田開發過程中H2S含量變化規律[J].石油學報，2007，28(6)：99-102.
[2] 龍增兵，劉瑾，吳熹.高含硫天然氣脫硫工藝方案選擇及模擬評價[J].化工技術與開發，2007，36(12)：28-32.
[3] 賈琴芳，劉洪杰，張莉，等.丘東1#天然氣處理裝置工藝優化研究[J].石油與天然氣化工，2009，38(5)：386-389.
[4] 王正權，王瑤，高超，等.天然氣脫硫裝置適應性模擬計算[J].石油與天然氣化工，2010，39(3)：204-209.
[5] 黃德先，葉心宇，竺建敏，等.化工過程先進控制[M].北京：化學工業出版社，2006：131-137.
[6] 蔣洪，楊昌平，吳敏，等.天然氣三甘醇脫水裝置節能分析[J].石油與天然氣化工，2010，39(2)：122-127.
[7] 俞紅梅，姚平經，袁一，等.大規模過程系統能量優化綜合的遺傳模擬退火算法[J].化工學報，1998，49(6)：655-661.
[8] 王小平，曹立明.遺傳算法——理論、應用與軟件實現[M].西安：西安交通大學出版社，2002：1-5.
[9] LOUIS G，MAXIME T G，FRAN OIS M P.Review of Utilization of genetic algorithms in heat transfer problems[J].International Journal of Heat and Mass Transfer，2009，52(4)：2169-2188.
[10] 戴曉暉，李敏強，寇紀淞.遺傳算法理論研究綜述[J].控制與決策，2000，15(3)：263-268.
[11] Aspen Technology.Aspen HYSYS simulation basis[M].Burlington.USA：Aspen Technology，2009：50-62.
[12] KENT R L，EISENBERG B.Better data for amine treating[J].Hydrocarbon Processing，1976，55(7)：56-59.
[13] LEE I J，0TTO F D，MATHER A E.Solubility of mixtures of carbon dioxide and hydrogen sulfide in 5.0 N monoethanolamine solutions[J].Journal of Chemical&Engineering Data，1975，20(5)：161-163.
[14] CHORNG H T，VINCE T，WAYNE D S.Advanced equation of state method for modeling TEG-water for glycol gas dehydration[J].Fluid Phase Equilibrium，2005，228(2)：213-221.
[15] LEMOINE B，LI Y G，CADOURS R，et al.Partial vapor pressure of C02 and H2S over aqueous N-methyldiethan of lamine solutions[J].Fluid Phase Equilibrium，2000，172(3)：261-277.
[16] HUTTENHuIs P J G，AGRAWA N J L，HOGENDOORN J A，et al.Gas solubility of H2S and C02 in aqueous solutions of N-methyldiethanolamine[J].Journal of Petroleum Science and Engineerin9，2007，55(11)：122-134.
 
(本文作者：李奇 姬忠禮 段西歡 馬利敏 中國石油大學(北京)機械與儲運工程學院)