基于智能预测和机理模型的换热网络清洗决策

摘要

原油石化装置的换热器常受到结垢影响,导致换热器性能衰退严重,换热网络性能也会随之衰退,同时换热器之间的耦合关系,导致不同换热器的性能衰退对换热网络整体性能变化的影响不同。以往的清洗决策主要是根据单台换热器性能衰退到一定程度来制定的,这会导致换热网络整体可能处在较差的运行状态。因此,本文提出一种基于智能预测和机理模型的换热网络清洗决策方法,基于换热器的运行数据建立智能预测模型,获得换热器性能变化趋势,结合换热网络的性能模拟模型,进一步获得换热网络的性能变化趋势,从而从换热网络整体性能变化的角度来制定清洗方案。研究表明,对收集到的原油换热器运行数据,建立神经网络预测模型,具有较好的预测精度。通过对原油精馏装置换热网络的案例分析,当HE1、HE2和HE5三台换热器同时发生性能衰退时,换热网络年度公用工程能耗费用将增加12.1%。与传统基于单台换热器性能衰退情况制定的清洗方案相比,从换热网络整体性能衰退角度制定的清洗方案,年度额外公用工程费用减少13.1%,损失费用减少14.1%,年度总费用减少13.8%,而清洗次数仅增加3台次。