因此,急需開展石化腐蝕預測新技術和過程智能報警抑制方法研究,利用生產過程參數進行腐蝕預測性分析,建立石化系統設備腐蝕管理系統,集腐蝕監檢測、腐蝕評估、腐蝕控制、防腐管理、遠程診斷與服務及設備管理于一體,一方面實現腐蝕動態量化評估與監控,及時采取針對性防腐措施,實現設備預防性維修;另一方面基于設備腐蝕評估建立設備管理規范,實現風險管控及設備完整性管理;同時基于腐蝕回路進行工藝防腐管理,保障裝置運行安全,為石化設備防腐技術及管理邁向智能化提供技術支撐。 石油化工行業競爭日益加劇 安全環保逐漸成為企業核心競爭力
隨著城市化快速發展,“化工圍城”“城圍化工”問題日益顯現,加之部分企業安全意識薄弱,安全事故時有發生,行業發展與城市發展的矛盾凸顯,“談化色變”和“鄰避效應”對行業發展制約較大。
如江蘇響水“3·21”爆炸事故過去一個月后,江蘇省化工行業的整治提升方案出臺,明確提出長江干支流兩側一公里范圍內且在化工園區外的化工生產企業原則上2020年底前全部退出或搬遷,嚴禁在長江干支流一公里范圍內新建、擴建化工園區和化工項目。
隨著環保排放標準不斷提高,行業面臨的環境生態保護壓力不斷加大。企業只有在保障安全環保的前提下,才能獲得良好的經濟效益,安全環保已經成為企業的核心競爭力。同時,石化還面臨著裝置設備腐蝕的高風險及嚴重后果。
腐蝕造成的損失巨大 石化設備腐蝕情況觸目驚心
智能報警抑制方法研究
近年來,隨著DCS(分布式控制系統)和EM(設備全生命周期管理平臺)在石化裝置中的廣泛應用以及石化行業信息化建設的不斷推進,大量數據被記錄和儲存下來,包括過程歷史監測數據、過程裝備的可靠性數據(如不同類型操作單元和設備的生產負荷數據、故障歷史記錄及維修記錄)、動設備(泵、壓縮機、風機)性能歷史記錄等已經在物聯網環境下進行了按照數字化的方式存儲,并隨著信息化建設的開展和深入,數據量以幾何級速度增長。
以一個典型的煉化一體化企業為例,擁有30000個采樣點,現場采樣率達到100次/秒,每年約產生495 TB數據。海量數據一方面使得裝置的報警系統能更加準確精細地掌握運行狀態,使智能化操作成為可能,另一方面也為腐蝕監檢測先進報警系統的設計提出了挑戰。
腐蝕監測與檢測的區別 腐蝕預測技術舉例 1 腐蝕回路分析
腐蝕回路分析分為簡單分析和詳盡分析兩大類,如圖7和圖8所示。
2
用于指導工藝防腐、原油混煉、高溫注劑和高溫選材,能夠及時反映工藝變化,如圖9所示。
3
如圖10所示,可以實現不開孔、卡箍式安裝或管道焊接螺柱安裝;測厚數據采用無線網絡模式傳輸,即利用網關和路由器,將數據傳送到遠程數據平臺;實現連續測厚監測。
4
5
如圖12所示,采用非插拔式氫探針緊貼于測點,經過幾分鐘后,迅速顯示出因腐蝕而生成氫的滲透量,反應靈敏度高,可在500 ℃的高溫環境下工作,適用于煉制高酸原油裝置的環烷酸腐蝕監測及有氫逸出的腐蝕環境。
6
7
現在已經有了比較成熟的循環水系統腐蝕泄漏檢測系統,如圖14所示。
數據分析
數據分析是指用適當的統計和計算機方法對收集的數據進行分析,把隱沒在雜亂無章數據中的信息集中、萃取和提煉出來,找到研究對象的內在規律,最大化地開發數據資料的功能,發揮數據的作用。
由于數據為多種不同特征的參量,在時間、空間、可信度和表達方式上不盡相同,側重點和用途也不相同,因此需要將信息進行融合,即對多方位采集的局部環境下的不完整數據加以綜合,消除多源數據間可能存在的冗余和矛盾信息,降低不確定性,形成對系統的一致性描述。
常用的信息融合方法有加權平均法、卡爾曼濾波法、貝葉斯估計法、神經元網絡法等。
深度學習是近年來發展起來的一種機器學習領域的新研究方向,其起源于人工神經網絡,是基于樣本數據通過一定的訓練方法得到包含多個層級的深度網絡結構,每個層級之間的連接強度在學習過程中修改并決定網絡的功能。
深度學習可通過學習深層非線性網絡結構,實現復雜函數逼近,表征輸入數據分布式表示,并找到數據的內部結構,發現變量之間的真正關系形式,展現了強大的從少數樣本集中學習數據集本質特征的能力。
腐蝕數據研究
然而,煉油裝置是一個非常復雜的腐蝕系統,影響腐蝕的因素非常多,其中最主要的是原料中的硫、氮、氧、氯及重金屬和雜質等腐蝕介質的含量,以及設備運行過程中的溫度、壓力、流速等操作參數。若要進行腐蝕預測,保證系統可靠運行,就需要對各種復雜的數據進行細化歸類,最具代表性的有以下5個方面:
中國石化青島安全工程研究院近年開發了一套集在線、離線監檢測數據于一體的為腐蝕分析提供便利的腐蝕數據管理系統,其運用深度學習方法對煉油企業累積的海量數據進行深度分析,對關鍵裝置的工藝參數和水質分析數據進行學習訓練,建立關鍵信息(切水鐵離子濃度、pH值、設備壁厚)與其他監測量之間的黑盒模型,達到根據工藝狀態快速、準確地進行預測的目的,為指導企業腐蝕防護工作奠定了理論和技術基礎,如圖15和圖16所示。
腐蝕監測急需解決的問題
(1) 腐蝕監測傳感器的智能化和低成本化;
(5) 腐蝕數據驅動決策:通過腐蝕預測模型、數據挖掘技術發現規律,實現狀態監測+診斷決策。
腐蝕數據研究方向 “智慧防腐”建設分三步走
第一步:數字防腐。布設大量傳感器,重點開發能夠實現面掃的腐蝕監檢測技術,收集和積累腐蝕數據,構建腐蝕大數據庫,實現可視化。構建可視化的設備防腐管理系統,通過二三維一體化平臺與傳統的設備管理系統相結合,實現設備防腐信息的可視化、集成化和維修作業協同化。
第二步:智能防腐。對“腐蝕大數據”分析利用,實現防腐智能管控、智能運維、智能監檢測,建立標準化數據倉庫。
第三步:智慧防腐。防腐業務智慧化,實現整體優化及標準化,包括體系化管理、智慧防控鏈、材料腐蝕基因組工程優化。
腐蝕防護應用大數據分析技術 智能化煉化設備腐蝕信息系統 設備的本質安全要靠智能化來實現
從石化的腐蝕與防護技術現狀看,腐蝕無疑是安全生產的大敵,任務依然艱巨,設備仍未全面達到本質安全要求。
石化腐蝕預測工作永遠在路上
免責聲明:本網站所轉載的文字、圖片與視頻資料版權歸原創作者所有,如果涉及侵權,請第一時間聯系本網刪除。

官方微信
《腐蝕與防護網電子期刊》征訂啟事
- 投稿聯系:編輯部
- 電話:010-62316606-806
- 郵箱:fsfhzy666@163.com
- 腐蝕與防護網官方QQ群:140808414