在精炼过程中使用预测发射监测系统（PEMS）

正在进行的收购发射数据在工艺产业中受到法律要求的管制，以便监测和控制污染物释放污染物。收购数据是对植物排放的检查，以确保它们不超过法律规定的阈值限制。

有效和可靠的排放数据获取工具的可用性对工厂所有者至关重要。

当工厂在提供排放值方面出现长期故障时，法律当局可能会强制工厂关闭。此外，环境限制也会影响工厂的生产。

大多数电厂采用的连续排放监测系统(CEMS)是基于硬件的。环境监测系统由取样和确定排放的烟气成分的分析仪和管理、记录和存储排放值的IT基础设施组成。

CEMS的有效替代方案是预测排放监测系统(PEMS)这是以软件为基础的，被大多数环境监管机构所接受，用于监测和记录工厂排放。PEMS是一种基于高级数学模型估算排放浓度的新概念。

经验建模技术，也被称为推断或数据驱动建模，被认为是创建精确的排放估计模型的最有效的技术。

这种技术是基于从数据集中获得相关信息以预测污染物浓度行为的能力，污染物浓度行为取决于表征排放过程的物理变量。通过使用人工神经网络(ANN)，可以平衡模型的性能和鲁棒性，以提供可与基于硬件的排放分析仪提供的可靠性和准确性相媲美的准确性。

本文详细介绍了神经网络技术在位于南欧的一个主要精炼工厂的成功实施。

PEMS基本原理和过程概述

虽然到聚合物已被美国环保署(US-EPA)立法接受为监测排放的主要来源，欧洲监管当局只将PEMS视为CEMS的备份。欧洲的一家大型炼油企业根据法律规定，在使用CEMS的现有排放监控设施的基础上，选择了使用PEMS作为备用设施。

该实施旨在将硬件分析系统的服务系数提高到97.5%以上，并减少第三方公司在硬件分析仪未投入使用时进行排放监测的次数。

由流体催化裂化装置(FCC)和硫回收装置(sru)获得的各种污染物组分的冗余值到聚合物．这两个单元非常关键，而且比通常认为最适合于PEMS实现的单元更为复杂。

特别是，这家炼油厂使用了FCC和SRU装置的升级和改进版本，以遏制工厂排放和提高炼油能力。

硫磺恢复单位

三个平行脱硫列车排放的废气被导向SRU烟囱。这些流程中的每一条都实现了不同的处理方法和处理单元，但在下游实现的Claus流程在所有三列中几乎是相同的。在这些系列中有许多旁通阀用于工艺气体的选择性分流(图1)。

图1所示。硫磺回收装置布置

第二和第三列车的尾气处理装置(TGTU)是专利的和不同的。催化焚烧阶段在TGTU阶段之后。第一个装置中的硫提取效率较低，因为它只提供一个热焚烧炉。

sru接收来自各种炼油厂处理和生产装置的气体。注入sru的气体的成分和比例是未知的，而且不随时间而固定。像H₂S，NH._3.和有限公司₂将不同浓度的液体注入三股sru中。

流体催化裂化

采用专利吸收法对催化裂化再生器的烟气进行了进一步处理，以减少SO的量₂发射。新的FCC单元(图2)具有自己的堆栈(FCC-02)。废气从裂化装置转移到吸收塔或直接到原始堆栈(FCC-01)。

图2。FCC吸收单元布局

的实现有效预测解决方案由于工厂布局和工艺流程的原因而变得复杂。第一个问题是由于原料成分的波动，这取决于上游装置的性能和炼油厂一开始处理的碳氢化合物。操作者无法控制这些波动。另一个复杂情况是由于这两个单位的几个运作情况:

• 在sru中，根据产生不同排放水平的负荷和维护活动的变化，可以在多种配置中操作各种子过程。
• SO2吸收单元使能遵守环境约束。在其活跃状态下，高达50％的FCC废气被转移到吸收器，后面达到FCC-02堆叠。在单位的非活动状态下，所有气体都被转移到FCC-01堆叠。

工程阶段在很大程度上受到这些操作条件的影响，因此，需要对过程行为进行深入分析，并与工厂人员合作，以全面评估可用的设备和仪器的操作。

到聚合物溶液

通过与炼油厂工程师的密切合作到聚合物团队能够清楚地定义开发系统所需的标准操作条件。的PEMS应用程序为sru量身定制，在最普遍的情况下提供最佳性能，达到最高的脱硫效率。在这两种情况下，TGTU2和TGTU3的尾气都是从第一个机组转移到TGTU2的。

在裂缝单元的情况下，软件分析基于阀门开启位置值，可以帮助so₂吸收器。创建一个数据集，该数据集表示一组涵盖标准操作条件并描述流程动态的变量，这对于构建有效的模型至关重要。

第一步是数据采集阶段，在此阶段收集带有时间标记的同步排放和过程数据的基线，用于创建模型。这一步涉及提取和分析存储在工厂排放数据采集系统中的6个月前的数据。用于开发模型的最后一个变量子集是通过对初始数据集进行几个操作得到的:

• 去除异常值和“劣质”数据
• 确定适当的采样时间，以平衡模型的过度训练和过程可变性重要数据的丢失
• 通过主成分分析等高级数学技术进行的统计分析有助于揭示过程参数和发射值之间的隐藏相关性

按照上面列出的步骤，到聚合物工程师能够缩小适合用作输入变量的操作参数。由于SRU模型涉及大量单位，因此它们需要一组10-12个输入参数，以实现正确的准确性。裂缝单元只需要七个或八个输入变量。为了识别用于再现精确发射值的正确模型，产生了线性回归，神经网络等的许多模型结构，并比较了它们的性能。

在此基础上，工程师选择了神经网络作为合适的模型结构，因为它具有鲁棒性和有效性排放监测。

图3。前馈和神经网络原理图

一旦离线验证完成，软件分析仪就安装在位于现场的专用服务器上。随后，建立了opc连接，以便到聚合物软件引擎从控制系统接收实时的过程值。

基于模型处理的参数生成实时发射估计。最后，PEMS系统与现有的数据采集系统（DAS）集成，用于制作发射数据植物人员可以访问（图4）。

图4。系统架构原理图

在没有提供传统仪器数据的情况下，设计了一种策略来扩展到聚合物炼厂的排放“气泡”极限值。

结果

的到聚合物估计通过比较系统产生的值与现有硬件仪器提供的值进行比较来验证，以获得炼油厂的最终接受。比较结果表明，软件分析仪提供的预测与分析装置的结果具有优异的相关性。

如图5所示，预测的SRU流量值与安装在堆栈上的流量计获得的实时数据相对应。

图5。SRU烟气流动的PEMS与CEMS比较

根据这个数字，到聚合物值符合，在报告的20天内的物理测量范围内，在±5％的带宽范围内。

实施排放监测系统的意义在于增加现场排放监测基础设施的总可用性。在CEMS的情况下，在正常维护期间，推理模型提供冗余数据，帮助覆盖空白期间。

描绘预测和测量的每日图表在FCC堆栈中没有测量的没有发射值如图6所示。

图6。PEMS扩展了排放监测的可用性

由于每天的自动重新校准和维护活动，在两个不同的时间间隔内，硬件分析仪没有排放测量值。这种情况被克服了到聚合物，为排放监测基础设施提供了一种替代测量方法，其总体服务系数也远高于99%。

结论

基于这些结果，软件分析仪能够提供一个高度精确的解决方案，在具有高度挑战性的炼油过程中为CEMS系统提供可靠的备份。对于这样的应用程序，从到聚合物模型分析测量可以触发硬件故障或漂移的早期预警，帮助维护行动。

与传统的CEMS系统相比，预测系统提供训练有素的推理模型，使电厂操作人员能够离线模拟不同运行条件下的排放行为。

在“假设”分析的帮助下，工厂工程师能够检查排放对输入变量变化的响应，以及每个操作参数如何影响最终排放值。的贡献到聚合物溶液不仅仅是cems的备份。它可以实现为众多应用的主要监控技术，证明其提供可以与传统分析仪进行比较的准确性和性能的能力。

在经济方面到聚合物比传统的分析仪更有优势，从初始资本到运营成本。其他一些优势包括:

• 不需要任何预防性的定期维护
• 接近零功率消耗
• 不需要任何备件或耗材，减少仓库必需品

基于上述福利和其他福利，与传统分析仪相比，PEM的实施可使总生命周期降低50％。即使是预测系统它们无法取代CEMS。系统的选择取决于设备、工艺布局和操作条件。2020欧洲杯下注官网一个有效的解决方案需要集成硬件和软件排放监测策略，以覆盖整个可能的应用范围。

例如,到聚合物对于锅炉、熔炉或燃气轮机来说可能是一个更好的过程，而CEMS则适合民用焚化炉或燃烧固体燃料的装置。为了在确定适用于特定应用的适当技术方面获得适当的指导，最好总是依赖在这两种技术方面都表现出坚实能力和背景的供应商。

图7。Gregorio Ciarlo.

图8。费德里科•Callero

这些信息已经从ABB测量与分析公司提供的材料中获得、审查和修改。欧洲杯足球竞彩

有关此来源的更多信息，请访问ABB测量与分析。