使用FT-NIR作为CDU优化的多流方法

在侧抽合格的区域需要TY估计，这是典型的使用推理模型，取决于工艺参数（流量/压力/温度）与标称粗饲料测定的和解真正沸点（TBP）曲线之间的经验相关性。

炼油厂

过程FTIR.采用基于光纤的配置，为单个工艺流单独加热的样品流池柜，能够以合适的数据速率快速向CDU在线优化器提供多流、多属性、实时、准确的产品质量数据。这将能够控制侧抽流的切割点和质量，允许更有效地优化装置，并关键地防止由于泵周围控制和糟糕的热平衡，高价值产品流向低价值流的产量损失。

粗蒸馏装置（CDU）

原油蒸馏装置（CDU）可能是整个炼油厂生产能力最高的工艺装置，考虑到通常可能有两条、三条或更多的平行原油蒸馏生产线，可以预期CDU的操作将在先进过程控制（APC）方面受到相当大的关注-这一预期是正确的。然而，与此同时，CDU本质上并不是炼油厂中最关注在线过程分析的装置，直到最近。这一明显矛盾的原因是什么？

原油蒸馏装置(ADU和VDU)在整个炼油厂的背景下

基民盟的性质对此负有责任。转换单元是炼油厂下游的操作单元，它们进行化学反应——烷基化、裂化、加氢处理、重整和异构化——所有这些都涉及(有时是重要的)分子重排。

在CDU内部没有(故意的)化学反应发生-它只是一个分馏器。因此，至少可以尝试CDU运行的数学严格模型，通过多个控制回路、压力/温度/流量测量和热量/质量平衡，在标准技术的帮助下实现APC。在APC计划中需要设定值和侧抽流质量估计的领域，通常使用推理模型，基于物理工艺参数(流量/压力/温度)之间的经验相关性，实验室确定的产品流质量，以及名义粗饲料测定的调和(即校正)TBP曲线。

必须指出，这种类型的建模练习是实质性的，应用于这些推理技术的模型可能是难以置信的复杂，需要数百甚至数千个实验室检查样本。

CDU操作中的热平衡，泵送和切割点

CDU工艺流的实时分析

产量和质量

正确理解原油饲料的性质是优化CDU操作的起点。考虑到极高和可变的价值，就美元价格而言，这是越来越重要的知识，以便可以进行经济优化的购买和混合选择。

传统上，粗饲料的特点是采用具有TBP曲线的通用分析法（这是该领域的典型分析，而不是针对任何装运）。这是典型APC模型的主要输入-如果没有它，侧画质量的估计以及精确切割点的设置精度都是无用的。

通常，这种投入既不为人所知，也不被充分确定地估计。如果需要更新，通常需要通过冗长而昂贵的实验室测试程序来实现，其中涉及复杂的物理蒸馏设备。事实上，基于实验室的FT-NIR技术在这里有很多可以提供的，并且存在粗略的分析数据库，可以使用该技术进行快速的实验室分析。

侧拔末端沸点和中间馏分冷特性（例如，浊点，闪点）将是APC方案最关键的控制参数。此外，真正的在线直接测量所需的大量特性通过离散，慢的物理性质分析仪在资本成本，维护成本和安装成本方面是禁止的。

这些传统的分析仪还提供了超过20-80分钟循环时间的数据，与APC的输入相反，从推理模型提供每隔几分钟的估计。

利用过程ft -近红外光谱技术实时分析原油和侧流

使用基于光纤的配置对FT-NIR进行处理，为每个必要的工艺流（粗进料和侧抽）配备单独加热的样品流动池，并配备适当的样品处理以去除水分，实现快速多流、多属性、实时、，以合适的数据速率将准确的产品质量数据输入CDU在线优化器。

考虑到在严酷的市场经济推动下，原油采购和混合的快速变化和动态模式，再加上对TBP调节的疑虑以及精确预测侧线终点的推理模型估计器的复杂性，利用过程FT-NIR进行实时在线分析变得越来越有吸引力，也越来越多地得到实施。

ABB FTPA2000-HP260X多通道FT-NIR在线分析仪进行多流CDU优化

使用FT-NIR进行CDU的案例研究

本文介绍了一个安装和操作在线过程FT-NIR分析仪系统在欧洲炼油厂的真空和粗蒸馏容量为约160,000桶（BPCD），每年约为610万吨（MTPA）。虽然有关炼油厂的纳尔逊复杂性指数为11.5，但它具有广泛的加氢纤维和热能，但它限制了深度的残留升级能力。因此，CDU的校正和最佳操作对于有效生产中馏分的方法至关重要。

该项目旨在为CDU的原油原料和产品流提供实时的原料和产品流质量，以及6个废侧流，如重石脑油(HN)、轻石脑油(LN)、直馏汽油(C)₅- c₆），大气胃溃疡（前），重胃（HgO）和煤油（Kero）。在线过程FT-NIR有各种不同的布置，包括使用光纤，提取单电池和使用光纤和探针在线的提取多电池。对于FT-NIR分析仪，CDU应用的不同方面可能会收敛于萃取多细胞方法。

首先，这些是样品流的温度、粘度和密度的巨大差异，这使得在一个或多个单元中的流之间进行物理流切换变得不可行，其次是应用的光谱要求。大体上，较重样品的FT-NIR光谱随样品质量的变化不太快；因此，从建模的角度来看，与原油或重质汽油应用相比，石脑油或汽油应用通常本质上更简单。由于使用光纤探头进行在线取样时缺乏固有的样品控制，以及光谱中可能出现额外失真，因此多单元提取取样方法最为可靠。

本应用中使用的分析仪为ABBFTPA2000-HP260 8通道光纤多路FT-NIR仪器。这种特定分析仪布置的一个优点是，它能够将单独的NIR检测器分配给各个样品流。当应用中包括原油进料流时，这非常有用。原油原料样品的近红外光谱完全可用，与长波近红外（4000–5000 cm）中轻烃的光谱相似^－1)组合带区。

相反，在较短的波长泛音频带区域（5500-9500厘米）^－1)，由于沥青质颗粒和近可见区域光学吸收带尾部引起的吸光度基线偏移和曲率，原油光谱迅速变得不可用。简言之，虽然原油在长波近红外光谱中是透明的，但在其他地方却是黑色的。

组合区域(4000至4800厘米^－1)白至黑烃产品的ft -近红外光谱。

下表显示了此处使用的FT-NIR分析仪的光纤和检测器流分配汇总。

使用小区路径，探测器类型和操作范围进行流分配

流名称	范围 （厘米－1）	纤维类型	探测器类型 (所有te冷却)	单元格长 (毫米)	细胞温度 （°C）
C5C6.	5500年到9500年	低哦二氧化硅	InGaAs 2.1	2	25
轻石脑油	5500年到9500年	低哦二氧化硅	InGaAs 2.1	2	25
重型石脑油	5500年到9500年	低哦二氧化硅	InGaAs 2.1	2	25
煤油	5500年到9500年	低哦二氧化硅	InGaAs 2.1	2	25
前	5500年到9500年	低哦二氧化硅	InGaAs 2.1	2	75
HGO	5500年到9500年	低哦二氧化硅	InGaAs 2.1	2	75
粗饲料	4000年到4800年	ZRF.4	在	０．５	35

包括粗进料流的每条流通过合适的样品调节系统被引导至温度控制的光纤液体样品传输单元，在该单元中记录FT-NIR光谱（每条流约1分钟的数据采集）。

问题的FT-NIR分析仪模型仅使用用于每个测量通道的专用检测器的软件选择，因此，不需要光机械选择。

CDU流的样本调节

在这种类型的应用中，将每个光纤耦合样品液体流动传递电池掺入样品调节系统的滑流中。电池的设计使许多样品温度控制策略，例如使用电池上游的热交换器，流过细胞体的恒温控制的热交换器，或整个电池组件和样品的外壳绝缘温控柜中的调节系统。

这些方法中的每一种都有效，并且安装的物理情况将决定选择。

在这种特定情况下，有一个专用的环境稳定的样品流动面板室，使样品简单的上游温度控制是足够的。每个CDU流将包括不同的样本调节。对于大多数，需要最低的温度控制和通过聚结过滤的剩余除水。在任何聚结过滤器之前，它非常重要的是，样品流的温度降低低于测量细胞的温度，使得预先除去在该温度下脱离溶液的所有水。

所有的流池电路和流池都配备了低流量报警和流量测量，RTD温度探头也集成到细胞体中，并通过内部Modbus连接到FT-NIR分析仪，为系统状态提供积极的保证。

样品调节系统和样品流动池面板，典型功能块

CDU流的样本调节

样品截止截止阀（SSOV）确保测量时样品相的完整性。该SSOV在每个测量循环中运行，以便在样品系统的工作压力下阻止流动池中的样品（图中未显示止回阀、压力调节器和其他系统细节）。

SSOV的操作是在空气执行器的帮助下完成的，空气执行器的螺线管是由分析仪通过内部ABB PLC模块控制的。实际上，根据可用于安装的物理空间和环境温度控制(在这种情况下控制良好)，示意图中的两个机柜的功能可以集成在一个面板中，如下图所示的现场照片所示。

对于两个加热的样品流 - HGO和aga - 对于每个面板，给出了由FT-NIR分析仪控制器执行的具有主动加热和温度控制的额外橱柜外壳。

样品流动池本身的开发有两个主要设计目标：第一，易于现场使用和维护，第二，与传统实验室FT-NIR分析仪样品传输池的数据相比，光谱传输性和等效性。大多数样品光纤流动池设计采用短距离校准长度石英透镜，以便将从光纤尖端发出的快速发散光与紧凑尺寸的流动池相结合。

样品调节和样品流动池面板，带fastloop过滤器、热交换器和结合．

这提出了两个问题。首先，快速折射光学器件产生扭曲NIR光谱的色差，并防止实现第二种设计目标，第二，光纤和电池的紧密耦合意味着任何维护操作都会迫使剥离光纤连接．本电池设计避免了这两个问题，它使用反射耦合（防止光谱失真的偏离抛物面镜）以及可以容易地移除和维护的大尺寸分离的样品流动单元块而不会对其产生任何干扰光纤布置。

光纤样品流动细胞（细节）

相反，对粗原料流的样品调节要求更大，比简单的水去除和温度控制更进一步。通常，这种粗料样品调节系统所涉及的阶段必须包括一个双级可切换反冲洗样品快速回路系统，该系统具有用于过滤器再生的汽油反冲洗、脱盐后的样品提取、以及一个热交换回路，用于在所需的聚结过滤去除游离水之前调节粗料样品的温度。整体校准建模开发策略也是一个主要考虑因素。

本项目的一个重要方面是，通过兼容的实验室FT-NIR分析仪预先开发了所有校准模型，并在CDU长时间运行期间采集了过程样品。这也包括粗饲料样品。这种方法具有许多优点——由于候选模型已可用于佐证，项目启动时间缩短，模型开发过程延长一段时间，以获取具有代表性的原始板岩范围以及CDU运行动态。然而，该方法确实意味着应注意协调过程FT-NIR分析仪上在线过程样品的等效性，以及捕获并提供给等效实验室FT-NIR分析仪的样品的等效性。

结果与讨论

下面显示的是6个CDU运行流程的全部467个校准样本。在这里，每个Class(相当于流类型)都用颜色编码。

所有CDU运行流样本的复合数据集-记录在8厘米处^－1分辨率和2毫米路径长度。

通过标准商业软件包(Infometrix Pirouette, Seattle, WA USA)，在标准偏最小二乘(PLS)方法的帮助下，为所有流创建了校准模型。在用于校准之前，所有光谱数据都经过一个简单的光谱数据预处理过程-限制在固定点基线偏移和面积归一化。没有其他的程序，例如乘法散射校正或正交投影，被使用或需要。

因子分析(PCA)图显示了建模空间中不同运行流的分离。

Stream属性校准模型数据（降次）

溪流	财产	单位	模型精度*	模型范围	数量的样品	因素数量
C5C6	D5%卷。	°C	0．2	38对43	76	6
	D95%体积。	°C	０．５	65到72.	76	3.
	FBP	°C	1．3	66年到78年	75	3.
	IBP	°C	0．6	30 - 38	76	5
轻石脑油	D5％Vol.	°C	0．8	75年到85年	72	5
	D95%卷	°C	1．1	120至150	68	6
	FBP	°C	2．5	135年到170年	60	6
	IBP	°C	1．4	60-75	66	6
	密度	G / L.	０．５	716至728	69	6
重型石脑油	D5%卷。	°C	1．3	108 -To 120.	80	3.
	D95%体积。	°C	1．5	160年到180年	78	6
	FBP	°C	2．2	168到186年	74	7
	IBP	°C	1．6	96到114.	72	3.
煤油	D5%卷。	°C	0．6	175到200	74	5
	D95%体积。	°C	1．2	220年到255年	74	6
	FBP	°C	1．5	235到260	66	6
	IBP	°C	1．8	160年到185年	70	4
	闪点	°C	1．7	45至70	73	6
前	D5%卷。	°C	1．8	240年到255年	73	4
	E250.	体积百分比	0．6	4到10	70	5
	E350.	体积百分比	1．1	82年到97年	69	6
	FBP	°C	2．4	355至372	76	6
	IBP	°C	3．6	200至215	68	7
	闪点	°C	1．8	70至82	76	5
	浊点	°C	１．０	4 + 4	75	6
HGO	E350.	体积百分比	0．4	1.5到6.5	43	6
	闪点	°C	2．3	196年到208年	48	3.
	密度	G / L.	0．4	892年到906年	78	4
	粘度	中科	０．５	18至35	70	5

*SECV在1 σ

CDU下游流的校准图示例

在此，对这些数据作一些说明是适当的。首先，必须指出的是，任何侧向牵引流的数据之间的光谱差异是非常低的，即使是较轻的流，但越来越多的情况是较重的切割。高分子量组分较少使用近红外光谱吸收;这使得光谱测量的稳定性和分析仪之间的等效性非常高，从而使FT-NIR成为唯一可以可靠地实现CDU应用稳定校准的近红外技术。

有限数据差异中的一个额外因素是CDU操作的典型特征-侧绘制流的质量没有太大差异，这再次强调了（低）测量噪声，以实现成功的校准模型。对于这些数据集，报告的校准模型精度在或接近用于产生参考数据的标准实验室技术的ASTM再现性（R）范围内。

总的来说，与标准技术产生的验证数据相比，在线FT-NIR分析仪的预测性能如下所示：

ASTM（R）>RMSEP>ASTM（R）

地点:

ASTM（R）=ASTM实验室参考方法的再现性/准确性
ASTM (r) =方法的重复性/精度
RMSEP = FT-NIR分析仪校准模型预测的根均线标准误差与标准实验室方法

这种说法有一定的解释。基于相关性的技术（例如，使用现场实验室参考属性数据和FT-NIR光谱的PLS技术）的校准数据集应在一段时间内建立，以最大限度地提高样品质量的可变性，尽可能跨越意外的过程变化，以及覆盖原料的季节性或其他周期性差异。这意味着ASTM（r）——实验室技术的短期、单操作员重复性——将低估数据集中的实验室原始误差。

实际上，随着校准数据集的积累，实验室标准设备可能会出现服务或维护干预措施。2020欧洲杯下注官网然而，ASTM (R)——实验室技术的全实验室间、多分析仪重现性)——可能高估了样品属性参考值注入校准数据集的本地实验室原点误差。因此，PLS/FT-NIR校准练习的可能结果，就校准模型精度而言，介于两者之间。

用于过程控制的在线FT-NIR分析仪结果和数据

先进的在线过程FT-NIR分析仪在当前情况下，当使用快速TE冷却NIR检测器、基于软件的检测器通道选择（无需任何机电选择，需要设置时间延迟）以及在1^圣泛音区(64次扫描，分辨率为8厘米^－1）.数据实际上是通过Modbus RTU(或TCP/IP)协议报告给DCS的，每3分钟对所有6条运行流进行一次更新。

这个数据速率实际上比任何APC优化器预期的或需要的稍快，因此对于长期数据，一组数据点的移动平均就足够了。

下面如下所示是从在线FT-NIR分析器数据获得的实时趋势的某些实例：

在250和350°C时，轻质油(LGO)的蒸发点百分比。

重质汽油（HGO）在350°C条件下18小时内的析出百分比与同期电池温度稳定性的对比。

这些测量对于实现良好的系统投资回报非常重要，因为它大大增强了LGO/HGO截断点的控制，避免了高价值产品转化为残渣的损失。下表显示了在线ft -近红外分析仪每个特性和每个流的精度(重复性)

在线FT-NIR分析仪每种特性每种流的重复性

溪流	财产
C5C6	磅（摄氏度）	5 Vol％（°C）	95卷%(°C)	出口押汇(°C)
	0.15	0.23	0．06	0．12
LN	磅（摄氏度）	5 Vol％（°C）	95卷%(°C)	出口押汇(°C)
	0．11	0.15	0.42	0.48
HN.	磅（摄氏度）	5 Vol％（°C）	95卷%(°C)	出口押汇(°C)
	0.34	0.21	0.15	0.33
Kero.	闪点（°C）	磅（摄氏度）	5 Vol％（°C）	95卷%(°C)	出口押汇(°C)
	0.77	0.46	0.42	0.89	0.74
前	闪点（°C）	云点（°C）	磅（摄氏度）	5 Vol％（°C）	E250（Vol％）	E350(卷%)	出口押汇(°C)
	1.10	0.62	0.38	0.55	0.16	0.62	0.91
HGO	闪点（°C）	比重（kg/m）3.）	E350(卷%)	粘度(毫米2/（s）
	1.16	0.22	0．01	0.53

结论

上述数据显示，在实际实施项目的实际实施时采取的措施，以委托一个多财产，多流，在线FT-NIR分析仪进行CDU操作的过程控制。已经详细讨论了所需的操作，光纤类型，探测器类型和液体样品流动细胞的要求和样品调节的要求。

在分析PLS校准模型的性能期间，通过光谱相同的实验室FT-NIR分析仪在离线开发的情况下，注意到在特征CDU降次流中看到的限制频谱差异，并要求该位置对FT的精度和再现性-NIR分析仪被考虑在内。

结果表明，FT-NIR分析仪能够在适当的时间尺度和合适的重复性上提供实时多房产数据，以实现CDU先进过程控制优化的简单操作。

参考

1. Nakamura，“全球炼油能力”，《石油与天然气杂志》，特别报告，2006年12月，第56页。
2. 侯轲，李勇，沈军，胡松，“原油蒸馏装置在线优化”，石油化工，2001年6月。
3. 弗里德曼，Y.Z.，“更多关于推理模型（编辑），”碳氢化合物处理，2005年2月。
4. 钟，H.，“近红外技术在炼油厂中的应用——需解决的重要问题”，《光谱》。Rev.， Vol . 42, 2007, p251-285。
5. 尼尔森，威尔伯，L。“纳尔逊复杂性指数”，石油和天然气学报，1976年9月。
6. Simpson, Michael, B.，“过程分析技术的近红外光谱分析”，过程分析技术，(Ed. Bakeev, K.)， Blackwell出版社，2005。

本信息来源、审查和改编自ABB测量与分析-分析测量产品提供的材料。欧洲杯足球竞彩

有关此来源的更多信息，请访问ABB Measurement & Analytics -分析测量产品。