摘要
天然气生产运行因其介质的燃爆性和毒害性、生产工艺的连续性和复杂性，具有较高的风险，三甘醇脱水作为油气田开发与集输过程中不可缺少的环节之一，建立关键控制参数预警模型可为企业安全生产决策提供重要依据。本文对采用模糊层次分析法对三甘醇脱水工艺风险进行分析，得出了三甘醇脱水工艺系统主要风险影响因素，确定了三甘醇脱水生产运行安全预警指标，采用径向基函数神经网络（RBFNN）对关键预警指标进行了预测，为最终建立天然气生产运行全面安全预警系统打下基础。得出以下结论：（1）三甘醇脱水工艺系统主要风险影响因素为以下四种：人的因素（队伍构成、履职能力等）、物的因素（运行参数、物料控制等）、管理因素（分级管理、应急措施等）及环境因素（季节变化、人口稠度等）；（2）三甘醇脱水生产运行主要的事故的表征方式为火灾、爆炸、超压等，故选取系统压力、压差以及温度作为关键预警指标；（3）通过预测结果与实际值的散点图逼近效果可以得出RBF神经网络模型具有较高的三甘醇生产工艺关键预警指标预测精度，并通过误差计算进一步证明其优越性RMSE为0.012×104m3/天，MAPE为0.06%。
关键词 三甘醇脱水 风险分析 预测模型 模糊层次分析法 径向基函数神经网络
Risk Analysis and Numerical Prediction of Key Indicators of Triethylene Glycol Dehydration Process
Fu Lingdi1 Jiang Lu2 Jiang Changchun1 Chen Yibo1 Zhou Xiaoman1
（1.PetroChina Southwest Oil & Gasfield Company Safety, Environment & Technology Supervision Research Institute 2.Chongqing kaiyuan oil & natural gas co. LTD ）
Abstract
Natural gas production and operation have high risks due to the explosive and toxic nature of the medium and the continuity and complexity of the production process. Triethylene glycol dehydration is one of the indispensable links in the process of oil and gas field development and gathering and transportation. The establishment of early warning model of key control parameters can provide an important basis for enterprises to make safe production decisions.In this paper, the fuzzy analytic hierarchy process（Fuzzy-AHP）is used to analyze the TEG dehydration process risk,the safety warning index of TEG dehydration production is determined and RBFNN is used to forecast the critical early warning index which lays the foundation of natural gas production operation comprehensive safety warning system. The following conclusions are drawned: (1) the main risk factors of TEG dehydration process are as follows : human factors (such as team structure, role and ability) and physical factors (running parameters, material control, etc.), management factors (classification management, emergency measures, etc.) and environmental factors (population consistency, seasonal changes, etc.);(2) the major accidents in the production and operation of triethylene glycol dehydration are characterized by fire, explosion, overpressure, etc. Therefore, system pressure, pressure difference and temperature are selected as the key warning indicators.(3) based on the scatter plot approximation effect between the predicted results and the actual values, it can be concluded that the RBF neural network model has a high prediction accuracy of key early warning indicators of TEG production process, RMSE is 0.012×104m3/ day, MAPE is 0.06%, so its advantages are further proved by error calculation.
Keywords: TEG dehydration;risk analysis prediction model fuzzy analytic hierarchy process; radial basis function neural network
1 序言
目前，天然气行业正进入快速发展的新阶段，据预测至2050年我国天然气消费量均呈稳步增长趋势，因此如何安全高效开发利用天然气是必须重视的课题。天然气生产运行因其介质的燃爆性和毒害性、生产工艺的连续性和复杂性，具有较高的风险，虽然天然气企业严格实施HSE风险管理，但事故仍有发生，给人民的生命安全、企业的设备安全、周边环境带来重大威胁。为了进一步严控风险，降低事故发生率和事故损失，安全科学防范、安全信息化管理已成为安全行业发展主流趋势。建立关键控制参数预警模型对企业安全生产状况进行监测，并做出科学、综合、定量的预警判断分析，为合理配置安全资源，及时发现事故隐患，及早确定隐患排查治理重点，为企业安全生产决策提供重要依据。
天然气脱水是天然气田开发与集输过程中不可缺少的环节之一。天然气脱水方法有冷却脱水、吸收脱水、吸附脱水、膜分离技术脱水、超音速脱水法等。目前，最常用的方法仍是溶剂吸收法脱水，溶剂吸收法脱水的基本原理是利用溶剂对水的吸收能力强而对天然气、烃类物质的吸收能力弱的特点，在吸收塔内进行气液传质从而脱除天然气中的水分。由于三甘醇具有凝固点低、热稳定性好、易于再生、蒸汽压低、携带损失小、吸水性强的特点，所以，三甘醇是天然气脱水工艺最常用的溶剂。其脱水机理为：利用三甘醇的亲水性，将天然气与三甘醇在吸收塔中充分接触，天然气水分被三甘醇吸收，降低了天然气的水含量。吸收了水分的三甘醇(富甘醇)进入再生系统，通过加热蒸发再生除去吸收的水分成为贫甘醇循环使用。
本文以三甘醇脱水工艺作为研究对象，对三甘醇脱水工艺风险进行分析，选择、确定关键安全预警指标，建立可推广的关键控制参数预测模型，以期最终建立天然气生产运行全面的安全预警系统，形成天然气安全生产运行物联网。
2 安全预警模型研究现状
安全预警的研究源于国外的危机管理和风险管理理论，最早由美国学者在20世纪60年代提出，20世纪80年代末90年代初，我国开始从宏观经济角度研究安全预警管理。安全预警技术的技术关键是[1-2]：分析和识别预警要素、预警要素风险等级划分和综合预警模型的建立等三大部分。
Forelli[3]提出，自然灾害的变化和经济变化一样都是可以通过建立一套科学的监测系统进行预测，并针对异常变化情况及时预警。Nicola Paltrinieri[4]等人探讨了早期指标预警和“双重保障”，这两种安全指标方法。通过预测结果和实际结果的对比表明：预警指标可以有效预防“非典型”事故的发生。FG. Sig[5]等人提出了一种综合性的多危害评估方法以及相关的监测方案。将系统理论中现有的方法扩展到多个系统中，并考虑所监测地质灾害之间的相互关系的重要性。通过对水电工程灾害的监测，证明其有效性。Calvo[6]采用蒙特卡罗方法，对滑坡、泥石流等灾害，依据概率分析，进行定量性的风险评价。司鹊，张艳艳[7]基于滑坡的危险性以及输电塔抗灾能力建立了输电塔易损性评估模型。杨洋、郭佳[8]等人提出基于远程监控技术的安全预警管理系统，实现了在线辨识和评估生产过程中危险有害因素，提高了安全预警管理系统的可靠性。
综上，目前应用较为广泛的预警模型核心有贝叶斯网络法、蒙特卡罗法、回归分析等。但上述方法在预警过程中往往基于风险概率模型进行演算，计算复杂，易引入误差并且对数据质量要求高，因而在推广使用上存在一定的局限性。
3 三甘醇脱水工艺风险分析与安全预警指标
三甘醇脱水装置采用约99.5%（wt）三甘醇（TEG）作溶剂，吸收湿天然气中的绝大部分饱和水，经TEG吸收塔脱水后的干天然气（在输出装置压力条件下水露点﹤-5℃）作为商品气外输。吸水后的TEG富液采用常压火管加热再生法再生，热贫TEG经换热、加压、冷却后返回TEG吸收塔，循环使用。TEG富液再生过程产生的废气主要为水蒸汽，同时含有少量的烃类、CO2气体，为避免直接排放对环境的污染，装置设置了再生废气焚烧炉，再生废气焚烧后才排入大气，以减轻对环境的污染。
采用模糊层次分析法（Fuzzy-AHP）对三甘醇脱水工艺风险进行评估及分区，将综合评价的影响因素按相互影响、隶属的关系分成自上而下的不同层次关系，如图1所示，根据设备类型与作业内容分析三甘醇脱水生产运行主要的危害因素如表1所示。分析得出在人、物、管理及环境因素的综合作用下潜在事故的表征方式主要为火灾、爆炸、超压等，故选取系统压力、压差以及温度作为关键影响参数。
表1 脱水站风险分析表
4 三甘醇脱水生产运行安全预警指标预测模型研究
通过对关键控制因素变化趋势提前监测、分析和预判，可确定工艺系统的生产状态、获得可能导致事故发生的信息，使企业及时、有针对性地采取预防措施控制事态发展，最大限度地降低事故发生概率及后果严重程度。
4.1 数据来源
本文以某三甘醇脱水系统360组实时采集的压力、压差、温度及产气量计量数据为训练集（输入数据），采用径向基函数神经网络（RBFNN）对以上四个关键因素变化趋势进行预测，从而得出产气量计量（输出数据）作为控制指标。输入数据如表2所示。
表2 预测模型输入参数
4.2 径向基函数神经网络（RBFNN）
径向基函数神经网络（Radial Basis Function Neural Network）是以工程技术的手段来模拟人体大脑神经元细胞的一种运算模型，其训练方法相对简便，收敛速度快，同时保持了最佳逼近和全局最优的特点[8]。目前RBF神经网络在非线性时间序列预测中展现出强劲的势头，在各个领域都受到广泛的关注与应用。
假设，以为中心，到的径向距离为半径，形成的核，构成的函数系称为径向基函数。RBF就是以为核的函数。
RBF神经网络由输入层、隐含层和输出层构成。输入层的作用是利用感知神经元缓冲外部输入变量，再通过非线性变换将其向神经网络内部神经元隐含层进行输送；而后隐含层将接收到的变量通过一种非负且非线性的径向中心点对称衰减函数映射到隐含层空间，再通过与输出层之间的连接权值向输出层传递输出结果。RBF神经网络的三层网络拓扑结构一般为I-J-K结构，如图2所示[9]。
图2 RBF神经网络架构图
4.3 预测结果
以360组压力、压差、温服及252组计量值作为训练集，输入RBF神经网络进行学习，以后108组计量数据作为对比样本进行预测，输出结果如表3及图3所示。分析图表可得，RBF神经网络预测结果数据与实际值相差较小，预测走势与实际走势曲线相近，预测结果较为准确。
表3 预测结果
图3 RBF神经网络预测结果对比图
为了进一步验证RBF神经网络的预测精度，文章采用2种误差计算法（见表4）标准误差（RMSE）以及平均绝对百分比误差（MAPE）对预测结果误差进行了计算（见表5），由此可得模型预测精度较高。
表4 预测结果误差计算方法
5 结论
本文对采用模糊层次分析法对三甘醇脱水工艺风险进行分析，得出了三甘醇脱水工艺系统主要风险影响因素，从事故致因的角度，确定了三甘醇脱水生产运行安全预警指标。采用径向基函数神经网络（RBFNN）对关键预警指标进行了预测，得出气量计量值预测结果，为最终建立天然气生产运行全面的安全预警系统打下基础。得出以下结论：
（1）根据模糊层次法分析得出三甘醇脱水工艺系统主要风险影响因素为以下四种：人的因素（队伍构成、履职能力等）、物的因素（运行参数、物料控制等）、管理因素（分级管理、应急措施等）及环境因素（季节变化、人口稠度等）；
（2）三甘醇脱水生产运行主要的事故的表征方式为火灾、爆炸、超压等，故选取系统压力、压差以及温度作为关键预警指标；
（3）通过预测结果与实际值的散点图逼近效果可以得出RBF神经网络模型具有较高的三甘醇生产工艺关键预警指标预测精度，RMSE为0.012×104m3/天，MAPE为0.06%，通过误差计算进一步证明其优越性。
参考文献
[1] 王遇冬,郑欣.天然气处理原理与工艺[M].北京: 中国石化出版社, 2007.
[2] Gandhidasan P, Al-Farayedhi A A, Al-Mubarak A A. Dehydration of natural gas using solid desiccants[J]. Energy, 2001, 26(9):855-868.
[3]Arya A, Maribomogensen B, Tsivintzelis I, et al. Process Design of Industrial Triethylene Glycol Processes Using the Cubic-Plus-Association (CPA) Equation of State[J]. Industrial & Engineering Chemistry Research, 2014, 53(29):11766-11778.
[4]Ghiasi M M, Bahadori A, Zendehboudi S, et al. Rigorous models to optimise stripping gas rate in natural gas dehydration units[J]. Fuel, 2015, 140(140):421-428.
[5]Ranjbar H, Ahmadi H, Sheshdeh R K, et al. Application of relative sensitivity function in parametric optimization of a tri-ethylene glycol dehydration plant[J].Journal of Natural Gas Science & Engineering, 2015, 25:39-45.
[6] 王遇冬,郑欣.天然气处理原理与工艺[M].北京: 中国石化出版社, 2007.
[7]罗云,宫运华,宫宝霖等.风险管理预警技术与方法研究[A].中国职业安全健康协会2005年学术年会论文集, 2005.
[8]杨洋,郭佳.基于远程监测模式的煤矿安全生产预警系统研究[J].中国煤炭，2007,(09):69-7l.
[9] 周维华. RBF神经网络隐层结构与参数优化研究[D]. 华东理工大学, 2014.
项目来源：中国石油西南油气田公司《三甘醇脱水工艺安全预警系统研究》