Инновации в слиянии сырой нефти для оптимизированного сланца продуктов

Стратегическое значение слияний на сырую нефть в современной нефтепереработке

Смешивание сырой нефти превратилось из базовой логистической необходимости в сложный стратегический инструмент, который непосредственно влияет на рентабельность НПЗ, качество продукции и соответствие нормативным требованиям. Тщательно смешивая различные сорта сырой нефти - каждая с различными свойствами, такими как гравитация API, содержание серы и вязкость - нефтеперерабатывающие заводы могут создавать специальное сырье, которое максимизирует выходы высокоценных продуктов, таких как бензин, дизельное топливо, реактивное топливо и нефтехимическое сырье. Этот подход позволяет нефтеперерабатывающим предприятиям извлекать выгоду из разницы в ценах между типами сырой нефти, обрабатывать возможные виды сырой нефти, которые в противном случае были бы проблематичными, и поддерживать операционную гибкость в условиях изменения глобальных моделей поставок.

Современное смешивание уже не является простой операцией заполнения резервуаров. Оно объединяет потоки данных в реальном времени, передовую аналитику и автоматизированные системы управления для достижения точных целей для серы, плотности, кривых дистилляции и других критических параметров. По мере ужесточения экологических норм и повышения требований рынка способность оптимизировать сланец продукта посредством интеллектуального смешивания стала конкурентным дифференциатором. Нефтеперерабатывающие заводы, которые инвестируют в эти возможности, могут снизить эксплуатационные расходы, продлить срок службы оборудования и повысить маржу даже при обработке низкокачественных или переменных сланцев сырой нефти.

Основные принципы сливания сырой нефти

Основные физические и химические свойства в решениях о слиянии

Каждая сырая нефть имеет уникальный композиционный отпечаток, который определяет ее поведение в процессе переработки. К наиболее важным свойствам, рассматриваемым при смешивании, относятся:

Смешивание формул должно учитывать нелинейные взаимодействия. Например, смешивание тяжелой, высокосернистой нефти со светлой, сладкой сырой нефтью не просто усредняет свойства; смешивание кривой дистилляции следует сложным моделям, которые требуют проверенного программного обеспечения для прогнозирования истинной урожайности. Нефтеперерабатывающие заводы используют данные анализа сырой нефти, часто от сторонних поставщиков, таких как CrudeMonitor или внутренних лабораторий, для поддержания точных баз данных для оптимизации смешивания.

Линейные и нелинейные модели смешанных

Исторически, переработчики использовали линейные правила смешивания большого пальца, такие как усреднение API гравитации или содержания серы на весовой или объемной основе. Однако многие критические свойства - особенно те, которые связаны с дистилляцией и выходами продукта - демонстрируют сильное нелинейное поведение. Расширенные смешанные двигатели теперь используют нелинейные эмпирические корреляции и модели нейронных сетей, обученные на исторических данных смешивания. Эти инструменты предсказывают, как окончательная сырая смесь будет работать в блоке перегонки сырой (CDU) и нижестоящих единицах. Например, истинная кривая точки кипения (TBP) смеси редко является линейной комбинацией кривых отдельных сырых сортов, особенно при смешивании сырых сортов с очень разными диапазонами температур кипения. Коммерческие симуляторы, такие как Aspen HYSYS и специализированные инструменты планирования сырой нефти от таких компаний, как Haverly Systems включают эти сложные модели для получения точных прогнозов урожайности.

Современные технологические инновации, которые помогают оптимизировать смыкание

Композиционный анализ в реальном времени и встроенное сращивание

Одним из наиболее значительных достижений стало развертывание систем встроенного смешивания, оснащенных анализаторами реального времени. Спектрометры ближнего инфракрасного диапазона (NIR) и рамановского диапазона теперь могут измерять ключевые свойства сырой нефти непосредственно в трубопроводе, обеспечивая мгновенную обратную связь с петлями управления. Эти анализаторы заменяют более старые лабораторные методы, которые вводили часы задержки. Системы встроенного смешивания используют эти данные для непрерывной корректировки пропорций потока, поддерживая целевые характеристики даже при изменении поставок сырой нефти вверх по течению. Эта технология уменьшает отдачу ценных компонентов, таких как легкие концы, обеспечивает более строгое соответствие спецификациям продукта и сводит к минимуму повторное смешивание или понижение.

Например, нефтеперерабатывающий завод, обрабатывающий несколько видов сырья из разных источников, может настроить встроенный блендер, который уравновешивает потоки из резервуаров для хранения для достижения согласованного сланца сырой нефти, поступающего в ХДС. Это устраняет необходимость в больших, дорогих и медленных операциях смешивания резервуаров. Автоматизированные встроенные блендеры, такие как предлагаемые Smar или Yokogawa, интегрируются с распределенными системами управления (DCS) и позволяют нефтеперерабатывающим предприятиям внедрять изменения рецептуры в режиме реального времени на основе экономики или спроса на продукцию.

Машинное обучение и искусственный интеллект в бледной оптимизации

Модели машинного обучения (ML) трансформировали сырое смешивание из реактивной в прогностическую дисциплину. Исторические данные смешивания в сочетании с библиотеками сырого анализа и моделями производительности агрегатов обучают алгоритмы рекомендовать оптимальные смеси для заданных экономических целей. Эти модели рассматривают ограничения, такие как пределы серы в промежуточных потоках, емкости резервуаров для хранения и мощности блоков вниз по течению. Методы ML, такие как повышение градиента, случайные леса и глубокие нейронные сети, могут захватывать сложные взаимодействия между сырыми свойствами и выходами нефтеперерабатывающих заводов, которые классические модели линейного программирования (LP) часто пропускают.

К практическим применениям относятся:

Нефтеперерабатывающие заводы, подобные тем, которые управляются крупными интегрированными компаниями, сообщили об улучшении валовой прибыли на 2-5% за счет смешивания, основанного на ML, что эквивалентно десяткам миллионов долларов в год для большого комплекса. Однако для успешного развертывания требуется надежная инфраструктура данных, включая чистые исторические анализы сырой нефти и сверку результатов лабораторных исследований с онлайн-анализаторами. Такие компании, как Cognite, предоставляют промышленные платформы данных, которые помогают нефтеперерабатывающим заводам унифицировать эти источники данных для расширенной аналитики.

Цифровые близнецы и симуляционное слияние

Цифровой двойник — высокоточная виртуальная копия процесса смешивания НПЗ и блоков переработки — позволяет инженерам тестировать стратегии смешивания без риска фактического производства. Эти симуляции включают строгие модели процесса, включая перегонку сырой нефти, гидрокрекинг и смешивание продуктов, чтобы предсказать полное влияние изменения сырой смеси. Цифровые двойники позволяют НПЗ оценивать сценарии «что-если», такие как включение сырой нефти нового месторождения или реагирование на сбой сырья. Запустив тысячи симуляций, система может найти надежные рецепты смешивания, которые хорошо работают в различных потенциальных условиях эксплуатации.

Технология цифровых двойников также поддерживает обучение операторов и инженеров, создавая интуицию о том, как решения о смешивании распространяются через НПЗ. Ведущие поставщики симуляции, такие как AspenTech и Honeywell, интегрировали модули смешивания в свои платформы цифровых двойников. В сочетании с данными о установках в реальном времени эти инструменты могут автоматически обнаруживать дрейф моделей и обновлять параметры, сохраняя точность с течением времени.

Практические преимущества расширенного сложения для оптимизации сланца продукта

Улучшение качества продукции и соответствие спецификациям

Точное смешивание непосредственно повышает качество конечных продуктов. Для бензина жесткий контроль октанового числа смеси, давления паров Рейда (RVP) и кривой дистилляции гарантирует, что готовая продукция соответствует нормативным и эксплуатационным стандартам без чрезмерных расходов на премиальные компоненты. В дизельном топливе смешивание влияет на количество цетана, облачную точку и содержание серы. Передовые системы смешивания могут минимизировать использование дорогостоящих добавок путем достижения правильных комбинаций свойств через саму смесь сырой нефти. Например, смешивание тяжелой кислой нефти с легкой сладкой сырой может привести к содержанию серы только под пределом спецификации при сохранении приемлемых моделей урожайности, устраняя необходимость в дополнительной мощности гидроочистки.

Экономическая оптимизация в условиях переменного рынка

Рентабельность нефтеперерабатывающего завода зависит от стоимости его продуктового сланца, который ежедневно меняется с ценами на сырье и моделями спроса. Продвинутые модели оптимизации смешивания включают в себя данные о ценах в реальном времени на сырую нефть, бензин, дизельное топливо, реактивное топливо, мазут и нефтехимическое сырье. При корректировке рецепта сырой смеси нефтеперерабатывающие заводы могут сместить урожайность в сторону продуктов с самой высокой маржой. Например, если спрос на дизельное топливо высок по сравнению с бензином, оптимизатор может выбрать более тяжелую нефть с более высоким средним выходом дистиллята или добавить ограночный запас, который улучшает дизельный цетан, слегка уменьшая октан бензина. Эти динамические корректировки, ставшие возможными благодаря программному обеспечению оптимизации смешивания, позволяют нефтеперерабатывающим заводам захватывать маржинальные возможности, которые будут упущены при статическом планировании.

Соблюдение нормативных требований и экологическая эффективность

Экологические нормы все больше ограничивают состав как сырого сырья, так и готовой продукции. Правило ИМО 2020 Международной морской организации ограничивает содержание серы в бункерном топливе на уровне 0,5%, заставляя нефтеперерабатывающие заводы производить соответствующее морскому топливу или инвестировать в скрубберы выхлопных газов. Смешивание играет ключевую роль: смешивая высокосернистое мазут с низкосернистыми огранщиками (такими как дизельное топливо или газойль), нефтеперерабатывающие заводы могут производить топливо, соответствующее ИМО, при этом монетизируя тяжелые, кислые остатки. Аналогичным образом, более жесткие ограничения на бензол, ароматические вещества и сера в бензине требуют точного контроля за сланцем сырой нефти и смешиванием ниже по течению. Передовые инструменты смешивания явно моделируют эти ограничения, гарантируя, что каждая партия соответствует нормативным ограничениям без дорогостоящих уступок.

С точки зрения воздействия на окружающую среду, более эффективное смешивание снижает потребность в энергоемкой вторичной переработке. Например, сырая смесь, которая дает более низкий уровень серы, вакуума, газойля снижает тяжесть, необходимую в гидроочистителе, сокращая потребление энергии и выбросы CO2. Некоторые нефтеперерабатывающие заводы начали включать целевые показатели интенсивности углерода в свою оптимизацию смешивания, согласуясь с корпоративными чистыми нулевыми целями.

Оперативная гибкость и снижение рисков

Рынки сырой нефти по своей природе изменчивы, с перебоями в поставках, устареванием сортов и колебаниями цен. Нефтеперерабатывающий завод с гибкими возможностями смешивания может быстро заменить одну нефть другой, если класс становится недоступным или неэкономичным. Системы оптимизации сплава включают в себя управление запасами и модули планирования резервуаров, которые обеспечивают оптимальное использование хранимой нефти. Если резервуар тяжелой нефти приближается к своим максимальным дням хранения, система может включать его в смесь с более высокой скоростью, избегая демерреджа или ухудшения качества. Эта гибкость снижает операционный риск и помогает поддерживать стабильные темпы производства.

Кроме того, смешивание может помочь переработчикам обрабатывать возможные сорта сырой нефти - дисконтированные, нестандартные или необычные сорта - без нарушения ограничений процесса. Например, очень высококислотная сырая нефть (высокое общее количество кислот, TAN) может смешиваться с низкокислотной нефтью, чтобы поддерживать кормовую TAN ниже пределов коррозии в CDU. Аналогично, сырая нефть с высоким содержанием металлов может смешиваться для защиты катализаторов в нижестоящих единицах. Эта способность позволяет переработчикам получать прибыль от дисконтированной нефти при сохранении целостности оборудования.

Тематическое исследование: внедрение системы оптимизации сгибания, основанной на ИИ

Среднеразмерный НПЗ в Азии мощностью 200 000 баррелей в день обрабатывал смесь ближневосточной, африканской и отечественной нефти. НПЗ сталкивался с проблемами с непоследовательной выходом продукции, частыми нестандартными продуктами, требующими переработки, и растущими затратами на энергию. После двухлетней программы цифровой трансформации НПЗ развернул оптимизатор смешивания нефти на основе ИИ, который интегрировал встроенные анализаторы в реальном времени, цифровой двойник сырой единицы и модель машинного обучения, обученную на пятилетних исторических данных.

Результаты после шести месяцев работы продемонстрировали значительные улучшения:

Система также предоставляла операторам приборные панели, показывающие экономическую ценность каждого варианта смеси в режиме реального времени, что позволяет быстрее принимать решения во время нарушений поставок сырой нефти.НПЗ в настоящее время обрабатывает две или три дополнительные возможности сырой нефти в год, которые ранее избегались из-за сложности смешивания.

Будущие направления: интеграция цифровых технологий и устойчивое развитие

Предиктивная и предписывающая аналитика для всей системы очистки

По мере развития машинного обучения оптимизация смешивания будет все больше интегрироваться с другими функциями нефтеперерабатывающего завода - каталитическое реформирование, гидрокрекинг, гидроочистка и смешивание продуктов. Сквозные модели оптимизации будут рекомендовать закупки сырой нефти, перемещения резервуаров и условия работы технологических блоков одновременно. Этот целостный подход, иногда называемый «коммерческой оптимизацией» (EWO), требует огромных вычислительных ресурсов, но становится возможным с облачными вычислениями и специализированными решениями для оптимизации. Ранние пользователи включают такие компании, как ExxonMobil и Shell, которые разработали запатентованные платформы EWO.

Рецептурная аналитика не только будет рекомендовать рецепты смешивания, но и планировать техническое обслуживание, прогнозировать деактивацию катализатора и согласовывать закупки сырой нефти с циклами ценообразования. Эти системы будут постоянно учиться на данных нефтеперерабатывающего завода, адаптируясь к меняющимся рыночным условиям и медленно развивающимся характеристикам оборудования.

Смешивание для низкоуглеродных и циркулярных кормов

Стремление к декарбонизации создает новые возможности для смешивания. Нефтеперерабатывающие заводы изучают совместную обработку биосырьевых запасов, таких как растительные масла, животные жиры и пиролиза из пластиковых отходов наряду с сырой нефтью. Смешивание этих возобновляемых исходных материалов требует тщательного управления содержанием кислорода, кислотностью и совместимостью с существующими катализаторами. Разрабатываются передовые модели смешивания, которые включают анализы биосырья, чтобы обеспечить высокие коэффициенты совместной обработки без потери урожайности или дезактивации катализатора. В будущем сырое смешивание может превратиться в полностью многофазную оптимизацию смешивания, которая включает ископаемые, биогенные и круговые углеродные потоки, максимизируя производство устойчивого авиационного топлива (SAF), возобновляемого дизельного топлива и круговой нафты для пластмасс.

Кроме того, соображения улавливания и хранения углерода (CCS) могут влиять на решения о смешивании. Нефть с более низким содержанием углерода на баррель продукта будет иметь более низкий углеродный след, и по мере расширения цен на углерод нефтеперерабатывающие заводы будут включать затраты на углерод в объективную функцию оптимизации смешивания.

Edge Computing и автономное слияние в реальном времени

Следующим рубежом является полностью автономное смешивание, где на периферийных вычислительных устройствах размещены модели ML, которые управляют клапанами смешивания непосредственно с минимальным вмешательством человека. С 5G и промышленным IoT, данные датчиков и сигналы управления протекают с миллисекундной задержкой, что позволяет быстро реагировать на колебания качества. Автономные системы смешивания могут сократить время цикла смешивания от часов до минут, позволяют точно в срок смешивать, что минимизирует хранение запасов и мгновенно адаптироваться к изменениям в приеме сырой нефти. Ранние прототипы тестируются поставщиками технологий, такими как Yokogawa и Emerson. Безопасность и надежность остаются ключевыми препятствиями, но потенциал для повышения операционной эффективности является существенным.

Заключение

Инновации в области смешивания сырой нефти - от аналитики в реальном времени и машинного обучения до цифровых двойников и автономных систем - меняют то, как нефтеперерабатывающие заводы оптимизируют свой ассортимент продукции. Эти технологии позволяют более жестко контролировать качество кормов, захватывать экономические возможности и поддерживать соблюдение все более строгих экологических норм. По мере ускорения цифровизации и устойчивости становится центральным элементом стратегии нефтеперерабатывающего завода, смешивание сырой нефти будет продолжать развиваться от механической операции смешивания до сложной платформы принятия решений, основанной на данных. Нефтеперерабатывающие заводы, которые используют эти инновации, не только улучшат маржу сегодня, но и создадут гибкость, необходимую для процветания в низкоуглеродном, волатильном энергетическом будущем.