郭泰良、黃挺瑋、劉育維 / 工研院材化所
原油粗蒸餾單元為煉油廠第一道製程單元，素有煉油廠天下第一關之行業暱稱。此單元將經由儲槽混合靜置處理之原油進行脫鹽、蒸餾、冷卻等程序，以取得不同碳分之初級產品油(如煤油、重油等)後再行精煉成各式產品油(如汽油、柴油、液化石油氣、航空燃油等)。然而，原油中含有氯鹽、硫酸鹽，於蒸餾、冷卻過程中可能生成酸液進而對設備或管線造成腐蝕。況且原油購自於多個不同產地，成分差異明顯，進行摻配煉製時原油中的氯鹽、硫酸鹽含量是變動不穩定的，倘若單元脫鹽效率、水洗率、藥劑添加量總是維持固定，則勢必無法應付某些入料原油含有較多氯鹽、硫化物之情況，使得單元中的設備、管線可能處於高腐蝕率之環境。為因應此一情形，工研院與國內龍頭煉油廠合作開發了原油粗蒸餾單元AI腐蝕調適系統，本文將簡介技術開發過程、系統軟體以及相關應用。
【內文精選】
原油粗蒸餾單元
1. 製程簡介
原油粗蒸餾單元(CDU)為煉油廠的第一道製程單元，主要程序為將原油中90%以上的鹽分使用脫鹽槽脫除後，輸送至加熱爐加熱至370˚C使之汽化，再輸送至常壓蒸餾塔進行蒸餾、冷卻。冷卻過程中因原油所含各種成分的沸點不同而分餾出不同碳分之初級產品油(如燃氣、製氣油、煤油、重油等)，可作為後續精煉產品油(如汽油、柴油、液化石油氣、航空燃油等)之原料。相關製程流程示意圖可參考圖一。
圖一、原油粗蒸餾單元製程流程示意圖
3. 腐蝕控制工法
CDU常見的腐蝕控制工法為「一脫四注」(即脫鹽、注鹼、注水、注中和胺、注腐蝕抑制劑)，或是「一脫三注」(無注鹼)。脫鹽即為提升脫鹽槽去除原油中無機鹽類之能力和效率，但若是遭遇某批次高鹽原油，經採樣化驗脫鹽後之原油仍具有較高之鹽分，或是蒐集槽之冷凝水氯離子偏高，則輔以鹼液(氫氧化鈉)添加以降低主塔塔頂尾氣之氣相鹽酸含量。然而鹼液添加量若是太多，則會造成下游設備的觸媒中毒，因此有些工廠選擇不採用注鹼工法。同樣地，假使經採樣化驗蒐集槽之冷凝水pH值偏低，則進行注水、注中和胺，目的是降低管線、設備中鹽酸溶液之酸性。若採樣化驗發現蒐集槽冷凝水所含鐵離子濃度偏高，意味著管線、設備可能已有較明顯的腐蝕情形發生，此時工廠會選擇添加或增加腐蝕抑制劑的注入量。
智慧化腐蝕調適技術
1. 技術開發構想
管線、設備腐蝕與原油成分及腐蝕控制工法(一脫四注：脫鹽、注水、注鹼、注中和胺、注腐蝕抑制劑)有關。以脫鹽為例，理論上脫鹽效率越好，管線、設備腐蝕率越低，然而由工廠數據顯示事實並非總是如此，意謂著仍有其他因素影響腐蝕率。
針對此困境，工研院材化所提出藉由導入AI領域中的深度學習神經網路，建構出冷凝水水質參數vs.腐蝕率的關係模型。此模型可達成管線、設備腐蝕率的定量預測，並可直接以預測所得之腐蝕率變化作為調控多重參數之依據(如圖六)，在腐蝕尚未發生之前即介入控制。此神經網路亦可用於開發模擬器，預先測試調控構想對於腐蝕率的改善量後，再實際進行調控。
圖六、智慧化腐蝕調控技術開發構想
2. 技術開發流程
(2) 目標函數定義及特徵變數篩選
經與國內龍頭煉油廠充分討論後，得知其長久以來對於CDU主塔塔頂換熱器管束付出許多資源、心力進行材料提升與操作管理，目前已可持續運轉超過一個定檢週期。然而精益求精，廠家有高度興趣針對換熱器管束進行更優化的腐蝕調控。
(3) 神經網路框架挑選
本技術於神經網路模型訓練前，仔細針對資料進行分析討論，發現所應用的CDU主塔塔頂換熱器管束腐蝕率預測具有時間延遲、多變量、非線性等問題，同時在實際運轉資料中可能有非關系統本身的雜訊。為此，本技術選用卷積遞迴神經網路(CNN-LSTM)之複合型神經網路進行腐蝕率的預測分析，網路框架請詳筆者團隊所發表之前文。選用此框架的動機在於訓練資料進入LSTM前端安插卷積層，使模型可在擬合過程中教導模型萃取對於系統響應有關的變化，並在最後端銜接全連接層，將LSTM模型的輸出進行收束後，輸出腐蝕率預測值與ER Probe實測值進行誤差對比 ---以上為部分節錄資料，完整內容請見下方附檔。
★本文節錄自《工業材料雜誌》446期，更多資料請見下方附檔。