渣油预处理过程的代理模型构建及操作优化

扫码查看

原文链接

NETL

中文摘要：作为基础性支柱产业，石化行业在国民经济中占有不可忽视的重要地位。随着国际原油资源的重质化和劣质化，依靠催化裂化直接掺炼渣油等方法实现渣油的轻质化已无法满足当前生产需求。因此在催化裂化装置之前增加渣油预处理单元显得尤为重要。溶剂脱沥青单元和渣油加氢单元具有较高的灵活性和较好的经济效益，是未来重质油加工发展的方向之一，然而业界对以上述单元为基础建模的相关研究报道较少。本文以某炼厂的溶剂脱沥青和渣油加氢单元为对象分别建立代理模型。针对溶剂脱沥青单元进料成分复杂，萃取过程中两相平衡数据过于庞大且难以获取，传统通过机理的建模方法较难适用的缺点，建立数据驱动模型。采用长短时记忆网络提取物料停留时间信息后通过结合栈式降噪自编码器特征提取的模糊C均值聚类(SDAE-FCM)算法对工况进行划分，缓解了由于进料性质波动和操作条件改变带来的工况漂移问题，并结合集成学习方法建立了数据驱动的代理模型。工业数据验证结果表明，该方法建立的模型，在预测脱沥青油(DAO)收率、残炭、硫含量、四组分等指标方面均达到5％以内的相对精度，可为实际装置的优化提供指导。针对渣油加氢装置HYSYS模型复杂度较高，优化时间过长的问题，提出偏最小二乘核的Kriging代理模型，通过偏最小二乘核提取输入空间的特征，较传统Kriging模型使高维渣加模型的产品分布平均预测精度提升4.6％,平均训练速度提升96.9％。最后，从实际工业需求出发，使用粒子群算法对溶剂脱沥青-渣油加氢组合工艺进行基于代理模型的操作优化，在一定的进料条件下，通过调整操作条件使目标加氢重油的收率平均提升1～2个百分点。

作者：

陈鹏宇

展开 >

关键词：

渣油预处理过程代理模型聚类算法数据驱动操作优化

授予学位：

硕士

学科专业：

控制科学与工程

导师：

钱锋

学位年度：

2019

学位授予单位：

华东理工大学

语种：

中文

中图分类号：