CN100334047C - 乙烯装置中裂解炉裂解深度的智能控制方法 - Google Patents
乙烯装置中裂解炉裂解深度的智能控制方法 Download PDFInfo
- Publication number
- CN100334047C CN100334047C CNB2005100250436A CN200510025043A CN100334047C CN 100334047 C CN100334047 C CN 100334047C CN B2005100250436 A CNB2005100250436 A CN B2005100250436A CN 200510025043 A CN200510025043 A CN 200510025043A CN 100334047 C CN100334047 C CN 100334047C
- Authority
- CN
- China
- Prior art keywords
- cracking
- depth
- furnace
- cracking depth
- soft
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000005336 cracking Methods 0.000 title claims abstract description 123
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 title claims abstract description 28
- 239000005977 Ethylene Substances 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 239000003921 oil Substances 0.000 claims description 24
- 239000004215 Carbon black (E152) Substances 0.000 claims description 10
- 239000002918 waste heat Substances 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000011112 process operation Methods 0.000 claims description 4
- 239000000295 fuel oil Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 18
- 239000007789 gas Substances 0.000 description 14
- 239000002994 raw material Substances 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 241000196324 Embryophyta Species 0.000 description 7
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 7
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 239000002737 fuel gas Substances 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- KAKZBPTYRLMSJV-UHFFFAOYSA-N Butadiene Chemical compound C=CC=C KAKZBPTYRLMSJV-UHFFFAOYSA-N 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010790 dilution Methods 0.000 description 4
- 239000012895 dilution Substances 0.000 description 4
- 229930195733 hydrocarbon Natural products 0.000 description 4
- 150000002430 hydrocarbons Chemical class 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- -1 polyethylene Polymers 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003889 chemical engineering Methods 0.000 description 2
- 238000004883 computer application Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 150000001993 dienes Chemical class 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007086 side reaction Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
该发明公开了一种乙烯装置中裂解炉裂解深度的智能控制方法，其中包括应用神经网络研制开发的针对不同油品的裂解深度软测量模型、裂解深度软测量模型在线实时自校正系统、以及基于该软测量模型开发的裂解深度实时推断控制技术。采用本项发明技术后，能解决在线分析表时滞、不稳定以及经常出现跳变等问题为裂解深度控制带来的影响，在其他工况变化的情况下(例如原料油密度、裂解炉负荷等)，该控制系统能够维持裂解深度的平稳，保证系统的平稳运行和乙烯等产品的收率。
Description
技术领域
本发明涉及一种乙烯装置中裂解炉裂解深度的智能控制方法，属化学反应工程和自动控制领域。
背景技术
乙烯工业是石油化工发展的标志，历来被用作衡量一个国家石油化学工业的发展水平。随着计算机应用技术、自动控制技术以及人工智能技术的不断发展，过程先进控制技术对乙烯生产装置的安全高效运行起着越来越重要的作用，人们已不满足单纯从乙烯生产过程的工艺设计和生产设备改造上获取经济效益，而是综合应用化学工程、计算机应用和自动控制技术，对乙烯生产过程实行计算机先进控制和优化操作，充分发挥设备的内在潜力，以低能耗、低成本消耗和高产出获得较高的装置经济效益。在乙烯生产过程中，裂解炉是生产装置的核心设备，它操作平稳与否，不仅影响整个乙烯生产装置的产品质量和产量，而且还将影响下游生产装置(如聚乙烯、聚丙烯等生产装置)的平稳操作。因此，人们对乙烯生产过程开发计算机先进控制技术时，首先考虑开发裂解炉的先进控制技术，它所获取的经济效益约占整个乙烯装置采用先进控制技术后所获得的经济效益的40％左右。
在乙烯生产过程中，裂解炉是生产装置的核心设备，乙烯收率主要取决于裂解炉的裂解深度。裂解深度就是指裂解反应进行的程度。在裂解液体原料时，原料中基本不含乙烯和丙烯，随着裂解反应的进行，乙烯收率逐步增加，而丙烯收率稍慢，到最高点后下降。因此，当裂解深度较高时，乙烯对丙烯(C3 ＝/C2 ＝)收率比的大小即能正确反映裂解深度的深浅。
为提高乙烯收率或双烯收率，需要严格控制裂解炉的裂解深度。裂解深度受炉型，进料类型，进料组分和操作工况的影响而变化。在炉型和进料类型确定的情况下则受进料成分和操作工况的影响。高质量的裂解深度控制主要取决于三个条件：炉管出口温度控制、裂解炉模型特性和裂解气分析以及分析仪表误差检查。在炉管出口温度控制平稳且分析仪表运行正常的情况下，裂解炉模型的准确性是高质量裂解深度控制的重要条件。在安装了裂解炉炉管出口裂解气组分在线分析仪的时候，该分析仪确实能够提供裂解深度的信息，但是存在分析滞后(一般滞后10～20分钟)；此外，若裂解气组分分析仪缺乏及时维护，则其正常运行周期短，不能够提供正确检测信息，这些都为裂解炉的及时调整与控制带来影响。为此，开发以裂解深度在线软测量模型为基础的智能控制方法显得十分必要和关键。
本发明针对美国鲁姆斯公司(Lummus Co.)设计的SRT-I和SRT-III型裂解炉。SRT-I型裂解炉的辐射段由四组炉管组成，烧嘴在炉墙两侧和炉底，即单排双面辐射；SRT-III型裂解炉采用了变径管组，炉管采用HP-40材质，每台炉有六组炉管，每两组炉管合用一台急冷锅炉。裂解炉的液体原料常压柴油(AGO)、石脑油(NAP)或轻石脑油(LNAP)进入裂解炉后，先在预热段经过初步预热后，与稀释蒸汽混合再进一步预热并且完全汽化，使其温度升高至稍低于裂解反应的温度，然后进入裂解炉的高温区——辐射段的反应管，在反应管内的烃类原料迅速升温，同时发生产生乙烯、丙烯、丁二烯、甲烷、乙烷等产品的裂解反应。为减少副反应造成的产品的损失，裂解气迅速地被冷却，故先经过回收裂解气热量的废热锅炉，然后进入急冷器。
裂解反应是在辐射段中进行，它为吸热反应，在此部分需要供给大量的热量。裂解炉用气体燃料的侧壁烧嘴在炉壁加热，用液体燃料或者气、液混合燃料的底部烧嘴在炉底加热。裂解炉的燃料气来自燃料气混合罐，罐内燃料气来自乙烯装置的高压和低压甲烷尾气、裂解汽油加氢处理装置中硫化氢汽提塔的尾气、火炬气、丁二烯抽余油等，其中甲烷尾气作为燃料气的主要来源。裂解炉侧壁及底部燃烧热量的分配与控制对裂解反应炉管出口温度的影响极大。
裂解炉的对流段，设有预热烃类原料、锅炉给水、过热稀释蒸汽等一系列的加热器，以满足工艺的需要和回收热量。
目前国内所有乙烯装置都采用集散控制系统(DCS，Distributed Control Systems)的基本控制功能对生产过程进行监控，这些基础控制系统保障了裂解炉的安全运行，但不能使裂解炉工作在最优操作状态，普遍不能适应燃料气组成和裂解原料的频繁变化，裂解炉反应管出口温度和操作负荷波动频繁，导致裂解深度的波动，从而直接影响了产品乙烯的收率。因此，为了充分发挥乙烯装置中DCS和操作设备的潜力，有效地利用原料和能源，增加装置的经济效益，结合裂解生产过程的工艺操作特点，综合应用化学工程、人工智能和自动控制科学中的最新技术，对裂解炉裂解深度实施智能控制和优化操作，使裂解炉各项工艺参数稳定在最优工作状态，具有极其重要的实用价值。
发明内容
本发明所述的智能控制方法是：针对重油和轻油两种不同原料油的裂解情况分别建立裂解深度模型，选择影响裂解炉裂解深度的工艺操作参数，并将其归一化，然后利用神经网络模型进行计算，模型输出值经过反归一化后，裂解深度的在线分析值对反归一化后的模型输出进行在线校正，从而得到裂解深度的软测量值；根据裂解深度的软测量值对裂解炉裂解深度进行实时推断控制(见图2)。该控制系统根据不同的原料油通过开关选择相应的深度控制器，深度控制器与裂解炉出口平均温度控制器串联，根据裂解深度的变化对炉管出口温度设定值进行调整。
裂解深度神经网络软测量模型的建立
该软测量模型的建立方法为：即通过测量裂解炉炉管出口温度、裂解炉进料流量、油品密度、汽烃比、废热锅炉出口温度的实时数据，判断模型输入变量的值在正常范围内后，首先对输入变量进行归一化，然后采用神经网络模型进行预测，通过对神经网络的输出进行反归一化，最终得到裂解深度的实时软测量值。
首先，要有裂解炉炉管出口温度、裂解炉进料流量、油品密度、废热锅炉出口温度、稀释蒸汽流量的检测仪表以及裂解炉炉管出口裂解气组分分析仪；选取原料油密度、原料油流量、炉管平均出口温度、废热锅炉出口温度以及汽烃比(即稀释蒸汽与原料油的流量比值)作为软测量模型的辅助变量。从工业运行装置上获取上述变量的若干组实时数据，在进行了大误差剔除后，利用(1)式，将这些检测数据归一化到[-1，1]的范围，归一化的方法如下：
x＝(X-(b+a)/2)/((b-a)/2) (1)
其中，X为输入变量，[a，b]为X的量程范围，x为归一化后的输入。
在神经网络模型中，输入层的节点数为i(i＝5)，中间层的隐层层数为L(L＝1～100)，各隐层节点数为j(2-100)，输出层节点为k(k＝1～100)。
利用裂解炉炉管出口裂解气组分分析仪中乙烯对丙烯(C3 ＝/C2 ＝)的比值作为目标值，并考虑测量仪表在时间上的滞后因素，每组数据包括当前时刻的原料油密度、当前时刻的原料油流量、当前时刻的炉管平均出口温度、当前时刻的废热锅炉出口温度、当前时刻的汽烃比和当前时刻之前数分钟乙烯对丙烯的比值。该裂解深度软测量模型可表示为：
y(k)＝f(D(k)，F(k)，T1(k)，T2(k)，R(k)) (2)
式(2)中：y(k)：裂解深度软测量值
D(k)：原料油密度，g/cm
F(k)：原料油流量，T/h
T1(k)：炉管平均出口温度，℃
T2(k)：废热锅炉出口温度，℃
R(k)：汽烃比
将上述采集的若干组数据分成两部分，一部分作为训练样本，另一部分数据作为预测样本，采用三层结构的BP神经网络来建立裂解深度的软测量模型，见图1所示。通过对样本的训练和预测，最后得到误差较小的一组权值。将计算出的神经网络输出进行反归一化，得到具有工程意义的裂解深度软测量值。
在DCS的应用模块/先进过程管理模块(AM/APM，Application Module/Advanced ProcessManager)上程序流程实现控制语言的编制，通过数据的实时、连续采集，就能得到裂解深度的实时软测量值。
模型的校正：
将上述裂解深度神经网络软测量模型直接应用于工业装置的实时预测，由于实际工业生产过程中存在的干扰因素很多，因此该软测量值与裂解气组分在线分析仪的检测值不可避免地要产生一定的偏差。为此，可根据分析仪的在线运行状况，每隔一段时间用分析值对软测量模型进行在线优化校正，使软测量模型适应工业过程操作特性的变化和生产工况的迁移。
裂解深度在线推断控制系统的建立：
在裂解炉出口温度能够良好控制的前提下(炉管平均出口温度控制器为良好运行状态)，建立裂解深度控制器，根据裂解深度神经网络软测量值，通过裂解深度控制器控制裂解炉炉管平均出口温度的设定值，再利用炉管平均出口温度控制器调节温度，从而实现裂解深度控制。裂解深度控制器的设定值(SP值)可以手动输入，也可以来自优化级。
附图说明
图1为裂解深度神经网络模型软测量框图。该模型有5个输入变量，输入变量经过归一化后，带入已经训练好的神经网络模型进行计算，得到的网络输出值经过反归一化处理后，即得到裂解深度的在线软测量值。其中神经网络输入层的节点为i(i＝5)，中间层的隐层节点为j(j＝6)，输出层节点为k(k＝1)。
图2为裂解深度推断控制系统框图。图中SP为控制器的设定值，PV为控制器的测量值。
具体实施方式
下面结合实施例及附图对本发明作进一步的说明：
实施举例
首先在DCS中获取影响裂解深度的主要工艺操作参数：原料油密度、原料油流量、炉管平均出口温度、废热锅炉出口温度以及汽烃比，并将这些数据归一化到[-1，1]的范围，归一化的方法如下：
x＝(X-(b+a)/2)/((b-a)/2)
其中，X为输入变量，[a，b]为X的量程范围，x为归一化后的输入。原料油密度的量程范围取为[0.5 1.0]、原料油流量的量程范围取为[10 30]、炉管平均出口温度的量程范围取为[700 900]、废热锅炉出口温度的量程范围取为[450 720]，汽烃比的量程范围取为[0.6 0.9]。
从工业运行装置上获取500组实时数据，利用裂解炉炉管出口裂解气组分分析仪中乙烯对丙烯(C3 ＝/C2 ＝)的比值作为目标值，并考虑测量仪表在时间上的滞后因素，每组数据包括当前时刻的原料油密度、原料油流量、炉管平均出口温度、废热锅炉出口温度以及汽烃比和当前时刻之前5分钟裂解炉炉管出口裂解气组分分析仪中乙烯对丙烯(C3 ＝/C2 ＝)的比值。将前250组数据作为训练样本，后250组数据作为预测样本。得到训练及预测误差较小的一组权值；这里，神经网络输入变量为5个，选取隐层节点数目为6个，输出变量为1个。可以根据对模型精度的要求，选取不同的隐层层数及隐层节点数目；一般来说，适当范围内的增加隐层层数及其节点的数目，会相应提高模型精度。
这里，输入层的节点为i(i＝1-5)，中间层的隐层节点为j(j＝1-6)，输出层节点为k(k＝1)，则经过训练后，得到下列一组权值：
w11＝-1.0671，w12＝-1.6609，w13＝1.6476，w14＝4.5601，w15＝-1.9079，w16＝3.2354，w21＝-3.6203，w22＝-0.1866，w23＝3.4833，w24＝0.2208，w25＝-1.3196，w26＝1.5229，w31＝2.6993，w32＝1.5143，w33＝0.3678，w34＝2.4883，w35＝-1.3378，w36＝0.9791，w41＝3.8229，w42＝1.4333，w43＝-1.1401，w44＝0.5692，w45＝-0.1149，w46＝3.8397，w51＝-2.7600，w52＝-2.1390，w53＝-3.7544，w54＝-0.2380，w55＝-2.5999，w56＝3.4818，ww1＝0.2438，ww2＝0.2826，ww3＝-0.3558，ww4＝-0.6876，ww5＝-0.8382，ww6＝-0.9207b1＝0.0748，b2＝-1.9488，b3＝2.4654，b4＝1.7552，b5＝-2.0777，b6＝3.2455，bpb1＝1.4433
(其中wi为第i个节点到第j个节点的权值；wwj为中间隐层第j个节点到输出层第k个节点的权值；b为中间隐层第j个节点的阈值；bpbk为输出层节点的阈值)
以上为离线仿真过程，在装置的实时运行中，则需要在DCS系统的AM/APM(APPLICATION MODULE/ADVANCED PROCESS MANAGER)上实现上述过程控制语言的编制，通过DCS系统过程数据(这里指模型中各输入变量数据)的实时、连续采集，将训练好的权值及阈值带入并进行计算，就能得到裂解深度的实时软测量值；此时得到的裂解深度数值在[-1，1]之间，利用(3)式，进行反归一化处理，得到具有工程意义的裂解深度值。
Y＝(y+1)/2*(b-α)+α (3)
最后，利用最近时刻裂解深度在线分析值对反归一化后的神经网络预测值进行在线优化校正，得到裂解深度最终软测量值。
在DCS系统的AM或APM上实现控制语言的编制，按图2的控制框图搭建控制模块，并进行工业现场对象操作特性测试、控制系统的工业装置实际投运和动态过程补偿等环节的参数调试，最终实现在重油和轻油两种不同原料油的裂解情况下，裂解深度的推断控制，以保证裂解炉的平稳运行和乙烯产品的收率。
上述要求的条件在SRT型裂解炉生产装置中均能满足，因此该发明具有普适性。
Claims (4)
1、一种乙烯装置中裂解炉裂解深度的控制方法，其特征在于，所说的控制方法的主要步骤是：建立了基于神经网络的裂解深度软测量模型，并在此软测量模型基础上实现了裂解炉裂解深度实时推断控制；
具体包括：首先选择影响裂解深度波动的工艺操作参数，并将其归一化，然后计算出神经网络模型的输出值，输出值经过反归一化，并经裂解深度在线分析值校正后得到软测量值，最终根据裂解深度的软测量值对裂解炉裂解深度实施实时推断控制；
其中：所述的影响裂解深度波动的工艺操作参数为原料油密度、原料油流量、炉管平均出口温度、废热锅炉出口温度以及汽烃比。
2、如权利要求1所述的控制方法，其特征是裂解炉裂解深度软测量模型是针对重油和轻油两种不同原料油的裂解而设计。
3、如权利要求1所述的方法，其特征是根据不同油品获得的裂解深度软测量值，对裂解炉炉管出口平均温度进行实时推断控制。
4、如权利要求1所述的裂解深度的软测量方法，其特征是所述神经网络模型中，输入层的节点数由输入变量个数决定，中间层的隐层层数为L、各隐层节点数为j、输出层节点为k，其中L＝1～100、j＝2～100、k＝1～100。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2005100250436A CN100334047C (zh) | 2005-04-13 | 2005-04-13 | 乙烯装置中裂解炉裂解深度的智能控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2005100250436A CN100334047C (zh) | 2005-04-13 | 2005-04-13 | 乙烯装置中裂解炉裂解深度的智能控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1686973A CN1686973A (zh) | 2005-10-26 |
| CN100334047C true CN100334047C (zh) | 2007-08-29 |
Family
ID=35305015
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2005100250436A Expired - Lifetime CN100334047C (zh) | 2005-04-13 | 2005-04-13 | 乙烯装置中裂解炉裂解深度的智能控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100334047C (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620414B (zh) * | 2009-08-12 | 2011-08-17 | 华东理工大学 | 工业乙烯裂解炉裂解深度在线优化方法 |
| CN102053595A (zh) * | 2009-10-30 | 2011-05-11 | 中国石油化工股份有限公司 | 一种乙烯装置中控制裂解炉裂解深度的方法 |
| CN102288508A (zh) * | 2010-06-18 | 2011-12-21 | 中国石油化工股份有限公司 | 一种实现工业裂解炉裂解深度分析的方法 |
| CN101986320B (zh) * | 2010-08-23 | 2012-05-30 | 华东理工大学 | 一种工业精对苯二甲酸装置非均相共沸精馏溶剂脱水塔的建模方法 |
| CN102175069A (zh) * | 2011-03-15 | 2011-09-07 | 中国石油化工股份有限公司 | 裂解气顺序分离流程中冷箱与脱甲烷塔系统的优化方法 |
| CN103093069B (zh) * | 2011-10-28 | 2016-09-21 | 中国石油化工股份有限公司 | 一种工业裂解炉价值最大化模型的构建方法 |
| CN103207949B (zh) * | 2013-04-10 | 2016-09-07 | 华东理工大学 | 乙烯裂解炉tle出口温度和运行周期预测方法 |
| CN103275747B (zh) * | 2013-05-22 | 2014-12-31 | 中国石油天然气股份有限公司吉林石化分公司 | 乙烯装置裂解炉燃料气负荷分配方法 |
| CN103605821B (zh) * | 2013-09-16 | 2017-02-15 | 华东理工大学 | 乙烯裂解炉群负荷分配优化方法 |
| CN105467939B (zh) * | 2014-09-04 | 2018-04-10 | 中国石油化工股份有限公司 | 一种乙烯裂解炉生产运行的优化方法 |
| CN110717279B (zh) * | 2019-10-17 | 2024-03-19 | 上海卓然工程技术股份有限公司 | 石脑油裂解制乙烯的裂解产物组分软测量模型的建立方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1150300A (zh) * | 1994-10-19 | 1997-05-21 | 索尼公司 | 记录介质的再现方法和再现装置 |
-
2005
- 2005-04-13 CN CNB2005100250436A patent/CN100334047C/zh not_active Expired - Lifetime
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1150300A (zh) * | 1994-10-19 | 1997-05-21 | 索尼公司 | 记录介质的再现方法和再现装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN1686973A (zh) | 2005-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101620414B (zh) | 工业乙烯裂解炉裂解深度在线优化方法 | |
| CN100334047C (zh) | 乙烯装置中裂解炉裂解深度的智能控制方法 | |
| US11993751B2 (en) | Predictive control systems and methods with fluid catalytic cracking volume gain optimization | |
| CN110187635B (zh) | 用于连续重整装置的实时优化方法和设备 | |
| US12066800B2 (en) | Control system with optimization of neural network predictor | |
| Kasmuri et al. | Integrated advanced nonlinear neural network-simulink control system for production of bio-methanol from sugar cane bagasse via pyrolysis | |
| Kashani et al. | Dynamic crude oil fouling prediction in industrial preheaters using optimized ANN based moving window technique | |
| CN102053595A (zh) | 一种乙烯装置中控制裂解炉裂解深度的方法 | |
| CN102175345B (zh) | 多喷嘴对置式水煤浆气化炉炉膛温度的软测量方法 | |
| CN103605821B (zh) | 乙烯裂解炉群负荷分配优化方法 | |
| CN104765346A (zh) | 一种炼油过程全流程建模方法 | |
| Ghashghaee et al. | Multivariable optimization of thermal cracking severity | |
| CN101882239A (zh) | 基于专家知识和神经网络的乙烯裂解深度建模方法 | |
| CN103605325A (zh) | 基于代理模型的工业乙烯裂解炉全周期动态优化方法 | |
| CN1150300C (zh) | 乙烯装置中裂解炉的智能控制方法 | |
| CN106202910A (zh) | 一种渣油加氢处理装置的收率实时预测方法及其应用 | |
| CN110252087B (zh) | 粗苯回收过程智能优化控制系统 | |
| Chen et al. | Real-time refinery optimization with reduced-order fluidized catalytic cracker model and surrogate-based trust region filter method | |
| CN114427684A (zh) | 一种天然气净化过程中燃烧炉的控制方法及控制装置 | |
| CN208477316U (zh) | 一种乙烯裂解炉全运行周期裂解深度控制系统 | |
| CN107450314B (zh) | 一种用于乙烯裂解炉全运行周期裂解深度控制系统及其方法 | |
| CN102289199B (zh) | 一种工业裂解炉生产操作的自动在线控制方法 | |
| Li et al. | Production planning optimization framework for integrated refinery, ethylene and aromatics industrial chains considering environmental performance | |
| CN117540621A (zh) | 一种基于化工过程模拟的煤制乙二醇高cod废水的溯源方法 | |
| CN1382672A (zh) | 乙烯装置中丙烯精馏塔的智能控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Assignee: Sinopec Limited by Share Ltd Zhenhai Refining & Chemical Branch Co. Assignor: East China University of Science and Technology Contract record no.: 2012310000030 Denomination of invention: Intelligent method for controlling cracking severity of cracking furnace in ethylene equipment Granted publication date: 20070829 License type: Common License Open date: 20051026 Record date: 20120309 |
|
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20051026 Assignee: PetroChina Jilin Petrochemical Co.,Ltd. Assignor: East China University of Science and Technology Contract record no.: 2016310000014 Denomination of invention: Intelligent method for controlling cracking severity of cracking furnace in ethylene equipment Granted publication date: 20070829 License type: Common License Record date: 20160303 |
|
| LICC | Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model | ||
| CX01 | Expiry of patent term | ||
| CX01 | Expiry of patent term |
Granted publication date: 20070829 |