CN103087751B - 一种工业裂解炉价值最大化模型的构建方法 - Google Patents

Abstract

本发明是一种工业裂解炉价值最大化模型的构建方法，在烯烃生产企业中，基于蒸汽裂解实验数据建立裂解炉裂解产物收率预测模型，采集工业裂解炉目标裂解产物收率数据并用于校核建立的预测模型，使预测模型的计算结果与工业裂解炉实际运行的结果一致；基于校核模型，建立裂解炉裂解产物价值最大化模型，并用于优化裂解炉操作，使工业裂解炉生产的裂解产物或裂解产品总价值达到最大化。

Description

一种工业裂解炉价值最大化模型的构建方法

技术领域

本发明涉及石油化工生产装置中裂解炉操作的优化方法，更具体的，涉及一种工业裂解炉价值最大化模型的构建方法。

背景技术

管式裂解炉简称裂解炉，是生产乙烯、丙烯、丁二烯、芳烃(苯、甲苯、二甲苯)等基础有机化工原料的主要装置，其中世界98％的乙烯是由裂解炉以蒸汽裂解方式生产的。乙烯、丙烯、丁二烯、苯、甲苯、二甲苯是最重要基础有机化工原料，由它们生产的产品和衍生品被广泛应用于国民经济各个领域，对促进国民经济的发展具有非常重要的作用。

蒸汽裂解技术始于二十世纪二十年代，经过多年的持续发展，蒸汽裂解技术发展日趋完善，近年新增的乙烯产能主要是由裂解炉以蒸汽裂解方式来生产的。自从改革开发以来，随着我国国民经济的快速发展，对乙烯、丙烯等基础有机化工原料需求急剧增加，国内乙烯工业的生产能力不能满足市场需求，为此每年进口大量的乙烯等基础有机化工原料及衍生品。为了解决国内乙烯等基础有机化工原料的市场供需矛盾，乙烯工业连续实施第二、三轮改扩建，尽管乙烯工业的生产能力得到显著提高，但裂解炉的裂解原料的来源——炼油装置生产能力却没有得到相应增加。随着国际原油价格的步步攀高，炼油企业为了降低生产成本，尽量购买相对比较廉价的原油，因此原油品质下降且产地分布广泛，导致炼油装置生产的裂解原料物性变化频繁，有时甚至导致石脑油等传统裂解原料的供应不足，被迫补充其他炼厂油品作为裂解原料，如加氢裂化柴油等。因此，如何优化裂解炉操作，提高企业的经济效益，成为乙烯生产企业的面临的难题。

烃类蒸汽裂解反应是在高温(820-870℃)条件下进行，蒸汽裂解过程是强吸热过程，因此裂解炉运行需要消耗大量的热量，裂解炉的能耗约占到乙烯装置能耗的70％左右。因此，优化裂解炉生产操作，降低生产成本，提高生产企业的经济效益，是裂解炉专利商、生产企业、科学院所长期以来尝试解决的难题。

在裂解炉技术发展过程中，裂解炉专利商扮演非常重要的角色。裂解炉专利商经过重组合并，目前形成六大裂解炉专利商，即LUMMUS、S&M、KBR、TECKNIP、LINDE、SINOPEC。烃类蒸汽裂解反应机理和过程非常复杂，裂解产物达到上百种，因此蒸汽裂解技术是裂解炉技术的核心，蒸汽裂解反应过程是裂解炉专利商和科学院所研究的重点。通过多年蒸汽裂解反应过程研究，形成三种蒸汽裂解模型，即经验模型、半经验半理论模型、机理模型。基于蒸汽裂解反应模型，开发的裂解炉模拟软件可模拟计算裂解产物收率、运行周期等，用于裂解炉设计和改造，如SPYRO(TECHNIP)、PYPS(LUMMUS)、CRACKER、CRACKSIM、FIHR等。对于裂解炉的操作优化，仅有ASPEN和TECHNIP提出了双烯(乙烯+丙烯)收率的优化方案，利用SPYRO软件以及APSEN公司的分离装置模拟技术及先进控制技术，优化裂解炉生产操作，试图通过提高双烯的收率的方式提高生产企业的经济效益。

在裂解产物中，乙烯、丙烯、丁二烯、苯、甲苯、二甲苯具有较高的经济附加值，氢气、碳四馏分、裂解汽油(不含苯、甲苯、二甲苯)、裂解柴油、裂解燃料油都具有一定的经济价值。而这些裂解产品或裂解产物组份的价格受原料价格和市场供需关系而发生波动，市场需求量大而供应量的产品价格高，市场需求量小而供应大的产品价格较低。对于烯烃厂而言，尽管双烯(乙烯+丙烯)重量收率范围为40-60％，受市场需求的影响，收率高的裂解产品价格未必高，收率地的产品价格未必低。因此。对于裂解炉操作优化而言，需要考虑所有裂解产品或裂解产物组份的市场价格，而不是仅仅考虑双烯的收率。

不同裂解原料COT的操作范围不同，如石脑油的通常为810-845℃，轻烃为840-870℃，加氢尾油或柴油的为780-820℃。在裂解炉裂解产物价值最大化的优化过程中，裂解原料、进料量、稀释比保持不变，优化仅仅调整炉管出口温度(COT)，而COT的调整不会超过裂解原料的正常操作范围内。通过优化裂解炉操作，使烯烃厂每台裂解炉生产的裂解产品或裂解产物组份总价格达到最大，这样才能最大程度上提高乙烯生产企业的收入。

发明内容

现有技术中通过提高双烯收率实现提高乙烯装置的经济效益，却忽略了其他裂解产物或裂解产品的经济价值以及市场价格对裂解炉生产操作的影响，实际不能有效提高烯烃生产企业的收入。为了克服传统裂解炉操作优化方法的缺陷，与现有技术采用提高双烯收率提高经济效益的方法不同，本发明构建工业裂解炉裂解产物价值最大化模型，用于优化工业裂解炉操作，使裂解炉生产的裂解产物或裂解产品总价值达到最大。

本发明涉及工业裂解炉裂解产物价值最大化模型构建的方法，在烯烃生产企业中，基于蒸汽裂解实验数据建立裂解炉裂解产物预测模型，然后利用工业裂解炉实际运行的目标裂解产物收率数据校核预测模型，使预测模型计算值与工业裂解炉实际运行数据基本一致；基于校核的预测模型，建立工业裂解炉裂解产物价值最大化模型，并用于裂解炉操作优化，使裂解炉生产的裂解产物或裂解产品总价值达到最大。

具体技术方案如下：

本发明涉及到工业裂解炉裂解产物价值最大化模型的构建方法，在烯烃生产企业中，基于蒸汽裂解实验数据采用数学建模方法建立裂解炉裂解产物预测模型，然后采集工业裂解炉实际运行的目标裂解产物收率数据校核预测模型，使预测模型的计算值与工业裂解炉实际运行数据基本一致；基于校核的预测模型，建立工业裂解炉裂解产物价值最大化模型，并用于裂解炉操作优化，使裂解炉生产的裂解产物或裂解产品总价值达到最大。

所述的一种工业裂解炉价值最大化模型的构建方法包括以下步骤：

(1)建立预测模型：基于蒸汽裂解实验数据，利用数学建模方法建立工业裂解炉裂解产物收率预测模型，可根据裂解原料物性、工业裂解炉操作条件计算裂解产物收率。

(2)采集目标裂解产物收率数据：在裂解原料物性、进料量、蒸汽量不变的条件下，在炉管出口温度COT)正常操作范围内，通过调整COT采集工业裂解炉实际运行的目标裂解产物收率数据。。

(3)模型校核：利用步骤(2)得到的工业裂解炉运行数据校核步骤(1)得到的预测模型，使校核的预测模型计算结果与工业裂解炉实际运行数据基本一致。

(4)建立裂解炉裂解产物价值最大化模型：基于步骤(3)得到的预测模型建立裂解炉裂解产物价值最大化模型，可利用裂解产物价格、裂解原料物性、裂解炉运行数据计算出裂解产物或裂解产品总价值最大的裂解炉操作条件。

优选地，所述的烯烃生产企业是以裂解炉生产低碳烯烃的企业，其生产装置主要包括裂解炉和分离(回收)装置。

优选地，所述的裂解炉的裂解原料主要由C₂～C₃₅饱和烃构成，主要包括且不限于乙烷、丙烷和丁烷的混合LPG、石脑油、柴油、加氢尾油等。根据裂解原料的相态，可分为轻烃和液态裂解原料。轻烃主要由乙烷、丙烷、丁烷以及它们的混合物构成。轻烃来源天然气或乙烯装置分离的循环乙烯和循环丙烷。液态裂解原料主要来自炼油装置，如拔头油、石脑油、柴油、加氢尾油等。此外，油田生产过程的产生凝析油也是较好的裂解原料。

更优选地，所述裂解原料物性包括密度、恩式蒸馏馏程(ASTM)、族组成(PONA)、氢含量或碳含量或碳氢比、残碳值、分子量、关联指数(BMCI)和折光指数等，或者为裂解原料的详细组成及其含量构成。轻烃构成组份较少，物性通常由详细组份及其重量或摩尔含量构成。液态裂解原料包括石脑油、加氢尾油、柴油等，其组份至少达上百种，因此利用其详细组份及其含量较为困难，通常选择密度、恩式蒸馏馏程(ASTM)、族组成(PONA)等作为物性参数。

优选地，所述的裂解产物主要包括氢气、一氧化碳、二氧化碳、乙烷、乙烯、乙炔、丙烷、丙烯、丙炔、丙二烯、丁烷、丁烯、丁二烯、苯、甲苯、二甲苯、乙苯、苯乙烯、裂解汽油、裂解柴油、裂解燃料油等。尽管裂解原料的形态和构成差异较大，而它们的裂解产物组份却基本相同，只不过裂解产物组份的收率分布不同。

优选地，所述的目标裂解产物在裂解原料物性、进料量、蒸汽量不变的条件下，在裂解炉COT操作范围之内，随着COT升高而持续增大或减小而未出现极值的裂解产物组份，主要包括氢气、甲烷、乙烯、乙炔、丙烷、苯、甲苯、二甲苯等。

优选地，所述的裂解产品主要包括主要由氢气、乙烯、丙烯、丁二烯、碳四馏分(丁烷和丁烯)、碳五馏分、苯、甲苯、二甲苯、裂解汽油(不含芳烃)、裂解燃料油构几种组合或全部构成。

在烯烃生产企业生产装置中，来自炼油装置或油气田的裂解原料在裂解炉内被加热到高温发生蒸汽裂解反应生产富含有低碳烯烃和芳烃的裂解气，裂解气即裂解产物，主要包括氢气、一氧化碳、二氧化碳、甲烷、乙烷、乙烯、乙炔、丙烷、丙烯、丙炔、丙二烯、丁烷、丁烯、丁二烯、苯、甲苯、二甲苯、乙苯、苯乙烯、裂解汽油(不含芳烃)、裂解柴油、裂解燃料油等。

裂解气经过分离装置的分离和提纯形成有机化工原料及其他原料，如氢气、燃料气、乙烯、丙烯、碳四馏分(包括丁烷、丁烯、丁二烯)、裂解汽油(含有芳烃)、裂解柴油、裂解燃料油等。在分离装置中，尽管不同专利商提供的工艺流程顺序不同，如LUMMUS的顺序分离流程、LINDE的前脱乙烷流程、S&W的前脱丙烷流程，但最终都按照烃的碳数进行分离和提纯。分离装置包括油洗塔、水洗塔、压缩机、冷箱、脱甲烷塔、脱乙烷塔、乙烯精馏塔、脱丙烷塔、丙烯精馏塔、脱丁烷塔、碳二碳三加氢装置等装置。裂解气部分组份经过分离装置的分离提纯形成原料，如氢气、乙烯、丙烯、碳四馏分(包括丁烷、丁烯、丁二烯)、裂解汽油(含有芳烃)；部分组份被消耗或循环利用，如一氧化碳通过甲烷化装置处理形成燃料气，甲烷通过脱甲烷塔生成燃料气，而燃料气用作裂解炉的燃料被消耗；二氧化碳被碱洗塔吸收；乙炔、丙炔和丙二烯经过加氢反应器生成乙烯和乙烷、丙烯和丙烷；乙烷、丙烷经过乙烯精馏塔、丙烯精馏塔提纯之后形成循环乙烷、循环丙烷，循环乙烷和循环丙烷作为裂解原料返回裂解炉；裂解柴油和裂解燃料油经过油洗塔形成燃料油。

裂解产品的种类与乙烯装置的界区划分有关。分离装置中若包括丁二烯抽提装置，丁烷、丁烯、丁二烯经过脱丁烷塔和丁二烯抽提装置形成碳四馏分(丁烷和丁烯)和丁二烯两种裂解产品，碳四馏分(丁烷和丁烯)大多用于生产LPG；若分离装置中没有丁二烯抽提装置，丁烷、丁烯、丁二烯经过脱丁烷塔形成混合碳四馏分，因此只有混合碳四馏分一种裂解产品。分离装置中若包括芳烃抽提装置，裂解汽油(含有芳烃)通过芳烃抽提装置可形成苯、甲苯、二甲苯、裂解汽油(不含芳烃)裂解产品；若不含有芳烃抽提装置，则苯、甲苯、二甲苯、裂解汽油(不含有芳烃)混合在一起形成一种裂解产品。

裂解产物本身没有价格，烯烃生产企业根据内部物流供应价格及生产成本提供裂解产物价格，对外则无太大意义。裂解产物经过分离装置的分离和提纯形成的裂解产品，则具有一定的经济价值或经济附加值。在裂解产物组份中，对于在分离装置中被吸收或消耗或循环利用的裂解产物组份，如一氧化碳、二氧化碳、甲烷、乙烷、丙烷，其价格设置零；乙炔、丙炔和丙二烯通过加氢装置生成乙烯和乙烷、丙烯和丙烷，其价格分别为乙烯、丙烯的价格与加氢催化剂选择性和转化率的乘积，在缺少加氢催化剂转化率和选择性的条件下，乙炔、丙炔和丙二烯的价格可视为乙烯、丙烯的市场价格；氢气、乙烯、丙烯、裂解燃料油通过分离装置生成相应的裂解产品，其价格为它的相应裂解产品市场价格；裂解柴油通过分离装置形成裂解燃料油，其价格为裂解燃料油的市场价格；对于丁烷和丁烯，丁烷和丁烯的价格通常为LPG的市场价格；对于丁二烯的价格，乙烯装置界区若有丁二烯抽提装置则选择丁二烯的市场价格，若无丁二烯抽提装置则取决于其用途，如加氢生成丁烯或丁烷用于生产LPG，则其价格为LPG的市场价格；对于乙烯装置界区中含有芳烃抽提装置，苯、甲苯、二甲苯的价格为其市场价格，由于乙苯和苯乙烯与裂解汽油(不含芳烃)混合在一起，乙苯、苯乙烯、裂解汽油(不含芳烃)的价格可选择汽油的市场价格，若乙烯装置界区中不含芳烃抽提装置，苯、甲苯、二甲苯、乙苯、苯乙烯、裂解汽油(不含芳烃)通常混合在一起出售，因此它们的价格为混合裂解汽油(含有芳烃)的市场价格。

对于裂解炉操作优化，关键在于裂解炉裂解产物价值最大化模型。裂解炉裂解产物价值最大化模型用于优化裂解炉的生产操作，使裂解炉生产的裂解产物或裂解产物总价值达到最大。通过裂解炉裂解产物价值最大化模型，将裂解炉的操作优化同裂解产物或裂解产品市场价格关联起来。

本发明所述的一种工业裂解炉价值最大化模型的构建方法，基于蒸汽裂解实验数据建立工业裂解炉裂解产物预测模型，利用工业裂解炉实际运行的目标裂解产物收率校核预测模型，然后利用校核模型建立工业裂解炉裂解产物价值最大化模型，将其用于裂解炉操作优化，使工业裂解炉生产的裂解产物或裂解产品的市场价格总和达到最大。

优选地，所述的工业裂解炉裂解产物价值最大化模型是以裂解炉裂解产物收率预测模型为基础，根据裂解原料的物性、裂解炉运行数据、裂解产物价格，在裂解炉操作条件约束范围内，采用数学优化方法搜索或者计算出裂解产物总价值最大对应的操作条件。

更优选地，所述的工业裂解炉运行数据为原料进料量、稀释蒸汽量或者稀释比、横跨段温度(XOT)，优化的操作条件为炉管出口温度(COT)。裂解原料不同，裂解炉的COT操作控制范围也不同，如石脑油的COT通常控制在810-845℃，轻烃的控制在840-870℃，加氢尾油或柴油的控制在780-820℃。在裂解炉裂解产物价值最大化的优化过程中，COT一定控制在正常的操作范围之内，若优化的COT超过正常操作的上限或下线，在优化调整COT时会选择上限或下线操作。

更优选地，所述裂解原料物性包括密度、恩式蒸馏馏程(ASTM)、族组成(PONA)、氢含量或碳含量或碳氢比、残碳值、分子量、关联指数(BMCI)、折光指数等，或者所述裂解原料的详细组份及其含量。裂解原料主要由C2～C35的饱和烃构成。轻烃构成组份较少，物性通常由详细组份及其重量或摩尔含量构成。液态裂解原料组份至少达上百种，因此利用其详细组份及其含量较为困难，通常选择密度、恩式蒸馏馏程(ASTM)、族组成(PONA)等作为物性参数。

更优选地，所述的裂解炉裂解产物价值最大模型中的数学优化方法包括搜索方法。

更优选地，裂解炉裂解产物收率预测模型用于模拟计算裂解炉的裂解产物收率分布，可根据裂解原料物性和裂解炉操作条件计算出裂解产物的收率。基于蒸汽裂解反应机理，裂解炉专利商推出商用的裂解炉模拟软件，可模拟计算裂解炉的裂解产物收率，如TECHNIP的SPYRO软件、LUMMUS的PYPS软件等。基于蒸汽裂解试验数据，借助数学建模方法可以建立裂解炉裂解产物收率预测模型。蒸汽裂解实验可在小试装置或模拟评价装置或工业裂解炉上实施，针对工业裂解炉炉型和操作条件范围，模拟裂解原料的蒸汽裂解反应过程和实验数据，实验数据包括裂解原料物性、操作条件、裂解产物收率。中国石化北京化工研究院建立了蒸汽裂解评价试验装置，可以模拟评价各种裂解原料的工业裂解炉的裂解产物收率。

更进一步优选地，所述的数学建模方法包括支持向量机(SVM)、人工神经网络、多元非线性回归、遗传算法等方法。将蒸汽裂解实验数据分为两部分，一部分用于训练模型，一部分用于检验模型的预测精度。通过调整数学建模方法中的核函数，使建立的模型计算误差至少达到10％以内，最好在5％以内。建立的预测模型输入变量裂解原料物性、操作条件，输出变量为裂解产物的收率，即：

y_i＝X(F，S，XOT，COT，P)

其中y_i-表示裂解产物组份收率

F-进料量

S-稀释比

XOT-横跨段温度

COT-炉管出口温度

P-裂解原料物性

优选地，所述的目标裂解产物在裂解原料物性、进料量、蒸汽量不变的条件下，在裂解炉COT操作范围之内，随着COT升高而持续增大或减小而未出现极值的裂解产物组份，主要包括氢气、甲烷、乙烯、乙炔、丙烷、丁烷、丁烯、苯、甲苯、二甲苯等。目标裂解产物收率可以表示蒸汽裂解反应进行程度。目标裂解产物收率的标定需要在急冷锅炉出口做一个取样口，取样口同冷却器相连。当打开取样口时，裂解气被冷却形成气液两相，冷却温度通常为0～40℃。利用气相色谱和液相色谱分别分析气相物流和液相物流中的组份及其含量，并计量气相物流和液相物流的重量，然后通过物料平衡可计算得到裂解产物组份的收率。中国专利CN1456895A对取样装置和方法进行详细的介绍。

更优选地，所述的目标裂解产物收率数据在裂解原料物性、进料量、蒸汽量不变的条件下，在工业裂解炉炉管出口温度(COT)正常操作范围内，通过调整工业裂解炉至少三个COT温度采集其实际运行时的目标裂解产物收率数据。

更进一步优选地，优选五个COT温度。

在工业裂解炉运行过程中，测量COT的热电偶通常插入或捆绑在废热锅炉入口，而废热锅炉入口与裂解炉辐射段炉管出口之间存在一个隔热段。此外热电偶本身具有一定的测量精度以及热电偶在测量过程中存在着系统误差，通常导致工业裂解炉显示的COT与辐射段炉管出口的真实温度存在着一定的温差。

优选地，所述的裂解炉裂解产物预测模型校核方法是基于采集到工业裂解炉的实际运行目标裂解产物收率数据，利用建立的预测模型计算工业裂解炉采集目标裂解产物收率的操作条件下的裂解产物收率，计算多个COT的目标裂解产物收率数据并与实际运行数据比对，找出预测模型与实际指示COT之间的温差，然后将温差放入预测模型中，使校核的预测模型的计算值与工业裂解炉实际运行的数据基本一致。

更优选地，所述的数据基本一致是计算值与实际运行数据偏差在10％以内，且数值变化规律一致。

优选地，裂解炉裂解产物价值最大化模型以裂解炉裂解产物预测模型为基础，采用数学优化方法，在进料量、水油比、XOT、裂解原料物性、裂解产物价格不变的条件下，在工业裂解炉的COT正常操作范围内，计算出裂解产物总价值最大值对应的COT，即：

$V\left(m\right)=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}X(F,S,\mathrm{XOT},\mathrm{COT}\left(m\right),P)\×F\×{\mathrm{PR}}_j$

V_max＝max(V(m))

其中，F-进料量

S-稀释比

XOT-横跨段温度

COT(m)-炉管出口温度

P-裂解原料物性

PR_j-裂解产物组份价格

V(m)-裂解产物总价值

V_max-裂解产物总价值最大值。

更优选地，所述的数学优化方法包括平均搜索方法。

本发明基于蒸汽裂解实验数据建立工业裂解炉裂解产物预测模型，利用工业裂解炉实际运行的目标裂解产物收率数据校核预测模型，基于校核的预测模型建立裂解炉裂解产物价值最大化模型并用于优化裂解炉操作，使裂解炉生产的裂解产物或裂解产品市场总价格达到最大。

附图说明

图1为实施例1的GK-V裂解炉价格最大化优化的结果。

图2为实施例2的CBL-III裂解炉价格最大化优化的结果。

具体实施方式

下面结合实施例进一步描述本发明。本发明包括但不限于这些实施例所涉及的内容。

某烯烃生产企业拥有的乙烯生产装置为6台裂解炉，分离装置采用LUMMUS的顺序分离工艺，年生产能力达到36万吨。裂解炉有5台为GK-V裂解炉，1台为CBL-III型裂解炉。

GK-V裂解炉是由TECKNIP公司设计的工业裂解炉，采用32组2-1构型炉管，分四大组进料，共有两台传统急冷锅炉，裂解原料为石脑油或轻烃。

CBL-III性裂解炉是采用中国石化自主开发技术建设的裂解炉，在中国石化烯烃厂得到广泛应用。CBL-III型裂解炉采用32组2-1炉管，分四大组进料，共有4台传统急冷锅炉，裂解原料为加氢尾油。裂解炉操作条件见表1。

表1裂解炉操作条件

炉型	GK-V	CBL-III
			原料	石脑油	加氢尾油
进料量(吨/小时)	24.788	24.537
			稀释比	0.633	0.5
XOT(℃)	633	570
			COT(℃)	825	804

实施例1

根据GK-V型裂解炉炉型，建立GK-V型裂解炉蒸汽裂解石脑油裂解产物价值最大化模型，建模过程如下。

1.蒸汽裂解实验数据

针对GK-V工业裂解炉操作工艺条件，分别采集多种石脑油样品，在蒸汽裂解评价模拟装置上实施蒸汽裂解实验，通过物料平衡和物流组成分析计算石脑油在不同操作条件下的裂解产物收率，采集实验数据建立GK-V裂解炉蒸汽裂解反应样本数据库，数据库内容包括石脑油(比重、ASTM馏程、族组成)、操作条件(进料量、水油比、XOT、COT)、裂解产物收率。相关蒸汽实验分析仪器和设备如下：

1)ANTONPEAR公司DE40比重计测量石脑油密度(20℃)；

2)德国海尔潮公司HDA627分析石脑油恩式蒸馏馏程(ASTM)(初馏点，10％，30％，50％，70％，90％，终馏点)；

3)美国安捷伦公司HP6850分析石脑油族组成(正构烷烃、异构烷烃、环烷烃、芳烃)和液相裂解产物组成及其重量含量；

4)美国安捷伦公司HP7890分析裂解气组成及其摩尔含量。

2.建立GK-V型裂解炉蒸汽裂解石脑油裂解产物预测模型

将样本数据库分为两部分，其中一部分为训练数据，其数据量为样本数据库量的三分之二，剩余数据为检验数据。将训练数据输入支持向量机(SVM)中，建立裂解炉裂解产物收率预测模型。支持向量机(SVM)核函数采用RBF核函数，模型输入变量石脑油物性(比重、ASTM馏程、族组成)、操作条件(投油量、水油比、COT、XOT)，输出变量为所有裂解产物的收率。裂解炉裂解产物收率预测模型根据输入变量计算出相应的输出变量的数值，即：

y_i＝X(F，S，XOT，COT，DEN，ASTM，PONA)

其中y_i-表示裂解产物组份收率

F-进料量

S-稀释比

XOT-横跨段温度

COT-炉管出口温度

DEN-密度

ASTM-ASTM馏程

PONA-族组成

3.采集GK-V型工业裂解炉运行异丁烯收率数据

GK-V型裂解炉的目标裂解产物为异丁烯，石脑油物性见表2。保持进料量为24.788吨/小时、水油比为0.633不变，分别将COT调整为802℃、810℃、815℃、831℃、840℃，同时进行在线取样工作，计量气相物流和液相物流的重量，分析气相物流中的异丁烯的摩尔含量，由于液相物流中几乎不含有异丁烯，可以不分析液相物流组份含量，以此计算得到工业裂解炉实际运行的异丁烯收率数据(详见表3)。

表2石脑油物性

表3GK-V裂解炉裂解石脑油的异丁烯含量及其收率

COT(℃)	802	810	815	831	840
						异丁烯(mol％)	0.449	0.358	0.305	0.258	0.168
异丁烯收率(wt％)	3.79	3.45	3.39	2.98	2.65

4.模型校核

将GK-V型工业裂解炉运行数据带入预测模型并进行多个COT温度的氢气收率，得到与工业数据比较吻合的COT温度，计算结果详见表4。通过对比表3和表4可知，计算值和实际运行值两者数据偏差小于10％以内，计算值和实际运行值都随着COT的升高而升高。由此可见，工业裂解炉实际运行的COT显示温度要比预测模型的低10℃，因此在预测模型中的COT减10℃校核预测模型。

表4预测模型计算的异丁烯收率(wt％)

COT(℃)	收率
		812	3.5373
820	3.3899
		825	3.2761
841	2.8323
		850	2.5595

5.建立GK-V裂解炉裂解产物价值最大化模型

以裂解炉裂解产物预测模型为基础，采用平均搜索法的数学方法，在进料量、水油比、XOT、裂解原料物性(比重、ASTM馏程、族组成)、裂解产物价格不变的条件下，在工业裂解炉的COT正常操作范围内，搜索出蒸汽裂解产物总价值最大值对应的COT，即：

$V\left(m\right)=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}X(F,S,\mathrm{XOT},\mathrm{COT}\left(m\right),\mathrm{DEN},\mathrm{ASTM},\mathrm{PONA})\×F\×P_j$

V_max＝max(V(m))

其中，F-进料量

S-稀释比

X-裂解产物收率

XOT-横跨段温度

COT-炉管出口温度

DEN-密度

ASTM-ASTM馏程

PONA-族组成

P_j-裂解产物组份价格

V(m)-裂解产物总价值

V_max-裂解产物总价值最大值

6.价值优化

根据建立的GK-V裂解炉裂解产物价值最大化模型优化裂解炉的操作。GK-V裂解炉裂解石脑油的物性见表2，裂解炉运行数据见表1，烯烃生产企业提供的裂解产物内部价格见表5。将裂解产物价格(见表5)、裂解原料物性、运行数据(进料量、稀释比、XOT，见表1)输入GK-V裂解炉裂解产物价值最大化模型中，计算结果见图1。

表5裂解产物价格(元/吨)

裂解产物组份	价格
		氢气	16240
一氧化碳	0
		二氧化碳	0
甲烷	2204
		乙烷	4000
乙烯	9130
		乙炔	6565
丙烷	4000
		丙烯	12352
丙炔	6506
		丙二烯	6506
丁烷	6300
		丁烯	6300
丁二烯	6300
		苯	8000
甲苯	7550
		二甲苯	8000
乙苯	8000
		苯乙烯	8600
裂解汽油	6700
		裂解柴油	3652
燃料油	3652

由图1可知，在上述操作条件下和裂解产物价格条件下，GK-V裂解炉裂解产物价值最大化的真实COT是826℃，生产的裂解产物总价值为189032.1元/小时而裂解炉操作COT显示的温度为816℃。GK-V型裂解炉通常的COT操作温度为825℃，实际真实的操作COT温度为835℃，生产的裂解产物总价值为188847.5元/小时。通过价值优化，GK-V工业裂解炉COT由825℃降低到816℃，裂解炉生产的裂解产物总价值增加了184.6元/小时。

实施例2

根据CBL-III型裂解炉，建立CBL-III型裂解炉蒸汽裂解加氢尾油裂解产物价值最大化模型，建模过程如下。

1.蒸汽裂解实验数据

针对CBL-III工业裂解炉操作工艺条件，分别采集多种石脑油样品，在蒸汽裂解评价模拟装置上实施蒸汽裂解实验，通过物料平衡和物流组成分析计算石脑油在不同操作条件下的裂解产物收率，采集实验数据建立CBL-III裂解炉蒸汽裂解反应样本数据库，数据库内容包括石脑油(比重、ASTM馏程、族组成)、操作条件(进料量、水油比、XOT、COT)、裂解产物收率。相关蒸汽实验分析仪器和设备如下：

5)ANTONPEAR公司DE40比重计测量加氢尾油密度(60℃)；

6)德国海尔潮公司HDA627分析加氢尾油恩式蒸馏馏程(ASTM)(初馏点，10％，30％，50％，70％，90％，终馏点)；

7)美国安捷伦公司HP6850分析加氢尾油族组成(链烷烃、环烷烃、芳烃)和液相裂解产物组成及其重量含量；

8)美国安捷伦公司HP7890分析裂解气组成及其摩尔含量。

2.建立CBL-III型裂解炉裂解产物预测模型

将样本数据库分为两部分，其中一部分为训练数据，其数据量为样本数据库量的三分之二，剩余数据为检验数据。将训练数据输入BP神经网络中，建立裂解炉裂解产物收率预测模型。BP神经网络核函数采用RBF核函数，模型输入变量加氢尾油物性(比重、ASTM馏程、族组成)、操作条件(投油量、水油比、COT、XOT)，输出变量为所有裂解产物的收率。裂解炉裂解产物收率预测模型根据输入变量计算出相应的输出变量的数值，即：

y_i＝X(F，S，XOT，COT，DEN，ASTM，PONA)

其中y_i-表示裂解产物组份收率

F-进料量

S-稀释比

XOT-横跨段温度

COT-炉管出口温度

DEN-密度

ASTM-ASTM馏程

PONA-族组成

3.采集CBL-III型工业裂解炉运行乙烯收率数据

CBL型裂解炉的目标裂解产物为乙烯，加氢尾油物性见表6，保持进料量为24.537吨/小时、水油比为0.8不变，分别将COT调整为794℃、804℃、818℃，同时进行在线取样工作，计量气相物流和液相物流的重量，分析裂解气中的乙烯的摩尔含量，由于液相中不含有乙烯，可以不分析液相物流组份含量，以此计算得到工业裂解炉实际运行的乙烯收率数据(详见表7)。

表6加氢尾油物性

表7CBL-III裂解炉的乙烯收率

COT(℃)	794	804	818
				乙烯(mol％)	38.04	38.3	38.7
乙烯收率(wt％)	29.4	29.76	30.74

4.模型校核

将工业裂解炉运行数据带入预测模型并进行多个COT温度的乙烷收率，得到与工业数据比较吻合的COT温度，计算结果详见表8。通过对比表8和表7可知，计算值与工业裂解运行值偏差小于10％以内且随着COT的升高乙烷收率含量升高，由此可见，工业裂解炉实际运行的COT显示温度要比预测模型的高10℃，因此在预测模型中的COT加10℃校核预测模型。

表8预测模型计算的乙烯收率(wt％)

COT(℃)	收率
		784	28.5789
794	29.31
		808	30.2747

5.建立CBL-III裂解炉裂解产物价值最大化模型

以裂解炉裂解产物预测模型为基础，采用平均搜索法的数学方法，在进料量、水油比、XOT、裂解原料物性(比重、ASTM馏程、族组成)、裂解产物价格不变的条件下，在工业裂解炉的COT正常操作范围内，搜索出蒸汽裂解产物总价值最大值对应的COT，即：

$V\left(m\right)=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}X(F,S,\mathrm{XOT},\mathrm{COT}\left(m\right),\mathrm{DEN},\mathrm{ASTM},\mathrm{PONA})\×F\×P_j$

V_max＝max(V(m))

其中，F-进料量

S-稀释比

X-裂解产物收率

XOT-横跨段温度

COT-炉管出口温度

DEN-密度

ASTM-ASTM馏程

PONA-族组成

P_j-裂解产物组份价格

V(m)-裂解产物总价值

V_max-裂解产物总价值最大值

6.裂解产物价格建立

烯烃生产企业装置生产的裂解产品为氢气、乙烯、丙烯、丁二烯、碳四馏分、苯、甲苯、二甲苯、裂解汽油(不含芳烃)、裂解燃料油。根据裂解产品市场价格来确定裂解产物价格，具体如下；

(1)甲烷经过脱甲烷塔形成裂解炉的燃料气被消耗掉，其价格为0；

(2)一氧化碳由甲烷化装置转化为甲烷，甲烷作为裂解炉的燃料气被消耗掉，其价格为0；

(3)二氧化碳被碱洗塔吸收，其价格为0；

(4)乙炔、丙炔和丙二烯经过碳二、碳三加氢装置生成乙烯和乙烷、丙烯和丙烷，由于缺乏加氢催化剂的选择性和转化率数据，其价格与乙烯、丙烯市场价格相同；

(5)乙烷和丙烷经过乙烯精馏塔和丙烯精馏塔分离提纯之后以裂解原料返回裂解炉，其价格为0；

(6)丁烷和丁烯主要用于生产LPG，其价格为LPG的市场价格；

(7)碳四馏分经过丁二烯抽提装置生产丁二烯，因此丁二烯的价格为其市场价格；

(8)裂解汽油中的苯、甲苯、二甲苯通过芳烃抽提装置生产苯、甲苯、二甲苯，其价格分别为它的市场价格；

(9)裂解汽油中及苯乙烯和乙苯作为汽油销售，因此裂解汽油、乙苯、苯乙烯的价格为汽油的市场价格；

(10)裂解柴油、裂解燃料油作为燃料油在市场上公开销售，因此裂解柴油、裂解燃料油的价格燃料油的市场价格。

根据裂解产品市场价格历史数据和上述方法，采集的裂解产品市场价格(详见表9)，建立的裂解产物价格(详见表10)。

表9裂解产品市场价格(元/吨)

	价格
		氢气	9983
乙烯	4443
		丙烯	4222
LPG	1961
		丁二烯	3461
苯	3050
		甲苯	5564
二甲苯	2584
		汽油	2152
燃料油	1974

表10裂解产物价格(元/吨)

	价格
		氢气	9983
一氧化碳	0
		二氧化碳	0
甲烷	0
		乙烷	0
乙烯	4443
		乙炔	4443
丙烷	0
		丙烯	4222
丙炔	4222
		丙二烯	4222
丁烷	1961
		丁烯	1961
丁二烯	3461
		苯	3050
甲苯	5564
		二甲苯	2584
乙苯	2152
		苯乙烯	2152
裂解汽油	2152
		裂解柴油	1974
燃料油	1974

7.价值优化

根据建立的CBL-III裂解炉裂解产物价值最大化模型优化裂解炉的操作。CBL-III裂解炉裂解加氢尾油的物性见表6，裂解炉运行数据见表1。将裂解产物价格(见表10)、裂解原料物性、运行数据(进料量、稀释比、XOT，见表1)输入CBL-III裂解炉裂解产物价值最大化模型中，计算结果见图2。由图2可知，在上述操作和裂解产物价格条件下，在加氢尾油正常操作真实COT范围内(780-820℃)，CBL-III裂解炉裂解产物价值最大化的真实COT是820℃(裂解炉操作COT显示温度为830℃)，生产的裂解产品总价值为78395.4元/小时；价值优化之前裂解炉的操作COT为804℃，真实COT温度为794℃，生产的裂解产品总价值为76913.3元/小时。CBL-III裂解炉COT由804℃提高到830℃，裂解炉生产的裂解产物总价值增力口了1482.1元/小时。

Claims (14)

1.一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，在烯烃生产企业中，建立工业裂解炉价值最大化模型优化裂解炉操作，使工业裂解炉生产的裂解产物或裂解产品总价值达到最大，所述的方法包括以下步骤：

(1)建立预测模型：基于蒸汽裂解实验数据，利用数学建模方法建立工业裂解炉裂解产物收率预测模型，可根据裂解原料物性、工业裂解炉操作条件计算裂解产物收率；

(2)采集目标裂解产物收率数据：在裂解原料物性、进料量、蒸汽量不变的条件下，在炉管出口温度COT正常操作范围内，通过调整COT采集工业裂解炉实际运行的目标裂解产物收率数据；

(3)模型校核：利用步骤(2)得到的工业裂解炉运行数据校核步骤(1)得到的预测模型，选择的目标裂解产物是在裂解原料物性、进料量、蒸汽量不变的条件下，在裂解炉COT操作范围之内，其收率随着COT升高而增大或减小的裂解产物组份，包括氢气、甲烷、乙烯、乙炔、丙烷、丁烷、丁烯、苯、甲苯和/或二甲苯，在工业裂解炉在保持裂解原料物性、进料量、水油比不变的条件下，在裂解炉COT正常操作范围之内，通过调整至少三个COT温度，获得所需的目标裂解产物收率数据，使校核的预测模型计算目标裂解产物收率与工业裂解炉实际运行数据基本一致；

所述的模型校核的方法利用预测模型计算工业裂解炉操作条件下目标裂解产物收率，通过对比计算值和和工业运行数据，调整预测模型中的COT，使计算值与工业运行数据基本一致，具体如下：

基于采集到工业裂解炉的运行目标裂解产物收率数据，利用建立的预测模型计算工业裂解炉采集目标裂解产物收率的操作条件下的裂解产物收率，计算COT的目标裂解产物收率数据，并与实际运行数据比对，找出预测模型与实际指示COT之间的温差，然后将温差放入预测模型中，使校核的预测模型的计算值与工业裂解炉实际运行的数据基本一致；

(4)建立裂解炉裂解产物价值最大化模型：基于步骤(3)得到的预测模型建立裂解炉裂解产物价值最大化模型，可利用裂解产物价格、裂解原料物性、裂解炉运行数据计算出裂解产物或裂解产品总价值最大的裂解炉操作条件。

2.根据权利要求1所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述的烯烃生产企业是以裂解炉生产低碳烯烃的企业，其生产装置包括裂解炉和分离或回收装置。

3.根据权利要求1所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述的裂解炉的裂解原料由C₂～C₃₅饱和烃构成，包括乙烷、丙烷和丁烷的混合LPG、石脑油、柴油和/或加氢尾油。

4.根据权利要求3所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述裂解原料物性包括密度、恩氏蒸馏馏程、族组成、氢含量或碳含量或碳氢比、残碳值、分子量、关联指数和折光指数，或者为裂解原料的详细组成及其含量构成。

5.根据权利要求1所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述的裂解产物包括氢气、乙烯、乙炔、丙烷、丁烷、丁烯、苯、甲苯和/或二甲苯。

6.根据权利要求5所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，调整温度为五个COT温度。

7.根据权利要求1所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述的基本一致是计算值与实际运行数据偏差在10％以内，且数值变化规律一致。

8.根据权利要求1所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述的裂解产物价格为裂解产物组份在烯烃生产企业核算的内部价格或者是同等质量的同类裂解产品市场价格，即被烯烃厂裂解装置消耗或吸收或循环利用而未能输出到界区外形成裂解产品的裂解产物组份价格为零。

9.根据权利要求1所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，裂解炉裂解产物价值最大化模型是以裂解炉裂解产物收率预测模型为基础，根据裂解原料的物性、裂解炉运行数据、裂解产物价格，在裂解炉操作条件约束范围内，采用数学方法搜索或者计算出裂解产物总价值最大的操作条件，所述裂解炉运行数据由原料进料量、稀释蒸汽量或者稀释比、横跨段温度XOT构成。

10.根据权利要求9所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述的裂解炉裂解产物收率预测模型是基于蒸汽裂解试验数据采用数学方法建立的模型，根据裂解原料物性和裂解炉操作条件计算裂解产物收率。

11.根据权利要求9所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述数学方法包括搜索方法。

12.根据权利要求11所述的一种工业裂解炉价值最大化模型的构建方法，其特征在于，价值优化的操作条件为炉管出口温度COT。

13.根据权利要求11所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述裂解原料物性包括密度、恩氏蒸馏馏程、族组成、氢含量或碳含量或碳氢比、残碳值、分子量、关联指数和折光指数，或者为裂解原料的详细组成及其含量构成。

14.根据权利要求1所述的一种工业裂解炉裂解产物或裂解产品价值最大化模型的构建方法，其特征在于，所述数学建模方法包括支持向量机、人工神经网络、多元非线性回归和/或遗传算法。