CN107958137B - 基于Matlab和Excel的催化裂化收率预测方法 - Google Patents

基于Matlab和Excel的催化裂化收率预测方法 Download PDF

Info

Publication number
CN107958137B
CN107958137B CN201711212662.5A CN201711212662A CN107958137B CN 107958137 B CN107958137 B CN 107958137B CN 201711212662 A CN201711212662 A CN 201711212662A CN 107958137 B CN107958137 B CN 107958137B
Authority
CN
China
Prior art keywords
yield
raw material
catalytic cracking
historical
analysis
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.)
Active
Application number
CN201711212662.5A
Other languages
English (en)
Other versions
CN107958137A (zh
Inventor
邓宝永
闫雨
黄震宇
李卫伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Original Assignee
China Petroleum and Chemical Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp filed Critical China Petroleum and Chemical Corp
Priority to CN201711212662.5A priority Critical patent/CN107958137B/zh
Publication of CN107958137A publication Critical patent/CN107958137A/zh
Application granted granted Critical
Publication of CN107958137B publication Critical patent/CN107958137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)

Abstract

一种基于Matlab和Excel的催化裂化收率预测方法，先利用装置生产过程中历史的催化裂化原料性质分析和历史的收率数据，分别对干气、液化气、汽油、柴油、油浆和焦炭建立关联系数，获得收率预测模型；再利用Excel语言给出收率预测模型表达式，当催化裂化原料性质发生变化时，利用所建立的收率预测模型分别对干气、液化气、汽油、柴油、油浆和焦炭的催化裂化收率进行预测。本发明在催化裂化反应温度、催化剂品种不改变情况下，能够根据催化裂化原料性质的改变快速预测催化裂化收率，为催化裂化选择合适原料及优化加工方案提供准确的计算依据。

Description

基于Matlab和Excel的催化裂化收率预测方法
技术领域
本发明涉及一种催化裂化收率的预测方法。特别是涉及一种基于Matlab和Excel的催化裂化收率预测方法。
背景技术
催化裂化装置在炼油厂中占有非常重要的地位,是炼厂主要的二次加工装置，它具有操作费用低、产品质量好、汽油辛烷值高等特点，催化裂化装置运行的水平直接影响到炼厂的轻油收率、综合商品率、效益、能耗以及环保指标。
催化裂化模型已广泛应用于催化裂化装置的研究开发和生产优化,其好处在于缩短新工艺过程的研发周期，优化设计方案，优化操作提高效益。
应用数学模型,可以借助计算机对原料组成、性质改变后对催化裂化过程的影响进行模拟，可以减少试验工作，从而减少人力、物力、财力的消耗，为优化方案提供了简捷便利的条件。
应用数学模型,可以借助计算机对原料性质和操作参数改变后的各种方案、工况进行模拟，而不需要对各种工况进行试验、考查和标定，只需对少量原料进行化验分析，就可以得到产品性质、分布以及设备等基础数据，从而确定优化设计方案。
催化裂化反应系统过程模拟需要一个准确实用的工艺计算模型。国外比较经典的关联模型有Blanding关联模型、ESSO关联模型、Amoco关联模型和Profimatics关联模型等。国内的一些研究设计单位在催化裂化关联模型的开发方面也取得了一些成果，包括曹汉昌关联模型、张立新关联模型等。另外，张结喜等以Blanding关联模型为基础，利用工业装置实际生产数据分别建立了关于原料性质及操作条件的转化率函数、产品分布函数以及产品性质关联函数。该数学模型考虑因素全面，简单易用，可以用来对工业装置的生产操作进行指导和优化。
关联模型数学形式简单，计算及应用方便。但是此类模型的开发需要依靠大量实验及工业运行数据，较长的操作周期，且不能够从其本质上描述催化裂化反应体系的动力学特征，往往只能在实测范围内有效，外推性较差。
国内外已有的催化裂化反应系统工艺计算模型，如中国石化集团洛阳石油化工工程公司的催化装置模拟优化软件FCCLKTM，美国ASPENTECH公司的催化装置模拟优化软件Aspen FCCTM等。这些工艺计算模型已用于催化裂化装置的操作优化，但是使用起来也存在如数据输入量大、约束条件多和价格昂贵等问题。
由于原油性质的改变、季节性生产等原因，催化裂化原料性质会发生变化，但反应温度、催化剂品种基本未发生改变。当催化裂化原料性质变化较大时，需要一种能够快速预测收率的计算方法。
发明内容
本发明所要解决的技术问题是，提供一种在催化裂化原料性质发生变化后，能够快速预测催化裂化收率的基于Matlab和Excel的催化裂化收率预测方法。
本发明所采用的技术方案是：一种基于Matlab和Excel的催化裂化收率预测方法，先利用装置生产过程中历史的催化裂化原料性质分析和历史的收率数据，分别对干气、液化气、汽油、柴油、油浆和焦炭建立关联系数，获得收率预测模型；再利用Excel语言给出收率预测模型表达式，当催化裂化原料性质发生变化时，利用所建立的收率预测模型分别对干气、液化气、汽油、柴油、油浆和焦炭的催化裂化收率进行预测。
所述的历史的催化裂化原料性质分析包括：密度、馏程、残炭、硫含量和氮含量及其计算数据BMCI值、K值、分子量M。
所述历史的收率数据包括：装置生产中干气、液化气、汽油、柴油、油浆和焦炭的实际收率数据。
所述的建立关联系数是：用历史的原料分析数据，在Matlab语言中的表达式为：
？原料分析数据表达式＝[M11，M12…M1n；M21，M22…M2n；M31，M32…M3n；…Mm1，Mm2，…Mmn]；
式中：M11为历史的原料1分析1，M12为历史的原料1分析2；M21为历史的原料2分析1，M22为历史的原料2分析2…，M1n为历史的原料1分析n，M2n为历史的原料2分析n，Mmn为历史的原料m分析n；
？收率表达式＝[N1；N2；…Nn]；
式中：N1为原料1收率，N2为原料2收率，Nn为原料n收率，式中收率指干气、液化气、汽油、柴油、油浆和焦炭的实际收率数据中的一个；
关联系数表达式为＝？原料分析数据表达式\？收率表达式；
求得关联系数，α1，α2，α3，…αn。
所述的利用Excel语言给出收率预测模型表达式是：
收率＝α1*M1+α2*M2+α3*M3+…+αn*Mn
式中：M1为原料分析数据1；M2为原料分析数据2；M3为原料分析数据3，Mn为原料分析数据n，原料指同一种。
在Excel语言中替换原料分析数据M1，M2，M3…Mn，得到该原料的收率预测数据。
在所述的利用所建立的收率预测模型分别对干气、液化气、汽油、柴油、油浆和焦炭的收率进行预测中，所述的建立收率预测模型和催化裂化收率预测是在同一套催化裂化装置上进行，且催化裂化反应温度和催化剂品种不变。
本发明的基于Matlab和Excel的催化裂化收率预测方法，先利用装置生产过程中历史的原料分析和收率数据，分别对干气、液化气、汽油、柴油、油浆和焦炭建立关联系数；再利用Excel语言将关联系数表达出，当催化裂化原料性质发生变化时，利用所建立的模型分别对干气、液化气、汽油、柴油、油浆和焦炭的收率进行预测。在催化裂化反应温度、催化剂品种不改变情况下，能够根据催化裂化原料性质的改变快速预测催化裂化收率，为催化裂化选择合适原料及优化加工方案提供准确的计算依据。
利用Matlab语言先将已知的催化裂化原料和产品收率进行关联，得到产品收率与原料性质的关联系数，然后再利用Excel语言求得原料预测结果。
具体实施方式
下面结合实施例对本发明的基于Matlab和Excel的催化裂化收率预测方法做出详细说明。
本发明的基于Matlab和Excel的催化裂化收率预测方法，是先利用装置生产过程中历史的催化裂化原料性质分析和历史的收率数据，分别对干气、液化气、汽油、柴油、油浆和焦炭建立关联系数，获得收率预测模型；再利用Excel语言给出收率预测模型表达式，当催化裂化原料性质发生变化时，利用所建立的收率预测模型分别对干气、液化气、汽油、柴油、油浆和焦炭的催化裂化收率进行预测。在所述的利用所建立的收率预测模型分别对干气、液化气、汽油、柴油、油浆和焦炭的收率进行预测中，所述的建立收率预测模型和催化裂化收率预测是在同一套催化裂化装置上进行，且催化裂化反应温度和催化剂品种不变。其中：
所述的历史的催化裂化原料性质分析包括：密度、馏程、残炭、硫含量和氮含量及其计算数据BMCI值、K值、分子量M。
所述历史的收率数据包括：装置生产中干气、液化气、汽油、柴油、油浆和焦炭的实际收率数据。
所述的建立关联系数是：用历史的原料分析数据，在Matlab语言中的表达式为：
？原料分析数据表达式＝[M11，M12…M1n；M21，M22…M2n；M31，M32…M3n；…Mm1，Mm2，…Mmn]；
式中：M11为历史的原料1分析1，M12为历史的原料1分析2；M21为历史的原料2分析1，M22为历史的原料2分析2…，M1n为历史的原料1分析n，M2n为历史的原料2分析n，Mmn为历史的原料m分析n；
？收率表达式＝[N1；N2；…Nn]；
式中：N1为原料1收率，N2为原料2收率，Nn为原料n收率，式中收率指干气、液化气、汽油、柴油、油浆和焦炭的实际收率数据中的一个；
关联系数表达式为＝？原料分析数据表达式\？收率表达式；
求得关联系数，α1，α2，α3，…αn。
所述的利用Excel语言给出收率预测模型表达式是：
收率＝α1*M1+α2*M2+α3*M3+…+αn*Mn
式中：M1为原料分析数据1；M2为原料分析数据2；M3为原料分析数据3，Mn为原料分析数据n，原料指同一种。
在Excel语言中替换原料分析数据M1，M2，M3…Mn，得到该原料的收率预测数据。
例如：
1、首先选定催化裂化原料性质为：密度、BMCI值、氮含量等，再根据装置生产的干气收率，利用Matlab语言进行关联，得出干气与原料性质关联系数。
2、首先选定催化裂化原料性质为：密度、BMCI值、残炭、硫含量等，再根据装置生产的液化气收率，利用Matlab语言进行关联，得出液化气与原料性质关联系数。
3、首先选定催化裂化原料性质为：密度、BMCI值、残炭、硫含量等，再根据装置生产的汽油收率，利用Matlab语言进行关联，得出汽油与原料性质关联系数。
4、首先选定催化裂化原料性质为：密度、BMCI值、残炭、硫含量等，再根据装置生产的柴油收率，利用Matlab语言进行关联，得出柴油与原料性质关联系数。
5、首先选定催化裂化原料性质为：密度、BMCI值、残炭、硫含量等，再根据装置生产的油浆收率，利用Matlab语言进行关联，得出油浆与原料性质关联系数。
6、首先选定催化裂化原料性质为：密度、BMCI值、残炭、硫含量等，再根据装置生产的焦炭收率，利用Matlab语言进行关联，得出焦炭与原料性质关联系数。
下面的实例是对本发明的进一步说明。
Figure BDA0001484102680000041
Figure BDA0001484102680000042
以BMCI值、分子量为原料主要性质，利用Matlab语言进行关联，求得收率关联系
数。BMCI值、分子量的表达式为：？a＝[36.94，438.49；40.77，386.66；41.94，396.51]
干气的表达式为：？b＝[4.5；4.15；4.28]
干气的收率关联系数求解：？c＝a\b
c＝
0.0235
0.0083
在Excel中干气收率的预测计算式为：干气＝0.0235*BMCI值+0.0083*分子量。
液化气的表达式为：？d＝[16；16.15；15.95]
液化气的收率关联系数求解：？e＝a\d
e＝
0.2093
0.0189
在Excel中液化气收率的预测计算式为：液化气＝0.2093*BMCI值+0.0189*分子量。汽油的表达式为：？f＝[47.00；46.19；45.91]
汽油的收率关联系数求解：？g＝a\f
g＝
0.4844
0.0664
在Excel中汽油收率的预测计算式为：汽油＝0.4844*BMCI值+0.0664*分子量。
柴油的表达式为：？h＝[22.00；22.34；24.06]
柴油的收率关联系数求解：？i＝a\h
i＝
0.4268
0.0142
在Excel中汽油收率的预测计算式为：柴油＝0.4268*BMCI值+0.0142*分子量。
油浆的表达式为：？j＝[5.00；5.57；4.30]
油浆的收率关联系数求解：？k＝a\i
k＝
0.0534
0.0069
在Excel中汽油收率的预测计算式为：油浆＝0.0534*BMCI值+0.0069*分子量。
焦炭的表达式为：？l＝[5.50；5.60；5.50]
焦炭的收率关联系数求解：？m＝a\l
m＝
0.0758
0.0062
在Excel中汽油收率的预测计算式为：焦炭＝0.0758*BMCI值+0.0062*分子量。
Figure BDA0001484102680000051
Figure BDA0001484102680000061
Figure BDA0001484102680000062
Figure BDA0001484102680000063

Claims (2)

1.一种基于Matlab和Excel的催化裂化收率预测方法，其特征在于，先利用装置生产过程中历史的催化裂化原料性质分析和历史的收率数据，分别对干气、液化气、汽油、柴油、油浆和焦炭建立关联系数，获得收率预测模型；再利用Excel语言给出收率预测模型表达式，当催化裂化原料性质发生变化时，利用所建立的收率预测模型分别对干气、液化气、汽油、柴油、油浆和焦炭的催化裂化收率进行预测；其中，
1)所述的历史的催化裂化原料性质分析包括：密度、馏程、残炭、硫含量和氮含量及其计算数据BMCI值、K值、分子量M；
2)所述历史的收率数据包括：装置生产中干气、液化气、汽油、柴油、油浆和焦炭的实际收率数据；
3)所述的建立关联系数是：用历史的原料分析数据，在Matlab语言中的表达式为：
？原料分析数据表达式＝[M11，M12…M1n；M21，M22…M2n；M31，M32…M3n；…Mm1，Mm2，…Mmn]；
式中：M11为历史的原料1分析1，M12为历史的原料1分析2；M21为历史的原料2分析1，M22为历史的原料2分析2…，M1n为历史的原料1分析n，M2n为历史的原料2分析n，Mmn为历史的原料m分析n；
？收率表达式＝[N1；N2；…Nn]；
式中：N1为原料1收率，N2为原料2收率，Nn为原料n收率，式中收率指干气、液化气、汽油、柴油、油浆和焦炭的实际收率数据中的一个；
关联系数表达式为＝？原料分析数据表达式\？收率表达式；
求得关联系数，α1，α2，α3，…αn；
4)所述的利用Excel语言给出收率预测模型表达式是：
收率＝α1*M1+α2*M2+α3*M3+…+αn*Mn
式中：M1为原料分析数据1；M2为原料分析数据2；M3为原料分析数据3，Mn为原料分析数据n，原料指同一种；
在Excel语言中替换原料分析数据M1，M2，M3…Mn，得到该原料的收率预测数据。
2.根据权利要求1所述的一种基于Matlab和Excel的催化裂化收率预测方法，其特征在于，在所述的利用所建立的收率预测模型分别对干气、液化气、汽油、柴油、油浆和焦炭的收率进行预测中，所述的建立收率预测模型和催化裂化收率预测是在同一套催化裂化装置上进行，且催化裂化反应温度和催化剂品种不变。
CN201711212662.5A 2017-11-27 2017-11-27 基于Matlab和Excel的催化裂化收率预测方法 Active CN107958137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711212662.5A CN107958137B (zh) 2017-11-27 2017-11-27 基于Matlab和Excel的催化裂化收率预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711212662.5A CN107958137B (zh) 2017-11-27 2017-11-27 基于Matlab和Excel的催化裂化收率预测方法

Publications (2)

Publication Number Publication Date
CN107958137A CN107958137A (zh) 2018-04-24
CN107958137B true CN107958137B (zh) 2021-10-26

Family

ID=61962450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711212662.5A Active CN107958137B (zh) 2017-11-27 2017-11-27 基于Matlab和Excel的催化裂化收率预测方法

Country Status (1)

Country Link
CN (1) CN107958137B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093069A (zh) * 2011-10-28 2013-05-08 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
CN103294015A (zh) * 2012-03-05 2013-09-11 中国石油天然气股份有限公司 乙烯裂解炉的成套优化控制方法
CN104392098A (zh) * 2014-10-27 2015-03-04 中国石油大学(北京) 一种预测催化裂化汽油产率的方法
WO2016183182A1 (en) * 2015-05-14 2016-11-17 Board Of Trustees Of Michigan State University Methods and systems for crop land evaluation and crop growth management

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6662116B2 (en) * 2001-11-30 2003-12-09 Exxonmobile Research And Engineering Company Method for analyzing an unknown material as a blend of known materials calculated so as to match certain analytical data and predicting properties of the unknown based on the calculated blend

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093069A (zh) * 2011-10-28 2013-05-08 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
CN103294015A (zh) * 2012-03-05 2013-09-11 中国石油天然气股份有限公司 乙烯裂解炉的成套优化控制方法
CN104392098A (zh) * 2014-10-27 2015-03-04 中国石油大学(北京) 一种预测催化裂化汽油产率的方法
WO2016183182A1 (en) * 2015-05-14 2016-11-17 Board Of Trustees Of Michigan State University Methods and systems for crop land evaluation and crop growth management

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Prediction of the light product yield from the catalytic cracking unit using the mathematical model;G. Y. Nazarova等;《2016 11th International Forum on Strategic Technology》;20160603;第607-611页 *
化学计量学技术在预测重质油催化裂化反应产物分布中的应用;赵毅等;《石油炼制与化工》;20120630;第43卷(第6期);第88-92页 *
赵毅等.化学计量学技术在预测重质油催化裂化反应产物分布中的应用.《石油炼制与化工》.2012,第43卷(第6期),第88-92页. *

Also Published As

Publication number Publication date
CN107958137A (zh) 2018-04-24

Similar Documents

Publication Publication Date Title
Mostafaei ANFIS models for prediction of biodiesel fuels cetane number using desirability function
CA2928594C (en) Methods and apparatuses for spectral qualification of fuel properties
CN104765346A (zh) 一种炼油过程全流程建模方法
CN104392098A (zh) 一种预测催化裂化汽油产率的方法
AU2007337863B2 (en) System and method for prediction of deterioration
CN103914595A (zh) 中温煤焦油全馏分加氢裂化集总动力学模型建模方法
CN104990893B (zh) 一种基于相似判别的汽油辛烷值检测方法
CN113724800A (zh) 一种基于分子级机理模型与大数据技术的催化裂化装置模拟预测方法
CN104463343A (zh) 一种预测催化裂化轻质油产率的方法
CN106407648A (zh) 一种汽油关键性质的快速批量预测方法
CN104484714A (zh) 一种催化重整装置收率的实时预测方法
CN102998013A (zh) 一种乙烯裂解炉出口裂解混合产物真实温度的软测量方法
CN109507352B (zh) 一种预测石化生产中任意流股分子组成的方法
CN104765347B (zh) 一种渣油延迟焦化过程中收率实时预测方法
Su et al. Challenges in determining the renewable content of the final fuels after co-processing biogenic feedstocks in the fluid catalytic cracker (FCC) of a commercial oil refinery
CN101201331B (zh) 一种在线确定初馏塔顶石脑油质量指标的软测量方法
Ye et al. Calculation of reaction network and product properties of delayed coking process based on structural increments
Gomez-Prado et al. Characterisation of heavy petroleum fractions using modified molecular-type homologous series (MTHS) representation
Hou et al. The optimization and prediction of properties for crude oil blending
CN107958137B (zh) 基于Matlab和Excel的催化裂化收率预测方法
CN113627037A (zh) 一种基于原油切割的直馏沥青性质预测方法
CN108009337A (zh) 一种基于流程模拟软件的在线标定系统
Wu et al. Artificial neural network model to predict cold filter plugging point of blended diesel fuels
CN114444403A (zh) 存储器、炼油生产装置氢分布预测方法、装置和设备
CN106610420A (zh) 一种分析油品中的单环芳烃的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant