CN108052792A - 一种乙烯裂解炉优化建模模型 - Google Patents
一种乙烯裂解炉优化建模模型 Download PDFInfo
- Publication number
- CN108052792A CN108052792A CN201711299115.5A CN201711299115A CN108052792A CN 108052792 A CN108052792 A CN 108052792A CN 201711299115 A CN201711299115 A CN 201711299115A CN 108052792 A CN108052792 A CN 108052792A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- relative error
- model
- average relative
- mrow
- 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.)
- Granted
Links
- 238000005336 cracking Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 title abstract 2
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims abstract description 65
- 239000005977 Ethylene Substances 0.000 claims abstract description 65
- 238000006243 chemical reaction Methods 0.000 claims abstract description 61
- 239000000126 substance Substances 0.000 claims abstract description 40
- 238000004519 manufacturing process Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 9
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 25
- 239000002994 raw material Substances 0.000 abstract description 18
- 238000005265 energy consumption Methods 0.000 abstract description 12
- 230000008901 benefit Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 18
- 238000002474 experimental method Methods 0.000 description 11
- 150000003254 radicals Chemical class 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 238000012546 transfer Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 8
- 229910052739 hydrogen Inorganic materials 0.000 description 7
- 239000001257 hydrogen Substances 0.000 description 7
- 239000000376 reactant Substances 0.000 description 7
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 4
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 4
- 230000036962 time dependent Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010517 secondary reaction Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003776 cleavage reaction Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000000197 pyrolysis Methods 0.000 description 2
- 230000007017 scission Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 150000001336 alkenes Chemical class 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000011203 carbon fibre reinforced carbon Substances 0.000 description 1
- 238000009903 catalytic hydrogenation reaction Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000005984 hydrogenation reaction Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- OUAZLHFQTMPOMU-UHFFFAOYSA-N isis-22 Chemical compound N1C2=NCC(CN(C)C)CN2C2=C1C=CC1=C2CC(CN(C)C)O1 OUAZLHFQTMPOMU-UHFFFAOYSA-N 0.000 description 1
- 238000006317 isomerization reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000329 molecular dynamics simulation Methods 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 230000031877 prophase Effects 0.000 description 1
- 238000007342 radical addition reaction Methods 0.000 description 1
- 238000007348 radical reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明公开了一种乙烯裂解炉优化建模模型，包括：根据改进的网页级别算法获得Kumar模型之中物质的重要性，以实现对重要物质的筛选和富集，获得乙烯裂解反应之中富集反应的下限；根据平均相对误差算法获得所述富集反应的最佳范围；根据序贯二次规划算法和所述平均相对误差算法获得误差最小的结构参数Sp值，此时所述结构参数Sp值为最优参数，所述平均相对误差算法为最优对象函数。本发明提供的技术方案具有广泛的原料适应性以及高精度性。另外，本发明通过实验证明了上述技术方案的有效性，利用上述技术方案指导乙烯生产，有利于降低乙烯装置的能耗水平以及提高乙烯裂解工艺的经济效益。
Description
技术领域
本发明涉及乙烯生产技术领域，尤其涉及一种乙烯裂解炉优化 建模模型。
背景技术
乙烯是石化工业的重要产品，是衡量一个国家的石油化工发展 水平的重要标志之一，其产量占所有石化产品产量之和的70％以上。 近年来，随着国民经济的快速发展，中国成为仅次于美国的世界第二 大乙烯生产国。到2020年国内乙烯、丙烯的需求量将分别达到4800 万吨、3800万吨。随着社会各界对环境保护和节约能源越来越重视， 企业对能效研究的要求也逐步提高，尤其对于能耗密集型企业，生产 能力快速发展带来能耗的大幅上升，节能降耗的需求更加迫切。 因此，在裂解条件、裂解反应器的型式和结构以及原料特性等因素确 定的情况之下，对乙烯原料裂解过程之中涉及的设备、工艺以及原料 等要素进行建模和优化，是石化企业今后要考虑的方向。
发明内容
为解决上述问题，本发明提供一种乙烯裂解炉优化建模模型， 至少部分解决上述技术问题。
为此，本发明提供一种乙烯裂解炉优化建模模型，包括：
根据改进的网页级别算法获得Kumar模型之中物质的重要性， 以实现对重要物质的筛选和富集，获得乙烯裂解反应之中富集反应的 下限；
根据平均相对误差算法获得所述富集反应的最佳范围，所述平 均相对误差算法的计算公式为：
其中，Kindustry，j是行业数据之中物质j的生产率，是 预测产量，结果根据变量变化，tr为停留时间，结构参数Sp 为富集反应之中最重物质的碳数，NM为所述平均相对误差算法需要 考虑的物质的数量；
根据序贯二次规划算法和所述平均相对误差算法获得误差最小的结 构参数Sp值，此时所述结构参数Sp值为最优参数，所述平均相对误 差算法为最优对象函数。
可选的，还包括：
根据结构参数公式获得所述结构参数Sp的最小值，所述结构 参数公式为：
IVSP＝k≥TV (15)
其中，IVsp＝i为每个所述结构参数Sp值的重要值，IPtr,j为物质 j的重要性，TV为阈值。
可选的，TV大于或等于80％。
可选的，所述平均相对误差算法获得的平均相对误差小于0.1％。
可选的，所述平均相对误差算法获得的平均相对误差为0.04％。
可选的，所述结构参数Sp值的范围为：Sp≥3。
可选的，所述结构参数Sp值的范围为：3≤Sp≤4。
可选的，所述结构参数Sp值为1、2、3或4。
本发明具有下述有益效果：
本发明提供的乙烯裂解炉优化建模模型包括：根据改进的网页 级别算法获得Kumar模型之中物质的重要性，以实现对重要物质的筛 选和富集，获得乙烯裂解反应之中富集反应的下限；根据平均相对误 差算法获得所述富集反应的最佳范围；根据序贯二次规划算法和所述 平均相对误差算法获得误差最小的结构参数Sp值，此时所述结构参 数Sp值为最优参数，所述平均相对误差算法为最优对象函数。本发 明提供的技术方案具有广泛的原料适应性以及高精度性。另外，本发 明通过实验证明了上述技术方案的有效性，利用上述技术方案指导乙 烯生产，有利于降低乙烯装置的能耗水平以及提高乙烯裂解工艺的经济效益。
附图说明
图1为本发明实施例一提供的Kumar模型的示意图；
图2为本发明实施例一提供的在时间m处形成的转移矩阵Mm 的示意图；
图3为本发明实施例一提供的改进的网页级别算法和最优Sp值 的示意图；
图4为本发明实施例一提供的K-R模型的循环迭代示意图；
图5a-5d为本发明实施例一提供的K-R模型的框架结构和数学 关系的示意图；
图6为本发明实施例一提供的K-R模型的建模过程示意图；
图7为本发明实施例一提供的不同Sp值对应的IV值的示意图；
图8为本发明实施例一提供的不同Sp情况之下K-R模型的平均 相对误差的示意图；
图9为本发明实施例一提供的Kumar模型和K-R模型的不同建 模结果示意图；
图10为本发明实施例一提供的不同Sp值对应的IVSP＝k值的示意 图；
图11本发明实施例一提供的修改约束之后的结果示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结 合附图对本发明提供的乙烯裂解炉优化建模模型进行详细描述。
实施例一
本实施例提供的K-R模型可以更好的模拟原料在裂解过程中 的反应，表现出较好的原料适应性和高精度性。K-R模型通过IPR算 法得到模型中物质的重要性，并且实现对重要物质的筛选和富集。本 实施例根据平均相对误差算法(Mean Relative Errors，MRE)分析富 集反应的最佳范围，计算最优对象函数。提出了选择最优结构和模型 参数的方法，实现了产品产量最小误差的预测。本实施例通过实验证 明了K-R模型是有效的，从而找到了一个优质的裂解炉裂解模型指导 乙烯生产，有利于降低乙烯装置的能耗水平以及提高乙烯裂解工艺的 经济效益。
图1为本发明实施例一提供的Kumar模型的示意图。如图1 所示，Kumar模型是一种针对石脑油高温裂解过程的分子动力学模型， 是目前公认的比较成功的分子模型。Kumar模型使用一个总的一次反 应方程式和一组二次反应方程式进行表示。Kumar模型的二次反应可 以认为与进料的性质相互独立，而一次反应的选择性则与原料性质密 切相关。图1示出了Kumar模型的所有方程，可见它一共只有22个 方程，方程数目比较少。
本实施例中，自由基(Free Radical)模型包括下面三个阶段的 反应：链引发——反应系统之中引入自由基。裂解反应是热引发的， 典型的链烷烃裂解的链引发为碳——碳键的断裂，这也是裂解的开始 阶段；链增长——系列反应使得反应物转化为产物，但是自由基的浓 度不变。典型的链增长过程包括自由基分解、自由基异构化、氢的转 移以及自由基加成；链终止——自由基化合生成稳定的产物。链终止 反应无需多少活化能，一般取为零。
本实施例根据改进的网页级别算法(Improved Page Rank，IPR) 获得Kumar模型之中物质的重要性，以实现对重要物质的筛选和富集， 获得乙烯裂解反应之中富集反应的下限。本实施例提供的改进的网页 级别算法(Improved Page Rank，IPR)是对网页级别算法(Page Rank，PR)的改进算法。PR算法是用于衡量特定网页相对于搜索引擎索引 中的其他网页而言的重要程度，PR算法将链接价值作为排名因素。IPR 算法采用了更准确的依赖时间的转移矩阵计算物质的重要性。
本实施例根据序贯二次规划算法(Supplier Qualification Programme， SQP)和所述平均相对误差算法获得误差最小的结构参数Sp值，此时 所述结构参数Sp值为最优参数，所述平均相对误差算法为最优对象 函数。SQP算法是一般平滑曲线优化问题的规范算法，SQP算法的基 本思想是通过一系列二次规划问题对原问题进行逼近，以二次规划问 题的解作为原问题的近似解，在衍生信息的实际应用中，SQP的收敛 速度快，鲁棒性好。
本实施例使用不同原料和不同炉型的两种情况的工业数据进 行实验，得到如下实验结果：K-R模型的平均相对误差已达到小于0.1％ 的数量级，而Kumar模型则为5％；本实施例以HCR为例，证实了 K-R模型可以很好的模拟原料裂解，而Kumar模型无法成功模拟。本 实施例提供的技术方案具有广泛的原料适应性以及高精度性。另外， 本实施例通过实验证明了上述技术方案的有效性，利用上述技术方案 指导乙烯生产，有利于降低乙烯装置的能耗水平以及提高乙烯裂解工 艺的经济效益。
本实施例中，Kumar模型的一级反应不变，这样在保持原有模 型优点的同时，克服单一模型具有的缺点，从而更加完善地模拟了原 料在裂解过程中的反应。IPR算法可以对结构进行优化，从而求得乙 烯裂解反应中富集反应的下限。当定义结构参数Sp为K-R模型中富 集的最重物质的碳数时，则可以确定主要物质的最高碳数。本实施例 根据平均相对误差算法(Mean Relative Errors，MRE)获得所述富集 反应的最佳范围。
本实施例通过IPR算法可以对结构进行优化，从而求得乙烯裂 解反应中富集反应的下限。当定义结构参数Sp为K-R模型中富集的 最重物质的碳数时，则可以确定主要物质的最高碳数。
本实施例设置初始矢量数量则有
其中，是初始向量，参考的Kumar模型为19×1， IP0,j表示物质‘j’的初始值。Cj表示物质‘j’分子的质量分数。
本实施例在时间‘tm’上计算转移矩阵M。反应网络包括从 R1到RR的反应(在Kumar模型之中，包括R1至R19的反应)，假 设在时间m的反应速率Rr是Arrhenius方程的krm，反应物Sreactant， 生成物Sresultant。反应r的反应物和化合物的化学计量数分别为αr,reactant和αr,resultant。对于反应r的转移矩阵M：
Mr,m(reactant,resultant)＝αr,reactant×krm (2)
Mr,m(resultant,reactant)＝αr,resultant×krm (3)
其中，kr和转移矩阵Mm都是依赖时间的变量。Kumar模型的 转移矩阵为19×19矩阵。
对于整个反应网络，则有
图2为本发明实施例一提供的在时间m处形成的转移矩阵Mm 的示意图。如图2所示，在Kumar模型之中，R等于22，这意味着在 Kumar模型之中有22个反应。Mr,m和Mm在Kumar模型之中都是 19×19的矩阵。Kumar模型仅仅给出了依赖炉管长度的温度Ti和压 力Pi以及流速vi，原因是对于特定的炉子，管的长度是固定的。本实 施例提供的数据如下转换：
Pi＝Φ(i) (5)
Ti＝Ψ(i) (6)
vi＝Γ(i) (7)
其中，Pi是炉管长度i处的压力，Φ是长度和压力之间的函数 关系，Ψ是长度和温度之间的函数关系，Γ是长度和流速之间的函 数关系，i是描述裂解炉之中炉管长度的长度变量。上述关系都是离 散的。流速随着炉管长度变化，长度li到的时间变化量ΔTi可以通 过以下公式求得：
当长度l无穷小时，tδ为第0时间和第δ时间的无穷小部分之间 的时间。通过这种方式，可以获得时间tδ处的压力Ptδ和温度Ttδ。本实 施例通过上述公式可以计算出在长度li+1处的剩余时间tm，然后将压力 和温度与时间对应。本实施例可以得到时间和压力和温度之间的关系：
上述两式的关系是离散的。本实施例可以得到依赖时间变化的 压力Pm和温度Tm(时间m∈[0,ts]，ts是停留时间)的完整数据。通过 Arrhenius方程，本实施例可以得到反应速率：
其中，km,r是指反应r在时间m的反应速率，Ea,r是反应r的活 化能，Tm是时间为m时的温度，R是气体常数，从而可以计算转移 矩阵Mm。
本实施例计算IP值如下：
其中，ε是移位因子，N是的维度，在Kumar模型之中为22，m＝1，2，...，tr。Δt是迭代时间步长(本实施例中为0.0001s)。 当m到达tr(最终结果是)时，计算将会停止。tr是停留时间， (19×19)是重要性向量数量，的计算结果即为物质i的重要性。
图3为本发明实施例一提供的改进的网页级别算法和最优Sp 值的示意图。如图3所示，本实施例根据结构参数公式获得所述结构 参数Sp的最小值，所述结构参数公式为：
IVSP＝k≥TV (15)
其中，IVsp＝i为每个所述结构参数Sp值的重要值，IPtr,j为物质 j的重要性，TV为阈值。对于不同的Sp值，可以给出每个结构的覆 盖率。TV需要测量覆盖率，如果TV变大，反应覆盖的范围越来越大， 那么这个模型会更加复杂和准确，否则模型会更加简单粗糙。考虑到 计算复杂度，TV应不低于80％，然后决定最大Sp值，以获得最小误 差的最佳Sp值。另外，上述两个公式显示Sp值的最小值的标准。
图4为本发明实施例一提供的K-R模型的循环迭代示意图，图 5a-5d为本发明实施例一提供的K-R模型的框架结构和数学关系的示 意图。如图4和图5a-5d所示，K-R模型主要包含两部分：第一个是 修改后的Kumar模型，其一次反应完全保留，其他反应被调整；另一个是自由基反应网络，其反应是完整的，其输出部分保留。Kumar 模型的修改和自由基网络的输出由一个结构参数Sp决定，这意味着 有多少个C元素将被筛选。
参见图4，每个部分是指炉管的无穷小部分。从i＝0开始，以 i＝L/l结束。L表示炉管的总长度。“l”表示无穷小部分的长度， 应尽可能小(本实施例中为0.01m)。对于第一个无限小部分，输入 是原料的组成。以矢量(19×1)表示，温度Ti和压力Pi基于一维反 应器模型计算。参见图5a-5d，第一部分的输出为和对于其 他部分，输入是来自上次迭代的和输出是和一旦反应达到最终(i＝L/l)，fkr(L/l+1)将作为产品产量输出。 其中，上述和都是矢量数(19×1)，可以参见如下表1。
表1物质清单
参见图5a-5d，反应模型具有对应于不同Sp值的4种类型。Sp 值是指筛选浓缩物质中最重物质的碳数。Sp可以是1、2、3或4，其 原因是Kumar模型仅仅强调轻组分之间的反应。Sp＝1到4的富集结 构的细节如图5a-5d所示。
图6为本发明实施例一提供的K-R模型的建模过程示意图。如 图6所示，结构的优化是对富集反应的筛选。本实施例引入结构参数 Sp作为模型结构的表示。如果Sp变大，则通过自由基网络计算的物 质范围将更大，由Kumar模型计算的范围将更小。此外，该模型将更 加复杂和精确。优化结构之后，应该同时优化K-R模型参数。本实施 例调整化学计量数量的一级反应以提高精度，也可以使用称为序贯二 次规划算法(Supplier QualificationProgramme，SQP)的快速方法来 搜索最优参数。此外，对于富含自由基法的二次反应的K-R模型，预 期原料的适应性将更好。
本实施例根据平均相对误差算法(Mean Relative Errors，MRE) 获得所述富集反应的最佳范围，所述平均相对误差算法的计算公式为：
其中，Kindustry，j是行业数据之中物质j的生产率，是 预测产量，结果根据变量变化，tr为停留时间，结构参数Sp 为富集反应之中最重物质的碳数，NM为所述平均相对误差算法需要 考虑的物质的数量。
本实施例可以进行参数优化，优化问题可以描述如下：
Is(u)≥0 (17-3)，其中u＝1，2…10
本实施例提供的MRE算法是最优对象函数，其物理意义是模 型产量与行业数据之间的平均相对误差。公式(17-1)表示碳平衡，u 为1至10表示10个初始选择性。Cu是指物质的碳数，Hs是指物质 的氢数，公式(17-2)表示氢平衡。Cu和Hu表示Kumar模型的一级 反应之中对应于每个的碳和氢。CC和CH表示对应于碳和氢的常数。 公式(17-3)表示所有都是非负数。对于HCR，由于氢化，必须考 虑重组分带来的影响，主要影响主要发生在氢的平衡之中，为解决问 题，公式(17-2)将被删除。本实施例提供的技术方案具有广泛的原 料适应性以及高精度性。
本实施例提供的乙烯裂解炉优化建模模型包括：根据改进的网 页级别算法获得Kumar模型之中物质的重要性，以实现对重要物质的 筛选和富集，获得乙烯裂解反应之中富集反应的下限；根据平均相对 误差算法获得所述富集反应的最佳范围；根据序贯二次规划算法和所 述平均相对误差算法获得误差最小的结构参数Sp值，此时所述结构 参数Sp值为最优参数，所述平均相对误差算法为最优对象函数。本 实施例通过实验证明了上述技术方案的有效性，利用上述技术方案指 导乙烯生产，有利于降低乙烯装置的能耗水平以及提高乙烯裂解工艺 的经济效益。
为了验证K-R模型的有效性，本实施例以9种石脑油为例，分 别用K-R模型与Kumar模型进行分析，对结果进行比对。在启动K-R 模型建立之前，已经在SL-1炉中对不同种类的石脑油热解建立了由 误差校正混沌算法优化的Kumar模型。通过上述方式，可以使用IPR算法来分析Kumar模型。
表2 SL-1型裂解炉的结构参数和操作条件
表3 9种石脑油的特征参数
本实施例通过IPR算法筛选K-R模型的最小Sp值。将Kumar 模型中导出的依赖长度的压力Pi和温度Ti转移到依赖时间的压力Pm 和温度Tm作为IPR计算的准备，再根据IPR算法求得本实施例 有利于降低乙烯装置的能耗水平。
表4石脑油中每种物质的值(1)
表5石脑油中每种物质的值(2)
本实施例中，优化之后的Kumar模型对所有9个石脑油进行 建模的过程之中，石脑油(1)、(2)、(3)与石脑油(4)至(9) 显著不同。优化之后的石脑油(1)至(3)的平均相对误差与石脑油 (4)至(9)相比小于0.1％。因此，通常采用原料石脑油(1)和(4) 作为分析对象。
当然，在计算每种物质的重要性时，对于每个Sp值，总有与 其对应的IV值。图4示出了不同Sp值对应的IV值。图7为本发明 实施例一提供的不同Sp值对应的IV值的示意图。从图7和表4-5可 以看出，Sp≥3的范围涵盖了库马尔模型的主要部分。在实际应用之 中，阈值TV设置为80％。可选的，3≤Sp≤4。优选的，Sp≥3。
图8为本发明实施例一提供的不同Sp情况之下K-R模型的平 均相对误差的示意图。如图8所示，本实施例在平均相对误差算法的 分析基础上进行参数优化。当试图找到最优的Sp值时，使用平均相 对误差算法对不同Sp值进行实验和评估。从图8可以看出，Sp＝3的 K-R模型表现最好。对于石脑油(1)，当Sp从3变为4时，乙烯和 丙烯的误差明显变大，当Sp从3变为4时，其他产物的误差明显增 加。对于石脑油(2)，尽管Sp＝3和Sp-4时产品的误差几乎相同， 乙烯和丙烯的误差迅速增加，这在乙烯行业是不可接受的。因此，最 优Sp值为3。
本实施例通过实验证明了上述技术方案的有效性，利用上述技 术方案指导乙烯生产，有利于降低乙烯装置的能耗水平以及提高乙烯 裂解工艺的经济效益。当确定最优Sp值时，K-R模型的结构是固定 的。与原始Kumar模型相比，在SL-1炉中裂解的两个石脑油的建模 参见表6和表7。
表6石脑油(1)的Kumar和K-R模型比较结果
表7石脑油(4)的Kumar和K-R模型比较结果
表6和表7的结果表明，K-R模型在不同种类的石脑油分解之 中性能更好。另外，本实施例对值的参数进行优化。在进行优化的 一阶反应的同时，还进行了使用平均相对误差算法(Mean Relative Errors，MRE)的Kumar模型与使用序贯二次规划算法(SupplierQualification Programme，SQP)的K-R模型之间的对比实验。石脑油 (1)的结果示于表8之中。本实施例通过实验证明了上述技术方案 的有效性，利用上述技术方案指导乙烯生产，有利于降低乙烯装置的 能耗水平以及提高乙烯裂解工艺的经济效益。
本实施例中，石脑油(2)和(3)的结果也相似。石脑油(4) 到(9)不能得到合理的解决方案。但是在使用SQP方法的K-R模型 的帮助下，可以得出准确的结果，并在表9中给出了石脑油(4)的 一个例子。
表8石脑油(1)的优化结果
表9石脑油(4)的优化结果
本实施例提供的初始值如表10所示。本实施例提供的技术方 案具有广泛的原料适应性以及高精度性。另外，本实施例通过实验证 明了上述技术方案的有效性，利用上述技术方案指导乙烯生产，有利 于降低乙烯装置的能耗水平以及提高乙烯裂解工艺的经济效益。
表10石脑油(1)和(4)的初始值
图9为本发明实施例一提供的Kumar模型和K-R模型的不同 建模结果示意图。从表8和图9可以看出，第一种石脑油的平均相对 误差在两种方式之中几乎相同，但是当参考表8中的第二种石脑油时， Kumar模型甚至无法得到准确的解决方案。乙烯和丙烯的误差对于工 业应用来说太大了，但K-R模型表现出色。这意味着K-R模型在优化 时具有更广泛的原材料适应范围。这是因为K-R模型增加了自由基模 型的重要反应，更适合描述裂解过程。本实施例提供基于K-R模型的 HCR建模。为了检验K-R模型对更宽范围的原料适应性，本实施例 执行了在10wt/a CBL-III裂解炉中HCR裂解的案例。
表11 HCR和裂解炉CBL-III的条件
图10为本发明实施例一提供的不同Sp值对应的值的示意图。 本实施例使用石脑油建模之中的方法计算值和相应的IVsp＝k，如表 12和图10所示。
表12 HCR建模之中的值
本实施例中，由于约束IVSP＝k≥TV，因此，HCR的Sp值必须为 4。本实施例提供的工业和模型预测的产物如表13所示。
表13 K-R模型在HCR裂解模型之中的性能
当优化一阶反应之中的时，如果使用公式之中的 约束，则最优相对误差约为10％。如果忽略氢的限制，则最佳相对误 差为0.04％。本实施例提供的技术方案具有广泛的原料适应性以及高 精度性。本实施例简化约束表示公式如下：
表14优化的K-R模型在HCR裂解建模之中的性能
本实施例提供的乙烯裂解炉优化建模模型包括：根据改进的网 页级别算法获得Kumar模型之中物质的重要性，以实现对重要物质的 筛选和富集，获得乙烯裂解反应之中富集反应的下限；根据平均相对 误差算法获得所述富集反应的最佳范围；根据序贯二次规划算法和所 述平均相对误差算法获得误差最小的结构参数Sp值，此时所述结构 参数Sp值为最优参数，所述平均相对误差算法为最优对象函数。
表15 HCR的初始值
图11本发明实施例一提供的修改约束之后的结果示意图。从 表14、15和图11可以看出，修改约束大大提高了模型预测的准确性。 尽管芳香烃在石脑油裂解中的影响是微不足道的，但是，对于HCR， 催化氢化将一些长链芳烃和烯烃转变为烷烃，其影响是不可忽略的。
本实施例提供的乙烯裂解炉优化建模模型包括：根据改进的网 页级别算法获得Kumar模型之中物质的重要性，以实现对重要物质的 筛选和富集，获得乙烯裂解反应之中富集反应的下限；根据平均相对 误差算法获得所述富集反应的最佳范围；根据序贯二次规划算法和所 述平均相对误差算法获得误差最小的结构参数Sp值，此时所述结构 参数Sp值为最优参数，所述平均相对误差算法为最优对象函数。本 实施例提供的技术方案具有广泛的原料适应性以及高精度性。另外， 本实施例通过实验证明了上述技术方案的有效性，利用上述技术方案 指导乙烯生产，有利于降低乙烯装置的能耗水平以及提高乙烯裂解工 艺的经济效益。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而 采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的 普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做 出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (8)
1.一种乙烯裂解炉优化建模模型，其特征在于，包括：
根据改进的网页级别算法获得Kumar模型之中物质的重要性，以实现对重要物质的筛选和富集，获得乙烯裂解反应之中富集反应的下限；
根据平均相对误差算法获得所述富集反应的最佳范围，所述平均相对误差算法的计算公式为：
其中，Kindustry，j是行业数据之中物质j的生产率，是预测产量，结果根据变量变化，tr为停留时间，结构参数Sp为富集反应之中最重物质的碳数，NM为所述平均相对误差算法需要考虑的物质的数量；
根据序贯二次规划算法和所述平均相对误差算法获得误差最小的结构参数Sp值，此时所述结构参数Sp值为最优参数，所述平均相对误差算法为最优对象函数。
2.根据权利要求1所述的乙烯裂解炉优化建模模型，其特征在于，还包括：
根据结构参数公式获得所述结构参数Sp的最小值，所述结构参数公式为：
<mrow>
<msub>
<mi>IV</mi>
<mrow>
<mi>S</mi>
<mi>P</mi>
<mo>=</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>S</mi>
<mi>c</mi>
<mi>h</mi>
<mi>e</mi>
<mi>m</mi>
<mi>e</mi>
<msub>
<mn>4</mn>
<mrow>
<mi>S</mi>
<mi>p</mi>
<mo>=</mo>
<mi>k</mi>
</mrow>
</msub>
</mrow>
</msub>
<msub>
<mi>IP</mi>
<mrow>
<mi>t</mi>
<mi>r</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
IVSP＝k≥TV (15)
其中，IVsp＝i为每个所述结构参数Sp值的重要值，IPtr,j为物质j的重要性，TV为阈值。
3.根据权利要求2所述的乙烯裂解炉优化建模模型，其特征在于，TV大于或等于80％。
4.根据权利要求1所述的乙烯裂解炉优化建模模型，其特征在于，所述平均相对误差算法获得的平均相对误差小于0.1％。
5.根据权利要求4所述的乙烯裂解炉优化建模模型，其特征在于，所述平均相对误差算法获得的平均相对误差为0.04％。
6.根据权利要求1所述的乙烯裂解炉优化建模模型，其特征在于，所述结构参数Sp值的范围为：Sp≥3。
7.根据权利要求6所述的乙烯裂解炉优化建模模型，其特征在于，所述结构参数Sp值的范围为：3≤Sp≤4。
8.根据权利要求1所述的乙烯裂解炉优化建模模型，其特征在于，所述结构参数Sp值为1、2、3或4。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711299115.5A CN108052792B (zh) | 2017-12-08 | 2017-12-08 | 一种乙烯裂解炉优化建模模型 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711299115.5A CN108052792B (zh) | 2017-12-08 | 2017-12-08 | 一种乙烯裂解炉优化建模模型 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108052792A true CN108052792A (zh) | 2018-05-18 |
| CN108052792B CN108052792B (zh) | 2021-04-23 |
Family
ID=62123830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711299115.5A Active CN108052792B (zh) | 2017-12-08 | 2017-12-08 | 一种乙烯裂解炉优化建模模型 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108052792B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101414158A (zh) * | 2008-11-19 | 2009-04-22 | 华东理工大学 | 一种乙烯裂解炉裂解反应操作条件的优化方法 |
| US20120083041A1 (en) * | 2010-10-01 | 2012-04-05 | Synthetic Genomics, Inc. | Mass spectrometry method |
| CN103087749A (zh) * | 2011-10-28 | 2013-05-08 | 中国石油化工股份有限公司 | 重质原料工业裂解炉裂解产物价值最大化模型的构建方法 |
| CN103207949A (zh) * | 2013-04-10 | 2013-07-17 | 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 |
| CN103310123A (zh) * | 2013-07-10 | 2013-09-18 | 华东理工大学 | 用于工业乙烯蒸汽裂解炉设计验证和优化的耦合建模方法 |
| CN104834812A (zh) * | 2015-04-27 | 2015-08-12 | 华东理工大学 | 一种基于状态空间模型的乙烯裂解原料特性分析方法 |
| CN105205327A (zh) * | 2015-09-28 | 2015-12-30 | 大连理工大学 | 一种基于工况的乙烯生产能效动态评估方法 |
-
2017
- 2017-12-08 CN CN201711299115.5A patent/CN108052792B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101414158A (zh) * | 2008-11-19 | 2009-04-22 | 华东理工大学 | 一种乙烯裂解炉裂解反应操作条件的优化方法 |
| US20120083041A1 (en) * | 2010-10-01 | 2012-04-05 | Synthetic Genomics, Inc. | Mass spectrometry method |
| CN103087749A (zh) * | 2011-10-28 | 2013-05-08 | 中国石油化工股份有限公司 | 重质原料工业裂解炉裂解产物价值最大化模型的构建方法 |
| CN103207949A (zh) * | 2013-04-10 | 2013-07-17 | 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 |
| CN103310123A (zh) * | 2013-07-10 | 2013-09-18 | 华东理工大学 | 用于工业乙烯蒸汽裂解炉设计验证和优化的耦合建模方法 |
| CN104834812A (zh) * | 2015-04-27 | 2015-08-12 | 华东理工大学 | 一种基于状态空间模型的乙烯裂解原料特性分析方法 |
| CN105205327A (zh) * | 2015-09-28 | 2015-12-30 | 大连理工大学 | 一种基于工况的乙烯生产能效动态评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108052792B (zh) | 2021-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104765346B (zh) | 一种炼油过程全流程建模方法 | |
| CN101694571B (zh) | 汽油在线调合方法 | |
| CN111899795A (zh) | 一种分子级炼油加工全流程优化方法、装置、系统及存储介质 | |
| WO2011133318A2 (en) | Active cloud point controller for refining applications and related method | |
| JP4828719B2 (ja) | 石油コンビナートの運転条件の推定方法 | |
| He et al. | Online optimization of Fluid Catalytic Cracking process via a Hybrid model based on Simplified structure-Oriented Lumping and case-based reasoning | |
| CN111899813A (zh) | 柴油加氢装置的产物预测模型优化方法、系统、设备及存储介质 | |
| Van Geem et al. | Two severity indices for scale-up of steam cracking coils | |
| CN111863145A (zh) | 一种低温煤焦油全馏分加氢裂化集总动力学模型建模方法 | |
| Vegi et al. | Optimal control of dilute acid pretreatment and enzymatic hydrolysis for processing lignocellulosic feedstock | |
| CN108052792B (zh) | 一种乙烯裂解炉优化建模模型 | |
| Pashikanti et al. | Predictive modeling of large-scale integrated refinery reaction and fractionation systems from plant data. Part 3: Continuous catalyst regeneration (CCR) reforming process | |
| CN115312130A (zh) | 面向增产催化裂化高附加值产品模拟的混合建模方法 | |
| CN111899812B (zh) | 一种石油加工装置的产物模拟方法、系统、设备和存储介质 | |
| Papadourakis et al. | Approximate dynamic models for chemical process systems | |
| Scott et al. | Attainable region analysis for continuous production of second generation bioethanol | |
| CN110066682B (zh) | 一种重整反应器温度梯度的优化方法 | |
| Zhu | Molecular analysis for process synthesis | |
| Gubitoso et al. | A planning model for the optimal production of a real-world ethylene plant | |
| Darkwah et al. | Multi-objective versus single-objective optimization of batch bioethanol production based on a time-dependent fermentation model | |
| Muhsin et al. | Modelling and optimal operation of a crude oil hydrotreating process with atmospheric distillation unit utilising stacked neural networks | |
| CN113130012A (zh) | 一种提高反应模型外推性的方法 | |
| CN116013425B (zh) | 一种分子水平炼化过程模型构建方法及装置、存储介质 | |
| Yi et al. | Detailed description of the mathematical modeling of the catalytic naphtha reforming process dynamics | |
| CN115938499B (zh) | 加氢裂化模型的优化方法、装置、电子设备及存储介质 |
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 |