CN108219826B - 一种催化裂化装置的控制方法 - Google Patents

一种催化裂化装置的控制方法 Download PDF

Info

Publication number
CN108219826B
CN108219826B CN201711441371.3A CN201711441371A CN108219826B CN 108219826 B CN108219826 B CN 108219826B CN 201711441371 A CN201711441371 A CN 201711441371A CN 108219826 B CN108219826 B CN 108219826B
Authority
CN
China
Prior art keywords
regenerator
coke content
catalytic cracking
cracking unit
temperature
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 - Fee Related
Application number
CN201711441371.3A
Other languages
English (en)
Other versions
CN108219826A (zh
Inventor
叶凌箭
沈非凡
王朗
李英道
马修水
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.)
Ningbo Institute of Technology of ZJU
Original Assignee
Ningbo Institute of Technology of ZJU
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 Ningbo Institute of Technology of ZJU filed Critical Ningbo Institute of Technology of ZJU
Priority to CN201711441371.3A priority Critical patent/CN108219826B/zh
Publication of CN108219826A publication Critical patent/CN108219826A/zh
Application granted granted Critical
Publication of CN108219826B publication Critical patent/CN108219826B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
    • C10G—CRACKING HYDROCARBON OILS; PRODUCTION OF LIQUID HYDROCARBON MIXTURES, e.g. BY DESTRUCTIVE HYDROGENATION, OLIGOMERISATION, POLYMERISATION; RECOVERY OF HYDROCARBON OILS FROM OIL-SHALE, OIL-SAND, OR GASES; REFINING MIXTURES MAINLY CONSISTING OF HYDROCARBONS; REFORMING OF NAPHTHA; MINERAL WAXES
    • C10G11/00—Catalytic cracking, in the absence of hydrogen, of hydrocarbon oils

Landscapes

  • Chemical & Material Sciences (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)

Abstract

本发明提供一种催化裂化装置的控制方法，方法包括步骤：确定催化裂化装置中的被控变量，被控变量为旋风分离器温度以及再生器焦炭含量；基于催化裂化装置的参数化数学模型，获取旋风分离器温度以及再生器焦炭含量对应的最优设定值；获取输入变量和输出变量的数据集，建立再生器焦炭含量的预测模型，对再生器焦炭含量进行在线预测；利用反馈控制器对旋风分离器温度以及再生器焦炭含量的软件测量模型的输出进行在线闭环控制。整个方法操作安全和运行平稳，并且在很大程度上直接优化了经济指标，有效提高了生产效益。

Description

一种催化裂化装置的控制方法
技术领域
本发明涉及催化裂化领域，尤其涉及一种催化裂化装置的控制方法。
背景技术
催化裂化装置是石油炼化工业的核心工艺之一，也是技术难度最大的工艺之一。如何使用自动控制理论和优化技术对催化裂化装置进行平稳、高效操作，是炼化工业自动化技术的重要命题。在催化裂化装置中，油进料与再生器回收的催化剂首先混合并预热，进入提升管中进行裂化反应。高温再生催化剂提供重油气化和反应所需的热量。分离器气提段通入汽提蒸汽，从催化剂中分离出易挥发中的气相碳氢产物并经顶部馏出。裂化反应的副产物焦炭附在催化剂表面，降低了催化剂活性。失活的催化剂输送到再生器，再生器中通入含氧空气烧除积炭，恢复其活性。再生器顶部安装旋风分离器回收空气夹带的催化剂，再生后的催化剂与原料混合后进入提升管循环使用。控制及优化目标为设计合理的控制系统，在保证过程安全、平稳操作的基础上，提高该装置的经济效益。
催化裂化装置的控制目标可归结为多种，如：(1)稳定反应温度和再生温度，保证装置平稳运行；(2)控制反应深度，提高产品收率；(3)控制再生烟气氧含量，降低装置耗风量；(4)挖掘装置潜力，提高加工处理能力，增加经济效益。催化裂化装置的控制方法和控制系统对实现上述目标具有重要作用。在市场经济以及全球化背景下，通过设计高效的控制系统和优化方法，提高催化裂化装置的经济效益并提升企业的竞争力，这一任务显得尤为重要。传统的方法中，控制系统首先通过优化控制器和控制器参数等主要方式实现装置的安全操作和平稳运行，达成控制目标。在此基础上，需要进一步通过在线优化等先进技术调节被控变量的最优设定值，实现经济指标的优化。
发明内容
本发明要解决的技术问题是，提供一种催化裂化装置的控制方法，有效提高了生产效益。
本发明的技术方案是：一种催化裂化装置的控制方法，所述方法包括步骤：
S1、确定所述催化裂化装置中的被控变量，所述被控变量为旋风分离器温度以及再生器焦炭含量；
S2、基于所述催化裂化装置的参数化数学模型，获取所述旋风分离器温度以及所述再生器焦炭含量对应的最优设定值；
S3、获取输入变量和输出变量的数据集，建立所述再生器焦炭含量的预测模型，对所述再生器焦炭含量进行在线预测；
S4、利用反馈控制器对所述旋风分离器温度以及所述再生器焦炭含量的软件测量模型的输出进行在线闭环控制。
较佳的，在步骤S2中，所述再生器焦炭含量的最优设定值Crc,sp的计算方式如下：
S21、设定相关过程参数的变化范围，随机采样获取N组数据；
S22、基于所述参数化数学模型，利用数值优化算法对每组数据进行经济指标的优化求解，获取N组所述再生器焦炭含量的组最优值；
S23、取上述N组所述再生器焦炭含量的组最优值的平均值，该平均值为最优设定值Crc,sp；
其中，N为大于0的正整数。
较佳的，在步骤S21中，所述相关过程参数包括气-油裂化反应参数k0、焦炭生产常数kc、燃烧参数kcom、再生器对温度的敏感系数σ2、第一经验参数h1、第二经验参数h2以及燃烧反应活化能Ecb。
较佳的，所述相关过程参数[k0kckcomσ2h1h2Ecb]的变化范围为[9620000.0189729.3380.006244521150245158.6]的±20％，N为1000。
较佳的，步骤S3包括步骤：
S31、选择空气质量流量Fa、再生催化剂质量流量Fsc、再生器温度Trg和提升管出口温度Tri1作为软测量模型的所述输入变量，再生器焦炭含量Crc为所述输出变量；
S32、基于所述催化裂化装置的所述参数化数学模型或实际测量获取的历史数据，获取所述输入变量和所述输出变量的数据集；
S33、对所述数据集进行归一化预处理，使每个所述输入变量以及所述输出变量的均值为0，方差为1；
S34、基于软测量技术训练得到再生器焦炭含量Crc的预测模型。
较佳的，所述预测模型采用径向基神经网络模型。
较佳的，所述旋风分离器温度的最优设定值Tcy,sp为Tcy0-β,其中Tcy0为所述旋风分离器温度的安全限，β为回退值。
较佳的，β的取值在3～7K之间。
上述技术方案具有如下优点或有益效果：上述催化裂化装置的控制方法中，以优化控制结构为手段，选择旋风分离器温度和再生器焦炭含量为被控变量，结合软测量技术建立回归模型，预测难以在线测量的再生器焦炭含量，实现被控变量的在线闭环控制。整个方法操作安全和运行平稳，并且在很大程度上直接优化了经济指标，有效提高了生产效益。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为本发明一种催化裂化装置的控制方法的流程示意图一；
图2为本发明一种催化裂化装置的控制方法的流程示意图二；
图3为本发明一种催化裂化装置的控制方法的流程示意图三。
具体实施方式
下面结合附图和具体实施例对本发明一种催化裂化装置的控制方法进行详细说明。
如图1所示，一种催化裂化装置的控制方法，包括步骤：
S1、确定催化裂化装置中的被控变量，该被控变量为旋风分离器温度以及再生器焦炭含量；
S2、基于催化裂化装置的参数化数学模型，获取旋风分离器温度以及再生器焦炭含量对应的最优设定值；
S3、获取输入变量和输出变量的数据集，建立再生器焦炭含量的预测模型，对再生器焦炭含量进行在线预测；
S4、利用反馈控制器对旋风分离器温度以及再生器焦炭含量的软件测量模型的输出进行在线闭环控制。
具体来说，在步骤S1中，由于旋风分离器温度为保障装置安全操作的约束变量，再生器焦炭含量为能提高装置经济效益的关键变量，所以将旋风分离器温度以及再生器焦炭含量作为被控变量。
进一步来讲，如图2所示，在步骤S2中，再生器焦炭含量的最优设定值Crc,sp的计算方式如下：
S21、设定相关过程参数在一定范围内的变化，随机采样获取N组数据；
S22、基于催化裂化装置的参数化数学模型，使用数值优化算法对每组数据进行经济指标的优化求解，获取N组再生器焦炭含量的组最优值；
S23、取上述N组再生器焦炭含量的组最优值的平均值，该平均值为Crc,sp。
具体来说，在步骤S21中，相关过程参数包括气-油裂化反应参数k0、焦炭生产常数kc、燃烧参数kcom、再生器对温度的敏感系数σ2、第一经验参数h1、第二经验参数h2以及燃烧反应活化能Ecb，此外，N为大于0的正整数。举例来说，设定的变化参数为[k0kckcomσ2h1h2Ecb]，变化范围为[9620000.0189729.3380.006244521150245158.6]的±20％，N取为1000，使用的随机采样法为Monte Carlo采样法。
在步骤S22中，经济指标J为：
-J＝pglFgl+pgsFgs+pugoFugo-poilFoil
在上式中，各项分别表示产物收益及原料成本，其中pgl、pgs、pugo和poil分别为汽油价格、轻气价格、未转化原料的价值和汽-油原料价格，Fgl、Fgs、Fugo和Foil分别为汽油产量、轻气产量、未转化的原料的量和初始原料流量。优化经济指标J所使用的数值优化算法为序列二次规划法(SQP)法。
在步骤S23中，Crc,sp取为N组最优值的平均值。优选的Crc,sp为0.47％±0.047％。
进一步来讲，如图3所示，步骤S3包括步骤：
S31、选择空气质量流量Fa、再生催化剂质量流量Fsc、再生器温度Trg和提升管出口温度Tri1作为软测量模型的输入变量，再生器焦炭含量Crc为输出变量；
S32、基于催化裂化装置的参数化数学模型或实际测量获取的历史数据，获取输入变量和输出变量的数据集；
S33、对数据集进行归一化预处理，使每个变量的均值为0，方差为1；
S34、基于软测量技术训练得到再生器焦炭含量Crc的预测模型，优选的，该预测模型采用径向基神经网络。
进一步来讲，在步骤S4中，使用反馈控制器对旋风分离器温度和再生器焦炭含量软测量模型的输出进行在线闭环控制，将获取的结果与其中步骤S2中的旋风分离器温度以及再生器焦炭含量对应的最优设定值进行比对，进而对旋风分离器温度和再生器焦炭含量进行在线闭环控制。优选的，采用分散控制结构，使用再生催化剂质量流量Fsc控制旋风分离器温度，空气质量流量Fa控制再生器焦炭含量Crc，控制器类型为PID。
进一步来讲，催化裂化装置的模型由以下方程描述：
Figure BDA0001526727300000051
Figure BDA0001526727300000052
Figure BDA0001526727300000053
Figure BDA0001526727300000054
Figure BDA0001526727300000055
Figure BDA0001526727300000056
φ0＝1-mCrc
Figure BDA0001526727300000057
Figure BDA0001526727300000061
Figure BDA0001526727300000062
Figure BDA0001526727300000063
Figure BDA0001526727300000064
Tcy＝Trg+5555Od
Csc＝Crc+Ccat
Figure BDA0001526727300000065
Figure BDA0001526727300000066
ΔH＝-h1-h2(Trg-960)+0.6(Trg-960)2
σ＝1.1+σ2(Trg-873)
其中，符号说明见下表：
Figure BDA0001526727300000067
Figure BDA0001526727300000071
旋风分离器温度的最优设定值为Tcy,sp＝Tcy0-β,其中Tcy0为该温度的安全限，β为回退值。Tcy0由工艺要求给定，β的取值在0～10K之间，优选3～7K。
上述催化裂化装置的控制方法中，以优化控制结构为手段，选择旋风分离器温度和再生器焦炭含量为被控变量，结合软测量技术建立回归模型，预测难以在线测量的再生器焦炭含量，实现被控变量的在线闭环控制。整个方法操作安全和运行平稳，并且在很大程度上直接优化了经济指标，有效提高了生产效益。
对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。

Claims (7)

1.一种催化裂化装置的控制方法，其特征在于，所述方法包括步骤：
S1、确定所述催化裂化装置中的被控变量，所述被控变量为旋风分离器温度以及再生器焦炭含量；
S2、基于所述催化裂化装置的参数化数学模型，获取所述旋风分离器温度对应的最优设定值Tcy,sp以及所述再生器焦炭含量对应的最优设定值Crc,sp；
S3、获取输入变量和输出变量的数据集，建立所述再生器焦炭含量的预测模型，对所述再生器焦炭含量进行在线预测，所述预测模型采用径向基神经网络模型；
S4、利用反馈控制器对所述旋风分离器温度以及所述再生器焦炭含量的软件测量模型的输出进行在线闭环控制。
2.根据权利要求1所述的催化裂化装置的控制方法，其特征在于，在步骤S2中，所述再生器焦炭含量的最优设定值Crc,sp的计算方式如下：
S21、设定相关过程参数的变化范围，随机采样获取N组数据；
S22、基于所述参数化数学模型，利用数值优化算法对每组数据进行经济指标的优化求解，获取N组所述再生器焦炭含量的组最优值；
S23、取上述N组所述再生器焦炭含量的组最优值的平均值，该平均值为最优设定值Crc,sp；
其中，N为大于0的正整数。
3.根据权利要求2所述的催化裂化装置的控制方法，其特征在于，在步骤S21中，所述相关过程参数包括气-油裂化反应参数k0、焦炭生产常数kc、燃烧参数kcom、再生器对温度的敏感系数σ2、第一经验参数h1、第二经验参数h2以及燃烧反应活化能Ecb。
4.根据权利要求3所述的催化裂化装置的控制方法，其特征在于，所述相关过程参数[k0kckcomσ2 h1 h2Ecb]的变化范围为[962000 0.01897 29.338 0.006244 521150 245158.6]的±20%，N为1000。
5.根据权利要求1所述的催化裂化装置的控制方法，其特征在于，步骤S3包括步骤：
S31、选择空气质量流量Fa、再生催化剂质量流量Fsc、再生器温度Trg和提升管出口温度Tri1作为软测量模型的所述输入变量，再生器焦炭含量Crc为所述输出变量；
S32、基于所述催化裂化装置的所述参数化数学模型或实际测量获取的历史数据，获取所述输入变量和所述输出变量的数据集；
S33、对所述数据集进行归一化预处理，使每个所述输入变量以及所述输出变量的均值为0，方差为1；
S34、基于软测量技术训练得到再生器焦炭含量Crc的预测模型。
6.根据权利要求1所述的催化裂化装置的控制方法，其特征在于，所述旋风分离器温度的最优设定值Tcy,sp为Tcy0-β,其中Tcy0为所述旋风分离器温度的安全限，β为回退值。
7.根据权利要求6所述的催化裂化装置的控制方法，其特征在于，β的取值在3~7 K之间。
CN201711441371.3A 2017-12-27 2017-12-27 一种催化裂化装置的控制方法 Expired - Fee Related CN108219826B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711441371.3A CN108219826B (zh) 2017-12-27 2017-12-27 一种催化裂化装置的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711441371.3A CN108219826B (zh) 2017-12-27 2017-12-27 一种催化裂化装置的控制方法

Publications (2)

Publication Number Publication Date
CN108219826A CN108219826A (zh) 2018-06-29
CN108219826B true CN108219826B (zh) 2020-06-02

Family

ID=62648095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711441371.3A Expired - Fee Related CN108219826B (zh) 2017-12-27 2017-12-27 一种催化裂化装置的控制方法

Country Status (1)

Country Link
CN (1) CN108219826B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109022019B (zh) * 2018-08-06 2021-04-16 宁波大红鹰学院 一种催化裂化装置的反馈控制方法
CN110931085B (zh) * 2019-12-10 2022-07-01 中海石油宁波大榭石化有限公司 一种连续重整催化剂结焦炭含量在线预测和优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2016603A1 (en) * 1990-05-11 1991-11-11 Yash P. Gupta Method for optimizing a model predictive control system
CN101630376A (zh) * 2009-08-12 2010-01-20 江苏大学 多模型神经网络的生物发酵过程软测量建模方法及软仪表
CN102289198A (zh) * 2010-06-18 2011-12-21 中国石油化工股份有限公司 一种工业裂解炉生产操作的自动在线控制方法
CN104463327A (zh) * 2014-10-27 2015-03-25 中国石油大学(北京) 一种预测催化裂化焦炭产率的方法
CN104765339A (zh) * 2015-02-10 2015-07-08 浙江大学 一种基于控制变量优先级的fcc动态控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2016603A1 (en) * 1990-05-11 1991-11-11 Yash P. Gupta Method for optimizing a model predictive control system
CN101630376A (zh) * 2009-08-12 2010-01-20 江苏大学 多模型神经网络的生物发酵过程软测量建模方法及软仪表
CN102289198A (zh) * 2010-06-18 2011-12-21 中国石油化工股份有限公司 一种工业裂解炉生产操作的自动在线控制方法
CN104463327A (zh) * 2014-10-27 2015-03-25 中国石油大学(北京) 一种预测催化裂化焦炭产率的方法
CN104765339A (zh) * 2015-02-10 2015-07-08 浙江大学 一种基于控制变量优先级的fcc动态控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Catalytic cracking models developed for predictive control purposes;Dag Ljungqvist; Stig Strand; Jens G. Balchen;《Modeling, Identification and Control》;19930630;第14卷(第2期);第73-84页 *
Optimal Process Control and Operation of an Industrial Heat Integrated Fluid Catalytic Cracking Plant Using Model Predictive Control;Mihaela Iancu,Paul Serban Agachi;《Computer Aided Chemical Engineering》;20101231(第28期);第 797-801页 *
催化裂化装置反应—再生部分预测控制研究;连惠新;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20160315(第3期);第B019-154页 *
基于模型预测控制的反应再生工艺;冯立;《上海化工》;20120228;第37卷(第2期);第20-23页 *
基于软测量技术的化工过程优化控制策略;叶凌箭，马修水;《浙江大学学报》;20130731;第47卷(第7期);第1253-1257页 *

Also Published As

Publication number Publication date
CN108219826A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
US3828171A (en) Process apparatus control system for optimizing objective variable quality
Ochoa et al. Plantwide optimizing control of a continuous bioethanol production process
CN108219826B (zh) 一种催化裂化装置的控制方法
CN102053595A (zh) 一种乙烯装置中控制裂解炉裂解深度的方法
Aguilar et al. Temperature control in catalytic cracking reactors via a robust PID controller
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
Taşkin et al. FUZZYFCC: Fuzzy logic control of a fluid catalytic cracking unit (FCCU) to improve dynamic performance
CN102073271B (zh) 延迟焦化装置智能控制方法及系统
Ahmed et al. Modelling and simulation of fluid catalytic cracking unit
Iancu et al. MPC vs. PID. The advanced control solution for an industrial heat integrated fluid catalytic cracking plant
CN111931975A (zh) 一种考虑下游扰乱约束下的裂解炉炉群调度建模与方法
CN107991886B (zh) 一种废塑料气化炼油炉膛压力的预测优化控制方法
Popa Application of plantwide control strategy to the catalytic cracking process
CN116449691A (zh) 原料油加工控制方法和装置
Huang et al. Rto with modifier adaptation method applied to the fcc uint
Zahran et al. Fluid catalytic cracking unit control using model predictive control and adaptive neuro fuzzy inference system: Comparative study
Raji et al. Modelling and Optimization of Fluid Catalytic Cracking Unit (FCCU) Using Hysys
Wang et al. Economics-oriented nmpc of two-stage-riser catalytic pyrolysis processes for maximizing propylene yield
Mani et al. Modelling, control and supervisory optimization of generalized predictive control in catalytic cracking reactor
Popescu et al. Control and optimization for a petrochemical reactor
Boum et al. Model predictive control of a fluid catalytic cracking unit
Zahedi Abghari Sensitivity Analysis and Development of a Set of Rules to Operate FCC Process by Application of a Hybrid Model of ANFIS and Firefly Algorithm
Khandalekar Control and optimization of fluidized catalytic cracking process
Li et al. Adaptive Lyapunov-based MPC With Constraint Updating For FCC Unit
Mythily et al. Dynamic modeling, simulation and multivariable control strategy applied to catalytic cracking unit

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200602

Termination date: 20211227

CF01 Termination of patent right due to non-payment of annual fee