CN110648729B - 一种催化裂化模型建立方法与装置 - Google Patents

一种催化裂化模型建立方法与装置 Download PDF

Info

Publication number
CN110648729B
CN110648729B CN201911036595.5A CN201911036595A CN110648729B CN 110648729 B CN110648729 B CN 110648729B CN 201911036595 A CN201911036595 A CN 201911036595A CN 110648729 B CN110648729 B CN 110648729B
Authority
CN
China
Prior art keywords
reaction
catalytic cracking
link
lumped
model
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
CN201911036595.5A
Other languages
English (en)
Other versions
CN110648729A (zh
Inventor
孙世源
孟凡东
闫鸿飞
张亚西
武立宪
李秋芝
张瑞风
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
Sinopec Engineering Group Co Ltd
Original Assignee
China Petroleum and Chemical Corp
Sinopec Engineering Group Co Ltd
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, Sinopec Engineering Group Co Ltd filed Critical China Petroleum and Chemical Corp
Priority to CN201911036595.5A priority Critical patent/CN110648729B/zh
Publication of CN110648729A publication Critical patent/CN110648729A/zh
Application granted granted Critical
Publication of CN110648729B publication Critical patent/CN110648729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • 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
    • 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
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Organic Chemistry (AREA)
  • Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)

Abstract

本申请提供了一种催化裂化模型建立方法与装置，涉及原料油催化裂化技术领域。首先按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取目标原料油在反应前与反应后的数据信息；其中，集总包括易裂化集总、中间集总以及易缩合集总，催化裂化反应网络中包括易裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路；然后依据数据信息与催化裂化反应网络中每种反应链路对应的反应速率方程与催化裂化反应网络对应的连续性方程建立催化裂化模型。本申请提供的催化裂化模型建立方法与装置具有参数求取更容易的优点。

Description

一种催化裂化模型建立方法与装置
技术领域
本申请涉及原料油催化裂化技术领域，具体而言，涉及一种催化裂化模型建立方法与装置。
背景技术
催化裂化是重要的重油轻质化手段，是液化气、汽油、柴油等轻质油品的主要生产过程。催化裂化的传统进料为重质馏分油，主要是减压蜡油(VGO)。随着常规原油资源的日益枯竭，原油不断重质化、劣质化，为提高经济效益，常压渣油(AR)、脱沥青油(DAO)、加氢处理重油甚至减压渣油也逐渐作为催化裂化装置进料。催化裂化装置进料不再是单一馏分油，往往是轻重、组成不同的两种甚至两种以上的混合原料油，在生产过程中，进料性质会随着原料组成的不同而发生变化。
催化裂化原料性质的变化，势必会对催化裂化产品分布及性质产生影响。原料油的性质可反应出其可裂化能力和生焦倾向，可用于指导调节催化裂化工艺参数，以实现对原料油的最大转化并提高有价值产品收率，优化催化裂化装置的效益。根据原料性质有目的地调节催化裂化工艺参数以实现效益最大化的基础，是建立合理的催化裂化反应动力学模型。
目前，在建立催化裂化模型反应动力学模型中，对于原料对应的集总与反应网络的划分过于复杂，导致原料分析过程复杂其漫长，错过了及时调节装置操作参数的时机。同时导致模型参数求取困难，难以获取适应性好的动力学模型参数，使模型预测结果与实际情况差别较大。
发明内容
本申请的目的在于提供一种催化裂化模型建立方法与装置，以解决现有技术中原料对应的集总与反应网络的划分过于复杂，参数求取难度较大的问题。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请提供了一种催化裂化模型建立方法，所述催化裂化模型建立方法包括：
按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取所述目标原料油在反应前与反应后的数据信息；其中，所述集总包括易裂化集总、中间集总以及易缩合集总，所述催化裂化反应网络中包括易裂化集总的裂化反应链路、所述中间集总的裂化反应链路与缩合反应链路以及所述易缩合集总的缩合反应链路；
依据所述数据信息与所述催化裂化反应网络中每种反应链路对应的反应速率方程与所述催化裂化反应网络对应的连续性方程建立催化裂化模型。
第二方面，本申请实施例提供了一种催化裂化模型建立装置，所述催化裂化模型建立装置包括：
数据获取单元，用于按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取所述目标原料油在反应前与反应后的数据信息；其中，所述集总包括易裂化集总、中间集总以及易缩合集总，所述催化裂化反应网络中包括易裂化集总的裂化反应链路、所述中间集总的裂化反应链路与缩合反应链路以及所述易缩合集总的缩合反应链路；
模型建立单元，用于依据所述数据信息与所述催化裂化反应网络中每种反应对应的反应速率方程与所述催化裂化反应网络对应的连续性方程建立催化裂化模型。
相对于现有技术，本申请具有以下有益效果：
本申请提供了一种催化裂化模型建立方法与装置，首先按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取目标原料油在反应前与反应后的数据信息；其中，集总包括易裂化集总、中间集总以及易缩合集总，催化裂化反应网络中包括易裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路；然后依据数据信息与催化裂化反应网络中每种反应链路对应的反应速率方程与催化裂化反应网络对应的连续性方程建立催化裂化模型。由于本申请提供催化裂化模型建立方法集总划分为易裂化集总、中间集总以及易缩合集总，因此集总划分更加简单；同时，通过该集总建立的催化裂化反应网络中仅包括中裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路，因此催化裂化反应网络中的反应链路更少，使得参数求取难度更容易。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的电子设备的方框示意图。
图2为本申请实施例提供的一种催化裂化模型建立方法的流程图。
图3为本申请实施例提供的催化裂化反应网络的示意图。
图4为本申请实施例提供的另一种催化裂化模型建立方法的流程图。
图5为本申请实施例提供的对比例1的催化裂化反网络的示意图。
图6为本申请实施例提供的对比例2的催化裂化反网络的示意图。
图7为本申请实施例提供的对比例3的催化裂化反网络的示意图。
图8为本申请实施例提供的催化裂化模型建立装置的模块示意图。
图中：200-服务器；201-处理器；202-存储器；203-通信总线；300-催化裂化模型建立装置；310-数据获取单元；320-模型建立单元；330-计算单元；340-获取单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
第一实施例
正如背景技术中所述，目前，在建立催化裂化模型反应动力学模型中，对于原料对应的集总与反应网络的划分过于复杂，导致原料分析过程复杂其漫长，错过了及时调节装置操作参数的时机。当反应路径较多时，会导致模型参数求取的计算量提髙，还会导致所需数据量的增大，进而导致模型参数求取困难，难以获取适应性好的动力学模型参数，使模型预测结果与实际情况差别较大。
有鉴于此，本申请提供了一种催化裂化模型建立方法，以实现在建立催化裂化模型过程中，建立的集总更加简单，同时建立的催化裂化反应网络更加简单，模型参数求取更加简单。
下面以服务器作为主体，对本申请提供的催化裂化模型建立方法进行示例性说明。
作为一种可能的实现方式，请参阅图1，该服务器200包括存储器202、处理器201和通信总线203，该存储器202、处理器201和通信总线203相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器202可用于存储软件程序及模块，如本申请实施例所提供的催化裂化模型建立装置300对应的程序指令/模块，处理器201通过执行存储在存储器202内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信总线203可用于与其他节点设备进行信令或数据的通信。
其中，存储器202可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器201可以是一种集成电路芯片，具有信号处理能力。该处理器201可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，图1所示的结构仅为示意，服务器200还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参阅图2，该催化裂化模型建立方法包括：
S102，按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取目标原料油在反应前与反应后的数据信息；其中，集总包括易裂化集总、中间集总以及易缩合集总，催化裂化反应网络中包括易裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路。
S104，依据数据信息与催化裂化反应网络中每种反应链路对应的反应速率方程与催化裂化反应网络对应的连续性方程建立催化裂化模型。
目前对于集总的划分，一般为按各烃类分子的动力学特性，将催化裂化反应体系划分成若干个集总组分，在动力学研究中把每个集总组分作为虚拟的单一分子组分来考虑。在划分集总时，一方面，从实验手段与参数估计的角度来看，集总模型总是越简单越好；另一方面，为了提高模型对不同原料的适应性及模型精度，集总的数目总是在增多，反应网络也逐渐复杂。但每增加一个集总，反应数目不是增加一个，而是多个甚至翻倍。因此，必须权衡集总的划分，建立合适的模型。另外，原料与产品的分析简便与否，对模型的推广应用也有很大的影响。一般在模型的建立过程中，应尽可能采用先进的、精确的分析手段；而在模型的应用过程中，尽可能不要采用太复杂的分析手段，以满足工业应用的需要为原则。
现有技术中，炼油厂做催化裂化原料油常规分析时，通常按四组分分析：饱和烃组分、芳香烃组分、胶质组分和沥青质组分。而在重油中，沥青质含量较低，而且沥青质与胶质的反应特性相似。故可将胶质与沥青质划分为同一个组分，即胶质沥青质组分。因此，原料油可分为饱和烃(HS)，芳香烃(HA)，胶质和沥青质(HR)3个集总。同时，根据馏程的不同，可将原料油分为三个集总，即重油集总(VR，>500℃)，减压瓦斯油集总(VGO，350℃～500℃)和轻燃料油集总(LFO，200℃～350℃)。本发明在这两种集总划分的基础上，提出一种新的原料集总划分方法，将原料划分为易裂化(HCK)、中间(HI)和易缩合(HCD)3个集总。
为了使原料分析简便，假设原料按四组分划分的饱和烃、芳香烃、胶质和沥青质3个集总的馏程与原料自身的馏程相同。原料油饱和烃具有较长的碳链，容易发生裂化反应，将其归为易裂化的集总。而胶质沥青质本身较重，其所含物质一般为高度浓缩的环状分子和稳定的稠环分子，环上的侧链在其中所占的比例相较于侧链在饱和烃和芳香烃中所占的比例较低，将其归为易缩合的集总。芳香烃具有稳定的苯环的结构，而苯环结构在催化裂化的条件下不易发生芳环开环裂化反应。苯环上的长侧链可以发生裂化反应，生成较小分子的烃类。芳香烃中馏程较低的部分，以短侧链的双环和三环芳烃为主，较难发生裂化反应，易发生缩合反应，也被归为易缩合的集总。剩余的组分，即芳香烃中馏程较高的部分，以碳数较多的双环和三环芳烃为主，具有较多侧链，归为中间集总。
同时，在划分集总后，能够依据划分的集总建立催化裂化反应网络。本申请中，催化裂化反应网络中仅包括易裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路，因此反应链路更少，计算参数时更加简单。
并且，在进行催化裂化反应网络的建立后，能够获取在催化裂化反应网络中的易裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路，进而依据每种反应链路对应的反应速率方程与催化裂化反应网络对应的连续性方程建立催化裂化模型。
通过本申请提供的催化裂化模型建立方法，能够实现在建立更简单的集总与催化裂化反应网络，使得对于参数的确定更加简单。
其中，在建立反应网络时，一般假设同一层的不同类型的集总组分之间不相互作用；催化反应过程均为表面反应控制，反应网络中各反应均为一级不可逆反应；由于原料中重芳烃含量较高，故需要考虑重芳烃吸附，同时还要考虑到催化剂的时变失活等因素；反应器内气体流动状态为理想活塞流，质点内扩散忽略不计。
同时，本发明提出的原料划分方法，将原料油按易裂化程度划分为易裂化、中间、易缩合3个集总，使每个集总都具有了显著的特性，因此在建立催化裂化动力学反应网络时，需要充分考虑到原料油各集总特性，对反应网络进行合理简化。催化裂化反应主要有裂化和缩合两大类，裂化反应主要生成干气、液化气、汽油和柴油，缩合反应主要生成油浆和焦炭。基于此，请参阅图3，本发明所建立的反应网络包括9个集总12个反应：原料易裂化集总通过裂化反应生成干气、液化气、汽油和柴油，中间集总通过裂化反应生成干气、液化气、汽油和柴油，通过缩合反应生成油浆和焦炭，易缩合集总通过缩合反应生成油浆和焦炭。
作为本申请的一种实现方式，依据易裂化集总通过裂化反应生成干气的第一链路、生成液化气的第二链路、生成汽油的第三链路以及生成柴油的第四链路；中间集总通过裂化反应生成干气的第五链路、生成液化气的第六链路、生成汽油的第七链路以及生成柴油的第八链路；中间集总通过聚合反应生成油浆的第九链路与生成焦炭的第十链路；以及缩合集总通过聚合反应生成油浆的第十一链路与生成焦炭的第十二链路建立催化裂化反应网络。
可见，对于不用的原料，每个链路的生成物的含量并不相同，因此，本申请按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取目标原料油在反应前的数据信息。其中，作为本申请的一种实现方式，可以通过服务器直接对样品进行分析，也可以通过输入实现数据的方式实现分析，本申请对此并不做任何限定。
其中，数据信息为构建催化裂化模型的必要数据，包括但不限于第i集总的浓度，油气混合物密度等信息。
作为本申请的一种实现方式，在分析催化裂化反应过程时，对于提升管反应器，由于油气流量高，通过时间短，可以忽略返混，因此可将提升管反应器假设为理想活塞流反应器。对等温、气相、活塞流反应器，质点内扩散可以忽略不计。
并依据连续性方程
Figure BDA0002251666560000101
与反应速率方程
Figure BDA0002251666560000111
建立催化裂化模型
Figure BDA0002251666560000112
其中，i表示集总组分，j表示第j个反应，t表示时间，ρ表示油气混合物密度，ai表示第i集总的浓度，Gv表示油气表面质量流速，x表示从提升管入口算起进入反应器的距离，Ri表示第i集总的反应速率，nr表示反应个数，vi,j表示i集总在反应j中的化学计量系数，rj表示j反应的反应速率，kj表示反应j的反应速率常数，ρc表示相对反应器体积的催化剂密度，ε表示空隙率，P表示体系压力；R为气体常数；T表示体系温度，SWH表示真实的重时空速，K为反应速率常数矩阵，a＝[a1,…,ani]T为集总组分浓度向量；f(A)和
Figure BDA0002251666560000113
表示催化剂失活修正函数，且
Figure BDA0002251666560000114
其中，f(A)表示重芳烃吸附对催化剂活性的影响，CA、CR、CB分别表示芳烃、胶质、沥青质浓度，
Figure BDA0002251666560000115
表示催化剂生焦对活性的影响，且认为催化剂生焦速率仅是催化剂停留时间的函数，tc为催化剂停留时间，β为催化剂失活常数。
可以理解地，本申请建立的催化裂化模型为适用于当前反应器以及原料油，因此，通过建立催化裂化模型后，能够依据该催化裂化模型预测当前原料油与生成产物的量。
作为本申请一种可能的实现方式，请参阅图4，该催化裂化模型建立方法还包括：
S106，利用催化裂化模型计算预设定质量的目标原料油经催化裂化反应后的生成物的预测量。
在建立催化裂化模型以后，服务器200能够依据该催化裂化模型计算当前时间下，预设定质量的原料油经催化裂化反应后的量，例如，1顿的原料油经催化裂化反应后，生成的干气的量。
并且，作为本申请一种可能的实现方式，该催化裂化模型建立方法还包括：
S108，获取预设定质量的目标原料油经催化裂化反应后的生成物的实际量。
S110，依据公式
Figure BDA0002251666560000121
计算预设定质量的目标原料油经催化裂化反应后的生成物的预测量与实际量之间的误差，以确定催化裂化模型的准确度；其中，Φ表示原料油经催化裂化反应后的生成物的预测量与实际量之间的误差，nexp表示试验的次数；ncexp表示组分数，aij表示第i次试验中第j集总的浓度的试验值，
Figure BDA0002251666560000122
表示预测值。
在本申请中，还可通过对比的方式验证该催化裂化模型与实际的误差，例如，在获取生成物的实际量的基础上，利用经过该模型计算的量，获取二者的误差差值。
同时，相对于现有的集总划分方式计算的生成物的量，通过本申请提供的催化裂化模型计算的生成物的量的误差更小。
例如，请参见表一：
Figure BDA0002251666560000131
其中，请参阅图5，对比例1与本申请的集总划分方式相同，担其反应网络包括的反应链路更多。
请参阅图6，对比例2为将原料和产品划分为原料饱和烃(HS)、原料芳香烃(HA)、原料胶质+沥青质(HR)、干气(Dry gas)、液化气(LPG)、汽油(Gasoline)、柴油(Diesel oil)、油浆(Slurry)和焦炭(Coke)九个集总，并依据该集总与反应网络建立的动力学模型的中预估值与实验值的误差。
请参阅图7，对比例3为将原料和产品划分为减压渣油(VR)、减压馏分油(VGO)、原料轻燃料油(LFO)、干气(Dry gas)、液化气(LPG)、汽油(Gasoline)、柴油(Diesel oil)、油浆(Slurry)和焦炭(Coke)九个集总，并依据该集总与反应网络建立的动力学模型的中预估值与实验值的误差。
从表1可知，本申请与对比例1的催化裂化动力学模型都将原料划分为易裂化集总、中间集总和易缩合3个集总，对比例1的反应网络中包含的反应链路比本申请多6个，但两者预测的主要产品产率的平均相对误差接近，说明根据原料集总特性所建立的更为简化的反应网络，已能较好地描述反应过程。对比例2与对比例3建立的模型预测的主要产品产率的平均相对误差较大，本申请提供的催化裂化模型建立方法具有更高的模拟精度，对不同的原料油油更强的适应性。
第二实施例
本发明实施例还提供了一种催化裂化模型建立装置300，需要说明的是，本实施例所提供的催化裂化模型建立装置300，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。请参阅图8，所述催化裂化模型建立装置300包括：
数据获取单元310，用于按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取目标原料油在反应前与反应后的数据信息；其中，集总包括易裂化集总、中间集总以及易缩合集总，催化裂化反应网络中包括易裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路。
可以理解的，通过数据获取单元310可执行S102。
模型建立单元320，用于依据数据信息与催化裂化反应网络中每种反应对应的反应速率方程与催化裂化反应网络对应的连续性方程建立催化裂化模型。
可以理解的，通过模型建立单元320可执行S104。
计算单元330，用于利用催化裂化模型计算预设定质量的目标原料油经催化裂化反应后的生成物的预测量。
可以理解的，通过计算单元330可执行S106。
获取单元340，用于获取预设定质量的目标原料油经催化裂化反应后的生成物的实际量。
可以理解的，通过获取单元340可执行S108。
计算单元330，还用于计算预设定质量的目标原料油经催化裂化反应后的生成物的预测量与实际量之间的误差，以确定催化裂化模型的准确度。
可以理解的，通过计算单元330可执行S110。
综上所述，本申请实施例提供的一种催化裂化模型建立方法与装置，首先对原料油按易裂化程度进行集总的划分，其中，集总包括易裂化集总、中间集总以及易缩合集总；然后依据划分的集总建立催化裂化反应网络，其中，催化裂化反应网络中包括易裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路；最后依据催化裂化反应网络中每种反应链路对应的反应速率方程与催化裂化反应网络对应的连续性方程建立催化裂化模型。由于本申请提供催化裂化模型建立方法集总划分为易裂化集总、中间集总以及易缩合集总，因此集总划分更加简单；同时，通过该集总建立的催化裂化反应网络中仅包括中裂化集总的裂化反应链路、中间集总的裂化反应链路与缩合反应链路以及易缩合集总的缩合反应链路，因此催化裂化反应网络中的反应链路更少，使得参数求取难度更容易。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (6)

1.一种催化裂化模型建立方法，其特征在于，所述催化裂化模型建立方法包括：
按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取所述目标原料油在反应前的数据信息；其中，所述集总包括易裂化集总、中间集总以及易缩合集总，所述催化裂化反应网络中包括易裂化集总的裂化反应链路、所述中间集总的裂化反应链路与缩合反应链路以及所述易缩合集总的缩合反应链路；其中，所述易裂化集总包括饱和烃，所述易缩合集总包括胶质与沥青质，所述中间集总包括芳香烃中馏程较高的部分；
依据所述数据信息与所述催化裂化反应网络中每种反应链路对应的反应速率方程与所述催化裂化反应网络对应的连续性方程建立催化裂化模型；
所述催化裂化反应网络包括：
所述易裂化集总通过裂化反应生成干气的第一链路、生成液化气的第二链路、生成汽油的第三链路以及生成柴油的第四链路；所述中间集总通过裂化反应生成干气的第五链路、生成液化气的第六链路、生成汽油的第七链路以及生成柴油的第八链路；所述中间集总通过聚合反应生成油浆的第九链路与生成焦炭的第十链路；以及所述易缩合集总通过聚合反应生成油浆的第十一链路与生成焦炭的第十二链路；
依据所述数据信息与所述催化裂化反应网络中每种反应对应的反应速率方程与所述催化裂化反应网络对应的连续性方程建立催化裂化模型的步骤包括：
依据连续性方程
Figure FDA0003429930380000021
与反应速率方程
Figure FDA0003429930380000022
建立催化裂化模型
Figure FDA0003429930380000023
其中，i表示集总组分，j表示第j个反应，t表示时间，ρ表示油气混合物密度，ai表示第i集总的浓度，Gv表示油气表面质量流速，x表示从提升管入口算起进入反应器的距离，Ri表示第i集总的反应速率，nr表示反应个数，vi,j表示i集总在反应j中的化学计量系数，rj表示j反应的反应速率，kj表示反应j的反应速率常数，ρc表示相对反应器体积的催化剂密度，ε表示空隙率，P表示体系压力；R为气体常数；T表示体系温度，SWH表示真实的重时空速，K为反应速率常数矩阵，a＝[a1,…,ani]T为集总组分浓度向量；f(A)和
Figure FDA0003429930380000024
表示催化剂失活修正函数，且
Figure FDA0003429930380000025
CA、CR、CB分别表示芳烃、胶质、沥青质浓度，tc为催化剂停留时间，β为催化剂失活常数。
2.如权利要求1所述的催化裂化模型建立方法，其特征在于，在所述依据所述数据信息与所述催化裂化反应网络中每种反应对应的反应速率方程与所述催化裂化反应网络对应的连续性方程建立催化裂化模型的步骤之后，所述催化裂化模型建立方法还包括：
利用所述催化裂化模型计算预设定质量的目标原料油经催化裂化反应后的生成物的预测量。
3.如权利要求2所述的催化裂化模型建立方法，其特征在于，利用所述催化裂化模型计算预设定质量的目标原料油经催化裂化反应后的生成物的预测量的步骤之后，所述催化裂化模型建立方法还包括：
获取所述预设定质量的目标原料油经催化裂化反应后的生成物的实际量；
依据公式
Figure FDA0003429930380000031
计算所述预设定质量的目标原料油经催化裂化反应后的生成物的预测量与实际量之间的误差，以确定所述催化裂化模型的准确度；其中，Φ表示原料油经催化裂化反应后的生成物的预测量与实际量之间的误差，nexp表示试验的次数；ncexp表示组分数，aij表示第i次试验中第j集总的浓度的试验值，
Figure FDA0003429930380000032
表示预测值。
4.一种催化裂化模型建立装置，其特征在于，所述催化裂化模型建立装置包括：
数据获取单元，用于按预划分的集总与催化裂化反应网络对目标原料油进行分析，以获取所述目标原料油在反应前的数据信息；其中，所述集总包括易裂化集总、中间集总以及易缩合集总，所述催化裂化反应网络中包括易裂化集总的裂化反应链路、所述中间集总的裂化反应链路与缩合反应链路以及所述易缩合集总的缩合反应链路；其中，所述易裂化集总包括饱和烃，所述易缩合集总包括胶质与沥青质，所述中间集总包括芳香烃中馏程较高的部分；
模型建立单元，用于依据所述数据信息与所述催化裂化反应网络中每种反应对应的反应速率方程与所述催化裂化反应网络对应的连续性方程建立催化裂化模型；
所述催化裂化反应网络包括易裂化集总通过裂化反应生成干气的第一链路、生成液化气的第二链路、生成汽油的第三链路以及生成柴油的第四链路；所述中间集总通过裂化反应生成干气的第五链路、生成液化气的第六链路、生成汽油的第七链路以及生成柴油的第八链路；所述中间集总通过聚合反应生成油浆的第九链路与生成焦炭的第十链路；以及所述易缩合集总通过聚合反应生成油浆的第十一链路与生成焦炭的第十二链路；
所述模型建立单元用于依据连续性方程
Figure FDA0003429930380000041
与反应速率方程
Figure FDA0003429930380000042
建立催化裂化模型
Figure FDA0003429930380000043
其中，i表示集总组分，j表示第j个反应，t表示时间，ρ表示油气混合物密度，ai表示第i集总的浓度，Gv表示油气表面质量流速，x表示从提升管入口算起进入反应器的距离，Ri表示第i集总的反应速率，nr表示反应个数，vi,j表示i集总在反应j中的化学计量系数，rj表示j反应的反应速率，kj表示反应j的反应速率常数，ρc表示相对反应器体积的催化剂密度，ε表示空隙率，P表示体系压力；R为气体常数；T表示体系温度，SWH表示真实的重时空速，K为反应速率常数矩阵，a＝[a1,…,ani]T为集总组分浓度向量；f(A)和
Figure FDA0003429930380000044
表示催化剂失活修正函数，且
Figure FDA0003429930380000051
CA、CR、CB分别表示芳烃、胶质、沥青质浓度，tc为催化剂停留时间，β为催化剂失活常数。
5.如权利要求4所述的催化裂化模型建立装置，其特征在于，所述催化裂化模型建立装置还包括：
预测量计算单元，用于利用所述催化裂化模型计算预设定质量的目标原料油经催化裂化反应后的生成物的预测量。
6.如权利要求5所述的催化裂化模型建立装置，其特征在于，所述催化裂化模型建立装置还包括：
实际量获取单元，用于获取所述预设定质量的目标原料油经催化裂化反应后的生成物的实际量；
误差计算单元，用于依据公式
Figure FDA0003429930380000052
计算所述预设定质量的目标原料油经催化裂化反应后的生成物的预测量与实际量之间的误差，以确定所述催化裂化模型的准确度；其中，Φ表示原料油经催化裂化反应后的生成物的预测量与实际量之间的误差，nexp表示试验的次数；ncexp表示组分数，aij表示第i次试验中第j集总的浓度的试验值，
Figure FDA0003429930380000053
表示预测值。
CN201911036595.5A 2019-10-29 2019-10-29 一种催化裂化模型建立方法与装置 Active CN110648729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911036595.5A CN110648729B (zh) 2019-10-29 2019-10-29 一种催化裂化模型建立方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911036595.5A CN110648729B (zh) 2019-10-29 2019-10-29 一种催化裂化模型建立方法与装置

Publications (2)

Publication Number Publication Date
CN110648729A CN110648729A (zh) 2020-01-03
CN110648729B true CN110648729B (zh) 2022-02-22

Family

ID=68995000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911036595.5A Active CN110648729B (zh) 2019-10-29 2019-10-29 一种催化裂化模型建立方法与装置

Country Status (1)

Country Link
CN (1) CN110648729B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111863143A (zh) * 2020-07-31 2020-10-30 中国石油化工股份有限公司 一种用于催化裂化动力学模型的参数估值方法及装置
CN113130012B (zh) * 2021-05-07 2024-01-26 中国石油化工股份有限公司 一种提高反应模型外推性的方法
JPWO2023119544A1 (zh) * 2021-12-23 2023-06-29

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1655165A (zh) * 2005-01-12 2005-08-17 浙江中控软件技术有限公司 一种渣油催化裂化反应机理模型的建模方法
CN108239555A (zh) * 2016-12-23 2018-07-03 中国石油天然气股份有限公司 劣质催化裂化原料的加工方法
CN108897982A (zh) * 2018-07-17 2018-11-27 中石化（洛阳）科技有限公司 催化裂化动力学模型建立方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301264A (zh) * 2017-05-03 2017-10-27 中国石油大学(北京) 一种催化裂化反应动力学参数的估算方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1655165A (zh) * 2005-01-12 2005-08-17 浙江中控软件技术有限公司 一种渣油催化裂化反应机理模型的建模方法
CN108239555A (zh) * 2016-12-23 2018-07-03 中国石油天然气股份有限公司 劣质催化裂化原料的加工方法
CN108897982A (zh) * 2018-07-17 2018-11-27 中石化（洛阳）科技有限公司 催化裂化动力学模型建立方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
催化裂化先进控制工艺计算模型的开发;刘现峰等;《石油炼制与化工》;20020218;第33卷(第2期);第43-47页 *

Also Published As

Publication number Publication date
CN110648729A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
CN110648729B (zh) 一种催化裂化模型建立方法与装置
Becker et al. Comparing hydrocracking models: Continuous lumping vs. single events
Zhang et al. Molecular representation of petroleum vacuum resid
Tian et al. Building and application of delayed coking structure-oriented lumping model
Lappas et al. Feedstock and catalyst effects in fluid catalytic cracking–Comparative yields in bench scale and pilot plant reactors
de Oliveira et al. Molecular reconstruction of petroleum fractions: application to vacuum residues from different origins
CA2802533C (en) Methodology to determine feed quality (di+ring aromatic content) of fcc and hydrocracking feeds
Chen et al. Molecular‐level kinetic modeling of heavy oil fluid catalytic cracking process based on hybrid structural unit and bond‐electron matrix
CN108897982A (zh) 催化裂化动力学模型建立方法及装置
Ferreira et al. Hydrodesulfurization and hydrodemetallization of different origin vacuum residues: Characterization and reactivity
CN111899801B (zh) 一种反应物浓度计算方法、装置、系统及存储介质
Becker et al. A continuous lumping model for hydrocracking on a zeolite catalysts: model development and parameter identification
KR102337378B1 (ko) 메탄가 생성을 위한 시스템 및 방법
Ancheyta-Juarez et al. Estimation of kinetic constants of a five-lump model for fluid catalytic cracking process using simpler sub-models
Browning et al. Distributed lump kinetic modeling for slurry phase vacuum residue hydroconversion
CN111863143A (zh) 一种用于催化裂化动力学模型的参数估值方法及装置
CN109507352A (zh) 一种预测石化生产中任意流股分子组成的方法
Stratiev et al. Intercriteria analysis to diagnose the reasons for increased fouling in a commercial ebullated bed vacuum residue hydrocracker
Ren et al. Molecular reconstruction of naphtha via limited bulk properties: methods and comparisons
Yu et al. Reaction Behaviors of Polycyclic Aromatic Hydrocarbon Molecules in a Diesel Hydro-Upgrading Process Based on the Molecular-Level Reaction Kinetic Model
Jiang et al. Eight-lump reaction kinetic model for the maximizing isoparaffin process for cleaning gasoline and enhancing propylene yield
CN113223625B (zh) 一种催化裂化反应过程建模方法及装置
Liu et al. Multiobjective feature selection approach to quantitative structure property relationship models for predicting the octane number of compounds found in gasoline
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
Deniz et al. Effect of boiling point and density prediction methods on stochastic reconstruction

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