CN111242350A - 一种连续重整装置分馏与抽提优化方法、系统及介质 - Google Patents
一种连续重整装置分馏与抽提优化方法、系统及介质 Download PDFInfo
- Publication number
- CN111242350A CN111242350A CN201911409160.0A CN201911409160A CN111242350A CN 111242350 A CN111242350 A CN 111242350A CN 201911409160 A CN201911409160 A CN 201911409160A CN 111242350 A CN111242350 A CN 111242350A
- Authority
- CN
- China
- Prior art keywords
- data
- continuous reforming
- fractionation
- reforming device
- continuous
- 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.)
- Pending
Links
- 238000002407 reforming Methods 0.000 title claims abstract description 70
- 238000005457 optimization Methods 0.000 title claims abstract description 68
- 238000000605 extraction Methods 0.000 title claims abstract description 49
- 238000005194 fractionation Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000007246 mechanism Effects 0.000 claims abstract description 12
- 230000008901 benefit Effects 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 239000003344 environmental pollutant Substances 0.000 abstract description 6
- 231100000719 pollutant Toxicity 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- CTQNGGLPUBDAKN-UHFFFAOYSA-N O-Xylene Chemical compound CC1=CC=CC=C1C CTQNGGLPUBDAKN-UHFFFAOYSA-N 0.000 description 16
- 239000008096 xylene Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 6
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000001833 catalytic reforming Methods 0.000 description 3
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 3
- 238000002156 mixing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- TVMXDCGIABBOFY-UHFFFAOYSA-N octane Chemical compound CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 description 2
- 238000005504 petroleum refining Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种连续重整装置分馏与抽提优化方法及系统。所述一种连续重整装置分馏与抽提优化方法包括如下步骤：实时收集所述连续重整装置的操作数据以及产品分析数据，并依据所述操作数据以及产品分析数据建立实时数据库系统；对所述实时数据库系统中的实时数据进行建模处理，得到匹配所述连续重整装置工况的建模模型；采用队列竞争算法对所述连续重整装置工况的建模模型进行优化，并形成优化策略。本发明公开的连续重整装置分馏与抽提优化方法及系统通过智能优化算法和机理模型计数确定最佳操作条件，能够在保证安全生产和产品合格的前提下，提高优化效果，省时节力，减少污染物排放且提高经济效益。
Description
技术领域
本发明涉及石油炼制加工领域，特别涉及一种连续重整装置分馏与抽提优化方法、系统及存储介质。
背景技术
催化重整技术是现代炼油工艺中重要的工艺技术之一。通过催化重整工艺可以将低辛烷值的石脑油馏分变为富含芳烃的高辛烷值组分。催化重整作为生产高辛烷值汽油调和组分和芳烃的重要炼油工艺，在世界炼油和化工工业中发挥着越来越重要的作用。
目前国内主要采用LPEC连续重整技术，即四台重整反应器采用两-两重叠式布置，然而，石油炼油过程中的优化主要由离线模型人工计算后传达给装置操作人员，具有严重的滞后性。且当外部条件如原料性质、产品控制质量指标、公用工程等发生变化后，从之前的稳定状态变为再次稳定状态过程时需要操作工人通过经验进行调节。需要较长的时间才能一步步的调整接近目标参数值，且不一定为最优化值。另外，调整后的经济效益指标难以获知，需人工核算，费时费力。
因而现有技术还有待改进和提高。
发明内容
鉴于上述现有技术的不足之处，本发明的目的在于提供一种连续重整装置分馏与抽提优化方法、设备及存储介质，解决现有技术中连续重整装置分馏与抽提中人工优化耗时费力且优化不佳的技术问题。
为了达到上述目的，本发明采取了以下技术方案：
一种连续重整装置分馏与抽提优化方法，包括如下步骤：
实时收集所述连续重整装置的操作数据以及产品分析数据，并依据所述操作数据以及产品分析数据建立实时数据库系统；
对所述实时数据库系统中的实时数据进行建模处理，得到匹配所述连续重整装置工况的建模模型；
采用队列竞争算法对所述连续重整装置工况的建模模型进行优化，并形成优化策略。
一种连续重整装置分馏与抽提优化系统，包括处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如上所述的连续重整装置分馏与抽提优化方法中的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个多个程序可被一个或者多个处理器执行，以实现如上所述的连续重整装置分馏与抽提优化方法中的步骤。
相较于现有技术，本发明提供的连续重整装置分馏与抽提优化方法、设备及存储介质通过智能优化算法和机理模型计数确定最佳操作条件，能够在保证安全生产和产品合格的前提下，提高优化效果，省时节力，且能够提高经济效益，且有效减少能量消耗、污染物排放，提高收率、产量、利润、资源利用率。
附图说明
图1为本发明提供的连续重整装置分馏与抽提优化方法的一较佳实施例的流程图；
图2为图1中步骤S30的一较佳实施例的流程示意图；
图3为二甲苯塔侧线二甲苯含量实际和预期优化值统计图；
图4为抽余油芳烃含量统计图。
具体实施方式
本发明提供一种连续重整装置分馏与抽提优化方法、设备及存储介质，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
请参阅图1，图1为本发明提供的连续重整装置分馏与抽提优化方法的一较佳实施例的流程图。本发明提供的连续重整装置分馏与抽提优化方法的流程图，包括如下步骤：
S10、实时收集所述连续重整装置的操作数据以及产品分析数据，并依据所述操作数据以及产品分析数据建立实时数据库系统。
具体来说，需要对连续重整分馏及抽提装置进行调研分析，了解该装置的工艺流程和日常操作手段，进而收集该装置的操作数据和产品分析数据，一般来说，操作数据是指分布式控制系统数据(DCS)，而产品分析数据是指实验室管理系统数据(LIMS)。
进一步来说，依据所述操作数据以及产品分析数据建立实时数据库系统是指，针对连续重整分馏及抽提装置的DCS系统和相应LIMS系统，采用OPC技术，建立一套数据采集系统和实时数据库系统，以便实时的将DCS和LIMS数据采集到数据库中，供优化系统使用。
作为优选的实施例，此步骤还收集产品质量要求等其他相关数据。
S20、对所述实时数据库系统中的实时数据进行建模处理，得到匹配所述连续重整装置工况的建模模型。
具体来说，针对连续重整分馏及抽提装置，采用自动建模技术，开发一套连续重整分馏及抽提系统自动建模程序，实时为其装置建立匹配装置工况的机理模型，并根据该机理模型得到匹配所述连续重整装置工况的建模模型。
更为具体的，作为优选的实施例，所述对所述实时数据库系统中的实时数据进行建模处理，得到匹配所述连续重整装置工况的建模模型，具体包括：
筛选所述操作数据及产品分析数据中的关键数据，并实时存入到所述数据库系统中，其中，该关键数据可以是流量计数据、温度计数据、压力计数据等，当然，上述关键数据需要通过上述实时数据库中进行读取；
基于所述关键数据，检测所述连续重整装置是否处于稳定状态；
当所述连续重整装置处于稳定状态时，基于匹配度函数建立所述建模模型。一般而言，当所述连续重整装置处于稳定状态时，即表示装置运行较为良好，而当所述连续重整装置处于不稳定状态时，即表示装置可能运行状况有问题。
作为优选的实施例，所述基于所述关键数据，检测所述连续重整装置是否处于稳定状态，具体包括：
检测所述关键数据在设定时间内是否保持在设定方差内，当处于设定方差内，则连续重整装置处于稳定状态，当不处于设定方差内，则连续重整装置处于不稳定状态。具体来说，设定时间优选2-5小时，最佳的设定时间则为3小时，那么检测所述关键数据(一般为各个仪表上的显示数值，如流量计、温度计、压力计)是否处于设定方差(即设定范围内)才能量化该连续重整装置是否处于稳定状态。
作为优选的实施例，当所述连续重整装置处于稳定状态时，基于匹配度函数建立所述建模模型，具体包括：
基于CAPE-OPEN建立所述关键数据的机理模型；
实时筛选并读取所述机理模型中的模型数据，实时采集所述关键数据对应的实际数据；
将所述模型数据与实际数据进行相对差值计算，并分别对所述模型数据与实际数据求取设定权重，并基于匹配度函数得到匹配度值；
选取最佳匹配度值，并将所述最佳匹配度值对应的实际数据写入所述机理模型，得到所述建模模型。
具体的，所述匹配度值是指：
根据所述模型数据与实际数据之间差值建立的匹配度函数；
根据所述匹配度函数得到所述匹配度值；
其中，所述匹配度函数为：
y为匹配度值，S为实际数据，m为模型数据，w为权重系数。
因此，通过对模型数据与实际数据进行匹配对比，从而不断优化确定操作数据及产品分析数据的最佳值，进而为优化提供数据支撑。
S30、采用队列竞争算法对所述连续重整装置工况的建模模型进行优化，并形成优化策略。
一般来说，队列竞争算法是一种全局优化算法，列队竞争算法可解单目标优化问题也可解多目标优化问题，很容易实现并行优化计算。为了进一步说明本步骤S30的具体方法，请参阅图2，图2为图1中步骤S30的一较佳实施例的流程示意图。
S301、选取所述操作数据以及产品分析数据中的任一数据作为参数变量，并产生n个解向量X，组成初始解向量；
具体的，任一数据优选产品价格参数，通过价格参数更加能够显示经济效益，以便技术人员更易经济指标评价。
一般而言，所述产品分析数据包括流量计数据、温度计数据以及压力计数据。
S302、对所述n个解向量代入到所述建模模型进行模拟计算，并对所述模拟计算的结果进行评价，并按照优劣进行降序排列；
S303、根据所述n个解向量在队列中的位置，按一定比例确定其相应的搜索空间；
一般而言，处于第一位的搜索空间最小，处于最末位的搜索空间最大。
S304、令所述n个解向量在其各自的相应搜索空间内进行无性繁殖，产生m个子代解向量；
S305、计算所述各m个子代解向量；
S306、依次比较所述m个子代解向量与相对应的父代解向量的优劣，并保留最优者作为下一轮无性繁殖的父代；
S307、判断上述所有操作数据以及产品分析数据是否达到预设精度，当没有达到预设精度时，则继续返回到S302，当达到预设精度时，则进入S308。换句话说，只要没有达到预设精度，需要不断循环直至所有操作数据以及产品分析数据达到预设精度为止。
一般来说，预设精度可根据产品生产实际情况进行设定，如根据客户的产品需求，或者根据行业内常用标准等。
S308、将达到预设精度时对应的所有操作数据以及产品分析数据作为优化标准，对所述连续重整装置分馏与抽提进行优化。
具体来说，当确定了优化标准，技术人员可以根据实际情况对数据采集、数据校正、实时建模和实时优化。
通过采取了本发明提供的连续重整装置分馏与抽提优化方法后，可使二甲苯塔侧线二甲苯含量降低，根据申请人前期调研得知2019年2月份连续重整分馏及抽提装置二甲苯塔侧线二甲苯含量在13％～21％之间，平均17.2％左右，如表1所示。
表1：2月份二甲苯塔侧线抽出油中二甲苯含量统计
| 分析频次 | 一天一次 |
| 最高含量 | 21.22％ |
| 最低含量 | 13.44％ |
| 平均含量 | 17.2％ |
请再参阅图3，图3为为二甲苯塔侧线二甲苯含量实际和预期优化值统计图。图中可以看出二甲苯含量与指标5％存在较大差距，使二甲苯进入经济效益相对较差的汽油调和组分中。通过比对实际二甲苯含量和优化后的语气苯含量，可以看出优化后二甲苯含量降低至11％上下波动。通过苯含量的下降可以知道通过优化后，可以有效减少能量消耗、污染物排放，提高收率、产量、利润、资源利用率。
通过采取了本发明提供的连续重整装置分馏与抽提优化方法后，可使抽余油中芳烃含量降低，具体可参阅图4，图4是2月2日-26日抽余油芳烃含量统计，可见抽余油芳烃含量在1.5％左右且存在一定波动，通过实时优化方法的实施，预期可使抽余油中芳烃含量控制在0.2％(或要求的指标)以内。
通过上述二甲苯含量和抽余油中芳烃含量的降低，能够减少污染物排放，进而增加减少成本，从而增加利润，进而提供经济效益。
本发明提供的连续重整装置分馏与抽提优化方法通过智能优化算法和机理模型计数确定最佳操作条件，能够在保证安全生产和产品合格的前提下，提高优化效果，省时节力，且能够提高经济效益，且有效减少能量消耗、污染物排放，提高收率、产量、利润、资源利用率。
实施例2
本发明还提供了连续重整装置分馏与抽提优化系统，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的连续重整装置分馏与抽提优化方法。
本实施例提供的连续重整装置分馏与抽提优化系统，用于实现连续重整装置分馏与抽提优化方法，因此，上述连续重整装置分馏与抽提优化方法所具备的技术效果，连续重整装置分馏与抽提优化系统同样具备，在此不再赘述。
实施例3
本发明的实施例3提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1连续重整装置分馏与抽提优化方法。
本实施例提供的计算机存储介质，用于实现连续重整装置分馏与抽提优化方法，因此，上述连续重整装置分馏与抽提优化方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。
综上所述，本发明提供的连续重整装置分馏与抽提优化方法、设备及存储介质中通过智能优化算法和机理模型计数确定最佳操作条件，能够在保证安全生产和产品合格的前提下，提高优化效果，省时节力，且能够提高经济效益，且有效减少能量消耗、污染物排放，提高收率、产量、利润、资源利用率。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种连续重整装置分馏与抽提优化方法，其特征在于，包括如下步骤：
实时收集所述连续重整装置的操作数据以及产品分析数据，并依据所述操作数据以及产品分析数据建立实时数据库系统；
对所述实时数据库系统中的实时数据进行建模处理，得到匹配所述连续重整装置工况的建模模型；
采用队列竞争算法对所述连续重整装置工况的建模模型进行优化，并形成优化策略。
2.根据权利要求1所述的连续重整装置分馏与抽提优化方法，其特征在于，所述对所述实时数据库系统中的实时数据进行建模处理，得到匹配所述连续重整装置工况的建模模型，具体包括：
筛选所述操作数据及产品分析数据中的关键数据，并实时存入到所述数据库系统中；
基于所述关键数据，检测所述连续重整装置是否处于稳定状态；
当所述连续重整装置处于稳定状态时，基于匹配度函数建立所述建模模型。
3.根据权利要求2所述的连续重整装置分馏与抽提优化方法，其特征在于，所述基于所述关键数据，检测所述连续重整装置是否处于稳定状态，具体包括：
检测所述关键数据在设定时间内是否保持在设定方差内，当处于设定方差内，则连续重整装置处于稳定状态，当不处于设定方差内，则连续重整装置处于不稳定状态。
4.根据权利要求2所述的连续重整装置分馏与抽提优化方法，其特征在于，所述当所述连续重整装置处于稳定状态时，基于匹配度函数建立所述建模模型，具体包括：
基于CAPE-OPEN建立所述关键数据的机理模型；
实时筛选并读取所述机理模型中的模型数据，实时采集所述关键数据对应的实际数据；
将所述模型数据与实际数据进行相对差值计算，并分别对所述模型数据与实际数据求取设定权重，并基于匹配度函数得到匹配度值；
选取最佳匹配度值，并将所述最佳匹配度值对应的实际数据写入所述机理模型，得到所述建模模型。
5.根据权利要求4所述的连续重整装置分馏与抽提优化方法，其特征在于，所述匹配度值是指：
根据所述模型数据与实际数据之间差值建立的匹配度函数；
根据所述匹配度函数得到所述匹配度值；
其中，所述匹配度函数为：y＝∑|s-m|*ω，y为匹配度值，S为实际数据，m为模型数据，w为权重系数。
6.根据权利要求1所述的连续重整装置分馏与抽提优化方法，其特征在于，所述采用队列竞争算法对所述连续重整装置工况的建模模型进行优化，并形成优化策略，具体包括：
选取所述操作数据以及产品分析数据中的任一数据作为参数变量，并产生n个解向量X，组成初始解向量；
对所述n个解向量代入到所述建模模型进行模拟计算，并对所述模拟计算的结果进行评价，并按照优劣进行降序排列；
根据所述n个解向量在队列中的位置，按一定比例确定其相应的搜索空间；
令所述n个解向量在其各自的相应搜索空间内进行无性繁殖，产生m个子代解向量；
计算所述各m个子代解向量；
依次比较所述m个子代解向量与相对应的父代解向量的优劣，并保留最优者作为下一轮无性繁殖的父代；
循环进行上述步骤直至所有操作数据以及产品分析数据达到预设精度为止；
将达到预设精度时对应的所有操作数据以及产品分析数据作为优化标准，对所述连续重整装置分馏与抽提进行优化。
7.根据权利要求6所述的连续重整装置分馏与抽提优化方法，其特征在于，所述n个解向量在队列中的位置具体为：
处于第一位的搜索空间最小，处于最末位的搜索空间最大。
8.根据权利要求1-7任一项所述的连续重整装置分馏与抽提优化方法，其特征在于，所述产品分析数据包括流量计数据、温度计数据以及压力计数据。
9.一种连续重整装置分馏与抽提优化系统，其特征在于，包括处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的连续重整装置分馏与抽提优化方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述的连续重整装置分馏与抽提优化方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911409160.0A CN111242350A (zh) | 2019-12-31 | 2019-12-31 | 一种连续重整装置分馏与抽提优化方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911409160.0A CN111242350A (zh) | 2019-12-31 | 2019-12-31 | 一种连续重整装置分馏与抽提优化方法、系统及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111242350A true CN111242350A (zh) | 2020-06-05 |
Family
ID=70875838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911409160.0A Pending CN111242350A (zh) | 2019-12-31 | 2019-12-31 | 一种连续重整装置分馏与抽提优化方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111242350A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113011797A (zh) * | 2021-05-24 | 2021-06-22 | 汉谷云智(武汉)科技有限公司 | 基于小生境列队竞争算法的罐装成品油调度方法及设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106444428A (zh) * | 2016-10-25 | 2017-02-22 | 中国石油化工股份有限公司 | 基于流程模拟软件的常减压装置优化操作系统及方法 |
| CN110187635A (zh) * | 2019-04-10 | 2019-08-30 | 浙江中控软件技术有限公司 | 用于连续重整装置的实时优化方法和设备 |
-
2019
- 2019-12-31 CN CN201911409160.0A patent/CN111242350A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106444428A (zh) * | 2016-10-25 | 2017-02-22 | 中国石油化工股份有限公司 | 基于流程模拟软件的常减压装置优化操作系统及方法 |
| CN110187635A (zh) * | 2019-04-10 | 2019-08-30 | 浙江中控软件技术有限公司 | 用于连续重整装置的实时优化方法和设备 |
Non-Patent Citations (4)
| Title |
|---|
| 代红进等: "催化裂化分离系统多产品方案的多目标优化", 《石油炼制与化工》 * |
| 史彬等: "并行列队竞争算法及应用", 《武汉理工大学学报》 * |
| 张锋等: "流程模拟软件在连续重整装置的应用与优化", 《炼油技术与工程》 * |
| 林子雄等: "基于流程模拟器和列队竞争算法的精馏操作优化", 《化工进展》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113011797A (zh) * | 2021-05-24 | 2021-06-22 | 汉谷云智(武汉)科技有限公司 | 基于小生境列队竞争算法的罐装成品油调度方法及设备 |
| CN113011797B (zh) * | 2021-05-24 | 2021-07-27 | 汉谷云智(武汉)科技有限公司 | 基于小生境列队竞争算法的罐装成品油调度方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023040512A1 (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 | |
| Vega et al. | Integrated design and control of chemical processes–Part I: Revision and classification | |
| CN104765346B (zh) | 一种炼油过程全流程建模方法 | |
| 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 | |
| Wang et al. | A novel multi‐mode data processing method and its application in industrial process monitoring | |
| CN109324014B (zh) | 一种自适应的原油性质近红外快速预测方法 | |
| CN110991495B (zh) | 生产制造过程中产品质量预测方法、系统、介质及设备 | |
| CN111899798B (zh) | 一种原油数据管理方法、系统、装置及存储介质 | |
| CN103941760B (zh) | 成品油的调合方法和装置、数据集成优化控制服务器 | |
| CN111242350A (zh) | 一种连续重整装置分馏与抽提优化方法、系统及介质 | |
| CN109507352A (zh) | 一种预测石化生产中任意流股分子组成的方法 | |
| CN117029968A (zh) | 一种流量数据的诊断方法、系统、存储介质和电子设备 | |
| CN111892939A (zh) | 一种原油蒸馏切割方法、系统、设备及存储介质 | |
| CN111833969B (zh) | 一种成品油辛烷值预测方法、设备及存储介质 | |
| EP4154203A1 (en) | Feedstock processing corrosion management | |
| CN111829978A (zh) | 一种利用近红外光谱由已有原油调和目标原油的方法 | |
| CN109580918B (zh) | 一种用于预测石脑油的分子组成的方法 | |
| CN114781250A (zh) | 一种基于机器学习的多因素影响环境疲劳寿命预测方法 | |
| CN114496101A (zh) | 一种工业催化裂化装置的性能评估方法及系统 | |
| CN116432795A (zh) | 润滑油生产加工信息确定方法、装置、设备及存储介质和应用 | |
| CN116449691A (zh) | 原料油加工控制方法和装置 | |
| CN111428199A (zh) | 一种基于fam-svm的配电网线损的计算方法 | |
| CN112420132A (zh) | 一种汽油催化裂化过程产品质量优化控制方法 | |
| CN113139155B (zh) | 一种大范围原油调合选择优化方法 | |
| US11994839B2 (en) | Optimization system of manufacturing process and method thereof |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |