CN111899813B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111899813B CN111899813B CN202010533873.4A CN202010533873A CN111899813B CN 111899813 B CN111899813 B CN 111899813B CN 202010533873 A CN202010533873 A CN 202010533873A CN 111899813 B CN111899813 B CN 111899813B
- Authority
- CN
- China
- Prior art keywords
- predicted
- single molecule
- product
- group
- boiling point
- 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
Links
- 238000005984 hydrogenation reaction Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims abstract description 268
- 230000000704 physical effect Effects 0.000 claims abstract description 259
- 239000002994 raw material Substances 0.000 claims abstract description 87
- 239000000047 product Substances 0.000 claims description 283
- 238000009835 boiling Methods 0.000 claims description 229
- 238000004364 calculation method Methods 0.000 claims description 119
- 239000000203 mixture Substances 0.000 claims description 113
- FCEHBMOGCRZNNI-UHFFFAOYSA-N 1-benzothiophene Chemical compound C1=CC=C2SC=CC2=C1 FCEHBMOGCRZNNI-UHFFFAOYSA-N 0.000 claims description 58
- YTPLMLYBLZKORZ-UHFFFAOYSA-N Thiophene Chemical compound C=1C=CSC=1 YTPLMLYBLZKORZ-UHFFFAOYSA-N 0.000 claims description 58
- IYYZUPMFVPLQIF-UHFFFAOYSA-N dibenzothiophene Chemical compound C1=CC=C2C3=CC=CC=C3SC2=C1 IYYZUPMFVPLQIF-UHFFFAOYSA-N 0.000 claims description 58
- 238000012545 processing Methods 0.000 claims description 48
- 238000004821 distillation Methods 0.000 claims description 40
- 230000001186 cumulative effect Effects 0.000 claims description 39
- 150000003568 thioethers Chemical class 0.000 claims description 29
- 229930192474 thiophene Natural products 0.000 claims description 29
- 150000003573 thiols Chemical class 0.000 claims description 18
- 239000013067 intermediate product Substances 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 230000035484 reaction time Effects 0.000 claims description 13
- LSDPWZHWYPCBBB-UHFFFAOYSA-N Methanethiol Chemical compound SC LSDPWZHWYPCBBB-UHFFFAOYSA-N 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 229910052717 sulfur Inorganic materials 0.000 claims description 9
- 239000007789 gas Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 125000004429 atom Chemical group 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 125000004435 hydrogen atom Chemical group [H]* 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000012512 characterization method Methods 0.000 description 11
- 238000004817 gas chromatography Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000003054 catalyst Substances 0.000 description 6
- 238000004949 mass spectrometry Methods 0.000 description 6
- 239000003208 petroleum Substances 0.000 description 6
- 150000001336 alkenes Chemical class 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 125000003118 aryl group Chemical group 0.000 description 4
- 239000010779 crude oil Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004252 FT/ICR mass spectrometry Methods 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 238000001069 Raman spectroscopy Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000005686 electrostatic field Effects 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000001269 time-of-flight mass spectrometry Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 150000001263 acyl chlorides Chemical class 0.000 description 2
- 150000001299 aldehydes Chemical class 0.000 description 2
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 150000001345 alkine derivatives Chemical class 0.000 description 2
- 150000001408 amides Chemical class 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000009903 catalytic hydrogenation reaction Methods 0.000 description 2
- 238000001833 catalytic reforming Methods 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 150000001924 cycloalkanes Chemical class 0.000 description 2
- 150000001925 cycloalkenes Chemical class 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000002283 diesel fuel Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 150000002148 esters Chemical class 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 125000005842 heteroatom Chemical group 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 150000002576 ketones Chemical class 0.000 description 2
- 150000002825 nitriles Chemical class 0.000 description 2
- 125000000449 nitro group Chemical group [O-][N+](*)=O 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 125000001997 phenyl group Chemical class [H]C1=C([H])C([H])=C(*)C([H])=C1[H] 0.000 description 2
- 239000011342 resin composition Substances 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000010517 secondary reaction Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004523 catalytic cracking Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000006317 isomerization reaction Methods 0.000 description 1
- 239000003350 kerosene Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- TVMXDCGIABBOFY-UHFFFAOYSA-N octane Chemical compound CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 description 1
- JRZJOMJEPLMPRA-UHFFFAOYSA-N olefin Natural products CCCCCCCC=C JRZJOMJEPLMPRA-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 239000012429 reaction media Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G16C20/30—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
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- 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
-
- 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
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- 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
- G16C20/70—Machine learning, data mining or chemometrics
-
- 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)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Analytical Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Abstract
本发明涉及一种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。该优化方法通过获取产物预测模型的预测产物中每种单分子的预测含量和预测产物的预测物性，并结合柴油加氢原料中每种单分子的单分子含量得到的实际产物中每种单分子的实际含量和实际产物的实际物性，根据预测含量、实际含量、预测物性和实际物性计算偏差值，根据偏差值确认是否需要对产物预测模型进行调整，并最终完成对产物预测模型的优化，通过产物预测模型预测柴油加氢装置在不同反应条件下的目标产物的产量，在分子层面实现对柴油加氢装置的产物预测，使得生产工艺可以进行仿真优化，提高生产效益。
Description
技术领域
本发明涉及石油加工技术领域，尤其涉及一种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。
背景技术
柴油加氢是一种石化工业中的工艺，即石油炼制过程中在较高的压力和温度下，氢气经催化剂作用使重质油发生加氢、裂化和异构化反应，转化为轻质油(汽油、煤油、柴油或催化裂化、裂解制烯烃的原料)的加工过程。
但是，石油加工装置的种类多种多样，在面对复杂多变的原料时，通常难以确定原料在每种石油加工装置中的反应过程，更无法确定每种石油加工装置的产物信息，这样就无法预先确定产物的成分，难以估量产物的价值。在面对复杂多变的原料时，难以准确反映柴油加氢过程的反应机理，无法确定柴油加氢后的产物。
发明内容
为了解决现有技术存在的问题，本发明的至少一个实施例提供了一种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。
第一方面，本发明实施例提供了一种柴油加氢装置的产物预测模型优化方法，所述优化方法包括：
获取柴油加氢原料中每种单分子的单分子含量；
获取所述柴油加氢原料发生反应的反应时长；
基于预先建立的产物预测模型，根据所述柴油加氢原料中每种单分子的所述单分子含量和所述反应时长得到预测产物中每种单分子的预测含量；
计算所述预测产物中每种单分子的单分子物性，并根据所述预测产物中每种单分子的单分子物性，得到所述预测产物的预测物性；
获取实际产物中每种单分子的实际含量和实际产物的实际物性；
根据所述预测含量和实际含量计算第一偏差值，根据所述预测物性和实际物性计算第二偏差值，并对所述第一偏差值和第二偏差值求和得到累计偏差值；
若所述累计偏差值大于第一预设偏差值，调整所述产物预测模型中的模型参数，重新根据所述产物预测模型得到预测产物中每种单分子的预测含量，直至所述累计偏差值小于或等于第一预设偏差值；
若所述累计偏差值小于或等于第一预设偏差值，完成对所述产物预测模型的优化。
基于上述技术方案，本发明实施例还可以做出如下改进。
结合第一方面，在第一方面的第一种实施例，建立所述产物预测模型包括如下步骤：
获取柴油加氢原料的原料分子组成；
按预设置的反应规则集合对所述原料分子组成进行处理，得到所述原料分子组成中每种单分子对应的反应路径；
分别计算每条反应路径对应的反应路径速率；
根据所述反应路径和每条反应路径对应的反应路径速率建立所述产物预测模型。
结合第一方面的第一种实施例，在第一方面的第二种实施例，所述分别计算每条反应路径对应的反应路径速率之前，所述优化方法还包括：
根据所述原料分子组成中每种单分子对应的反应路径，得到装置产物的第一分子组成；装置产物包含所述柴油加氢原料、中间产物以及预测产物；
获取柴油加氢装置的实际产物的第二分子组成，根据所述第二分子组成与所述第一分子组成，得到第三相对偏差；
若所述第三相对偏差符合预设条件，则执行所述分别计算每条反应路径对应的反应路径速率的步骤；
若所述第三相对偏差不符合预设条件，则调整所述反应规则集合中的反应规则，根据调整后的反应规则集合对所述原料分子组成进行处理，重新得到每种单分子对应的反应路径，直至所述第一分子组成与所述第二分子组成的第三相对偏差符合预设条件。
结合第一方面的第二种实施例，在第一方面的第三种实施例，所述根据第二分子组成与第一分子组成，得到第三相对偏差包括：
获取所述第二分子组成中单分子的种类构成第二集合；
获取所述第一分子组成中单分子的种类构成第一集合；
判断所述第二集合是否是第一集合的子集；
若所述第二集合不是第一集合的子集，获取预存储的不符合预设条件的相对偏差值作为所述第三相对偏差值；
若所述第二集合是所述第一集合的子集，通过下述方式计算第三相对偏差：根据所述预测产物的分子组成中的单分子不在所述第二集合中的部分的种类数量在所述预测产物的分子组成中的单分子的种类总数量中的占比确定所述第三相对偏差；
例如，通过如下计算公式计算第三相对偏差：
x1为所述第三相对偏差，M为所述第一集合，M1为所述柴油加氢原料的分子组成中单分子的种类组成的集合，M2为所述中间产物的分子组成中单分子的种类组成的集合，M3为所述第二集合，card表示集合中元素的个数。
结合第一方面的第二种实施例，在第一方面的第五种实施例，所述分别计算每条反应路径对应的反应路径速率，包括：根据过渡态理论计算方法计算每条反应路径对应的反应路径速率常数；
例如，根据如下计算公式计算每条反应路径对应的反应路径速率常数：
其中，k为所述反应路径速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，ku为同系物之间结构差异对反应速率的影响因子，f为装置因子；
根据所述反应路径速率常数得到相应反应路径的反应路径速率。
结合第一方面，在第一方面的第五种实施例，所述根据所述预测含量和所述实际含量计算第一偏差值，根据所述预测物性和实际物性计算第二偏差值，并对所述第一偏差值和第二偏差值求和得到累计偏差值，包括：
根据所述预测产物中每种分子的预测含量得到硫醇的预测含量、硫醚的预测含量、噻吩的预测含量、苯并噻吩的预测含量和二苯并噻吩的预测含量；
根据所述实际产物中每种分子的实际含量得到硫醇的实际含量、硫醚的实际含量、噻吩的实际含量、苯并噻吩的实际含量和二苯并噻吩的实际含量；
根据所述预测物性得到各个预测累计收率的馏程沸点值；
根据所述实际物性得到各个实际累计收率的馏程沸点值；
根据如下方法得到所述累计偏差值：
分别获取硫醇、硫醚、噻吩、苯并噻吩、二苯并噻吩预测含量的相对误差，并分别获取各预测累计收率的馏程沸点值的相对误差；
根据各相对误差的平方和确定所述累计偏差值；
例如，根据如下计算公式计算得到所述累计偏差值：
其中，RMS为所述累计偏差值，Die为实际累计收率为i时的馏程沸点值，Dic为实际累计收率为i时的馏程沸点值，SSHc为硫醇的预测含量，SSHe为硫醇的实际含量，SRSRc为硫醚的预测含量，SRSRe为硫醚的实际含量，STSc为噻吩的预测含量，STSe为噻吩的实际含量，SBTSc为苯并噻吩的预测含量，SBTSe为苯并噻吩的实际含量，S2BTSc为二苯并噻吩的预测含量，S2BTSe为二苯并噻吩的实际含量。
结合第一方面，在第一方面的第六种实施例，所述计算所述预测产物中每种单分子的单分子物性，并根据所述预测产物中每种单分子的单分子物性，得到所述预测产物的预测物性，包括：
计算所述预测产物中每种单分子的沸点值，并根据所述预测产物中每种单分子的预测含量和沸点值，得到所述预测产物进行蒸馏时的第一馏程沸点；
所述根据所述预测物性和实际物性计算第二偏差值，包括：
根据所述第一馏程沸点和实际产物进行蒸馏时的第二馏程沸点，计算所述第二偏差值。
结合第一方面的第六种实施例，在第一方面的第七种实施例，所述计算所述预测产物中每种单分子的沸点值，包括：
针对每种所述单分子，获取构成所述单分子的每种基团的基团数量，以及获取每种所述基团对沸点的贡献值；
将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点。
结合第一方面的第七种实施例，在第一方面的第八种实施例，所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型之前，所述计算方法还包括：
将构成所述单分子的每种基团的基团数量与数据库中预存储的已知沸点的模板单分子的分子信息进行比对；所述分子信息包括：构成所述模板单分子的每种基团的基团数量；
判断是否存在与所述单分子相同的所述模板单分子；
若存在与所述单分子相同的所述模板单分子，输出所述模板单分子的沸点作为所述单分子的沸点；
若不存在与所述单分子相同的所述模板单分子，则进行所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型的步骤。
结合第一方面的第八种实施例，在第一方面的第九种实施例，训练所述物性计算模型的步骤，包括：
构建单分子的物性计算模型；
获取构成样本单分子的每种基团的基团数量；所述样本单分子的沸点已知；
将所述样本单分子包含的每种基团的基团数量输入所述物性计算模型；
获取所述物性计算模型输出的所述样本单分子的预测沸点；
如果所述预测沸点与已知的所述沸点之间的偏差值小于第二预设偏差阈值，则判定所述沸点计算模型收敛，在已收敛的所述沸点计算模型中获取每种基团对应的贡献值，并存储为所述基团对所述沸点的贡献值；
如果所述预测沸点与已知的所述沸点之间的偏差值大于等于所述第二预设偏差阈值，则调整所述沸点计算模型中每种基团对应的贡献值，直到所述物性计算模型收敛为止。
结合第一方面的第九种实施例，在第一方面的第十种实施例，所述构建单分子的物性计算模型，包括：
建立如下所示物性计算模型：
其中，f为所述单分子的沸点，ni为第i种基团的基团数量，Δfi为第i种基团对所述沸点的贡献值，a为关联常数。
结合第一方面的第九种实施例，在第一方面的第十一种实施例，所述获取构成样本单分子的每种基团的基团数量，包括：
在所述样本单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；
将构成单分子的所有基团作为一级基团；
将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
结合第一方面的第十一种实施例，在第一方面的第十二种实施例，
建立如下所示物性计算模型：
其中，f为所述样本单分子的物性，m1i为一级基团中第i种基团的基团数量，Δf1i为一级基团中第i种基团对物性的贡献值，m2j为二级基团中第j种基团的基团数量，Δf2j为二级基团中第j种基团对物性的贡献值；mNl为N级基团中第l种基团的基团数量，ΔfNl为N级基团中第l种基团对物性的贡献值；a为关联常数；N为大于或等于2的正整数。
结合第一方面的第七或第八种实施例，在第一方面的第十三种实施例，所述获取构成所述单分子的每种基团的基团数量，包括：
在所述单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；
将构成单分子的所有基团作为一级基团；
将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
结合第一方面的第十三种实施例，在第一方面的第十四种实施例，
所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点，包括：
根据如下物性计算模型计算所述单分子的沸点：
其中，T为所述单分子的沸点，SOL为根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，GROUP11为根据一级基团对所述沸点的贡献值转化得到的第一贡献值向量，GROUP12为根据二级基团对所述沸点的贡献值转化得到的第二贡献值向量，GROUP1N为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；所述N为大于或等于2的正整数。
结合第一方面的第十四种实施例，在第一方面的第十五种实施例，所述优化方法还包括：
所述根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，包括：
将所有基团的种类的数量作为所述单分子向量的维数；
将每种基团的基团数量作为所述单分子向量中对应维度的元素值；
所述根据一级基团的贡献值转化得到的第一贡献值向量，包括：
将一级基团的种类的数量作为所述第一贡献值向量的维数；
将每种所述一级基团对沸点的贡献值作为所述第一贡献值向量中对应维度的元素值；
所述根据二级基团的贡献值转化得到的第二贡献值向量，包括：
将二级基团的种类的数量作为所述第二贡献值向量的维数；
将每种所述二级基团对沸点的贡献值作为所述第二贡献值向量中对应维度的元素值；
所述根据N级基团的贡献值转化得到的第N贡献值向量，包括：
将N级基团的种类的数量作为所述第N贡献值向量的维数；
将每种所述N级基团对沸点的贡献值作为所述第N贡献值向量中对应维度的元素值。
第二方面，本发明实施例提供了一种柴油加氢装置的产物预测模型优化系统，所述系统包括：
第一获取单元，用于获取柴油加氢原料中每种单分子的单分子含量；
第二获取单元，用于获取所述柴油加氢原料发生反应的反应时长；
第一处理单元，用于基于预先建立的产物预测模型，根据所述柴油加氢原料中每种单分子的所述单分子含量和所述反应时长得到预测产物中每种单分子的预测含量；
第二处理单元，用于计算所述预测产物中每种单分子的单分子物性，并根据所述预测产物中每种单分子的单分子物性，得到所述预测产物的预测物性；
第三处理单元，用于根据所述预测含量和实际含量计算第一偏差值，根据所述预测物性和实际物性计算第二偏差值，并对所述第一偏差值和第二偏差值求和得到累计偏差值；
第四处理单元，用于若所述累计偏差值大于第一预设偏差值，调整所述产物预测模型中的模型参数，重新根据所述产物预测模型得到预测产物中每种单分子的预测含量，直至所述累计偏差值小于或等于第一预设偏差值；若所述累计偏差值小于或等于第一预设偏差值，完成对所述产物预测模型的优化。
结合第二方面，在第二方面的第一种实施例中，所述优化系统包括：模型建立单元，用于获取柴油加氢原料的原料分子组成；按预设置的反应规则集合对所述原料分子组成进行处理，得到所述原料分子组成中每种单分子对应的反应路径；分别计算每条反应路径对应的反应路径速率；根据所述反应路径和每条反应路径对应的反应路径速率建立所述产物预测模型。
结合第二方面，在第二方面的第二种实施例中，所述第三处理单元，具体用于根据所述预测产物中每种分子的预测含量得到硫醇的预测含量、硫醚的预测含量、噻吩的预测含量、苯并噻吩的预测含量和二苯并噻吩的预测含量；根据所述实际产物中每种分子的实际含量得到硫醇的实际含量、硫醚的实际含量、噻吩的实际含量、苯并噻吩的实际含量和二苯并噻吩的实际含量；根据所述预测物性得到各个预测累计收率的馏程沸点值；根据所述实际物性得到各个实际累计收率的馏程沸点值；
根据如下计算公式计算得到所述累计偏差值：
其中，RMS为所述累计偏差值，Die为实际累计收率为i时的馏程沸点值，Dic为实际累计收率为i时的馏程沸点值，SSHc为硫醇的预测含量，SSHe为硫醇的实际含量，SRSRc为硫醚的预测含量，SRSRe为硫醚的实际含量，STSc为噻吩的预测含量，STSe为噻吩的实际含量，SBTSc为苯并噻吩的预测含量，SBTSe为苯并噻吩的实际含量，S2BTSc为二苯并噻吩的预测含量，S2BTSe为二苯并噻吩的实际含量。
结合第二方面，在第二方面的第三种实施例中，所述第二处理单元，具体用于计算所述预测产物中每种单分子的沸点值，并根据所述预测产物中每种单分子的预测含量和沸点值，得到所述预测产物进行蒸馏时的第一馏程沸点；
所述第三处理单元，具体用于根据所述第一馏程沸点和实际产物进行蒸馏时的第二馏程沸点，计算所述第二偏差值。
第三方面，本发明实施例提供了一种柴油加氢装置的产物预测模型优化设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面任一实施例所述的产物预测模型优化方法。
第四方面，本发明实施例提供了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，所述一个或者多个程序可被一个或者多个处理器执行，以实现第一方面中任一实施例所述的产物预测模型优化方法。
本发明的上述技术方案与现有技术相比具有如下优点：本发明实施例通过获取产物预测模型的预测产物中每种单分子的预测含量和预测产物的预测物性，并结合柴油加氢原料中每种单分子的单分子含量得到的实际产物中每种单分子的实际含量和实际产物的实际物性，根据预测含量、实际含量、预测物性和实际物性计算偏差值，根据偏差值确认是否需要对产物预测模型进行调整，并最终完成对产物预测模型的优化，通过产物预测模型预测柴油加氢装置在不同反应条件下的目标产物的产量，在分子层面实现对柴油加氢装置的产物预测，使得生产工艺可以进行仿真优化，提高生产效益。
附图说明
图1是本发明实施例提供的一种柴油加氢装置的产物预测模型优化方法流程示意图；
图2是本发明另一实施例提供的一种柴油加氢装置的产物预测模型优化方法流程示意图；
图3是本发明又一实施例提供的一种柴油加氢装置的产物预测模型优化方法流程示意图其一；
图4是本发明又一实施例提供的一种柴油加氢装置的产物预测模型优化方法流程示意图其二；
图5是本发明又一实施例提供的一种柴油加氢装置的产物预测模型优化方法流程示意图其三；
图6是本发明又一实施例提供的一种柴油加氢装置的产物预测模型优化方法流程示意图其四；
图7是本发明又一实施例提供的一种柴油加氢装置的产物预测模型优化方法流程示意图其五；
图8是本发明又一实施例提供的一种柴油加氢装置的产物预测模型优化系统结构示意图；
图9是本发明又一实施例提供的一种柴油加氢装置的产物预测模型优化设备结构示意图。
图10是本发明又一实施例提供的一种柴油加氢装置的产物预测模型优化设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供的一种柴油加氢装置的产物预测模型优化方法。参照图1所示，优化方法包括：
S11、获取柴油加氢原料中每种单分子的单分子含量。
在本实施例中，柴油加氢原料是原油处理过程中的原油进行蒸馏切割后得到的油品产物，几乎所有的不饱和基团都可以直接加氢成为饱和基团，其从易到难的顺序大致为：酰氯、硝基、炔、醛、烯、酮、腈、多核芳香环、酯和取代酰胺、苯环。各种不饱和基团对于催化氢化的活性次序与催化剂的品种和反应条件有关。可以通过全二维气相色谱法、四级杆气相色谱-质谱仪检测法、气相色谱/场电离-飞行时间质谱检测法、气相色谱法、近红外光谱法、核磁共振波谱法、拉曼光谱法、傅立叶变换离子回旋共振质谱法、静电场轨道阱质谱法和离子淌度质谱法中的一种或多种，确定柴油加氢原料的分子组成。当然，还可以通过其他方式来确定混合物的分子组成，例如：通过ASTM D2425、SH/T 0606和/或ASTM D8144-18的方式确定混合物的分子组成。在确定柴油加氢原料中的分子组成后，分别确定每种单分子的单分子含量。
S12、获取柴油加氢原料发生反应的反应时长。
在本实施例中，柴油加氢原料发生反应的反应时长，即柴油加氢原料在柴油加氢装置中与催化剂接触的时间，在本步骤中，可以通过获取柴油加氢原料在柴油加氢装置中停留的时长作为柴油加氢原料发生反应的反应时长。
S13、基于预先建立的产物预测模型，根据柴油加氢原料中每种单分子的单分子含量和反应时长得到预测产物中每种单分子的预测含量。
在本实施例中，通过产物预测模型，结合柴油加氢原料中的每种单分子的分子含量和柴油加氢原料发生反应的反应时长，得到发生反应后各个单分子生成的预测产物中每种单分子的含量。
S14、计算预测产物中每种单分子的单分子物性，并根据预测产物中每种单分子的单分子物性，得到预测产物的预测物性。
在本实施例中，针对单分子物性，包括但不限于：密度、沸点、密度、辛烷值。例如：单分子的物性还可以包括：粘度、溶解度参数、十六烷值、不饱和度等。
在本实施例中，可通过基于结构导向集总的分子表征方法，确定每种单分子包含的基团；分别在每个单分子中，确定该单分子的每种基团的基团数量以及在该单分子中每种基团对物性的贡献值。由于单分子的物性的数量为多个，需要确定该单分子中每种基团分别对每种物性的贡献值。
将构成单分子的每种基团的基团数量以及每种基团对物性的贡献值，计算得到单分子物性，然后根据各个单分子的单分子物性计算得到预测产物的预测物性。
S15、获取实际产物中每种单分子的实际含量和实际产物的实际物性。
基于该柴油加氢原料进行生产，得到实际生产过程中的产物的实际含量和实际产物的物性。
S16、根据预测含量和实际含量计算第一偏差值，根据预测物性和实际物性计算第二偏差值，并对第一偏差值和第二偏差值求和得到累计偏差值。
在本实施例中，根据预测含量和实际含量计算第一偏差值，计算第一偏差值可以是：相对偏差值＝(实际含量-预测含量)/实际含量，其中针对每种单分子，均可计算出一个相对偏差值，将相对偏差值进行累加得到第一偏差值，根据预测物性和实际物性计算第二偏差值，可以根据每种物性分别计算一个相对偏差值，而后将每种物性的相对偏差值计算得到第二偏差值，将第一偏差值和第二偏差值之和作为累计偏差值。
S17、若累计偏差值大于第一预设偏差值，调整产物预测模型中的模型参数，重新根据产物预测模型得到预测产物中每种单分子的预测含量，直至累计偏差值小于或等于第一预设偏差值。
在本实施例中，调整产物预测模型中的模型参数包括：调整产物预测模型中的反应路径和每条反应路径的反应速率，当累计偏差值大于第一预设偏差值时，说明产物预测模型预测的产物含量和预测产物中每种单分子的物性错误，通过调整产物预测模型，实现对产物预测模型的优化。保证训练后的产物预测模型的预测结果与实际结果的相对偏差值低于第一预设偏差值。
在本实施例中，若累计偏差值小于或等于第一预设偏差值，完成对产物预测模型的优化，当累计偏差值小于或等于第一预设偏差值，则说明此时的产物预测模型的预测结果与实际结果相符合，或者说明预测结果与实际结果的偏差小于预设阈值。
下面对建立产物预测模型的步骤进行进一步的描述。如图2所示，为根据本发明一实施例的建立产物预测模型的步骤流程图。
S21、获取柴油加氢原料的原料分子组成。
在本实施例中，柴油加氢原料是原油处理过程中的原油进行蒸馏切割后得到的油品产物，几乎所有的不饱和基团都可以直接加氢成为饱和基团，其从易到难的顺序大致为：酰氯、硝基、炔、醛、烯、酮、腈、多核芳香环、酯和取代酰胺、苯环。各种不饱和基团对于催化氢化的活性次序与催化剂的品种和反应条件有关。可以通过全二维气相色谱法、四级杆气相色谱-质谱仪检测法、气相色谱/场电离-飞行时间质谱检测法、气相色谱法、近红外光谱法、核磁共振波谱法、拉曼光谱法、傅立叶变换离子回旋共振质谱法、静电场轨道阱质谱法和离子淌度质谱法中的一种或多种，确定柴油加氢原料的分子组成。当然，还可以通过其他方式来确定混合物的分子组成，例如：通过ASTM D2425、SH/T 0606和/或ASTM D8144-18的方式确定混合物的分子组成。
在本实施例中，原料中的分子组成较复杂，为提高数据的处理效率，可以在通过上述方法检测到原料中的分子后，基于结构导向集总分子表征方法构建单分子，结构导向集总分子表征方法，就是SOL分子表征方法，该方法利用24个结构增量片段表征复杂烃类分子的基础结构。任何一个石油分子都能够用一组特定的结构增量片段来表述。SOL方法属于分子尺度上的集总，将实际体系中的分子数由上百万个减少到几千，大大降低了模拟的复杂性。该表征方法不仅可以表示烷烃、环烷烃，一直到包含50-60个碳原子的复杂芳烃结构，还可表示作为中间产物或二次反应产物的烯烃或环烯烃，另外还考虑了含硫、氮、氧等杂原子化合物。
S22、按预设置的反应规则集合对原料分子组成进行处理，得到原料分子组成中每种单分子对应的反应路径。
在本实施例中，将柴油加氢原料中的每种原料分子按照反应规则集合中的反应规则进行反应，得到每种分子对应的反应路径，其中，每种分子在进行第一次反应生成中间产物后，该中间产物的分子结构可能满足另一条反应规则，则该中间产物会继续进行后续反应，直至该分子不符合反应规则集合中的任一反应规则，则该分子进行反应的最终产物，这些反应的汇总就是该分子的反应路径。
S23、分别计算每条反应路径对应的反应路径速率。
具体的，根据反应速率算法中的反应速率常数，计算每条反应路径的反应速率。
根据如下计算公式计算每条反应路径对应的反应速率常数：
其中，k为反应路径速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，ku为同系物之间结构差异对反应速率的影响因子，f为装置因子。
在本实施例中，上式中的k称为反应速率常数又称速率常数k或λ是化学反应速率的量化表示方式，其物理意义使其数值相当于参加反应的物质都处于单位浓度(1mol/L)时的反应速率，故又称为反应的比速率，不同反应有不同的速率常数，速率常数与反应温度、反应介质(溶剂)、催化剂等有关，甚至会随反应器的形状、性质而异。与浓度无关，但受温度、催化剂、固体表面性质等因素的影响。本实施例中，计算得到反应速率常数后，根据该分子的浓度即可得到该分子的实时反应速率，比如，单位浓度下的该分子的反应速率为k，则确认浓度V后，该分子对应该反应路径的反应速率为Vk，由此计算得到反应速率。
S24、根据反应路径和每条反应路径对应的反应路径速率建立产物预测模型。
在本实施例中，结合上述步骤得到的反应路径和每条反应路径对应的反应速率即可建立催化重整装置的产物预测模型，通过产物预测模型，输入原料产物的分子组成之后，就可以得到产物的分子组成和相应的浓度。
如图3所示，在一个具体的实施例中，分别计算每条反应路径对应的反应速率之前，分别计算每条反应路径对应的反应路径速率之前，优化方法还包括如下步骤：
S31、根据柴油加氢原料的分子组成中每种分子对应的反应路径，得到装置产物的第一分子组成；装置产物包含柴油加氢原料、中间产物以及预测产物。
S32、获取柴油加氢装置的实际产物的第二分子组成，根据第二分子组成与第一分子组成，得到第三相对偏差。
具体的，获取第二分子组成中单分子的种类，构建第二集合；获取第一分子组成中单分子的种类，构建第一集合；判断第二集合是否是第一集合的子集；若第二集合不是第一集合的子集，获取预存储的不符合预设条件的相对偏差值作为第三相对偏差值；若第二集合是第一集合的子集，通过如下计算公式计算第三相对偏差：
其中，x1为第三相对偏差，M为第一集合，M1为催化重整原料的分子组成中单分子的种类组成的集合，M2为中间产物的分子组成中单分子的种类组成的集合，N为第二集合，card表示集合中元素的个数。
预设条件，包括：相对偏差范围。该相对偏差范围的两个端点值为经验值或者实验获得的值。
S33a、若第三相对偏差符合预设条件，则执行分别计算每条反应路径对应的反应路径速率的步骤。
在本实施例中，当第一相对偏差值符合预设条件，即反应规则集合成立，对应生成的反应路径符合预设条件，无需调整该反应规则集合。
S33b、若第三相对偏差不符合预设条件，则调整反应规则集合中的反应规则，根据调整后的反应规则集合对原料分子组成进行处理，重新得到每种单分子对应的反应路径，直至第一分子组成与第二分子组成的第三相对偏差符合预设条件。
调整反应规则集合中的反应规则，即对单分子所满足的反应规则进行调整，使得单分子符合不同的反应规则进行反应。直至第一分子组成和第二分子组成的第三相对偏差符合预设条件，其中，预设条件可以是相对偏差阈值区间，当第三相对偏差符合相对偏差阈值区间时，第三相对偏差符合预设条件。
如图4所示，在一个具体的实施例中，根据反应路径和每条反应路径对应的反应速率建立产物预测模型之前，优化方法还包括如下步骤：
S41、获取柴油加氢原料中每种单分子的单分子含量。
S42、根据单分子含量和产物预测模型，得到预测产物中每种单分子的预测含量。
在本实施例中，通过产物预测模型中的反应速率计算方法计算得到每条反应路径对应的反应速率，结合原料中每种单分子的单分子含量，即可计算得到预测产物中每种单分子的预测含量，比如，原料中的单分子A，假设该单分子A对应了有3条反应路径，已知3条反应路径对应的反应速率，随着反应的进行，单分子A的浓度降低，3条反应路径对应的反应速率会按浓度的下降比例而降低，所以单分子A会以3条路径的反应速率的比例生成生成物，按上述步骤，即可得到每种分子进行反应得到的生成物，并得到预测产物，在知晓柴油加氢原料中每种单分子的单分子含量时，即可得到预测产物中每种单分子的含量。
S43、获取柴油加氢装置的实际产物中每种单分子的实际含量。
S44、根据预测产物中每种单分子的预测含量和实际产物中每种单分子的实际含量，计算第二相对偏差。
计算第二相对偏差例如是：
第二相对偏差＝(实际含量-预测含量)/实际含量。
S45、若第二相对偏差不符合预设条件，则调整产物预测模型中每条反应路径对应的反应速率，根据产物预测模型得到新的预测产物；直至每种单分子的预测含量和每种单分子的实际含量的第二相对偏差符合预设条件。
在本实施例中，若第二相对偏差符合预设条件，则根据反应路径和每条反应路径对应的反应速率建立产物预测模型。
其中，调整产物预测模型中每条反应路径对应的反应速率具体包括：通过调整产物预测模型中每条反应路径对应的反应速率计算方法中的反应速率常数计算公式中的参数。通过反馈调整保证产物预测模型中的反应速率计算方法的准确性。
在一个具体的实施例中，根据预测含量和实际含量计算第一偏差值，根据预测物性和实际物性计算第二偏差值，并对第一偏差值和第二偏差值求和得到累计偏差值，具体包括以下步骤：
根据预测产物中每种分子的预测含量得到硫醇的预测含量、硫醚的预测含量、噻吩的预测含量、苯并噻吩的预测含量和二苯并噻吩的预测含量。
在本实施例中，上述物质的预测含量，即预测产物中的会对环境造成污染的物质的预测含量。
根据实际产物中每种分子的实际含量得到硫醇的实际含量、硫醚的实际含量、噻吩的实际含量、苯并噻吩的实际含量和二苯并噻吩的实际含量。
同理，在本实施例中，得到实际产物中的会对环境造成污染的实际含量。
根据预测物性得到各个预测累计收率的馏程沸点值。
在本实施例中，根据预测产物的物性，或者说是预测产物中每种分子的沸点和含量，确定该预测产物在进行后续蒸馏分割过程中的预测累计收率下的馏程沸点值，比如，预测产物在10％的累计收率下的馏程沸点值为100℃，℃为温度单元，在20％的累计收率下的馏程沸点值为150℃，直至95％的累计收率下的馏程沸点值。
根据实际物性得到各个实际累计收率的馏程沸点值。
同理，得到实际产物进行蒸馏分割时，不同实际累计收率下的馏程沸点值，若预测的馏程沸点值与实际的馏程沸点值相差较多，则说明预测产物中的每种单分子和每种单分子的预测值出现较大误差，本方案中，根据柴油加氢装置产出的生成物还需进行蒸馏分割，确定蒸馏分割时的馏程沸点值的相对偏差，实现对产物预测模型是否正确的验证。
根据如下计算公式计算得到累计偏差值：
其中，RMS为累计偏差值，Die为实际累计收率为i时的馏程沸点值，Dic为实际累计收率为i时的馏程沸点值，SSHc为硫醇的预测含量，SSHe为硫醇的实际含量，SRSRc为硫醚的预测含量，SRSRe为硫醚的实际含量，STSc为噻吩的预测含量，STSe为噻吩的实际含量，SBTSc为苯并噻吩的预测含量，SBTSe为苯并噻吩的实际含量，S2BTSc为二苯并噻吩的预测含量，S2BTSe为二苯并噻吩的实际含量。
在本实施例中，根据预测产物和实际产物中的各种预设分子的含量计算相对偏差值，而后根据预测产物和实际产物进行蒸馏分割在不同累计收率下的馏程沸点值计算相对偏差值，而后，累加得到累计偏差值，实现对产物预测模型的正确性的数学验证。
下面对计算预测产物中每种单分子的单分子物性，并根据预测产物中每种单分子的单分子物性，得到预测产物的预测物性进行进一步描述，为根据本发明一实施例的得到预测产物的预测物性的步骤流程图。包括：
计算预测产物中每种单分子的沸点值，并根据预测产物中每种单分子的预测含量和沸点值，得到预测产物进行蒸馏时的第一馏程沸点；
如图5所示在本实施例中，计算预测产物中每种单分子的沸点值，包括如下步骤：
S51、针对每种单分子，获取构成单分子的每种基团的基团数量，以及获取每种基团对沸点的贡献值。
在本实施例中，基于结构导向集总分子表征方法构建单分子，结构导向集总分子表征方法，就是SOL分子表征方法利用24个结构增量片段表征复杂烃类分子的基础结构。任何一个石油分子都能够用一组特定的结构增量片段来表述。SOL分子表征方法属于分子尺度上的集总，将实际体系中的分子数由上百万个减少到几千，大大降低了模拟的复杂性。该表征方法不仅可以表示烷烃、环烷烃，一直到包含50-60个碳原子的复杂芳烃结构，还可表示作为中间产物或二次反应产物的烯烃或环烯烃，另外还考虑了含硫、氮、氧等杂原子化合物。可以通过拉曼光谱法、四级杆气相色谱-质谱仪检测法、气相色谱/场电离-飞行时间质谱检测法、气相色谱法、近红外光谱法和核磁共振波谱法、傅立叶变换离子回旋共振质谱法、静电场轨道阱质谱法和离子淌度质谱法中的一种或多种，确定分子结构，而后通过结构导向集总分子表征方法构建该单分子，在本步骤中，获取构成单分子的每种基团的基团数量，并获取每种基团对物性的贡献值，由于分子的物性是由分子的结构确定的，而在本方案中通过基团构建单分子，获取每种基团的基团数量和每种基团对物性的贡献值。
在本实施例中，基于SOL分子表征方法，确定每种单分子包含的基团；分别在每个单分子中，确定该单分子的每种基团的基团数量以及在该单分子中每种基团对物性的贡献值。由于单分子的物性的数量为多个，需要确定该单分子中每种基团分别对每种物性的贡献值。
S52、将构成单分子的每种基团的基团数量以及每种基团对沸点的贡献值，输入预先训练的物性计算模型，获取物性计算模型输出的单分子的沸点。
在本实施例中，通过将每种基团的基团数量和每种基团对物性的贡献值输入预先训练的物性计算模型，获取物性计算模型输出的该单分子的多个物性。
如图6所示，训练物性计算模型的步骤流程包括：
S61、构建单分子的物性计算模型。
在本实施例中，在该物性计算模型中，包括：每种基团对物性的贡献值。该贡献值为可调的值，该贡献值在首次训练时为初始值。进一步地，在该物性计算模型中，包括：每种基团对每种物性的贡献值。
S62、获取构成样本单分子的每种基团的基团数量；样本单分子的沸点已知。
在本实施例中，预先设置训练样本集。在训练样本集中包括多个样本单分子信息。样本单分子信息，包括但不限于：构成样本单分子的每种基团的基团数量，以及样本单分子的物性。
S63、将样本单分子包含的每种基团的基团数量输入物性计算模型。
S64、获取物性计算模型输出的样本单分子的预测沸点；
S65a、如果预测沸点与已知的沸点之间的偏差值小于第二预设偏差阈值，则判定沸点计算模型收敛，在已收敛的沸点计算模型中获取每种基团对应的贡献值，并存储为基团对沸点的贡献值。
由于单分子的物性可能为多种，所以，可以在已收敛的物性计算模型中获取到每种基团分别对每种物性的贡献值。
针对每种基团而言，存储该基团对每种物性的贡献值，以便后续计算单分子的物性时，可以获取到该单分子中每种基团对需要获知的物性的贡献值，并将该单分子的每种基团的基团数量，以及每种基团对需要获知的物性的贡献值作为物性计算模型的输入，物性计算模型将该单分子的每种基团的基团数量作为模型变量，将每种基团对需要获知的物性的贡献值作为模型参量(替换物性计算模型中每种基团对物性的可调贡献值)，计算出该需要获知的物性。
S65b、如果预测沸点与已知的沸点之间的偏差值大于等于第二预设偏差阈值，则调整沸点计算模型中每种基团对应的贡献值，直到物性计算模型收敛为止。
在本实施例中，如果样本单分子的物性为多个，那么物性计算模型输出的样本单分子的预测物性也将为多个，这时，计算每个预测物性与对应的已知物性之间的偏差值，判定所有预测物性分别与对应的已知物性之间的偏差值是否都小于预设偏差值，若是，则判定该物性计算模型收敛，根据收敛的物性计算模型中即可获取得到每种基团对应物性的贡献值，通过上述方案可以得到每种基团对不同物性的贡献值。
下面给出两种针对不同物性均可使用的物性计算模型。本领域技术人员应当知道的是，下面两种物性计算模型仅为说明本实施例，而不用于限定本实施例。
模型一：建立如下所示的物性计算模型：
其中，f为单分子的沸点，ni为第i种基团的基团数量，Δfi为第i种基团对沸点的贡献值，a为关联常数。
例如：对于沸点而言，在基于SOL的分子表征方法中，24种基团都作为一级基团；在24种基团中，N6、N5、N4、N3、me、AA、NN、RN、NO、RO和KO等基团中的一种或者多种同时存在会对沸点存在贡献，而针对不同的物性，基团对物性的贡献值均不一致，但在不同分子中同一基团对同一物性的贡献值是一致的，基于该方案，在本实施例中构建上述物性计算模型，通过训练构建的物性计算模型，使得物性计算模型收敛，即训练模型中的每种基团对物性的贡献值，最终得到每种基团对物性的贡献值。
在本实施例中，对于构成单分子的基团，我们可以进一步划分为多级基团。进一步地，在单分子的所有基团中确定一级基团和多级基团；其中，将构成单分子的所有基团作为一级基团；将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将多种基团的数量作为多级基团的级别，我们可以根据同时存在对同一种物性会一起产生作用的多种基团作为多级基团，具体的，比如，N6和N4基团分别单独存在不同的分子中时，会对物性产生一定的影响，而其同时存在在一个分子中时，在原先对物性的贡献值的基础上，对物性的贡献值会产生一定的波动。我们划分上述多级基团的方式还可以通过基团之间的化学键力按预设键力区间进行划分，针对不同的物性，化学键力不同会有不同的影响，具体的可以根据分子稳定性对物性的影响进行划分。
模型二：基于划分的多级基团，可以建立如下物性计算模型：
其中，f为单分子的物性，m1i为一级基团中第i种基团的基团数量，Δf1i为一级基团中第i种基团对物性的贡献值，m2j为二级基团中第j种基团的基团数量，Δf2j为二级基团中第j种基团对物性的贡献值；mNl为N级基团中第l种基团的基团数量，ΔfNl为N级基团中第l种基团对物性的贡献值；a为关联常数；N为大于或等于2的正整数。
除了上述的通用型的物性计算模型，还可以根据物性种类的不同，为每种物性分别构建物性计算模型。
例如：根据如下物性计算模型计算单分子的沸点：
其中，T为单分子的沸点，SOL为根据构成单分子的每种基团的基团数量转化得到的单分子向量，GROUP11为根据一级基团对沸点的贡献值转化得到的第一贡献值向量，GROUP12为根据二级基团对沸点的贡献值转化得到的第二贡献值向量，GROUP1N为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；N为大于或等于2的正整数。
根据构成单分子的每种基团的基团数量转化得到的单分子向量，包括：将构成单分子的所有基团的种类的数量作为单分子向量的维数；将每种基团的基团数量作为单分子向量中对应维度的元素值。
根据单分子的各个一级基团分别对沸点的贡献值转化得到的第一贡献值向量，包括：将一级基团的种类的数量作为第一贡献值向量的维数；将每种一级基团对沸点的贡献值作为第一贡献值向量中对应维度的元素值。根据单分子的各个二级基团分别对沸点的贡献值转化得到的第二贡献值向量，包括：将二级基团的种类的数量作为第二贡献值向量的维数；将每种二级基团对沸点的贡献值作为第二贡献值向量中对应维度的元素值。以此类推，根据单分子的各个N级基团分别对沸点的贡献值转化得到的第N贡献值向量，包括：将N级基团的种类的数量作为第N贡献值向量的维数；将每种N级基团对沸点的贡献值作为第N贡献值向量中对应维度的元素值。
上述步骤中计算得到相应的单分子的沸点后，将单分子作为模板单分子，并将构成单分子的每种基团的基团数量和对应的沸点存储进数据库中。
如图7所示，上述步骤S52之前，计算方法还包括：
S71、将构成单分子的每种基团的基团数量与数据库中预存储的已知沸点的模板单分子的分子信息进行比对；分子信息包括：构成模板单分子的每种基团的基团数量。
S72、判断是否存在与单分子相同的模板单分子。
S73、若存在与单分子相同的模板单分子，输出模板单分子的沸点作为单分子的沸点。
S74、若不存在与单分子相同的模板单分子，则进行将构成单分子的每种基团的基团数量以及每种基团对沸点的贡献值，输入预先训练的物性计算模型的步骤。
如图8所示，本发明实施例提供了一种柴油加氢装置的产物预测模型优化系统。参照图8，优化系统包括：第一获取单元11、第二获取单元12、第一处理单元13、第二处理单元14、第三处理单元15和第四处理单元16。
在本实施例中，第一获取单元11，用于获取柴油加氢原料中每种单分子的单分子含量。
在本实施例中，第二获取单元12，用于获取所述柴油加氢原料发生反应的反应时长。
在本实施例中，第一处理单元13，用于基于预先建立的产物预测模型，根据所述柴油加氢原料中每种单分子的所述单分子含量和所述反应时长得到预测产物中每种单分子的预测含量。
在本实施例中，第二处理单元14，用于计算所述预测产物中每种单分子的单分子物性，并根据所述预测产物中每种单分子的单分子物性，得到所述预测产物的预测物性。
在本实施例中，第三处理单元15，用于根据所述预测含量和实际含量计算第一偏差值，根据所述预测物性和实际物性计算第二偏差值，并对所述第一偏差值和第二偏差值求和得到累计偏差值。
第四处理单元16，用于若所述累计偏差值大于第一预设偏差值，调整所述产物预测模型中的模型参数，重新根据所述产物预测模型得到预测产物中每种单分子的预测含量，直至所述累计偏差值小于或等于第一预设偏差值；若所述累计偏差值小于或等于第一预设偏差值，完成对所述产物预测模型的优化。
在本实施例中，所述优化系统包括：模型建立单元，用于获取柴油加氢原料的原料分子组成；按预设置的反应规则集合对所述原料分子组成进行处理，得到所述原料分子组成中每种单分子对应的反应路径；分别计算每条反应路径对应的反应路径速率；根据所述反应路径和每条反应路径对应的反应路径速率建立所述产物预测模型。
在本实施例中，模型建立单元，还用于根据所述柴油加氢原料的分子组成中每种单分子对应的反应路径，得到装置产物的第一分子组成；装置产物包含所述柴油加氢原料、中间产物以及预测产物；获取柴油加氢装置的实际产物的第二分子组成，根据所述第二分子组成与所述第一分子组成，得到第三相对偏差；若所述第三相对偏差符合预设条件，则执行所述分别计算每条反应路径对应的反应路径速率的步骤；若所述第三相对偏差不符合预设条件，则调整所述反应规则集合中的反应规则，根据调整后的反应规则集合对所述原料分子组成进行处理，重新得到每种单分子对应的反应路径，直至所述第一分子组成与所述第二分子组成的第三相对偏差符合预设条件。
在本实施例中，所述模型建立单元，具体用于获取所述第二分子组成中单分子的种类构成第二集合；获取所述第一分子组成中单分子的种类构成第一集合；判断所述第二集合是否是第一集合的子集；若所述第二集合不是第一集合的子集，获取预存储的不符合预设条件的相对偏差值作为所述第三相对偏差值；
若所述第二集合是所述第一集合的子集，通过下述方式计算第三相对偏差：
x1为所述第三相对偏差，M为所述第一集合，M1为所述柴油加氢原料的分子组成中单分子的种类组成的集合，M2为所述中间产物的分子组成中单分子的种类组成的集合，M3为所述第二集合，card表示集合中元素的个数。
在本实施例中，所述模型建立单元，具体用于计算每条反应路径对应的反应路径速率常数，根据所述反应路径速率常数得到相应反应路径的反应路径速率。
根据如下计算公式计算每条反应路径对应的反应路径速率常数：
其中，k为所述反应路径速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，ku为同系物之间结构差异对反应速率的影响因子，f为装置因子。
在本实施例中，所述第三处理单元15，具体用于根据所述预测产物中每种分子的预测含量得到硫醇的预测含量、硫醚的预测含量、噻吩的预测含量、苯并噻吩的预测含量和二苯并噻吩的预测含量；根据所述实际产物中每种分子的实际含量得到硫醇的实际含量、硫醚的实际含量、噻吩的实际含量、苯并噻吩的实际含量和二苯并噻吩的实际含量；根据所述预测物性得到各个预测累计收率的馏程沸点值；根据所述实际物性得到各个实际累计收率的馏程沸点值；
根据如下计算公式计算得到所述累计偏差值：
其中，RMS为所述累计偏差值，Die为实际累计收率为i时的馏程沸点值，Dic为实际累计收率为i时的馏程沸点值，SSHc为硫醇的预测含量，SSHe为硫醇的实际含量，SRSRc为硫醚的预测含量，SRSRe为硫醚的实际含量，STSc为噻吩的预测含量，STSe为噻吩的实际含量，SBTSc为苯并噻吩的预测含量，SBTSe为苯并噻吩的实际含量，S2BTSc为二苯并噻吩的预测含量，S2BTSe为二苯并噻吩的实际含量。
在本实施例中，第二处理单元14，具体用于计算所述预测产物中每种单分子的沸点值，并根据所述预测产物中每种单分子的预测含量和沸点值，得到所述预测产物进行蒸馏时的第一馏程沸点。
在本实施例中，第三处理单元15，具体用于根据所述第一馏程沸点和实际产物进行蒸馏时的第二馏程沸点，计算所述第二偏差值。
在本实施例中，第二处理单元14，具体用于针对每种所述单分子，获取构成所述单分子的每种基团的基团数量，以及获取每种所述基团对沸点的贡献值；将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点。
在本实施例中，优化系统还包括：单分子物性模板匹配单元，用于将构成所述单分子的每种基团的基团数量与数据库中预存储的已知物性的模板单分子的分子信息进行比对；所述分子信息包括：构成所述模板单分子的每种基团的基团数量；判断是否存在与所述单分子相同的所述模板单分子；若存在与所述单分子相同的所述模板单分子，输出所述模板单分子的物性作为所述单分子的物性；若不存在与所述单分子相同的所述模板单分子，则通过所述第三处理单元15进行所述将构成所述单分子的每种基团的基团数量以及每种所述基团对物性的贡献值，输入预先训练的物性计算模型的步骤。
在本实施例中，优化系统还包括：模型训练单元，用于构建单分子的物性计算模型；获取构成样本单分子的每种基团的基团数量；所述样本单分子的沸点已知；将所述样本单分子包含的每种基团的基团数量输入所述物性计算模型；获取所述物性计算模型输出的所述样本单分子的预测沸点；如果所述预测沸点与已知的所述沸点之间的偏差值小于第二预设偏差阈值，则判定所述沸点计算模型收敛，在已收敛的所述沸点计算模型中获取每种基团对应的贡献值，并存储为所述基团对所述沸点的贡献值；如果所述预测沸点与已知的所述沸点之间的偏差值大于等于所述第二预设偏差阈值，则调整所述沸点计算模型中每种基团对应的贡献值，直到所述物性计算模型收敛为止。
在本实施例中，模型训练单元，具体用于建立如下所示物性计算模型：
其中，f为所述单分子的沸点，ni为第i种基团的基团数量，Δfi为第i种基团对所述沸点的贡献值，a为关联常数。
在本实施例中，模型训练单元，具体用于在所述样本单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；将构成单分子的所有基团作为一级基团；将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
在本实施例中，模型训练单元，具体用于建立如下所示物性计算模型：
其中，f为所述单分子的物性，m1i为一级基团中第i种基团的基团数量，Δf1i为一级基团中第i种基团对物性的贡献值，m2j为二级基团中第j种基团的基团数量，Δf2j为二级基团中第j种基团对物性的贡献值；mNl为N级基团中第l种基团的基团数量，ΔfNl为N级基团中第l种基团对物性的贡献值；a为关联常数；N为大于或等于2的正整数。
在本实施例中，模型训练单元，具体用于在所述单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；将构成单分子的所有基团作为一级基团；将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
在本实施例中，第二处理单元14，具体用于根据如下物性计算模型计算所述单分子的沸点：
其中，T为所述单分子的沸点，SOL为根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，GROUP11为根据一级基团对所述沸点的贡献值转化得到的第一贡献值向量，GROUP12为根据二级基团对所述沸点的贡献值转化得到的第二贡献值向量，GROUP1N为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；所述N为大于或等于2的正整数。
在本实施例中，第二处理单元14，具体用于将所有基团的种类的数量作为所述单分子向量的维数；将每种基团的基团数量作为所述单分子向量中对应维度的元素值。
在本实施例中，第二处理单元14，具体用于将一级基团的种类的数量作为所述第一贡献值向量的维数；将每种所述一级基团对沸点的贡献值作为所述第一贡献值向量中对应维度的元素值。
在本实施例中，第二处理单元14，具体用于将二级基团的种类的数量作为所述第二贡献值向量的维数；将每种所述二级基团对沸点的贡献值作为所述第二贡献值向量中对应维度的元素值。
在本实施例中，第二处理单元14，具体用于将N级基团的种类的数量作为所述第N贡献值向量的维数；将每种所述N级基团对沸点的贡献值作为所述第N贡献值向量中对应维度的元素值。
如图9所示，本发明实施例提供了一种柴油加氢装置的产物预测模型优化设备，包括处理器1110、通信接口1120、存储器1130和通信总线1140，其中，处理器1110，通信接口1120，存储器1130通过通信总线1140完成相互间的通信；
存储器1130，用于存放计算机程序；
处理器1110，用于执行存储器1130上所存放的程序时，实现产物预测模型优化方法的步骤：获取柴油加氢原料中每种单分子的单分子含量；获取柴油加氢原料发生反应的反应时长；基于预先建立的产物预测模型，根据柴油加氢原料中每种单分子的单分子含量和反应时长得到预测产物中每种单分子的预测含量；计算预测产物中每种单分子的单分子物性，并根据预测产物中每种单分子的单分子物性，得到预测产物的预测物性；获取实际产物中每种单分子的实际含量和实际产物的实际物性；根据预测含量和实际含量计算第一偏差值，根据预测物性和实际物性计算第二偏差值，并对第一偏差值和第二偏差值求和得到累计偏差值；若累计偏差值大于第一预设偏差值，调整产物预测模型中的模型参数，重新根据产物预测模型得到预测产物中每种单分子的预测含量，直至累计偏差值小于或等于第一预设偏差值；若累计偏差值小于或等于第一预设偏差值，完成对产物预测模型的优化。
其中，建立产物预测模型包括如下步骤：获取柴油加氢原料的原料分子组成；按预设置的反应规则集合对原料分子组成进行处理，得到原料分子组成中每种单分子对应的反应路径；分别计算每条反应路径对应的反应路径速率；根据反应路径和每条反应路径对应的反应路径速率建立产物预测模型。
其中，分别计算每条反应路径对应的反应路径速率之前，优化方法还包括：根据柴油加氢原料的分子组成中每种分子对应的反应路径，得到装置产物的第一分子组成；装置产物包含柴油加氢原料、中间产物以及预测产物；获取柴油加氢装置的实际产物的第二分子组成，根据第二分子组成与第一分子组成，得到第三相对偏差；若第三相对偏差符合预设条件，则执行分别计算每条反应路径对应的反应路径速率的步骤；若第三相对偏差不符合预设条件，则调整反应规则集合中的反应规则，根据调整后的反应规则集合对原料分子组成进行处理，重新得到每种单分子对应的反应路径，直至第一分子组成与第二分子组成的第三相对偏差符合预设条件。
其中，计算第三相对偏差的步骤包括：获取第二分子组成中单分子的种类构成第二集合；获取第一分子组成中单分子的种类构成第一集合；判断第二集合是否是第一集合的子集；若第二集合不是第一集合的子集，获取预存储的不符合预设条件的相对偏差值作为第三相对偏差值；若第二集合是第一集合的子集，通过如下计算公式计算第三相对偏差：
x1为第三相对偏差，M为第一集合，M1为柴油加氢原料的分子组成中单分子的种类组成的集合，M2为中间产物的分子组成中单分子的种类组成的集合，N为第二集合，card表示集合中元素的个数。
其中，计算每条反应路径对应的反应路径速率的步骤包括：根据如下计算公式计算每条反应路径对应的反应路径速率常数：
其中，k为反应路径速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，ku为同系物之间结构差异对反应速率的影响因子，f为装置因子；
根据反应路径速率常数得到相应反应路径的反应路径速率。
其中，根据反应路径和每条反应路径对应的反应速率建立产物预测模型之前，优化方法还包括如下步骤：获取柴油加氢原料中每种单分子的单分子含量；根据单分子含量和产物预测模型，得到预测产物中每种单分子的预测含量；获取柴油加氢装置的实际产物中每种单分子的实际含量；根据预测产物中每种单分子的预测含量和实际产物中每种单分子的实际含量，计算第二相对偏差；若第二相对偏差不符合预设条件，则调整产物预测模型中每条反应路径对应的反应速率，根据产物预测模型得到新的预测产物；直至每种单分子的预测含量和每种单分子的实际含量的第二相对偏差符合预设条件。若第二相对偏差符合预设条件，则根据反应路径和每条反应路径对应的反应速率建立产物预测模型。
其中，根据预测含量和实际含量计算第一偏差值，根据预测物性和实际物性计算第二偏差值，并对第一偏差值和第二偏差值求和得到累计偏差值，包括如下步骤：根据预测产物中每种分子的预测含量得到硫醇的预测含量、硫醚的预测含量、噻吩的预测含量、苯并噻吩的预测含量和二苯并噻吩的预测含量；根据实际产物中每种分子的实际含量得到硫醇的实际含量、硫醚的实际含量、噻吩的实际含量、苯并噻吩的实际含量和二苯并噻吩的实际含量；根据预测物性得到各个预测累计收率的馏程沸点值；根据实际物性得到各个实际累计收率的馏程沸点值；根据如下计算公式计算得到累计偏差值：
其中，RMS为累计偏差值，Die为实际累计收率为i时的馏程沸点值，Dic为实际累计收率为i时的馏程沸点值，SSHc为硫醇的预测含量，SSHe为硫醇的实际含量，SRSRc为硫醚的预测含量，SRSRe为硫醚的实际含量，STSc为噻吩的预测含量，STSe为噻吩的实际含量，SBTSc为苯并噻吩的预测含量，SBTSe为苯并噻吩的实际含量，S2BTSc为二苯并噻吩的预测含量，S2BTSe为二苯并噻吩的实际含量。
其中，计算预测产物中每种单分子的单分子物性，并根据预测产物中每种单分子的单分子物性，得到预测产物的预测物性，包括如下步骤：计算预测产物中每种单分子的沸点值，并根据预测产物中每种单分子的预测含量和沸点值，得到预测产物进行蒸馏时的第一馏程沸点。
其中，计算预测产物中每种单分子的沸点值，包括如下步骤：针对每种单分子，获取构成单分子的每种基团的基团数量，以及获取每种基团对沸点的贡献值；将构成单分子的每种基团的基团数量以及每种基团对沸点的贡献值，输入预先训练的物性计算模型，获取物性计算模型输出的单分子的沸点。
其中，训练物性计算模型包括如下步骤：构建单分子的物性计算模型；获取构成样本单分子的每种基团的基团数量；样本单分子的沸点已知；将样本单分子包含的每种基团的基团数量输入物性计算模型；获取物性计算模型输出的样本单分子的预测沸点；如果预测沸点与已知的沸点之间的偏差值小于第二预设偏差阈值，则判定沸点计算模型收敛，在已收敛的沸点计算模型中获取每种基团对应的贡献值，并存储为基团对沸点的贡献值；如果预测沸点与已知的沸点之间的偏差值大于等于第二预设偏差阈值，则调整沸点计算模型中每种基团对应的贡献值，直到物性计算模型收敛为止。
其中，下面给出两种针对不同物性均可使用的物性计算模型。本领域技术人员应当知道的是，下面两种物性计算模型仅为说明本实施例，而不用于限定本实施例。
模型一：建立如下所示的物性计算模型：
其中，f为单分子的沸点，ni为第i种基团的基团数量，Δfi为第i种基团对沸点的贡献值，a为关联常数。
其中，在单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；将构成单分子的所有基团作为一级基团；将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将多种基团的数量作为多级基团的级别。
模型二：基于划分的多级基团，可以建立如下物性计算模型：
其中，f为单分子的物性，m1i为一级基团中第i种基团的基团数量，Δf1i为一级基团中第i种基团对物性的贡献值，m2j为二级基团中第j种基团的基团数量，Δf2j为二级基团中第j种基团对物性的贡献值；mNl为N级基团中第l种基团的基团数量，ΔfNl为N级基团中第l种基团对物性的贡献值；a为关联常数；N为大于或等于2的正整数。
除了上述的通用型的物性计算模型，还可以根据物性种类的不同，为每种物性分别构建物性计算模型。
例如：根据如下物性计算模型计算单分子的沸点：
其中，T为单分子的沸点，SOL为根据构成单分子的每种基团的基团数量转化得到的单分子向量，GROUP11为根据一级基团对沸点的贡献值转化得到的第一贡献值向量，GROUP12为根据二级基团对沸点的贡献值转化得到的第二贡献值向量，GROUP1N为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；N为大于或等于2的正整数。
根据构成单分子的每种基团的基团数量转化得到的单分子向量，包括：将构成单分子的所有基团的种类的数量作为单分子向量的维数；将每种基团的基团数量作为单分子向量中对应维度的元素值。
根据单分子的各个一级基团分别对沸点的贡献值转化得到的第一贡献值向量，包括：将一级基团的种类的数量作为第一贡献值向量的维数；将每种一级基团对沸点的贡献值作为第一贡献值向量中对应维度的元素值。根据单分子的各个二级基团分别对沸点的贡献值转化得到的第二贡献值向量，包括：将二级基团的种类的数量作为第二贡献值向量的维数；将每种二级基团对沸点的贡献值作为第二贡献值向量中对应维度的元素值。以此类推，根据单分子的各个N级基团分别对沸点的贡献值转化得到的第N贡献值向量，包括：将N级基团的种类的数量作为第N贡献值向量的维数；将每种N级基团对沸点的贡献值作为第N贡献值向量中对应维度的元素值。
在一具体实施例中，所述柴油加氢装置的产物预测模型优化设备的系统构成的示意框图如图10所示，所述柴油加氢装置的产物预测模型优化设备进一步包含输入单元1150、显示器1160和电源1170，所述处理器1110使用中央处理器1111(中央处理器1111用于执行存储器1130上所存放的程序时，实现在线调合的步骤，参照上述“处理器1110，用于执行存储器1130上所存放的程序时，用于执行存储器1130上所存放的程序时，实现产物预测模型优化方法的步骤”的具体内容，重复之处不再赘述)；
所述存储器1130包括缓冲存储器1131(有时被称为缓冲器)。存储器1130可以包括应用/功能存储部1132，该应用/功能存储部1132用于存储应用程序和功能程序或用于通过中央处理器1111执行柴油加氢装置的产物预测模型优化设备的操作的流程；
存储器1130还可以包括数据存储部1133，该数据存储部1133用于存储数据，例如产物预测模型、反应规则集合、数字数据、图片和/或任何其他由柴油加氢装置的产物预测模型优化设备使用的数据；存储器1130的驱动程序存储部1134可以包括柴油加氢装置的产物预测模型优化设备的各种驱动程序；
中央处理器1111有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器1111接收输入并控制柴油加氢装置的产物预测模型优化设备的各个部件的操作；
输入单元1150向中央处理器1111提供输入；该输入单元1150例如为按键或触摸输入装置；电源1170用于向柴油加氢装置的产物预测模型优化设备提供电力；显示器1160用于进行图像和文字等显示对象的显示；该显示器例如可为LCD显示器，但并不限于此。
本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器1110执行，以实现上述任一实施例的产物预测模型优化方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (20)
1.一种柴油加氢装置的产物预测模型优化方法，其特征在于，所述优化方法包括：
获取柴油加氢原料中每种单分子的单分子含量；
获取所述柴油加氢原料发生反应的反应时长；
基于预先建立的产物预测模型，根据所述柴油加氢原料中每种单分子的所述单分子含量和所述反应时长得到预测产物中每种单分子的预测含量；
计算所述预测产物中每种单分子的单分子物性，并根据所述预测产物中每种单分子的单分子物性，得到所述预测产物的预测物性；
根据所述预测含量和实际含量计算第一偏差值，根据所述预测物性和实际物性计算第二偏差值，并对所述第一偏差值和第二偏差值求和得到累计偏差值；
若所述累计偏差值大于第一预设偏差值，调整所述产物预测模型中的模型参数，重新根据所述产物预测模型得到预测产物中每种单分子的预测含量，直至所述累计偏差值小于或等于第一预设偏差值；
若所述累计偏差值小于或等于第一预设偏差值，完成对所述产物预测模型的优化；
其中，所述根据所述预测含量和所述实际含量计算第一偏差值，根据所述预测物性和实际物性计算第二偏差值，并对所述第一偏差值和第二偏差值求和得到累计偏差值，包括：
根据所述预测产物中每种分子的预测含量得到硫醇的预测含量、硫醚的预测含量、噻吩的预测含量、苯并噻吩的预测含量和二苯并噻吩的预测含量；
根据实际产物中每种分子的实际含量得到硫醇的实际含量、硫醚的实际含量、噻吩的实际含量、苯并噻吩的实际含量和二苯并噻吩的实际含量；
根据所述预测物性得到各个预测累计收率的馏程沸点值；
根据所述实际物性得到各个实际累计收率的馏程沸点值；
根据如下计算公式计算得到所述累计偏差值：
其中，RMS为所述累计偏差值，Die为实际累计收率为i时的馏程沸点值，Dic为实际累计收率为i时的馏程沸点值，SSHc为硫醇的预测含量，SSHe为硫醇的实际含量，SRSRc为硫醚的预测含量，SRSRe为硫醚的实际含量，STSc为噻吩的预测含量，STSe为噻吩的实际含量，SBTSc为苯并噻吩的预测含量，SBTSe为苯并噻吩的实际含量，S2BTSc为二苯并噻吩的预测含量，S2BTSe为二苯并噻吩的实际含量。
2.根据权利要求1所述的产物预测模型优化方法，其特征在于，建立所述产物预测模型包括如下步骤：
获取柴油加氢原料的原料分子组成；
按预设置的反应规则集合对所述原料分子组成进行处理，得到所述原料分子组成中每种单分子对应的反应路径；
分别计算每条反应路径对应的反应路径速率；
根据所述反应路径和每条反应路径对应的反应路径速率建立所述产物预测模型。
3.根据权利要求2所述的产物预测模型优化方法，其特征在于，所述分别计算每条反应路径对应的反应路径速率之前，所述优化方法还包括：
根据所述柴油加氢原料的分子组成中每种单分子对应的反应路径，得到装置产物的第一分子组成；装置产物包含所述柴油加氢原料、中间产物以及预测产物；
获取柴油加氢装置的实际产物的第二分子组成，根据所述第二分子组成与所述第一分子组成，得到第三相对偏差；
若所述第三相对偏差符合预设条件，则执行所述分别计算每条反应路径对应的反应路径速率的步骤；
若所述第三相对偏差不符合预设条件，则调整所述反应规则集合中的反应规则，根据调整后的反应规则集合对所述原料分子组成进行处理，重新得到每种单分子对应的反应路径，直至所述第一分子组成与所述第二分子组成的第三相对偏差符合预设条件。
4.根据权利要求3所述的产物预测模型优化方法，其特征在于，所述根据所述第二分子组成与所述第一分子组成，得到第三相对偏差包括：
获取所述第二分子组成中单分子的种类构成第二集合；
获取所述第一分子组成中单分子的种类构成第一集合；
判断所述第二集合是否是第一集合的子集；
若所述第二集合不是第一集合的子集，获取预存储的不符合预设条件的相对偏差值作为所述第三相对偏差值；
若所述第二集合是所述第一集合的子集，通过下述方式计算第三相对偏差：
x1为所述第三相对偏差，M为所述第一集合，M1为所述柴油加氢原料的分子组成中单分子的种类组成的集合，M2为所述中间产物的分子组成中单分子的种类组成的集合，M3为所述第二集合，card表示集合中元素的个数。
5.根据权利要求2所述的产物预测模型优化方法，其特征在于，所述分别计算每条反应路径对应的反应路径速率，包括：
根据如下计算公式计算每条反应路径对应的反应路径速率常数：
其中，k为所述反应路径速率常数，kB为玻尔茨曼常数，h为普朗克常数，R为理想气体常数，E为反应路径所处环境的温度值，exp为以自然常数为底的指数函数，ΔS为反应路径对应的反应规则对应的反应前后的熵变，ΔE为反应路径对应的反应规则对应的反应能垒，ku为同系物之间结构差异对反应速率的影响因子，f为装置因子；
根据所述反应路径速率常数得到相应反应路径的反应路径速率。
6.根据权利要求1所述的产物预测模型优化方法，其特征在于，所述计算所述预测产物中每种单分子的单分子物性，并根据所述预测产物中每种单分子的单分子物性，得到所述预测产物的预测物性，包括：
计算所述预测产物中每种单分子的沸点值，并根据所述预测产物中每种单分子的预测含量和沸点值，得到所述预测产物进行蒸馏时的第一馏程沸点；
所述根据所述预测物性和实际物性计算第二偏差值，包括：
根据所述第一馏程沸点和实际产物进行蒸馏时的第二馏程沸点，计算所述第二偏差值。
7.根据权利要求6所述的产物预测模型优化方法，其特征在于，所述计算所述预测产物中每种单分子的沸点值，包括：
针对每种所述单分子，获取构成所述单分子的每种基团的基团数量，以及获取每种所述基团对沸点的贡献值；
将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点。
8.根据权利要求7所述的产物预测模型优化方法，其特征在于，所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型之前，所述优化方法还包括：
将构成所述单分子的每种基团的基团数量与数据库中预存储的已知沸点的模板单分子的分子信息进行比对；所述分子信息包括：构成所述模板单分子的每种基团的基团数量；
判断是否存在与所述单分子相同的所述模板单分子；
若存在与所述单分子相同的所述模板单分子，输出所述模板单分子的沸点作为所述单分子的沸点；
若不存在与所述单分子相同的所述模板单分子，则进行所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型的步骤。
9.根据权利要求7所述的产物预测模型优化方法，其特征在于，训练所述物性计算模型的步骤，包括：
构建单分子的物性计算模型；
获取构成样本单分子的每种基团的基团数量；所述样本单分子的沸点已知；
将所述样本单分子包含的每种基团的基团数量输入所述物性计算模型；
获取所述物性计算模型输出的所述样本单分子的预测沸点；
如果所述预测沸点与已知的所述沸点之间的偏差值小于第二预设偏差阈值，则判定所述沸点计算模型收敛，在已收敛的所述沸点计算模型中获取每种基团对应的贡献值，并存储为所述基团对所述沸点的贡献值；
如果所述预测沸点与已知的所述沸点之间的偏差值大于等于所述第二预设偏差阈值，则调整所述沸点计算模型中每种基团对应的贡献值，直到所述物性计算模型收敛为止。
10.根据权利要求9所述的产物预测模型优化方法，其特征在于，所述构建单分子的物性计算模型，包括：
建立如下所示物性计算模型：
其中，f为所述单分子的沸点，ni为第i种基团的基团数量，Δfi为第i种基团对所述沸点的贡献值，a为关联常数。
11.根据权利要求9所述的产物预测模型优化方法，其特征在于，所述获取构成样本单分子的每种基团的基团数量，包括：
在所述样本单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；
将构成单分子的所有基团作为一级基团；
将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
12.根据权利要求11所述的产物预测模型优化方法，其特征在于，
建立如下所示物性计算模型：
其中，f为所述单分子的物性，m1i为一级基团中第i种基团的基团数量，Δf1i为一级基团中第i种基团对物性的贡献值，m2j为二级基团中第j种基团的基团数量，Δf2j为二级基团中第j种基团对物性的贡献值；mNl为N级基团中第l种基团的基团数量，ΔfNl为N级基团中第l种基团对物性的贡献值；a为关联常数；N为大于或等于2的正整数。
13.根据权利要求7或8所述的产物预测模型优化方法，其特征在于，所述获取构成所述单分子的每种基团的基团数量，包括：
在所述单分子的所有基团中确定一级基团、一级基团的基团数量、多级基团和多级基团的基团数量；
将构成单分子的所有基团作为一级基团；
将同时存在且对同一种物性共同存在贡献的多种基团作为多级基团，将所述多种基团的数量作为所述多级基团的级别。
14.根据权利要求13所述的产物预测模型优化方法，其特征在于，
所述将构成所述单分子的每种基团的基团数量以及每种所述基团对沸点的贡献值，输入预先训练的物性计算模型，获取所述物性计算模型输出的所述单分子的沸点，包括：
根据如下物性计算模型计算所述单分子的沸点：
其中，T为所述单分子的沸点，SOL为根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，GROUP11为根据一级基团对所述沸点的贡献值转化得到的第一贡献值向量，GROUP12为根据二级基团对所述沸点的贡献值转化得到的第二贡献值向量，GROUP1N为根据N级基团对沸点的贡献值转化得到的第N贡献值向量，Numh为单分子中除氢原子以外的原子个数，d为第一预设常数、b为第二预设常数、c为第三预设常数；所述N为大于或等于2的正整数。
15.根据权利要求14所述的产物预测模型优化方法，其特征在于，所述优化方法还包括：
所述根据构成所述单分子的每种基团的基团数量转化得到的单分子向量，包括：
将所有基团的种类的数量作为所述单分子向量的维数；
将每种基团的基团数量作为所述单分子向量中对应维度的元素值；
所述根据一级基团的贡献值转化得到的第一贡献值向量，包括：
将一级基团的种类的数量作为所述第一贡献值向量的维数；
将每种所述一级基团对沸点的贡献值作为所述第一贡献值向量中对应维度的元素值；
所述根据二级基团的贡献值转化得到的第二贡献值向量，包括：
将二级基团的种类的数量作为所述第二贡献值向量的维数；
将每种所述二级基团对沸点的贡献值作为所述第二贡献值向量中对应维度的元素值；
所述根据N级基团的贡献值转化得到的第N贡献值向量，包括：
将N级基团的种类的数量作为所述第N贡献值向量的维数；
将每种所述N级基团对沸点的贡献值作为所述第N贡献值向量中对应维度的元素值。
16.一种柴油加氢装置的产物预测模型优化系统，其特征在于，所述系统包括：
第一获取单元，用于获取柴油加氢原料中每种单分子的单分子含量；
第二获取单元，用于获取所述柴油加氢原料发生反应的反应时长；
第一处理单元，用于基于预先建立的产物预测模型，根据所述柴油加氢原料中每种单分子的所述单分子含量和所述反应时长得到预测产物中每种单分子的预测含量；
第二处理单元，用于计算所述预测产物中每种单分子的单分子物性，并根据所述预测产物中每种单分子的单分子物性，得到所述预测产物的预测物性；
第三处理单元，用于根据所述预测含量和实际含量计算第一偏差值，根据所述预测物性和实际物性计算第二偏差值，并对所述第一偏差值和第二偏差值求和得到累计偏差值；
第四处理单元，用于若所述累计偏差值大于第一预设偏差值，调整所述产物预测模型中的模型参数，重新根据所述产物预测模型得到预测产物中每种单分子的预测含量，直至所述累计偏差值小于或等于第一预设偏差值；若所述累计偏差值小于或等于第一预设偏差值，完成对所述产物预测模型的优化；
其中，所述第三处理单元，具体用于根据所述预测产物中每种分子的预测含量得到硫醇的预测含量、硫醚的预测含量、噻吩的预测含量、苯并噻吩的预测含量和二苯并噻吩的预测含量；根据实际产物中每种分子的实际含量得到硫醇的实际含量、硫醚的实际含量、噻吩的实际含量、苯并噻吩的实际含量和二苯并噻吩的实际含量；根据所述预测物性得到各个预测累计收率的馏程沸点值；根据所述实际物性得到各个实际累计收率的馏程沸点值；
根据如下计算公式计算得到所述累计偏差值：
其中，RMS为所述累计偏差值，Die为实际累计收率为i时的馏程沸点值，Dic为实际累计收率为i时的馏程沸点值，SSHc为硫醇的预测含量，SSHe为硫醇的实际含量，SRSRc为硫醚的预测含量，SRSRe为硫醚的实际含量，STSc为噻吩的预测含量，STSe为噻吩的实际含量，SBTSc为苯并噻吩的预测含量，SBTSe为苯并噻吩的实际含量，S2BTSc为二苯并噻吩的预测含量，S2BTSe为二苯并噻吩的实际含量。
17.根据权利要求16所述的优化系统，其特征在于，所述优化系统包括：模型建立单元，用于获取柴油加氢原料的原料分子组成；按预设置的反应规则集合对所述原料分子组成进行处理，得到所述原料分子组成中每种单分子对应的反应路径；分别计算每条反应路径对应的反应路径速率；根据所述反应路径和每条反应路径对应的反应路径速率建立所述产物预测模型。
18.根据权利要求16所述的优化系统，其特征在于，所述第二处理单元，具体用于计算所述预测产物中每种单分子的沸点值，并根据所述预测产物中每种单分子的预测含量和沸点值，得到所述预测产物进行蒸馏时的第一馏程沸点；
所述第三处理单元，具体用于根据所述第一馏程沸点和实际产物进行蒸馏时的第二馏程沸点，计算所述第二偏差值。
19.一种柴油加氢装置的产物预测模型优化设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-15任一所述的产物预测模型优化方法。
20.一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，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1-15中任一所述的产物预测模型优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010533873.4A CN111899813B (zh) | 2020-06-12 | 2020-06-12 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010533873.4A CN111899813B (zh) | 2020-06-12 | 2020-06-12 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111899813A CN111899813A (zh) | 2020-11-06 |
| CN111899813B true CN111899813B (zh) | 2024-05-28 |
Family
ID=73207617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010533873.4A Active CN111899813B (zh) | 2020-06-12 | 2020-06-12 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111899813B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023128826A1 (ru) * | 2021-12-29 | 2023-07-06 | Публичное акционерное общество "Газпром нефть" | Система прогнозирования содержания серы в гидроочищенном дизельном топливе |
| WO2023128828A1 (ru) * | 2021-12-29 | 2023-07-06 | Публичное акционерное общество "Газпром нефть" | Прогнозирование изменения активности катализатора в установке гидроочистки дизельного топлива |
| CN116013425B (zh) * | 2023-02-20 | 2023-07-14 | 新疆独山子石油化工有限公司 | 一种分子水平炼化过程模型构建方法及装置、存储介质 |
| CN115831256B (zh) * | 2023-02-20 | 2023-06-06 | 新疆独山子石油化工有限公司 | 一种分子水平反应动力学模型构建方法及装置、存储介质 |
| CN115831250B (zh) * | 2023-02-20 | 2023-06-06 | 新疆独山子石油化工有限公司 | 一种延迟焦化反应模型构建方法及装置、存储介质及设备 |
| CN115862760B (zh) * | 2023-02-20 | 2023-06-06 | 新疆独山子石油化工有限公司 | 一种分子反应走向优化方法及装置、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109658988A (zh) * | 2018-12-20 | 2019-04-19 | 中海石油炼化有限责任公司 | 一种加氢精制催化剂性能预测方法 |
| CN109815616A (zh) * | 2019-02-12 | 2019-05-28 | 杭州辛孚能源科技有限公司 | 一种分子级加氢装置模拟及优化方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070050154A1 (en) * | 2005-09-01 | 2007-03-01 | Albahri Tareq A | Method and apparatus for measuring the properties of petroleum fuels by distillation |
| US9963647B2 (en) * | 2015-05-13 | 2018-05-08 | Saudi Arabian Oil Company | Method to optimize crude slate for optimum hydrodesulfurization performance |
-
2020
- 2020-06-12 CN CN202010533873.4A patent/CN111899813B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109658988A (zh) * | 2018-12-20 | 2019-04-19 | 中海石油炼化有限责任公司 | 一种加氢精制催化剂性能预测方法 |
| CN109815616A (zh) * | 2019-02-12 | 2019-05-28 | 杭州辛孚能源科技有限公司 | 一种分子级加氢装置模拟及优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111899813A (zh) | 2020-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111899813B (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 | |
| CN111899811B (zh) | 一种催化重整装置产物预测模型建立方法、系统、设备及存储介质 | |
| CN111899795B (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 | |
| CN111899793B (zh) | 一种分子级装置的实时优化方法、装置、系统及存储介质 | |
| CN111899798B (zh) | 一种原油数据管理方法、系统、装置及存储介质 | |
| CN111892939B (zh) | 一种原油蒸馏切割方法、系统、设备及存储介质 | |
| CN111892938B (zh) | 一种原油分子组成的确定方法、系统、装置及存储介质 | |
| 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 | |
| CN111899814B (zh) | 一种单分子、混合物物性计算方法、设备及存储介质 | |
| CN114708930A (zh) | 一种基于层次基团构建的纯组分炼化性质的预测方法 | |
| CN111899794B (zh) | 基于b/s架构的炼油装置模拟方法、装置、系统和存储介质 | |
| Shi et al. | Interpretable reconstruction of naphtha components using property-based extreme gradient boosting and compositional-weighted Shapley additive explanation values | |
| Müller et al. | Predicting solvation free energies for neutral molecules in any solvent with openCOSMO-RS | |
| CN115831250B (zh) | 一种延迟焦化反应模型构建方法及装置、存储介质及设备 | |
| CN116434847A (zh) | 分子级汽油调合配方获取方法、装置、设备及存储介质和应用 | |
| CN116434850A (zh) | 分子级汽油调合配方确定方法、设备及存储介质和应用 | |
| 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 | |
| JP7354477B1 (ja) | プログラム、情報処理装置、及び方法 | |
| CN116432794A (zh) | 产物预测模型建立方法、系统、设备及存储介质和应用 | |
| CN116434865A (zh) | 润滑油产品特征分子确定方法、装置、设备及存储介质和应用 | |
| CN116434849A (zh) | 柴油调合配方确定方法、装置、设备及存储介质和应用 | |
| CN116434852A (zh) | 润滑油生产反应条件确定方法、装置、设备及存储介质和应用 | |
| Wood et al. | Transparent machine learning algorithm offers useful prediction method for natural gas density | |
| CN115862759B (zh) | 一种延迟焦化反应优化方法及装置、存储介质及设备 | |
| CN116417089A (zh) | 石油馏分分子组成的确定方法、装置、计算机设备和存储介质 |
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 |