CN113223626B - 分子尺度反应器模型的确定方法和装置 - Google Patents
分子尺度反应器模型的确定方法和装置 Download PDFInfo
- Publication number
- CN113223626B CN113223626B CN202110303060.0A CN202110303060A CN113223626B CN 113223626 B CN113223626 B CN 113223626B CN 202110303060 A CN202110303060 A CN 202110303060A CN 113223626 B CN113223626 B CN 113223626B
- Authority
- CN
- China
- Prior art keywords
- reactor model
- molecular scale
- product
- scale reactor
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 189
- 239000000126 substance Substances 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims description 91
- 238000004364 calculation method Methods 0.000 claims description 66
- 239000007788 liquid Substances 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 30
- 238000012937 correction Methods 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 239000012071 phase Substances 0.000 description 39
- 238000010586 diagram Methods 0.000 description 38
- 238000009826 distribution Methods 0.000 description 22
- 239000000203 mixture Substances 0.000 description 22
- 239000007791 liquid phase Substances 0.000 description 15
- 239000003921 oil Substances 0.000 description 14
- 239000002283 diesel fuel Substances 0.000 description 13
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 11
- 239000011593 sulfur Substances 0.000 description 11
- 229910052717 sulfur Inorganic materials 0.000 description 11
- 239000007789 gas Substances 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 238000005984 hydrogenation reaction Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 150000002430 hydrocarbons Chemical class 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000006757 chemical reactions by type Methods 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000001179 sorption measurement Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 150000004767 nitrides Chemical class 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 150000003568 thioethers Chemical class 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical group C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 description 1
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000004523 catalytic cracking Methods 0.000 description 1
- 238000004517 catalytic hydrocracking Methods 0.000 description 1
- 230000008094 contradictory effect Effects 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
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- -1 hydrogen- Chemical class 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007479 molecular analysis Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007142 ring opening reaction Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000006557 surface reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000012808 vapor phase Substances 0.000 description 1
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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本申请提供一种分子尺度反应器模型的确定方法和装置，该方法包括：获取初始分子尺度反应器模型，基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型，其中，预设步长是基于实验数据获取的，对于同一物质，基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求。本申请提供的分子尺度反应器模型能够大大提高求解效率。
Description
技术领域
本申请涉及化学反应工程技术领域，尤其涉及一种分子尺度反应器模型的确定方法和装置。
背景技术
随着环保法规的日益严格，清洁油品的生产受到越来越广泛的关注，与之相关的工艺、设备、催化剂以及过程模型的开发也受到了广泛的关注。在环保法规和数字化转型的双重压力下，构建反映过程机理的分子尺度反应动力学模型，可对炼厂的精细化、智能化管理提供更有效的技术路线。
目前，常用的分子尺度反应动力学模型具有预测大量宏观性质的能力，几乎已完成了石油加工过程所有复杂反应体系的建模。但是，随着建模过程深入分子甚至机理层次，分子尺度反应动力学模型中的分子数和反应数也呈指数级增长。此外，为了分子尺度反应动力学模型的工业应用，分子尺度反应动力学模型还需与质量传递、热量传递耦合，以建立分子尺度反应器模型，这导致了分子尺度反应器模型的求解效率急剧下降。过长的求解时间，限制了分子尺度反应动力学模型的进一步工业应用。因此，亟需一种新的确定分子尺度反应器模型的方案。
发明内容
本申请提供一种分子尺度反应器模型的确定方法和装置，以解决分子尺度反应器模型的求解效率急剧下降的问题。
第一方面，本申请提供一种分子尺度反应器模型的确定方法，包括：
获取初始分子尺度反应器模型；
基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型；
其中，预设步长是基于实验数据获取的，对于同一物质，基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求。
可选的，预设步长是通过以下方式获取的：
构建初始分子尺度反应器模型；
基于初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数；
基于样本步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型；
基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数；
根据第一产物、第一特征参数、第二产物和第二特征参数，确定第一产物和第二产物的产物差异；
若产物差异不满足预设精度要求，则调整样本步长，并执行基于样本步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型的步骤，直至产物差异满足预设精度要求；
确定产物差异满足预设精度要求时对应的样本步长为预设步长。
可选的，对初始分子尺度反应器模型进行解耦离散化处理，包括：
对初始分子尺度反应器模型进行分段处理，解耦离散化处理包括分段处理。
可选的，第一特征参数包括质量和温度，基于初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数，包括：
根据龙格库塔方法和初始分子尺度反应器模型，获取第一产物；
根据质量平衡微分方程，确定第一产物中气液两相的质量；
根据热量平衡微分方程，确定第一产物中气液两相的反应温度。
可选的，第二特征参数包括质量和反应温度，待选分子尺度反应器模型为恒温反应器模型，基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数，包括：
根据龙格库塔方法和待选分子尺度反应器模型，获取第二产物；
根据质量平衡微分方程，确定第二产物中气液两相的质量；
根据预设数值计算方法，确定第二产物中气液两相的反应温度。
可选的，根据预设数值计算方法，确定第二产物中气液两相的反应温度，包括：
根据预设数值计算方法，获得待选分子尺度反应器模型中各段反应器模型的进出口温差，预设数值计算方法包括以下至少一种：欧拉法、改进欧拉法或预估-校正法；
根据每一段反应器模型的进出口温差，确定第二产物中气液两相的反应温度。
第二方面，本申请提供一种分子尺度反应器模型的确定装置，包括：
第一获取模块，用于获取初始分子尺度反应器模型；
确定模块，用于基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型；
其中，预设步长是基于实验数据获取的，对于同一物质，基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求。
可选的，该分子尺度反应器模型的确定装置还包括：
第二获取模块，用于：
构建初始分子尺度反应器模型；
基于初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数；
基于样本步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型；
基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数；
根据第一产物、第一特征参数、第二产物和第二特征参数，确定第一产物和第二产物的产物差异；
若产物差异不满足预设精度要求，则调整样本步长，并执行基于样本步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型的步骤，直至产物差异满足预设精度要求；
确定产物差异满足预设精度要求时对应的样本步长为预设步长。
可选的，第二获取模块在对初始分子尺度反应器模型进行解耦离散化处理时，具体用于：
对初始分子尺度反应器模型进行分段处理，解耦离散化处理包括分段处理。
可选的，第一特征参数包括质量和温度，第二获取模块在基于初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数时，具体用于：
根据龙格库塔方法和初始分子尺度反应器模型，获取第一产物；
根据质量平衡微分方程，确定第一产物中气液两相的质量；
根据热量平衡微分方程，确定第一产物中气液两相的反应温度。
可选的，第二特征参数包括质量和反应温度，待选分子尺度反应器模型为恒温反应器模型，第二获取模块在基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数时，具体用于：
根据龙格库塔方法和待选分子尺度反应器模型，获取第二产物；
根据质量平衡微分方程，确定第二产物中气液两相的质量；
根据预设数值计算方法，确定第二产物中气液两相的反应温度。
可选的，第二获取模块在根据预设数值计算方法，确定第二产物中气液两相的反应温度时，具体用于：
根据预设数值计算方法，获得待选分子尺度反应器模型中各段反应器模型的进出口温差，预设数值计算方法包括以下至少一种：欧拉法、改进欧拉法或预估-校正法；
根据每一段反应器模型的进出口温差，确定第二产物中气液两相的反应温度。
第三方面，本申请提供一种电子设备，包括：存储器和处理器；
存储器用于存储程序指令；
处理器用于调用存储器中的程序指令执行如本申请第一方面所述的分子尺度反应器模型的确定方法。
第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序指令，计算机程序指令被执行时，实现如本申请第一方面所述的分子尺度反应器模型的确定方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如本申请第一方面所述的分子尺度反应器模型的确定方法。
本申请提供的分子尺度反应器模型的确定方法和装置，通过获取初始分子尺度反应器模型，基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型，其中，预设步长是基于实验数据获取的，对于同一物质，基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求。由于本申请的目标分子尺度反应器模型是基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理后获得的，因此，在保证获得的油品宏观性质和产物分子组成都具有高精度的前提下，能够大大提高分子尺度反应器模型的求解效率，为复杂反应体系分子尺度反应器模型的工业运用提供技术支持。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的应用场景示意图；
图2为本申请一实施例提供的分子尺度反应器模型的确定方法的流程图；
图3为本申请另一实施例提供的分子尺度反应器模型的确定方法的流程图；
图4为本申请一实施例提供的初始分子尺度反应器模型的计算值与实验值的对比示意图；
图5为本申请另一实施例提供的初始分子尺度反应器模型的计算值与实验值的对比示意图；
图6为本申请一实施例提供的解耦离散化处理前后分子尺度反应器模型的对比示意图；
图7a为本申请一实施例提供的欧拉法的几何意义和误差分析的示意图；
图7b为本申请一实施例提供的改进欧拉法的几何意义和误差分析的示意图；
图7c为本申请一实施例提供的预估-校正法的几何意义和误差分析的示意图；
图8a为本申请一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8b为本申请另一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8c为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8d为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8e为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8f为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8g为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8h为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8i为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8j为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图8k为本申请又一实施例提供的四种温差估算方法计算误差随离散段数变化的示意图；
图9为本申请一实施例提供的四种温差估算方法的计算时间的示意图；
图10为本申请一实施例提供的解耦离散化反应器模型使用的解耦离散化方法的流程图；
图11为本申请一实施例提供的两种分子尺度反应器模型的反应温度的对比示意图；
图12为本申请一实施例提供的相对时间与绝对误差的权衡示意图；
图13为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的烃类族组成的分布对比示意图；
图14为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的反应温度的分布对比示意图；
图15为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的硫化物的分布对比示意图；
图16为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的氮化物的分布对比示意图；
图17为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的产物中分子分布情况的示意图；
图18为本申请一实施例提供的分子尺度反应器模型的确定装置的结构示意图；
图19为本申请另一实施例提供的分子尺度反应器模型的确定装置的结构示意图。
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。基于本申请中的实施例，本领域普通技术人员在没有做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。
基于分子尺度反应器模型的求解效率急剧下降的问题，本申请提供一种分子尺度反应器模型的确定方法和装置，以最优步长对初始分子尺度反应器模型进行解耦离散化处理，以提供一种求解效率更高的分子尺度反应器模型，为复杂反应体系分子尺度反应器模型的工业运用提供技术支持。
图1为本申请一实施例提供的应用场景示意图。如图1所示，本应用场景中，客户端110中有用于确定分子尺度反应器模型的数据。示例性地，用于确定分子尺度反应器模型的数据为柴油加氢处理的有关数据，服务器120通过网络获取柴油加氢处理的有关数据，根据柴油加氢处理的有关数据确定分子尺度反应器模型。其中，服务器120确定分子尺度反应器模型的具体实现过程可以参见下述各实施例的方案。
需要说明的是，图1仅是本申请实施例提供的一种应用场景的示意图，本申请实施例不对图1中包括的设备进行限定，也不对图1中设备之间的位置关系进行限定。例如，在图1所示的应用场景中，还可以包括数据存储设备，该数据存储设备相对客户端110或者服务器120可以是外部存储器，也可以是集成在客户端110或者服务器120中的内部存储器。
图2为本申请一实施例提供的分子尺度反应器模型的确定方法的流程图。本申请实施例的方法可以应用于电子设备中，该电子设备可以是服务器或服务器集群等。如图2所示，本申请实施例的方法包括：
S201、获取初始分子尺度反应器模型。
本申请实施例中，初始分子尺度反应器模型可以是用户向执行本方法实施例的电子设备输入的，或者，是其它设备向执行本方法实施例的电子设备发送的。初始分子尺度反应器模型可以包括机理层面的反应器模型和分子路径层面的反应器模型，具体构建方法属于现有技术，本申请这里不再赘述。示例性地，获取的初始分子尺度反应器模型为分子路径层面的反应器模型，本申请不以此为限制。示例性地，初始分子尺度反应器模型为柴油加氢处理初始分子尺度反应器模型，柴油加氢处理初始分子尺度反应器模型为分子路径层面的反应器模型，具体包括柴油加氢处理动力学模型、质量平衡微分方程与热量平衡微分方程。
S202、基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型；其中，预设步长是基于实验数据获取的，对于同一物质，基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求。
本申请实施例中，在获得了初始分子尺度反应器模型后，基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型。示例性地，初始分子尺度反应器模型为柴油加氢处理初始分子尺度反应器模型，对柴油加氢处理初始分子尺度反应器模型进行解耦处理，即将柴油加氢处理初始分子尺度反应器模型中的质量平衡微分方程(进行质量衡算)与热量平衡微分方程(进行能量衡算)进行解耦。示例性地，预设步长为0.01米，初始分子尺度反应器模型的长度为1米，则基于预设步长为0.01米，对初始分子尺度反应器模型进行解耦离散化处理，可以得到包含100段反应器模型的目标分子尺度反应器模型，其中，每一段反应器均为等温反应器，仅通过质量平衡微分方程进行质量衡算，用离散段进出口的分子浓度估算反应温度，即进行能量衡算，从而实现了质量衡算与能量衡算的解耦。预设步长是基于实验数据获取的，对于同一物质，基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求。示例性地，产物为油品的宏观性质，可以包括：油品密度、硫含量、氮含量、柴油烃类族组成；预设精度要求为产物差异的收敛容差，可以采用分析仪器测量精度作为收敛容差。表1示出了油品的各宏观性质对应的收敛容差，比如硫含量的收敛容差为0.1。基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的油品的各宏观性质的差异均满足表1中对应的收敛容差。
表1油品的各宏观性质对应的收敛容差
本申请实施例提供的分子尺度反应器模型的确定方法，通过获取初始分子尺度反应器模型，基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型，其中，预设步长是基于实验数据获取的，对于同一物质，基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求。由于本申请实施例的目标分子尺度反应器模型是基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理后获得的，因此，在保证获得的油品宏观性质和产物分子组成都具有高精度的前提下，能够大大提高分子尺度反应器模型的求解效率，为复杂反应体系分子尺度反应器模型的工业运用提供技术支持。
下面各申请实施例中，以确定柴油加氢处理分子尺度反应器模型为例进行说明。
图3为本申请另一实施例提供的分子尺度反应器模型的确定方法的流程图。在上述实施例的基础上，本申请实施例对如何获取预设步长进行进一步说明。如图3所示，本申请实施例的方法可以包括：
S301、构建初始分子尺度反应器模型。
本申请实施例中，S301的具体实现过程可以参见图2所示实施例的相关描述。示例性地，构建柴油加氢处理初始分子尺度反应器模型，柴油加氢处理初始分子尺度反应器模型具体包括柴油加氢处理动力学模型、质量平衡微分方程与热量平衡微分方程，其中，质量平衡微分方程包括气相质量平衡微分方程、液相质量平衡微分方程。示例性地，图4为本申请一实施例提供的初始分子尺度反应器模型的计算值与实验值的对比示意图，如图4所示，示出了柴油原料组成模型族组成计算值与实验值的对比，构建的柴油加氢处理初始分子尺度反应器模型的反应物组成的计算结果与实验结果是一致的。
具体地，柴油加氢处理动力学模型的公式为：
吸热反应时：
放热反应时：
其中，i为柴油中的任一分子，j为柴油加氢处理中的任一化学反应，rij为反应j的反应速率常数，
为反应j的表面反应速率，
为氢气的吸附常数，
为物质i的吸附常数；
为物质i在液相中的浓度，单位mol/cm3，
为氢气在液相中的浓度，单位mol/cm3，m为氢气在反应中的化学计量数，An为反应类型n的指前因子，Ean为反应类型n的活化能，单位kJ，αn为线性自由能关系中的反应类型n的反应指数因子，
为线性自由能关系中反应类型n的活化能因子，ΔHj为反应j的焓变，单位kJ，a、b、c为吸附参数，
为物质i的芳香环数，
为物质i的环烷环数，R为理想气体常数，单位J/mol K，T为反应温度，单位K。
具体地，柴油加氢处理初始分子尺度反应器模型中气相质量平衡微分方程为：
其中，
为物质i在气相中的分压，单位MPa，z为反应器相对长度，ug为气相流速，单位cm/s，aL为气液相接触面积，单位cm-1，
为物质i的气液相传质因子，单位cm/s；hi为物质i的亨利系数，
为物质i在液相中的浓度，单位mol/cm3。
具体地，柴油加氢处理初始分子尺度反应器模型中液相质量平衡微分方程为：
其中，uL为液相流速，单位cm/s，ρb为催化剂堆密度，单位g/cm3。
具体地，柴油加氢处理初始分子尺度反应器模型中热量平衡微分方程为：
其中，ΔHr,j为反应j的反应焓变，单位J/mol，ρG为气相密度，单位g/cm3，ρL为液相密度，单位g/cm3，Cp,g为气相热容，单位J/g K，Cp,L为液相热容，单位J/g K。
完成柴油加氢处理初始分子尺度反应器模型构建后，使用实验数据对柴油加氢处理动力学模型进行参数拟合，参数拟合方法比如采用遗传算法。具体待拟合参数包括：上述公式二中的An，公式三和公式四中的αn、
公式五中的a、b、c。然后使用拟合得到的柴油加氢处理动力学模型参数求解柴油加氢处理初始分子尺度反应器模型(此模型为未进行解耦离散化处理的初始分子尺度反应器模型)。示例性地，图5为本申请另一实施例提供的初始分子尺度反应器模型的计算值与实验值的对比示意图，如图5所示，使用拟合得到的柴油加氢处理动力学模型参数求解柴油加氢处理初始分子尺度反应器模型，获得的产物的计算结果与实验结果是一致的。
S302、基于初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数。
本申请实施例中，在构建好了初始分子尺度反应器模型后，可以根据该初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数。示例性地，第一产物可以包括如表1中的油品的各宏观性质，相应地，第一产物对应的第一特征参数为油品的各宏观性质的对应数据，比如硫含量为0.3ppm。
作为一种可能的实施方式，该步骤可以进一步包括：第一特征参数包括质量和温度，根据龙格库塔方法和初始分子尺度反应器模型，获取第一产物；根据质量平衡微分方程，确定第一产物中气液两相的质量；根据热量平衡微分方程，确定第一产物中气液两相的反应温度。
本申请实施例中，示例性地，初始分子尺度反应器模型为柴油加氢处理初始分子尺度反应器模型，使用龙格库塔方法求解柴油加氢处理初始分子尺度反应器模型，获得柴油产物烃类族组成、反应温度分布等。具体地，通过龙格库塔方法可以获得产物的分子组成，对气相质量平衡微分方程进行气相质量衡算，可以确定柴油加氢产物中气相的质量，例如可以获得氢气和硫化氢的分布；对液相质量平衡微分方程进行液相质量衡算，可以确定柴油加氢产物中液相的质量，例如可以获得柴油加氢产物的宏观性质；对热量平衡微分方程进行热量衡算，确定柴油加氢产物中气液两相的反应温度。
S303、基于样本步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型。
本申请实施例中，样本步长是用于确定上述预设步长的样本数据。示例性地，样本步长为0.1米，初始分子尺度反应器模型的长度为1米，则基于样本步长为0.1米，对初始分子尺度反应器模型进行解耦离散化处理，可以得到包含10段反应器模型的待选分子尺度反应器模型。在一种可能的实施方式中，可以通过离散单元数样本数据，比如离散单元数为5，对初始分子尺度反应器模型进行解耦离散化处理，得到包含五段反应器模型的待选分子尺度反应器模型，其中，样本步长和离散单元数的关系为：样本步长为初始分子尺度反应器模型的长度除以离散单元数。
进一步地，对初始分子尺度反应器模型进行解耦离散化处理，可以包括：对初始分子尺度反应器模型进行分段处理，解耦离散化处理包括分段处理。
本申请实施例中，基于样本步长，将初始分子尺度反应器模型分为多段，示例性地，图6为本申请一实施例提供的解耦离散化处理前后分子尺度反应器模型的对比示意图，如图6所示，未解耦离散化反应器模型是初始分子尺度反应器模型，解耦离散化反应器模型是对初始分子尺度反应器模型进行了解耦离散化处理后获得的模型，借助有限元的思想，将初始分子尺度反应器模型进行解耦离散化处理后，分成了n段。示例性地，样本步长为0.1米，初始分子尺度反应器模型的长度为1米，则基于样本步长为0.1米，将初始分子尺度反应器模型进行分段处理，分为了10段反应器模型。
S304、基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数。
本申请实施例中，在获得了待选分子尺度反应器模型后，可以基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数。示例性地，第二产物可以包括如表1中的油品的各宏观性质，相应地，第二产物对应的第一特征参数为油品的各宏观性质的对应数据，比如硫含量为0.25ppm。
作为一种可能的实施方式，该步骤可以进一步包括：第二特征参数包括质量和反应温度，待选分子尺度反应器模型为恒温反应器模型，根据龙格库塔方法和待选分子尺度反应器模型，获取第二产物；根据质量平衡微分方程，确定第二产物中气液两相的质量；根据预设数值计算方法，确定第二产物中气液两相的反应温度。
示例性地，待选分子尺度反应器模型为柴油加氢处理待选分子尺度反应器模型，柴油加氢处理待选分子尺度反应器模型为恒温反应器模型，相应地，柴油加氢处理待选分子尺度反应器模型包含的多段反应器模型均为恒温反应器模型。对于柴油加氢处理待选分子尺度反应器模型包含的第一段反应器模型，输入样本步长和初始反应条件，初始反应条件比如为反应温度、反应压力、氢油比和液时空速，本申请不以此为限制，通过龙格库塔方法对第一段反应器模型求解，获得出口产物分子组成；根据预设数值计算方法，获得第一段反应器模型的气液两相的反应温度，即第一段反应器模型的出口反应温度；再根据第一段反应器模型出口的产物分子组成和出口反应温度计算第一段反应器模型的出口产物性质，其中，产物性质包括但不限于密度、分子量、馏程分布等；使用第一段反应器模型的出口产物分子组成、出口反应温度和出口产物性质作为第二段反应器模型的初始条件，计算第二段反应器模型的出口产物分子组成、出口反应温度和出口产物性质；再以第二段反应器模型的出口产物分子组成、出口反应温度和出口产物性质作为第三段反应器模型的初始条件，按照上述方法对柴油加氢处理待选分子尺度反应器模型包含的多段反应器模型进行顺序求解，直到计算至最后一段反应器模型，获得第二产物中气液两相的质量以及确定第二产物中气液两相的反应温度。
作为一种可能的实施方式，在根据预设数值计算方法，确定第二产物中气液两相的反应温度时，可以进一步包括：根据预设数值计算方法，获得待选分子尺度反应器模型中各段反应器模型的进出口温差，预设数值计算方法包括以下至少一种：欧拉法、改进欧拉法或预估-校正法；根据每一段反应器模型的进出口温差，确定第二产物中气液两相的反应温度。
本申请实施例中，针对待选分子尺度反应器模型包含的每一段反应器模型，首先根据预设数值计算方法获取第一段反应器模型的进出口温差，然后根据第一段反应器模型的反应温度和进出口温差，获得第二段反应器模型的反应温度；根据预设数值计算方法获取第二段反应器模型的进出口温差，然后根据第二段反应器模型的反应温度和进出口温差，获得第三段反应器模型的反应温度，依此类推，直至获得最后一段反应器模型的反应温度，即：第二产物中气液两相的反应温度。其中，在获取第二段以及之后每一段反应器模型的反应温度时，通过热量平衡代数方程替代了热量平衡微分方程，以提高分子尺度反应器模型的求解速度。
具体热量平衡代数方程为：
Ti+1＝Ti+ΔT 公式九
其中，Ti为第i段反应器模型的反应温度，单位K，Ti+1为第i+1段反应器模型的反应温度，单位K，ΔT为第i段反应器模型的温差。
根据预设数值计算方法获得公式九中的第i段反应器模型的温差，即ΔT。预设数值计算方法可以为欧拉法、改进欧拉法或预估-校正法。其中，根据欧拉法推导的热量平衡代数方程为：
其中，
Δz为第i段反应器模型的步长，
为第i段反应器模型的气相密度，单位g/cm3，
为第i段反应器模型的液相密度，单位g/cm3，
为第i段反应器模型的气相热容，单位J/g K，
为第i段反应器模型的液相热容，单位J/g K，
为Ti位置处的rij。
欧拉法计算量少、但精度低。为了提高欧拉法的计算精度，对欧拉法进行了改进，提出了改进欧拉法。改进欧拉法使用微元段出口和入口的平均斜率来估算出口值。因改进欧拉法是隐式算法，出口斜率无法直接获取。进而先用欧拉法来估算微元段的出口值。根据改进欧拉法推导的热量平衡代数方程为：
其中，
为第i+1段的预估反应温度。
欧拉法、改进的欧拉法都属于单步法，为进一步提高算法的稳定性和精度，常采用前面多步的结果来估算，这种方法叫线性多步法。线性多步法多为隐式算法，需要构造预估-校正系统来进行计算。本申请实施例中使用两步欧拉法进行预估，用改进欧拉法进行校正。需要说明的是，在两步欧拉法中，需要使用来前两段的温度估算当前段的温度。所以，预估-校正法中i的最小值为2。当i为1时，需要使用欧拉法或者改进欧拉法提供表头。针对以上两种情况，提出了两种预估-校正法，分别称为预估-校正法(欧拉法)和预估-校正法(改进欧拉法)。
其中根据预估-校正法(欧拉法)推导的热量平衡代数方程为：
表头：
预估：
校正：
根据预估-校正法(改进欧拉法)推导的热量平衡代数方程为：
表头：
预估：
校正：
图7a至图7c分别示出了欧拉法、改进欧拉法和预估-校正法的几何意义和误差分析的示意图，其中，欧拉法为一阶算法，改进欧拉法和预估-校正法为二阶算法。图7a至图7c中的虚线线条表示数值解，数值解是欧拉法或改进欧拉法或预估-校正法的估算解；直线线条表示解析解，解析解是每个被估算点的真实解；圆圈表示温差估算基点，温差估算基点是估算下一个点的基准点(比如公式九中的Ti)；五角星表示被估算点，被估算点是要通过欧拉法或改进欧拉法或预估-校正法进行估算的点(比如公式九中的Ti+1)。从图7a至图7c中可以看出，二阶方法的精度虽然高于一阶方法，但计算量大于一阶方法。另外，随着步长的减小，精度虽然提高，但计算时间增长。因此，步长的设置成为了一个权衡取舍问题。
对应上述欧拉法、改进欧拉法、预估-校正法(欧拉法)和预估-校正法(改进欧拉法)四种温差估算的方法，为选出最优温差估算方法，对四种温差估算方法进行了比较。示例性地，首先通过四种温差估算方法对进行了解耦离散化处理的分子尺度反应器模型(也可以称为解耦离散化反应器模型)进行求解，并进行误差计算。图8a至图8k分别示出了四种温差估算方法计算误差随离散段数变化的示意图，其中，图8a至图8k中的两条虚线线条为表1中的收敛容差、方框线条表示欧拉法、三角形线条表示改进欧拉法、星号线条表示预估-校正法(欧拉法)、圆圈线条表示预估-校正法(改进欧拉法)。从图8a至图8k中可以发现，随着离散段的增加，四种算法的计算误差都趋近于0，但是各个算法收敛速度有差别，其中欧拉法收敛最慢。改进欧拉法和预估-校正法(改进欧拉法)收敛最快，且两者计算结果基本一致。所有宏观性质全部收敛时的离散段数为200段。另外，可以从图8a至图8k中看出，反应温度收敛速率最慢。然后，比较四种温差估算方法的计算时间，图9为本申请一实施例提供的四种温差估算方法的计算时间的示意图，如图9所示，图9中虚线表示初始分子尺度反应器模型(也可以称为未解耦离散化反应器模型)的计算时间，约100s，计算机配置为：16G内存、i7处理器。由于不同配置的计算机，模型的计算时间可能不同，所以将四种温差估算方法的计算时间都换算为相对计算时间，具体换算方法为：以未解耦离散化反应器模型的计算时间为基准。使用解耦离散化反应器模型的计算耗时除以未解耦离散化反应器模型的计算时间。从图9中可以看出，欧拉法相对计算时间最短。其他三种二阶方法的相对计算时间几乎一致。虽然欧拉法计算时间最短，但却无法弥补计算精度带来的损失。改进欧拉法和预估-校正法(改进欧拉法)收敛时，计算时长约20s。考虑到预估-校正法(改进欧拉法)是多步法，计算结果的稳定性高于改进欧拉法。所以，综合考虑四种算法的计算速度、精度、稳定性后，选择预估-校正法(改进欧拉法)来估算温差。
S305、根据第一产物、第一特征参数、第二产物和第二特征参数，确定第一产物和第二产物的产物差异。
本申请实施例中，在获得了第一产物、第一特征参数、第二产物和第二特征参数后，可以根据第一产物、第一特征参数、第二产物和第二特征参数，确定第一产物和第二产物的产物差异。示例性地，第一产物中的硫含量为0.3ppm，第二产物中的硫含量为0.25ppm，则可以确定第一产物中的硫含量和第二产物中的硫含量的产物差异为0.05。
S306、判断产物差异是否满足预设精度要求。
本申请实施例中，若产物差异满足预设精度要求，则执行步骤S307；若产物差异不满足预设精度要求，则调整样本步长，执行步骤S303至S306。示例性地，参考表1，已经获得了第一产物的各个宏观性质对应第二产物的各个宏观性质的产物差异，比如第一产物中的硫含量和第二产物中的硫含量的产物差异为0.05，第一产物中的氮含量和第二产物中的氮含量的产物差异为0.02，则判断每一个宏观性质的差异是否满足对应的预设精度要求，预设精度要求即为表1中每一个宏观性质对应的收敛容差。如果所有宏观性质的差异均满足各自的收敛容差，则表示产物差异满足预设精度要求，如果有一个宏观性质的差异不满足对应的收敛容差，则表示产物差异不满足预设精度要求。
S307、确定产物差异满足预设精度要求时对应的样本步长为预设步长。
本申请实施例中，若产物差异满足预设精度要求，则可以确定对应的样本步长为预设步长。示例性地，参考表1，第一产物的各个宏观性质对应第二产物的各个宏观性质的产物差异，如果所有宏观性质的差异均满足各自的收敛容差，则可以确定对应的样本步长为预设步长。
本申请实施例提供的分子尺度反应器模型的确定方法，由于通过构建初始分子尺度反应器模型，基于初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数，基于样本步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型，基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数，根据第一产物、第一特征参数、第二产物和第二特征参数，确定第一产物和第二产物的产物差异，判断产物差异是否满足预设精度要求来获得预设步长。因此，能够准确地获得预设步长，进而基于该预设步长，对初始分子尺度反应器模型进行解耦离散化处理，获得目标分子尺度反应器模型，从而大大提高分子尺度反应器模型的求解效率。
在上述实施例的基础上，对于获得的目标分子尺度反应器模型，可以称为解耦离散化反应器模型，对于初始分子尺度反应器模型，可以称为未解耦离散化反应器模型。
在上述实施例的基础上，图10为本申请一实施例提供的解耦离散化反应器模型使用的解耦离散化方法的流程图，如图10所示，解耦离散化反应器模型基于步长ΔZ离散为多段反应器模型，i表示第i个离散段，i的初始值为0，Z表示离散段的累加总长度，Z的初始值为0，Zi表示累加到第i个离散段的总长度，Zi+1表示累加到第i+1个离散段的总长度，ZFinal表示解耦离散化反应器模型的总长度，本申请实施例的方法可以包括：
S1001、初始化参数：Z＝0，i＝0；
S1002、设置初始反应条件、步长ΔZ；
S1003、获取Zi+1＝Zi+ΔZ，即要处理的当前离散段；
S1004、对当前离散段通过常微分方程求解器(即质量平衡微分方程)进行质量衡算，获得分子组成分布；
S1005、对当前离散段通过分子组成估算反应温差ΔT；
S1006、通过热量平衡代数方程(即Ti+1＝Ti+ΔT)计算下一个离散段的入口温度，也是当前离散段的出口温度；
S1007、根据当前离散段的分子组成和出口温度获取当前离散段的宏观性质；
S1008、Z＝Zi+1，判断Z是否小于ZFinal；
若Z小于ZFinal，则继续执行步骤S1003，若Z大于等于ZFinal，则执行步骤S1009。
S1009、获得产物组成以及反应温度分布。
在上述实施例的基础上，在确定采用预估-校正法(改进欧拉法)估算温差后，可以对解耦离散化反应器模型进行综合评估，以验证解耦离散化反应器模型的准确性。由于反应温度是模型收敛的关键，故考察离散段为10、25、50、100、150、200时，反应温度在解耦离散化反应器模型中的变化情况。图11为本申请一实施例提供的两种分子尺度反应器模型的反应温度的对比示意图，如图11所示，随着离散点的增多，反应温度在解耦离散化反应器模型中的分布均趋近于未解耦离散化反应器模型。结果表明，当离散单元数选取合理时(即200段)，解耦离散化反应器模型的温度分布与未解耦离散化反应器模型的温度分布完全一致。
图12为本申请一实施例提供的相对时间与绝对误差的权衡示意图，如图12所示，图12中的误差分别为反应温度和烃类族组成的平均误差。随着离散点的增多，相对计算时间几乎呈线性增长。而误差则是指数级降低。图12结果表明，解耦离散化反应器模型的精度和计算时长是权衡取舍问题。也就是说，如果使用者需要获取高精度就需要牺牲计算时间；而要获得高的计算效率，就需要舍弃一定的精度。另外，结果表明只需付出较少的时间增长即可获得较大的误差减小。对于工业应用，可以根据实际的误差需求，动态调节模型的计算时间。计算时间灵活可调，也是解耦离散化反应器模型的优势之处。
图13为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型得的烃类族组成的分布对比示意图，图14为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的反应温度的分布对比示意图，图15为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的硫化物的分布对比示意图，图16为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的氮化物的分布对比示意图。如图13至图16所示，其中，线表示未解耦离散化反应器模型，点表示解耦离散化反应器模型，解耦离散化反应器模型的离散单元数目为200，从图13至图16可以看出，两种模型计算得到的关键性质和反应温度在反应器轴向分布高度一致，证明本申请实施例的解耦离散化反应器模型具有很高的精度，能够准确计算产物的宏观性质。
图17为本申请一实施例提供的解耦离散化反应器模型和未解耦反应器模型的产物中分子分布情况的示意图，如图17所示，展示了解耦离散化反应器模型和未解耦反应器模型求解获得的产物中分子分布情况。从图17中可以看出，两种模型的分子含量计算结果完全一致，从而证明了解耦离散化反应器模型求解结果的正确性。从图17中还可以看出，产物分子分布合理，大致符合伽马分布。由于原料为催化裂化柴油，硫、氮含量相对较高。为了达到清洁油品的需要，深度加氢过程中，发生了少量的开环和裂化反应。从分子的角度分析柴油加氢处理，可以发现，柴油的加氢深度与柴油产品的液收是相矛盾的。
经过对比可以发现，本申请实施例的解耦离散化反应器模型在应用到柴油加氢处理中时，无论是计算得到的宏观性质(烃类族组成、元素组成、密度等)还是柴油中的分子组成分布，都有很高的准确性。与此同时，所需要的计算时间急剧降低。示例性地，解耦离散化反应器模型在应用到柴油加氢处理时仅需20s，是常规求解方法耗时的五分之一，能够满足工业应用的需求。另外，本申请实施例的解耦离散化反应器模型，将模型求解变成了权衡取舍问题，使用者可以灵活调整计算时间，以满足不同场景应用的需求。
综上，本申请提供的技术方案，至少具有如下优点：
(1)可将耦合的常微分方程转化为代数方程，减小了分子尺度反应器模型的计算量，同时，解决了分子浓度变化率和温度变化率不一致而引起的强刚性问题；
(2)使化学反应与相平衡分离更易结合，比如，对于加氢裂化，离散化策略可使化学反应与闪蒸过程的衔接更加简单；
(3)可以根据使用者对于计算精度的需求，动态灵活调整模型的求解时间，以此可以满足科学研究和工业应用等不同场景的需求。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
图18为本申请一实施例提供的分子尺度反应器模型的确定装置的结构示意图，如图18所示，本申请实施例的分子尺度反应器模型的确定装置1800包括：第一获取模块1801、确定模块1802。其中：
第一获取模块1801，用于获取初始分子尺度反应器模型。
确定模块1802，用于基于预设步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型；其中，预设步长是基于实验数据获取的，对于同一物质，基于预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求。
在上述任一所示实施例的基础上，分子尺度反应器模型的确定装置1800还包括：第二获取模块1803，用于：
构建初始分子尺度反应器模型；基于初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数；基于样本步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型；基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数；根据第一产物、第一特征参数、第二产物和第二特征参数，确定第一产物和第二产物的产物差异；若产物差异不满足预设精度要求，则调整样本步长，并执行基于样本步长，对初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型的步骤，直至产物差异满足预设精度要求；确定产物差异满足预设精度要求时对应的样本步长为预设步长。
在上述任一所示实施例的基础上，第二获取模块1803在对初始分子尺度反应器模型进行解耦离散化处理时，可以具体用于：
对初始分子尺度反应器模型进行分段处理，解耦离散化处理包括分段处理。
在上述任一所示实施例的基础上，第一特征参数包括质量和温度，第二获取模块1803在基于初始分子尺度反应器模型，获取第一产物及第一产物对应的第一特征参数时，可以具体用于：
根据龙格库塔方法和初始分子尺度反应器模型，获取第一产物；根据质量平衡微分方程，确定第一产物中气液两相的质量；根据热量平衡微分方程，确定第一产物中气液两相的反应温度。
在上述任一所示实施例的基础上，第二特征参数包括质量和反应温度，待选分子尺度反应器模型为恒温反应器模型，第二获取模块1803在基于待选分子尺度反应器模型，获取第二产物及第二产物对应的第二特征参数时，可以具体用于：
根据龙格库塔方法和待选分子尺度反应器模型，获取第二产物；根据质量平衡微分方程，确定第二产物中气液两相的质量；根据预设数值计算方法，确定第二产物中气液两相的反应温度。
在上述任一所示实施例的基础上，第二获取模块1803在根据预设数值计算方法，确定第二产物中气液两相的反应温度时，可以具体用于：
根据预设数值计算方法，获得待选分子尺度反应器模型中各段反应器模型的进出口温差，预设数值计算方法包括以下至少一种：欧拉法、改进欧拉法或预估-校正法；根据每一段反应器模型的进出口温差，确定第二产物中气液两相的反应温度。
本实施例的装置，可以用于执行上述任一所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图19为本申请另一实施例提供的分子尺度反应器模型的确定装置的结构示意图。示例性地，分子尺度反应器模型的确定装置可以被提供为一服务器等计算机。参照图19，分子尺度反应器模型的确定装置1900包括处理组件1901，其进一步包括一个或多个处理器，以及由存储器1902所代表的存储器资源，用于存储可由处理组件1901的执行的指令，例如应用程序。存储器1902中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1901被配置为执行指令，以执行上述任一方法实施例。
分子尺度反应器模型的确定装置1900还可以包括一个电源组件1903被配置为执行分子尺度反应器模型的确定装置1900的电源管理，一个有线或无线网络接口1904被配置为将分子尺度反应器模型的确定装置1900连接到网络，和一个输入输出(I/O)接口1905。分子尺度反应器模型的确定装置1900可以操作基于存储在存储器1902的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本申请还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现如上分子尺度反应器模型的确定方法的方案。
本申请还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上的分子尺度反应器模型的确定方法的方案。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于分子尺度反应器模型的确定装置中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，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，或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (8)
1.一种分子尺度反应器模型的确定方法，其特征在于，包括：
获取初始分子尺度反应器模型；
基于预设步长，对所述初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型；
其中，所述预设步长是基于实验数据获取的，对于同一物质，基于所述预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求；
所述预设步长是通过以下方式获取的：
构建所述初始分子尺度反应器模型；
基于所述初始分子尺度反应器模型，获取第一产物及所述第一产物对应的第一特征参数，所述第一特征参数包括质量和温度；
基于样本步长，对所述初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型；
基于所述待选分子尺度反应器模型，获取第二产物及所述第二产物对应的第二特征参数，所述第二特征参数包括质量和反应温度；
根据所述第一产物、所述第一特征参数、所述第二产物和所述第二特征参数，确定所述第一产物和所述第二产物的产物差异；
若产物差异不满足所述预设精度要求，则调整所述样本步长，并执行所述基于样本步长，对所述初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型的步骤，直至产物差异满足所述预设精度要求；
确定产物差异满足所述预设精度要求时对应的样本步长为所述预设步长。
2.根据权利要求1所述的分子尺度反应器模型的确定方法，其特征在于，所述对所述初始分子尺度反应器模型进行解耦离散化处理，包括：
对所述初始分子尺度反应器模型进行分段处理，所述解耦离散化处理包括所述分段处理。
3.根据权利要求1所述的分子尺度反应器模型的确定方法，其特征在于，所述基于所述初始分子尺度反应器模型，获取第一产物及所述第一产物对应的第一特征参数，包括：
根据龙格库塔方法和所述初始分子尺度反应器模型，获取所述第一产物；
根据质量平衡微分方程，确定所述第一产物中气液两相的质量；
根据热量平衡微分方程，确定所述第一产物中气液两相的反应温度。
4.根据权利要求1所述的分子尺度反应器模型的确定方法，其特征在于，所述待选分子尺度反应器模型为恒温反应器模型，所述基于所述待选分子尺度反应器模型，获取第二产物及所述第二产物对应的第二特征参数，包括：
根据龙格库塔方法和所述待选分子尺度反应器模型，获取所述第二产物；
根据质量平衡微分方程，确定所述第二产物中气液两相的质量；
根据预设数值计算方法，确定所述第二产物中气液两相的反应温度。
5.根据权利要求4所述的分子尺度反应器模型的确定方法，其特征在于，所述根据预设数值计算方法，确定所述第二产物中气液两相的反应温度，包括：
根据预设数值计算方法，获得所述待选分子尺度反应器模型中各段反应器模型的进出口温差，所述预设数值计算方法包括以下至少一种：欧拉法、改进欧拉法或预估-校正法；
根据每一段反应器模型的进出口温差，确定所述第二产物中气液两相的反应温度。
6.一种分子尺度反应器模型的确定装置，其特征在于，包括：
第一获取模块，用于获取初始分子尺度反应器模型；
确定模块，用于基于预设步长，对所述初始分子尺度反应器模型进行解耦离散化处理，得到包含多段反应器模型的目标分子尺度反应器模型；
其中，所述预设步长是基于实验数据获取的，对于同一物质，基于所述预设步长进行解耦离散化处理前后的分子尺度反应器模型得到的产物差异满足预设精度要求；
第二获取模块，用于通过以下方式获取所述预设步长：构建所述初始分子尺度反应器模型；基于所述初始分子尺度反应器模型，获取第一产物及所述第一产物对应的第一特征参数，所述第一特征参数包括质量和温度；基于样本步长，对所述初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型；基于所述待选分子尺度反应器模型，获取第二产物及所述第二产物对应的第二特征参数，所述第二特征参数包括质量和反应温度；根据所述第一产物、所述第一特征参数、所述第二产物和所述第二特征参数，确定所述第一产物和所述第二产物的产物差异；若产物差异不满足所述预设精度要求，则调整所述样本步长，并执行所述基于样本步长，对所述初始分子尺度反应器模型进行解耦离散化处理，得到包含至少两段反应器模型的待选分子尺度反应器模型的步骤，直至产物差异满足所述预设精度要求；确定产物差异满足所述预设精度要求时对应的样本步长为所述预设步长。
7.一种电子设备，其特征在于，包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用所述存储器中的程序指令执行如权利要求1-5任一项所述的分子尺度反应器模型的确定方法。
8.一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中存储有计算机程序指令，所述计算机程序指令被执行时，实现如权利要求1至5任一项所述的分子尺度反应器模型的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110303060.0A CN113223626B (zh) | 2021-03-22 | 2021-03-22 | 分子尺度反应器模型的确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110303060.0A CN113223626B (zh) | 2021-03-22 | 2021-03-22 | 分子尺度反应器模型的确定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113223626A CN113223626A (zh) | 2021-08-06 |
| CN113223626B true CN113223626B (zh) | 2023-06-09 |
Family
ID=77084239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110303060.0A Active CN113223626B (zh) | 2021-03-22 | 2021-03-22 | 分子尺度反应器模型的确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113223626B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1999053387A1 (en) * | 1998-04-09 | 1999-10-21 | Aspen Technology, Inc. | Polymer property distribution functions methodology and simulators |
| CN101853334A (zh) * | 2010-05-27 | 2010-10-06 | 重庆大学 | 化学反应扩散中的免方程多尺度模拟方法 |
| CN102063544A (zh) * | 2011-01-04 | 2011-05-18 | 浙江大学 | 一种用于聚合物分子量分布计算的多核并行求解方法 |
| CN102142060A (zh) * | 2011-01-04 | 2011-08-03 | 浙江大学 | 自由基聚合物分子量分布操作条件优化方法 |
| CN109378041A (zh) * | 2018-12-03 | 2019-02-22 | 中国石油大学(北京) | 介尺度模拟石油分子粗粒化模型及其构建方法和预测方法 |
| CN109783935A (zh) * | 2019-01-15 | 2019-05-21 | 北京航空航天大学 | 一种基于isph提高飞溅流体稳定性的实现方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NZ554574A (en) * | 2004-10-28 | 2009-08-28 | Albert Edward Litherland | Method and apparatus for separation of isobaric interferences |
| US9665693B2 (en) * | 2012-05-30 | 2017-05-30 | Exxonmobil Research And Engineering Company | System and method to generate molecular formula distributions beyond a predetermined threshold for a petroleum stream |
| US9727672B2 (en) * | 2015-02-26 | 2017-08-08 | Uchicago Argonne, Llc | Fast method for reactor and feature scale coupling in ALD and CVD |
-
2021
- 2021-03-22 CN CN202110303060.0A patent/CN113223626B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1999053387A1 (en) * | 1998-04-09 | 1999-10-21 | Aspen Technology, Inc. | Polymer property distribution functions methodology and simulators |
| CN101853334A (zh) * | 2010-05-27 | 2010-10-06 | 重庆大学 | 化学反应扩散中的免方程多尺度模拟方法 |
| CN102063544A (zh) * | 2011-01-04 | 2011-05-18 | 浙江大学 | 一种用于聚合物分子量分布计算的多核并行求解方法 |
| CN102142060A (zh) * | 2011-01-04 | 2011-08-03 | 浙江大学 | 自由基聚合物分子量分布操作条件优化方法 |
| CN109378041A (zh) * | 2018-12-03 | 2019-02-22 | 中国石油大学(北京) | 介尺度模拟石油分子粗粒化模型及其构建方法和预测方法 |
| CN109783935A (zh) * | 2019-01-15 | 2019-05-21 | 北京航空航天大学 | 一种基于isph提高飞溅流体稳定性的实现方法 |
Non-Patent Citations (7)
| Title |
|---|
| Kinetic and processing studies on a novel technology of producing high purity nano-silicon dioxide from an alumina rich coal fly ash with carbon dioxide;Guanghui Bai等;2009 4th IEEE International Conference on Nano/Micro Engineered and Molecular Systems;837-842 * |
| 催化裂化复杂反应体系动力学模型研究进展;欧阳福生;宁汇;;炼油技术与工程(10);26-31 * |
| 分子尺度反应动力学模型构建及在重油催化转化过程中的应用;陈政宇;中国优秀硕士学位论文全文数据库工程科技Ⅰ辑(第第02期期);B017-161 * |
| 分子尺度反应动力学模型构建在催化裂化/裂解过程中的应用进展;刘东阳等;《化工进展》;第第40卷卷(第第4期期);2082-2091 * |
| 多段燃油喷射对碳酸二甲酯-柴油混合燃料燃烧过程的影响;梅德清等;农业工程学报;第第30卷卷(第第8期期);74-80 * |
| 颗粒材料多尺度分析的连接尺度方法;李锡夔;万柯;;力学学报(05);82-93 * |
| 颗粒材料多尺度计算力学的若干问题;李锡夔;2012 颗粒材料计算力学会议;7-10 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113223626A (zh) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Medford et al. | Extracting knowledge from data through catalysis informatics | |
| Borboudakis et al. | Chemically intuited, large-scale screening of MOFs by machine learning techniques | |
| Zhao et al. | Correlation for self-diffusion coefficients of H2, CH4, CO, O2 and CO2 in supercritical water from molecular dynamics simulation | |
| Zhu et al. | Application of machine learning methods for estimating and comparing the sulfur dioxide absorption capacity of a variety of deep eutectic solvents | |
| Liu et al. | Development of self-validating soft sensors using fast moving window partial least squares | |
| Beckner et al. | Statistical models are able to predict ionic liquid viscosity across a wide range of chemical functionalities and experimental conditions | |
| Bracconi et al. | In situ adaptive tabulation for the CFD simulation of heterogeneous reactors based on operator‐splitting algorithm | |
| Heidar-Zadeh et al. | When is the Fukui function not normalized? The danger of inconsistent energy interpolation models in density functional theory | |
| Zhang et al. | Data-driven ionic liquid design for CO2 capture: Molecular structure optimization and DFT verification | |
| Carrasco et al. | Novel operability‐based approach for process design and intensification: Application to a membrane reactor for direct methane aromatization | |
| He et al. | Online optimization of Fluid Catalytic Cracking process via a Hybrid model based on Simplified structure-Oriented Lumping and case-based reasoning | |
| JP2021196710A (ja) | 物性予測装置、物性予測方法及び製造方法 | |
| CN107516148B (zh) | 系统建模优化方法及存储介质 | |
| Garcia et al. | Modeling of the thermodynamic equilibrium conditions for the formation of TBAB and TBAC semiclathrates formed in the presence of Xe, Ar, CH4, CO2, N2, and H2 | |
| Cai et al. | Double-layered nonlinear model predictive control based on Hammerstein–Wiener model with disturbance rejection | |
| Tsay et al. | A dynamic optimization approach to probabilistic process design under uncertainty | |
| Hsieh et al. | First-principles predictions of vapor− liquid equilibria for pure and mixture fluids from the combined use of cubic equations of state and solvation calculations | |
| Jian et al. | A variable selection method for soft sensor development through mixed integer quadratic programming | |
| Jain et al. | Operational optimization of batch distillation systems | |
| Kuroki et al. | Machine learning-boosted design of ionic liquids for CO2 absorption and experimental verification | |
| CN113223626B (zh) | 分子尺度反应器模型的确定方法和装置 | |
| Isenberg et al. | A generalized cutting‐set approach for nonlinear robust optimization in process systems engineering | |
| Döppel et al. | Efficient neural network models of chemical kinetics using a latent asinh rate transformation | |
| CN113241127A (zh) | 相平衡模型构建方法、装置、设备及存储介质 | |
| Döppel et al. | Goal‐Oriented Two‐Layered Kernel Models as Automated Surrogates for Surface Kinetics in Reactor Simulations |
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 |