CN115841852B - 一种催化重整反应规则的确定方法和装置 - Google Patents
一种催化重整反应规则的确定方法和装置 Download PDFInfo
- Publication number
- CN115841852B CN115841852B CN202310133351.9A CN202310133351A CN115841852B CN 115841852 B CN115841852 B CN 115841852B CN 202310133351 A CN202310133351 A CN 202310133351A CN 115841852 B CN115841852 B CN 115841852B
- Authority
- CN
- China
- Prior art keywords
- reactant
- reaction
- target
- rule
- actual
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
- Physical Or Chemical Processes And Apparatus (AREA)
Abstract
本公开涉及一种催化重整反应规则的确定方法和装置,该方法包括:基于待模拟的催化重整装置生产时的原料数据和产物数据,构建分子级别的实际反应物集和实际产物集;构建并初始化反应规则集,上述反应规则集在初始化状态下包括多个初始反应规则;针对上述反应规则集中的每个反应规则,基于实际反应物集和实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据待剔除反应物集的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物。最终得到的反应规则集作为催化重整反应模型的目标反应规则集,它能够提升分子级别催化重整反应模型的精确度,使其更贴合实际生产。
Description
技术领域
本公开涉及石油加工技术、工业建模技术和计算机技术领域,尤其涉及一种催化重整反应规则的确定方法和装置。
背景技术
工艺建模是对过程本质的数学描述和模型化,是开展工艺研究和过程优化的基础。
催化重整装置是石油加工过程中重要的二次加工装置之一,也是复杂的催化反应体系之一。重整过程发生的化学反应主要有环烷烃脱氢、异构化、烷烃脱氢环化、芳烃脱烷基反应、烷烃加氢裂化等五大类型反应。
然而,如何建立催化重整装置的分子级别催化重整反应模型,对生产过程进行模拟优化,并提升模型运行精确度,仍然是需要解决的技术问题。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开的实施例提供了一种催化重整反应规则的确定方法和装置。
第一方面,本公开的实施例提供了一种催化重整反应规则的确定方法。上述确定方法包括:基于待模拟的催化重整装置生产时的原料数据和产物数据,构建分子级别的实际反应物集和实际产物集;构建并初始化反应规则集,所述反应规则集在初始化状态下包括多个初始反应规则;针对所述反应规则集中的每个反应规则,基于所述实际反应物集和所述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据所述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物;将最终调整后的所有反应规则作为催化重整反应模型的目标反应规则集,所述催化重整反应模型用于模拟所述催化重整装置的生产过程。
第二方面,本公开的实施例提供了一种催化重整反应规则的确定装置。上述确定装置包括:反应集合构建模块、反应规则集构建模块和规则调整模块。上述反应集合构建模块用于基于待模拟的催化重整装置生产时的原料数据和产物数据,构建分子级别的实际反应物集和实际产物集。上述反应规则集构建模块用于构建并初始化反应规则集,所述反应规则集在初始化状态下包括多个初始反应规则。上述规则调整模块用于针对所述反应规则集中的每个反应规则,基于所述实际反应物集和所述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据上述所述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物;将最终调整后的所有反应规则作为催化重整反应模型的目标反应规则集,所述催化重整反应模型用于模拟所述催化重整装置的生产过程。
在一些实施例中,上述方法或装置中,基于所述实际反应物集和所述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据所述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物,包括:
针对所述反应规则集中的每个反应规则,执行以下步骤:
(a)选取出符合当前反应规则的候选反应物集;
(b)对所述候选反应物集中不在所述实际反应物集中的第一反应物进行剔除,得到目标反应物集;
(c)将所述目标反应物集输入至分子级别的反应动力学模型进行模拟计算,得到对应的模拟产物集;其中所述反应动力学模型基于所述当前反应规则进行反应模拟;
(d)根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物;
(e)根据所述第一反应物和所述第二反应物的分子结构特征,对所述当前反应规则进行调整;
针对调整后的当前反应规则,重复执行所述步骤(a)~(e),直至所述第一反应物和所述第二反应物不存在。
在一些实施例中,上述方法或装置中,根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物,包括:对比所述目标反应物集中的目标反应物和所述模拟产物集中的模拟产物,确定是否存在目标反应物和模拟产物为同一个物质的第一目标反应物;在存在所述第一目标反应物的情况下,将所述第一目标反应物确定为所述第二反应物;对比所述模拟产物集中的模拟产物和所述实际产物集中的产物,确定是否存在位于所述实际产物集的集合外的目标模拟产物;在存在所述目标模拟产物的情况下,将所述目标模拟产物所对应的第二目标反应物确定为所述第二反应物。
在一些实施例中,上述方法或装置中,根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物,包括:获取所述模拟产物集中的模拟产物在反应模拟过程中对应的反应速率常数;确定是否存在反应速率常数低于设定阈值对应的目标模拟产物,所述设定阈值用于限定不发生反应对应的反应速率常数;在存在所述目标模拟产物的情况下,将生成的所述目标模拟产物的第三目标反应物确定为所述第二反应物。
在一些实施例中,上述方法或装置中,所述设定阈值为0.5×10-8~1×10-8。
在一些实施例中,上述方法或装置中,根据所述第一反应物和所述第二反应物的分子结构特征,对所述当前反应规则进行调整,包括:根据所述第一反应物和所述第二反应物的分子结构,确定所述第一反应物和所述第二反应物中除了共有分子结构特征之外的个性化分子结构特征,所述共有分子结构特征为所述分子结构中命中当前反应规则的结构特征;对所述第一反应物和所述第二反应物各自的个性化分子结构特征进行整合,得到整合分子结构特征;根据所述整合分子结构特征,生成用于剔除所述第一反应物和所述第二反应物的限制条件;将所述限制条件增加至所述当前反应规则,得到调整后的反应规则。
在一些实施例中,上述方法或装置中,每个反应规则包括:反应物选取规则和产物生成规则;所述选取出符合当前反应规则的候选反应物集,包括:根据所述当前反应规则的反应物选取规则从预先构建的分子组成数据库中进行选取,得到符合所述反应物选取规则的所有分子组成数据,构成所述候选反应物集;其中,所述分子组成数据库包括多种石油加工原料的分子组成数据。所述反应动力学模型基于所述当前反应规则的产物生成规则进行反应模拟,得到对应的模拟产物集。
第三方面,本公开的实施例提供了一种电子设备。上述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和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,实现如上所述的催化重整反应规则的确定方法。
第四方面,本公开的实施例提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有计算机程序,上述计算机程序被处理器执行时实现如上所述的催化重整反应规则的确定方法。
本公开实施例提供的上述技术方案至少具有如下优点的部分或全部:
从催化重整的实际原料、产品、理论上可能发生的反应出发,通过基于实际生产数据(包括原料数据和产物数据),构建分子级别的实际反应物集和实际产物集,以及构建并初始化反应规则集,初始化的反应规则集里初始反应规则的定义比较宽泛,由于该宽泛的初始反应规则不够精准化,导致选取的候选反应物集中会存在未参与反应的反应物,于是就再基于实际反应物集和实际产物集,确定未参与反应的待剔除反应物集,然后根据待剔除反应物集中反应物的分子结构特征来调整反应规则,使得反应规则逐步精准化,能够剔除候选反应物集中未参与反应的反应物,这样,基于调整后的反应规则构成的目标反应规则集,并通过分子级别催化重整反应模型来进行催化重整装置生产过程的模拟,能够提升分子级别催化重整反应模型的运行精确度,使其更贴合实际生产
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性地示出了本公开实施例的催化重整反应规则的确定方法的流程图。
图2示意性地示出了根据本公开实施例的催化重整反应规则的确定装置的结构框图。
图3示意性地示出了本公开实施例提供的电子设备的结构框图。
具体实施方式
分子级别反应动力学模型的构建包括原料表征、反应网络构建、反应速率计算、反应器划分等步骤,其中反应网络构建过程中的反应规则的确定非常关键,既要反映实际装置真实反应情况,又要使模型计算不过于庞大,影响计算效率。
目前根据反应网络构建选用的反应规则不同,可以分为机理层面构建和路径层面构建。根据构建所采用的算法不同,其又可以分为结构导向集总法(SOL)和键电矩阵法等。
反应网络构建按技术分为经验性、半形式型和形式型。目前石油加工过程主要采取形式型构建方法,即根据已有的反应规则库对反应物进行迭代,进而构建整个反应。形式型构建方法按照构建算法类型,又分为确定性网络法、随机抽样网络法、含量抽样网络法、蒙特卡罗法。确定性网络法是目前石油化工领域主要采用的方法,其生成的反应与设置的规则对应性明确,便于分析与控制。但随着计算体系的增大,其算法复杂程度成指数级。
目前分子级别催化重整反应模型大多是基于固定的催化重整反应规则对催化重整过程进行建模,存在计算量大、复杂程度较高的问题,且鲜有对催化重整装置的反应规则的确定方法,难以满足实际生产中装置快速模拟出结果的需求。鉴于此,本发明通过对催化重整装置反应规则进行优化、减少实际生产过程中不参与反应的网络构建,能够大大减少装置模拟计算量,有利于分子级别模型在催化重整装置乃至轻油加工装置的应用,加快分子级别模型工业应用的进程。
本公开实施例提供的催化重整反应规则的确定方法和装置,从催化重整的实际原料、产品、理论上可能发生的反应出发,通过基于实际生产数据(包括原料数据和产物数据),构建分子级别的实际反应物集和实际产物集,以及构建并初始化反应规则集,初始化的反应规则集里初始反应规则的定义比较宽泛,由于该宽泛的初始反应规则不够精准化,导致选取的候选反应物集中会存在实际未参与反应的反应物,再基于实际反应物集和实际产物集及反应速率常数,确定未参与反应的待剔除反应物集,然后根据待剔除反应物集中反应物的分子结构特征来调整反应规则,使得反应规则逐步精准化,进而能够剔除候选反应物集中实际未参与反应的反应物,这样,基于调整后的反应规则构成的目标反应规则集,采用分子级别催化重整反应模型来进行催化重整装置生产过程的模拟,能够提升分子级别催化重整反应模型的精确度,使其更贴合实际生产。
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开的一部分实施例,而不是全部的实施例。基于本公开中的实施例,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,都属于本公开保护的范围。
本公开的第一个示例性实施例提供了一种催化重整反应规则的确定方法。本实施例的确定方法可以由具有计算能力的电子设备来执行。
图1示意性地示出了本公开实施例的催化重整反应规则的确定方法的流程图。
参照图1所示,本公开实施例提供的催化重整反应规则的确定方法,包括以下步骤:S110、S120和S130。
在步骤S110,基于待模拟的催化重整装置生产时的原料数据和产物数据,构建分子级别的实际反应物集和实际产物集。
在一些实施例中,该电子设备可以和催化重整装置进行数据通信,例如通过网络进行数据传输,或者由数据存储介质(例如为U盘)实现催化重整装置和电子设备之间的数据复制和转移等,来获取催化重整装置在生产过程中的原料数据和产物数据。
为了和后续描述的催化重整反应模型中的反应物和产物进行区分,这里将实际生产过程中分子级别反应物集和产物集描述为实际反应物集和实际产物集。
以催化重整装置为例,利用分子结构定义催化重整反应物集(包含实测的123种分子)、产物集(包含实测的189种产物),并将其写入分子级别反应动力学计算引擎中的原料表征模块中的feedstock文件、product文件。
实际生产中反应物经过催化重整反应,装置的链烷烃P(包含正构烷烃nP和异构烷烃iP)、烯烃O、环烷N、芳烃A等均发生了变化,以上述催化重整装置为例,芳烃A:7.2wt%>65wt %;环烷N:53.9 wt %>4.75 wt %;烯烃O:0 wt %>0.94 wt %;链烷烃P:39% wt %>29.2wt %。由上表可看出,反应后的催化重整产物中几乎不含环烷N,链烷烃烷烃P少部分转化,芳烃A大部分由环烷N转化、少部分由链烷烃P转化而来。
反应前后,实际反应物集与实际产物集中组分种类发生了变化,具体的组分含量也发生了很大变化。
将以上实际原料、产物经excel设置转化为分子级别结构表达方式,完成实际反应物集与实际产物集的构建。
在步骤S120,构建并初始化反应规则集,上述反应规则集在初始化状态下包括多个初始反应规则。
查阅催化重整相关研究,结合工程经验,确定初始定义宽泛的反应规则,并将其与其他文献规则进行比对,具体如表4所示,在表4中逻辑符号的含义如下:“=”表示产物生成规则,“&”表示两个条件同时满足、缺一不可,“+”表示同时存在,“>=”表示大于等于,“<”表示小于,“-”表示数值相减,“*”表示数值相乘。/>
在一些实施例中,根据现有文献资料对催化重整各反应类型进行宽泛定义得到的反应规则作为初始反应规则,参照表4中的第三列内容所示;进一步根据上述初始反应规则,可以构建出反应物-反应规则对应的矩阵,如下表5所示。
在步骤S130,针对所述反应规则集中的每个反应规则,基于上述实际反应物集和上述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据上述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物;将最终调整后的所有反应规则作为催化重整反应模型的目标反应规则集,所述催化重整反应模型用于模拟所述催化重整装置的生产过程。
在一些实施例中,上述步骤S130中,基于上述实际反应物集和上述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据上述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物,包括:
针对所述反应规则集中的每个反应规则,执行以下步骤:
(a)选取出符合当前反应规则的候选反应物集;
(b)对所述候选反应物集中不在所述实际反应物集中的第一反应物进行剔除,得到目标反应物集;
(c)将所述目标反应物集输入至分子级别的反应动力学模型进行模拟计算,得到对应的模拟产物集;其中所述反应动力学模型基于所述当前反应规则进行反应模拟;
(d)根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物集中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物;
(e)根据所述第一反应物和所述第二反应物的分子结构特征,对所述当前反应规则进行调整;
针对调整后的当前反应规则,重复执行所述步骤(a)~(e),直至所述第一反应物和所述第二反应物不存在。
例如,在步骤(a)中,以当前反应规则为反应规则1作为示例,选取出符合反应规则1(这里具体采用反应规则1中的反应物选取规则)的候选反应物集1,候选反应物集1里面的反应物描述为候选反应物,反应规则1对应的候选反应物以表1中SOL结构单元进行分子级别表示。
例如每个反应规则包括:反应物选取规则和产物生成规则。
上述步骤(a)中,选取出符合当前反应规则的候选反应物集,包括:根据上述当前反应规则的反应物选取规则从预先构建的分子组成数据库中进行选取,得到符合上述反应物选取规则的所有分子组成数据,构成上述候选反应物集;其中,所述分子组成数据库包括多种石油加工原料的分子组成数据。
在一些实施例中,例如上述分子组成采用结构导向集总(SOL)形式进行表示,通过采用结构导向集总(SOL)表示方法,基于SOL的反应规则包括反应物选取规则及产物生成规则两个部分,第一部分用于判定该化合物能否发生反应,即,进行反应物选取;第二部分对反应物相应SOL向量进行代数操作,基于SOL法反应网络进行计算来得到产物对应的SOL组成,即,进行产物生成。
在步骤(b)中,比对候选反应物集里面的候选反应物和反应物集里面的实际反应物,对候选反应物集中不在反应物集中的第一反应物进行剔除,得到目标反应物集。
在步骤(c)中,将目标反应物集输入至分子级别的反应动力学模型进行模拟计算,基于反应规则1的产物生成规则进行反应模拟,得到对应的模拟产物集。例如为目标反应物以表1中SOL结构单元进行分子级别表示,根据反应规则1生成的物质定义为模拟产物,例如为模拟产物11、模拟产物12、……、模拟产物1N。
在一些实施例中,上述步骤(d)中,根据上述目标反应物集、上述模拟产物集和上述实际产物集,在上述目标反应物中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物,包括:对比上述目标反应物集中的目标反应物和上述模拟产物集中的模拟产物,确定是否存在目标反应物和模拟产物为同一个物质的第一目标反应物;在存在上述第一目标反应物的情况下,将上述第一目标反应物确定为上述第二反应物;对比上述模拟产物集中的模拟产物和上述实际产物集中的产物,确定是否存在位于上述实际产物集的集合外的目标模拟产物;在存在上述目标模拟产物的情况下,将上述目标模拟产物所对应的第二目标反应物确定为上述第二反应物。
在一些实施例中,上述步骤(d)中,根据上述目标反应物集、上述模拟产物集和上述实际产物集,在上述目标反应物集中确定符合上述当前反应规则但与实际反应过程有偏离的第二反应物,包括:获取上述模拟产物集中的模拟产物在反应模拟过程中对应的反应速率常数;确定是否存在反应速率常数低于设定阈值对应的目标模拟产物,上述设定阈值用于限定不发生反应对应的反应速率常数;在存在上述目标模拟产物的情况下,将生成上述目标模拟产物的第三目标反应物确定为上述第二反应物。在一些实施例中,上述设定阈值为0.5×10-8~1×10-8。
在一些实施例中,采用编写的程序来实现上述步骤S130中各个步骤的逻辑。
例如,针对当前反应规则为反应规则1,则步骤S130中关于步骤(d)的执行逻辑可以表示为:
若模拟产物1X=目标反应物1X,则模拟产物1X即为目标模拟产物1X,目标反应物1X即为第一目标反应物1X,确定第一目标反应物1X为实际不参与反应的第二反应物;
若模拟产物1X不在实际产物集内,则模拟产物1X即为目标模拟产物1X,生成目标模拟产物1X的目标反应物1X为第二目标反应物1X,并确定第二目标反应物1X为实际不参与反应的第二反应物。
在一些实施例中,若模拟产物1X的反应速率常数低于0.5×10-8,则模拟产物1X即为目标模拟产物1X,生成目标模拟产物1X的目标反应物1X为第三目标反应物1X,并确定第三目标反应物1X为实际不参与反应的第二反应物。
在一些实施例中,基于催化重整反应的反应物选取规则进行判定时,程序内的关键判定包括:
(a)总碳数判定:总碳数=<12,N6>=0或A6>=0时,R<=6;
(b)杂原子(SNO_Atoms)判定:
SNO_Atoms==mol[14]+mol[15]+mol[16]+mol[17]+mol[18]+mol[19]+mol[20]+mol[21]; SNO_Atoms==0;
(c)环烷判定:N6>=0或A6>=0时,N5==0;
(d)芳烃判定:N6>=0或A6>=0时,A4==0。
在一些实施例中,上述步骤(e)中,根据上述第一反应物和上述第二反应物的分子结构特征,对上述当前反应规则进行调整,包括:根据上述第一反应物和上述第二反应物的分子结构,确定上述第一反应物和上述第二反应物中除了共有分子结构特征之外的个性化分子结构特征,所述共有分子结构特征为所述分子结构中命中当前反应规则的结构特征;对上述第一反应物和上述第二反应物各自的个性化分子结构特征进行整合,得到整合分子结构特征;根据上述整合分子结构特征,生成用于剔除上述第一反应物和上述第二反应物的限制条件;将上述限制条件增加至上述当前反应规则,得到调整后的反应规则。
在另一些实施例中,上述步骤(e)中,也可以针对每个个性化分子结构特征生成对应的限制条件,然后在对所有的限制条件进行整合,得到整合限制条件。例如,整合的方式包括但不限于是:合并去重、条件范围有重合的情况下取交集等方式。
下面以六元环脱氢芳构化反应规则的调整过程为例:
(1)定义一个尽可能囊括所有反应的、相对宽泛的反应物选取(也可以描述为选取)规则:(N6>=1)&(IH==1)(含义为:有饱和六元环即可);(1)的设置目的是能够针对不同的反应规则进行细化调整,使得初始规则囊括尽可能多的反应类型;在一些实施例中,面对确定的反应,例如为面向催化重整反应来构建催化重整反应物,那么可以结合(1)和(4)得到反应物选取规则;
(2)根据产物生成规则:A6=A6+1, N6=N6-1, IH=0(即:产物增加一个芳环、六元环减少一个、产物为饱和烃);
(4)根据催化重整反应物为C5-C12馏分特点,总碳数不大于12,通过程序(这段描述的程序即为本公开实施例的方法对应的执行程序)判定反应物7为不发生反应的反应物;在一些实施例中,(4)对应的总碳数不大于12这一点可以和(1)中的反应物选取规则进行合并后作为初始的反应物选取规则,或者在初始反应规则的基础上作为催化重整反应的前置选取条件;
(5)将满足(3)要求的反应物与催化重整进料分子结构集(例如这里为SOL分子结构集)在程序内一一比对,反应物4、5、6不在反应物集,判定反应物4、5、6为不在反应物集里面的第一反应物;
(7)将(6)生成的产物与重整实际产物集在程序内比对,主产物2、主产物3不在产物集内,判定反应物2、3为第二反应物;
(8)根据(3)中的示例,提取第二反应物2、3的分子结构特征,得到N5=1、N4=1是第二反应物2、3的个性化分子结构特征;由此可以补充反应物选取时用于剔除的:N5=0、N4=0的限制条件;
提取第一反应物4、5、6的分子结构特征,得到A6=1、A4=1、A2=1是第一反应物4、5、6的个性化分子结构特征;由此可以补充反应物选取时用于剔除的:A6=0、A4=0、A2=0的限制条件;
提取反应物7的分子结构特征,且根据催化重整实际反应物集碳原子数通常为5-12,能够补充反应物选取时的限制条件为R=<6;
(9)对(8)中的限制条件进行整合,经分析:N4存在时必然存在N5,A4、A2存在时必然存在A6,则将不发生反应的第一反应物和第二反应物的限制条件进行整合后简化为(A6+N5==0)&(R<=6),将其补充至(1)中的反应规则中;
(10)根据(9)得到最终选取后的六元环脱氢芳构化反应规则为:(A6+N5==0)&(N6==1)&(R<=6)&(IH==1)。
这里是以对各个限制条件进行整合为例,在其他实施例中,还可以是针对所有不发生反应的反应物的个性化分子结构特征进行整合后,再对应生成限制条件。
在一些实施例中,上述反应动力学模型基于上述当前反应规则的产物生成规则进行反应模拟,得到对应的模拟产物集。
电子设备以计算机作为示例,采用的计算机配置为:处理器:i5-8250U,机带RAM:8.00。
本公开的第二个示例性实施例提供了一种催化重整反应规则的确定装置。
图2示意性地示出了根据本公开实施例的催化重整反应规则的确定装置的结构框图。
参照图2所示,本公开实施例提供的催化重整反应规则的确定装置200包括:反应集合构建模块201、反应规则集构建模块202和规则调整模块203。
上述反应集合构建模块201用于基于待模拟的催化重整装置进行生产时的原料数据和产物数据,构建分子级别的实际反应物集和实际产物集。
上述反应规则集构建模块202用于构建并初始化反应规则集,上述反应规则集在初始化状态下包括多个初始反应规则。
上述规则调整模块203用于基于上述实际反应物集和上述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据上述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物;将最终调整后的所有反应规则作为催化重整反应模型的目标反应规则集,所述催化重整反应模型用于模拟所述催化重整装置的生产过程。
在一些实施例中,上述方法或装置中,基于上述实际反应物集和上述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据上述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物,包括:
针对所述反应规则集中的每个反应规则,执行以下步骤:
(a)选取出符合当前反应规则的候选反应物集;
(b)对所述候选反应物集中不在所述实际反应物集中的第一反应物进行剔除,得到目标反应物集;
(c)将所述目标反应物集输入至分子级别的反应动力学模型进行模拟计算,得到对应的模拟产物集;其中所述反应动力学模型基于所述当前反应规则进行反应模拟;
(d)根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物集中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物;
(e)根据所述第一反应物和所述第二反应物的分子结构特征,对所述当前反应规则进行调整;
针对调整后的当前反应规则,重复执行所述步骤(a)~(e),直至所述第一反应物和所述第二反应物不存在。
在一些实施例中,上述装置中,根据上述目标反应物集、上述模拟产物集和上述实际产物集,在上述目标反应物集中确定符合上述当前反应规则但与实际反应过程有偏离的第二反应物,包括:
对比上述目标反应物集中的目标反应物和上述模拟产物集中的模拟产物,确定是否存在目标反应物和模拟产物为同一个物质的第一目标反应物;
在存在上述第一目标反应物的情况下,将上述第一目标反应物确定为上述第二反应物;
对比上述模拟产物集中的模拟产物和上述实际产物集中的产物,确定是否存在位于上述产物集的集合外的目标模拟产物;
在存在上述目标模拟产物的情况下,将上述目标模拟产物所对应的第二目标反应物确定为上述第二反应物。
在一些实施例中,上述装置中,根据上述目标反应物集、上述模拟产物集和上述实际产物集,在上述目标反应物集中确定符合上述当前反应规则但与实际反应过程有偏离的第二反应物,包括:
获取上述模拟物集中的模拟产物在反应模拟过程中对应的反应速率常数;
确定是否存在反应速率常数低于设定阈值对应的目标模拟产物,上述设定阈值用于限定不发生反应对应的反应速率常数;
在存在上述目标模拟产物的情况下,将生成上述目标模拟产物的第三目标反应物确定为上述第二反应物。
在一些实施例中,上述装置中,上述设定阈值为0.5×10-8~1×10-8。
在一些实施例中,上述装置中,根据上述第一反应物和上述第二反应物的分子结构特征,对上述当前反应规则进行调整,包括:根据上述第一反应物和上述第二反应物的分子结构,确定上述第一反应物和上述第二反应物中除了共有分子结构特征之外的个性化分子结构特征,上述共有分子结构特征为上述分子结构中命中当前反应规则的结构特征;对上述第一反应物和上述第二反应物各自的个性化分子结构特征进行整合,得到整合分子结构特征;根据上述整合分子结构特征,生成用于剔除上述第一反应物和上述第二反应物的限制条件;将上述限制条件增加至上述当前反应规则,得到调整后的反应规则。
具体示例可以参照第一个实施例的描述,这里不再赘述。
在一些实施例中,上述装置中,每个反应规则包括:反应物选取规则和产物生成规则。
上述选取出符合当前反应规则的候选反应物,包括:根据上述当前反应规则的反应物选取规则从预先构建的分子组成数据库中进行选取,得到符合上述反应物选取规则的所有分子组成数据,构成上述候选反应物集;其中,所述分子组成数据库包括多种石油加工原料的分子组成数据。
在一些实施例中,上述反应动力学模型基于上述当前反应规则的产物生成规则进行反应模拟,得到对应的模拟产物集。
上述装置200所包含的功能模块中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。上述装置200所包含的功能模块中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,上述装置200所包含的功能模块中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
本公开的第三个示例性实施例提供了一种电子设备。
图3示意性地示出了本公开实施例提供的电子设备的结构框图。
参照图3所示,本公开实施例提供的电子设备300包括处理器301、通信接口302、存储器303和通信总线304,其中,处理器301、通信接口302和存储器303通过通信总线304完成相互间的通信;存储器303,用于存放计算机程序;处理器301,用于执行存储器上所存放的程序时,实现如上所述的催化重整反应规则的确定方法。
本公开的第四个示例性实施例还提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有计算机程序,上述计算机程序被处理器执行时实现如上所述的催化重整反应规则的确定方法。
该计算机可读存储介质可以是上述实施例中描述的设备/装置中所包含的;也可以是单独存在,而未装配入该设备/装置中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的催化重整反应规则的确定方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括上述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上上述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所示的这些实施例,而是要符合与本文申请的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种催化重整反应规则的确定方法,其特征在于,包括:
基于待模拟的催化重整装置生产时的原料数据和产物数据,构建分子级别的实际反应物集和实际产物集;
构建并初始化反应规则集,所述反应规则集在初始化状态下包括多个初始反应规则;
针对所述反应规则集中的每个反应规则,基于所述实际反应物集和所述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据所述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物;将最终调整后的所有反应规则作为催化重整反应模型的目标反应规则集,所述催化重整反应模型用于模拟所述催化重整装置的生产过程;
所述基于所述实际反应物集和所述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据所述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物,包括:
针对所述反应规则集中的每个反应规则,执行以下步骤:
(a)选取出符合当前反应规则的候选反应物集;
(b)对所述候选反应物集中不在所述实际反应物集中的第一反应物进行剔除,得到目标反应物集;
(c)将所述目标反应物集输入至分子级别的反应动力学模型进行模拟计算,得到对应的模拟产物集;其中所述反应动力学模型基于所述当前反应规则进行反应模拟;
(d)根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物集中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物;
(e)根据所述第一反应物和所述第二反应物的分子结构特征,对所述当前反应规则进行调整;
针对调整后的当前反应规则,重复执行所述步骤(a)~(e),直至所述第一反应物和所述第二反应物不存在。
2.根据权利要求1所述的确定方法,其特征在于,根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物集中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物,包括:
对比所述目标反应物集中的目标反应物和所述模拟产物集中的模拟产物,确定是否存在目标反应物和模拟产物为同一个物质的第一目标反应物;
在存在所述第一目标反应物的情况下,将所述第一目标反应物确定为所述第二反应物;
对比所述模拟产物集中的模拟产物和所述实际产物集中的实际产物,确定是否存在位于所述实际产物集的集合外的目标模拟产物;
在存在所述目标模拟产物的情况下,将生成所述目标模拟产物的第二目标反应物确定为所述第二反应物。
3.根据权利要求2所述的确定方法,其特征在于,根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物集中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物,包括:
获取所述模拟产物集中的模拟产物在反应模拟过程中对应的反应速率常数;
确定是否存在反应速率常数低于设定阈值对应的目标模拟产物,所述设定阈值用于限定不发生反应对应的反应速率常数;
在存在所述目标模拟产物的情况下,将生成所述目标模拟产物的第三目标反应物确定为所述第二反应物。
4.根据权利要求3所述的确定方法,其特征在于,所述设定阈值为0.5×10-8~1×10-8。
5.根据权利要求1所述的确定方法,其特征在于,根据所述第一反应物和所述第二反应物的分子结构特征,对所述当前反应规则进行调整,包括:
根据所述第一反应物和所述第二反应物的分子结构,确定所述第一反应物和所述第二反应物中除了共有分子结构特征之外的个性化分子结构特征,所述共有分子结构特征为所述分子结构中命中当前反应规则的结构特征;
对所述第一反应物和所述第二反应物各自的个性化分子结构特征进行整合,得到整合分子结构特征;
根据所述整合分子结构特征,生成用于剔除所述第一反应物和所述第二反应物的限制条件;
将所述限制条件增加至所述当前反应规则,得到调整后的反应规则。
6.根据权利要求1所述的确定方法,其特征在于,每个反应规则包括:反应物选取规则和产物生成规则;
所述选取出符合当前反应规则的候选反应物集,包括:根据所述当前反应规则的反应物选取规则从预先构建的分子组成数据库中进行选取,得到符合所述反应物选取规则的所有分子组成数据,构成所述候选反应物集;其中,所述分子组成数据库包括多种石油加工原料的分子组成数据。
7.一种催化重整反应规则的确定装置,其特征在于,包括:
反应集合构建模块,用于基于待模拟的催化重整装置生产时的原料数据和产物数据,构建分子级别的实际反应物集和实际产物集;
反应规则集构建模块,用于构建并初始化反应规则集,所述反应规则集在初始化状态下包括多个初始反应规则;
规则调整模块,用于针对所述反应规则集中的每个反应规则,基于所述实际反应物集和所述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据所述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物;将最终调整后的所有反应规则作为催化重整反应模型的目标反应规则集,所述催化重整反应模型用于模拟所述催化重整装置的生产过程;
所述基于所述实际反应物集和所述实际产物集,确定符合当前反应规则但未参与反应的待剔除反应物集,根据所述待剔除反应物集中反应物的分子结构特征,对当前反应规则进行调整,直至不存在未参与反应的反应物,包括:
针对所述反应规则集中的每个反应规则,执行以下步骤:
(a)选取出符合当前反应规则的候选反应物;
(b)对所述候选反应物中不在所述实际反应物集中的第一反应物进行剔除,得到目标反应物集;
(c)将所述目标反应物集输入至分子级别的反应动力学模型进行模拟计算,得到对应的模拟产物集;其中所述反应动力学模型基于所述当前反应规则进行反应模拟;
(d)根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物集中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物;
(e)根据所述第一反应物和所述第二反应物的分子结构特征,对所述当前反应规则进行调整;
针对调整后的当前反应规则,重复执行所述步骤(a)~(e),直至所述第一反应物和所述第二反应物不存在。
8.根据权利要求7所述的确定装置,其特征在于,根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物集中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物,包括:
对比所述目标反应物集中的目标反应物和所述模拟产物集中的模拟产物,确定是否存在目标反应物和模拟产物为同一个物质的第一目标反应物;
在存在所述第一目标反应物的情况下,将所述第一目标反应物确定为所述第二反应物;
对比所述模拟产物集中的模拟产物和所述实际产物集中的产物,确定是否存在位于所述实际产物集的集合外的目标模拟产物;
在存在所述目标模拟产物的情况下,将所述目标模拟产物所对应的第二目标反应物确定为所述第二反应物。
9.根据权利要求7或8所述的确定装置,其特征在于,根据所述目标反应物集、所述模拟产物集和所述实际产物集,在所述目标反应物集中确定符合所述当前反应规则但与实际反应过程有偏离的第二反应物,包括:
获取所述模拟产物集中的模拟产物在反应模拟过程中对应的反应速率常数;
确定是否存在反应速率常数低于设定阈值对应的目标模拟产物,所述设定阈值用于限定不发生反应对应的反应速率常数;
在存在所述目标模拟产物的情况下,将生成所述目标模拟产物的第三目标反应物确定为所述第二反应物。
10.根据权利要求9所述的确定装置,其特征在于,所述设定阈值为0.5×10-8~1×10-8。
11.根据权利要求7所述的确定装置,其特征在于,根据所述第一反应物和所述第二反应物的分子结构特征,对所述当前反应规则进行调整,包括:
根据所述第一反应物和所述第二反应物的分子结构,确定所述第一反应物和所述第二反应物中除了共有分子结构特征之外的个性化分子结构特征,所述共有分子结构特征为所述分子结构中命中当前反应规则的结构特征;
对所述第一反应物和所述第二反应物各自的个性化分子结构特征进行整合,得到整合分子结构特征;
根据所述整合分子结构特征,生成用于剔除所述第一反应物和所述第二反应物的限制条件;
将所述限制条件增加至所述当前反应规则,得到调整后的反应规则。
12.根据权利要求7所述的确定装置,其特征在于,每个反应规则包括:反应物选取规则和产物生成规则;
所述选取出符合当前反应规则的候选反应物集,包括:根据所述当前反应规则的反应物选取规则从预先构建的分子组成数据库中进行选取,得到符合所述反应物选取规则的所有分子组成数据,构成所述候选反应物集;其中,所述分子组成数据库包括多种石油加工原料的分子组成数据。
13.一种电子设备,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、通信接口和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1-6中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310133351.9A CN115841852B (zh) | 2023-02-20 | 2023-02-20 | 一种催化重整反应规则的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310133351.9A CN115841852B (zh) | 2023-02-20 | 2023-02-20 | 一种催化重整反应规则的确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115841852A CN115841852A (zh) | 2023-03-24 |
CN115841852B true CN115841852B (zh) | 2023-06-06 |
Family
ID=85579840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310133351.9A Active CN115841852B (zh) | 2023-02-20 | 2023-02-20 | 一种催化重整反应规则的确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841852B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108840825A (zh) * | 2018-07-24 | 2018-11-20 | 天津安浩生物科技有限公司 | 不对称催化氢化反应的前体反应物的重结晶纯化工艺 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AR018794A1 (es) * | 1999-03-23 | 2001-12-12 | Uop Llc | Proceso de reformacion catalitica con tres zonas catalizadoras para producir un producto rico en aromaticos |
EP3532509B1 (en) * | 2016-10-28 | 2021-03-10 | Univation Technologies, LLC | Controlling reactor split and a product parameter |
US11132621B2 (en) * | 2017-11-15 | 2021-09-28 | International Business Machines Corporation | Correction of reaction rules databases by active learning |
CN109698014B (zh) * | 2018-09-25 | 2021-01-01 | 中国石油天然气股份有限公司 | 催化重整产物的预测方法 |
CN111128307B (zh) * | 2019-12-14 | 2023-05-12 | 中国科学院深圳先进技术研究院 | 代谢路径预测方法、装置、终端设备及可读存储介质 |
BR102019028121B1 (pt) * | 2019-12-27 | 2021-12-14 | Petróleo Brasileiro S.A. - Petrobras | Método de obtenção de um suporte para catalisadores de hidrorrefino, processo de obtenção de catalisadores de hidrorrefino, catalisadores de hidrorrefino e uso do suporte |
CN115148296A (zh) * | 2022-04-18 | 2022-10-04 | 腾讯科技(深圳)有限公司 | 模型训练数据的生成方法、装置、设备及存储介质 |
-
2023
- 2023-02-20 CN CN202310133351.9A patent/CN115841852B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108840825A (zh) * | 2018-07-24 | 2018-11-20 | 天津安浩生物科技有限公司 | 不对称催化氢化反应的前体反应物的重结晶纯化工艺 |
Also Published As
Publication number | Publication date |
---|---|
CN115841852A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Corus et al. | Level-based analysis of genetic algorithms and other search processes | |
Edwards et al. | Constructing large scale surrogate models from big data and artificial intelligence | |
Knowles | ParEGO: A hybrid algorithm with on-line landscape approximation for expensive multiobjective optimization problems | |
Ruyssinck et al. | NIMEFI: gene regulatory network inference using multiple ensemble feature importance algorithms | |
EP4091179A1 (en) | Optimization of expensive cost functions subject to complex multidimensional constraints | |
CN102222125A (zh) | 工程设计优化中确定最大影响设计变量的方法和系统 | |
Rennen | Subset selection from large datasets for kriging modeling | |
Arróyave et al. | A perspective on Bayesian methods applied to materials discovery and design | |
Fiosina et al. | Polymer reaction engineering meets explainable machine learning | |
CN115841852B (zh) | 一种催化重整反应规则的确定方法和装置 | |
WO2022026069A1 (en) | Kinematic modeling of biochemical pathways | |
Jin et al. | Machine learning enabled optimization of showerhead design for semiconductor deposition process | |
Dai et al. | Parameter set selection for dynamic systems under uncertainty via dynamic optimization and hierarchical clustering | |
Folch-Fortuny et al. | Dynamic elementary mode modelling of non-steady state flux data | |
Kim et al. | Comparison of Derivative‐Free Optimization: Energy Optimization of Steam Methane Reforming Process | |
Banerjee et al. | Development of an adaptive chemistry model considering micromixing effects | |
US20220036964A1 (en) | Kinematic modeling of biochemical pathways | |
Kircher et al. | Global reaction neural networks with embedded stoichiometry and thermodynamics for learning kinetics from reactor data | |
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 | |
Acerbi et al. | Computational reconstruction of biochemical networks | |
Floares et al. | Inferring transcription networks from data | |
Morales et al. | Gaussian Processes for CVaR Approximation in Robust Aerodynamic Shape Design | |
Shen et al. | Mining functionally related genes with semi-supervised learning | |
Deng | Algorithms for reconstruction of gene regulatory networks from high-throughput gene expression data | |
WO2023199413A1 (ja) | 機械学習プログラム、機械学習方法および情報処理装置 |
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 |