CN116434849A - 柴油调合配方确定方法、装置、设备及存储介质和应用 - Google Patents
柴油调合配方确定方法、装置、设备及存储介质和应用 Download PDFInfo
- Publication number
- CN116434849A CN116434849A CN202111661608.5A CN202111661608A CN116434849A CN 116434849 A CN116434849 A CN 116434849A CN 202111661608 A CN202111661608 A CN 202111661608A CN 116434849 A CN116434849 A CN 116434849A
- Authority
- CN
- China
- Prior art keywords
- product
- diesel
- simulated
- blending
- physical property
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000002156 mixing Methods 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 90
- 230000000704 physical effect Effects 0.000 claims abstract description 257
- 239000002283 diesel fuel Substances 0.000 claims abstract description 122
- 238000005457 optimization Methods 0.000 claims abstract description 98
- 238000004364 calculation method Methods 0.000 claims abstract description 93
- 239000000203 mixture Substances 0.000 claims abstract description 90
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000008901 benefit Effects 0.000 claims description 45
- 238000004821 distillation Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 26
- 238000009835 boiling Methods 0.000 claims description 24
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 17
- 150000001335 aliphatic alkanes Chemical class 0.000 claims description 13
- 150000004945 aromatic hydrocarbons Chemical class 0.000 claims description 13
- 238000009472 formulation Methods 0.000 claims description 13
- 150000001924 cycloalkanes Chemical class 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 239000002994 raw material Substances 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 239000010779 crude oil Substances 0.000 claims description 5
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical compound C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 3
- 238000007670 refining Methods 0.000 abstract 1
- 239000000047 product Substances 0.000 description 240
- 238000012549 training Methods 0.000 description 32
- 239000008186 active pharmaceutical agent Substances 0.000 description 24
- 238000004422 calculation algorithm Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 13
- 238000012512 characterization method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000002939 conjugate gradient method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 150000001336 alkenes Chemical class 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 125000004429 atom Chemical group 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 150000001925 cycloalkenes Chemical class 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 125000005842 heteroatom Chemical group 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000010517 secondary reaction Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001269 time-of-flight mass spectrometry Methods 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G16C20/70—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
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Crystallography & Structural Chemistry (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种柴油调合配方确定方法、装置、设备及存储介质和应用，所述方法包括：根据获取的当前调合配方，对多种柴油调合组分进行模拟调合得到模拟柴油产品；在预设物性计算模型中，根据模拟柴油产品的分子组成数据确定模拟柴油产品的产品物性；调整所述预设调合配方，使得模拟柴油产品的产品物性满足预设标准，且模拟柴油产品的优化目标达到最优值。本发明采用预设物性计算模型依据对炼化企业柴油调合产品的物性的准确预测，有效降低了研究调合配方所需的大量试验和分析工作，显著提升调合配方的研究效率，基于获取模拟柴油产品的产品物性，进行目标优化，确定最优调合配方，能够实现配合柴油在线调合系统进行在线优化控制。
Description
技术领域
本发明涉及石油加工技术领域，尤其涉及一种柴油调合配方确定方法、装置、设备及存储介质和应用。
背景技术
目前，柴油调合方法包括两种：第一种方法为依据预设的柴油调合配方进行试验和分析，获取柴油调合组分包括的柴油分子的类型和含量；第二种方法为从柴油分子库包含柴油分子及分子性质，得到柴油分子的物性数据，再利用分子反演算法根据柴油分子的物性数据获取柴油调合组分包括的柴油分子的类型和含量，其中，柴油分子库包含柴油分子及分子性质，每种柴油分子的分子性质可以通过实验室检测分析或查阅已公开的数据获得。
发明内容
发明人发现，现有技术中，第一种柴油调合方法需要大量的试验和分析工作，使得调合配方的研究效率低、成本高；而第二种柴油调合方法通过检测或查阅现有资料获取柴油分子的物性数据，工作量也很大，造成该方法的效率也很低、并且成本较高。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调合配方确定方法、装置、设备及存储介质和应用。
第一方面，本发明实施例提供了一种柴油调合配方确定方法，所述方法包括：
按照预设柴油调合配方，对多种柴油调合组分进行模拟调合，得到模拟柴油产品；
在预设物性计算模型中，根据所述多种柴油调合组分的分子组成数据确定模拟柴油产品的产品物性，其中，所述分子组成数据包括分子的种类及每种分子的含量；
判断所述模拟柴油产品的产品物性是否满足预设标准：
在所述模拟柴油产品的产品物性满足预设标准时，计算所述模拟柴油产品的优化目标，并判断所述优化目标是否达到最优值：
当所述优化目标达到最优值时，输出当前调合配方；
当所述优化目标未达到最优值时，调整当前调合配方，并按照调整后的调合配方重复前述步骤，即执行对多种柴油调合组分进行模拟调合得到模拟柴油产品的步骤，直至模拟柴油产品的产品物性满足预设标准，且模拟柴油产品的优化目标达到最优值。
基于上述技术方案，本发明实施例还可以做出如下改进。
在一可能的实现方式中，所述方法还包括：
在所述模拟柴油产品的产品物性未满足预设标准时，调整当前调合配方，对调整后的调合配方重复前述步骤，即执行对多种柴油调合组分进行模拟调合得到模拟柴油产品的步骤。
在一可能的实现方式中，所述模拟柴油产品的分子组成数据通过以下步骤获得：
获取每种柴油调合组分的分子组成数据；
基于当前调合配方，根据每种柴油调合组分的分子组成数据确定模拟柴油产品的分子组成数据。
在一可能的实现方式中，所述获取每种柴油调合组分的分子组成数据，包括：
基于预设的柴油分子数据库，采用分子组成解析方法，对每种柴油调合组分的关键物性数据和/或谱图数据进行反演，得到每种柴油调合组分的分子组成数据；所述柴油分子数据库中包括多种典型柴油馏分的分子组成数据、物性数据和谱图数据。
在一可能的实现方式中，所述预设物性计算模型包括密度计算模型、馏程计算模型、十六烷值计算模型、运动黏度计算模型和倾点计算模型中的至少一个物性计算模型。
在一可能的实现方式中，所述在所述预设物性计算模型中，根据模拟柴油产品的分子组成数据确定模拟柴油产品的产品物性，包括：
基于所述预设物性计算模型，根据模拟柴油产品的分子组成数据确定模拟柴油产品中每种单分子的至少一项单分子物性；
根据所述柴油产品物性的预设混合规则，通过每种所述单分子的至少一项单分子物性和/或含量计算得到所述模拟柴油产品的产品物性。
在一可能的实现方式中，当模拟柴油产品的产品物性为馏程时，所述通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
根据模拟柴油产品中每种单分子的沸点和含量绘制模拟蒸馏曲线；
将模拟蒸馏曲线数据换算成模拟柴油产品的恩氏馏程数据。
在一可能的实现方式中，当模拟柴油产品的产品物性为运动黏度时，所述通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的运动黏度：
V100F＝a1-a2*Kw+a3*Kw^2+a4*API^2–a5*Kw*API+(a6*Kw^2+a7*API+a8*API^2–a9*Kw*API)/(API+a10–a11*Kw)
其中，V100F为37.78℃(100F)的运动黏度；Kw为特性因数，由物料平均沸点和相对密度计算获得；API为API重度，由相对密度计算获得；a1～a11为常数。
在一可能的实现方式中，当模拟柴油产品的产品物性为倾点时，所述通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的倾点：
Pour_point＝b1*SG^b2*MW^(b3-b4*SG)*V100F^(b5-b6*SG)
其中，Pour_point为倾点；V100F为37.78℃(100F)的运动黏度；SG为相对密度；MW为分子量；b1～b6为常数。
在一可能的实现方式中，当模拟柴油产品的产品物性为十六烷值时，所述通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的十六烷值：
其中，P为模拟柴油产品的十六烷值，kPN，kPA，kNA分别为链烷烃与环烷烃、链烷烃与芳烃、环烷烃与芳烃分子间作用力参数；vP，vN，vA分别为柴油分子中链烷烃、环烷烃及芳烃的分子体积加和；vi为柴油各分子体积；βi为柴油单分子性质对宏观性质的贡献度；Pi为柴油单分子性质。
在一可能的实现方式中，所述预设标准包括模拟柴油产品的预设馏程范围标准、模拟柴油产品的预设粘度范围标准、模拟柴油产品的预设倾点范围标准和模拟柴油产品的预设十六烷值范围内中的至少一个。
在一可能的实现方式中，优化目标包括总经济效益、剩余库存量和产品质量过剩值中的至少一种。
在一可能的实现方式中，当优化目标为总经济效益时，所述总经济效益通过以下步骤计算得到：
获取每种产品的产品价格和每种产品的产量；
根据每种产品的产量和每种产品的产品价格，计算每种产品的产品效益；
对每种产品的产品效益进行累加得到累计效益；
获取每组柴油调合组分的价格成本；
将所述累计效益减去所有柴油调合组分的所述价格成本，得到总经济效益。
在一可能的实现方式中，当优化目标为总经济效益时，判断所述优化目标是否达到最优值，包括：
判断总经济效益是否达到最大值：
当所述总经济效益达到最大值时，判定所述优化目标达到最优值。
在一可能的实现方式中，当优化目标为剩余库存量时，所述剩余库存量通过以下步骤计算得到：
获取每种原油原料的加工量与当前库存量；
将所述当前库存量减去所述加工量得到剩余库存量。
在一可能的实现方式中，当优化目标为剩余库存量时，判断所述优化目标是否达到最优值，包括：
判断剩余库存量是否达到最小值：
当所述剩余库存量达到最小值时，判定所述优化目标达到最优值。
在一可能的实现方式中，当优化目标为产品质量过剩值时，所述产品质量过剩值通过以下步骤计算得到：
将产品的物性与预设物性指标要求之间的差值作为产品质量过剩值。
在一可能的实现方式中，当优化目标为产品质量过剩值时，判断所述优化目标是否达到最优值，包括：
判断产品质量过剩值是否达到最小值：
当所述产品质量过剩值达到最小值时，判定所述优化目标达到最优值。
第二方面，本发明实施例提供了一种柴油调合配方确定装置，所述装置包括：
模拟单元，用于按照预设柴油调合配方，对多种柴油调合组分进行模拟调合，得到模拟柴油产品；
确定单元，用于在预设物性计算模型中，根据所述多种柴油调合组分的分子组成数据确定模拟柴油产品的产品物性，其中，所述分子组成数据包括分子的种类及每种分子的含量；
处理单元，用于判断所述模拟柴油产品的产品物性是否满足预设标准：
在所述模拟柴油产品的产品物性满足预设标准时，计算所述模拟柴油产品的优化目标，并判断所述优化目标是否达到最优值：
当所述优化目标达到最优值时，输出当前调合配方；
当所述优化目标未达到最优值时，调整当前调合配方，并按照调整后的调合配方重复前述步骤。
第三方面，本发明实施例提供了一种上述的柴油调合配方确定方法在确定柴油调合配方中的应用。
第四方面，本发明实施例提供了使用上述的柴油调合配方确定方法确定的调合配方。
第五方面，本发明实施例提供了柴油调合设备，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，实现第一方面或第一方面的任意可能的实现方式中的柴油调合配方确定方法的步骤。
第六方面，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，以实现第一方面或第一方面的任意可能的实现方式中的柴油调合配方确定方法的步骤。
本发明的上述技术方案与现有技术相比具有如下有益效果：
本发明实施例按照预设调合配方，对多种柴油调合组分进行模拟调合得到模拟柴油产品；在所述预设物性计算模型中，根据模拟柴油产品的分子组成数据确定模拟柴油产品的产品物性；判断模拟柴油产品的产品物性是否满足预设标准：在模拟柴油产品的产品物性满足预设标准时，计算模拟柴油产品的优化目标，并判断所述优化目标是否达到最优值：当所述优化目标达到最优值时，将当前调合配方应用于实际柴油调合工艺中；当所述优化目标未达到最优值时，调整当前调合配方，并按照调整后的调合配方，执行对多种柴油调合组分进行模拟调合得到模拟柴油产品的步骤。本发明采用预设物性计算模型实现对炼化企业柴油调合产品的物性的准确预测，与现有技术中研究调合配方所需的大量试验和分析工作的方法相比，有效降低了获取调合配方的工作量，显著提升调合配方的研究效率，基于获取模拟柴油产品的产品物性，进行目标优化，确定最优调合配方，能够实现配合柴油在线调合系统进行在线优化控制。
附图说明
图1是本发明实施例提供的一种柴油调合配方确定方法流程示意图；
图2是本发明另一实施例提供的一种柴油调合配方确定方法流程示意图；
图3是本发明又一实施例提供的一种柴油调合配方确定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调合配方确定方法流程示意图其二；
图5是本发明实施例提供的一种柴油调合装置结构示意图；
图6是本发明实施例提供的一种柴油调合设备结构示意图。
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调合配方确定方法。参照图1所示，柴油调合配方确定方法包括：
S11，按照预设调合配方，对多种柴油调合组分进行模拟调合得到模拟柴油产品，并确定模拟柴油产品的分子组成数据；
在本实施例中，该预设调合配方为根据柴油调合的实际需求预先确定的柴油调合配方，该预设调合配方中包括预设的多种柴油调合组分中每一种柴油调合组分的占比。
S12，在预设物性计算模型中，根据所述多种柴油调合组分的分子组成数据确定模拟柴油产品的产品物性，其中，所述分子组成数据包括分子的种类及每种分子的含量；
S13，判断模拟柴油产品的产品物性是否满足预设标准：若否，则执行步骤S14；若是，则执行步骤S15；
在本实施例中，所述预设标准为根据模拟柴油产品的多个产物物性进行设置的，可以依据现行的相关模拟柴油产品标准要求进行设置，该预设标准可以包括模拟柴油产品的预设馏程范围标准、模拟柴油产品的预设粘度范围标准、模拟柴油产品的预设倾点范围标准和模拟柴油产品的预设十六烷值范围内中的至少一个。
S14，获取调整后的调合配方，并将所述调整后的调合配方作为当前调合配方，重新执行上述步骤S11-S13；即，按照调整后的调合配方，执行对多种柴油调合组分进行模拟调合得到模拟柴油产品的步骤；
S15，计算模拟柴油产品的优化目标；
在本实施例中，模拟柴油产品的预设优化目标可以包括总经济效益、剩余库存量和产品质量过剩值中的至少一种。其中，不同优化目标的具体计算过程，可以参照现有技术中的详细描述，在此，可以不作具体限定。
S16，判断所述优化目标是否均达到最优值：若是，则执行步骤S17；若否，则执行上述步骤S14；即，执行对多种柴油调合组分进行模拟调合得到模拟柴油产品的步骤，直至模拟柴油产品的产品物性满足预设标准，且模拟柴油产品的优化目标达到最优值；
在本实施例中，确定模拟柴油产品的优化目标是否达到最优值的方法，可以采用多起点随机搜索的全局优化算法，或者，梯度下降算法、牛顿法、共轭梯度法和启发式优化方法等优化算法，其中梯度下降算法包括：随机梯度下降算法或批量梯度下降算法。上述优化算法的具体执行过程，可以参照现有技术中的详细描述，在此，可以不作具体限定。
S17，输出当前调合配方。
如图2所示，上述步骤S11中，所述模拟柴油产品的分子组成数据通过以下步骤获得：
S21，获取模拟柴油产品中每种柴油调合组分的分子组成数据；
S22，基于当前调合配方，根据每种柴油调合组分的分子组成数据确定模拟柴油产品的分子的种类及每种分子的含量。
本发明实施例中，该当前调合配方为基于预设混合规则确定的，预设混合规则是根据预测的模拟柴油产品的物性设置的混合规则，该预设混合规则中对应有所使用的柴油调合原料的种类和数量，通过混合不同的柴油调合原料得到相应的模拟柴油产品。
在本实施例中，所述步骤S21获取模拟柴油产品中每种柴油调合组分的分子组成数据，包括：
基于预设的柴油分子数据库，采用分子组成解析方法，对每种柴油调合组分的关键物性数据和/或谱图数据进行反演，得到柴油调合组分的分子组成数据；
上述预设的柴油分子数据库中包括多种典型柴油馏分的分子组成数据、物性数据和谱图数据。其中，多种典型柴油馏分是指预先确定的多种柴油馏分，该柴油调合组分的关键物性数据是根据柴油调合组分的不同物性信息预先设置的一个或多个物性数据，例如，密度、沸点、十六烷值和闪点等物性数据。比如，所述柴油分子数据库中的典型柴油馏分可以包括直馏柴油、催化柴油和加氢柴油中的至少两种柴油馏分。
进一步地，在本实施例中，上述基于预设的柴油分子数据库，采用分子组成解析方法，对柴油调合组分的关键物性数据进行反演，得到柴油调合组分的分子组成数据，具体实现过程可以包括下述步骤：
根据所述柴油调合组分的关键物性数据，从所述预设柴油分子数据库查找相同项，若查找到相同项，则输出相应的典型柴油馏分的分子组成数据，作为所述柴油调合组分的分子组成数据；
若未查找到相同项，则选择与所述柴油调合组分的关键物性数据的物性偏差最小的典型柴油馏分，作为目标柴油馏分；
调整目标柴油馏分中各种单分子的浓度，使得调整后的目标柴油馏分的物性数据与所述柴油调合组分的关键物性数据相同，将调整后的目标柴油馏分的分子组成数据确定为所述柴油调合组分的分子组成数据。
本发明实施例中，该谱图数据可以是静红外谱图数据，进一步地，在本实施例中，上述基于预设的柴油分子数据库，采用分子组成解析方法，对柴油调合组分的谱图据进行反演，得到柴油调合组分的分子组成数据，具体实现过程可以包括下述步骤：
根据所述柴油调合组分的谱图数据，从所述预设柴油分子数据库查找相同项，若查找到相同项，则输出相应的典型柴油馏分的分子组成数据，作为所述柴油调合组分的分子组成数据；
若未查找到相同项，则选择与所述柴油调合组分的关键物性数据的物性偏差最小的典型柴油馏分，作为目标柴油馏分；
调整目标柴油馏分中各种单分子的浓度，使得调整后的目标柴油馏分的物性数据与所述柴油调合组分的谱图数据相同，将调整后的目标柴油馏分的分子组成数据确定为所述柴油调合组分的分子组成数据。
本发明实施例中所描述的谱图数据可以是近红外谱图数据，当然，还可以是现有技术中的其他谱图数据。
如图3所示，在步骤S12中，所述在所述预设物性计算模型中，根据模拟柴油产品的分子组成数据确定模拟柴油产品的产品物性，包括：
S31，在所述预设物性计算模型中，根据模拟柴油产品的分子组成数据确定模拟柴油产品中每种单分子的至少一项单分子物性；
S32，根据所述模拟柴油产品物性的预设混合规则，通过每种所述单分子的至少一项单分子物性和/或含量计算得到所述模拟柴油产品的产品物性。
在本实施例中，上述步骤S31中，预设物性计算模型是基于结构导向集总(Structure Oriented Lump，SOL)分子表征方法，来表征分子组成中的单分子，进而进行构建模型的。基于SOL分子表征方法构建的物性计算模型可以包括分别用于计算密度、沸点、十六烷值、闪点的物性计算模型。另外，物性计算模型随着训练数据的增多，能够提高计算精度，可不断更新，便于后期维护。需要说明的是，本发明实施例中所描述的物性计算模型可以不包括烯烃、芳烃、硫含量等利用结构导向集总结构直接线性计算的物性计算模型，以节省数据存储空间。
在本实施例中，SOL分子表征方法为利用24个结构增量片段表征复杂烃类分子的基础结构。对于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。该SOL分子表征方法中的24个结构增量片段即为24个基团，基团是分子的某一部分特征结构，每个基团一般是作为一个整体进行化学反应。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、传感器法、核磁共振波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表示该单分子。
在本实施例中，上述步骤S31中，所述预设物性计算模型是通过以下步骤训练得到：
构建单分子的物性计算训练模型；
在本实施例中，在该物性计算训练模型中，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贡献值。
本发明实施例中，每种基团对每种物性的初始贡献值，可以是预先通过计算得到的，通过预先获取多个混合物的分子的物性数据，已知单分子的物性为单分子的每个基团的值与每种基团对物性的贡献值的乘积之和，基于此进行回归计算，就可以得到每个基团对物性的贡献值大小，将计算得到的每个基团对物性的贡献值大小作为该基团对物性的贡献值大小。具体的实现过程在此不再赘述。
获取构成样本单分子的每种基团的基团数量；所述样本单分子的物性已知；
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。
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训练模型；
获取所述物性计算训练模型输出的所述样本单分子的预测物性；
如果所述预测物性与样本单分子的已知的所述物性之间的偏差值小于预设偏差阈值，则判定所述物性计算训练模型收敛，将该收敛后的物性计算训练模型作为物性计算模型，在所述物性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物性的贡献值；由于单分子的物性可能为多种，所以，可以在预设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；
如果所述预测物性与已知的所述物性之间的偏差值大于等于所述偏差阈值，则调整所述物性计算训练模型中每种基团对应的贡献值，重新执行上述模型训练的步骤，直到所述物性计算训练模型收敛为止。
在本实施例中，在得到该预设物性计算模型时，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预设物性计算模型的输入，预设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(替换物性计算训练模型中每种基团对物性的可调贡献值)，计算出需要获知的物性。
在本实施例中，如果样本单分子的物性为多个，那么物性计算训练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。
在一些实施例中，所述方法还包括：对所述物性计算模型进行更新。即在得到该预设物性计算模型之后，向该模型中重新输入多个输入新的样本单分子的每种基团的基团数量和对应的初始贡献值，执行上述模型训练的步骤，对该预设物性计算模型进行更新。
进一步地，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各级基团及对应基团数量；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N种基团作为N级基团，并将所述N种基团的基团数量作为所述N级基团的级别；
所述样本单分子的所有基团，包括一级基团、二级基团、……、M级基团，其中M≥N，N为大于等于2的正整数。
本发明实施例中，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。上述多级基团还可以是通过基团之间的分子键力进行划分，按预设键力区间将基团划分为多个不同的级别，由于分子键力不同，对不同的物性的影响不同，具体的可以根据分子稳定性对物性的影响对基团的级别进行划分。
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训练模型，通过训练构建的物性计算训练模型，使得物性计算训练模型收敛，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。
本发明实施例中，上述的物性计算训练模型可以是单分子的多种物性计算训练模型：
作为本发明实施例的一个具体实施方式，基于对样本单分子划分的多级基团及其基团数量，上述单分子的多种物性计算训练模型可以是下述模型：
其中，f为样本单分子的物性，ni为第i种基团的基团数量，Δfi为第i种基团对所述物性的贡献值，a为关联常数。
对上述物性计算训练模型进行训练即可得到该预设物性计算模型，在对模拟柴油产品的分子组成数据的每种单分子的物性进行确定时，采用上述SOL分子表征方法，得到对应单分子的多级基团及其基团数量，并从训练得到该物性计算模型时存储的所有基团对物性的贡献值中对应获取该单分子的每种基团对物性的贡献值；
将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训练得到的物性计算模型，即可得到该单分子的各项单分子物性。得到模拟柴油产品的分子组成数据的每种单分子的各项单分子物性，以便于得到模拟柴油产品的产品物性。
作为本发明实施例的另一个具体实施方式，基于对样本单分子划分的多级基团及其基团数量，上述单分子的多种物性计算训练模型可以是下述模型：
其中，f为样本单分子的物性，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。
对上述物性计算训练模型进行训练即可得到预设物性计算模型，在对模拟柴油产品的分子组成数据的每种单分子的物性进行确定时，采用上述SOL分子表征方法，得到对应单分子的多级基团及其基团数量，并从训练得到该物性计算模型时存储的所有基团对物性的贡献值中对应获取该单分子的每种基团对物性的贡献值；
将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训练得到的物性计算模型，即可得到该单分子的各项单分子物性。得到模拟柴油产品的分子组成数据的每种单分子的各项单分子物性，以便于得到模拟柴油产品的产品物性。
在一个实施例中，还可以根据物性种类的不同，基于对样本单分子划分的多级基团及其基团数量，为单分子的每种物性分别构建对应的物性计算训练模型，并得到每种基团的对应物性的贡献值。
若单分子的物性为单分子的沸点，则可以将模拟柴油产品的分子组成数据的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下述训练得到的沸点计算模型，计算每种单分子的沸点：
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。
上述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。
若单分子的物性为单分子的密度，则可以将模拟柴油产品的分子组成数据的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下述训练得到的密度计算模型，计算每种单分子的密度：
其中，D为所述单分子的密度，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，GROUP21为根据一级基团对所述密度的贡献值转化得到的第N+1贡献值向量，GROUP22为根据二级基团对所述密度的贡献值转化得到的第N+2贡献值向量，GROUP2N为根据N级基团对密度的贡献值转化得到的第2N贡献值向量，e为第四预设常数；所述N为大于或等于2的正整数。
上述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密度的贡献值转化得到的第N+1贡献值向量，包括：将一级基团的数量作为第N+1贡献值向量的维数；将每种一级基团对密度的贡献值作为第N+1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密度的贡献值转化得到的第N+2贡献值向量，包括：将二级基团的数量作为第N+2贡献值向量的维数；将每种二级基团对密度的贡献值作为第N+2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级基团分别对密度的贡献值转化得到的第2N贡献值向量，包括：将N级基团的数量作为第2N贡献值向量的维数；将每种N级基团对密度的贡献值作为第2N贡献值向量中对应维度的元素值。
本发明实施例中，上述步骤S12中所描述的预设物性计算模型，可以包括馏程计算模型、十六烷值计算模型、运动黏度计算模型和倾点计算模型中的至少一个。
当模拟柴油产品的产品物性为馏程时，在步骤S33中，根据所述模拟柴油产品物性的预设混合规则，通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
根据模拟柴油产品的每种单分子的沸点和含量绘制模拟蒸馏曲线；
将模拟蒸馏曲线数据换算成模拟柴油产品的恩氏馏程数据。
本发明实施例中，模拟蒸馏曲线的绘制过程，可以参照现有技术中的具体实现方式，并可以采用现已技术中公开的换算公式，实现将模拟蒸馏曲线数据换算成模拟柴油产品的恩氏馏程数据，具体的实现过程在此，可以不作具体限定。
当模拟柴油产品的产品物性为运动黏度时，在步骤S33中，所述根据所述模拟柴油产品物性的预设混合规则，通过每种所述单分子的至少一项单分子物性计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的运动黏度：
V100F＝a1-a2*Kw+a3*Kw^2+a4*API^2–a5*Kw*API+(a6*Kw^2+a7*API+a8*API^2–a9*Kw*API)/(API+a10–a11*Kw)
其中，V100F为37.78℃(100F)的运动黏度；Kw为特性因数，由物料平均沸点和相对密度计算获得；API为比重指数，由相对密度计算获得；a1～a11为常数，
本发明实施例中上述特征因数采用已知的特征因数公式进行确定。
上述API可以通过下述方式计算得到：
首先，基于上述预设物性计算模型，得到模拟柴油产品的各单分子的密度，通过如下计算公式计算得到模拟柴油产品的密度：
density＝∑(Di×xi_volume)；
其中，density为所述模拟柴油产品的密度，Di为第i种模拟柴油产品的单分子的密度，xi_volume为第i种模拟柴油产品的单分子的含量；
接着，通过如下计算公式根据模拟柴油产品的密度计算得到该比重指数：
API＝141.5/density+131.5
其中，API为模拟柴油产品的比重指数，density为模拟柴油产品的密度。
将上述常数a1～a11的数值，代入上述模拟柴油产品的运动粘度表达式，则可以确定模拟柴油产品的运动粘度，具体如下：
V100F＝4.39371-1.94733*Kw+0.12769*Kw^2+3.2629*10^(-4)*API^2-1.18246*10^(-2)*Kw*API+(0.171617*Kw^2+10.9943*API+9.50663*10^(-2)*API^2-0.860218*Kw*API)/(API+50.3642-4.78231*Kw)
当模拟柴油产品的产品物性为倾点时，在步骤S33中，通过每种所述单分子的至少一项单分子物性计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的倾点：
Pour_point＝b1*SG^b2*MW^(b3-b4*SG)*V100F^(b5-b6*SG)
其中，Pour_point为倾点；V100F为37.78℃(100F)的运动黏度；SG为相对密度；MW为分子量；b1～b6为常数。
将上述常数b1～b6的数值，代入上述模拟柴油产品的倾点表达式，则可以确定模拟柴油产品的倾点，以上表达式具体如下：
Pour_point＝130.47*SG^2.970566*MW^(0.61235-0.47357*SG)*V100F^(0.310331-0.32834*SG)。
当模拟柴油产品的产品物性为十六烷值时，在步骤S33中，通过每种所述单分子的至少一项单分子物性计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的十六烷值：
其中，P为模拟柴油产品的十六烷值，kPN，kPA，kNA分别为链烷烃与环烷烃、链烷烃与芳烃、环烷烃与芳烃分子间作用力参数；vP，vN，vA分别为柴油分子中链烷烃、环烷烃及芳烃的分子体积加和；vi为柴油各分子体积；βi为柴油单分子性质对宏观性质的贡献度；Pi为柴油单分子性质。
如图4所示，在步骤S15中，当优化目标为总经济效益时，所述总经济效益通过以下步骤计算得到：
S41，获取每种产品的产品价格和每种产品的产量；
S42，根据每种产品的产量和每种产品的产品价格，计算每种产品的产品效益；
S43，对每种产品的产品效益进行累加得到累计效益；
S44，获取每组柴油调合组分的价格成本；
S45，将所述累计效益减去所有柴油调合组分的所述价格成本，得到总经济效益。
在步骤S16中，当优化目标为总经济效益时，判断所述优化目标是否达到最优值，包括：
判断总经济效益是否达到最大值：
当所述总经济效益达到最大值时，判定所述优化目标达到最优值。
本发明实施例中，可以采用上述的多起点随机搜索的全局优化算法、随机梯度下降算法、批量梯度下降算法、牛顿法、共轭梯度法和启发式优化方法中的至少一种，来确定当前调合配方是否达到最大经济效益，具体实现过程，可以参照现有技术中的详细描述。
在步骤S15中，当优化目标为剩余库存量时，所述剩余库存量通过以下步骤计算得到：
获取每种原油原料的加工量与当前库存量；
将所述当前库存量减去所述加工量得到剩余库存量。
本发明实施例中，上述多种柴油调合组分的原油原料的加工量可以是预先设置好的，该当前库存量为从预设存储位置获取的。
在步骤S16中，当优化目标为剩余库存量时，判断所述优化目标是否达到最优值，包括：
判断剩余库存量是否达到最小值：
当所述剩余库存量达到最小值时，判定所述优化目标达到最优值。
本发明实施例中，可以采用上述的多起点随机搜索的全局优化算法、随机梯度下降算法、批量梯度下降算法、牛顿法、共轭梯度法和启发式优化方法中的至少一种，来确定剩余库存量是否达到最小剩余库存量，具体实现过程，可以参照现有技术中的详细描述。
在步骤S15中，当优化目标为产品质量过剩值时，所述产品质量过剩值通过以下步骤计算得到：
将产品的物性与预设物性指标要求之间的差值作为产品质量过剩值。
本预设物性指标要求是根据模拟柴油产品的多个产物物性进行设置的，可以依据现行的相关模拟柴油产品标准要求进行设置，该预设物性指标要求可以包括模拟柴油产品的馏程范围要求、模拟柴油产品的粘度范围要求、模拟柴油产品的粘度指数范围要求、模拟柴油产品的闪点范围要求、模拟柴油产品的倾点范围要求和模拟柴油产品的十六烷值范围要求内中的一个或多个。
在步骤S16中，当优化目标为产品质量过剩值时，判断所述优化目标是否达到最优值，包括：
判断产品质量过剩值是否达到最小值：
当所述产品质量过剩值达到最小值时，判定所述优化目标达到最优值。
本发明实施例中，可以采用上述的多起点随机搜索的全局优化算法、随机梯度下降算法、批量梯度下降算法、牛顿法、共轭梯度法和启发式优化方法中的至少一种，来确定产品质量过剩值是否达到最小产品质量过剩值，具体实现过程，可以参照现有技术中的详细描述。
基于同一发明构思，如图5所示，本发明实施例提供了一种柴油调合装置，所述装置包括：模拟单元11、确定单元12和处理单元13；其中：
模拟单元11，用于按照预设柴油调合配方，对多种柴油调合组分进行模拟调合，得到模拟柴油产品；
确定单元12，用于在预设物性计算模型中，根据所述多种柴油调合组分的分子组成数据确定模拟柴油产品的产品物性，其中，所述分子组成数据包括分子的种类及每种分子的含量；
处理单元13，用于判断所述模拟柴油产品的产品物性是否满足预设标准：
在所述模拟柴油产品的产品物性满足预设标准时，计算所述模拟柴油产品的优化目标，并判断所述优化目标是否达到最优值：
当所述优化目标达到最优值时，输出当前调合配方；
当所述优化目标未达到最优值时，调整当前调合配方，并按照调整后的调合配方重复前述步骤。
在一些实施例中，处理单元13，还用于：
在所述模拟柴油产品的产品物性未满足预设标准时，调整当前调合配方，对调整后的调合配方重复前述步骤。
在一些实施例中，在确定单元12中，所述模拟柴油产品的分子组成数据通过以下步骤获得：
获取每种柴油调合组分的分子组成数据；
基于当前调合配方，根据每种柴油调合组分的分子组成数据确定模拟柴油产品的分子组成数据。
在一些实施例中，确定单元12还用于：
基于预设的柴油分子数据库，采用分子组成解析方法，对每种柴油调合组分的关键物性数据和/或谱图数据进行反演，得到每种柴油调合组分的分子组成数据；所述柴油分子数据库中包括多种典型柴油馏分的分子组成数据、物性数据和谱图数据。
在一些实施例中，在确定单元12中，所述预设物性计算模型包括密度计算模型、馏程计算模型、十六烷值计算模型、运动黏度计算模型和倾点计算模型中的至少一个物性计算模型。
在一些实施例中，确定单元12还用于：
基于所述预设物性计算模型，根据模拟柴油产品的分子组成数据确定模拟柴油产品中每种单分子的至少一项单分子物性；
根据所述模拟柴油产品物性的预设混合规则，通过每种所述单分子的至少一项单分子物性和/或含量计算得到所述模拟柴油产品的产品物性。
在一些实施例中，确定单元12还用于：
根据模拟柴油产品中每种单分子的沸点和含量绘制模拟蒸馏曲线；
将模拟蒸馏曲线数据换算成模拟柴油产品的恩氏馏程数据。
在一些实施例中，确定单元12还用于：
通过以下表达式，计算模拟柴油产品的运动黏度：
V100F＝a1-a2*Kw+a3*Kw^2+a4*API^2–a5*Kw*API+(a6*Kw^2+a7*API+a8*API^2–a9*Kw*API)/(API+a10–a11*Kw)
其中，V100F为37.78℃(100F)的运动黏度；Kw为特性因数，由物料平均沸点和相对密度计算获得；API为API重度，由相对密度计算获得；a1～a11为常数。
在一些实施例中，确定单元12还用于：
通过以下表达式，计算模拟柴油产品的倾点：
Pour_point＝b1*SG^b2*MW^(b3-b4*SG)*V100F^(b5-b6*SG)
其中，Pour_point为倾点；V100F为37.78℃(100F)的运动黏度；SG为相对密度；MW为分子量；b1～b6为常数。
在一些实施例中，确定单元12还用于：
通过以下表达式，计算模拟柴油产品的十六烷值：
其中，P为模拟柴油产品的十六烷值，kPN，kPA，kNA分别为链烷烃与环烷烃、链烷烃与芳烃、环烷烃与芳烃分子间作用力参数；vP，vN，vA分别为柴油分子中链烷烃、环烷烃及芳烃的分子体积加和；vi为柴油各分子体积；βi为柴油单分子性质对宏观性质的贡献度；Pi为柴油单分子性质。
在一些实施例中，在处理单元13中，所述预设标准包括模拟柴油产品的预设馏程范围标准、模拟柴油产品的预设粘度范围标准、模拟柴油产品的预设倾点范围标准和模拟柴油产品的预设十六烷值范围内中的至少一个。
在一些实施例中，在处理单元13中，优化目标包括总经济效益、剩余库存量和产品质量过剩值中的至少一种。
在一些实施例中，在处理单元13中，当优化目标为总经济效益时，所述总经济效益通过以下步骤计算得到：
获取每种产品的产品价格和每种产品的产量；
根据每种产品的产量和每种产品的产品价格，计算每种产品的产品效益；
对每种产品的产品效益进行累加得到累计效益；
获取每组柴油调合组分的价格成本；
将所述累计效益减去所有柴油调合组分的所述价格成本，得到总经济效益。
在一些实施例中，在处理单元13中，当优化目标为总经济效益时，判断所述优化目标是否达到最优值，包括：
判断总经济效益是否达到最大值：
当所述总经济效益达到最大值时，判定所述优化目标达到最优值。
在一些实施例中，在处理单元13中，当优化目标为剩余库存量时，所述剩余库存量通过以下步骤计算得到：
获取每种原油原料的加工量与当前库存量；
将所述当前库存量减去所述加工量得到剩余库存量。
在一些实施例中，在处理单元13中，当优化目标为剩余库存量时，判断所述优化目标是否达到最优值，包括：
判断剩余库存量是否达到最小值：
当所述剩余库存量达到最小值时，判定所述优化目标达到最优值。
在一些实施例中，在处理单元13中，当优化目标为产品质量过剩值时，所述产品质量过剩值通过以下步骤计算得到：
将产品的物性与预设物性指标要求之间的差值作为产品质量过剩值。
在一些实施例中，在处理单元13中，当优化目标为产品质量过剩值时，判断所述优化目标是否达到最优值，包括：
判断产品质量过剩值是否达到最小值：
当所述产品质量过剩值达到最小值时，判定所述优化目标达到最优值。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
基于同一发明构思，本发明实施例提供了一种上述的柴油调合配方确定方法在确定柴油调合配方中的应用。
基于同一发明构思，本发明实施例提供了一种柴油调合配方确定方法，使用上述的柴油调合配方确定方法确定的调合配方。
基于同一发明构思，如图6所示，本发明实施例提供了一种柴油调合设备，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，实现如下所示柴油调合配方确定方法：
按照预设柴油调合配方，对多种柴油调合组分进行模拟调合，得到模拟柴油产品；
在预设物性计算模型中，根据所述多种柴油调合组分的分子组成数据确定模拟柴油产品的产品物性，其中，所述分子组成数据包括分子的种类及每种分子的含量；
判断所述模拟柴油产品的产品物性是否满足预设标准：
在所述模拟柴油产品的产品物性满足预设标准时，计算所述模拟柴油产品的优化目标，并判断所述优化目标是否达到最优值：
当所述优化目标达到最优值时，输出当前调合配方；
当所述优化目标未达到最优值时，调整当前调合配方，并按照调整后的调合配方重复前述步骤。
上述的通信总线1140可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口1120用于上述电子设备与其他设备之间的通信。
存储器1130可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器1130还可以是至少一个位于远离前述处理器1110的存储装置。
上述的处理器1110可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
基于同一发明构思，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，以实现上述任意可能的实现方式中的柴油调合配方确定方法的步骤。
可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
基于同一发明构思，本发明实施例还提供了一种计算机程序产品，包括计算机程序，所述程序被处理器执行时实现上述任意可能的实现方式中的柴油调合配方确定方法的步骤。
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 (23)
1.一种柴油调合配方确定方法，其特征在于，所述方法包括：
按照预设柴油调合配方，对多种柴油调合组分进行模拟调合，得到模拟柴油产品；
在预设物性计算模型中，根据所述多种柴油调合组分的分子组成数据确定模拟柴油产品的产品物性，其中，所述分子组成数据包括分子的种类及每种分子的含量；
判断所述模拟柴油产品的产品物性是否满足预设标准：
在所述模拟柴油产品的产品物性满足预设标准时，计算所述模拟柴油产品的优化目标，并判断所述优化目标是否达到最优值：
当所述优化目标达到最优值时，输出当前调合配方；
当所述优化目标未达到最优值时，调整当前调合配方，并按照调整后的调合配方重复前述步骤。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述模拟柴油产品的产品物性未满足预设标准时，调整当前调合配方，对调整后的调合配方重复前述步骤。
3.根据权利要求1所述的方法，其特征在于，所述模拟柴油产品的分子组成数据通过以下步骤获得：
获取每种柴油调合组分的分子组成数据；
基于当前调合配方，根据每种柴油调合组分的分子组成数据确定柴油产品的分子组成数据。
4.根据权利要求2所述的方法，其特征在于，所述获取每种柴油调合组分的分子组成数据，包括：
基于预设的柴油分子数据库，采用分子组成解析方法，对每种柴油调合组分的关键物性数据和/或谱图数据进行反演，得到每种柴油调合组分的分子组成数据；所述柴油分子数据库中包括多种典型柴油馏分的分子组成数据、物性数据和谱图数据。
5.根据权利要求1所述的方法，其特征在于，所述预设物性计算模型包括密度计算模型、馏程计算模型、十六烷值计算模型、运动黏度计算模型和倾点计算模型中的至少一种物性计算模型。
6.根据权利要求2所述的方法，其特征在于，所述在所述预设物性计算模型中，根据模拟柴油产品的分子组成数据确定模拟柴油产品的产品物性，包括：
基于所述预设物性计算模型，根据模拟柴油产品的分子组成数据确定模拟柴油产品中每种单分子的至少一项单分子物性；
根据所述柴油产品物性的预设混合规则，通过每种所述单分子的至少一项单分子物性和/或含量计算得到所述模拟柴油产品的产品物性。
7.根据权利要求6所述的方法，其特征在于，当模拟柴油产品的产品物性为馏程时，所述通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
根据模拟柴油产品中每种单分子的沸点和含量绘制模拟蒸馏曲线；
将模拟蒸馏曲线数据换算成模拟柴油产品的恩氏馏程数据。
8.根据权利要求6所述的方法，其特征在于，当模拟柴油产品的产品物性为运动黏度时，所述通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的运动黏度：
V100F＝a1-a2*Kw+a3*Kw^2+a4*API^2–a5*Kw*API+(a6*Kw^2+a7*API+a8*API^2–a9*Kw*API)/(API+a10–a11*Kw)
其中，V100F为37.78℃(100F)的运动黏度；Kw为特性因数，由物料平均沸点和相对密度计算获得；API为API重度，由相对密度计算获得；a1～a11为常数。
9.根据权利要求6所述的方法，其特征在于，当模拟柴油产品的产品物性为倾点时，所述通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的倾点：
Pour_point＝b1*SG^b2*MW^(b3-b4*SG)*V100F^(b5-b6*SG)
其中，Pour_point为倾点；V100F为37.78℃(100F)的运动黏度；SG为相对密度；MW为分子量；b1～b6为常数。
10.根据权利要求6所述的方法，其特征在于，当模拟柴油产品的产品物性为十六烷值时，所述通过每种所述单分子的至少一项单分子物性和含量计算得到所述模拟柴油产品的产品物性，包括：
通过以下表达式，计算模拟柴油产品的十六烷值：
其中，P为模拟柴油产品的十六烷值，kPN，kPA，kNA分别为链烷烃与环烷烃、链烷烃与芳烃、环烷烃与芳烃分子间作用力参数；vP，vN，vA分别为柴油分子中链烷烃、环烷烃及芳烃的分子体积加和；vi为柴油各分子体积；βi为柴油单分子性质对宏观性质的贡献度；Pi为柴油单分子性质。
11.根据权利要求1所述的方法，其特征在于，所述预设标准包括模拟柴油产品的预设馏程范围标准、模拟柴油产品的预设粘度范围标准、模拟柴油产品的预设倾点范围标准和模拟柴油产品的预设十六烷值范围内中的至少一个。
12.根据权利要求11所述的方法，其特征在于，优化目标包括总经济效益、剩余库存量和产品质量过剩值中的至少一种。
13.根据权利要求12所述的方法，其特征在于，当优化目标为总经济效益时，所述总经济效益通过以下步骤计算得到：
获取每种产品的产品价格和每种产品的产量；
根据每种产品的产量和每种产品的产品价格，计算每种产品的产品效益；
对每种产品的产品效益进行累加得到累计效益；
获取每组柴油调合组分的价格成本；
将所述累计效益减去所有柴油调合组分的所述价格成本，得到总经济效益。
14.根据权利要求13所述的方法，其特征在于，所述判断所述优化目标是否达到最优值，包括：
判断总经济效益是否达到最大值：
当所述总经济效益达到最大值时，判定所述优化目标达到最优值。
15.根据权利要求12所述的方法，其特征在于，当优化目标为剩余库存量时，所述剩余库存量通过以下步骤计算得到：
获取每种原油原料的加工量与当前库存量；
将所述当前库存量减去所述加工量得到剩余库存量。
16.根据权利要求15所述的方法，其特征在于，所述判断所述优化目标是否达到最优值，包括：
判断剩余库存量是否达到最小值：
当所述剩余库存量达到最小值时，判定所述优化目标达到最优值。
17.根据权利要求12所述的方法，其特征在于，当优化目标为产品质量过剩值时，所述产品质量过剩值通过以下步骤计算得到：
将产品的物性与预设物性指标要求之间的差值作为产品质量过剩值。
18.根据权利要求17所述的方法，其特征在于，所述判断所述优化目标是否达到最优值，包括：
判断产品质量过剩值是否达到最小值：
当所述产品质量过剩值达到最小值时，判定所述优化目标达到最优值。
19.一种柴油调合配方确定装置，其特征在于，所述装置包括：
模拟单元，用于按照预设柴油调合配方，对多种柴油调合组分进行模拟调合，得到模拟柴油产品；
确定单元，用于在预设物性计算模型中，根据所述多种柴油调合组分的分子组成数据确定模拟柴油产品的产品物性，其中，所述分子组成数据包括分子的种类及每种分子的含量；
处理单元，用于判断所述模拟柴油产品的产品物性是否满足预设标准：
在所述模拟柴油产品的产品物性满足预设标准时，计算所述模拟柴油产品的优化目标，并判断所述优化目标是否达到最优值：
当所述优化目标达到最优值时，输出当前调合配方；
当所述优化目标未达到最优值时，调整当前调合配方，并按照调整后的调合配方重复前述步骤。
20.一种权利要求1-18任一项所述的柴油调合配方确定方法在确定柴油调合配方中的应用。
21.一种柴油调合配方确定方法，其特征在于，使用权利要求1-18任一项所述的柴油调合配方确定方法确定的调合配方。
22.一种柴油调合设备，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1-18任一项所述的柴油调合配方确定方法的步骤。
23.一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1-18中任一项所述的柴油调合配方确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111661608.5A CN116434849A (zh) | 2021-12-31 | 2021-12-31 | 柴油调合配方确定方法、装置、设备及存储介质和应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111661608.5A CN116434849A (zh) | 2021-12-31 | 2021-12-31 | 柴油调合配方确定方法、装置、设备及存储介质和应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116434849A true CN116434849A (zh) | 2023-07-14 |
Family
ID=87080196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111661608.5A Pending CN116434849A (zh) | 2021-12-31 | 2021-12-31 | 柴油调合配方确定方法、装置、设备及存储介质和应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116434849A (zh) |
-
2021
- 2021-12-31 CN CN202111661608.5A patent/CN116434849A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111899798B (zh) | 一种原油数据管理方法、系统、装置及存储介质 | |
| US20140156241A1 (en) | Prediction of refining characteristics of oil | |
| 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 | |
| CN111899793A (zh) | 一种分子级装置的实时优化方法、装置、系统及存储介质 | |
| CN111892938B (zh) | 一种原油分子组成的确定方法、系统、装置及存储介质 | |
| CN111892939B (zh) | 一种原油蒸馏切割方法、系统、设备及存储介质 | |
| Stratiev et al. | Prediction of petroleum viscosity from molecular weight and density | |
| Yao et al. | Generation and properties of the new asphalt binder model using molecular dynamics (MD) | |
| CN109507352A (zh) | 一种预测石化生产中任意流股分子组成的方法 | |
| Hülsmann et al. | Automated force field optimisation of small molecules using a gradient-based workflow package | |
| Abutaqiya et al. | Aromatic Ring Index (ARI): A characterization factor for nonpolar hydrocarbons from molecular weight and refractive index | |
| Worthey et al. | Tree-based ensemble methods: predicting asphalt mixture dynamic modulus for flexible pavement design | |
| Glazov et al. | Effect of experimental data accuracy on stochastic reconstruction of complex hydrocarbon mixture | |
| Alvarez et al. | On the application of petroleum feedstock modeling techniques for developing molecule-based models of hydrocarbon conversion processes | |
| Cravero et al. | How can polydispersity information be integrated in the QSPR modeling of mechanical properties? | |
| Hou et al. | The optimization and prediction of properties for crude oil blending | |
| CN116434849A (zh) | 柴油调合配方确定方法、装置、设备及存储介质和应用 | |
| CN116434848A (zh) | 燃料油调合配方确定方法、装置、设备及存储介质和应用 | |
| CN116432795A (zh) | 润滑油生产加工信息确定方法、装置、设备及存储介质和应用 | |
| CN111899814B (zh) | 一种单分子、混合物物性计算方法、设备及存储介质 | |
| Maheshwari et al. | Correlations for Pour Point and Cloud Point of middle and heavy distillates using density and distillation temperatures | |
| Albahri | Specific gravity, RVP, octane number, and saturates, olefins, and aromatics fractional composition of gasoline and petroleum fractions by neural network algorithms | |
| Shi et al. | Interpretable reconstruction of naphtha components using property-based extreme gradient boosting and compositional-weighted Shapley additive explanation values | |
| CN116417074A (zh) | 一种混合物物性计算方法、装置、设备及存储介质 | |
| CN109724939B (zh) | 由近红外光谱预测加氢尾油性质的方法 |
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 |