CN116463142A - 一种石油催化裂化方案获取方法及装置 - Google Patents
一种石油催化裂化方案获取方法及装置 Download PDFInfo
- Publication number
- CN116463142A CN116463142A CN202210023785.9A CN202210023785A CN116463142A CN 116463142 A CN116463142 A CN 116463142A CN 202210023785 A CN202210023785 A CN 202210023785A CN 116463142 A CN116463142 A CN 116463142A
- Authority
- CN
- China
- Prior art keywords
- data
- catalytic cracking
- hydrogen content
- content distribution
- cracking reaction
- 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
- 238000004523 catalytic cracking Methods 0.000 title claims abstract description 236
- 239000003208 petroleum Substances 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000006243 chemical reaction Methods 0.000 claims abstract description 187
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 181
- 239000001257 hydrogen Substances 0.000 claims abstract description 181
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 158
- 238000009826 distribution Methods 0.000 claims abstract description 148
- 238000005457 optimization Methods 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 150000002431 hydrogen Chemical class 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 description 60
- 239000003921 oil Substances 0.000 description 33
- 239000002994 raw material Substances 0.000 description 21
- 239000000571 coke Substances 0.000 description 18
- 241000196324 Embryophyta Species 0.000 description 14
- 239000002002 slurry Substances 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical group [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 5
- 238000003556 assay Methods 0.000 description 5
- 239000003054 catalyst Substances 0.000 description 5
- 239000003546 flue gas Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000008929 regeneration Effects 0.000 description 5
- 238000011069 regeneration method Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000007791 liquid phase Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000005261 decarburization Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 2
- 238000004821 distillation Methods 0.000 description 2
- 238000000921 elemental analysis Methods 0.000 description 2
- 238000005984 hydrogenation reaction Methods 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 241000183024 Populus tremula Species 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007872 degassing Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000006317 isomerization reaction Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 1
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
- C10G—CRACKING HYDROCARBON OILS; PRODUCTION OF LIQUID HYDROCARBON MIXTURES, e.g. BY DESTRUCTIVE HYDROGENATION, OLIGOMERISATION, POLYMERISATION; RECOVERY OF HYDROCARBON OILS FROM OIL-SHALE, OIL-SAND, OR GASES; REFINING MIXTURES MAINLY CONSISTING OF HYDROCARBONS; REFORMING OF NAPHTHA; MINERAL WAXES
- C10G11/00—Catalytic cracking, in the absence of hydrogen, of hydrocarbon oils
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Chemical & Material Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Game Theory and Decision Science (AREA)
- Organic Chemistry (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本发明提供一种石油催化裂化方案获取方法及装置，包括：将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由催化裂化反应模型进行催化裂化反应计算以及热平衡计算输出的产物流量数据和氢含量分布数据；将装置基础数据和运行数据，以及产物流量数据和氢含量分布数据输入至目标优化模型，确定氢分布优化后的石油催化裂化方案。本发明提供的石油催化裂化方案获取方法及装置，仅通过装置基础数据和运行数据，就能利用催化裂化反应模型和目标优化模型进行产物流量、氢分布预测以及目标优化，得到催化裂化反应的氢分布优化方案，实现了本质意义上的氢含量分布最优下的产物分配。
Description
技术领域
本发明涉及石油加工技术领域，尤其涉及一种石油催化裂化方案获取方法及装置。
背景技术
石油加工过程主要是原油碳、氢等元素的再平衡过程，可以分为脱碳和加氢两种情况，相应的技术路线则为脱碳技术路线和加氢技术路线。
催化裂化技术是重要的原油脱碳加工技术之一，原料油经过裂化、氢转移、异构化等过程，得到干气、液化气、汽油、轻循环油、油浆、焦炭等产物。在现有的石油催化裂化方案中，催化裂化反应装置产物氢含量现有计算方法，通过采样一定量的样品，再利用元素分析仪器化验测试其氢含量，并调整操作参数，进而得到优化后的石油催化裂化方案。
然而，上述方案只能获得收率和操作条件等最优的方案。
发明内容
针对现有技术存在的问题，本发明实施例提供一种石油催化裂化方案获取方法及装置。
本发明提供一种石油催化裂化方案获取方法，包括：将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的；
将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
根据本发明提供的一种石油催化裂化方案获取方法，所述催化裂化反应模型是基于以下方法构建的：
构建初始反应模型，并获取样本装置基础数据和样本运行数据，以及与所述样本装置基础数据和所述样本运行数据对应的样本产物流量数据和样本氢含量分布数据；
将所述样本装置基础数据和所述样本运行数据输入至所述初始反应模型，获取所述初始反应模型输出的产物流量预测值和氢含量分布预测值；
根据所述产物流量预测值和氢含量分布预测值，以及所述样本产物流量数据和所述样本氢含量分布数据，获取偏差总和；
若所述偏差总和小于或等于预设值，则确定所述初始反应模型为所述催化裂化反应模型。
根据本发明提供的一种石油催化裂化方案获取方法，在所述获取偏差总和之后，还包括：
若所述偏差总和大于预设值，则对所述初始反应模型的参数进行调节，获取新的反应模型；
将所述样本装置基础数据和运行数据输入至所述新的反应模型，直至得到的新的偏差总和小于或等于所述预设值，则确定所述新的反应模型为所述催化裂化反应模型。
根据本发明提供的一种石油催化裂化方案获取方法，所述目标优化模型包括目标函数和预设约束条件；所述确定石油催化裂化方案，包括：
若所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据满足所述预设约束条件；则基于所述目标函数和所述预设约束条件，利用所述产物流量数据和所述氢含量分布数据对所述运行数据进行调节，获取新的运行数据；
将所述装置基础数据和所述新的运行数据输入至所述催化裂化反应模型，获取所述装置基础数据和所述新的运行数据对应的新的产物流量数据和新的氢含量分布数据；
若所述装置基础数据和所述新的运行数据，以及所述新的产物流量数据和所述新的氢含量分布数据不满足所述预设约束条件，则根据所述目标函数和所述预设约束条件，对所述运行数据进行调节，直至所述装置基础数据，以及得到新的运行数据、新的产物流量数据和氢含量分布数据满足所述预设约束条件，则确定所述装置基础数据和所述新的运行数据，以及所述新的产物流量数据和新的氢含量分布数据为所述石油催化裂化方案。
根据本发明提供的一种石油催化裂化方案获取方法，所述样本装置基础数据和所述样本运行数据均是从数据库中获取的；
所述数据库是基于如下步骤建立的：
获取催化裂化反应装置的所述装置基础数据，以及所述催化裂化反应装置在不同工况下的运行数据、产物流量数据和氢含量分布数据，构建所述数据库；
所述装置基础数据包括所述催化裂化反应装置的技术设计数据；
所述运行数据包括：原料数据、产物数据和所述催化裂化反应装置的装置操作参数。
本发明还提供一种石油催化裂化方案获取装置，包括：
获取单元，用于将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的；
确定单元，用于将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
根据本发明提供的一种石油催化裂化方案获取装置，还包括：
构建单元，用于获取催化裂化反应装置的所述装置基础数据，以及所述催化裂化反应装置在不同工况下的运行数据、产物流量数据和氢含量分布数据，构建数据库；
所述装置基础数据包括所述催化裂化反应装置的技术设计数据；
所述运行数据包括：原料数据、产物数据和所述催化裂化反应装置的装置操作参数。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述石油催化裂化方案获取方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述石油催化裂化方案获取方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述石油催化裂化方案获取方法的步骤。
本发明提供的石油催化裂化方案获取方法及装置，仅通过装置基础数据和运行数据，就能利用催化裂化反应模型和目标优化模型进行产物流量、氢分布预测以及目标优化，得到催化裂化反应的氢分布优化方案，实现了本质意义上的氢含量分布最优下的产物分配。
附图说明
为了更清楚地说明本发明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作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的石油催化裂化方案获取方法的流程示意图；
图2是本发明提供的催化裂化反应模型训练方法的流程示意图；
图3是本发明提供的装置基础数据和运行数据的调参方法的流程示意图；
图4是本发明提供的石油催化裂化方案获取装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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作出创造性劳动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。
需要说明的是，在本发明实施例的描述中，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，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
装置氢平衡计算分析可以评价催化裂化反应装置产物分布合理性、氢利用效率等。在实际生产的过程中，干气、液化气的组成分析已被广泛应用，它们的氢含量可以由组成计算得到；焦炭的氢含量可以通过烟气组成计算；液相油品中氢含量的测算主要有元素分析仪测定、经验公式计算、模拟软件测算等。
关于催化裂化反应装置产物氢含量，现有的计算方法主要存在以下特点：
(1)依赖样品取样，不能在装置产物不取样情况下预测氢含量，以汽油氢含量计算为例，采样一定量汽油样品后，可以通过元素分析仪器化验测试其氢含量，也可以先分析测试汽油样品的关键理化性质，再通过经验公式计算其氢含量，因而现有分析方法不能在不取样的情况下预测汽油的氢含量；
(2)对仪器分析依赖程度高，干气、液化气、烟气等均需要通过实验仪器的分析获得组分分布，才能计算其氢含量，液相油品也需要通过专业元素分析设备才能计算其氢含量；(3)氢含量测算过程仅与样品基本性质关联，未与装置主要操作参数关联，通过现有方法获得的氢含量或装置氢平衡仅能间接反映装置操作运行好坏。
本发明提供一种适用于催化裂化产物分布预测和优化的石油催化裂化方案获取方法及装置，用于分析评价装置产物分布、操作运行合理性，还可以指导装置操作的优化。
下面结合图1至图5描述本发明实施例所提供的石油催化裂化方案获取方法及装置。
图1是本发明提供的石油催化裂化方案获取方法的流程示意图，如图1所示，包括但不限于以下步骤：
首先，在步骤S1中，将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的。
催化裂化反应模型是基于机理模型构建的，一方面，模型中的参数具有非常明确的物理意义；另一方面，模型参数易于调整，所得的模型具有很强的适应性。
根据样本装置基础数据和样本运行数据，以及所述样本装置基础数据和样本运行数据对应的样本产物流量数据和样本氢含量分布数据，对催化裂化反应模型中的数学参数进行调整后，确定的最终的催化裂化反应模型。
其中，运行数据可以包括：原料数据、产物数据和所述催化裂化反应装置的装置操作参数。产物流量数据需满足物料平衡。
具体地，将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，由催化裂化反应模型对装置基础数据和运行数据进行催化裂化反应计算以及热平衡计算，得到装置基础数据和运行数据对应的产物流量数据和氢含量分布数据。催化裂化反应的产物包括：液化气、干气、汽油、轻循环油、油浆和焦炭。
进一步地，在步骤S2中，将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
目标优化模型包括：目标函数和预设约束条件；目标函数可以包括：液化气、汽油产量最大函数，以及干气、焦炭中氢含量最小函数；预设约束条件可以包括：平衡约束和其他约束，其他约束可以包括：含量约束、温度约束、流量约束和产物氢含量约束。
具体地，利用预设约束条件对装置基础数据和运行数据，以及产物流量数据和氢含量分布数据进行判断，在装置基础数据和运行数据，以及产物流量数据和氢含量分布数据满足预设约束条件的情况下，利用目标函数计算装置基础数据和运行数据对应的目标值，目标值包括：液化气、汽油产量最大值，以及干气、焦炭中氢含量最小值。
可以在预设约束条件内对装置基础数据和运行数据进行调整，并获取多个目标值，再根据多个目标值，确定液化气、汽油产量最大值最大，且干气、焦炭中氢含量最小值的目标值所对应的装置基础数据和运行数据，以及产物流量数据和氢含量分布数据为优化后的石油催化裂化方案。
本发明提供的石油催化裂化方案获取方法，仅通过装置基础数据和运行数据，就能利用催化裂化反应模型和目标优化模型进行产物流量、氢分布预测以及目标优化，得到催化裂化反应的氢分布优化方案，实现了本质意义上的氢含量分布最优下的产物分配。
可选地，所述样本装置基础数据和所述样本运行数据均是从数据库中获取的；
所述数据库是基于如下步骤建立的：
获取催化裂化反应装置的所述装置基础数据，以及所述催化裂化反应装置在不同工况下的运行数据、产物流量数据和氢含量分布数据，构建所述数据库；
所述装置基础数据包括所述催化裂化反应装置的技术设计数据；
所述运行数据包括：原料数据、产物数据和所述催化裂化反应装置的装置操作参数。
可以根据加工原料不同、反应器温度不同、反应器出口压力不同划分为不同工况，在不同工况下，收集催化裂化反应装置的装置基础数据和运行数据，以及产物流量数据和氢含量分布数据，建立基础数据库。
其中，装置基础数据可以包括装置基础设计数据，如装置加工规模、反应器结构参数、催化剂基本性质、塔设备数据、换热器设备数据等。
运行数据可以包括催化裂化反应装置的装置操作参数，如温度、压力、停留时间等；还可以包括原料数据和产物数据，原料数据包括原料的化验分析数据，产物数据包括产物的化验分析数据，如密度、馏程、硫含量、氮含量、氢含量等。
以炼厂2.0Mt/a催化裂化反应装置为例，该装置反应再生型式为高低并列式；其中，反应部分采用内提升管的增产丙烯、多产异构化烷烃的清洁汽油生产技术(MIP-CGP)工艺技术，再生部分采用并列式两器再生技术；第一再生器采用不完全再生技术，设有两组外取热器；第二再生器采用完全再生技术，设有再生催化剂脱气罐。
在装置运行的过程中，第一再生器和第二再生器烟气在烟道中混合，并补充空气，使CO发生燃烧反应，高温烟气经高取热器取热，降温后烟气送入第三级旋风分离器。
进一步地，对历史数据进行整理，根据装置原料加工量、掺渣量、回炼油量、反应器出口温度、反应器出口压力区别，分为若干工况。以其中一种工况进行相关装置基础数据和运行数据介绍，分离部分主要操作参数略。表1为原料油的主要性质，属于运行数据中的原料数据。
表1原料油主要性质
表2为催化剂基本性质，如表2所示，属于装置基础数据的一部分。表3为装置操作参数。
表2催化剂基本性质
表3装置操作参数
可选地，所述催化裂化反应模型是基于以下方法构建的：
构建初始反应模型，并获取样本装置基础数据和样本运行数据，以及与所述样本装置基础数据和所述样本运行数据对应的样本产物流量数据和样本氢含量分布数据；
将所述样本装置基础数据和所述样本运行数据输入至所述初始反应模型，获取所述初始反应模型输出的产物流量预测值和氢含量分布预测值；
根据所述产物流量预测值和氢含量分布预测值，以及所述样本产物流量数据和所述样本氢含量分布数据，获取偏差总和；
若所述偏差总和小于或等于预设值，则确定所述初始反应模型为所述催化裂化反应模型。
可选地，在所述获取偏差总和之后，还包括：
若所述偏差总和大于预设值，则对所述初始反应模型的参数进行调节，获取新的反应模型；
将所述样本装置基础数据和运行数据输入至所述新的反应模型，直至得到的新的偏差总和小于或等于所述预设值，则确定所述新的反应模型为所述催化裂化反应模型。
按照催化裂化反应装置的装置类型、原料和产物分布，可以利用Aspen Plus、Hysys、Petrosim等建模软件，以机理建模的方式构建初始反应模型，初始反应模型可以为催化裂化反应装置的反应-分离耦合数学模型，能够计算在不同装置基础数据和运行数据下，催化裂化反应的产物流量数据和氢含量分布数据。
在数据库中获取多个样本装置基础数据和样本运行数据，以及与样本装置基础数据和样本运行数据对应的样本产物流量数据和样本氢含量分布数据。其中，样本产物流量数据和样本氢含量分布数据均为在样本装置基础数据和运行数据下催化裂化反应装置的实测值。表4为模型计算结果，具体为催化裂化反应模型计算的产物流量数据和氢含量分布数据，产物流量数据可以为原料和产物的物料平衡，氢含量分布数据可以为原料和产物的组分氢质量分数。
图2是本发明提供的催化裂化反应模型训练方法的流程示意图，如图2所示，在对初始反应模型的精度进行评估时，在初始反应模型中输入原料数据、产物数据、装置操作参数等样本装置基础数据和样本运行数据后，初始反应模型采用建模软件的系统默认方式，即默认hysys自带的动力学参数进行催化裂化反应、热平衡计算等，得到每个样本装置基础数据和样本运行数据对应的产物流量预测值和氢含量分布预测值。初始反应模型包括反应动力学模块和分离模块。
将每个样本装置基础数据和样本运行数据对应的样本产物流量数据和样本氢含量分布数据，分别与产物流量预测值、氢含量分布预测值作差，得到多个偏差总和。
若存在任一偏差总和大于预设值δ，则需要校正初始反应模型里的参数，直至偏差总和小于或等于预设值δ，模型满足精度要求，则确定满足精度要求的模型为催化裂化反应模型。预设值可以根据对催化裂化反应模型的精度要求灵活设定，预设值越小，得到的催化裂化反应模型的精度越高。
若所有的偏差总和小于或等于预设值，则确定该初始反应模型为催化裂化反应模型。
表4模型计算结果
可选地，所述目标优化模型包括目标函数和预设约束条件；所述确定石油催化裂化方案，包括：
若所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据满足所述预设约束条件；则基于所述目标函数和所述预设约束条件，利用所述产物流量数据和所述氢含量分布数据对所述运行数据进行调节，获取新的运行数据；
将所述装置基础数据和所述新的运行数据输入至所述催化裂化反应模型，获取所述装置基础数据和所述新的运行数据对应的新的产物流量数据和新的氢含量分布数据；
若所述装置基础数据和所述新的运行数据，以及所述新的产物流量数据和所述新的氢含量分布数据不满足所述预设约束条件，则根据所述目标函数和所述预设约束条件，对所述运行数据进行调节，直至所述装置基础数据，以及得到新的运行数据、新的产物流量数据和氢含量分布数据满足所述预设约束条件，则确定所述装置基础数据和所述新的运行数据，以及所述新的产物流量数据和新的氢含量分布数据为所述石油催化裂化方案。
可选地，若所述装置基础数据和所述新的运行数据，以及所述新的产物流量数据和所述新的氢含量分布数据满足所述预设约束条件，则确定所述装置基础数据和所述新的运行数据，以及所述新的产物流量数据和新的氢含量分布数据为所述石油催化裂化方案。
首先，利用Matlab软件建立基于氢分布最优、目标产物收率最大化的催化裂化反应装置的产物分布的多目标优化数学模型，作为目标优化模型，优化目标包括：以液化气、汽油产量最大，干气、焦炭中氢含量最小。调用多目标优化算法，并将目标优化模型与催化裂化反应-分离耦合数学模型关联。其中，优化算法可以包括模糊优化算法、多目标列队竞争算法、遗传算法和神经网络算法等。
目标优化模型的优化目标是催化裂化反应装置的产物氢分布最优，以及目标产物收率最大。氢分布最优是指干气及焦炭中氢含量最小化，目标产物收率最大是指液化气及汽油的收率最大化。
目标函数包括：液化气、汽油产量最大函数，以及干气、焦炭中氢含量最小函数。
其中，干气、焦炭中氢含量最小函数为：
min y1＝(F干气x干气,H+F焦炭x焦炭,H)/(F原料x原料,H)；
液化气、汽油产量最大函数为：
max y2＝(F液化气+F汽油)/F原料；
预设约束条件包括平衡约束和其他约束。
其中，平衡约束包括：
F原料＝F干气+F液化气+F汽油+F轻循环油+F焦炭；
F原料x原料,H＝F干气x干气,H+F液化气x液化气,H+F汽油x汽油,H+F轻循环油x轻循环油,H+F油浆x油浆,H+F焦炭x焦炭,H；
其他约束包括：
干气中C3+含量约束，约束条件为C3+轻烃体积分数≤3％；
液化气中C2含量约束，约束条件为C2体积分数≤0.4％；
液化气中C5含量约束，约束条件为C5体积分数≤1％；
汽油ASTM D86干点约束，约束条件为200～204℃；
反应器出口温度约束，480℃≤t反应器出口≤520℃；
反应压力约束，0.25MPa≤P反应≤0.40MPa；
稳定汽油循环量，25-45t/h；
再吸收塔再吸收剂流量，30-60t/h；
再吸收塔再吸收剂温度，30-40℃；
产物氢含量约束：
(a)干气与焦炭中的氢含量小于液相油品中的氢含量：
F干气x干气,H+F焦炭x焦炭,H<F液化气x液化气,H+F汽油x汽油,H+F轻循环油x轻循环油,H+F油浆x油浆,H；
(b)液化气中氢含量大于油浆中氢含量：
F液化气x液化气,H＞F油浆x油浆,H；
其中，y1为优化目标1；y2为优化目标2；F干气为干气流量，单位为t/h；x干气,H为干气中氢元素质量分率，单位为％；F液化气为液化气流量，单位为t/h；x液化气,H为液化气中氢元素质量分率，单位为％；F汽油为汽油流量，单位为t/h；x汽油,H为汽油中氢元素质量分率，单位为％；F轻循环油为轻循环油流量，单位为t/h；x轻循环油,H为轻循环油中氢元素质量分率，单位为％；F油浆为油浆流量，单位为t/h；x油浆,H为油浆中氢元素质量分率，单位为％；F焦炭为焦炭流量，单位为t/h；x焦炭，H为焦炭中氢元素质量分率，单位为％；CT为原料残碳，单位为％；t反应器出口为(第一反应器、第二反应器)反应器出口温度，单位为℃；P反应为反应压力，单位为MPa。
图3是本发明提供的装置基础数据和运行数据的调参方法的流程示意图，如图3所示，搭建Matlab与Hysys的数据传输平台，实现目标优化模型与催化裂化反应模型之间的数据联动，并调用Matlab的多目标优化算法进行优化求解。
对于装置基础数据和运行数据，在一定的原料数据和装置操作参数下，通过催化裂化反应模型可以模拟计算出催化裂化反应装置的产物流量数据、氢含量分布数据等计算结果，但是不能得出该计算结果就是最优的结论，还需将这些数据传输至matlab建立的目标优化模型，通过目标优化模型，能够利用目标函数、预设约束条件的公式进行计算：
假如发现该装置基础数据和运行数据下，存在任一不满足预设约束条件的计算结果，则在预设约束条件内，调整改变反应器出口温度、压力等装置操作参数，得到新的运行数据，将运行数据和新的装置基础数据返回催化裂化反应模型进行模拟计算，得到新的产物流量数据、新的氢含量分布数据等，以此逻辑会最终得到在约束条件范围内，获得最佳分布的装置操作参数的石油催化裂化方案。
假若计算结果也都满足约束条件，则仍进行反应器温度、压力等装置操作参数调整，再重复模拟计算、优化模型计算等步骤，通过调用matlab自身的多目标优化算法模型，能搜寻到满足目标函数要求的最佳操作条件配置方案，如温度多少、压力多少等。
根据本发明提供的石油催化裂化方案获取方法，通过将催化裂化反应模型与目标优化模型进行关联，目标优化模型中的氢平衡计算分析能够评估装置操作运行的合理性，还可以将催化裂化反应模型与在线监测系统关联，实现实时在线测算催化裂化产物分布。
应用开发的催化裂化反应装置的产物分布优化模型，测算不同工况下的主要操作条件，获得对应装置基础数据和运行数据下产物分布的最优解，将该装置基础数据和运行数据，以及该装置基础数据和运行数据对应的产物流量数据和氢含量分布数据的组合作为催化裂化反应装置的产物优化的石油催化裂化方案。
石油催化裂化方案，包括：满足物料平衡的产物流量数据，比如流量；氢含量分布数据，比如各产物的氢含量，且满足装置进出氢含量平衡。表5是石油催化裂化测算结果，如表5所示，当原料确定的情况下，通过催化裂化产物分布的目标优化模型求解，得到石油催化裂化方案如下，即在装置优化操作情况下，改善了装置产物分布，将更多的氢资源转移到目标产物中。
表5石油催化裂化方案测算结果
根据本发明提供的石油催化裂化方案获取方法，能够不依赖产物采样分析，仅通过装置原料性质、主要操作参数就能计算催化裂化反应装置产物的分布变化，进而得到相应的石油催化裂化方案。
图4是本发明提供的石油催化裂化方案获取装置的结构示意图，如图4所示，包括：
获取单元401，用于将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的；
确定单元402，用于将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
首先，获取单元401将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的。
催化裂化反应模型是基于机理模型构建的，一方面，模型中的参数具有非常明确的物理意义；另一方面，模型参数易于调整，所得的模型具有很强的适应性。
根据样本装置基础数据和样本运行数据，以及所述样本装置基础数据和样本运行数据对应的样本产物流量数据和样本氢含量分布数据，对催化裂化反应模型中的数学参数进行调整后，确定的最终的催化裂化反应模型。
其中，运行数据可以包括：原料数据、产物数据和所述催化裂化反应装置的装置操作参数。产物流量数据需满足物料平衡。
具体地，将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，由催化裂化反应模型对装置基础数据和运行数据进行催化裂化反应计算以及热平衡计算，得到装置基础数据和运行数据对应的产物流量数据和氢含量分布数据。催化裂化反应的产物包括：液化气、干气、汽油、轻循环油、油浆和焦炭。
进一步地，确定单元402将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
目标优化模型包括：目标函数和预设约束条件；目标函数可以包括：液化气、汽油产量最大函数，以及干气、焦炭中氢含量最小函数；预设约束条件可以包括：平衡约束和其他约束，其他约束可以包括：含量约束、温度约束、流量约束和产物氢含量约束。
具体地，利用预设约束条件对装置基础数据和运行数据，以及产物流量数据和氢含量分布数据进行判断，在装置基础数据和运行数据，以及产物流量数据和氢含量分布数据满足预设约束条件的情况下，利用目标函数计算装置基础数据和运行数据对应的目标值，目标值包括：液化气、汽油产量最大值，以及干气、焦炭中氢含量最小值。
可以在预设约束条件内对装置基础数据和运行数据进行调整，并获取多个目标值，再根据多个目标值，确定液化气、汽油产量最大值最大，且干气、焦炭中氢含量最小值的目标值所对应的装置基础数据和运行数据，以及产物流量数据和氢含量分布数据为优化后的石油催化裂化方案。
本发明提供的石油催化裂化方案获取装置，仅通过装置基础数据和运行数据，就能利用催化裂化反应模型和目标优化模型进行产物流量、氢分布预测以及目标优化，得到催化裂化反应的氢分布优化方案，实现了本质意义上的氢含量分布最优下的产物分配。
可选地，石油催化裂化方案获取装置还包括：
构建单元，用于获取催化裂化反应装置的所述装置基础数据，以及所述催化裂化反应装置在不同工况下的运行数据、产物流量数据和氢含量分布数据，构建数据库；
所述装置基础数据包括所述催化裂化反应装置的技术设计数据；
所述运行数据包括：原料数据、产物数据和所述催化裂化反应装置的装置操作参数。
可以根据加工原料不同、反应器温度不同、反应器出口压力不同划分为不同工况，在不同工况下，收集催化裂化反应装置的装置基础数据和运行数据，以及产物流量数据和氢含量分布数据，建立基础数据库。
其中，装置基础数据可以包括装置基础设计数据，如装置加工规模、反应器结构参数、催化剂基本性质、塔设备数据、换热器设备数据等。
运行数据可以包括催化裂化反应装置的装置操作参数，如温度、压力、停留时间等；还可以包括原料数据和产物数据，原料数据包括原料的化验分析数据，产物数据包括产物的化验分析数据，如密度、馏程、硫含量、氮含量、氢含量等。
需要说明的是，本发明实施例提供的石油催化裂化方案获取装置，在具体执行时，可以基于上述任一实施例所述的石油催化裂化方案获取方法来实现，对此本实施例不作赘述。
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行石油催化裂化方案获取方法，该方法包括：将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的；将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的石油催化裂化方案获取方法，该方法包括：将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的；将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的石油催化裂化方案获取方法，该方法包括：将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的；将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
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实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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 (10)
1.一种石油催化裂化方案获取方法，其特征在于，包括：
将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据，是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的；
将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
2.根据权利要求1所述的石油催化裂化方案获取方法，其特征在于，所述催化裂化反应模型是基于以下方法构建的：
构建初始反应模型，并获取样本装置基础数据和样本运行数据，以及与所述样本装置基础数据和所述样本运行数据对应的样本产物流量数据和样本氢含量分布数据；
将所述样本装置基础数据和所述样本运行数据输入至所述初始反应模型，获取所述初始反应模型输出的产物流量预测值和氢含量分布预测值；
根据所述产物流量预测值和氢含量分布预测值，以及所述样本产物流量数据和所述样本氢含量分布数据，获取偏差总和；
若所述偏差总和小于或等于预设值，则确定所述初始反应模型为所述催化裂化反应模型。
3.根据权利要求2所述的石油催化裂化方案获取方法，其特征在于，在所述获取偏差总和之后，还包括：
若所述偏差总和大于预设值，则对所述初始反应模型的参数进行调节，获取新的反应模型；
将所述样本装置基础数据和运行数据输入至所述新的反应模型，直至得到的新的偏差总和小于或等于所述预设值，则确定所述新的反应模型为所述催化裂化反应模型。
4.根据权利要求1所述的石油催化裂化方案获取方法，其特征在于，所述目标优化模型包括目标函数和预设约束条件；所述确定石油催化裂化方案，包括：
若所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据满足所述预设约束条件；则基于所述目标函数和所述预设约束条件，利用所述产物流量数据和所述氢含量分布数据对所述运行数据进行调节，获取新的运行数据；
将所述装置基础数据和所述新的运行数据输入至所述催化裂化反应模型，获取所述装置基础数据和所述新的运行数据对应的新的产物流量数据和新的氢含量分布数据；
若所述装置基础数据和所述新的运行数据，以及所述新的产物流量数据和所述新的氢含量分布数据不满足所述预设约束条件，则根据所述目标函数和所述预设约束条件，对所述运行数据进行调节，直至所述装置基础数据，以及得到新的运行数据、新的产物流量数据和氢含量分布数据满足所述预设约束条件，则确定所述装置基础数据和所述新的运行数据，以及所述新的产物流量数据和新的氢含量分布数据为所述石油催化裂化方案。
5.根据权利要求2或3所述的石油催化裂化方案获取方法，其特征在于，所述样本装置基础数据和所述样本运行数据均是从数据库中获取的；
所述数据库是基于如下步骤建立的：
获取催化裂化反应装置的所述装置基础数据，以及所述催化裂化反应装置在不同工况下的运行数据、产物流量数据和氢含量分布数据，构建所述数据库；
所述装置基础数据包括所述催化裂化反应装置的技术设计数据；
所述运行数据包括：原料数据、产物数据和所述催化裂化反应装置的装置操作参数。
6.一种石油催化裂化方案获取装置，其特征在于，包括：
获取单元，用于将催化裂化反应的装置基础数据和运行数据输入至催化裂化反应模型，获取由所述催化裂化反应模型输出的产物流量数据和氢含量分布数据；所述产物流量数据和所述氢含量分布数据是由所述催化裂化反应模型对所述装置基础数据和所述运行数据进行催化裂化反应计算以及热平衡计算得到的；
确定单元，用于将所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据输入至目标优化模型，确定石油催化裂化方案，所述石油催化裂化方案是通过所述目标优化模型对所述装置基础数据和所述运行数据，以及所述产物流量数据和所述氢含量分布数据进行氢分布优化后得到的。
7.根据权利要求6所述的石油催化裂化方案获取装置，其特征在于，还包括：
构建单元，用于获取催化裂化反应装置的所述装置基础数据，以及所述催化裂化反应装置在不同工况下的运行数据、产物流量数据和氢含量分布数据，构建数据库；
所述装置基础数据包括所述催化裂化反应装置的技术设计数据；
所述运行数据包括：原料数据、产物数据和所述催化裂化反应装置的装置操作参数。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述石油催化裂化方案获取方法步骤。
9.一种非暂态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如权利要求1至5任一项所述石油催化裂化方案获取方法步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述石油催化裂化方案获取方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210023785.9A CN116463142A (zh) | 2022-01-10 | 2022-01-10 | 一种石油催化裂化方案获取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210023785.9A CN116463142A (zh) | 2022-01-10 | 2022-01-10 | 一种石油催化裂化方案获取方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116463142A true CN116463142A (zh) | 2023-07-21 |
Family
ID=87179379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210023785.9A Pending CN116463142A (zh) | 2022-01-10 | 2022-01-10 | 一种石油催化裂化方案获取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116463142A (zh) |
-
2022
- 2022-01-10 CN CN202210023785.9A patent/CN116463142A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023040512A1 (zh) | 一种基于分子级机理模型与大数据技术的催化裂化装置模拟预测方法 | |
| CN104765346B (zh) | 一种炼油过程全流程建模方法 | |
| CN104789256A (zh) | 一种催化裂化装置的收率实时预测方法 | |
| Jarullah et al. | Optimal design and operation of an industrial fluidized catalytic cracking reactor | |
| CN104765347B (zh) | 一种渣油延迟焦化过程中收率实时预测方法 | |
| CN104484714B (zh) | 一种催化重整装置收率的实时预测方法 | |
| WO2008042276A2 (en) | Method and apparatus for controlling fcc effluent with near-infrared spectroscopy | |
| Bi et al. | Knowledge expression, numerical modeling and optimization application of ethylene thermal cracking: From the perspective of intelligent manufacturing | |
| CN109817287B (zh) | 一种延迟焦化模型集成方法 | |
| CN115312130A (zh) | 面向增产催化裂化高附加值产品模拟的混合建模方法 | |
| Hou et al. | The optimization and prediction of properties for crude oil blending | |
| Mohaddecy et al. | Simulation and kinetic modeling of vacuum residue soaker-visbreaking | |
| CN116463142A (zh) | 一种石油催化裂化方案获取方法及装置 | |
| CN101859103B (zh) | 催化裂化反应深度在线计算和自适应非线性预测控制方法 | |
| CN115938502A (zh) | 一种基于分子级反应机理的化工产物特性预测方法及系统 | |
| CN116449691A (zh) | 原料油加工控制方法和装置 | |
| EP3967738A1 (en) | Estimation method of nitrogen content in the hydrocracker reactor feedstock for temperature optimization | |
| CN116463143A (zh) | 一种产品分布预测方法及装置 | |
| CN114444403A (zh) | 存储器、炼油生产装置氢分布预测方法、装置和设备 | |
| Sadighi et al. | Modeling and optimizing a vacuum gas oil hydrocracking plant using an artificial neural network | |
| Khorasheh et al. | Development of a continuous kinetic model for catalytic hydrodesulfurization of bitumen | |
| WO2023119544A1 (ja) | プログラム、情報処理装置、及び方法 | |
| CN116453612A (zh) | 汽油氢含量预测模型训练、氢含量预测方法及装置 | |
| Barkhordari et al. | Development of a kinetic model for modeling the industrial VGO hydrocracker accompanied by deactivation | |
| Ashuri et al. | Development of a continuous kinetic model for catalytic hydrodenitrogenation of bitumen |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240204 Address after: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen Applicant after: CHINA PETROLEUM & CHEMICAL Corp. Country or region after: China Applicant after: Sinopec (Dalian) Petrochemical Research Institute Co.,Ltd. Address before: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen Applicant before: CHINA PETROLEUM & CHEMICAL Corp. Country or region before: China Applicant before: DALIAN RESEARCH INSTITUTE OF PETROLEUM AND PETROCHEMICALS, SINOPEC Corp. |