The invention discloses a method for modeling and optimizing a solvent deasphalting device based on data driving. The data-driven modeling method for solvent deasphalting unit includes: (1) pretreatment of field data, which includes production operation data, raw material and product property analysis data of solvent deasphalting unit; (2) selection of characteristic variables, which are based on process principle and process; (3) reduction of characteristic variables by principal component analysis (PCA). Dimension; and (4) Using back propagation (BP) neural network to model the reduced data set, the yield model of deasphalting oil (DAO) and the model of desulfurization and carbon residue were established respectively. The optimization method includes the steps of optimizing the operating conditions of solvent deasphalting unit by using the built data-driven model of solvent deasphalting unit.
【技术实现步骤摘要】
一种基于数据驱动的溶剂脱沥青装置建模及优化方法
本专利技术涉及一种基于数据驱动的溶剂脱沥青装置模拟与操作条件的优化方法。该方法可用于模拟溶剂脱沥青过程,预测产品收率和性质,并且快速智能地优化装置的主要操作条件。
技术介绍
随着现代工业的迅速发展,石油作为国家战略物资在国民经济中发挥着至关重要的作用。由于原油质量逐渐劣化,炼油过程中的渣油再利用问题得到了重视。溶剂脱沥青(solventdeasphalting,SDA)工艺是生产催化裂化或加氢裂化原料的一个重要环节,增加了重油的加工深度和附加值。作为炼油企业重要的加工单元之一,对溶剂脱沥青装置进行模拟和优化,使其适应不同工况以满足后续加工单元的要求至关重要。溶剂脱沥青装置分为溶剂抽提段和溶剂回收段两部分,其核心抽提段的原理是溶剂的液液萃取——基于溶剂对渣油中不同化学族组分的溶解能力不同来分离轻重液相。渣油的成分极其复杂,现有的研究大多采用热力学预测相平衡数据,辅以少量实验数据作为延伸,或者按照K值不同给每一个温度馏分划分新的族组分。机理模型在对渣油虚拟族组分的划分上多采用试凑法,需要凭经验不断调试,具有很高的复杂性。因此,本领域迫切需要一种溶剂脱沥青装置模拟方法,用以解决上述技术问题。
技术实现思路
本专利技术旨在提供一种基于数据驱动的溶剂脱沥青装置模拟及优化方法。在本专利技术的第一方面,提供一种基于数据驱动的溶剂脱沥青装置建模方法,所述方法包括:(1)现场数据的预处理,所述现场数据包括溶剂脱沥青装置的生产操作数据、原料和产品性质分析数据;(2)筛选特征变量,所述筛选根据工艺原理和过程特性进行;(3)对特征变量采 ...
【技术保护点】
1.一种基于数据驱动的溶剂脱沥青装置建模方法,其特征在于,所述方法包括:(1)现场数据的预处理,所述现场数据包括溶剂脱沥青装置的生产操作数据、原料和产品性质分析数据;(2)筛选特征变量,所述筛选根据工艺原理和过程特性进行;(3)对特征变量采用主成分分析法(PCA)进行降维;(4)采用反向传播(BP)神经网络就降维后的数据集进行建模,分别建立脱沥青油(DAO)的收率模型和脱硫脱残炭模型。
【技术特征摘要】
1.一种基于数据驱动的溶剂脱沥青装置建模方法,其特征在于,所述方法包括:(1)现场数据的预处理,所述现场数据包括溶剂脱沥青装置的生产操作数据、原料和产品性质分析数据;(2)筛选特征变量,所述筛选根据工艺原理和过程特性进行;(3)对特征变量采用主成分分析法(PCA)进行降维;(4)采用反向传播(BP)神经网络就降维后的数据集进行建模,分别建立脱沥青油(DAO)的收率模型和脱硫脱残炭模型。2.如权利要求1所述的建模方法,其特征在于,所述数据的预处理包括进行数据调和、清洗、变换和归约。3.如权利要求1所述的建模方法,其特征在于,所述数据的预处理包括在剔除掉异常数据点后,将DCS数据处理成12h的均值形式,并对相应时间段的性质数据的缺省值进行插值操作后与操作数据组合,并将其归一化到[-1,1]区间。4.如权利要求1所述的建模方法,其特征在于,所述特征变量包括针对DAO收率模型的输入变量,以及DAO脱硫脱残炭模型的变量。5.如权利要求4所述的建模方法,其特征在于,所述DAO收率模型的输入变量包括渣油密度ρVR、运动粘度μVR、残炭质量分数wVR、硫含量wS、铁含量wFe、镍含量wNi、钒含量wV、饱和分含量wSH、芳香分含量wAH、胶质含量wR、沥青质含量wA、抽提塔入口温度TR1I、抽提塔顶部温度TR1T、抽提塔底部温度TR1B、沉降塔入口温度TR2I、沉降塔顶部压力PR2T、沉降塔副溶剂温度TR2FRJ、冷渣进料流量FVR和溶剂比R等共计19维输入特征变量。6.如权利要求4所述...
【专利技术属性】
技术研发人员:钱锋,钟伟民,隆建,杨明磊,杜文莉,
申请(专利权)人:华东理工大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。