The invention discloses a method for predicting the performance of hydrofining catalyst, which includes the following steps: obtaining the basic data of crude oil hydrogenation reaction and normalizing the data to form a database; establishing a generalized regression neural network model, using the data from the obtained database affecting the properties of hydrofining catalyst as input data and the number related to the properties of products after hydrogenation reaction. According to the output data, the generalized regression neural network model is trained and the performance of the hydrofining catalyst is predicted. This method can quickly and effectively predict the performance of catalysts, reduce unnecessary repetitive work and energy consumption of hydrofining catalyst model, and the model has fast learning speed, strong generalization ability and high prediction accuracy. It can quickly and accurately predict the performance of hydrofining catalyst in crude oil hydrofining catalytic reaction.
【技术实现步骤摘要】
一种加氢精制催化剂性能预测方法
本专利技术涉及催化剂性能预测领域。更具体地,涉及一种加氢精制催化剂性能预测方法。
技术介绍
当前,伴随着原油的质量逐渐下降,人们对纯净油品的需求持续增加,在石油炼化的过程中对加氢的技术重视度越来越高,而加氢技术最重要的环节就是催化剂的使用。目前催化剂的研发通过传统实验手段的研究方法不仅具有一定的盲目性,需要进行大量的实验进行尝试筛选,浪费人力物力,而且由于该过程多为连续装置,通常需要较长的操作周期进行研究,难以应对瞬息万变的市场并及时作出反馈提供解决方案,影响了企业的经济效益。随着计算机水平的迅猛发展,依靠计算机模拟技术与实验提供的分析数据相结合的研究有效的解决了传统手段对市场变化响应速度慢的根本问题,加速推动了加氢精制催化剂模型研究的发展进度。如何获得能够快速有效的预测催化剂性能,减少不必要的重复劳动和能源消耗的加氢精制催化剂模型。因此,需要提供一种能够快速有效且准确的预测催化剂性能,减少不必要的重复劳动和能源消耗的加氢精制催化剂模型。
技术实现思路
本专利技术的目的在于提供一种加氢精制催化剂性能预测方法,该方法可快速有效的预测催化剂的性能,减少不必要的重复劳动和能源消耗的加氢精制催化剂模型,且该模型学习速度快,泛化能力强,预测精度高,可快速、精确的预测原油加氢催化反应时加氢精制催化剂的性能。为达到上述目的,本专利技术提供一种加氢精制催化剂性能预测方法,包括如下步骤:1)获得原油加氢反应时的基础数据,并将数据归一化处理,形成数据库;2)建立广义回归神经网络模型,以步骤1)所得数据库中影响加氢精制催化剂性质的数据作为输入数据、加 ...
【技术保护点】
1.一种加氢精制催化剂性能预测方法,其特征在于,包括如下步骤:1)获得原油加氢反应时的基础数据,并将数据归一化处理,形成数据库;2)建立广义回归神经网络模型,以步骤1)所得数据库中影响加氢精制催化剂性质的数据作为输入数据、加氢反应后所得产物性质相关的数据作为输出数据;3)训练所述广义回归神经网络模型;4)预测所述加氢精制催化剂的性能。
【技术特征摘要】
1.一种加氢精制催化剂性能预测方法,其特征在于,包括如下步骤:1)获得原油加氢反应时的基础数据,并将数据归一化处理,形成数据库;2)建立广义回归神经网络模型,以步骤1)所得数据库中影响加氢精制催化剂性质的数据作为输入数据、加氢反应后所得产物性质相关的数据作为输出数据;3)训练所述广义回归神经网络模型;4)预测所述加氢精制催化剂的性能。2.根据权利要求1所述的加氢精制催化剂性能预测方法,其特征在于,步骤1)中,原油加氢反应时的基础数据包括:加氢精制催化剂的金属上量、加氢精制催化剂的强度、加氢精制催化剂使用的载体的性质、加氢反应后得到的油品中的硫含量、氮含量以及油品密度。3.根据权利要求1所述的加氢精制催化剂性能预测方法,其特征在于,步骤2)中,所述影响加氢精制催化剂性质的数据包括:加氢精制催化剂的金属上量、加氢精制催化剂的强度、加氢精制催化剂使用的载体的性质;所述加氢反应后所得产物性质相关的数据包括:加氢反应后得到的油品中的硫含量、氮含量以及油品密度。4.根据权利要求2或3所述的加氢精制催化剂性能预测方法,其特征在于,所述加氢精制催化剂使用的载体的性质包括:所述载体的BET比表面积和吸附总孔容。5.根据权利要求1所述的加氢精制催化剂性能预测方法,其特征在于,步骤...
【专利技术属性】
技术研发人员:李昊,于群,杨国明,马致远,辛靖,张博,陈松,侯章贵,高杨,吴颖,
申请(专利权)人:中海石油炼化有限责任公司,中海油青岛重质油加工工程技术研究中心有限公司,中海油炼油化工科学研究院北京有限公司,
类型:发明
国别省市:北京,11
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。