加氢裂化催化剂的失活预测方法、装置和存储设备制造方法及图纸

技术编号:21632416 阅读:63 留言:0更新日期:2019-07-17 12:15
本发明专利技术公开了加氢裂化催化剂的失活预测方法、装置和存储设备,其中所述方法包括步骤:确定自变量和目标变量;通过实时数据库系统和LIMS提取预设工况参数项和预设性质参数项的数据;根据提取的预设工况参数项和所述预设性质参数项的数据,生成建模数据;根据目标变量和自变量通过分类模型对建模数据进行模型训练,以建立用于预测所需反应温度的变化趋势的预测模型;将加氢裂化的平均工艺水平下的各参数项的数据值作为预测模型的输入参数;根据预测模型生成所需反应温度的变化趋势图;并根据变化趋势图生成催化剂的失活曲线图。本发明专利技术可以获得与实际值拟合度很好的所需反应温度预测结果,进而也就可以获得更加准确的催化剂的失活预测结果。

Deactivation Prediction Method, Device and Storage Equipment of Hydrocracking Catalyst

【技术实现步骤摘要】
加氢裂化催化剂的失活预测方法、装置和存储设备
本专利技术涉及石油化工领域,特别是涉及加氢裂化催化剂的失活预测方法、装置和存储设备。
技术介绍
随着信息技术的发展,石油炼化生产装置信息化程度越来越高,随之也就积累了大量生产数据;这些数据背后隐藏着大量重要的生产信息,而大数据技术正是挖掘和利用这些信息的最有效手段。它是通过对庞大的数据进行专业化处理,从而发现数据内在的规律,来对生产流程中的各个环节进行预判,进而支撑生产决策。催化剂是指能够参与并加快或降低化学反应速度,但化学反应前后其本身性质和数量不发生变化的物质。催化剂作用的基本特征是改变反应历程,改变反应的活化能,改变反应速率常数,但不改变反应的化学平衡。加氢裂化工艺流程主要有单段串联、两段串联工艺,可以采用全循环流程或一次通过流程,一般依次包括加氢精制、加氢裂化、高低压分离及分馏系统四个主要单元,加氢精制单元主要包括加氢精制反应器,加氢裂化单元主要包括加氢裂化反应器。加氢裂化催化剂属于双功能催化剂,即催化剂由具有加(脱)氢双功能的金属组分和具有裂化功能的酸性载体两部分组成。加氢裂化过程是在氢压下把低质量大分子的原料油转化为洁净的小分子产品,产品主要包括重石脑油、航煤、柴油和尾油,副产干气、液化气和轻石脑油。现有技术中,一般通过转化率来表示催化剂的活性,即在一定反应条件下,已转化掉反应物的量占进料量的百分数;或者,用每小时每升催化剂所得到的产物重量的数值,即空速时的量来表示催化剂的活性,或者,用在一定反应条件下反应后某一组分的残余量来表示催化剂活性,例如烃类蒸气转化反应中用出口气残余甲烷量表示。现有技术中,CN103045296B公开了一种预测煤焦油加氢催化剂寿命的方法。包括:选取加氢产品油的氮含量作为考察催化剂失活程度的影响因素。所建立的模型包括反应温度、液体体积空速、氢分压等操作参数,也包括反应级数、Arrhenius方程的指前因子、活化能等动力学参数。根据加氢装置的实测数据通过对动力学方程进行非线性拟合,拟合采用麦夸特法,求出动力学参数和所预测的催化剂理论运行时间即催化剂寿命。专利技术人经过研究发现,现有技术中通过大数据进行石油炼化生产过程中各个环节的预判方式至少存在以下缺陷:由于催化剂的活性不但与催化剂的化学组成、物理结构、制备的条件有关,而且也和具体使用环境有关,因此通过上述催化剂的活性的表示方法获得结果不够准确。
技术实现思路
针对现有技术中的不足之处,本专利技术提供了加氢裂化催化剂的失活预测方法、装置和存储设备。本专利技术可以提高加氢裂化催化剂的失活预测的精确度。本专利技术提供了一种加氢裂化催化剂的失活预测方法,包括步骤:S11、将加氢裂化装置的实时数据库系统的历史数据中的工况信息的预设工况参数项,和,实验室信息管理系统LIMS的历史数据中的性质信息数据的预设性质参数项,以及催化剂使用天数确定为自变量;所述预设工况参数项包括:原料油进料流量、高压分离器压力、精制反应器反应温度、裂化反应器反应温度、反应器入口氢气流量和尾油流量或收率;所述性质信息数据包括产品属性信息和多种原料的原料性质信息;所述预设性质参数项包括:原料油密度(比如20℃密度)、原料油终馏点或接近终馏点的馏出温度(比如95%馏出温度)和原料油氮含量;将裂化反应器的平均反应温度确定为所述预测模型的目标变量;S12、通过所述实时数据库系统和所述LIMS提取所述预设工况参数项和所述预设性质参数项的数据;S13、根据提取的所述预设工况参数项和所述预设性质参数项的数据,生成建模数据;优选包括:分别对各个所述预设工况参数项的提取数据进行数据修正,优选预设时段为单位,生成每个所述预设时段的工况参数项的数据值;分别对各个所述预设性质参数项的提取数据进行数据修正,优选以所述预设时段为单位,生成每个所述预设时段的性质参数项的数据值;S14、根据所述目标变量和所述自变量通过分类模型对所述建模数据进行模型训练,以建立用于预测所需反应温度的变化趋势的预测模型;S15、将加氢裂化的平均工艺水平下的各所述预设工况参数项和各所述预设性质参数项的数据值作为所述预测模型的输入参数;包括:分别获取与所述自变量所对应的各所述预设工况参数项和各所述预设性质参数项的数据值的中值;S16、根据所述预测模型生成所需反应温度的变化趋势图;并根据所述变化趋势图计算每单位时段的温度的增加值,生成所述加氢裂化催化剂的失活曲线图。优选的,在本专利技术中,所述根据所述目标变量和所述自变量通过分类模型对所述建模数据进行训练,以建立用于预测未来时间所需反应温度的变化趋势的预测模型,包括:S21、将所述建模数据按照预设比例划分为训练数据和测试数据;S22、使用所述训练数据进行建模,并使用所述测试数据进行评估;S23、当评估的结果未达到预设要求,调整建模时的参数项和/或迭代次数后返回步骤S21;当评估的结果达到预设要求,建模结束。优选的,在本专利技术中,所述分类模型包括通用线性回归模型、逻辑回归模型、决策树模型、支持向量机模型、判别式模型和神经网络模型中的一种及其任意组合。优选的,在本专利技术中,所述分别对各个所述预设工况参数项的提取数据进行数据修正,优选以预设时段为单位,生成每个所述预设时段的工况参数项的数据值,包括:分别将每个预设工况参数项的每个所述预设时段的多个数据值进行均值计算的结果,作为每个预设工况参数项所述预设时段的数据值。优选的,在本专利技术中,所述分别对各个所述预设性质参数项的提取数据进行数据修正,优选以所述预设时段为单位,生成每个所述预设时段的性质参数项的数据值,包括:当所述预设性质参数项的数据值生成频率大于每个所述预设时段一次时,对每个所述预设时段内的多个数据值进行均值计算的结果,作为每个预设性质参数项所述预设时段的数据值;当所述预设性质参数项的数据值缺失时,将上一所述预设时段的预设性质参数项的数据值作为个所述预设时段的数据值。优选的,在本专利技术中,所述预设性质参数项,还包括:原料油初馏点或接近初馏点的馏出温度(比如5%馏出温度)、精制油氮含量、原料油金属(比如Fe)和杂质(比如硫)含量和循环氢中氢含量中的一种及其任意组合。优选的,在本专利技术中,所述预设比例为70%的训练数据和30%的测试数据。优选的,在本专利技术中,所述裂化反应器平均反应温度的获取,包括:根据裂化反应器各床层的平均反应温度,计算所述裂化反应器的平均反应温度。其中,裂化反应器至少包括一个催化剂床层,一般为1~8个催化剂床层,以4个催化剂床层为例,各床层为裂化反应器一床层、裂化反应器二床层、裂化反应器三床层和裂化反应器四床层。在本专利技术的另一面,还提供了一种存储设备,包括软件程序,所述软件程序适于由处理器执行加氢裂化催化剂的失活预测方法中的各个步骤;所述加氢裂化催化剂的失活预测方法包括的步骤为:S11、将加氢裂化装置的实时数据库系统的历史数据中的工况信息的预设工况参数项,和,实验室信息管理系统LIMS的历史数据中的性质信息数据的预设性质参数项,以及催化剂使用天数确定为预测模型的自变量;所述预设工况参数项包括:原料油进料流量、高压分离器压力、精制反应器反应温度、裂化反应器反应温度、反应器入口氢气流量和尾油流量或收率;所述性质信息数据包括产品属性信息和多种原料的原料性质信息;所述预设性质参数项包括本文档来自技高网
...

【技术保护点】
1.一种加氢裂化催化剂的失活预测方法,其特征在于,包括步骤:S11、将加氢裂化装置的实时数据库系统的历史数据中的工况信息的预设工况参数项,和,实验室信息管理系统LIMS的历史数据中的性质信息数据的预设性质参数项,以及催化剂使用天数确定为预测模型的自变量;所述预设工况参数项包括:原料油进料流量、高压分离器压力、精制反应器反应温度、裂化反应器反应温度、反应器入口氢气流量和尾油流量或收率;所述性质信息数据包括产品属性信息和多种原料的原料性质信息;所述预设性质参数项包括:原料油密度、原料油终馏点或接近终馏点的馏出温度、原料油氮含量;将裂化反应器平均反应温度确定为所述预测模型的目标变量;S12、通过所述实时数据库系统和所述LIMS提取所述预设工况参数项和所述预设性质参数项的数据;S13、根据提取的所述预设工况参数项和所述预设性质参数项的数据,生成建模数据;包括:分别对各个所述预设工况参数项的提取数据进行数据修正,优选以预设时段为单位,生成每个所述预设时段的工况参数项的数据值;分别对各个所述预设性质参数项的提取数据进行数据修正,优选以所述预设时段为单位,生成每个所述预设时段的性质参数项的数据值;S14、根据所述目标变量和所述自变量通过分类模型对所述建模数据进行模型训练,以建立用于预测所需反应温度的变化趋势的预测模型;S15、将加氢裂化的平均工艺水平下的各所述预设工况参数项和各所述预设性质参数项的数据值作为所述预测模型的输入参数,包括:分别获取与所述自变量所对应的各所述预设工况参数项和各所述预设性质参数项的数据值的中值;S16、以所述输入参数为输入,根据所述预测模型生成所需反应温度的变化趋势图;并根据所述变化趋势图计算每单位时段的温度的增加值,生成所述加氢裂化催化剂的失活曲线图。...

【技术特征摘要】
1.一种加氢裂化催化剂的失活预测方法,其特征在于,包括步骤:S11、将加氢裂化装置的实时数据库系统的历史数据中的工况信息的预设工况参数项,和,实验室信息管理系统LIMS的历史数据中的性质信息数据的预设性质参数项,以及催化剂使用天数确定为预测模型的自变量;所述预设工况参数项包括:原料油进料流量、高压分离器压力、精制反应器反应温度、裂化反应器反应温度、反应器入口氢气流量和尾油流量或收率;所述性质信息数据包括产品属性信息和多种原料的原料性质信息;所述预设性质参数项包括:原料油密度、原料油终馏点或接近终馏点的馏出温度、原料油氮含量;将裂化反应器平均反应温度确定为所述预测模型的目标变量;S12、通过所述实时数据库系统和所述LIMS提取所述预设工况参数项和所述预设性质参数项的数据;S13、根据提取的所述预设工况参数项和所述预设性质参数项的数据,生成建模数据;包括:分别对各个所述预设工况参数项的提取数据进行数据修正,优选以预设时段为单位,生成每个所述预设时段的工况参数项的数据值;分别对各个所述预设性质参数项的提取数据进行数据修正,优选以所述预设时段为单位,生成每个所述预设时段的性质参数项的数据值;S14、根据所述目标变量和所述自变量通过分类模型对所述建模数据进行模型训练,以建立用于预测所需反应温度的变化趋势的预测模型;S15、将加氢裂化的平均工艺水平下的各所述预设工况参数项和各所述预设性质参数项的数据值作为所述预测模型的输入参数,包括:分别获取与所述自变量所对应的各所述预设工况参数项和各所述预设性质参数项的数据值的中值;S16、以所述输入参数为输入,根据所述预测模型生成所需反应温度的变化趋势图;并根据所述变化趋势图计算每单位时段的温度的增加值,生成所述加氢裂化催化剂的失活曲线图。2.根据权利要求1中所述失活预测方法,其特征在于,所述根据所述目标变量和所述自变量通过分类模型对所述建模数据进行训练,以建立用于预测未来时间所需反应温度的变化趋势的预测模型,包括:S21、将所述建模数据按照预设比例划分为训练数据和测试数据;S22、使用所述训练数据进行建模,并使用所述测试数据进行评估;S23、当评估的结果未达到预设要求,调整建模...

【专利技术属性】
技术研发人员:黄新露吕建新王建平佟伟陈玉石赵玉琢彭伟锋
申请(专利权)人:中国石油化工股份有限公司中国石油化工股份有限公司大连石油化工研究院
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1