The invention discloses a random number seed pretreatment simple postprocessing set and the distribution of genetic system dynamics method, obtain the distillate oil quality rate data and the lumped kinetic equation by random selection mechanism, determine the matrix metadata hydrogenation reaction matrix, then followed by a random number seed pretreatment method, genetic algorithm and the simplex algorithm for matrix to determine the metadata pre-processing, genetic algorithm and high precision finishing processing to obtain the final optimized matrix metadata, and determined the lumped kinetic equation based on the optimization of the final matrix metadata model. The method is divided into multiple lumped components, meet industrial production cutting flexibility requirements, and through the lumped kinetic model for calculation of fraction distribution curves and the experimental results of oil quality data rate of the high degree of coincidence, the error reduced by adopting the distillate cutting schemes of different cutting results and calculation results. At the same time, improve the operation efficiency of the model.
【技术实现步骤摘要】
随机种子数预处理单纯型后处理分布遗传集总动力学方法
本专利技术涉及馏份油加氢裂化工艺研究
,具体涉及一种随机种子数预处理单纯型后处理分布遗传集总动力学方法及系统。
技术介绍
石油化工的重要任务之一是通过加氢反应将低品质、高杂质含量高干点的大分子的原油或其预处理馏份油进行加工,以生成高品质、低杂质含量、高附加值的各类馏份油产品及下游石油化工产品的原料。由于世界原油价格、成品油价格以及下游石油石化产品的价格和需求量不断巨幅波动,因此,炼油企业必须能够对石油炼制过程的工艺参数进行实时有效的调整,以适应原油、成品油以及下游石油化工产品的价格以及需求量的变化要求。炼油企业对石油炼制过程的工艺参数进行实时有效调整的前提依赖于对加氢过程的深刻认识以及与该过程相关的相对准确的数学模式的确立和求解。目前所提及的集总动力学模型对于油品的馏份划分相对简单,难以高精度的描述实际工业反应及工艺实验所涉及的原料馏份以及产品馏份对于切割温度的复杂分布。进而使得采用不同的切割方案的馏份油切割结果与计算结果的误差很大。另外,集总动力学模型中的反应速率常数一般情况下采用Guass-Newton方法、Marquardt方法或其改进变形方法进行求解。求解过程通常在内层采用龙格-库塔方法求解微分方程组,在外层采用拟牛顿变尺度方法优化反应速率常数。由于Guass-Newton方法或变尺度方法需要计算包含二阶导数的规模为n*n(n为集总方程所涉及的虚拟馏份个数)的Hessian矩阵或较大规模的相关变换后的对称正定矩阵。因此,随着集总组份数量的增加计算规模急速膨胀。计算存储开销及计算时间开销急速增 ...
【技术保护点】
一种随机种子数预处理单纯型后处理分布遗传集总动力学方法,其特征在于,包括:S1、根据馏份油质量分率数据以及集总动力学方程,确定加氢裂化反应速率矩阵的所有M个矩阵元数据,所述馏份油质量分率数据包括在不同工艺条件下对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据和对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据;S2、对步骤S1中的M个矩阵元数据通过随机种子数预处理方法进行优化;S3、对所述步骤S2中优化后的M个矩阵元数据通过遗传算法继续进行优化;S4、对步骤S3中优化后的M个矩阵元数据通过单纯型算法进行优化,并确定优化后的M个矩阵元数据;S5、根据步骤S4确定的M个矩阵元数据,确定集总动力学方程的模型;S6、根据所述步骤S5确定的集总动力学方程的模型,以对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据作为初始条件,计算不同反应空速所对应的产品馏份油的馏份油质量分率数据;S7、将步骤S2‑S6通过多核处理器分布计算执行所述集总动力学方程的模拟工作。
【技术特征摘要】
1.一种随机种子数预处理单纯型后处理分布遗传集总动力学方法,其特征在于,包括:S1、根据馏份油质量分率数据以及集总动力学方程,确定加氢裂化反应速率矩阵的所有M个矩阵元数据,所述馏份油质量分率数据包括在不同工艺条件下对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据和对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据;S2、对步骤S1中的M个矩阵元数据通过随机种子数预处理方法进行优化;S3、对所述步骤S2中优化后的M个矩阵元数据通过遗传算法继续进行优化;S4、对步骤S3中优化后的M个矩阵元数据通过单纯型算法进行优化,并确定优化后的M个矩阵元数据;S5、根据步骤S4确定的M个矩阵元数据,确定集总动力学方程的模型;S6、根据所述步骤S5确定的集总动力学方程的模型,以对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据作为初始条件,计算不同反应空速所对应的产品馏份油的馏份油质量分率数据;S7、将步骤S2-S6通过多核处理器分布计算执行所述集总动力学方程的模拟工作。2.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:S11、划分加氢裂化反应虚拟集总组份;S12、对加氢裂化集总动力学模型进行假设;S13、构建加氢裂化反应网络;S14、根据所述加氢裂化反应网络以及假设的集总动力学模型确定集总动力学方程;S15、根据对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据、对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据以及集总动力学方程,确定加氢裂化反应速率矩阵的所有M个矩阵元数据。3.根据权利要求2所述的方法,其特征在于,所述步骤S11包括:S111、确定所述原料油在不同工艺条件下进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据以及产品馏份油的平均沸点;S112、根据所述原料油在不同工艺条件下进行模拟蒸馏实验的产品馏份油的馏份油质量分率数据以及产品馏份油的平均沸点,划分加氢裂化反应虚拟集总组份。4.根据权利要求3所述的方法,其特征在于,所述步骤S13包括:划分后的N个虚拟集总组份中,第1个虚拟集总组份的产品馏份油的平均沸点最高,第N个虚拟集总组份的产品馏份油的平均沸点最低;第i个(1≤i≤N)虚拟集总组份包含i-1个入度和N-i个出度;其中,i表示虚拟集总组份的第i节点;N表示虚拟集总组份的数目,并且每一个虚拟集总组份对应一个节点,共N个节点。5.根据权利要求2所述的方法,其特征在于,所述步骤S14中集总动力学方程为:其中,Ci及Cj代表不同虚拟集总组份的馏份油质量分率数据;γi代表不同虚拟集总组份的动力学计量数,不同取值分别表示不同虚拟集总组份的生成反应及消耗反应;N代表虚拟集总组份的数目;i和j分别代表不同的虚拟集总组份;ka...
【专利技术属性】
技术研发人员:王阔,
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抚顺石油化工研究院,
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。