【技术实现步骤摘要】
一种芳烃异构化生产环节的产物预测方法和系统
本专利技术涉及芳烃异构化生产环节中实现关键产物产率(例如浓度信息)的预测技术，具体涉及使用基于机理模型的代理模型建模来描述原有工业过程，对芳烃异构化生产过程中的关键性能指标(例如关键产物的浓度信息)进行预测的技术。
技术介绍
芳烃的大规模工业化生产是通过现代化芳烃联合装置实现的，其加工流程相当复杂，并且伴有芳烃间的相互转化过程。其中C8芳烃异构化反应和甲苯歧化与C8芳烃烷基转移过程是芳烃联合装置中重要的两个芳烃转化工艺。其中异构化反应的目的是将异构体邻二甲苯(OX)、间二甲苯(MX)和乙苯(EB)转化为价值更高的对二甲苯(PX)。二甲苯异构化过程主要由反应器和分离系统组成。其工艺流程如图1所示，首先是反应器1，其主要功能就是在催化剂作用下进行异构化反应，将贫PX的C8芳烃混合物转化成接近热力学平衡的C8芳烃混合物。其次是分离系统，反应产物在进行分离前需要通过分离塔5实现气液的分离，循环氢气经过压缩机4与C8A以及补充氢气混合进入热交换机3，反应液与氢气通过加热炉2混合，进入...
【技术保护点】
1.一种芳烃异构化生产环节的产物预测方法，其特征在于，方法包括：/n步骤1：接收选定的芳烃异构化生产环节的操作条件作为代理模型的输入变量，接收选定的芳烃异构化生产环节的产物的产率作为代理模型的输出变量，设定输入变量的上下限范围并生成若干个初始样本点构成初始样本集，通过机理模型得到所有初始样本；/n步骤2：根据初始样本点以及初始样本点的实际输出响应值，建立径向基神经网络代理模型；/n步骤3：利用粒子群优化算法寻找最邻近期望差和稀疏度乘积最大的采样点，并利用机理模型计算该采样点在径向基神经网络代理模型上的输出响应值，将该采样点以及输出响应值加入样本点中，重新构建代理模型；/n步...
【技术特征摘要】
1.一种芳烃异构化生产环节的产物预测方法，其特征在于，方法包括：
步骤1：接收选定的芳烃异构化生产环节的操作条件作为代理模型的输入变量，接收选定的芳烃异构化生产环节的产物的产率作为代理模型的输出变量，设定输入变量的上下限范围并生成若干个初始样本点构成初始样本集，通过机理模型得到所有初始样本；
步骤2：根据初始样本点以及初始样本点的实际输出响应值，建立径向基神经网络代理模型；
步骤3：利用粒子群优化算法寻找最邻近期望差和稀疏度乘积最大的采样点，并利用机理模型计算该采样点在径向基神经网络代理模型上的输出响应值，将该采样点以及输出响应值加入样本点中，重新构建代理模型；
步骤4：重复步骤3，使得代理模型精度不断上升，达到采样点个数上限后停止，得到最终的径向基神经网络代理模型；
步骤5：通过建立的径向基神经网络代理模型实现对芳烃异构化生产过程的模拟，对芳烃异构化产物产率进行预测。
2.根据权利要求1所述的芳烃异构化生产环节的产物预测方法，其特征在于，作为代理模型的输入变量的芳烃异构化生产环节的操作条件包括：异构化进料、循环氢、补充氢、异构化反应温度、异构化反应压力、乙苯含量、MX含量和OX含量；输出变量选择异构化环节的产物产率包括：尾氢收率、干气收率、轻烃收率和混合C8收率。
3.根据权利要求1所述的芳烃异构化生产环节的产物预测方法，其特征在于，步骤1中的初始样本点是在各输入变量上下限范围内利用拉丁超立方采样生成，用于测试的样本集也是在搜索空间中利用拉丁超立方采样生成。
4.根据权利要求1所述的芳烃异构化生产环节的产物预测方法，其特征在于，步骤2中的初始样本点在建立径向基神经网络代理模型之前先进行归一化操作，再使用Cubic径向基函数根据该些初始样本点建立初始的径向基神经网络代理模型。
5.根据权利要求1所述的芳烃异构化生产环节的产物预测方法，其特征在于，初始样本点的实际输出响应值是通过将初始样本点代入Hysys机理模型中得到的。
6.根据权利要求1所述的芳烃异构化生产环节的产物预测方法，其特征在于，利用步骤3的粒子群优化算法找到新的采样点其中Sparsity(x)表示采样点x的稀疏度，NED(x)表示最邻近期望差，R表示样本空间，最大化两者乘积得到不确定性最高的样本点xnew。
7.一种芳烃异构化生产环节的产物预测系统，其特...
【专利技术属性】
技术研发人员：杜文莉，杨明磊，钟伟民，钱锋，李智，
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。