【技术实现步骤摘要】
一种基于混合建模的乙烯生产原料优化方法
本专利技术涉及乙烯生产过程优化研究领域,具体涉及一种基于混合建模和线性规划的乙烯原料优化方法。
技术介绍
乙烯工业是石油化学工业的龙头和核心,乙烯产品占石化产品的75%以上,乙烯产量是衡量一个国家石油化工发展水平的重要标志。乙烯生产中原料费用占80%~90%,直接决定了乙烯生产成本。乙烯原料结构与原料性质对产品收率和生产成本影响巨大。一般来说,原料轻质化率越高、直链烷烃含量越高的原料,双烯收率及高附加值收率就会越高,相应的边际效益越好。国内乙烯生产企业以石油基原料为主,面对页岩气革命带来的原料变化,以及由此带来的北美、中东廉价乙烯产品的冲击,做好国内乙烯原料结构的优化调整,是决定乙烯生存和盈利能力的关键,对提高国内乙烯装置的竞争力和企业的经济效益具有重大意义。乙烯原料优化包括两大途径:一是优化炼油-化工总工艺加工流程和加工方案;二是基于现有工艺、装置、方案采用定量化的模拟工具如计划优化软件对所有可能做乙烯原料的物料流股进行优化选择和优化配置。前者依托于装置的设计、改造、加工方案的变更,涉及范围广、投资大;后者可实施的前提是企业的原油加工能力大,可提供的乙烯原料的数量充足或者具有外购乙烯原料的可行性。对于国内已建成的绝大多数石化企业,工艺总流程、设备已经定型,第二条途径是目前解决乙烯原料优化问题的重要手段。目前,国际上的计划优化软件主要有AspenTech公司的PIMS(过程工业模拟系统)软件、Honeywell的RPMS(炼油和石油化工建模系统)软件。PIMS、 ...
【技术保护点】
1.一种优化乙烯生产并构建乙烯生产过程优化模型的方法,包括如下步骤:/n(1)采集乙烯生产过程数据,获得裂解产物收率,/n(2)构建收率的基准-增量线性结构数据库,/n(3)基于基准-增量线性结构数据库、约束条件、原料价格、产品价格,建立乙烯生产过程的优化模型,/n任选的(4)以效益最大化为目标函数,求解优化模型,获得优化的乙烯生产参数,/n优选地,步骤(2)包括:/n(2.1)利用乙烯生产过程数据和裂解产物收率训练得到神经网络模型,/n(2.2)计算原料属性的基准值和裂解炉操作条件基准值,/n(2.3)根据原料属性基准值、裂解炉操作条件基准值、裂解炉炉型结构信息在神经网络模型中获取产物基准收率,/n(2.4)根据裂解炉炉型结构信息和改变的原料属性和裂解炉操作条件在神经网络模型中获取产物收率,与基准收率比较获得增量收率,/n(2.5)根据(2.4)的结果形成基准-增量线性结构数据库。/n
【技术特征摘要】 【专利技术属性】
1.一种优化乙烯生产并构建乙烯生产过程优化模型的方法,包括如下步骤:
(1)采集乙烯生产过程数据,获得裂解产物收率,
(2)构建收率的基准-增量线性结构数据库,
(3)基于基准-增量线性结构数据库、约束条件、原料价格、产品价格,建立乙烯生产过程的优化模型,
任选的(4)以效益最大化为目标函数,求解优化模型,获得优化的乙烯生产参数,
优选地,步骤(2)包括:
(2.1)利用乙烯生产过程数据和裂解产物收率训练得到神经网络模型,
(2.2)计算原料属性的基准值和裂解炉操作条件基准值,
(2.3)根据原料属性基准值、裂解炉操作条件基准值、裂解炉炉型结构信息在神经网络模型中获取产物基准收率,
(2.4)根据裂解炉炉型结构信息和改变的原料属性和裂解炉操作条件在神经网络模型中获取产物收率,与基准收率比较获得增量收率,
(2.5)根据(2.4)的结果形成基准-增量线性结构数据库。
2.如权利要求1所述的方法,其特征在于,所述方法具有选自以下的一个或多个特征:
所述乙烯生产过程数据包括选自以下的一种或多种:原料属性,裂解炉操作条件,裂解炉炉型结构信息;
所述乙烯生产参数包括选自以下的一个或多个:原料结构、裂解炉投料组合、裂解炉操作条件;
步骤(1)包括根据乙烯生产过程数据通过构建机理模型获得裂解产物收率;优选地,所述机理模型是基于化工原理、化学反应工程的基本原理建立的模型;更优选地,所述机理是自由基反应机理。
3.如权利要求1或2所述的方法,其特征在于,所述方法具有选自以下的一个或多个特征:
原料选自以下的一种或多种或全部:石脑油、轻石脑油、气相原料、加氢尾油;原料属性包括选自以下的一种或多种:PIONA值、密度、馏程、乙烷、丙烷、正丁烷、异丁烷的含量;
裂解炉操作条件包括选自以下的一种或多种:进料负荷、稀释蒸汽比、进料温度、进料压力、出口温度、出口压力;
裂解炉炉型结构信息包括选自以下的一个或多个:裂解炉辐射炉管的有效长度、壁厚、内径、燃烧喷嘴数量和分布;
裂解产物包括选自以下的一种或多种:氢气、甲烷、乙烯、丙烯、乙烷、丙烷、丙炔、丙二烯、丁二烯、苯、混合碳四、裂解碳五、碳六-碳八混合物、碳九、碳十-碳十六混合物、碳十七以上混合物。
4.如权利要求1或2所述的方法,其特征在于,所述方法具有选自以下的一个或多个特征:
在步骤(2.1)中,利用乙烯生产过程数据和裂解产物收率采用十折交叉验证的方式训练得到神经网络模型;
原料属性基准值是一种或多种原料的属性的平均值;
裂解炉操作条件基准值是针对不同原料种类的裂解炉操作条件基准值;
基准-增量多段线性结构数据库是根据基准收率和增量收率采用多段线性化处理方法描述裂解产物收率随原料属性、操作条件改变而变化的非线性关系;
步骤(2.5)还包括通过校正神经网络模型的参数来更新所述基准-增量多段线性结构数据库。
5.如权利要求1或2所述的方法,其特征在于,所述方法具有选自以下的一个或多个特征:
技术研发人员:杜文莉,田洲,张禹,钱锋,
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。