一种连续催化重整装置实时优化控制系统及其方法制造方法及图纸

本发明专利技术公开了一种连续催化重整装置实时优化控制系统及其方法。本发明专利技术系统共分为包括数据采集模块、数据转换模块、数据处理模块、人机交互模块、中央处理模块、预测控制模块，其中中央处理模块依据重整动力学、热力学、物料平衡、能量平衡等基本原理，建立较为完备的机理模型，通过最优操控算法来达到实时优化控制。本发明专利技术针对连续催化重整装置采用模块化的形式构建了实时优化控制系统，通过各个模块的相互配合并采用机理建模与最优操控算法相结合的方式来达到实时优化控制的目标。通过对连续催化重整装置中整个过程的优化，有效的得到了系统综合指标的最优解，这对于化工厂提高产品收率和经济效益具有重要的意义。

【技术实现步骤摘要】
一种连续催化重整装置实时优化控制系统及其方法
本专利技术属于自动控制
，涉及一种连续催化重整装置实时优化控制系统及其方法。
技术介绍
催化重整是指在温度、压力、临氢和催化剂存在的条件下，使原油蒸馏所得的轻汽油馏分(或石脑油)转变成富含芳烃的高辛烷值汽油(重整汽油)，并副产液化石油气和氢气的过程；是炼油工业中主要的加工工艺之一，是提高汽油质量和生产石油化工原料的重要手段，也是解决高辛烷值汽油、芳烃原料短缺的有效方法之一。随着世界能源短缺的情况愈演愈烈，资源的竞争也将会越来越激烈，但是我国许多石油化工企业由于生产设备陈旧，工艺技术落后等原因，与国外相比，生产成本很高，经济效益差距较大。如何使得生产成本降低以及扩大经济效益，已经成为了一个迫切需要解决的问题。基于以上情况，本专利技术提出了一种连续催化重整装置实时优化控制系统。该系统采用机理建模与最优操控算法相结合的方式，为实现连续催化重整装置中综合指标的优化控制提供了有利的保障。
技术实现思路
本专利技术的一个目的是针对现有的连续催化重整装置中关于生产成本较高，经济效益差距较大等综合指标的不足的问题，提出了一种机理建模与最优操控算法相结合的实时优化控制系统。该系统包括数据采集模块、数据转换模块、数据处理模块、人机交互模块、中央处理模块、预测控制模块，其中数据转换模块包括A/D转换模块和D/A转换模块；数据采集模块用于炼油工业连续催化重整装置的组分、温度、压力、流量等数据采集，并将其传送到A/D转换模块；A/D转换模块用于将接收到的模拟量转换为相应的数字量，并将其传送到数据处理模块；数据处理模块储存有历史运行数据的数据库；对A/D转换模块传送的数据进行对比处理，然后将处理后的数据传送至中央处理模块；人机交互模块用于设定炼油工业连续催化重整过程的运行指标，并将其输送到中央处理模块；运行指标包括运行优化周期Tzq、综合目标函数权重β、催化剂装填量、装置结构参数、装置物性参数；装置结构参数包括反应器装置半径、高度，装置物性参数包括反应活化能、平衡常数等。中央处理模块用于获取最优运行的操作变量值以及最优目标函数值，并将其传送到D/A转换模块；D/A转换模块接收到的数字量转换成相应的模拟量，并将其传送到预测控制模块；所述的预测控制模块包括对取得最优目标函数值和最优运行的操作变量值的所有可控对象进行控制，使系统达到最优状态。本专利技术系统弥补了现有的原料消耗较多，经济效益不好等不足，便于提高产品收率和经济效益。本专利技术的另一个目的是提供一种连续催化重整装置实时优化控制方法，该方法主要步骤如下：步骤(1)、人机交互模块设定连续催化重整装置实时优化控制系统的运行指标，并将其输送到中央处理模块；运行指标包括运行优化周期Tzq，综合目标函数权重β，催化剂装填量，装置的结构参数(如反应器装置半径、高度)，以及物性参数(如反应活化能、平衡常数)等；步骤(2)、数据采集模块采集到连续催化重整装置的各实时数据，记录当前时间T1，并通过A/D转换模块转换成数字量后，输送给数据处理模块；步骤(3)、将数据采集模块采集到连续催化重整装置的各实时数据与数据处理模块存储的历史运行数据进行对比，如果实时数据出现突变或者差异较大，则等待一个运行周期Tzq后，重新返回步骤(2)，反之则进入步骤(4)；上述实时数据出现突变或者差异较大是指：步骤(4)、经由数据处理模块处理后的数据输送到中央处理模块，中央处理模块调用最优操控算法，得到连续重整装置中最优运行的操作变量值以及最优目标函数值；步骤(5)、中央处理模块将得到的最优运行的操作变量值以及最优目标函数值作为设定值，通过D/A转换模块发送给预测控制模块，调用预测控制模块使系统达到最优运行的设定值，进而将连续重整装置调整到最优运行状态；步骤(6)、记录当前时间为T2，如果T2-T1＜Tzq，则继续等待；否则转步骤(2)，重新进行优化调整。作为优选，步骤(2)所述的数据采集模块采集的各实时数据包括进入第一个反应器前的循环氢流量、入口温度、压力、烷烃、环烷烃、芳烃、烯烃组分；最后一个反应器出口的温度、压力、产品烷烃、环烷烃、芳烃、烯烃组分；各个反应器出口温度、催化剂循环速率等。作为优选，所述中央处理模块存储有连续催化重整装置优化模型，包括目标函数、约束条件、反应器模型、基础物性数据；所述连续催化重整装置优化模型优化问题形成如下：1)目标函数为：maxβg1+(1-β)g2(1)其中g1、g2分别为产品收率、产品价格，权重β的取值为0～1；2)约束条件为：加热炉温度：Tmin＜Tem＜Tmax(2)反应压力：Pmin＜Pre＜Pmax(3)进料流量：Fmin＜Flo＜Fmax(4)其中，Tem、Pre、Flo分别为加热炉温度、反应压力、进料流量，Tmin、Tmax、Pmin、Pmax、Fmin、Fmax分别为加热炉温度最小值、加热炉温度最大值、反应压力最小值、反应压力最大值、进料流量最小值、进料流量最大值。3)反应器模型针对连续重整装置33集总反应网络，可以得出39个反应速率方程，构建反应器模型；烷烃脱氢反应(可逆)：rj＝dYP/d(Vc/F)＝kj·(YP-YN/Kepj),j＝1～7(5)环烷烃脱氢反应(可逆)：rj＝dYN/d(Vc/F)＝kj·(YN-YA/Kepj),j＝8～15(6)芳烃氢解反应：rj＝dYA/d(Vc/F)＝kj·YA,j＝16～20(7)烷烃加氢裂化反应：rj＝dYP/d(Vc/F)＝kj·YP,j＝21～39(8)其中rj为第j个反应的反应速率；YP、YN、YA分别为烷烃、环烷烃、芳烃的摩尔流量；VC为催化剂装填量；F为进料体积流量；Kepj为第j个反应平衡常数；kj为反应速率常数，其表达式为：其中k0j为反应频率因子；Ej,bj分别为反应活化能和压力指数；Ph为反应物中的氢分压；R'为摩尔气体常量；T为反应温度；φj为催化剂活性因子；μj为装置因子。本专利技术连续重整工艺采用常用的径向反应器，径向反应器物流通过反应器的压力降比轴向反应器小，有利于减小临氢系统的压力降。结合物料平衡和能量平衡原理，可得到重整反应器模型方程组：其中为33集总组分的摩尔流量；R为径向反应器床层半径；H为反应器高度；液时空速LHSV＝F/Vc；为各集总组分的化学计量系数矩阵；为反应热向量；为恒压比热容向量；为重整反应的反应速率向量，有因此重整反应器模型方程组可以改写为：其中为反应速率常数矩阵，R0表示反应其床层半径的初始值，表示33集总组分的摩尔流量初始值，T0表示反应温度初始值。4)基础物性数据在重整模拟过程中，必要物性数据的获取是模型计算的前提条件，这些数据的准确性对模拟精度有非常大的影响。本文档来自技高网...

【技术保护点】
1.一种连续催化重整装置实时优化控制方法，其特征在于主要步骤如下：/n步骤(1)、人机交互模块设定连续催化重整装置实时优化控制系统的运行指标，并将其输送到中央处理模块；/n步骤(2)、数据采集模块采集到连续催化重整装置的各实时数据，记录当前时间T

【技术特征摘要】
1.一种连续催化重整装置实时优化控制方法，其特征在于主要步骤如下：
步骤(1)、人机交互模块设定连续催化重整装置实时优化控制系统的运行指标，并将其输送到中央处理模块；
步骤(2)、数据采集模块采集到连续催化重整装置的各实时数据，记录当前时间T1，并通过A/D转换模块转换成数字量后，输送给数据处理模块；
步骤(3)、将数据采集模块采集到连续催化重整装置的各实时数据与数据处理模块存储的历史运行数据进行对比，如果实时数据出现突变或者差异较大，则等待一个运行周期Tzq后，重新返回步骤(2)，反之则进入步骤(4)；
步骤(4)、经由数据处理模块处理后的数据输送到中央处理模块，中央处理模块调用最优操控算法，得到连续重整装置中最优运行的操作变量值以及最优目标函数值；
步骤(5)、中央处理模块将得到的最优运行的操作变量值以及最优目标函数值作为设定值，通过D/A转换模块发送给预测控制模块，调用预测控制模块使系统达到最优运行的设定值，进而将连续重整装置调整到最优运行状态；
步骤(6)、记录当前时间为T2，如果T2-T1＜Tzq，则继续等待；否则转步骤(2)，重新进行优化调整；
所述中央处理模块存储有连续催化重整装置优化模型，其优化问题形成包括目标函数、约束条件、反应器模型、基础物性数据；
针对连续重整装置33集总反应网络，所述反应器模型由39个反应速率方程构建：
烷烃脱氢反应(可逆)：
rj＝dYP/d(Vc/F)＝kj·(YP-YN/Kepj),j＝1～7(5)
环烷烃脱氢反应(可逆)：
rj＝dYN/d(Vc/F)＝kj·(YN-YA/Kepj),j＝8～15(6)
芳烃氢解反应：
rj＝dYA/d(Vc/F)＝kj·YA,j＝16～20(7)
烷烃加氢裂化反应：
rj＝dYP/d(Vc/F)＝kj·YP,j＝21～39(8)
其中rj为第j个反应的反应速率；YP、YN、YA分别为烷烃、环烷烃、芳烃的摩尔流量；VC为催化剂装填量；F为进料体积流量；Kepj为第j个反应平衡常数；kj为反应速率常数，其表达式为：



其中为33集总组分的摩尔流量；R为径向反应器床层半径；H为反应器高度；液时空速LHSV＝F/Vc；为各集总组分的化学计量系数矩阵；为反应热向量；为恒压比热容向量；为重整反应的反应速率向量，有因此重整反应器模型方程组可以改写为：



其中为反应速率常数矩阵，R0表示反应其床层半径的初始值，表示33集总组分的摩尔流量初始值，T0表示反应温度初始值；
4)基础物性数据
4-1)焓
Hm＝H＝A+BT+CT2+DT3+ET4+F'T5(12)
其中Hm为理想气体在T时的焓，T为温度；A、B，C，D，E，F'为导出系数；
4-2)熵



其中S为理想气体在T时的熵；G为导出系数；
4-3)恒压比热容



其中Cp为理想气体在恒压下的热容；
4-4)反应热
在温度T下，反应热的计算公式为：



其中代表了标准摩尔反应焓；α为化学计量系数；代表了标准摩尔生成焓；Cp(T)为各组分在温度T下的恒压比热容；
4-5)反应平衡常数计算
对于可逆反应其温度T及标准压力为100Kpa下的平衡常数为：



其中为温度T下的标准摩尔生成吉布斯自由能，也称为标准摩尔自由焓，计算式为：



其中已经知道，标准摩尔生成熵的计算公式为：




为标准状态下的组分标准摩尔熵；
中央处理模块根据上述优化问题，计算最优目标函数值和最优变量值，具体步骤如下：
步骤C1、将上述优化问题转化成如下式(19)的非线性优化问题：



其中x为n维变量，f(x)和c(x)分别表示连续可微的目标函数和m维约束方程，xL和xU分别表示变量的上下界约束；
步骤C2、采用迭代计算方法求解上式(19)所表示的优化问题，在x第k次迭代的迭代点xk处QP子问题表示为以下形式：



式中dk为搜索方向，gk和分别表示在xk处目标函数的导数和约束方程的雅克比矩阵，ck表示在xk处c(xk)的值，Wk为拉格朗日函数的Hessian阵；其中拉格朗日函数为：
L(x,λ,v,π)＝f(x)+λTc(x)+vT(x-xU)...

【专利技术属性】
技术研发人员：张涵羽，江爱朋，林雅媚，赵伟杰，黄秋云，蒋宇，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33