【技术实现步骤摘要】
一种石油馏分组成模型确定方法及装置
[0001]本专利技术属于石油加工
,特别涉及一种石油馏分组成模型确定方法及装置。
技术介绍
[0002]随着炼厂智能化要求的不断提高,分子级的过程模型必不可少。石油馏分分子组成模型为分子级过程模型与优化提供了基础输入,为炼厂的运营及工业设计提供了基础数据。快速和准确的分子组成模型构建方法,是其应用于工业领域的前提。
[0003]石油馏分分子组成模型来源于人们对石油分子组成的深度表征。利益驱使和环保压力的增大迫使人们从分子层次寻求高效利用石油资源的新思路。时至今日,石油馏分表征技术突飞猛进,气相色谱(GC)、全二维气相色谱(GC
×
GC),高分辨质谱(FT
‑
ICRMS)的应用为石油不同馏分段提供了单体烃组成信息。然而,除了仪器设备昂贵外,石油样品的检测时间是制约先进分析设备工业应用的关键因素。因此,利用炼厂现有的廉价分析设备,如气相色谱
‑
质谱联用(GC
–
MS),蒸馏和元素分析等,采用分子重构的方式获得石油馏分分子组成是实现分子组成模型快速构建的有效手段。
[0004]石油分子组成重构法诞生于上世纪末。许多课题组针对组成模型构建提出了不同方法,无论采用何种方法,石油馏分组成模型的优化都是决定模型精度的关键一环。为保证模型不陷入某个局部解域,尽量在解空间内找到精度更高的解,全局优化算法常被用作组成模型优化的首选,如遗传算法(GA),模拟退火算法(SA)等。全局优化算法无需指定初值或对初值 ...
【技术保护点】
【技术特征摘要】
1.一种石油馏分组成模型确定方法,其中,该方法包括:获取石油馏分分子结构库;确定适于进行石油馏分分子组成模型构建的概率密度函数组合方式;基于石油馏分分子结构库以及所述概率密度函数组合方式,确定各概率密度函数的参数组合,并将所述参数组合作为优化过程的决策变量;获取包含多组决策变量初值的初值库;针对每组决策变量初值,分别确定各组决策变量初值对应的石油馏分性质,从而形成包含各组决策变量初值对应的石油馏分性质的初始性质库;待测目标石油馏分性质与初始性质库中的石油馏分性质进行匹配,确定出适用于待测目标石油馏分组成模型确定的多组初值作为局部优化初值;分别采用各局部优化初值进行局部优化计算,得到局部优化最优解;对比各局部优化最优解,确定最终优化结果,从而确定待测目标石油馏分组成模型。2.根据权利要求1所述的方法,其中,概率密度函数组合方式包括:表征分子结构库中所有分子结构性质的概率密度函数;优选地,所述结构性质包括沸点、密度、元素含量、碳数、环数、侧链碳数和/或族组成;更优选地,概率密度函数组合方式包括:表征分子结构库中所有分子沸点的概率密度函数,表征烷烃、环烷烃、芳香烃分类的概率密度函数,表征烷烃侧链长度的概率密度函数,表征环烷烃侧链碳数的概率密度函数,表征环烷烃环烷环数的概率密度函数,表征环烷烃硫原子数的概率密度函数,表征环烷烃氮原子数的概率密度函数,表征芳香烃侧链碳数的概率密度函数,表征芳香烃环烷环数的概率密度函数,表征芳香烃芳环数的概率密度函数,表征芳香烃硫原子数的概率密度函数和表征芳香烃氮原子数的概率密度函数。3.根据权利要求1所述的方法,其中,初始性质库中包含宏观性质和/或分子结构性质;优选地,所述宏观性质包括沸点和/或密度;优选地,所述分子结构分布包括元素含量、碳数、环数、侧链碳数和/或族组成。4.根据权利要求1
‑
3中任一项所述的方法,其中,获取包含多组决策变量初值的初值库步骤包括:采用随机抽样方式确定多组决策变量初值;建立包含各组决策变量初值的初值库。5.根据权利要求1
‑
3中任一项所述的方法,其中,针对每组决策变量初值,分别确定各组决策变量初值对应的石油馏分性质,从而形成包含各组决策变量初值对应的石油馏分性质的初始性质库步骤包括:确定每组决策变量初值分别对应的各概率密度函数曲线;基于每组决策变量初值分别对应的各概率密度函数曲线,确定每组决策变量初值分别对应的石油馏分分子结构库中各分子的含量;基于每组决策变量初值分别对应的石油馏分分子结构库中各分子的含量以及各分子的分子结构,确定每组决策变量初值对应的石油馏分性质;建立包含各组决策变量初值对应的石油馏分性质的初始性质库。6.根据权利要求1
‑
3中任一项所述的方法,其中,待测目标石油馏分性质与初始性质库中的石油馏分性质进行匹配,确定出适用于待测目标石油馏分组成模型确定的多组初值作
为局部优化初值步骤包括:分别确定待测目标石油馏分性质与初始性质库中各组决策变量初值对应的石油馏分性质的误差;筛选出误差较小时的多组初值作为局部优化初值。7.根据权利要求1
‑...
【专利技术属性】
技术研发人员:张霖宙,关冬,徐春明,赵锁奇,史权,
申请(专利权)人:中国石油大学北京,
类型:发明
国别省市:
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。