一种用于数字孪生系统的甲醇合成反应器混合建模方法技术方案

本申请实施例公开了一种用于数字孪生系统的甲醇合成反应器混合建模方法，所述方法包括：获取第一训练集用于训练反应器网络，其中，所述第一训练集包括多个第一训练样本，每一所述第一训练样本包括实际甲醇合成反应中的反应器温度、反应器压力和每个关键组分的含量，所述反应器网络为多层神经网络结构；当所述反应器网络的损失函数不再下降时，所述反应器网络被训练完成。络被训练完成。络被训练完成。

【技术实现步骤摘要】
一种用于数字孪生系统的甲醇合成反应器混合建模方法


[0001]本申请涉及工业互联网领域，尤其涉及一种用于数字孪生系统的甲醇合成反应器混合建模方法。

技术介绍

[0002]甲醇在有机合成工业中，是仅次于烯烃和芳烃的重要基础有机原料。同时也是一种优质的清洁燃料，可以单独或与汽油混合作为汽车燃料。由于市场需求量大，甲醇生成装置一直是比较热门的化工生产装置，因此开发高精度的甲醇合成反应器模型对于工艺优化、员工培训及控制系统优化都有非常重要的意义。
[0003]目前可查询的公开文献中的甲醇合成反应器的建模常采用常规机理建模方法，即选择合适的反应动力学模型；根据进出反应器的物料的质量和能量平衡方程，建立反应器的数学模型；选择适当的求解算法进行模拟计算；并根据工业数据对动力学参数加以修正，使计算结果满足装置的模拟需求。由于采用了严格的反应动力学模型，且动力学参数采用工业数据加以修正，所以这种方法相比早期的数据拟合模型，模型的精度和可靠性都具有较大的优势。
[0004]但是我们在长期实践和项目中也发现了上述建模方法仍存在的一些问题。其中一个重要的不足就是这种机理模型虽然充分考虑了甲醇合成反应机理以及反应器宏观特性和部分结构特性。但是也忽略了不少设备细节以及后期操作造成的差异对模拟的影响。比如反应器内列管分布情况、催化剂装填情况、床层气体是否分布均匀、反应器催化剂床层温度是否均匀一致、催化剂升温还原操作质量的好坏对后续的影响、床层积碳、铜粒长大和杂质金属沉积等因素，这些因素都会直接影响反应器运行的情况。但是在机理建模模拟中很难通过具体公式及数学模型描述出这些因素如何影响模型计算结果，所以在以往的建模方法中都直接忽略上述因素对模拟的影响。近年随着数字孪生技术在工业领域的推广与应用，我们也在化工及炼油领域积极实践和推广数字孪生技术，这就要求我们的仿真计算模型有更高的精度和具有更好预测性。为了克服甲醇合成反应器传统机理建模计算的不足，本申请提出了一种甲醇合成反应器网络建模方法及反应修正方法，采用机理建模技术对甲醇合成反应器及内部发生的甲醇合成反应及相关副反应进行描述，而对于较难建立机理模型的设备细节及后期操作造成的差异(具体有：反应器内列管分布情况、催化剂装填情况、床层气体是否分布均匀、反应器催化剂床层温度是否均匀一致、催化剂升温还原操作质量的好坏对后续的影响、床层积碳、铜粒长大和杂质金属沉积等因素)则采用人工神经网络模型进行描述。

技术实现思路

[0005]本申请实施例要解决的技术问题，在于提供一种用于数字孪生系统的甲醇合成反应器混合建模方法，以解决至少一个上述技术问题。
[0006]为实现上述目的，本申请实施例采用下述技术方案：
[0007]第一方面，本申请实施例提供一种用于数字孪生系统的甲醇合成反应器混合建模方法，所述方法包括：
[0008]获取第一训练集用于训练反应器网络，其中，所述第一训练集包括多个第一训练样本，每一所述第一训练样本包括实际甲醇合成反应中的反应器温度、反应器压力和每个关键组分的含量，所述反应器网络为多层神经网络结构；
[0009]当所述反应器网络的损失函数不再下降时，所述反应器网络被训练完成。
[0010]第二方面，本申请实施例提供一种用于数字孪生系统的甲醇合成反应修正方法，应用上述第一方面所述的反应器网络进行甲醇合成反应修正，所述方法包括：
[0011]获取机理模型输出的模拟甲醇合成反应的第一反应器温度和多个第一关键组分的含量；
[0012]将所述第一反应器温度和多个所述第一关键组分的含量输入所述反应器网络，获得修正后的第一反应器温度和多个第一关键组分的含量。
[0013]第三方面，本申请实施例提供一种用于数字孪生系统的甲醇合成反应器混合建模装置，所述装置包括：
[0014]第一获取单元，用于获取第一训练集用于训练反应器网络，其中，所述第一训练集包括多个第一训练样本，每一所述第一训练样本包括实际甲醇合成反应中的反应器温度、反应器压力和每个关键组分的含量，所述反应器网络为多层神经网络结构；
[0015]第一判断单元，用于当所述反应器网络的损失函数不再下降时，所述反应器网络被训练完成。
[0016]第四方面，本申请实施例提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器执行以实现如上述第一方面任一项所述的用于数字孪生系统的甲醇合成反应器混合建模方法或上述第二方面所述的用于数字孪生系统的甲醇合成反应修正方法。
[0017]第五方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器执行以实现如上述第一方面所述的用于数字孪生系统的甲醇合成反应器混合建模方法或上述第二方面所述的用于数字孪生系统的甲醇合成反应修正方法。
[0018]本申请实施例的有益效果是：本申请实施例提供一种用于数字孪生系统的甲醇合成反应器混合建模方法，至少部分的实施例中，用人工智能中广泛采用的人工神经网络模型，对机理模型计算结果进行矫正与修正，弥补了纯机理模型中对设备细节及后期操作差异等因素的考虑不足。使得最终模拟结果相对与原始机理模型精度大幅提升。
附图说明
[0019]图1为本申请一个实施例提供的反向传播算法网络的连接方式的结构示意图；
[0020]图2为本申请一个实施例提供的一种用于数字孪生系统的甲醇合成反应器混合建模方法的流程示意图；
[0021]图3为本申请一个实施例提供的一种用于数字孪生系统的甲醇合成反应修正方法
的流程示意图；
[0022]图4为本申请一个实施例提供的一种用于数字孪生系统的甲醇合成反应器混合建模装置的结构示意图；
[0023]图5为本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
[0024]下面通过具体实施例，并结合附图，对本申请的技术方案作进一步的具体描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0025]反向传播算法是目前较为实用的人工神经网络算法，它能从大量样本集合中有效地进行学习，提取事物的特征变量，并产生判别函数，再用其对其他样本进行正确属性分类，继而预报未知。反向传播算法网络的连接方式如图1所示。小圆圈代表神经元，它们之间的连接弧代表了神经元之间的信息传递和储存方式，连接弧强度为Wij。前一层神经元节点的输出值以Wij为权作用在当前层的每个神经元上，并通过激励函数sigmoid产生该神经元输出值。
[0026]反向传播算法以误差反向传播为模式，即首先计算输出层的误差并以此误差来改变输出层的权值，输出层权值的改变又作为中间层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于数字孪生系统的甲醇合成反应器混合建模方法，其特征是，所述方法包括：获取第一训练集用于训练反应器网络，其中，所述第一训练集包括多个第一训练样本，每一所述第一训练样本包括实际甲醇合成反应中的反应器温度、反应器压力和每个关键组分的含量，所述反应器网络为多层神经网络结构；当所述反应器网络的损失函数不再下降时，所述反应器网络被训练完成。2.根据权利要求1所述的一种用于数字孪生系统的甲醇合成反应器混合建模方法，其特征是，所述反应器网络包括输入层、隐含层和输出层，其中，所述输入层包括多个输入节点，所述输入节点用于输入模拟的反应器温度、反应器压力和每一关键组分的含量，所述隐含层包括多个隐含节点，所述输出层包括多个输出节点，所述输出节点用于输出修正后的反应器温度和每一关键组分的含量。3.根据权利要求2所述的一种用于数字孪生系统的甲醇合成反应器混合建模方法，其特征是，所述隐含节点的数量为10个。4.一种用于数字孪生系统的甲醇合成反应修正方法，应用权利要求1
‑
3任一项所述的反应器网络进行甲醇合成反应，其特征是，所述方法包括：获取机理模型输出的模拟甲醇合成反应的第一反应器温度和多个第一关键组分的含量；将所述第一反应器温度和多个所述第一关键组分的含量输入所述反应器网络，获得修正后的第一反应器温度和多个第一关键组分的含量。5.根据权利要求4所述的一种用于数字孪生系统的甲醇合成反应修正方法，其特征是，所述机理模型基于列管式固定床气固催化反应器建立。6.根据权利要求4所述的一种用...

【专利技术属性】
技术研发人员：葛铭，冯李立，魏江，沈井学，
申请(专利权)人：杭州百子尖科技股份有限公司，
类型：发明
国别省市：