从合成氨驰放气膜提氢尾气中制取天然气的方法及系统技术方案

公开了一种从合成氨驰放气膜提氢尾气中制取天然气的方法及系统，其通过膜分离提氢处理、温度和压力调制、脱水纯化、主换热器处理、低温精馏、热交换、传质和传热、冷凝降温和分离处理从合成氨驰放气膜提氢尾气中制取天然气。在此过程中，结合基于深度学习的人工智能技术，对所述膜提氢尾气进行温度和压力调制，也就是，对于两台分子筛吸附器组成的脱水纯化系统的吸附性能进行实时监测，利用卷积神经网络来提取所述两台分子筛吸附器间的多尺度全局关联特征，并经过解码回归处理得到用于表示推荐的输入膜提氢尾气的压力值的第一解码值，以及用于表示推荐的输入膜提氢尾气的温度值的第二解码值，通过这样的方式，来优化除杂效果。来优化除杂效果。来优化除杂效果。

【技术实现步骤摘要】
从合成氨驰放气膜提氢尾气中制取天然气的方法及系统


[0001]本申请涉及天然气制备领域，且更为具体地，涉及一种从合成氨驰放气膜提氢尾气中制取天然气的方法及系统。

技术介绍

[0002]合成氨驰放气是氨合成工序排放出来的尾气，排放气量约为300Nm3/吨氨，其主要组分有氢气、氮气、甲烷、氩气、氨。目前合成氨驰放气的利用方式主要有两种，一是作为工厂燃料气，而是经过膜分离提氢装置或变压吸附(PSA)提氢装置回收氢气后作为工厂燃料气。由于合成氨驰放气中含有较多经济附加值较高的组分，作为燃料气或者简单回收部分氢气后作为燃料气烧掉，利用效率低，也是非常不经济的。同时，氨合成的压力一般都非常高，合成氨的驰放气以及经过膜分离提氢后的尾气压力通常在10
‑
15MPa，压力目前的利用方式基本都会将驰放气压力降低到较低压力作为燃料气，无法利用合成氨驰放气的压力能。
[0003]因此，期待一种优化的合成氨驰放气处理方案。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种从合成氨驰放气膜提氢尾气中制取天然气的方法及系统，其通过膜分离提氢处理、温度和压力调制、脱水纯化、主换热器处理、低温精馏、热交换、传质和传热、冷凝降温和分离处理从合成氨驰放气膜提氢尾气中制取天然气。在此过程中，结合基于深度学习的人工智能技术，对所述膜提氢尾气进行温度和压力调制，也就是，对于两台分子筛吸附器组成的脱水纯化系统的吸附性能进行实时监测，利用卷积神经网络来提取所述两台分子筛吸附器间的多尺度全局关联特征，并经过解码回归处理得到用于表示推荐的输入膜提氢尾气的压力值的第一解码值，以及用于表示推荐的输入膜提氢尾气的温度值的第二解码值，通过这样的方式，来优化除杂效果。
[0005]根据本申请的一个方面，提供了一种从合成氨驰放气膜提氢尾气中制取天然气的方法，其包括：
[0006]S1：对合成氨驰放气进行膜分离提氢处理以得到膜提氢尾气；
[0007]S2：对所述膜提氢尾气进行温度和压力调制后，通过脱水纯化系统以得到脱水纯化后气体，其中，所述脱水纯化系统包括相互级联的第一分子筛吸附器和第二分子筛吸附器；
[0008]S3：将所述脱水纯化后气体输入主换热器，出所述主换热器后进入低温精馏塔的底部再沸器，在出所述低温精馏塔的底部再沸器后再进入所述主换热器以得到热交换流体；
[0009]S4：将所述热交换流体通过节流阀进行温度和压力调制后去所述低温精馏塔的中部，其中，所述热交换流体中的液体混合回流液在所述低温精馏塔内的提馏段自上往下流
动、与所述低温精馏塔内自下往上流动的所述热交换流体中的汽提气部分接触并完成传质和传热以得到传质和传热后液体，其中，所述热交换流体中的剩余汽提气部分在所述低温精馏塔内的精馏段自下往上流动、与所述低温精馏塔内自上向下流动的所述液体混合回流液完成传质和传热后以得到解析气；
[0010]S5：将所述传质和传热后液体通过所述再沸器进行加热后以得到汽提气和剩余液体，其中，所述剩余液体中的甲烷含量超过90％；以及
[0011]S6：将所述解析气输入所述低温精馏塔内的冷凝器进行降温，并将降温后的所述解析气输入所述低温精馏塔内的分离器以得到分离后液体作为所述液体混合回流液和富氮气，所述富氮气中氮气的含量大于等于80％。
[0012]在上述从合成氨驰放气膜提氢尾气中制取天然气的方法中，所述步骤S2，包括：S21：获取由摄像头采集的所述第一分子筛吸附器的第一分子筛的第一状态监测图像和所述第二分子筛吸附器的第二分子筛的第二状态监测图像；S22：将所述第一状态监测图像和所述第二状态监测图像沿着通道维度聚合为多通道状态监测图像；S23：将所述多通道状态监测图像通过使用具有第一尺度的二维卷积核的第一卷积神经网络模型以得到第一状态关联特征图；S24：将所述多通道状态监测图像通过使用具有第二尺度的二维卷积核的第二卷积神经网络模型以得到第二状态关联特征图；S25：融合所述第一状态关联特征图和所述第二状态关联特征图以得到全局状态关联特征图；S26：将所述全局状态关联特征图通过空间注意力模块以得到空间增强状态关联特征图；S27：对所述空间增强状态关联特征图进行回归表征平展化以得到解码特征图；以及，S28：将所述解码特征图分别通过第一解码器和第二解码器以得到第一解码值和第二解码值，所述第一解码值用于表示推荐的输入膜提氢尾气的压力值，所述第二解码值用于表示推荐的输入膜提氢尾气的温度值。
[0013]在上述从合成氨驰放气膜提氢尾气中制取天然气的方法中，所述步骤S23，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行基于所述具有第一尺度的二维卷积核卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述第一状态关联特征图，所述第一卷积神经网络模型的第一层的输入为所述多通道状态监测图像。
[0014]在上述从合成氨驰放气膜提氢尾气中制取天然气的方法中，所述步骤S24，包括：使用所述第二卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行基于所述具有第二尺度的二维卷积核卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络模型的最后一层的输出为所述第二状态关联特征图，所述第二卷积神经网络模型的第一层的输入为所述多通道状态监测图像。
[0015]在上述从合成氨驰放气膜提氢尾气中制取天然气的方法中，所述步骤S25，包括：以如下公式融合所述第一状态关联特征图和所述第二状态关联特征图以得到全局状态关联特征图；其中，所述公式为：
[0016]X＝Concat[F1，F2][0017]其中，F1表示所述第一状态关联特征图，F2表示所述第二状态关联特征图，Concat[
·
，
·
]表示级联函数，X表示所述全局状态关联特征图。
[0018]在上述从合成氨驰放气膜提氢尾气中制取天然气的方法中，所述步骤S26，包括：使用所述空间注意力模块的卷积编码部分对所述全局状态关联特征图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及，计算所述空间注意力特征图和所述全局状态关联特征图的按位置点乘以得到所述空间增强状态关联特征图。
[0019]在上述从合成氨驰放气膜提氢尾气中制取天然气的方法中，所述步骤S27，包括：以如下公式对所述空间增强状态关联特征图进行回归表征平展化以得到所述解码特征图；其中，所述公式为：
[0020][0021]其中f
i
是所述空间增强状态关联特征图的预定特征值，f本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种从合成氨驰放气膜提氢尾气中制取天然气的方法，其特征在于，包括：S1：对合成氨驰放气进行膜分离提氢处理以得到膜提氢尾气；S2：对所述膜提氢尾气进行温度和压力调制后，通过脱水纯化系统以得到脱水纯化后气体，其中，所述脱水纯化系统包括相互级联的第一分子筛吸附器和第二分子筛吸附器；S3：将所述脱水纯化后气体输入主换热器，出所述主换热器后进入低温精馏塔的底部再沸器，在出所述低温精馏塔的底部再沸器后再进入所述主换热器以得到热交换流体；S4：将所述热交换流体通过节流阀进行温度和压力调制后去所述低温精馏塔的中部，其中，所述热交换流体中的液体混合回流液在所述低温精馏塔内的提馏段自上往下流动、与所述低温精馏塔内自下往上流动的所述热交换流体中的汽提气部分接触并完成传质和传热以得到传质和传热后液体，其中，所述热交换流体中的剩余汽提气部分在所述低温精馏塔内的精馏段自下往上流动、与所述低温精馏塔内自上向下流动的所述液体混合回流液完成传质和传热后以得到解析气；S5：将所述传质和传热后液体通过所述再沸器进行加热后以得到汽提气和剩余液体，其中，所述剩余液体中的甲烷含量超过90％；以及S6：将所述解析气输入所述低温精馏塔内的冷凝器进行降温，并将降温后的所述解析气输入所述低温精馏塔内的分离器以得到分离后液体作为所述液体混合回流液和富氮气，所述富氮气中氮气的含量大于等于80％。2.根据权利要求1所述的从合成氨驰放气膜提氢尾气中制取天然气的方法，其特征在于，所述步骤S2，包括：S21：获取由摄像头采集的所述第一分子筛吸附器的第一分子筛的第一状态监测图像和所述第二分子筛吸附器的第二分子筛的第二状态监测图像；S22：将所述第一状态监测图像和所述第二状态监测图像沿着通道维度聚合为多通道状态监测图像；S23：将所述多通道状态监测图像通过使用具有第一尺度的二维卷积核的第一卷积神经网络模型以得到第一状态关联特征图；S24：将所述多通道状态监测图像通过使用具有第二尺度的二维卷积核的第二卷积神经网络模型以得到第二状态关联特征图；S25：融合所述第一状态关联特征图和所述第二状态关联特征图以得到全局状态关联特征图；S26：将所述全局状态关联特征图通过空间注意力模块以得到空间增强状态关联特征图；S27：对所述空间增强状态关联特征图进行回归表征平展化以得到解码特征图；以及S28：将所述解码特征图分别通过第一解码器和第二解码器以得到第一解码值和第二解码值，所述第一解码值用于表示推荐的输入膜提氢尾气的压力值，所述第二解码值用于表示推荐的输入膜提氢尾气的温度值。3.根据权利要求2所述的从合成氨驰放气膜提氢尾气中制取天然气的方法，其特征在于，所述步骤S23，包括：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行基于所述具有第一尺度的二维卷积核卷积处理以得到卷积特征图；
对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述第一状态关联特征图，所述第一卷积神经网络模型的第一层的输入为所述多通道状态监测图像。4.根据权利要求3所述的从合成氨驰放气膜提氢尾气中制取天然气的方法，其特征在于，所述步骤S24，包括：使用所述第二卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行基于所述具有第二尺度的二维卷积核卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络模型的最后一层的输出为所述第二状态关联特征图，所述第二卷积神经网络模型的第一层的输入为所述多通道状态监测图像。5.根据权利要求4所述的从合成氨驰放气膜提氢尾气中制取天然气的方法，其特征在于，所述步骤S25，包括：以如下公式融合所述第一状态关联特征图和所述第二状态关联特征图以得到全局状态关联特征图；其中，所述公式为：X＝Conca...

【专利技术属性】
技术研发人员：莫清启，敬双飞，毛增玥，
申请(专利权)人：新疆凯龙清洁能源股份有限公司，
类型：发明
国别省市：