一种催化裂化粗汽油干点软测量仪表制造技术

一种催化裂化粗汽油干点软测量仪表及方法，包括：高速工业处理器、现场数据采集和预处理模块、基于茎环操作ＲＮＡ遗传算法（ＳＲＮＡ－ＧＡ）优化模块、数据存储和更新模块、ＲＢＦ神经网络软测量模块，上述各个模块通过工业总线相连，本发明专利技术软测量仪表，采用基于数据驱动的ＲＢＦ神经网络软测量模型，避免了对催化裂化过程复杂的机理分析过程，对观测数据的拟和精度高，泛化能力好，求解方便，响应速度快。在测量过程中，通过运用ＳＲＮＡ－ＧＡ算法对ＲＢＦ网络的相关参数进行优化，实现仪表的校正功能。该仪表在催化裂化粗汽油干点的软测量中取得了良好的效果，具有较强的通用性。

【技术实现步骤摘要】

本专利技术属于软测量
,是一种用于石油化工催化裂化分馏塔中的粗汽油干点的在 线软测量仪表。
技术介绍
催化裂化装置(FCCU)是石化企业非常重要的装置之一，也是决定企业经济效益的关键 设备之一，因此，对催化裂化装置进行合理的控制，能在生产出更多合格成品油的同时降 低能耗，取得经济效应的最大化。催化裂化中的粗汽油干点是控制催化裂化装置的一个重 要的质量指标，而对其进行准确的测量一直是石化行业的一个难点。这已经成为制约企业 生产能力、产品质量、产量以及生产效益进一步提高的瓶颈。而软测量正是解决此类不能 直接测量或直接测量成本高的过程参数问题的理想方法。附图2为某石化公司炼油厂的催化裂化装置分馏塔的工艺流程图，由反应再生器来的 反应油气进入分馏塔底部，通过人字型挡板与循环油浆逆流接触，洗涤反应油气中催化剂 并脱除过剩热量，使油气呈"饱和状态"进入分馏塔进行分镏。分馏塔顶油气经换热冷却 后，进入分馏塔顶油气分离器进行气、液相分离。分离出的粗汽油分成两路， 一路作为吸 收剂进入吸收塔，另一路作为反应终止剂打入提升管反应器终止段入口。富气进入气压机。 轻柴油自分馏塔抽出自流至轻柴油汽提塔，汽提后的轻柴油经换热后，再分成两路； 一路 经冷却后，使轻柴油温度降至5(TC，作为产品出装置。另一路经冷却后使其温度降至4(TC 送至再吸收塔作再吸收剂。回炼油经升压后一路与原料油混合后进入提升管反应器，另一 路返回分馏塔。分馏塔的主要产品为粗汽油和轻柴油，产品的质量与来自反应再生系统的 反应后的油气有关，同时也与分馏塔的操作条件有关。粗汽油干点的质量控制是采用调整 主分馏塔顶的温度和压力的方案，利用塔顶的关键组分浓度及塔顶温度和压力的变化关系， 参考化验室的分析值对塔顶温度控制器、塔顶循环流量和塔顶冷回流流量进行调节。因此， 粗汽油的干点测量在催化裂化产品控制中具有指导性作用。传统的粗汽油干点测量方法就是人工采集样本，送化验室分析化验，数小时后再把结果 反馈给生产装置，用来指导工艺人员操作。此方法由于时间上的滞后，所得到的粗汽油干 点并不能很好地反映出当时的工况。因此，设计一种能在线测量粗汽油干点的仪表具有非 常重要的价值，而软测量技术就能满足这个要求。软测量就是利用已有的其他变量的测量数据，根据建立的测量模型，推算出待求参数或变量的过程。目前已有的软测量模型主要 分机理模型和数据驱动模型，由于大多数流程工业机理结构复杂，所以机理模型的使用受 到很大的限制。
技术实现思路
为了克服已有的工业软测量仪表或方法模型复杂，参数难以确定，测量误差较大，测 量模型通用性差等缺点，本专利技术提出一种基于(茎环操作的DNA遗传算法)SRNA-GA的模型 软测量方法。本专利技术提供的催化裂化粗汽油干点软测量仪表，包括与现场工业对象连接的现场智能仪 表、现场数据采集和预处理模块、SRNA-GA算法优化模块、数据存储和更新模块、RBF神经 网络软测量模块、高速工业处理器等，高速工业处理器主要功能有1) 接收来自现场智能仪表和数据库的数据，实现数据的存储和转发功能；2) 接收来自RBF神经网络的请求信号，并对信号进行处理，对数据库发出相应的指令；3) 运行SRNA-GA优化算法，实现RBF神经网络的参数训练和校正；现场数据采集和预处理模块采集催化裂化粗汽油干点软测量中相应的辅助变量，这 些变量主要包括分馏塔塔顶温度、分馏塔塔顶粗汽油分压、内回流比、油气分离器液位。 随后对数据进行归一化，标准化处理，使得处理后各变量的均值为0，方差为l，得到输入 矩阵X，其计算公式如下(1) 一 (3)所示。计算均值玩=丄^ 7X, (1) 计算方差 2=丄￡(汉,-^)2 (2)归一化z二77-" (3)其中7T为采集的辅助变量样本，W为采集辅助变量样本数，7X为采集的辅助变量样本均值。经过归一化处理后的数据能消除各变量由于量纲的不同而带来的误差，以体现出各个 变量在软测量模型中的统一权重。决定粗汽油干点的因素很多，在这里，通过简单的机理分析，去除次要因素，得到粗汽油干点与辅助变量的关系为消= ,，，x3(^4 W] (4)<formula>formula see original document page 8</formula> 式中各变量代表的含义为_y(yt)——粗汽油干点，°C;;c""——分馏塔塔顶温度，°C;x2("——分馏塔塔顶粗汽油分压，kPa;尸-凡7—4士馏塔塔顶压力，kPa;i馏塔塔顶粗汽油的摩尔分量；-粗汽油流量，i 3——富气流量，i w——酸性水流量，Mg——粗汽油平均分子量；JC3(A:)——内回流比；《——内回流量，i 4——粗汽油冷回流流量，/ 5——塔顶回流流量，cp——粗汽油液相比热容，kcal/(kg °C)r2——顶回流返塔温度；A——粗汽油潜热，fcfl〃紐；x4&)——油气分离器液位，m; ——待估函数。RBF神经网络软测量模块建立RBF神经网络软测量模型，用归一化后的数据对神经网 络进行训练，确定相关的神经网络参数。其中神经网络的非线性映射为-其中，x是输入矢量，-(，)为iT —/ 的非线性函数，w,为权值，W = 。 c,.为基 函数中心点， 为隐层节点数。隐层单元将输入样本空间映射到高维的径向基函数空间内。常用的径向基函数有薄板样条函数000 = v2 ln(v)和高斯函数-(v) = exp(-— / cr2),其中cr为高斯基函数宽度。采用这两种基函数都可使RBF神经网络具有很好的逼近能力。在本专利技术 中，RBF神经网络的基函数采用薄板样条函数。当网络输入层节点数、隐层节点数和基函数 中心确定后，由于神经网络输出对隐层权重是线性的，可采用最小二乘算法进行求解，避 免了类似于BP神经网络那样繁琐的计算。对于单输入单输出(SISO)系统，RBF神经网络实际上实现了一种非线性自回归模型，如 下式所示。其中，；c = -1),…_附)，"(A -1)，…-")]确定了 RBF神经网络的输入层单元。参数m和n表示过去时刻的m个输入和n个输出通过网络实现的对系统将来输出的映射，该映射一 般根据先验知识事先确定。RBF网络的隐层节点数和基函数中心点由SRNA-GA算法优化模块 求解。由于误差的存在，当RBF网络的输出误差达到一定上限值的时候，需要重新对隐层 节点数和基函数中心点进行优化，以满足软测量精度的需要，从而实现RBF神经网络软测 量模块的校正。SRNA-GA算法优化模块神经网络的优化设计包括参数学习和结构设计，并且结构设计 远比参数学习困难的多，至今没有确定的方法可循。在本专利技术中，根据输入变量的数量固 定RBF神经网络的输入层接点数",，然后利用SRNA-GA算法优化模块，确定网络隐层节点数和基函数的中心点c。由于网络输出对隐层权重是线性的，为了避免繁琐的计算，本专利技术 采用递推最小二乘算法进行求解。由于工业现场对数据的实时性和测量精度要求较高，所以建立的软测量模型也一定要满病,)足精确性和实时性的要求，这就要求能有一种好的优化算法来对RBF神经网络的参数进行 训练优化。本专利技术采用一种全新的SRNA-GA优化算法，其具体实现方式如下-RNA序列的解空间为E={A， 本文档来自技高网...

【技术保护点】
一种催化裂化粗汽油干点的软测量仪表，包括与现场工业对象连接的现场智能仪表、数据采集和预处理模块、ＳＲＮＡ－ＧＡ算法优化模块、数据存储和更新模块、ＲＢＦ神经网络软测量模块，高速工业处理器，所述的高速工业处理器主要功能有：　１）接收来自现 场智能仪表和数据库的数据，实现数据的存储和转发功能；　２）接收来自ＲＢＦ神经网络的请求信号，并对信号进行处理，对数据库发出相应的指令；　３）运行ＳＲＮＡ－ＧＡ优化算法，并把结果发送给神经网络模块，实现ＲＢＦ神经网络的参数训练；　 　ｉ．现场数据采集和预处理模块：采集催化裂化粗汽油干点软测量中相应的辅助变量，随后对数据进行归一化，标准化处理，使得处理后各变量的均值为０，方差为１，得到输入矩阵Ｘ，采用以下过程来完成，其计算公式如下（１）－（３）：　计算均值：＊ ＝１／Ｎ＊ＴＸ↓［ｉ］　（１）　计算方差：σ↓［ｘ］↑［２］＝１／Ｎ＊（ＴＸ↓［ｉ］－＊）↑［２］　（２）　归一化：Ｘ＝ＴＸ－＊／σ↓［ｘ］　（３）　其中，ＴＸ为采集的辅助变量样本，Ｎ为采集辅助变量样本数，＊为采集的 辅助变量样本均值。　决定粗汽油干点的因素很多，通过简单的机理分析，去除次要因素，得到粗汽油干点与辅助变量的关系为：　ｙ（ｋ）＝ｆ［ｘ↓［１］（ｋ），ｘ↓［２］（ｋ），ｘ↓［３］（ｋ），ｘ↓［４］（ｋ）］　（４）　ｘ↓［２ ］＝Ｐ↓［ｘ↓［Ｇ］］　（５）　＊＊＊　（６）　ｘ↓［３］＝Ｒ↓［１］／Ｒ↓［２］　（７）　Ｒ↓［１］＝（Ｒ↓［４］＋Ｒ↓［５］）［１＋ｃ↓［ｐ］（Ｔ↓［１］－Ｔ↓［２］）／λ］　（８）　式中各变量代表的含义 为：　ｙ（ｋ）－粗汽油干点，℃；ｘ↓［１］（ｋ）－分馏塔塔顶温度，℃；　ｘ↓［２］（ｋ）－分馏塔塔顶粗汽油分压，ｋＰａ；Ｐ－分馏塔塔顶压力，ｋＰａ；　ｘ↓［Ｇ］－分馏塔塔顶粗汽油的摩尔分量；Ｒ↓［２］－粗汽油流量，ｔ／ｈ； Ｒ↓［３］－富气流量，ｔ／ｈ；　Ｒ↓［ｗ］－酸性水流量，ｔ／ｈ；Ｍ↓［ｇ］－粗汽油平均分子量；ｘ↓［３］（ｋ）－内回流比；Ｒ↓［１］－内回流量，ｔ／ｈ；Ｒ↓［４］－粗汽油冷回流流量，ｔ／ｈ；Ｒ↓［５］－塔顶回流流量，ｔ／ｈ；ｃ↓［ｐ］ －粗汽油液相比热容，ｋｃａｌ／（ｋｇ.℃）；Ｔ↓［２］－顶回流返塔温度；λ－粗汽油潜热，ｋｃａｌ／ｋｇ；ｘ↓［４］（ｋ）－油气分...

【技术特征摘要】

【专利技术属性】
技术研发人员：王康泰，王宁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]