System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种费托合成浆态床催化剂智能运行管理方法技术_技高网

一种费托合成浆态床催化剂智能运行管理方法技术

技术编号:40524677 阅读:7 留言:0更新日期:2024-03-01 13:43
本发明专利技术提供一种费托合成浆态床催化剂智能运行管理方法,包括:采集费托合成过程中的历史运行数据,并进行数据治理,得到治理后的数据样本;建立机理模型和工艺模型;数据特征分析,找到不同类型数据之间的关系;划分工况,构建并输出数据模型;根据数据模型模拟绘制出适用于不同工况的参数动态健康基准线;模型评估,合格后作为功能模块组件部署;采集费托合成过程中的实时运行数据,并建立的功能模块,与功能模块中的数据模型输出结果进行比对。本发明专利技术能够使费托合成浆态床催化剂高性能运行,提升了整体费托合成反应绩效,解决了变化出口产品的稳定和氢碳比合理配置问题,并保证费托合成反应过程变换催化剂的健康稳定。

【技术实现步骤摘要】

本专利技术涉及化工行业辅助运行,具体为一种费托合成浆态床催化剂智能运行管理方法


技术介绍

1、费托合成反应以氢气、一氧化碳为原料,经过一定的配比,在适当的温度和压力下与浆态床中液相内分布的催化剂颗粒接触,通过催化剂催化作用,实现合成烃类的化工技术。烃类产品从c1-c80都有,过程中会大量产生合成水以及少量含氧有机物,如混醇,羧酸等。费托合成反应过程中,一氧化碳转化率,产品的选择性,如高碳烃、轻质油、重质油、重质蜡的选择性和产率,烯烃或直链烃占比,油水比,原料气单耗,催化剂单位剂耗等核心绩效指标,会因为原料气中氢气和一氧化碳组成,硫含量,氢碳比以及负荷的不同,催化剂状态、藏量和性能的不同,以及反应操作参数控制方案的不同,最终产生不同的结果。费托合成反应绩效,是由催化剂性能状态直接影响的。

2、催化剂的活性降低会加速费托合成催化剂的性能劣化。运行过程中,由于影响因素以及控制变量繁多且及其复杂,费托合成催化剂性能难以稳定在较优的区间运行,直接影响催化反应后产品的组成、性质以及目标产品的收率以及反应过程的原料消耗、能耗,如原料气单耗,产品产率,压缩机循环量,二氧化碳排放量等。复杂且缺乏精准感知的运行过程,导致催化剂性能无充分发挥,反应方向和深度难以精准控制,产品产量和质量以及生产绩效难以优化。

3、然而费托合成催化反应的效率高低、能效优劣是由催化剂的运行性能决定的,现有技术中,费托合成浆态床催化剂的快速劣化和伤害时有发生,具体原因一是缺少对催化剂使用过程中性能的有效感知;二是缺少对催化剂使用维护的有效依据。费托合成催化反应工段的主要痛点包括管理中,无催化剂态势和细节感知,难以对生产运行情况先知先觉,触发预警;催化剂健康状态、运行环境缺少实时分析和评价;缺少运行寿命和使用周期预测手段;缺少物性数据、工艺参数及性能指标的相关性分析;无工况寻优手段,难以建立生产决策与生产控制之间的良性循环;元数据质量参差不齐,无法快速适用,并将数据变现;数据价值未进行深入挖掘和利用。


技术实现思路

1、针对现有技术存在的不足,本专利技术目的是提供一种费托合成浆态床催化剂智能运行管理方法,以解决上述
技术介绍
中提出的问题,本专利技术能够使费托合成浆态床催化剂高性能运行,提升了整体费托合成反应绩效,解决了变化出口产品的稳定和氢碳比合理配置问题,并保证费托合成反应过程变换催化剂的健康稳定。

2、为了实现上述目的,本专利技术是通过如下的技术方案来实现:一种费托合成浆态床催化剂智能运行管理方法,包括以下步骤:

3、步骤一、采集费托合成反应过程中的dcs、scada、plc以及应用系统的历史运行数据,所述历史运行数据包括工况参数、工况参数、目标数据,其中工况参数包括原料气组成、原料气h/c、原料气硫含量、原料气进料量、原料气配氢量,对该部分数据进行数据治理,获取治理后的数据样本;

4、步骤二、利用步骤一中的样本数据建立机理模型和工艺模型,且建立工艺模型为按照费托合成反应设计文件、dcs画面以及操作习惯,对费托合成反应过程进行建立工艺模型,模拟反应过程操作工艺及相关数据;

5、步骤三、利用步骤二中建立的机理模型的输出数据、工艺模型的输出数据,以及步骤一中数据样本进行数据特征分析,找到不同类型数据之间的关系;

6、步骤四、利用步骤三中的数据特征划分工况,以及步骤三中的反应器入口原料流量和粗合成气中co、co2、h2、s含量、ch4,原料气h/c、原料气配氢量数据的不同区间数据组合后,形成若干工况分区,基于工况分区内不同的运行数据集构建数据模型;

7、步骤五、对步骤四中得到的数据模型的实用性、适用性、准确性、误差、实效性以及模型的可行性进行评估,合格后作为功能模块组件部署,由于数据样本问题造成不合格数据模型返回步骤一处理;由于机理模型问题造成不合格数据模型返回步骤二处理;由于特征分析问题造成不合格数据模型返回步骤三处理;

8、步骤六、采集甲醇制烯烃反应过程中的实时运行数据,并接入步骤五建立的功能模块,与功能模块中的数据模型输出结果进行比对;根据比对结果推送操作建议,在结果指标或绩效指标出现劣化时推送当前工况下最优操作控制方案;结果指标或绩效指标保持平稳时,即与输出结果值偏差在一定范围内,则保持现状,不进行指标优化操作。

9、进一步的,所述步骤一中的操作数据包括原料气组分分析数据、入塔气组分分析数据、循环气组分分析数据、去脱碳组分分析数据、原料气流量、入塔气流量、循环气组流量、去脱碳流量、低甲尾气总硫、自循环气压缩机循环气组份、入塔气流量、自尾气脱碳单元脱碳净化气流量、中温合成水流量、出口合成水流量、出口轻质油流量、重质蜡管线流量、重质蜡管线流量、汽包出口蒸汽流量、出口蒸汽流量指示、出口循环水流量、自精脱硫单元费托净化气流量、自尾气转化装置psa单元氢气流量、出口重质油流量、循环气压缩机透平蒸汽入口流量、去尾气脱碳单元的反吹气流量、除氧水流量、自精脱硫单元费托净化气流量、重质油液位、轻质油水液位、重质蜡液位、入口高温油气与循环气差压、内除沫器上下部低温油气差压、自精脱硫单元费托净化气压力、自尾气脱碳单元脱碳净化气压力、自尾气转化装置psa单元氢气压力、轻质油气压力、入口循环气压力、冷侧压差、出口循环气压力、顶部低温油气压力、顶部释放气压力、蜡/油/气所有温度、反应器底部废催化剂浆液所有温度、反应器重质蜡温度、催化剂浆液温度、反应器顶部高温油气温度、自精脱硫单元费托净化气温度、自尾气脱碳单元脱碳净化气温度、自尾气转化装置psa单元氢气温度、反应器出口温度偏差、反应器出口冷却器出口温度、自循环气压缩机循环气组份、自循环气压缩机循环气组份、自循环气压缩机循环气组份、自循环气压缩机循环气组份、二氧化硅、电导率、入塔气流量、自尾气脱碳单元脱碳净化气流量、自尾气转化装置psa单元氢气流量、中温合成水流量指示、稳定重质蜡至汽提塔、重质蜡管线流量、重质蜡管线流量、循环气压缩机透平蒸汽入口流量、去尾气脱碳单元的反吹气流量、去尾气脱碳单元的反吹气流量、油水界位。

10、进一步的,所述目标数据包括轻质油产量、重质油产量、重质蜡产量、合成水产量、co转化率、各产品选择性、催化剂活性指数、产品收率、催化剂剂耗、单位能耗、原料气单耗。

11、进一步的,所述步骤一中的数据治理包括如下治理方法中的一种或多种:数据清洗,数据滤波,数据整定,数据标准化,数据对齐。

12、进一步的,所述步骤三中的述数据特征分析包括如下分析方法中的一种或多种:

13、相关性分析,找到不同类型数据间关联系数大小以及正负相关性;

14、主成分分析,找到数据的主要影响因素;

15、因果链路分析,找到数据的影响因素的因果关系;

16、专家经验分析法,集合现场专家经验,找到经验性优化规则边界。

17、进一步的,所述数据模型包括。

18、进一步的,所述步骤四中根据数据模型模拟绘制出适用于不同工况的动态健康基准线,以及本文档来自技高网...

【技术保护点】

1.一种费托合成浆态床催化剂智能运行管理方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述步骤一中的操作数据包括原料气组分分析数据、入塔气组分分析数据、循环气组分分析数据、去脱碳组分分析数据、原料气流量、入塔气流量、循环气组流量、去脱碳流量、低甲尾气总硫、自循环气压缩机循环气组份、入塔气流量、自尾气脱碳单元脱碳净化气流量、中温合成水流量、出口合成水流量、出口轻质油流量、重质蜡管线流量、重质蜡管线流量、汽包出口蒸汽流量、出口蒸汽流量指示、出口循环水流量、自精脱硫单元费托净化气流量、自尾气转化装置PSA单元氢气流量、出口重质油流量、循环气压缩机透平蒸汽入口流量、去尾气脱碳单元的反吹气流量、除氧水流量、自精脱硫单元费托净化气流量、重质油液位、轻质油水液位、重质蜡液位、入口高温油气与循环气差压、内除沫器上下部低温油气差压、自精脱硫单元费托净化气压力、自尾气脱碳单元脱碳净化气压力、自尾气转化装置PSA单元氢气压力、轻质油气压力、入口循环气压力、冷侧压差、出口循环气压力、顶部低温油气压力、顶部释放气压力、蜡/油/气所有温度、反应器底部废催化剂浆液所有温度、反应器重质蜡温度、催化剂浆液温度、反应器顶部高温油气温度、自精脱硫单元费托净化气温度、自尾气脱碳单元脱碳净化气温度、自尾气转化装置PSA单元氢气温度、反应器出口温度偏差、反应器出口冷却器出口温度、自循环气压缩机循环气组份、自循环气压缩机循环气组份、自循环气压缩机循环气组份、自循环气压缩机循环气组份、二氧化硅、电导率、入塔气流量、自尾气脱碳单元脱碳净化气流量、自尾气转化装置PSA单元氢气流量、中温合成水流量指示、稳定重质蜡至汽提塔、重质蜡管线流量、重质蜡管线流量、循环气压缩机透平蒸汽入口流量、去尾气脱碳单元的反吹气流量、去尾气脱碳单元的反吹气流量、油水界位。

3.根据权利要求2所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述目标数据包括轻质油产量、重质油产量、重质蜡产量、合成水产量、CO转化率、各产品选择性、催化剂活性指数、产品收率、催化剂剂耗、单位能耗、原料气单耗。

4.根据权利要求1所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述步骤一中的数据治理包括如下治理方法中的一种或多种:数据清洗,数据滤波,数据整定,数据标准化,数据对齐。

5.根据权利要求4所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述步骤三中的述数据特征分析包括如下分析方法中的一种或多种:

6.根据权利要求1所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述数据模型包括。

7.根据权利要求1所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述步骤四中根据数据模型模拟绘制出适用于不同工况的动态健康基准线,以及对应的指标健康值范围;在健康参数范围内,通过寻优模型,找到不同的工况下,最优绩效指标对应的最佳操作参数和方案;所述数据模型包括预测性分析模型、稳态操作模型、协同优化模型、绩效管理模型四种模型中的一种或多种。

8.根据权利要求7所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:预测性分析模型,基于机器学习的催化剂使用寿命预测,基于CO转化率、干气、轻质油、重质油、重质蜡选择性、油水比、使用时长、催化剂存量、单耗等指标作为目标指标,构建回归模型并建立机器学习机制,采用有监督的算法实现对催化剂剩余寿命的预测;

9.根据权利要求8所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:数据模型的构建方法包括以下方法中的一种或多种:神经网络法、支持向量机法、决策树法、多元线性回归法、随机森林。

10.根据权利要求7所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述步骤五中的评估方法包括以下方法中的一种或多种:模型准确度法、均方根误差法、均方根对数误差法、相对误差法。

...

【技术特征摘要】

1.一种费托合成浆态床催化剂智能运行管理方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述步骤一中的操作数据包括原料气组分分析数据、入塔气组分分析数据、循环气组分分析数据、去脱碳组分分析数据、原料气流量、入塔气流量、循环气组流量、去脱碳流量、低甲尾气总硫、自循环气压缩机循环气组份、入塔气流量、自尾气脱碳单元脱碳净化气流量、中温合成水流量、出口合成水流量、出口轻质油流量、重质蜡管线流量、重质蜡管线流量、汽包出口蒸汽流量、出口蒸汽流量指示、出口循环水流量、自精脱硫单元费托净化气流量、自尾气转化装置psa单元氢气流量、出口重质油流量、循环气压缩机透平蒸汽入口流量、去尾气脱碳单元的反吹气流量、除氧水流量、自精脱硫单元费托净化气流量、重质油液位、轻质油水液位、重质蜡液位、入口高温油气与循环气差压、内除沫器上下部低温油气差压、自精脱硫单元费托净化气压力、自尾气脱碳单元脱碳净化气压力、自尾气转化装置psa单元氢气压力、轻质油气压力、入口循环气压力、冷侧压差、出口循环气压力、顶部低温油气压力、顶部释放气压力、蜡/油/气所有温度、反应器底部废催化剂浆液所有温度、反应器重质蜡温度、催化剂浆液温度、反应器顶部高温油气温度、自精脱硫单元费托净化气温度、自尾气脱碳单元脱碳净化气温度、自尾气转化装置psa单元氢气温度、反应器出口温度偏差、反应器出口冷却器出口温度、自循环气压缩机循环气组份、自循环气压缩机循环气组份、自循环气压缩机循环气组份、自循环气压缩机循环气组份、二氧化硅、电导率、入塔气流量、自尾气脱碳单元脱碳净化气流量、自尾气转化装置psa单元氢气流量、中温合成水流量指示、稳定重质蜡至汽提塔、重质蜡管线流量、重质蜡管线流量、循环气压缩机透平蒸汽入口流量、去尾气脱碳单元的反吹气流量、去尾气脱碳单元的反吹气流量、油水界位。

3.根据权利要求2所述的一种费托合成浆态床催化剂智能运行管理方法,其特征在于:所述目标...

【专利技术属性】
技术研发人员:张婷婷刘芮旭熊若伊乔石磊金鑫贾卫卫任宝娜
申请(专利权)人:北京数智盈创科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1