基于时序隐空间编码的催化再生烟气SO2浓度预测方法技术

本发明专利技术涉及催化裂化装置污染物预测与控制技术领域，具体涉及一种基于时序隐空间编码的催化再生烟气SO<subgt;2</subgt;浓度预测方法，该方法包括：S1、构建TSE‑TCN神经网络模型的编码模块；S2、构建TSE‑TCN神经网络模型的预测模块；S3、构建TSE‑TCN神经网络模型的解码模块；S4、对构建完成的所述TSE‑TCN神经网络模型进行训练；S5、运用训练好的所述TSE‑TCN神经网络模型，对下一采样时刻的催化再生烟气SO2浓度进行预测。运用该方法，基于全新的TSE‑TCN神经网络模型，能够完成高维输入变量的压缩与目标函数的预测，并支持端到端的训练，而基于损失函数形成目标函数能够使用多目标优化算法得到全局最优解，从而一次性完成TSE‑TCN神经网络模型的训练，从而实现催化再生烟气SO<subgt;2</subgt;浓度的高精度预测。

【技术实现步骤摘要】

本专利技术涉及催化裂化装置污染物预测与控制，具体涉及一种基于时序隐空间编码的催化再生烟气so2浓度预测方法。

技术介绍

1、催化流动床催化裂化(fcc)单元作为炼油企业中的核心单元，生产了世界上35％-50％的汽油。然而，催化再生烟气中的二氧化硫、氮氧化物、一氧化碳等物质无法避免地会对环境造成损害。一般地，fcc产生的烟气占整个炼油企业排放总量的46％左右。fcc烟气中的so2主要由催化剂再生烧焦产生。而随着逐渐严格的环保要求以及碳达峰碳中和路线的提出，迫切需要对催化再生废气中的so2进行控制。

2、钠碱法脱硫是炼油企业中最常用的烟气脱硫方式。由于催化再生反应的复杂性和动态性，烟气中so2的含量很难被预测与消除，可能会造成超标排放。严重时可能由于法律法规对排放的限制导致装置的降负荷运行，从而进一步影响企业的经济效益。目前，企业仍存在大量或超量加注碱液的情况，违背了可持续发展以及节能降碳的要求，造成了资源浪费。对烟气so2浓度的精确预测，能够有效指导烟气脱硫设施的调整与运行，从而进一步控制其排放与资源的浪费。因此，亟待研发精确可靠的催化再生烟气s本文档来自技高网...

【技术保护点】

1.一种基于时序隐空间编码的催化再生烟气SO2浓度预测方法，其特征在于，所述基于时序隐空间编码的催化再生烟气SO2浓度预测方法包括以下步骤：

2.根据权利要求1所述的基于时序隐空间编码的催化再生烟气SO2浓度预测方法，其特征在于，在步骤S1中，所述构建TSE-TCN神经网络模型的编码模块，具体包括：

3.根据权利要求2所述的基于时序隐空间编码的催化再生烟气SO2浓度预测方法，其特征在于，在步骤S1.1中，所述将采集到的催化裂化装置反应再生过程的状态监测历史数据和SO2浓度监测历史数据，在时间维度方向上进行切片，具体包括：

4.根据权利要求2所述的基于时...

【技术特征摘要】

1.一种基于时序隐空间编码的催化再生烟气so2浓度预测方法，其特征在于，所述基于时序隐空间编码的催化再生烟气so2浓度预测方法包括以下步骤：

2.根据权利要求1所述的基于时序隐空间编码的催化再生烟气so2浓度预测方法，其特征在于，在步骤s1中，所述构建tse-tcn神经网络模型的编码模块，具体包括：

3.根据权利要求2所述的基于时序隐空间编码的催化再生烟气so2浓度预测方法，其特征在于，在步骤s1.1中，所述将采集到的催化裂化装置反应再生过程的状态监测历史数据和so2浓度监测历史数据，在时间维度方向上进行切片，具体包括：

4.根据权利要求2所述的基于时序隐空间编码的催化再生烟气so2浓度预测方法，其特征在于，在步骤s1.1中，所述状态监测历史数据包括温度、压力、液位、流量和滑阀阀位状态监测历史数据。

5.根据权利要求2所述的基于时序隐空间编码的催化再生烟气so2浓度预测方法，其特征在于，在步骤s1.2中，所述将获得的切片后的状态监测历史数据矩阵zb＝[z1,z2,...,zb]和so2浓度监测历史数据矩阵yb＝[y1,y2,...,yb]合并，形成矩阵具体包括：

6.根据权利要求2所述的基于时序隐空间编码的催化再生烟气so2浓度预测方法，其特征在于，在步骤s1.3中，所述第一映射函数具体为h＝gφ(x)＝f(wx+b)；

7.根据权利要求2所述的基于时序隐空间编码的催化再生烟气so2浓度预测方法，其特征在于，在步骤s2中，所述构建tse-tcn神经网络模型的预测模块，具体包括：...

【专利技术属性】
技术研发人员：蒋瀚，杨文玉，高阳，张树才，李焕，卢薇，丁禄彬，
申请(专利权)人：中国石油化工股份有限公司，
类型：发明
国别省市：