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() 基于模式搜索算法的乙烯裂解炉在线优化方法技术_技高网

基于模式搜索算法的乙烯裂解炉在线优化方法技术

技术编号:41129285 阅读:8 留言:0更新日期:2024-04-30 17:58
本发明专利技术涉及石油化工乙烯生产技术领域,是一种基于模式搜索算法的乙烯裂解炉在线优化方法,采集工业乙烯裂解炉系统的数据,建立裂解炉机理模型进行产物预测,得出各个产物模拟的质量分数,以模拟的产物和实际产物的体积分数差值平方和最小化为目标函数,得出出口温度的偏差ΔCOT,建立燃料气的预测模型和超高压蒸汽的预测模型,选择目标函数,用模式搜索优化算法,得出目标函数最大时对应的COT和汽烃比值,预测出优化后的各个产物的收率,以一定的步长,回写到裂解炉控制器中。本发明专利技术结合了机理模型产物预测精度较高的特点,利用模式搜索优化算法,加快了优化收敛速度,提升了目标产物收率,较好的满足现场实时性和经济效益的需求。

【技术实现步骤摘要】

本专利技术涉及石油化工乙烯生产,是一种基于模式搜索算法的乙烯裂解炉在线优化方法


技术介绍

1、乙烯工业是石油化工行业的龙头,乙烯产量是衡量一个国家的石油化工发展水平的标志。裂解炉处于乙烯装置中的龙头位置,对其控制的好坏影响整个乙烯装置的产品质量和产量,而且还影响下游生产装置(如聚乙烯、聚丙烯、乙二醇等生产装置)的平稳操作。

2、裂解深度是衡量裂解炉反应进行程度的重要指标,影响裂解深度的主要因素包括裂解炉出口温度cot,汽烃比、出口压力、裂解原料组成等,其中出口温度cot对乙烯丙烯收率以及乙烯和丙烯收率之比影响最大。目前国内大部分乙烯裂解炉装置均采用cot来表征裂解深度,而cot设定值的选取往往依照裂解炉专利商提供的设计原料条件下的规定值或经验值。然而,现今国内各乙烯生产企业普遍面临裂解原料来源复杂,油品属性波动大等因素,这使得固定的cot生产运行方式不能及时反映由于裂解原料组成以及裂解炉运行状况变化而引起的裂解深度和裂解产品收率变化。因此需要根据当前裂解炉的实时运行情况,来实时的确定最佳的裂解深度。

3、通过建立准确的裂解炉产物收率模型,可以提高裂解炉优化后产物收率的准确性。目前裂解产物收率预测模型主要有三种:经验模型、机理模型以及两者相结合的半经验半机理模型。经验模型虽然收敛速度快,但由于市场上油品信息波动大,裂解原料受炼油装置的影响,使得原料组成变化大,当出现新工况时,需要对裂解炉模型重新进行数据采集、模型训练等工作,不仅花费了人力物力资源,也使得模型的时效性很差。机理模型和半经验半机理模型产物收率预测的精度较高,但在实际生产过程中,由于裂解原料属性以及工艺操作条件的变化,裂解炉装置的运行状况会实时地发生改变,因此各裂解炉的在线机理模型在实际生产中会随着工况的各种变化也随之改变,这就需要对裂解炉在线模型进行实时校正,使模型能够根据工业装置的实际生产过程特性进行自适应的调整,保证模型的准确性。


技术实现思路

1、本专利技术提供了一种基于模式搜索算法的乙烯裂解炉在线优化方法,克服了上述现有技术之不足,其能有效解决乙烯生产现有存在原料来源复杂,油品属性波动大以及裂解炉产物收率低的问题。

2、本专利技术的技术方案是通过以下措施来实现的:一种基于模式搜索算法的乙烯裂解炉在线优化方法,按照下述方法进行:第一步,采集工业乙烯裂解炉系统的数据,包括裂解炉操作条件、油品属性数据以及炉型结构信息,建立裂解炉机理模型进行产物预测;第二步,利用裂解炉机理模型,根据当前的裂解炉操作条件,得出各个产物模拟的质量分数;第三步,将产物模拟的质量分数转为体积分数,再利用黄金分割法,以模拟的产物体积分数和实际产物的体积分数差值平方和最小化为目标函数,使得模拟的产物收率接近于实际的产物收率,并得出出口温度的偏差δcot;第四步,根据当前炉型、裂解原料,以及现场的操作条件,建立燃料气的预测模型和超高压蒸汽的预测模型;第五步,根据现场实际需求情况,选择目标函数;第六步,利用确定的目标函数,根据当前的裂解炉操作条件,用模式搜索优化算法,将cot与汽烃比作为优化变量,调用第三步中校正后的机理模型,得出目标函数最大时对应的cot和汽烃比值;第七步,根据算出的优化后的cot与汽烃比值,调用校正后的机理模型,预测出优化后的各个产物的收率,以及丙乙比,再将丙乙比和优化汽烃比值,以一定的步长,回写到裂解炉控制器中。

3、下面是对上述专利技术技术方案的进一步优化或/和改进:

4、上述第一步中,裂解炉操作条件包括进料负荷、稀释蒸汽比、进料温度、进料压力、出口温度和出口压力,油品属性数据包括液相原料属性数据和气相原料属性数据。

5、上述液相原料属性数据包括正构烷烃、异构烷烃、烯烃、环烷烃、芳烃的质量百分含量和馏程数据,气相原料属性数据包括甲烷、乙烯、丙烯含量的体积分数。

6、上述炉型结构包括裂解炉辐射炉管的有效长度、壁厚、内径的尺寸信息。

7、上述第二步中,裂解炉机理模型为采用商业化的乙烯裂解炉模拟软件或基于物理、化学反应过程的基本原理建立的模型。

8、上述第三步中,产物包括氢气、甲烷、乙烯、乙烷、丙烯和丙烷。

9、上述第四步中,现场的操作条件包括裂解原料、cot、汽烃比、燃料气组成、进料流量和高温烟气预热锅炉给水bfw流量。

10、上述第四步中,燃料气的预测模型是根据裂解炉膛的全局热平衡关系,即燃料气燃烧释放的总热量与炉管的总吸热量、烟气带走的热量和裂解炉的热损失之间的关系,对燃料气消耗进行预测。

11、上述第四步中,超高压蒸汽的预测模型是通过开发的tle和裂解炉对流段的模型进行预测,对流段模型除了需要求解质量、能量和动量守恒这三个基本方程以外,还涉及对流传热方程的求解,其中,tle对流段的模型进行预测是通过输入饱和水流量、气化率和热虹吸参数的条件求解核心的传热公式。

12、上述第五步中,目标函数包括乙烯收率最大化函数、丙烯收率最大化函数、双烯收率最大化函数、三烯收率最大化函数、单程高附收率最大化函数、全程高附收率最大化函数和效益最大化函数。

13、本专利技术的优异效果如下:

14、一、本专利技术摒弃了传统的依据技术工人的经验对当前的工况数据进行模型选择配置的弊端。

15、二、本专利技术结合了机理模型产物预测精度较高的特点,利用黄金分割法拟合轻组分体积收率的校正方式,同样适用于不同裂解炉模型的校正,具有广泛的适用性。

16、三、本专利技术建立了燃料气、ss蒸汽预测模型以及在裂解炉机理模型校正的基础上获得的产物收率分布,为石化企业乙烯裂解装置的生产提供合理的预测。

17、四、本专利技术通过dcs发送的优化选择信号确定目标函数,可以满足企业生产根据实际需求的不同,而选择不同的优化指标,具有较好的灵活性。

18、五、本专利技术根据确定的目标函数以及校正后的机理模型,利用模式搜索优化算法,加快了优化收敛速度,提升了目标产物收率,较好的满足现场实时性和经济效益的需求。

本文档来自技高网...

【技术保护点】

1.一种基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于按照下述方法进行:第一步,采集工业乙烯裂解炉系统的数据,包括裂解炉操作条件、油品属性数据以及炉型结构信息,建立裂解炉机理模型进行产物预测;第二步,利用裂解炉机理模型,根据当前的裂解炉操作条件,得出各个产物模拟的质量分数;第三步,将产物模拟的质量分数转为体积分数,再利用黄金分割法,以模拟的产物体积分数和实际产物的体积分数差值平方和最小化为目标函数,使得模拟的产物收率接近于实际的产物收率,并得出出口温度的偏差ΔCOT;第四步,根据当前炉型、裂解原料,以及现场的操作条件,建立燃料气的预测模型和超高压蒸汽的预测模型;第五步,根据现场实际需求情况,选择目标函数;第六步,利用确定的目标函数,根据当前的裂解炉操作条件,用模式搜索优化算法,将COT与汽烃比作为优化变量,调用第三步中校正后的机理模型,得出目标函数最大时对应的COT和汽烃比值;第七步,根据算出的优化后的COT与汽烃比值,调用校正后的机理模型,预测出优化后的各个产物的收率,以及丙乙比,再将丙乙比和优化汽烃比值,以一定的步长,回写到裂解炉控制器中。

2.根据权利要求1所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于第一步中,裂解炉操作条件包括进料负荷、稀释蒸汽比、进料温度、进料压力、出口温度和出口压力,油品属性数据包括液相原料属性数据和气相原料属性数据。

3.根据权利要求2所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于液相原料属性数据包括正构烷烃、异构烷烃、烯烃、环烷烃、芳烃的质量百分含量和馏程数据,气相原料属性数据包括甲烷、乙烯、丙烯含量的体积分数。

4.根据权利要求1或2或3所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于炉型结构包括裂解炉辐射炉管的有效长度、壁厚、内径的尺寸信息。

5.根据权利要求1至4中任一项所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于第二步中,裂解炉机理模型为采用商业化的乙烯裂解炉模拟软件或基于物理、化学反应过程的基本原理建立的模型。

6.根据权利要求1至5中任一项所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于第三步中,产物包括氢气、甲烷、乙烯、乙烷、丙烯和丙烷。

7.根据权利要求1至6中任一项所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于第四步中,现场的操作条件包括裂解原料、COT、汽烃比、燃料气组成、进料流量和高温烟气预热锅炉给水BFW流量。

8.根据权利要求1至7中任一项所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于第四步中,燃料气的预测模型是根据裂解炉膛的全局热平衡关系,即燃料气燃烧释放的总热量与炉管的总吸热量、烟气带走的热量和裂解炉的热损失之间的关系,对燃料气消耗进行预测。

9.根据权利要求1至8中任一项所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于第四步中,超高压蒸汽的预测模型是通过开发的TLE和裂解炉对流段的模型进行预测,对流段模型除了需要求解质量、能量和动量守恒这三个基本方程以外,还涉及对流传热方程的求解,其中,TLE对流段的模型进行预测是通过输入饱和水流量、气化率和热虹吸参数的条件求解核心的传热公式。

10.根据权利要求1至9中任一项所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于第五步中,目标函数包括乙烯收率最大化函数、丙烯收率最大化函数、双烯收率最大化函数、三烯收率最大化函数、单程高附收率最大化函数、全程高附收率最大化函数和效益最大化函数。

...

【技术特征摘要】

1.一种基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于按照下述方法进行:第一步,采集工业乙烯裂解炉系统的数据,包括裂解炉操作条件、油品属性数据以及炉型结构信息,建立裂解炉机理模型进行产物预测;第二步,利用裂解炉机理模型,根据当前的裂解炉操作条件,得出各个产物模拟的质量分数;第三步,将产物模拟的质量分数转为体积分数,再利用黄金分割法,以模拟的产物体积分数和实际产物的体积分数差值平方和最小化为目标函数,使得模拟的产物收率接近于实际的产物收率,并得出出口温度的偏差δcot;第四步,根据当前炉型、裂解原料,以及现场的操作条件,建立燃料气的预测模型和超高压蒸汽的预测模型;第五步,根据现场实际需求情况,选择目标函数;第六步,利用确定的目标函数,根据当前的裂解炉操作条件,用模式搜索优化算法,将cot与汽烃比作为优化变量,调用第三步中校正后的机理模型,得出目标函数最大时对应的cot和汽烃比值;第七步,根据算出的优化后的cot与汽烃比值,调用校正后的机理模型,预测出优化后的各个产物的收率,以及丙乙比,再将丙乙比和优化汽烃比值,以一定的步长,回写到裂解炉控制器中。

2.根据权利要求1所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于第一步中,裂解炉操作条件包括进料负荷、稀释蒸汽比、进料温度、进料压力、出口温度和出口压力,油品属性数据包括液相原料属性数据和气相原料属性数据。

3.根据权利要求2所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于液相原料属性数据包括正构烷烃、异构烷烃、烯烃、环烷烃、芳烃的质量百分含量和馏程数据,气相原料属性数据包括甲烷、乙烯、丙烯含量的体积分数。

4.根据权利要求1或2或3所述的基于模式搜索算法的乙烯裂解炉在线优化方法,其特征在于炉型结...

【专利技术属性】
技术研发人员:蒋鹏飞万家川杜文莉丁少辉田洲周钊宋长轩王婷叶贞成王明明
申请(专利权)人:中国石油天然气股份有限公司
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