【技术实现步骤摘要】
本专利技术涉及瓦斯气脱硫，具体涉及一种基于方案优化的瓦斯气脱硫智能系统及方法。
技术介绍
1、瓦斯管网是炼厂企业供能系统的重要组成部分，是炼厂企业燃料的主要来源之一，为炼厂企业各装置加热炉提供燃料。瓦斯管网是承载瓦斯气运输的主要设备，炼厂生产装置运行时直接产生的高压瓦斯气会直接并入高压瓦斯气管网，用作炼厂各装置加热炉的燃料，但由于这部分高压瓦斯气硫化氢含量高，瓦斯气品质较差，各装置加热炉在运行过程当中容易造成二氧化硫排放浓度超标。
2、2017年7月1日炼油企业开始严格执行《石油炼制工业污染物排放标准》(gb31570-2015)所规定的大气污染物排放限值，其中，对于工艺加热炉排放烟气中的二氧化硫排放浓度要求更为严格，工艺加热炉的二氧化硫排放浓度治理工作已经成为炼厂企业烟气污染物治理的重点工作之一，针对这种现状，各大炼厂企业进行了大量的研究，其中，大多数为针对燃料气系统的优化及瓦斯脱硫装置工艺流程的优化，此类方法需要进行装置系统结构上的调整及更改，成本较高，周期较长，缺少应用于瓦斯管网系统的调度优化算法。
【技术保护点】
1.一种基于方案优化的瓦斯气脱硫智能系统，其特征在于，包括以下模块：
2.如权利要求1所述的基于方案优化的瓦斯气脱硫智能系统，其特征在于，所述二氧化硫排放浓度智能预测模型采用RBF神经网络模型，RBF神经网络模型的构建包括如下小步：
3.如权利要求1所述的基于方案优化的瓦斯气脱硫智能系统，其特征在于，所述二氧化硫排放浓度智能预测模型的模型训练单元为利用历史数据调整模型的预测精度；
4.如权利要求1所述的基于方案优化的瓦斯气脱硫智能系统，其特征在于，所述瓦斯管网优化调度模型利用二氧化硫排放浓度预测值、瓦斯输送装置及管道建立瓦斯管网优化...
【技术特征摘要】
1.一种基于方案优化的瓦斯气脱硫智能系统，其特征在于，包括以下模块：
2.如权利要求1所述的基于方案优化的瓦斯气脱硫智能系统，其特征在于，所述二氧化硫排放浓度智能预测模型采用rbf神经网络模型，rbf神经网络模型的构建包括如下小步：
3.如权利要求1所述的基于方案优化的瓦斯气脱硫智能系统，其特征在于，所述二氧化硫排放浓度智能预测模型的模型训练单元为利用历史数据调整模型的预测精度；
4.如权利要求1所述的基于方案优化的瓦斯气脱硫智能系统，其特征在于，所述瓦斯管网优化调度模型利用二氧化硫排放浓度预测值、瓦斯输送装置及管道建立瓦斯管网优化调度模型，构建当前调度方案下的方案评价的奖惩函数，以预测输出的二氧化硫排放浓度作为评判标准。
5.如权利要求1所述的基于方案优化的瓦斯气脱硫智能系统，其特征在于，所述瓦斯管网优化调度模型利用历史数据筛选出超表次数较多的消耗装置及治理设施，根据超标次数及超表浓度，修正瓦斯气调度方案，优先进行瓦斯气脱硫处理，将处理后的瓦斯气重新并入管网，以此降低消耗装置的二氧化硫排放浓度。
6.一种基于方案优...
【专利技术属性】
技术研发人员：张健，齐立志，孙启洪，吉洋，唐志胜，邱少荣，杨维鹏，
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：
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。