[发明专利]液化石油气裂解关键产品收率预测及原料优化方法

权利要求书

1.一种液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，所述方法包括以下步骤：

步骤1：以液化石油气裂解原料组成成分及操作条件作为输入变量，针对每个关键产品收率为输出变量建模，构建裂解关键产品的神经网络模型：

f(xi)=f2(Σiw2f1(Σiw1xi+b1i)+b2i)]]>

其中b₁和w₁为网络隐含层系数；b₂和w₂为输出层系数；x_i为模型输入；f₁表示隐含层传递函数；f₂是输出层传递函数；

步骤2：针对关键产品利用裂解炉模拟软件构建裂解收率模型，产生仿真数据；

步骤3：选取步骤2中获得的仿真数据，利用粒子群算法对步骤1中的神经网络模型进行训练，得到模型的连接权值和偏置值；

步骤4：采集工业现场数据对模型进行误差验证；

步骤5：以实时工况数据作为模型输入，预测裂解关键产品收率；

步骤6：利用粒子群算法优化计算裂解原料组成，从而得到使裂解产品总收益最大的最优液化石油气原料组成成分分布。

2.根据权利要求1所述的液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，步骤2中，所述裂解收率模型结合现场数据进行模型校正后产生仿真数据。

3.根据权利要求1所述的液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，对于步骤2中所述模型隐含层节点数确定方法为：

L=(mn)^1/2+(7～15)

其中,m为输入神经元数；n为输出神经元数。

根据权利要求2所述的液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，步骤1中所述原料组成包括：乙烷、丙烷、正构丁烷、异构丁烷和正构戊烷；

所述操作条件包括：出口温度、进料质量流量和汽烃比。

4.根据权利要求1所述的液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，所述步骤4中选取工业现场数据进行验证，对比工业现场丙烯乙烯比与模型仿真得到的丙烯乙烯比的偏差。

5.根据权利要求1所述的液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，所述关键产品为乙烯和丙烯。

6.根据权利要求1所述的液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，对所述步骤3中粒子群算法需要设置训练参数，加速系数c₁，c₂以及进化代数。

7.根据权利要求1所述的液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，所述步骤5中实时工况数据为小时平均值。

8.根据权利要求1所述的液化石油气裂解关键产品收率预测及原料优化方法，其特征在于，对于所述步骤6，确定操作条件的前提下，所述产品总效益为:

f(x)=Σn=0manyn]]>

其中m为产品总数，a_n为第n个产品的单价，y_n为第n个产品的质量收率。