[发明专利]一种渣油延迟焦化过程中收率实时预测方法

权利要求书

1.一种渣油延迟焦化过程中收率实时预测方法，其特征在于，包括以下步骤：

(1)利用VB.net软件平台开发炼油厂PHD实时数据库与机理模型之间的数据通信接口，实现渣油延迟焦化过程的实时数据收集；基于物料平衡、能量平衡和现场仪表情况对数据进行调和，剔除无用和错误的实时数据；

(2)根据实时采集的装置数据，以延迟焦化反应器出口的模型预测值和实际值的平方差最小作为优化目标，利用智能优化算法进行求解，拟合反应动力学参数，实现机理模型实时校正，其中所述智能优化算法为带有三角变异的差分算法并且被表示为：

r′＝(r₁+r₂+r₃)/3+(p₂-p₁)(r₁-r₂)+(p₃-p₂)(r₂-r₃)+(p₁-p₃)(r₃-r₁)

其中，p₁＝|f(r₁)|/p′，p₂＝|f(r₂)|/p′，p₃＝|f(r₃)|/p′以及p′＝|f(r₁)|+|f(r₂)|+|f(r₃)|；

(3)在精确的模型基础上，分析在不同原料品质、加工量和操作工艺条件下的关键产品收率，建立产品收率数据库；

(4)利用产品收率数据库训练延迟焦化反应过程的神经网络代理模型，根据收率变化趋势曲线进行分段线性化，计算Delta-Base数据，为建立精确的计划优化PIMS模型提供理论支撑，其中根据给定的渣油品质和操作条件计算出装置各项关键产品的预测收率作为Base数据，并且根据设定的自由变量，自动计算该变量在给定值邻域内变化下的产品收率预测数据，并计算出单位变量改变下收率的变化量，该变化量即作为装置收率预测的Delta数据，计算公式如下：

其中，Val表示指定的自由变量，Y^keyproduct表示关键产品预测收率。

2.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(1)中所采集的实时数据为渣油原料进料负荷、密度、硫含量、残炭含量、反应器入口温度、反应压力和产品流量信息。

3.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(2)中所述装置数据是指渣油原料进料负荷、反应器入口温度、反应压力以及产品流量信息。

4.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(2)中所采用的优化算法为带有三角变异的差分进化算法，并定义优化目标为：

式中：决策变量x包括各个反应的动力学因子，x_actual和x_calculate分别表示实际和计算得到的产品油质量收率。

5.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(3)中原料品质指原料密度、硫含量和残炭含量；操作工艺条件是指反应器入口温度和反应压力，关键产品则是指富气、汽油、柴油和蜡油。

6.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(4)中使用了神经网络模型来替代机理模型进行预测计算；其中神经网络模型采用反向传播神经网络，选取6个神经网络输入变量：进料负荷、密度、硫含量、残炭含量、反应器入口温度、反应压力；5个输出变量：富气、汽油、柴油、蜡油、焦炭；隐含层设置为7层；利用代理模型对延迟焦化产品收率进行实时预测，并获得相应的Delta-Base值。