[发明专利]一种渣油延迟焦化过程中收率实时预测方法

摘要

本发明公开了一种渣油延迟焦化过程中收率实时预测方法。该方法结合延迟焦化反应器特点，建立轴向绝热反应器的数学模型。基于物料平衡、热量平衡原理对收集的装置实时数据进行处理，结合智能优化算法，对延迟焦化反应动力学参数进行实时校正，使机理模型能够精确描述装置实际运行情况。在精确机理模型基础上，分析关键操作/工艺条件，对延迟焦化产品收率的影响，结合神经网络建模技术，将操作条件与收率数据之间进行关联，建立收率代理模型，提高收率数据计算速度。根据收率影响趋势进行分段线性化，求解线性方程，获得PIMS计划模型中相应的Delta‑Base收率数据，实现延迟焦化装置收率实时预测，为建立精确的计划优化PIMS模型提供理论支撑。

主权项

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，Ykeyproduct表示关键产品预测收率。