RBF神经网络在催化裂化汽油加氢装置中的应用

根据国内某炼厂250 kt/a催化裂化汽油选择性加氢脱硫装置的生产操作数据,应用RBF神经网络建立了用于预测重汽油馏分加氢产品硫含量的模型,并通过反应器Ⅱ一段进口温度对所建立的RBF神经网络模型的泛化能力进行了考察。实验结果表明,RBF神经网络对重汽油产品硫含量的预测精度较高,平均相对误差达到1.32%,能够对重汽油产品硫含量进行准确预测;RBF神经网络模型的预测性能优于LMBP神经网络模型;RBF神经网络模型具有较好的泛化能力,能够指导装置的生产。     

基于PSO-BP神经网络的加氢脱硫柴油硫含量的预测研究北大核心CSCD

针对柴油加氢脱硫生产过程中出现的工艺参数和产品质量难以精准控制的问题,提出粒子群优化(POS-BP)神经网络。基于中国石油大庆石化公司1 300 kt/a柴油加氢脱硫装置生产工艺操作台账数据,选取生产过程中的易波动工艺参数构建训练样本集合和测试样本集合,采用PSO-BP神经网络预测生产操作参数变化时精制柴油产品中硫含量的变化,将POS-BP神经网络与神经网络(BP)和遗传算法优化(GA-BP)神经网络进行横向预测效果比较。实验结果表明,BP神经网络预测的均方误差为2.66×10^(-3),GA-BP神经网络预测的均方误差为2.94×10^(-5),PSO-BP神经网络预测的均方误差为2.41×10^(-5);PSO-BP神经网络预测值与实际值最为接近,且预测结果较佳,具有较好的稳定性和泛化能力,能够精确预测生产操作参数变化时精制柴油产品中硫含量的变化。     

基于PSO-BP神经网络的加氢脱硫柴油硫含量的预测研究

针对柴油加氢脱硫生产过程中出现的工艺参数和产品质量难以精准控制的问题,提出粒子群优化(POS-BP)神经网络。基于中国石油大庆石化公司1 300 kt/a柴油加氢脱硫装置生产工艺操作台账数据,选取生产过程中的易波动工艺参数构建训练样本集合和测试样本集合,采用PSO-BP神经网络预测生产操作参数变化时精制柴油产品中硫含量的变化,将POS-BP神经网络与神经网络(BP)和遗传算法优化(GA-BP)神经网络进行横向预测效果比较。实验结果表明,BP神经网络预测的均方误差为2.66×10~(-3),GA-BP神经网络预测的均方误差为2.94×10~(-5),PSO-BP神经网络预测的均方误差为2.41×10~(-5);PSO-BP神经网络预测值与实际值最为接近,且预测结果较佳,具有较好的稳定性和泛化能力,能够精确预测生产操作参数变化时精制柴油产品中硫含量的变化。     

人工神经网络在汽柴油加氢脱氮中的应用

采用100 mL加氢装置,在温度320~360 ℃、空速1.2~2.0 h-1、氢油体积比350~550、压力6~8.5 MPa的条件下,应用Ni-Mo-P/Al2O3加氢精制催化剂对5种劣质汽柴油混合加氢脱氮率进行了考察。分别应用BP神经网络和RBF神经网络建立了用于预测汽柴油混合加氢脱氮率的模型,并应用RBF神经网络考察了原料油性质和工艺条件对加氢脱氮反应的影响大小。结果表明：BP神经网络和RBF神经网络对脱氮率预测的平均相对误差分别为3.42%和2.58%,均能满足工业要求;RBF神经网络的预测性能优于BP神经网络;实验中所用原料油性质对加氢脱氮反应的影响由强到弱的顺序为：硫含量＞密度＞氮含量＞50%馏出点＞运动黏度＞溴价;工艺条件对加氢脱氮反应的影响由强到弱的顺序为：温度＞空速＞压力＞氢油比,为汽柴油混合加氢脱氮工艺条件优化提供了指导。     

人工神经网络在汽柴油混合加氢脱硫中的应用

在温度320～360℃、空速1.2～2.0 h-1、氢油体积比350～550、压力6.0～8.5 MPa的条件下,采用Ni-Mo-P/Al2O3加氢精制催化剂在100 mL加氢评价装置上,对5种劣质汽柴油进行混合加氢脱硫评价。应用LMBP神经网络建立了用于预测汽柴油混合加氢脱硫率的模型,并应用LMBP神经网络考察了原料油性质和工艺条件对加氢脱硫反应的影响。实验结果表明,LMBP神经网络对脱硫率和脱硫反应温度的预测精度较高,平均相对偏差分别为0.55%和0.28%;原料油性质对加氢脱硫影响大小的顺序为:密度>溴值>90%馏出点>氮含量>硫含量>运动黏度,工艺条件对加氢脱硫影响大小的顺序为:温度>空速>氢油比>压力,为汽柴油混合加氢脱硫工艺条件的优化提供了指导。     

以BP神经网络为基础的MIP工艺过程产品分布优化

催化裂化是一个高度非线性和强耦合的系统,传统的机理模型很难描述,而BP神经网络具有强大的非线性拟合和自学习能力。以某炼油厂1Mt/a的MIP装置反应-再生系统为研究对象,选取包括原料油性质、再生剂性质、操作条件的19个变量为神经网络模型的输入变量,液化气、汽油、柴油、焦炭收率为输出变量,建立了19-24-4 结构的BP神经网络。在此基础上,考察了原料油预热温度、一反出口温度、二反出口温度、反应压力对产品分布的影响,并采用遗传算法得到使汽油收率最优的操作条件。结果表明,所建立的模型具有良好的预测和外推能力,可为工业装置操作条件的优化提供指导。     

基于结构导向集总的柴油加氢精制分子水平反应动力学模型Ⅱ.反应规律分析与优化

采用基于结构导向集总的柴油加氢精制分子水平反应动力学模型对中国石油某分公司柴油加氢精制装置的操作条件进行优化,所建模型可以预测不同反应条件下精制产物中典型分子的含量,并可在分子水平上描述柴油体系中的硫化物、氮化物、多环芳烃、正构烷烃等在加氢精制反应器中的转化规律,揭示反应温度、压力、液态空速等操作条件对加氢精制反应过程的影响规律,指导柴油加氢精制装置的操作优化。实验结果表明,精制柴油硫、氮含量小于10μg/g、精制柴油收率不低于设计指标89.5%时,模型预测优化的操作温度区间为314.5～320.3℃。     

集总动力学-BP神经网络混合模型用于预测延迟焦化装置液体产品产率

建立了延迟焦化过程模型对不同性质原料和操作条件下的液体产品产率进行预测, 可实现生产参数调优,进一步提高延迟焦化装置的经济效益。以某炼油厂1.4 Mt/a延迟焦化装置为研究对象,从十一集总动力学模型出发,建立了动态平衡假定下反应器数学模型,选取机理模型计算结果和关键位点历史数据为BP神经网络输入,针对延迟焦化液体产品构建了十一集总动力学-BP神经网络串联混合模型。以焦化柴油产率预测为例,分析了混合模型的预测效果,并与单一机理模型和BP神经网络经验模型进行对比。对比结果表明,3种模型中混合模型预测精度最高,受原料物性和操作条件波动影响小,其预测结果的均方根误差、平均绝对误差和平均相对误差分别为0.751百分点,0.524百分点,2.01%。     

采用人工神经网络方法建立加氢裂化反应体系模型

本文用BP神经网络技术建立某2.80 Mt/a蜡油高压加氢裂化装置反应系统,较好的预测了原料量、各段反应器进口温度和冷氢导入量对系统产品分布和各段反应器出口温度的影响,模型精度较高,特别是温度预测误差小于0.1 ℃,并具有较好的再现性及泛化能力,可以用于指导生产操作。     

基于Keras的神经网络技术在柴油超深度加氢精制中的应用

采用高通量反应装置,在温度300~360 ℃、压力4.4~7.4 MPa、体积空速0.75~12 h^-1、氢油体积比200~800的条件下,使用不同柴油原料对NiMo/Al₂O₃,CoMo/Al₂O₃,NiMoW/Al₂O₃共3种催化剂进行性能评价。采用基于Keras的神经网络技术建立了适用于3种不同催化剂的柴油超深度加氢精制模型,实现了柴油产物中硫质量分数（WS）、氮质量分数（WN）、单环芳烃质量分数（WMA）和多环芳烃质量分数（WPA）的预测。结果表明,所建模型具有良好的预测性能和泛化能力,对WS和WN预测的平均相对误差均在10%以内,对WMA和WPA预测的平均相对误差分别在3%和6%以内。使用所建模型同时对3种催化剂适用的工艺条件进行了优化,在满足国Ⅵ柴油质量标准对WS及WPA的要求下,确定了不同催化剂适用的工艺条件范围。     

FHUDS-6催化剂在4.1Mt／a柴油加氢装置上的工业应用

介绍柴油超深度加氢脱硫催化剂 FHUDS-6 在国内某大型炼油厂4.1Mt／a柴油加氢装置上的首次工业应用情况,并对使用该催化剂的满负荷标定数据进行分析。结果表明,在催化裂化柴油比例高达11%、床层平均反应温度 352 ℃、空速 2.53 h-1、氢分压 6.15 MPa、氢油体积比 254.3 的工况下,FHUDS-6 催化剂具有较高的脱硫、改质活性,十六烷值提高幅度达 5.7 个单位,脱硫率达 98.02%,精制柴油产品质量可以满足国Ⅲ柴油排放标准要求。     

基于数据驱动的蜡油加氢装置产品预测与多目标操作优化

依据某炼油厂蜡油加氢装置生产数据,采用Aspen HYSYS对该装置进行机理建模,并用分层随机抽样法验证机理模型的有效性;然后以正常生产的28种减压蜡油和焦化蜡油进料量分区,运行机理模型,扩充了产品预测数据集.在此基础上,利用BP神经网络建立蜡油加氢装置的产品预测数据驱动模型,来预测精制蜡油流量,精制蜡油中硫、氮的质量...     

KF系列催化剂在尤里卡裂解流出物加氢装置上的应用与操作分析

扬子石油化工股份有限公司炼油厂700 kt/a尤里卡裂解流出物全馏分加氢精制装置根据原料性质差、反应空速高、产物中硫氮含量高等问题组合使用荷兰阿克苏公司生产的KF-647/KF-901/KF-846系列催化剂,密相装填在反应器底床层,并经操作分析,采取了优化原料、优化操作及优化产品质量控制等措施,解决了制约装置长周期运行的难题,使催化剂使用寿命比预计延长了20个月,催化剂处理原料比预计增加了65.95％,产品轻柴油的优级品率达80％以上,由重瓦斯油调合出厂的重柴油合格率达100％,为今后装置选择和使用催化剂提供了宝贵的经验。     

基于LSTM的润滑油加氢装置产品预测和基于RF的操作优化相关性分析

基于某炼油厂润滑油加氢装置的生产工艺及实际生产数据,采用Aspen HYSYS软件建立了润滑油加氢装置的生产过程机理模型,并用随机抽样的方法验证了模型的有效性;然后根据生产工艺条件运行机理模型,扩展了装置的产品预测数据集。对比BP神经网络,采用LSTM(Long Short-Term Memory)神经网络,以加氢裂化反应器入口温度、加氢异构反应器入口温度、加氢后精制反应器入口温度、加氢裂化后常压分馏塔塔顶温度、加氢异构常压分馏塔塔顶温度、加氢裂化反应器压力、加氢异构反应器压力为输入,以轻质润滑油常温常压下的质量流量、40 ℃运动黏度、闪点和倾点4个目标为输出建立了预测精度更高的产品预测模型。通过随机森林(RF, Random Forest)算法对该装置产品预测数据集的输入特征变量与输出目标变量进行了相关性分析,确定了特征重要度排序,得到了不同生产目标对应的优化操作方案。     

低压柴油精制-临氢降凝组合工艺的工业应用

格尔木炼油厂150kt／a临氢降凝装置是在原有的低压加氢装置的基础上改造而成的。增设的降凝反应器装填两种催化剂，不仅节省了投资，而且生产方案灵活，方案切换时间短。夏天按加氢精制方案运行，生产氧化安定性好的加氢柴油；冬天按临氢降凝方案运行，生产优质低凝柴油。低压柴油加氢精制临氧降凝组合工艺的成功应用，改善了格尔木炼油厂的产品质量及产品结构。     

低压柴油加氢催化剂组合技术研究及工业应用

介绍中国石油化工股份有限公司抚顺石油化工研究院（FRIPP）开发的柴油深度加氢脱硫催化剂组合技术在不同压力下加氢脱硫性能及其在低压柴油加氢装置上的工业应用情况.实验室结果表明,随着反应压力的提高,组合催化剂体系的加氢脱硫率也随之提高,在氢分压4.0 MPa条件下,精制生成油硫质量分数为41μg/g,脱硫率99.5％,产品质量达到国Ⅳ标准要求.工业应用结果表明,在反应器入口压力5.6 MPa、体积空速11.75 h^-1和平均反应温度356℃的工况下,采用FHUDS-6/FHUDS-5组合装填技术加工直馏柴油和二次加工柴油的混合油（质量比4.9）,其精制柴油硫质量分数为28.0 μg/g,可以稳定生产硫含量满足国Ⅳ标准的车用柴油产品调合组分;将体积空速降低至1.1 h^-1,提高平均反应温度至358℃,甚至可以生产出硫含量满足国Ⅴ标准的清洁车用柴油产品调合组分.     

A neural network for predicting moisture content of grain drying process using genetic algorithm

This paper is concerned with optimizing the neural network topology for predicting the moisture content of grain drying process using genetic algorithm. A structural modular neural network, by combining the BP neurons and the RBF neurons at the hidden layer, was proposed to predict the moisture content of grain drying process. Inlet air temperature, grain temperature and initial moisture content were considered as the input variables to the topology of neural network. The genetic algorithm is used to select the appropriate network architecture in determining the optimal number of nodes in the hidden layer of the neural network. The number of neurons in the hidden layer was optimized for 6 BP neurons and 10 RBF neurons using genetic algorithm. Simulation test on the moisture content prediction of grain drying process showed that the SMNN optimized using genetic algorithm performed well and the accuracy of the predicted values is excellent.