催化重整反应38集总动力学模型及其在连续催化重整中的应用

根据集总理论和催化重整的反应机理,基于工业连续重整装置,提出了一个包含38个集总组分、86个反应催化重整反应动力学模型。该模型将重整物料按碳原子数集总为C6～C11+组分,相同碳原子数的物料又划分为正构烷烃、异构烷烃、五元环烷烃、六元环烷烃和芳烃,裂化产物细分为C1～C5组分。通过合理简化,确定了86个待估模型参数,并在工业现场数据的基础上,利用分层策略与BFGS算法对其进行了估计。通过对某炼厂连续重整反应器的模拟计算对该模型进行了验证,计算值与实际值吻合较好,表明该模型具有较好的可靠性与准确性,达到了工业应用的要求。将模型用于芳烃收率的预测,在较大的时间跨度内,精度与趋势均令人满意。最后,利用该模型对芳烃收率进行了优化计算,经优化后芳烃收率提高0.17%,该结果可为连续重整装置的优化操作提供参考。     

基于18集总动力学模型的连续重整反应装置建模与仿真

针对连续重整反应过程较为复杂、化学反应的耦合性强及参数估计难度较大的问题,提出了一种包含18个集总组分,27个反应的新型催化重整动力学模型。该模型在符合催化重整反应机理与集总理论划分原则的基础上,通过合理集总划分降低参数估计难度。新模型将8碳芳烃组分细分为二甲苯和乙苯2个集总,并将正烷烃、异烷烃分别集总,采用BFGS算法求解相应的模型参数。结果表明,该模型可以较为准确的预测出各芳烃产率,预测结果符合现代工业对模型的要求。     

催化重整装置原料优化分析

催化重整装置的主要目的是通过脱氢芳构化或异构化等反应,将低辛烷值的组分转化成高辛烷值的组分,并副产氢气。除了选择合理的反应条件和高效的催化剂之外,对原料组成的合理控制和优化,也是重整装置提高目标产品收率的有效手段。针对中石化洛阳分公司0.7 Mt/a连续重整装置的运行状况,利用KBC公司Petro-SIM流程模拟软件对装置进行模拟测算,并结合装置生产实际,从原料性质方面提出优化措施,以提高装置芳烃产率、纯氢产率等技术指标及经济效益。     

工业催化裂化过程在线工艺计算技术开发与应用

针对MIP工艺的原料（减渣／油浆层、蜡油／回炼油层、柴油层）和产物（汽油、液化气＋干气、焦炭）六个集总组分渣油催化裂化动力学模型,并根据某工业催化裂化提升管反应器流场特性应用序列理想平推流反应器与理想全混流反应器模型的混合反应器模型,建立了工业渣油催化裂化装置反应再生过程工艺计算模型。结合采用由化验值校正和模型参数交替校正的双重校正策略,在某工业连续催化裂化装置上进行在线工艺计算应用,以在线预测过程的裂化产物收率与产物分布。在进料和反应操作条件较大的变化范围内,在线预测趋势和预测精度均令人满意,符合工业过程先进控制的工艺计算精度需求。     

工业重整装置建模与仿真

针对实际工业重整装置,提出了一种仅包含16个反应、17个集总组分的重整反应简化机理模型,用于重整过程监控和优化。利用一形式比四阶RK法更为简单的近似解析法对模型方程进行了数值求解,并采用差分BFGS优化算法以及某固定床半再生重整和连续重整工业装置的多套工业数据对模型中关键的动力学参数分别进行了估计,进而利用这两种工业装置在不同进料或操作条件下对模型进行了验证。结果表明,所建立的集总模型合理可靠,到达了工业应用的模拟精度要求。     

八碳芳烃临氢异构化反应动力学模型

针对某实际工业异构化装置,在已开发的八碳芳烃临氢异构化反应网络的基础上,将系统中的八碳环烷烃和八碳链烷烃作为一个集总组分,提出新的六组分异构化反应网络,由此建立了适用于工业生产的八碳芳烃临氢异构化反应动力学模型.考虑结焦对催化剂活性的影响,提出了一种经验形式的催化剂失活函数,能够合理地描述催化剂失活过程.采用四五阶Runge-Kutta法对模型方程进行数值求解,基于多套稳态平衡数据采用差分变尺度优化算法(BFGS)对动力学参数进行估计,进而在不同操作条件下对模型进行验证.结果表明估计值与工业标定值相当吻合,达到了工业应用的模拟精度要求.     

基于HYSYS软件的连续重整装置模拟分析

利用HYSYS软件对连续重整反应进行数据标定,得到较为准确的反应模型,测算值与实际值相差1%;对不同反应温度生成油各类参数进行测算,C5+液收随着温度升高下降,反应温度上升5℃,液收下降约1%;辛烷值上升1个单位,反应温度需提高4～5℃,反应温度上升5℃,总芳收率上升0.7%。对重整系统进行全流程模拟,模拟结果与实际一致,此模型可用于不同工况下的模拟测算。     

关于Ⅰ重整生成油辛烷值较低问题的分析

针对2015年6月1日金陵分公司Ⅰ重整提高反应温度后,重整生成油辛烷值及产氢量较低的情况从原料性质、操作条件及催化剂性质三方面分析原因,并通过与前两次提高温度至525℃后重整生成油辛烷值、产氢量、反应总温降、C5+液体收率、重整循环氢纯度及稳定塔顶气数据的详细对比,得出6月1日提温后重整生成油及产氢量较低是由于重整催化剂失氯造成的,进一步分析可能引起催化剂失氯的原因,并通过增加注氯量,至6月17日,重整生成油辛烷值、产氢量、重整总温降等已恢复正常.     

关于I重整生成油辛烷值较低问题的分析

针对2015年6月1日金陵分公司I重整提高反应温度后,重整生成油辛烷值及产氢量较低的情况从原料性质、操作条件及催化剂性质三方面分析原因,并通过与前两次提高温度至525℃后重整生成油辛烷值、产氢量、反应总温降、C5+液体收率、重整循环氢纯度及稳定塔顶气数据的详细对比,得出6月1日提温后重整生成油及产氢量较低是由于重整催化剂失氯造成的,进一步分析可能引起催化剂失氯的原因,并通过增加注氯量,至6月17日,重整生成油辛烷值、产氢量、重整总温降等已恢复正常。     

碳四芳构化长周期运行反应规律的研究

碳四液化气在反应温度410℃,反应压力3.0 MPa,V(氢):V(油)=260:1,液体进料空速0.83 h-1进行芳构化长周期运行,催化剂活性稳定,干气质量收率低于1.5%,气相产物质量收率在70%左右,液相产物质量收率在25%左右.气相产物是好的乙烯裂解原料,液相产物可作为高辛烷值汽油调和组分或芳烃抽提原料.     

基于混合遗传算法的催化重整过程多目标优化

为实现催化重整过程生产指标的综合优化,基于已实现工业应用的催化重整17集总反应动力学模型和催化重整过程机理模型,考虑相应的多种约束条件,建立了以最大化总芳烃收率和最小化重芳烃收率为目标的多目标操作优化模型。提出了一种将遗传算法与局部优化方法相结合的多目标混合遗传算法HNAGA,并用于多目标操作优化模型的求解。现场工业数据的仿真研究表明,HNAGA在寻找Pareto最优解前沿方面比原遗传算法具有一定的优越性。将该多目标优化模型和求解方法应用于工业催化重整装置的操作优化,可以有效提高决策的准确性。     

催化重整过程的多目标优化

In this article, a multiobjective optimization strategy for an industrial naphtha continuous catalytic reforming process that aims to obtain aromatic products is proposed. The process model is based on a 20-lumped kinetics reaction network and has been proved to be quite effective in terms of industrial application. The primary objectives include maximization of yield of the aromatics and minimization of the yield of heavy aromatics. Four reactor inlet temperatures, reaction pressure, and hydrogen-to-oil molar ratio are selected as the decision variables. A genetic algorithm, which is proposed by the authors and named as the neighborhood and archived genetic algorithm （NAGA）, is applied to solve this multiobjective optimization problem. The relations between each decision variable and the two objectives are also proposed and used for choosing a suitable solution from the obtained Pareto set.     

催化重整过程的多目标优化

In this article, a multiobjective optimization strategy for an industrial naphtha continuous catalytic reforming process that aims to obtain aromatic products is proposed. The process model is based on a 20-lumped kinetics reaction network and has been proved to be quite effective in terms of industrial application. The primary objectives include maximization of.yield of the aromatics and minimization of the yield of heavy aromatics. Four reactor inlet temperatures, reaction pressure, and hydrogen-to-oil molar ratio are selected as the decision variables. A genetic algorithm,which is proposed by the authors and named as the neighborhood and archived genetic algorithm (NAGA), is applied to solve this mulfiobjective optimization problem. The relations between each decision variable and the two objectives are also proposed and used for choosing a suitable solution from the obtained Pareto set.     

基于差分进化算法和HYSYS机理模型的催化重整过程优化

选取催化重整18集总31反应集总动力学模型,以流程模拟软件HYSYS为工具,建立了催化重整机理模型。以最大化芳烃产率为优化目标,以4个反应器入口温度为决策变量,建立了过程优化模型。利用差分进化算法求解该优化问题,并利用可行性规则处理约束。仿真结果表明,芳烃产率有较大提高,证实了差分进化算法的有效性。     

Multiobjective Optimization of the Industrial Naphtha Catalytic Re-forming Process

1 INTRODUCTION Petroleum refining and petrochemical industries aim at maximizing one prime product while simulta-neously minimizing another accessory product to im-prove the quality of the prime product. Unfortunately, the two requirements are often conflicting or incon-sistent. It is necessary to determine the trade-off com-promises to balance the two objectives[1,2]. As the core of aromatics complex unit, catalytic reforming is a very important process for transforming naphtha into arom…     

灵活多效催化裂化工艺集总动力学模型

针对灵活多效催化裂化(FDFCC)工艺,以工业装置数据为基础建立了重油提升管催化裂化10集总和汽油提升管催化裂化7集总动力学模型,求取了10集总模型的43个动力学参数和7集总模型的18个动力学参数.结果表明,所获得的模型动力学参数是可靠的,所建立的模型能够较好地预测FDFCC装置的产品产率,并对汽油组成和丙烯产率具有良好的预测性.     

催化重整装置产品质量软测量技术应用

采用机理方法、线性拟合方法和一阶TSK模糊神经网络算法分别对催化重整装置的主要产品质量指标——芳烃收率建立软测量模型,并在国内某大型工业级催化重整装置上进行在线应用。研究结果表明:进料负荷变化不大时3,种模型的在线预测趋势均能较好地跟踪芳烃收率的实际变化;当进料负荷变化较大时,3种模型的预测偏差分别为0.24wt%、0.67wt%和0.95wt%,且只有机理模型能如实地反映芳烃收率的变化。这说明机理模型具有预测精度高及外推性能好等优势,而且机理模型对样本数目要求最少,其预测精度基本不受样本数的影响。     

Modelling and optimisation of continuous catalytic regeneration process using bee colony algorithm

The continuous catalytic regeneration (CCR) reforming process optimisation leads to nonlinear programming with nonlinear quality constraints such as octane number and coke concentration on the catalytic particles. A typical CCR reforming process consists of four reactors with recycle. The reaction patterns and reactors have been mathematically modelled on a base of 12‐lumped kinetics reaction network derived from literature. The bee colony optimisation (BCO) algorithm is one of the most recent and efficient swarm intelligence‐based algorithms which simulates the foraging behaviour of honey bee colonies. The performance of the BCO algorithm in the process optimisation was compared with the genetic algorithm (GA). In the present work, BCO algorithm was used for optimising the CCR reforming process. The results show that the BCO algorithm reaches a better optimum point in a lower evaluation time and higher convergence rate with respect to the GA. © 2012 Canadian Society for Chemical Engineering     

基于ASPEN PLUS用户模型技术的催化重整全流程模拟

采用用户模型技术,将自主开发的17集总反应动力学模型与ASPEN PLUS稳态流程模拟软件集成在一起,从而在ASPEN PLUS平台实现了包含重整反应装置在内的催化重整全流程模拟.这一技术既可以利用ASPEN PLUS强大的数据库、模型库和模拟优化功能,大大拓展模拟范围,又可以保持自定义反应模型的特点.整个流程全部仿照反应动力学模型,将300多种化合物定义成18种集总组分（含氢气）,并采用专用于石油系统的物性计算方法.建立的ASPEN PLUS二次开发软件在某连续重整装置上获得了成功应用,模拟结果与实际操作值吻合得相当好,完全满足工业应用的要求.此软件可用于催化重整装置的生产调优、扩能改造和新装置的工艺设计.