基于精细自由基反应机理的丙烷裂解炉炉管CFD模拟(英文)

In the radiant section of cracking furnace, the thermal cracking process is highly coupled with turbulent flow, heat transfer and mass transfer. In this paper, a three-dimensional simulation of propane pyrolysis reactor tube is performed based on a detailed kinetic radical cracking scheme, combined with a comprehensive rigorous computational fluid dynamics（CFD） model. The eddy-dissipation-concept（EDC） model is introduced to deal with turbulence-chemistry interaction of cracking gas, especially for the multi-step radical kinetics. Considering the high aspect ratio and severe gradient phenomenon, numerical strategies such as grid resolution and refinement, stepping method and relaxation technique at different levels are employed to accelerate convergence. Large scale of radial nonuniformity in the vicinity of the tube wall is investigated. Spatial distributions of each radical reaction rate are first studied, and made it possible to identify the dominant elementary reactions. Additionally, a series of operating conditions including the feedstock feed rate, wall temperature profile and heat flux profile towards the reactor tubes are investigated. The obtained results can be used as scientific guide for further technical retrofit and operation optimization aiming at high conversion and selectivity of pyrolysis process.     

基于递归神经网络的化工反应过程建模

化工过程系统往往具有很强的非线性。针对含有大量序列数据的化工过程建模,当序列数据作为深层神经网络输入时,往往权重系数过多、训练难度增大。而递归神经网络通过在不同时间步间共享参数,更适用于对序列数据的处理。作者研究了递归神经网络在化工动力学建模中的应用,探讨了化学反应中物质浓度的时序变化,反应动力学参数回归,工业油田轻烃裂解过程模拟以及操作条件优化等3种应用场景。从预测精度和计算速度方面,验证了递归神经网络方法在化工过程建模中的优越性。     

基于PCA的反应网络简化策略

研究了复杂反应网络的模拟及简化方法,文中对于自由基模型的建立、模型中反应速率系数的计算以及模型的求解和简化均做了阐述。对于文献中已有的简化方法进行了拓展与创新,提出了基于主成分分析（PCA）的反应网络简化策略。以丙烷热裂解反应为例,针对自由基模型大规模刚性的微分方程组,利用Gear法进行求解,并利用所提出的策略缩小了模型规模,通过原丙烷裂解模型与简化后模型的计算结果的比较,展示了所提出的策略的有效性。     

基于支持向量回归估计算法的小样本集回归分析

在简要介绍支持向量回归估计(SVR)算法的基础上,以某软测量建模为例,验证了SVR算法对于小样本集的回归分析问题可以得到具有良好泛化能力的回归估计函数,进而针对不同的核函数,探讨了设计参数和核函数参数的选择问题.     

卡尔曼滤波与灰色预测用于异常工况趋势预测的方法

提出了基于卡尔曼滤波与灰度预测的化工过程异常工况发展趋势预测方法。在化工过程异常工况下,首先,测量系统主要变量的数值,通过卡尔曼滤波处理测量数据,估计测量数据的真实值;其次,使用校正后的结果作为观测值,建立基于灰色预测理论的系统主要变量发展趋势的预测模型,根据模型计算系统主要变量随时间的变化数值;最后,分析预测结果,采取相应的措施,对化工过程异常工况进行有效管理。通过对实际案例的分析计算,说明了-该方法的有效性,在化工过程异常工况下,为预测系统关键变量的发展趋势提供理论依据。     

深入探索智能算法与反应网络研究的融合

反应网络是化工过程机理在微观分子尺度上的表达方式，但网络的复杂性为深入认识生产过程提出了挑战。本文提出了探索智能算法与反应网络研究融合的思路，基于物质转化的“透明工程”的概念，深入剖析反应网络的结构统计指标、结构拓扑特征、节点性质特征、机理动态演化、建模应用性能等特点。随后阐述了使用“数据结构化、智能优化与分析、智能代理建模”三步结合的机理数值化反应网络研究方法，既实现了在微观层面的局部放大，又实现了在工业应用中的准确预测。文中指出，智能算法融合反应网络后可以对实际工业过程执行可视化、可解释性的建模、分析与优化，为相关工业生产提质增效提供决策依据，并进一步帮助人类突破认知的极限，更深入地理解反应过程，提取关键的反应规律，助力化学工业的智能化。     

基于开源组件的SDG推理平台

符号有向图(SDG)是定性研究化工过程中变量间关系的有力工具,利用SDG的正向反向推理机制可以快速发掘出系统中变量之间影响的因果关系,不仅可以用于在线的故障诊断,还可以用于离线的危险和可操作性(HAZOP)分析。近年来,随着计算机和信息技术的发展,人们利用GensymG2或者C++开发了一些针对特定研究体系的SDG模型的计算机辅助推理系统,但是,目前还没有一个通用的SDG推理平台。为促进SDG在科研和教学中的广泛应用,本文介绍了通过公共组件来搭建的一套开放体系的SDG推理平台系统,这是服务器/浏览器结构的推理平台,使用方便,维护便捷。使用这套系统,可以方便地绘制特定研究体系的SDG模型的图形;可以快速建立针对特定研究体系的SDG系统并且进行相应的推理分析。本文通过一个例子演示了如何在SDG推理平台上建立特定SDG推理系统的方法,之后通过对两个研究体系建立SDG推理系统来展现该平台的有效性。     

东北亚地区跨国天然气管网分布研究

东北亚地区具有丰富的天然气资源和广阔的市场潜力，急需发展跨国天然气输配网络系统，促进这一地区能源系统的可持续发展。本文讨论了东北亚地区跨国天然气管网建设的原则，并提出该地区跨国管线走向和实施时间规划设想。本文还强调切实开拓天然气消费市场是管网系统建设的重中之重。     

改进CCM算法检测外部扰动下系统变量间的时滞和因果关系

在化工过程中,可以通过分析变量间的相互作用和时滞关系,推理故障的传播路径和网络,指出故障的根原因。这对提高过程安全性,增强经济效益具有重要意义,是研究的热点和难点。常见的互相关函数和传递熵等方法,由于只适用于线性或弱非线性系统,或计算量较大,往往无法准确地获得变量间的时滞信息和作用强度,在实际应用中存在不足。近年来,在生态领域研究中提出的交叉收敛映射（CCM）算法,被认为是一种适用于非线性耦合过程因果分析的方法,可适用于耦合变量间时滞关系的检测。但对于带有外部扰动的化工过程,CCM无法根据随时受到扰动的过程数据构造出稳定的嵌入流形,导致了时滞和因果分析失败。而基于CCM进行改进的扰动过滤交叉映射（DFCM）方法,通过分析外部扰动对系统的影响,预先筛选扰动数据,再将过滤后的数据代入交叉映射的计算中。算例表明,这种处理能有效地避免扰动下嵌入流形不稳定的问题,适用于处于扰动下的化工过程,并得到良好的时滞和因果关系分析效果。     

乙烯裂解炉反应与传热耦合的智能混合建模与模拟

乙烯裂解炉辐射段的过程模拟,一般由管内反应过程模型与管外传热模型两部分组成,具有非线性、强耦合的特点。其中管外传热模型涉及变量参数众多、求解过程耗时长。针对这一问题,提出了一种智能混合建模方法,在构建基于区域法的管外传热计算模型的基础上,利用该模型产生的数据,设计构造了针对管外传热计算的神经网络模型。利用该模型与管内反应过程模型相耦合,实现对乙烯裂解炉辐射段的智能混合建模与模拟。结合工业实际算例,验证了基于机器学习和机理模型的智能混合建模的可行性,裂解产物预测精度良好,且混合模型可以大大缩短计算时间,更加符合工业计算的要求。