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。     

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。     

水煤浆气化装置操作优化技术及其应用

针对水煤浆气化装置操作优化问题,提出了一种多种群竞争型协同文化差分进化算法(MCCDE),算法中建立了基于差分进化算法的竞争型协同策略及竞争适应度评判方法,并引入了文化算法的部分思想。同时,建立了德士古气化炉操作优化模型,将MCCDE算法用于优化模型的求解。采用某化工厂气化系统实际运行数据进行仿真,经过操作优化计算,能够获得优化的控制参数,并提高气化炉有效气产率。最后,开发了水煤浆气化操作优化系统应用软件,能够实现将建模、控制、优化技术应用于实际生产中,以提高装置的经济效益。     

催化重整集总动力学模型研究进展

催化重整集总动力学建模为重整工艺模拟和优化提供理论基础,模型为模拟重整反应过程,预测产品分布和产品性质提供计算工具。从催化重整集总动力学模型的集总划分、建模数据来源、参数估算以及重整流程模拟等方面,综述模型的发展历程和现状,并展望催化重整集总动力学模型的研究前景。重整模型越来越倾向于开发连续再生装置模型以及不断优化算法,更加的精细化、精确化,不仅能够降低生产成本,更能满足各种环保和生产要求。     

改进的差分进化算法及在聚丙烯牌号切换优化中的应用

针对差分进化算法早熟问题,提出一种改进差分进化算法,采用动态缩放因子解决优化过程中的变量约束问题,在进化过程中自动地调整控制参数取值以保证变量约束条件;引入聚集度作为参数评估种群分布的密集程度,增加一种新的变异算子在进化过程中根据聚集度情况对部分个体进行后续变异操作,适时调整种群分布,提高种群多样性,增强全局搜索能力。建立了聚丙烯牌号切换优化模型并将改进的差分进化算法应用于牌号切换优化模型的求解,仿真实验结果表明改进的差分进化算法在全局搜索能力和搜索效率两个方面有较大提高。     

催化重整装置反应器的建模与仿真

针对催化重整装置的流程模拟,基于集总理论与催化重整反应机理,提出了一种反应器的模型。该模型的反应网络较全面地考虑了烷烃、环烷烃及芳烃之间的反应关系,覆盖了重整反应过程中的大部分反应。为了降低参数估计的难度,通过合理假设将待估参数数量减少至99个,并将复杂的反应网络依据碳原子数划分为C₆~C₁₁₊六个反应子网络,再采用BFGS算法与SQP算法相结合的分组迭代估计方法以降低参数估计的误差。通过催化重整装置的模拟计算对模型进行了验证,结果表明,模型能够对反应产物组成进行较准确的预测,可满足现代工业应用对模型精度的需求。     

Texaco水煤浆气化装置配煤模型及其优化

优化配煤对Texaco水煤浆加压气化装置的优化运行具有重要的意义。针对Texaco水煤浆气化装置优化配煤问题,建立了一个管理决策级视角下的配煤优化模型。模型综合考虑了混煤指标、库存成本、市场价格、操作成本、堆存和转运消耗。采用预交叉差分进化粒子群优化算法对模型进行求解,算法将粒子群和差分进化相结合,避免算法早熟,提高了全局搜索能力和收敛精度。最后,以某化肥厂水煤浆配煤优化过程为研究实例进行仿真,计算结果验证了模型和算法的可行性。     

催化重整集总动力学模型的建立及其在线应用

按照集总理论的指导原则,在原17集总反应网络的基础上,提出了一种包含20个集总组分、31个反应的催化重整动力学模型.该模型进一步细分了八碳芳烃组分,并考虑了烷烃组分的所有加氢裂化反应.在某工业连续重整装置上的验证结果表明,所建立的20集总模型可以精确地模拟包括八碳芳烃4个异构体在内的反应产物组成;与原17集总模型相比,裂化产物的预测精度明显提高.随后,采用特定的在线预测和校正策略,将该模型用于在线预测此连续重整过程的总芳烃收率、各芳烃组分收率以及重整油辛烷值,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.总芳烃收率和重整油辛烷值的平均预测偏差仅分别为0.52 %和0.36,与离线模拟精度相当.     

水厂过滤工艺水头损失计算与试验

基于水厂实际生产过程,利用堵塞计测定滤层中的压力值的方法进行了水头损失的计算,建立了水厂实际生产中水头损失的模型,并利用差分进化算法对模型进行了参数辨识,从而确定了滤池总水头损失的数学模型.结果表明:模型较为准确可靠.生产过程中可根据该模型实时计算出滤池总水头损失,为水厂过滤过程的优化运行打下了良好的基础.     

炼焦生产过程质量产量能耗的集成优化控制

针对炼焦生产过程强非线性、大时滞等特点,基于过程参数的主元分析和灰色关联分析,建立了焦炭质量、产量及焦炉能耗的神经网络预测模型和以焦炭质量为约束条件,产量、能耗为目标函数的优化控制模型。提出一种融合模糊C均值聚类粗优化和差分进化细优化的集成优化控制方法,进行过程参数的优化并给出操作优化指导。系统仿真结果表明,该方法能有效地抑制工况的波动,达到高产、优质、低耗的生产目标,为复杂工业过程的建模和优化控制提供了一种新思路。     

影响因子寻优差异法及其在合模机构优化中应用

以差异演化算法为基础,提出了影响因子寻优差异演化法,通过对3组具有不同Pareto前沿的测试函数进行仿真实验,验证了影响因子寻优差异演化法的可行性和有效性,为多目标优化问题提供了一种新的优化方法,并将其与工程实际相结合,以注塑机合模机构为例,建立了行程比和力放大倍数2个目标函数的多目标优化数学模型,实现对注塑机合模机构的优化,同时与理想点法进行对比。结果表明,行程比和力放大倍数经影响因子寻优差异演化法优化后,比原始参数对应的值分别提高10.73 %和21.42 %,而采用理想点法优化后,比原始参数对应的值分别提高9.93 %和20.91 %;影响因子寻优差异演化法比理想点法更具有优越性。     

The aromatic enhancement in the axial‐flow spherical packed‐bed membrane naphtha reformers in the presence of catalyst deactivation

Because of some disadvantages of conventional tubular reactors (CTRs), the concept of spherical membrane reactors is proposed as an alternative. In this study, it is suggested to apply hydrogen perm‐selective membrane in the axial‐flow spherical packed‐bed naphtha reformers. The axial flow spherical packed‐bed membrane reactor (AF‐SPBMR) consists of two concentric spheres. The inner sphere is supposed to be a composite wall coated by a thin Pd‐Ag membrane layer. Set of coupled partial differential equations are developed for the AF‐SPBMR model considering the catalyst deactivation, which are solved by using orthogonal collocation method. Differential evolution optimization technique identifies some decision variables which can manipulate the input parameters to obtain the desired results. In addition to lower pressure drop, the enhancement of aromatics yield by the membrane layer in AF‐SPBMR adds additional superiority to the spherical reactor performance in comparison with CTR. © 2011 American Institute of Chemical Engineers AIChE J, 2011     

改进鲸鱼优化算法及其在渣油加氢参数优化的应用

针对智能优化算法在处理非线性优化问题中存在的容易陷入局部最优和收敛精度差等问题,提出了一种基于结合差分进化和精英反向学习的改进鲸鱼算法（DEOBWOA）。该算法引入对立搜索初始化、精英反向学习,并结合差分进化进行变异修正,显著有效地提高WOA算法的收敛精度和收敛速度,提高其跳出局部最优的能力。之后采用8个标准测试函数进行仿真实验,结果表明：DEOBWOA算法与标准WOA、HCLPSO、DE算法相比,全局搜索能力和收敛速度都有较大提升。最后建立了渣油加氢动力学模型,考虑到渣油加氢过程中存在诸多典型的非线性约束问题,以某炼化厂渣油加氢装置为例,应用DEOBWOA对渣油加氢反应动力学模型参数进行优化,结果表明该算法能较好地处理实际工程优化问题。     

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.     

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…     

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.