乙烯生产装置优化人工神经网络模型的建立

建立了一个用于乙烯生产装置优化的人工神经网络模型。该神经网络模型是以BP网络为基础的多层网络。该神经网络模型训练过程和应用优化过程是互逆过程。示例表明：训练后的神经网络模型可对乙烯生产装置进行快速工艺参数优化，获得较优的操作数据。     

乙烯装置三元制冷系统影响因素及优化研究

制冷系统的良好运行是保证乙烯装置乙烯回收率的关键因素。当乙烯装置负荷较高时，三元制冷系统容易存在冷剂分配不合理、系统操作稳定性差的问题，进而导致脱甲烷塔塔顶温度高、乙烯损失严重等问题。采用过程模拟软件建立三元制冷系统模型，利用稳态模拟和动态模拟分析了裂解气量及其组成变化对三元制冷系统运行的影响，找到了影响该系统稳定运行的关键参数，提出了冷箱及脱甲烷塔针对多种工况的调整方法、三元制冷压缩机三段出口温改方案及脱甲烷塔塔顶跨线调整策略等优化建议，对乙烯装置三元制冷系统的优化操作具有一定的理论指导意义。     

乙烯装置脱甲烷塔系统乙烯损失的影响因素及相应措施

脱甲烷塔系统是乙烯装置深冷分离的关键,该系统的设计及工艺操作条件等都会影响塔顶乙烯的损失。以某炼油厂乙烯装置前脱丙烷流程中的脱甲烷塔系统为例,介绍了脱甲烷系统中碳二洗涤塔的设置、进料中的甲烷/氢气摩尔比及进料温度、脱甲烷塔的回流量、塔顶温度、以及再沸器/冷凝器的热负荷等因素对脱甲烷塔系统乙烯损失的影响,并对降低其系统的乙烯损失提出解决措施,为乙烯装置中的脱甲烷塔系统设计和运行提供借鉴。     

基于PSO算法的乙烯分离过程脱甲烷系统多目标优化

采用流程模拟软件Aspen Plus,根据乙烯装置脱甲烷系统实际工业数据,模拟不同操作参数下脱甲烷系统的运行状况,并进行灵敏度分析;在此基础上,结合响应面分析法建立脱甲烷系统的多目标优化模型,并采用自适应变异粒子群算法进行优化求解。结果表明,采用此算法优化后的操作参数可有效降低脱甲烷塔的能耗,并保证乙烯的收率,为脱甲烷系统优化设计和操作提供了一种有效的方法,同时也为其他分离过程的优化提供了理论依据。     

乙烯装置冷箱和脱甲烷塔系统的模拟及优化

采用Aspen Plus软件模拟了中国石化镇海炼化分公司乙烯装置裂解气负荷和裂解气组成变化对冷箱和脱甲烷塔系统中乙烯损失的影响,分析了脱甲烷塔(分凝分馏塔)塔顶乙烯含量、温度与回流比(冷剂量)的关系,以及脱甲烷塔压力和进料条件对塔顶乙烯损失的影响,研究了冷箱中不同压力等级的冷剂对冷量获得的影响。模拟结果和乙烯装置实际运行情况表明,乙烯损失主要发生在脱甲烷塔顶部,当裂解气负荷达285 t/h或轻组分氢气和甲烷含量为46.3%(x)时,脱甲烷塔塔顶乙烯损失将出现快速上涨的拐点。日常操作时,应适当控制脱甲烷塔和分凝分馏塔塔顶温度,尤其是脱甲烷塔塔顶温度控制在-131.5～-131.2℃之间,有利于减少乙烯损失。     

Petro-SIM模拟软件在中压加氢裂化流程模拟中的应用

基于Petro-SIM模拟软件建立了中压加氢裂化装置的反应器校核模型和装置全流程模型,以掺炼不同催化裂化柴油比例下两种工况的实际运行参数和产品分析数据验证了该模型的准确性。应用全流程模型对装置进行优化机会分析,提出了通过降低石脑油分馏塔塔压来缓解塔底热负荷需求,从而解决了主分馏塔在多产喷气燃料和重石脑油时热负荷相互制约的问题;适当提高裂化反应器温度增加了喷气燃料和石脑油收率,有利于装置的提质增效。模拟结果表明,降低石脑油分馏塔塔压30 k Pa可降低塔底再沸器热负荷0.54 MW,在不影响重石脑油品质的前提下实现增产喷气燃料1.2 t/h,或者可实现裂化反应器加权平均温度提高0.6℃,增产石脑油1.89 t/h和喷气燃料1.0 t/h。     

应用BP神经网络预测石脑油热裂解产物收率

采用BP神经网络模型建立了石脑油裂解产物收率的预测方法。BP神经网络模型的输入层设12个结点,输出层设22结点,设一层隐含层。在保证学习训练数据具有代表性的情况下,BP神经网络模型的预测结果与实验数据相比,误差约为5%。BP神经网络模型的预测结果比非线性回归方法的预测结果要好。BP神经网络模型的外延性不强,外延的部分数据预测结果偏差较大。在能够保证基础学习训练数据的准确性和合理选取的条件下,BP神经网络模型能够应对乙烯装置原料变化频繁的情况。     

基于遗传算法的乙烯生产装置神经网络模型的建立

基于遗传算法建立乙烯生产装置神经网络模型；先依据乙烯生产装置工况间的非线性程度设计人工神经网络模型结构．再用遗传算法对该网络模型参数进行组合优化确定，所建模型既可用来进行乙烯产率预测，亦可用来对其生产工况优化,示例表明；建好后的网络模型可对乙烯生产装置进行快速工艺参数优化，获得较优的操作数据。     

甲醇制丙烯产品气分离工艺的开发

针对甲醇制丙烯(MTP)反应产物的特点,对MTP产品气分离工艺进行了研究和改进。在前脱丙烷流程的基础上,采用双塔脱丙烷工艺降低脱甲烷塔负荷,用中冷中压脱甲烷塔对乙烯进行初步回收,用中冷油吸收回收脱甲烷塔尾气中的乙烯,用分凝分馏塔与膨胀机组合回收尾气中夹带的吸收剂和少量乙烯,采用高度"热集成"的脱乙烷塔和乙烯精馏塔。以1.7Mt/a MTP装置产品气压缩机进料为基准,通过对前脱丙烷流程进行流程组合和操作参数优化,能使产品气压缩机轴功率消耗降至6 738 k W,丙烯压缩机轴功率消耗降至3 529 k W,离开分离工段的尾气中乙烯和吸收剂含量接近痕量,分离部分乙烯收率达到99.67%。     

乙烯装置碳二碳三分离系统模拟

利用ASPEN流程模拟软件建立齐鲁乙烯装置碳二碳三分离系统模拟流程,核算原料结构变化前后脱乙烷塔的物料平衡,考察乙烯精馏塔和丙烯精馏塔组成与负荷变化时各塔的运转情况,为提升乙烯装置技术经济性提供了技术依据。     

采用BP神经网络预测石脑油裂解烯烃收率

在乙烯裂解工业装置的典型操作条件下,分别选取正构烷烃、异构烷烃、环烷烃、芳烃为裂解原料,考察了这些模型化合物的蒸汽裂解产物分布情况。结果表明,正构烷烃是优质的乙烯裂解原料,乙烯收率为36%~45%;异构烷烃的丙烯收率约为23%,明显高于正构烷烃;环烷烃裂解乙烯和丙烯收率较低,丁二烯收率则较高,为14%~15%;芳烃很难裂解生成烯烃。建立了包含2个隐层的级联前向BP神经网络,以模型化合物和石脑油样本裂解烯烃收率为依据对该神经网络进行训练,确定了模型参数,并对2种石脑油的裂解烯烃收率仿真数据与实验结果进行了对比。结果表明,二者的误差小于1个百分点,该模型可用于预测石脑油裂解的烯烃收率。     

ASPEN PLUS模拟软件在混合二甲苯生产中的应用

中国石油辽河石化公司重整装置在混合二甲苯生产过程中,遇到了二甲苯收率偏低,馏程过窄的问题。针对以上问题,利用ASPEN PLUS流程模拟软件,建立了脱C7塔和二甲苯塔的工艺流程模型,并将模拟结果与生产数据对比,验证了模型的可靠性。通过ASPEN PLUS的灵敏度分析功能,研究了两塔回流比和塔底热负荷对混合二甲苯收率和质量的影响,并以最大化二甲苯收率为目标,求解得到了最优回流比和最优塔底热负荷。通过对操作参数的优化调整,二甲苯馏程范围可从1.5℃扩大至4.7℃,收率从15.0%提高到23.6%,装置月增效80多万元。     

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...     

LNG液化厂脱乙烷塔系统的动态模拟

基于某天然气液化装置的脱乙烷塔系统,应用HYSYS Dynamic流程模拟软件,建立脱乙烷塔系统动态模型,研究脱乙烷塔系统在回流量扰动、再沸器热负荷增加等因素扰动变化时,整个系统的温度、压力、产品组成等工艺参数随之变化的动态响应过程,并针对具体工况提出应对措施。分析表明,动态模拟能够清晰地反映脱乙烷塔系统工艺参数随扰动变化的动态响应特性,可离线预测应对扰动的措施,指导设计工作中设备设计裕量的选取,验证所选取控制系统的稳定性。     

乙烯装置脱乙烷塔的模拟分析与优化探讨

针对乙烯装置脱乙烷塔塔釜温度低、脱丙烷塔压力易超压的实际问题,运用Aspen Plus软件进行模拟计算,分析了问题产生的原因,研究了回流比、塔顶采出量和进料位置变化对塔分离效果的影响,建立了以冷凝器热负荷为约束条件的优化模型,结果表明采用将再沸器热源由急冷水改为0.35 MPa低压蒸汽的方法可以提高脱乙烷塔的分离效果,增强装置运行稳定性。     

基于大数据平台的集油管道运行特性预测方法研究

基于大数据平台,运用python语言进行编程,建立了原油双管掺水流程集油管道水力热力神经网络回归预测模型。以大庆油田某计量间及其所辖6口采油井为例,分别建立了各集输管线的传热系数及水力摩阻系数的BP神经网络回归模型,校正了传统计算公式,并通过计算平均相对误差对模型进行了验证,结果满足实际工程标准,表明该组回归预测模型可用于现场实际运行参数的计算。     

丁醛异构物塔模拟与优化

利用流程模拟软件Aspen Plus对丁辛醇装置丁醛异构物塔进行了流程模拟,建立了与装置运行参数吻合的模型。采用灵敏度分析的方法,考察了进料板位置和回流比的变化对塔顶、塔底热负荷以及产品的质量等的影响,确定了丁醛异构物塔的最佳进料位置和最佳回流比,降低了装置能耗。     

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...     

甲醇制丙烯(MTP)分离工艺的研究与优化

170万t/a甲醇制丙烯(MTP)装置在设计和运行时都出现了诸多问题,分离工艺有待改进和提高。本文以170万t/a的MTP装置为背景,通过脱甲烷塔尾气回收技术的筛选,对前脱乙烷、脱甲烷塔及其尾气回收系统、脱碳二系统(脱乙烷塔和乙烯精馏塔)热耦合、吸收剂选择等工艺进行组合、模拟与优化,筛选出较为合适的工艺方案:前脱乙烷、组合脱甲烷塔尾气回收系统、高度热耦合的脱碳二系统、用前脱乙烷塔底产品作吸收剂等。对年产丙烯48万吨、乙烯18万吨的MTP装置而言,采用上述流程时双机功率为20703k W,乙烯损失12.0t/a,丙烯损失2.0t/a。     

神经网络技术在柴油加氢精制装置生产中的应用

针对柴油加氢精制过程的产品质量难以优化和预测的问题,提出了人工神经网络模型。根据国内某石化企业1.0 Mt/a柴油加氢精制装置生产操作数据,分别应用动量BP神经网络、LMBP神经网络和RBF神经网络建立了用于预测柴油加氢产品硫含量的模型。并对建立的RBF神经网络模型的泛化能力进行了考察。结果表明,动量BP神经网络、LMBP神经网络和RBF神经网络预测的平均相对误差分别为3.50%,2.30%,2.18%,RBF神经网络模型的预测性能最佳,且具有良好的泛化能力,能够在工艺操作参数变化时准确地预测柴油产品的硫含量,为柴油加氢精制装置的良好运行和优化操作提供了指导。