基于交叉迭代BLSTM网络的乙烯裂解炉建模

数据驱动的乙烯裂解炉模型通常忽视了裂解炉结构和反应机理,存在预测误差偏大的缺点,为此提出基于知识和数据融合驱动的乙烯裂解炉乙烯收率等关键参数的双向长短时间记忆网络(BLSTM)预测模型。为了解决BLSTM建模缺少可用数据的问题,提出了一种采用交叉迭代的BLSTM (CIBLSTM)模型。所提CIBLSTM模型采用了正反向交叉迭代方法,逐步逼近所缺数据的真实值,进而建立乙烯裂解炉的预测模型。为了验证所提CIBLSTM模型的有效性,选取9种工业实际原料与分析数据进行仿真测试,仿真结果验证了所提的CIBLSTM模型的有效性与实用性,所提方法也可应用于其他复杂化工过程建模。     

基于改进深度强化学习的乙烯裂解炉操作优化

乙烯裂解炉是乙烯生产的核心,对其生产操作优化的研究在提高乙烯工厂生产水平和经济效益方面具有重要意义。裂解炉中的裂解过程具有高维度、多模态和非线性的特征,传统优化方法难以实现根据工况变化的操作优化。针对上述问题,提出基于改进TD3深度强化学习算法的乙烯裂解炉操作优化,首先结合裂解过程将裂解炉一个运行周期内的操作策略视为顺序决策,利用实际生产过程数据和人工神经网络对裂解炉生产过程建模作为强化学习智能体交互的环境,然后引入多评价网络机制估计动作价值,有效缓解TD3训练缓慢和策略保守的现象,最后应用该算法求解乙烯裂解炉生产操作优化问题得到有效的优化策略,验证了所提算法的有效性。实验结果表明,所提出的操作优化策略显著提高了裂解炉主要产物的收率。     

基于相关积分优化方法的裂解炉优化

裂解炉是石油化工产业中重要设备,优化裂解炉运行状态对提升乙烯装置绩效至关重要。由于裂解反应机理复杂,裂解炉模型难以确定且扰动频繁,运用传统优化方法难以解决裂解炉运行优化问题。提出将相关积分优化方法应用于裂解炉运行优化,以解决裂解炉优化需要裂解炉具体模型、传统优化方法的自适应性与抗干扰性不满足裂解炉优化需求的两大问题。首先,分析影响裂解炉运行的主要操作参数,选取合适的操作变量,并构建优化目标函数;然后,采集操作变量与优化目标函数数据,建立裂解炉历史数据库。最后,基于相关积分优化方法,利用历史数据进行迭代计算以对裂解炉进行优化。仿真结果验证了相关积分优化方法在裂解炉优化中的有效性。     

基于动态多核相关向量机的软测量建模研究

针对污水处理过程中存在的多变量耦合、强非线性以及参数时变等问题，提出基于多核学习相关向量机的软测量建模方法，并采用粒子群算法对多核权重以及核参数进行优化。同时，引入时间差分(time difference)方法改进多核相关向量机的动态特性。为了验证所提模型的有效性，通过一仿真案例与单核相关向量机、多层前馈神经网络和基于遗传算法的支持向量机进行对比研究。结果表明，所提模型具有更好的预测效果。最后，对模型的鲁棒性在数据漂移和异常的场景下进行了讨论。     

动态核聚类算法在乙烯生产中的优化模式识别

针对传统的C means聚类在小样本和类别交叉空间存在样本错分问题,研究分析一种基于核函数的动态聚类方法,以广义欧式距离作为高维特征空间的相似性度量,提高聚类的准确性,仿真实例验证了算法的有效性。提出利用动态核聚类方法来识别乙烯裂解炉生产过程最优操作模式,动态调整乙烯裂解炉的操作条件以及选择油品和预测收率,实际的工业应用说明动态核聚类方法的可行性。     

一种基于数据驱动的模糊系统建模方法

针对工业生产中的一些复杂、非线性模糊系统,传统的建模方法很难描述其特性,而在实际生产中存在大量输入输出数据,提出了一种通用的基于数据驱动的模糊系统建模方法.采用减法聚类和模糊C-均值相结合的模糊聚类算法对输入空间进行划分,进而从输入输出采样数据中提取系统模糊规则,这样使得被辨识模型可用若干局部线性模型表示,然后利用递推最小二乘法对后件参数进行辨识,从而建立了非线性系统的T-S模糊模型.最后,应用该方法对一个非线性系统进行辨识,仿真结果验证了所提方法的有效性.     

基于特征提取的函数连接神经网络研究及其化工过程建模应用

对于化工过程中带噪声、强耦合的高维数据建模问题,常规的函数连接神经网络(functional link neural networks,FLNN)无法有效地进行处理。为解决该问题,提出一种基于主元分析(principal components analysis,PCA)的函数连接神经网络(PCA-FLNN)。通过对FLNN的函数扩展层进行特征提取,不仅去除变量间的线性相关关系,而且提取数据的主成分,进而简化FLNN学习数据的复杂度。为验证所提方法的有效性,首先采用UCI数据Airfoil Self-Noise对其性能进行验证;随后将所提的方法应用于精对苯二甲酸(purified terephthalic acid,PTA)生产过程建模;与传统FLNN进行对比,标准数据和工业数据的仿真结果表明,PCA-FLNN在处理复杂化工过程数据时具有收敛速度快和建模精度高的特点。     

基于动态多核相关向量机的软测量建模研究

针对污水处理过程中存在的多变量耦合、强非线性以及参数时变等问题,提出基于多核学习相关向量机的软测量建模方法,并采用粒子群算法对多核权重以及核参数进行优化。同时,引入时间差分(time difference)方法改进多核相关向量机的动态特性。为了验证所提模型的有效性,通过一仿真案例与单核相关向量机、多层前馈神经网络和基于遗传算法的支持向量机进行对比研究。结果表明,所提模型具有更好的预测效果。最后,对模型的鲁棒性在数据漂移和异常的场景下进行了讨论。     

基于正则化的函数连接神经网络研究及其复杂化工过程建模应用

在化工过程的建模中,由于过程数据的高维度和高非线性,导致计算量大幅提升和建模难度加大。为了解决这一问题,提出了一种基于正则化方法的函数连接神经网络模型(regularization based functional link neural network, RFLNN)。所提出的RFLNN方法里,通过使用正则化的方法对函数连接神经网络的权值进行优化,一方面大幅降低网络计算复杂度和计算量,另一方面极大程度上克服网络局部极值和过拟合的问题,以提高函数连接神经网络的学习速度和精度。为了验证所提出方法的有效性,首先采用UCI数据中Real estate valuation数据对其性能进行测试;随后将所提的方法应用于高密度聚乙烯(high density polyethylene,HDPE)复杂生产过程进行建模。UCI标准数据与工业数据的仿真结果表明,与传统FLNN对比,RFLNN在处理高维复杂化工过程数据时具有收敛速度快、建模精度高等特点。     

基于工况识别的乙烯裂解炉清焦控制系统

针对传统乙烯裂解炉清焦采用人工手动控制和固化清焦程序控制时,存在的清焦时间长、效率低及清焦不彻底等问题,提出一种基于工况识别的乙烯裂解炉清焦控制方法,通过对清焦尾气中的CO_2含量进行监测,判断当前工况状态,从而对清焦控制参数进行调整,可以有效缩短清焦时间。工业应用测试证实了所提方法的可行性和有效性。     

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。     

Numerical simulation on flow, combustion and heat transfer of ethylene cracking furnaces

With the study object of an 100kt/a SL-II ethylene cracking furnace, this paper used Computational Fluid Dynamics (CFD) method to carry out coupled simulation studies on the flow, combustion, radiative heat transfer and thermal cracking reaction processes in the cracking furnace. The standard k–ε two-equation model was applied to turbulence simulation. The finite-rate/eddy-dissipation model was used for modeling of non-premixed combustion of the bottom burners and premixed combustion of the sidewall burners. The Discrete Ordinates (DO) model was applied to the simulation of radiative heat transfer of furnace. The simulation results show the detailed information about velocity, temperature and concentration fields in the furnace and heat flux distribution on the reactor tubes skin. This work will provide a theoretical basis for the optimization of the geometrical structure and operational parameters of the cracking furnace.     

乙烯裂解炉耦合模拟中湍流模型的影响分析

配备底部烧嘴和侧壁烧嘴的乙烯裂解炉应用越来越广泛，不同燃烧模式影响着炉膛内湍流流动状态，考虑到裂解炉中湍流流动与燃气喷料、燃烧和传热有较强的非线性耦合作用，为此探究不同湍流模型在裂解炉/反应器耦合模拟中的影响对于裂解炉的精确设计和优化至关重要。针对不同湍流模型对某十万吨工业乙烯裂解炉进行了耦合模拟，利用CFD数值模拟对采用标准k-ε模型、RNG k-ε和Realizable k-ε模型所建立的湍流流动模型进行评估。将三种湍流模型的模拟结果与工业数据进行比较，重点分析了裂解炉内的速度、温度、湍流能力等参数的分布情况，表明Realizable k-ε模型在火焰稳定性、反应效率等方面优于其他两种模型，且基于Realizable k-ε湍流方程的反应管模型在热通量、炉管外壁温度分布计算结果更接近实际工况。     

助燃空气对乙烯裂解炉NOx排放的影响

乙烯裂解炉内复杂物理化学过程耦合模拟与优化能够满足乙烯装置对高效率、低污染和低成本的设计和操作要求,对提高乙烯工业的竞争力具有重要意义。针对简单燃烧机理难以准确预测炉膛燃烧生成NO_x浓度分布的弊端,提出了在裂解炉使用更准确的简化GRI-Mesh 3.0机理结合涡耗散概念(EDC)模型的方法,并对Sandia Flame D的燃烧过程进行计算流体力学(CFD)模拟,验证了此耦合模型的可靠性。在已建立的燃烧模型的基础上,研究了助燃空气对降低裂解炉NO排放的影响,结果表明：在满足裂解炉热效率的情况下,空气预热温度为300~600 K、过量空气系数为1.1时降低NO的效果最佳。     

基于甲烷收率在线测量技术的乙烯裂解炉闭环优化方法

由于缺乏裂解产物收率绝对量信息,现有的乙烯裂解炉优化策略需要依靠裂解反应模型对裂解产物分布进行预测并依此进行开环优化计算,其优化结果完全依赖于裂解反应机理模型的精度.本文通过改进乙烯裂解炉裂解气取样系统实现了甲烷质量收率这一关键参数指标的在线测量,并在此基础上进一步提出一种裂解炉闭环优化运行新方法.该方法针对乙烯和丙烯收率和(简称“双烯”收率)最大这一优化目标,根据甲烷收率和双烯/甲烷比(烯甲比)的在线测量数据迭代求解获得最优炉管出口温度(COT).该方法采用闭环迭代寻优的方式,能够有效克服灵敏度函数的非线性以及在线分析仪表本身的测量误差,具有良好的鲁棒性;另一方面,由于不需要借助任何裂解原料与裂解反应模型,从而大大减少了裂解炉优化系统实施的投资,因此具有很好的工业应用前景.     

基于迁移学习工况划分的裂解炉收率PSO-LS-SVM建模

乙烯裂解炉收率的实时预测对于生产的先进控制及节能降耗具有重要意义。实际生产过程中,不同工况的收率具有较大差别,采用单一工况、单一模型无法满足生产需要。考虑到裂解炉不同运行过程中的相似性,同时为了减小建模过程中典型样本的采集成本,有效利用历史数据,辅以迁移学习算法实现工况的高精度划分。不同工况采用泛化能力强、训练速度高的最小二乘支持向量机建模,并利用粒子群算法对LS-SVM的参数寻优,进一步提高模型精度,从而实现了多工况、多模型的高精度收率预测。基于某乙烯厂现场数据的实验结果表明,多工况、多模型的预测效果更准确合理,PSO优化LS-SVM建立的裂解炉收率模型预测精度更高,趋势跟踪性能良好。     

Improvement of ethylene cracking reaction network with network flow analysis algorithm

Reaction network model is central to ethylene cracking process simulation. Studying an ethylene cracking reaction (ECR) network, which involves hundreds of components and thousands of reactions, becomes a difficult task. To facilitate a rapid and comprehensive reaction network analysis and improve ECR network, this paper introduced a ranking algorithm called network flow analysis algorithm (NFAA) to a reaction network analysis procedure. NFAA analyses the reaction network with comprehensive information such as network topological structure, reaction mechanism, and process model data. Following NFAA, reactions and species are ranked based on their significances. According to the ranking of reactions, unimportant reactions (lower ranking) in ECR network are removed to reduce ECR network complexity and decrease computational scale without loss of prediction accuracy. On the other hand, rankings provide guidance on adjusting parameters of ECR network. The application of NFAA makes a progress in improvement of ECR reaction network in an industrial case.     

裂解反应动力学模型研究概况

裂解反应动力学模型是裂解炉模拟的核心,其准确性直接影响裂解产物预测的准确性以及裂解炉先进控制水平,最终影响乙烯生产的成本.裂解反应动力学模型分为经验模型、分子反应模型和机理模型.分别介绍了三种模型的主要方法和优缺点,指出各类模型的应用方向.同时介绍了裂解反应模型未来研究方向.把裂解反应动力学模型和CFD模型结合进行模拟,计算结果的准确度将得到较大的提高,将为乙烯裂解炉的精确控制提供强有力的参考.     

基于模糊核聚类的乙烯裂解深度DE-LSSVM多模型建模

乙烯裂解深度的建模与控制对于裂解炉的实时优化具有重要意义。针对石脑油原料组分复杂、油品特性波动大等状况,采用模糊核聚类对石脑油数据库进行最优划分,建立最小二乘支持向量机的多模型,对于最小二乘支持向量机中模型的参数选取,利用差分进化算法进行参数寻优,提高了模型的精度和泛化能力。通过对现场数据的建模实验,结果表明：基于模糊核聚类的乙烯裂解深度最小二乘支持向量机多模型跟踪性能良好,预测精度较高。