共查询到19条相似文献,搜索用时 250 毫秒
1.
2.
对46万t乙烯装置裂解炉裂解气分析在线色谱仪动态回流取样系统进行改造,解决乙烯裂解炉裂解气在线色谱仪投用率低的问题,保证裂解气在线色谱仪测量稳定准确,指导工艺精确控制裂解深度、提高双烯(乙烯、丙烯)收率。 相似文献
3.
根据乙烯裂解炉在裂解深度方面存在的优化问题,本文从乙烯产品和丙烯产品的实际经济效益出发,合理制定了乙烯裂解炉在双烯收率上最佳经济效益的优化标准,只有完成该经济标准的优化,才可以在工艺参数和裂解原料不同的情况下,获得裂解炉在运行过程中的最佳裂解深度,真正实现经济效益的最大化。, 相似文献
4.
裂解炉裂解产物优化方法 总被引:2,自引:0,他引:2
介绍了裂解炉裂解产物收率优化的4种方法:改善裂解原料、提高裂解深度、建立模型优化、采用先进控制技术优化。通过改善裂解原料和提高裂解深度虽能提高乙烯和丙烯收率,但这种优化更多依赖经验。人工智能优化方法只能反映裂解炉炉管出口裂解产物收率变化,而传统化工模型优化则更能反映裂解炉的整体运行情况。因此,采用传统化工建模优化方法与先进控制技术相结合,将是实现裂解炉产物收率优化的最佳选择。 相似文献
5.
6.
7.
由于我国油气资源相对贫乏,裂解原料主要来自炼厂装置产品,包括轻烃、石脑油、柴油和加氢尾油。在我国裂解原料结构中,以石脑油和加氢尾油液体裂解原料为主,乙烷和丙烷所占比例较少,主要来自乙烯装置的循环乙烷和循环丙烷。近年来,随着炼油装置的升级改造以及美国页岩气的成功开发,使得乙烯装置使用乙烷和丙烷作为裂解原料的比例逐渐增加。当前,乙烷和丙烷均以混合方式裂解。通过研究工业裂解炉裂解乙烷、丙烷和乙丙烷的裂解产物收率,与乙丙烷混合裂解相比,乙烷和丙烷单独裂解降低甲烷收率,提高了乙烯、双烯、三烯和高附产品收率,从而提高了乙烷和丙烷的裂解效率。 相似文献
8.
9.
10.
针对乙烯裂解炉的控制问题,提出了一种鲁棒性较强的先进控制策略,该方法有效地解决了裂解原料组分和燃料气热值波动对裂解炉裂解气出口温度的影响,实现裂解气出口温度和裂解炉加工总量的精细化控制,优化控制器可一键投运和切除,解决了裂解炉控制问题的复杂性。该方法成功应用于兰州石化460kt/a乙烯装置,提高了装置的平稳率,提升了双烯及碳四等产品的收率。 相似文献
11.
乙烯工业不同的裂解装置间存在着设备、技术上的差别,每一种原料在乙烯工厂不同炉型或工艺的裂解装置的乙烯产品收率、能耗也存在着差别。随着新的乙烯工厂的投产,需要同时运行台数众多的差异化裂解装置,从而为通过优化调度乙烯裂解原料实现提高物效、降低能耗提供了空间。对于此类工厂间原料调度及能耗优化问题提出了一种基于P-graph的建模和优化方法(scheduling generation based on P-graph, SGBP算法),该算法通过P-graph本身提取过程结构信息的能力,在加速求解的同时,保留了次优解集。之后以两个实际的乙烯厂为研究实例,采用提出的SGBP方法实现了原料调度的建模和优化,该方法与MINLP优化算法的对比分析验证了提出方法的优势:(1)可以同时提供较为丰富的最优解与次优解方案;(2)提出方法的最优结果与MINLP的优化效果相当;(3)优化后的整体能耗下降明显,为生产计划人员选择可采用灵活的原料调配方案提供了多种可选择的运行方案。 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
15.
根据裂解炉开工后实际运行情况,从控制、原料、运行模式和管理等方面对裂解炉运行进行优化,实现了新建乙烯装置裂解炉安全、平稳和长周期运行。结果发现:通过不断调整测试和优化,裂解炉实现了100%自控率;依据原料性质,停止裂解重石脑油,将重石脑油全部改供给小重整装置做原料,同时将碳四与轻石脑油混和,提高了产率与原料利用率;采用“7+l”裂解模式并进行在线烧焦大大降低了运行成本。 相似文献
16.
提出一种基于K均值聚类的多群竞争粒子群优化算法(MSCPSO),该算法避免陷入局部最优,提高了算法的全局搜索能力。同时利用MSCPSO训练RBF神经网络并建立裂解产物的在线预测模型,研究一种集成MSCPSO-RBFNN过程建模的裂解深度智能优化控制方法。该方法以实现乙烯和丙烯收率之和最大化为目标函数,把满足优化目标的裂解深度作为深度控制器的输入,并与裂解炉出口温度先进控制系统集成,实现裂解深度的平稳控制。实际应用效果表明,提高了乙烯和丙烯的收率,裂解深度控制更加稳定,该方法具有良好的适应性、稳定性。 相似文献
17.
To find the optimal operational condition when the properties of feedstock changes in the cracking furnace online, a hybrid algorithm named differential evolution group search optimization (DEGSO) is proposed, which is based on the differential evolution (DE) and the group search optimization (GSO). The DEGSO combines the advantages of the two algorithms: the high computing speed of DE and the good performance of the GSO for preventing the best particle from converging to local optimum. A cooperative method is also proposed for switching between these two algorithms. If the fitness value of one algorithm keeps invariant in several generations and less than the preset threshold, it is considered to fall into the local optimization and the other algorithm is chosen. Experiments on benchmark functions show that the hybrid algorithm outperforms GSO in accuracy, global searching ability and efficiency. The optimization of ethylene and propylene yields is illustrated as a case by DEGSO. After optimization, the yield of ethylene and propylene is increased remarkably, which provides the proper operational condition of the ethylene cracking furnace. 相似文献
18.
Multi-objective modeling and optimization for scheduling of cracking furnace systems 总被引:1,自引:0,他引:1
Cracking furnace is the core device for ethylene production. In practice, multiple ethylene furnaces are usual y run in parallel. The scheduling of the entire cracking furnace system has great significance when multiple feeds are simultaneously processed in multiple cracking furnaces with the changing of operating cost and yield of product. In this paper, given the requirements of both profit and energy saving in actual production process, a multi-objective optimization model contains two objectives, maximizing the average benefits and minimizing the average coking amount was proposed. The model can be abstracted as a multi-objective mixed integer non-linear programming problem. Considering the mixed integer decision variables of this multi-objective problem, an improved hybrid encoding non-dominated sorting genetic algorithm with mixed discrete variables (MDNSGA-I ) is used to solve the Pareto optimal front of this model, the algorithm adopted crossover and muta-tion strategy with multi-operators, which overcomes the deficiency that normal genetic algorithm cannot handle the optimization problem with mixed variables. Finally, using an ethylene plant with multiple cracking furnaces as an example to illustrate the effectiveness of the scheduling results by comparing the optimization results of multi-objective and single objective model. 相似文献