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。     

基于迁移学习的裂解炉产率建模

乙烯裂解炉通常以石油分馏产品为原料,并在高温条件下使长链分子的烃断裂成各种短链的气态烃和少量液态烃,从而获得乙烯、丙烯等烯烃及其他产品.建立这些主要产品的产率模型对裂解炉的先进控制、操作优化等任务在理论和实际上都具有重要意义.尽管在不同裂解原料、不同炉型的裂解炉状况下产品收率均存在差异,但由于裂解炉运行具有半连续性、周期性特征,裂解温度、停留时间及烃分压等因素对裂解产率的影响具有共性,因此为减小建模过程中典型样本采集等成本,有效利用历史数据提高建模精度,有效利用这些不同运行过程中存在的相似性,辅以迁移学习算法实现不同工况下裂解产率的快速建模.相比较以前的研究,此建模方法在少量新数据的情况下充分挖掘了历史数据中包含的信息.最后,以某乙烯厂为研究实例进行裂解产率建模,结果显示能够获得较好的产率预测精度,验证了该建模方法的有效性.     

支持向量回归在乙烯裂解产物收率软测量中的应用

乙烯裂解产物收率的实时预报对于裂解炉的生产具有重要意义。针对有效的样本数据较少的问题,采用支持向量回归方法建立裂解产物收率的软测量模型。对于支持向量机中模型参数的选取,采用了微粒群优化算法进行参数寻优,提高了建模效率和模型精度。基于现场数据的建模实验结果表明,基于支持向量回归方法的乙烯裂解产物收率软测量模型预报精度较高,趋势跟踪性能良好。     

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。     

基于改进的快速搜索聚类算法和高斯过程回归的催化重整脱氯前氢气纯度多模型建模方法

氢气是催化重整反应的重要副产物之一,建立氢气纯度软测量模型有助于指导生产。针对催化重整过程工况复杂多变、单一软测量模型难以满足精度要求,提出了一种基于改进的快速搜索聚类算法和高斯过程回归的多模型软测量建模方法。首先,针对快速搜索聚类算法中截断距离是由人为设定的问题,提出了一种截断距离确定方法。并用该改进算法对历史数据进行自动分类,建立各个数据子集的高斯过程回归模型,使各子模型在最大程度上反映不同工况点。然后,针对聚类后得到的带有类别标签的历史数据,建立类别辨识模型,与各子模型相结合,形成开关模式的组合模型。最后,将该建模方法应用于连续催化重整装置,建立了脱氯前氢气纯度的在线计算模型。结果表明,该多模型建模方法具有较高的预测精度,优于传统的单一模型,有一定的实用价值。     

基于AP聚类算法的跳汰机床层松散度软测量建模

松散度是跳汰分选过程的重要影响因素,针对其难以用仪器在线检测的问题,提出采用最小二乘支持向量机(LS-SVM)的软测量建模方法。在充分考虑分选过程高度非线性及强耦合性的基础上,为避免单模型建模回归精度差和泛化能力弱的问题,提出采用基于仿射传播(AP)聚类的LS-SVM多模型建模算法进行床层松散度软测量建模。首先采用AP算法对样本数据进行聚类划分,再用LS-SVM的方法对子类样本分别建立子模型,最后通过子模型切换策略得到系统输出。仿真实验表明,基于AP聚类算法的LS-SVM软测量建模算法能够更好地预测跳汰机床层松散度。     

基于集成学习的注塑制品质量软测量方法研究

为解决传统注塑间歇过程的质量反馈存在严重滞后性的问题,利用注塑生产过程的传感器数据和成型机操作数据进行工况识别,对制品质量进行基于集成学习的软测量。采用Mini Batch K-Means算法,将注塑过程时段聚类为合模-注塑-保压-冷却主要阶段,实现工况准确、快速在线识别。利用多阶段演变的Stacking集成学习策略,结合工况识别的四个阶段,建立多阶段集成软测量模型。采用分阶段建模的方法明显削弱了数据的非线性,预测精度相比传统线性回归模型得到提升。采用集成学习的方法也提高了模型的精度,与非线性模型相比预测精度也得到提高,该多阶段集成的软测量方法可以为产品质量控制和改进,提供较精确的质量反馈。     

基于Gath-Geva算法和核极限学习机的多阶段间歇过程软测量

间歇过程具有较强的非线性,多阶段、慢时变及批次间存在变化,采用单一预测模型不能反映间歇过程的多阶段特性及阶段间过渡特性。提出一种基于Gath-Geva聚类和核极限学习机（kernel extreme learning machine,KELM）的多模型软测量方法。首先采用主成分分析（principal component analysis,PCA）对输入做特征提取,然后利用Gath-Geva算法对间歇过程进行多阶段工况划分,根据生产工况特性划分为不同的操作阶段后,分别建立局部KELM模型。对任一待预测样本,分别计算其对应各局部模型的预测值,最后采用贝叶斯集成,将其隶属于各局部模型的模糊隶属度作为权重和预测值融合得到最终预测值。以青霉素发酵数据进行实验测试,结果表明所提多模型算法相较于单一模型,具有更高的预测精度。     

基于Gath-Geva算法和核极限学习机的多阶段间歇过程软测量

间歇过程具有较强的非线性,多阶段、慢时变及批次间存在变化,采用单一预测模型不能反映间歇过程的多阶段特性及阶段间过渡特性。提出一种基于Gath-Geva聚类和核极限学习机(kernel extreme learning machine,KELM)的多模型软测量方法。首先采用主成分分析(principal component analysis,PCA)对输入做特征提取,然后利用Gath-Geva算法对间歇过程进行多阶段工况划分,根据生产工况特性划分为不同的操作阶段后,分别建立局部KELM模型。对任一待预测样本,分别计算其对应各局部模型的预测值,最后采用贝叶斯集成,将其隶属于各局部模型的模糊隶属度作为权重和预测值融合得到最终预测值。以青霉素发酵数据进行实验测试,结果表明所提多模型算法相较于单一模型,具有更高的预测精度。     

基于改进即时学习算法的湿法冶金浸出过程建模

针对湿法冶金浸出过程中存在的多变量、非线性和多工况等问题,采用基于即时学习算法的最小二乘支持向量机建立浸出率的预测模型。将时间有序性引入到即时学习算法学习集的选取规则中以确定系统当前工作点的建模邻域,从而提高模型精度;引入累计相似因子以提高所建模型的实时性,并利用自适应相似度阈值来判定是否需要重新建立当前工作点的局部模型。将改进的建模方法应用到湿法冶金浸出过程浸出率的预测中,仿真结果表明,所建模型具有较高的精度和实时性,可用于湿法冶金工业生产过程。     

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。     

用于催化裂化装置产率预测的Filter-Wrapper特征变量选择方法

催化裂化过程是重质油轻质化的重要手段,为了研究操作条件、原料性质等因素对产品分布的影响,通常需要对催化裂化过程建立准确可靠的数学模型。选择合适的输入变量对模型预测效果有着较大的影响,而在现有的催化裂化装置模型中,输入变量的选取主要依赖于对催化裂化机理的理解。本文从数据驱动建模的角度出发,提出一种Filter法与Wrapper法联合使用的特征子集选择方法。该方法在输入变量选取的过程中不依赖于催化裂化的先验知识,是一种数据驱动的自发的特征变量选择过程。以某炼油厂催化裂化装置为研究对象,利用该装置的生产数据分别选择用于干气和焦炭产率预测模型的输入变量,建立了预测精度高、输入变量数目适中的模型。此外,该方法为催化裂化装置建模的变量选取提供了新角度。     

Systematics and modelling representations of LPG thermal cracking for olefin production

Pyrolysis of hydrocarbons is an important commercial process for the production of ethylene, propylene and 1,3 butadiene. These low molecular weight olefins are among the most important base chemicals for the petrochemical industries for polymer production. A simulation program of the reaction kinetics and coke formation inside the coils of a thermal cracking unit can provide information on the effects of operating conditions on the product distribution. The aim of this study was to develop a mechanistic reaction model for the pyrolysis of LPG that can be used to predict the yields of the major products from a given LPG sample with commercial indices. A complete reaction network, using a rigorous kinetic model, for the decomposition of the LPG feed has been developed, which is used for the simulation of industrial LPG crackers. This model has been adapted using industrial data for the pyrolysis yields of LPG. The present paper attends on the asymptotic coking mechanism and describes the development of a kinetic coking model in the pyrolysis of LPG. Detailed and accurate information about the product distribution, growth of coke layer, the evolution of the tube skin temperatures can be obtained from this simulation. Simulations of this kind can be used to optimize the furnace operation. They can be used as a guide for the adaptation of the operating variables aiming at prolonging the run length of the furnace. The reactor model, as well as kinetic scheme, is tested in an industrial 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。     

切向燃烧锅炉的计算模型(Ⅱ)NOx排放

The paper describes numerical and experimental study on reduction of NO~ emissions in a 600 MW tangentially fired boiler furnace under different operating conditions. A simplified NOx formation mechanism model,along with the gas-particle multiphase flow model, is adopted. The prediction yields encouraging results as compared to experimental data.     

Computational Modeling of Tangentially Fired Boiler(I I) NOx Emissions

The paper describes numerical and experimentalstudy on reduction of NOx emissions in a 600 MWtangentially fired boiler furnace under different operating conditions.A simplified NOx formation mechanism model,along with the gas-particle multiphase flow model, is adopted.The prediction yields encouraging results as compared toexperimental data.     

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.     

粒子群优化算法在催化裂化模型参数估计中的应用

参数估计是化工模型工业应用中的重要课题,有相当的难度。针对催化裂化八集总模型的动力学参数估计问题,考察了不同类型优化算法的应用效果,结果表明,粒子群优化算法简单、容易实现,而且可以避免传统方法对初始值的依赖,并进一步提出用结合Levenberg-Marquardt算法的混合粒子群优化算法提高参数估计效果。工业实例表明,用混合粒子群优化算法得到的动力学参数可以保证模型的预测精度。