本發明專利技術公開了一種常減壓蒸餾裝置的收率實時預測方法，采用數據調和技術對現場實時數據進行處理，結合改進后的差分進化算法，對精餾過程進行模型參數實時校正，確保所建立的模型能夠適應不同生產工況，實現實際工況的流程模擬。在校正后的模型基礎上，分析關鍵操作/工藝條件，對蒸餾塔側線產品收率和性質的影響。根據這些操作變量對產品收率的影響，結合神經網絡建模技術，將操作條件與常減壓蒸餾裝置關鍵產品收率進行關聯，產生相應的符合生產操作的常減壓蒸餾裝置關鍵產品收率，實現裝置收率實時預測。此發明專利技術可實時快捷地更新其他優化模型(如計劃優化PIMS模型、調度優化ORION模型)中原油蒸餾裝置收率數據，提高計劃模型如PIMS模型的優化精度。
【技術實現步驟摘要】
本專利技術設及一種基于機理和運行特性的常減壓蒸饋裝置收率實時預測方法，該 方法可W用于常減壓蒸饋過程建模仿真、模型實時校正W及和PIMS生產計劃優化模型/ 化ion調度優化模型實時構建。
技術介紹
常減壓裝置是整個煉油工業的首要生產環節，其中初饋塔、常壓塔和減壓塔作為 常減壓裝置的關鍵設備，負責完成原油一次加工的主要過程。常減壓裝置直接處理脫鹽后 的原油，目的是將原油切割成各種不同饋分的產品。在過程中消耗大量的能量。該些饋分 產品或作為后續工段的進料，或經調和后作為成品油出售，對它們都有一定的質量要求。 常減壓蒸饋裝置一般由初饋爐、初饋塔、常壓爐、常壓塔、減壓爐和減壓塔組成，如 圖1。初饋塔的主要生產任務是將原油中的大部分180°cW前的饋分拔出，為重整和己締裂 解裝置提供優質原料。同時還可W減輕常壓爐的負荷，從而實現節能的目的。常壓塔的生 產任務是將原油中350°CW前的饋分拔出，為重整、己締裂解裝置W及成品油調合裝置提供 原料。減壓蒸饋主要是將常底重油中50(TCW前的饋分拔出，為催化裂化、加氨裂化裝置W 及渣油輕質化等二次裝置提供原料。 原油精饋系統中的各種原油精饋塔有相同的工藝特點，根本特點是：處理的對象 是一種復雜混合物一-原油，生產的產品也是復雜混合物一-各種饋分產品，生產過程的 操作條件是復雜多變。該些因素都可使常減壓裝置各側線產品收率和性質發生明顯變化。 W常壓塔為例，在常減壓裝置的常壓蒸饋系統中，原油被切割成常頂石腦油、常一、二、=線 油W及常壓重油等5種產品。按照多元精饋原理，需要有4個精饋塔才能把該些產品分離 出來，常壓塔采用復合操作，中間設置側線采出，相當于4個精饋塔串聯疊加而成。初底油 在常壓爐中加熱到進料溫度后進入常壓塔，而進料溫度是由原油的性質（如原油實沸點曲 線等）、各饋分產品的質量要求（如干點）、過汽化度要求、及汽化段的油氣分壓等決定。進 料溫度太高會造成能量浪費，還會增加塔的汽相負荷，降低塔的處理量；進料溫度太低則輕 油收率下降。為了保證各饋分產品的質量，在常壓塔旁設有汽提塔，采用過熱水蒸汽汽提， W降低側線產品中輕質組分的含量；在常壓塔底注入過熱水蒸汽，從而降低油汽分壓，幫助 塔底重油中輕質油的汽化，同時也將提高進料在汽化段中汽化率，提高饋分油的收率。由于 常壓塔塔底無再沸器，精饋操作所需要的熱量主要由進料帶入，如果塔頂的回流量過大，貝U 過量的液相回流會使塔內各個部位的蒸汽過多地冷凝，造成塔內各處的溫度普遍下降，產 品組成普遍變輕，饋出油收率下降，常壓重油中所含輕質油的含量增高；相反，塔內各點溫 度會全面上升，分饋精確度下降，產品的饋分組成變重，產品不合格。 可W看到，實際生產過程中，常減壓蒸饋裝置的側線關鍵產品如初頂油、常頂油、 常一線油、常二線油、常=線油、常四線油、減一線油、減二線油、減=線油、減四線油等的收 率受到原油品質和操作條件的改變而有明顯的差異。該些關鍵產品的實際產量與生產計劃 預期值往往存在一定的偏差。究其原因，關鍵在于目前生產活動如生產計劃編排中如PIMS 模型、生產調度模型如ORION調度模型均采用固定收率，難W準確描述裝置實際運行過程。 因此，對常減壓裝置進行流程模擬，建立一個能精確、定量描述常減壓裝置的收率模型是提 高當前煉油裝置生產計劃/調度模型準確性的關鍵。 精確收率模型的核屯、在于準確的機理模型。常減壓裝置主要是由初饋塔、常壓塔 和減壓塔組成，該些塔的工作原理都是精饋原理，通過精饋從而得到合乎要求的各種產品。 蒸饋是分離液體混合物的一種單元操作，分離的基本依據是各組分揮發性的差異。精饋是 應用最廣的蒸饋操作，借助回流的工程手段，可W得到高純度產品。對一個穩態操作的塔， 按嚴格法建立的數學模型包括如下方程；組分物料平衡方程、相平衡方程、洽平衡方程等。 另外，由于石油饋分是一種組成極其復雜的混合物，要按逐個組分來進行石油饋分的模擬 計算，顯然是不可能也沒有必要的。解決該個問題的方法就是將石油切割成沸程為十度至 數十度的窄饋分，即假組分（或虛擬組分），然后用一系列確定的數字來描述它的性質，如 比重、沸點、分子量、臨界常數W及偏屯、因子等等。當不能直接獲得某些性質數據的時候，可 借用沸點與窄饋分的平均沸點相同或相近的純姪（常常用正構燒姪）的數據，也可W通過 特定的關聯圖或計算式求定之。 本專利技術綜合考慮模型準確性和計算效率，采用從實際生產過程采集的數據，在精 饋原理的基礎上，W數學方程模型為原理建立塔模型，確定塔的獨立變量，并根據原油數據 庫和實測性質優化原油虛擬組分，通過智能的優化算法，建立能良好描述工業裝置特性的 常減壓蒸饋過程機理模型，用于實時預測常減壓蒸饋裝置關鍵產品收率。
技術實現思路
[000引鑒于上述問題，本專利技術提供了一種基于機理和運行特性的常減壓蒸饋裝置收率實 時預測方法。基于精饋原理的常減壓精饋模型和絕熱蒸饋塔模型，根據實際工業數據，應用 改進差分算法對機理模型進行實時校正，并W此為基礎，針對關鍵操作/工藝條件開展操 作特性分析，結合神經網絡技術，建立代理模型，將原油性質和操作條件與Assay數據進行 關聯，實現常減壓蒸饋裝置收率的實時預測，為建立精確的計劃優化PIMS模型/調度優化 模型提供理論支撐。 具體技術方案如下； 一種常減壓蒸饋裝置的收率實時預測方法，包括W下步驟： 1)利用.net接口技術建立現場實時數據庫與常減壓蒸饋裝置之間的數據通信， 實現常減壓蒸饋裝置運行數據的實時采集； 結合現場情況和生產經驗建立數據調和標準，剔除無用和錯誤的實時數據。根據 原油性質的常規評價數據W及窄組分姪類組成及其性質數據，如原油類別、實沸點蒸饋曲 線、整體密度曲線、硫含量、酸度、凝點、粘度、平均分子量等分析數據（但不限于此），生成 原油虛擬組分，并通過關聯式估算虛擬組分的熱力學性質并據此計算其他物化性質，如通 過洽、比容、粘度等數據計算當前油品的特性，如虛擬組分含量（按沸點劃分）、虛擬組分相 關性質如辛燒值、抗爆指數、雷氏蒸汽壓、雷氏蒸汽壓指數、締姪、鏈燒姪、鏈燒姪、環燒姪W 及芳姪等含量； 2)根據采集的常減壓蒸饋裝置實時數據，W側線產品流量的模型預測值與實際值 的平方差最小作為優化目標，利用改進后的差分進化算法進行求解，擬合模型參數，實現常 減壓裝置機理模型實時校正； 扣基于校正后的模型，針對不同原油，分析在不同操作條件下關鍵產品的收率，建 立產品收率分析數據庫； 4)利用產品收率分析數據庫訓練能夠準確反映實際工況的神經網絡代理模型， 并將原油性質和常減壓塔操作條件與Assay數據進行關聯，實現常減壓裝置收率的實時預 測。 該實時預測可W為其他優化模型（如計劃優化PIMS模型、調度優化ORION模型） 中原油蒸饋裝置實時更新收率數據，提高模型的優化準確性。 步驟（2)中所述實時數據選自初饋塔塔頂壓力、汽化段壓力、進料段壓力、加熱爐 溫度、塔頂冷凝器溫度、塔底汽提蒸汽、常壓塔塔頂壓力、汽化當前第1頁1 2 3 4 本文檔來自技高網...
【技術保護點】
一種常減壓蒸餾裝置的收率實時預測方法，其特征在于，包括以下步驟：1)利用.net接口技術建立現場實時數據庫與常減壓蒸餾裝置之間的數據通信，實現常減壓蒸餾裝置運行數據的實時采集；2)根據采集的常減壓蒸餾裝置實時數據，以側線產品流量的模型預測值與實際值的平方差最小作為優化目標，利用改進后的差分進化算法進行求解，擬合模型參數，實現常減壓裝置機理模型實時校正；3)基于校正后的模型，針對不同原油，分析在不同操作條件下關鍵產品的收率，建立產品收率分析數據庫；4)利用產品收率分析數據庫訓練能夠準確反映實際工況的神經網絡代理模型，并將原油性質和常減壓塔操作條件與Assay數據進行關聯，實現常減壓裝置收率的實時預測。
【技術特征摘要】
【專利技術屬性】
技術研發人員：錢鋒，隆建，楊明磊，杜文莉，鐘偉民，
申請(專利權)人：華東理工大學，
類型：發明
國別省市：上海;31
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。