一种工业加氢裂化反应条件的优化方法技术

技术编号:13295776 阅读:46 留言:0更新日期:2016-07-09 13:52
本发明专利技术提供一种工业加氢裂化反应条件的优化方法,包括步骤:1)在不同操作条件下,采集工业加氢裂化装置加氢裂化反应的生产数据;2)以生产数据为加氢裂化过程的待优化的目标函数,以操作条件为相关优化变量,3)基于约束性遗传机制,建立目标函数、约束函数以及计算参数的隐式数值函数关系或显性函数解析关系;4)采用目标优化算法进行目标优化。本发明专利技术提出的方法,确立了一种较为准确的成品油性能指标对于运转工艺条件的高维隐式函数依赖关系。可以采用数值方法,对于成品油性能指标与运转工艺条件进行关联。该方法不受复杂的待优化目标函数的凸性,可微性限制。而且该方式也更适应于加氢裂化反应体系具有的极强的非线性特征。

【技术实现步骤摘要】

本专利技术属于石油化工领域,具体地,涉及一种加氢工艺过程的优化方法。
技术介绍
随着世界原油质量的日益劣化和重质化,我国炼厂所加工原油的日益多样性以及各类催化剂的不断涌现。工艺运转所获取的各类产品性能评价结果及规律性也表现得纷繁复杂,对于各类成品油的各种性能要求也因不同需求而纷繁复杂。催化剂研发和工艺运转过程的实质无非是在兼顾和权衡各类损益的条件下使得某个指标或某类指标最优化。可将这一优化过程用数学语言描述为:在特定的等性及不等性条件约束下使得某个或某类产品性能极大或极小化。这一过程在实现过程中存在着巨大的困难。以工艺运转数据的分析为例:运转系统规模相对较大,衡量系统本身性质的自由度较多,对于成品油的各种性能要求导致相关系统的约束条件很多;待优化的目标往往并不唯一而且可能数目众多,众多目标之间有时还存在着互斥性的矛盾;油品性能以及待优化的目标函数与工艺条件之间很可能存在着非线性的甚至是非解析的近似函数依赖关系。在传统的科研进程中解决这一困难的途径往往通过“降维,拟线性化”等方式忽略某些因素来实现,其实现结果也往往取决于个体科技人员的技能,经验和运气等。专利CN201010165042.2介绍了一种工业装置对二甲苯氧化反应过程多目标优化方法。该方法采用遗传算法对于对二甲苯的氧化反应条件进行优化。该方法中对二甲苯氧化反应体系相对比较简单,基本属于无约束优化。反应的目标函数可以写作待优化变量的显式函数。CN101261497A介绍了一种工业装置粗对苯二甲酸加氢精制反应过程优化运行方法,该方法采用粒子群优化算法对于对二甲苯加氢过程进行数学优化。但其在计算过程中所拟合的动力学方程形式相对放式相对简单,对于反应级数的处理方式也相对比较简单。以上技术面向的对象体系均比较简单,且未对待优化目标彼此之间的矛盾影响进行细致刻画。专利CN103488085A公开了一种甲醇四塔精馏系统多目标优化控制方法,从DCS历史数据库中提取历史数据训练BP神经网络模型作为精馏系统的模型,该模型以预精馏塔的出料作为输入,其他三塔的操作参数为优化对象,再使用改进的遗传算法,通过选择、交叉、变异操作,反复调用所述训练好的BP神经网络模型,寻找给定进料条件与生产要求下的最优操作参数。但是对于加氢裂化反应,操作参数多,待优化的生产数据超过三个,该专利的处理方法不能实现多个目标参数的优化。
技术实现思路
为了克服上述技术问题,本专利技术的目的在于,提供一种工业加氢裂化反应条件的优化方法。实现本专利技术上述目的的技术方案为:一种工业加氢裂化反应条件的优化方法,包括步骤:1)在不同操作条件下,采集工业加氢裂化装置加氢裂化反应的生产数据;所述操作条件为反应温度、处理量、氢分压力、空速、原料沸点、原料组成、氢油体积比、循环氢纯度、原料的气化率中的三种以上;所述生产数据为转化率、选择性、收率、航煤冰点、烟点、汽油辛烷值、柴油十六烷值数据中的一种或多种。进一步地,所述生产数据为生成油的密度、轻石脑油收率和中油选择性、尾油选择性中的一种或多种;2)以生成油产品性质对加氢裂化工艺条件的函数关系做为加氢裂化过程的待优化的目标函数,以操作条件为相关优化变量,将步骤1)的不同操作条件的具体工艺参数除以该操作条件中工艺参数的最大值,得到标准化的自变量,以所得自变量为约束函数;3)基于约束性遗传机制,建立目标函数、约束函数以及计算参数的隐式数值函数关系或显性函数解析关系;4)采用目标优化算法进行目标优化,具体包括以下步骤:A)确立待优化目标函数的形式;B)针对每个优化目标随机生成相应目标的种群;C)对每个种群依据相关目标函数的约束机制进行筛选,获取符合约束条件限制的种群个体,形成新种群;D)按C)的方式依次生成新个体,新个体数目为10-10000个;个体数目的选择取决于计算体系的复杂性及计算软硬件系统的限制;E)以新个体构成新种群,作为优化计算的初始种群;F)依次计算每个种群个体的适应度函数;G)采用遗传算法的选择性算法选出个体进行种群复制,作为下次计算的种群父本个体;H)对已选取的种群父本个体进行交叉和变异产生新的种群个体;I)将新种群替代旧种群,重复步骤C)-H)直至进化达到优化目标。最终所得到的种群是若干个满足目标函数个体的优解。其中,所述步骤3)中,计算参数为种群数目(即总群中所有个体的数目)、最大种群遗传代数、交叉概率和变异概率;所述最大种群遗传代数为10-500,交叉概率为0-1,变异概率为0-1。所述步骤3)之A)中,目标函数可以为加氢裂化反应的中油选择性、馏分油的转化率;也可以以航煤冰点、航煤烟点、中油选择性、柴油收率为目标函数。优选地,所述最大种群遗传代数为20-200;交叉概率为0.4-0.6;变异概率为0-0.1。其中,所述步骤3)中待优化的目标函数和相关约束目标函数的关系为隐性函数关系时,则建立样条曲线或样条曲面插值函数,优选地,当待优化的目标函数和相关约束目标函数的关系为隐性函数关系时,建立三次样条曲面、B样条曲面、U,V样条曲面中的一种函数。步骤4)中所涉及的适应度函数是一个非负型实函数,它与目标函数之间存在着一定的关联性,当使求取的目标函数极大化时,适应度函数与目标函数正向相关;当使求取的目标函数极小化时,适应度函数与目标函数反向相关。其中,所述步骤4)中的适应度函数为目标函数本身,或与目标函数正向相关。所述适应度函数形式上为显式解析函数或为隐式数值函数。适应度函数可以包含“罚函数”形式使得不符合约束函数要求的个体适用度为零。也可以包含其它函数使得不符合约束函数要求的个体在遗传计算中不参与种群复制。具体地,所述步骤4)A中将函数自变量的求解区间首先视为[0,1]组成的立方区间,对区间的每一个工艺参数维度进行等距剖分,将每个区间划分为256等份,每一等分分别用八位二进制数列00000000-11111111进行表示;计算时将二进制转化为实际变量值,再行按照所确立的数值隐式函数计算相关的工艺条件时对应的目标函数;目标函数对应的00000000-11111111之间的二进制数值作为一个种群个体,每组3个8位的二进制数做为该个体的基因,生成初始种群。所述步骤4)G中,按照所计算的自适应函数值的大小进行下一代种群的本文档来自技高网
...

【技术保护点】
一种工业加氢裂化反应条件的优化方法,其特征在于,包括步骤:1)在不同操作条件下,采集工业加氢裂化装置加氢裂化反应的生产数据;所述操作条件为反应温度、处理量、氢分压力、空速、原料沸点、原料组成、氢油体积比、循环氢纯度、原料的气化率中的三种以上;所述生产数据为转化率、选择性、收率、航煤冰点、烟点,汽油辛烷值、柴油十六烷值数据中的一种或多种;2)以生成油产品性质对加氢裂化工艺条件的函数关系做为加氢裂化过程的待优化的目标函数,以操作条件为相关优化变量,将步骤1)的不同操作条件的具体工艺参数除以该操作条件中工艺参数的最大值,得到标准化的自变量,以所得自变量为约束函数及目标函数的自变量;3)基于约束性遗传机制,建立目标函数、约束函数以及计算参数的隐式数值函数关系或显性函数解析关系;4)采用目标优化算法进行目标优化,具体包括以下步骤:A)确立待优化目标函数的形式;B)针对每个优化目标随机生成相应目标的种群;C)对每个种群依据相关目标函数的约束机制进行筛选,获取符合约束条件限制的种群个体,形成新种群;D)按C)的方式依次生成新个体,新个体数目为40‑2000个;E)以新个体构成新种群,作为优化计算的初始种群;F)以待优化的目标函数本身或与该函数正向相关的函数做为适应度函数,依次计算每个种群个体的适应度函数值;G)采用遗传算法的选择性算法选出个体进行种群复制,作为下次计算的种群父本个体;H)对已选取的种群父本个体进行交叉和变异产生新的种群个体;I)将新种群替代旧种群,重复步骤C)‑H)直至进化达到优化目标。...

【技术特征摘要】
1.一种工业加氢裂化反应条件的优化方法,其特征在于,包括
步骤:
1)在不同操作条件下,采集工业加氢裂化装置加氢裂化反应的
生产数据;所述操作条件为反应温度、处理量、氢分压力、空速、原
料沸点、原料组成、氢油体积比、循环氢纯度、原料的气化率中的三
种以上;所述生产数据为转化率、选择性、收率、航煤冰点、烟点,
汽油辛烷值、柴油十六烷值数据中的一种或多种;
2)以生成油产品性质对加氢裂化工艺条件的函数关系做为加氢
裂化过程的待优化的目标函数,以操作条件为相关优化变量,将步骤
1)的不同操作条件的具体工艺参数除以该操作条件中工艺参数的最
大值,得到标准化的自变量,以所得自变量为约束函数及目标函数的
自变量;
3)基于约束性遗传机制,建立目标函数、约束函数以及计算参
数的隐式数值函数关系或显性函数解析关系;
4)采用目标优化算法进行目标优化,具体包括以下步骤:
A)确立待优化目标函数的形式;
B)针对每个优化目标随机生成相应目标的种群;
C)对每个种群依据相关目标函数的约束机制进行筛选,获取符
合约束条件限制的种群个体,形成新种群;
D)按C)的方式依次生成新个体,新个体数目为40-2000个;
E)以新个体构成新种群,作为优化计算的初始种群;
F)以待优化的目标函数本身或与该函数正向相关的函数做为适
应度函数,依次计算每个种群个体的适应度函数值;
G)采用遗传算法的选择性算法选出个体进行种群复制,作为下
次计算的种群父本个体;
H)对已选取的种群父本个体进行交叉和变异产生新的种群个

\t体;
I)将新种群替代旧种群,重复步骤C)-H)直至进化达到优化
目标。
2.如权利要求1所述的优化方法,其特征在于,所述步骤3)
中,计算...

【专利技术属性】
技术研发人员:王阔
申请(专利权)人:中国石油化工股份有限公司中国石油化工股份有限公司抚顺石油化工研究院
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1