随机函数预处理最小二乘后处理串行遗传集总动力学方法技术

本发明专利技术公开了一种随机函数预处理最小二乘后处理串行遗传集总动力学方法及系统，通过模拟蒸馏实验获取馏份油质量分率数据，集总动力学方程，确定加氢反应速率矩阵的矩阵元数据，然后依次通过随机函数预处理方法、遗传算法、非线性最小二乘法对确定的矩阵元数据进行预处理、遗传算法处理以及高精度精修处理获取最终优化后的矩阵元数据，根据该最终优化后的矩阵元数据确定集总动力学方程的模型。该方法可以对馏分油原料及产品划分多个集总组份，满足工业生产产品切割的灵活性要求，该建立后的集总动力学模型增强了对于不同馏份切割方案的灵活性，并且通过该集总动力学模型计算的馏份油质量分率数据的分布曲线与实验结果吻合度较高。

Random function, pretreatment, least squares, postprocessing, serial genetic, lumping dynamics method

The invention discloses a pretreatment of random function least squares postprocessing serial genetic set and system dynamics method, obtain the distillate fraction by simulated distillation experiment data, the lumped kinetic equation, determine the matrix metadata hydrogenation reaction matrix, then passes through the pretreatment method, genetic algorithm, nonlinear random function the least squares method to determine the matrix metadata pre-processing, genetic algorithm and high precision finishing processing to obtain the final optimized matrix matrix according to the metadata, metadata for the final optimized determined the lumped kinetic equation model. The method of distillate oil raw materials and products into a plurality of lumped components, meet the requirement of flexibility of industrial production cut, the lumped kinetic model of the after the establishment of the enhanced scheme for different fraction cutting flexibility, and through the lumped kinetic model for calculating fraction distribution curves and the experimental results of oil quality the high degree of coincidence rate of data.

【技术实现步骤摘要】
随机函数预处理最小二乘后处理串行遗传集总动力学方法
本专利技术涉及馏份油加氢裂化工艺研究
，具体涉及一种随机函数预处理最小二乘后处理串行遗传集总动力学方法及系统。
技术介绍
石油化工的重要任务之一是通过加氢反应将低品质、高杂质含量高干点的大分子的原油或其预处理馏份油进行加工，以生成高品质、低杂质含量、高附加值的各类馏份油产品及下游石油化工产品的原料。由于世界原油价格、成品油价格以及下游石油石化产品的价格和需求量不断巨幅波动，因此，炼油企业必须能够对石油炼制过程的工艺参数进行实时有效的调整，以适应原油、成品油以及下游石油化工产品的价格以及需求量的变化要求。炼油企业对石油炼制过程的工艺参数进行实时有效调整的前提依赖于对加氢过程的深刻认识以及与该过程相关的相对准确的数学模式的确立和求解。目前所提及的集总动力学模型对于油品的馏份划分相对简单，难以高精度的描述实际工业反应及工艺实验所涉及的原料馏份以及产品馏份对于切割温度的复杂分布。进而使得采用不同的切割方案的馏份油切割结果与计算结果的误差很大。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种随机函数预处理最小二乘后处理串行遗传集总动力学方法及系统，大大减少了采用不同的切割方案的馏份油切割结果与计算结果的误差。第一方面，本专利技术提供一种随机函数预处理最小二乘后处理串行遗传集总动力学方法，包括：S1、根据馏份油质量分率数据以及集总动力学方程，确定加氢裂化反应速率矩阵的所有M个矩阵元数据，所述馏份油质量分率数据包括在不同工艺条件下对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据和对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据；S2、对步骤S1中的M个矩阵元数据通过随机函数预处理方法进行优化；S3、对所述步骤S2中优化后的M个矩阵元数据通过遗传算法继续进行优化；S4、对步骤S3中优化后的M个矩阵元数据通过非线性最小二乘法进行优化，并确定优化后的M个矩阵元数据；S5、根据步骤S4确定的M个矩阵元数据，确定集总动力学方程的模型；S6、根据所述步骤S5确定的集总动力学方程的模型，以对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据作为初始条件，计算不同反应空速所对应的产品馏份油的馏分油质量分率数据；S7、将步骤S2-S6通过串行计算执行所述集总动力学方程的模拟工作。可选的，所述步骤S1包括：S11、划分加氢裂化反应虚拟集总组份；S12、对加氢裂化集总动力学模型进行假设；S13、构建加氢裂化反应网络；S14、根据所述加氢裂化反应网络以及假设的集总动力学模型确定集总动力学方程；S15、根据对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据、对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据以及集总动力学方程，确定加氢裂化反应速率矩阵的所有M个矩阵元数据。可选的，所述步骤S11包括：S111、确定所述原料油在不同工艺条件下进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据以及产品馏份油的平均沸点；S112、根据所述原料油在不同工艺条件下进行模拟蒸馏实验的产品馏份油的馏份油质量分率数据以及产品馏份油的平均沸点，划分加氢裂化反应虚拟集总组份。可选的，所述步骤S13包括：划分后的N个虚拟集总组份中，第1个虚拟集总组份的产品馏份油的平均沸点最高，第N个虚拟集总组份的产品馏份油的平均沸点最低；第i(1≤i≤N)虚拟集总组份为第i节点，所述第i节点包含i-1个入度和N-i个出度；其中，i表示虚拟集总组份的第i节点；N表示虚拟集总组份的数目，并且每一个虚拟集总组份对应一个节点，共N个节点。可选的，所述步骤S14中集总动力学方程为：其中，Ci及Cj代表不同虚拟集总组份的馏份油质量分率数据；γi代表不同虚拟集总组份的动力学计量数，不同取值分别表示不同虚拟集总组份的生成反应及消耗反应；N代表虚拟集总组份的数目；i和j分别代表不同虚拟集总组份；kai代表矩阵元数据。可选的，所述矩阵元数据为包括对角元的下三角矩阵。可选的，所述步骤S2包括：S21、所述M个矩阵元数据为通过建立以馏分油切割温度为自变量以矩阵元数据的数值为函数值的5次幂函数计算得到的，并对所述幂函数的系数进行预设次数的穷举；S22、对所述幂函数的系数进行预设次数的穷举后，得到与穷举数目相同的包含M个矩阵元数据的矩阵元数据组；S23、分别将每一个矩阵元数据组中的M个矩阵元数据代入所述集总动力学方程计算产品馏份油的馏份油质量分率数据；S24、将计算的产品馏份油的馏份油质量分率数据与在对应工艺条件下根据实验获取的产品馏份油的馏份油质量分率数据进行对比，获取所述计算的产品馏份油的馏份油质量分率数据与在对应工艺条件下根据实验获取的产品馏份油的馏份油质量分率数据的残差最小时对应的矩阵元数据，重新确定M个矩阵元数据。可选的，所述步骤S24中，计算值与实验值的残差err为：其中，Ccal，i表示通过计算获取的第i个虚拟集总组份的馏份油质量分率数据，而Ctest，i表示通过实验获取的第i个虚拟集总组份的馏份油质量分率数据，N为虚拟集总组份的数目，p与q为0，1，2或无穷大。可选的，所述步骤S3包括：S31、以所述残差err所表达的误差函数作为待优化的目标函数；S32、对所述步骤S2中优化后的M个矩阵元数据中的每一个矩阵元数据在预设数值范围内进行扰动生成多个种群；S33、根据扰动后的多个种群分别获取所述残差err；S34、以所述残差err的倒数函数作为遗传算法的适应度函数，选取适应度最大时所对应的种群个体；S35、将所述种群个体进行种群复制，作为种群父本个体；S36、对所述种群父本个体进行交叉和变异产生新的种群个体，将所述新的种群个体作为优化后的M个矩阵元数据。第二方面，本专利技术还提供了一种随机函数预处理最小二乘后处理串行遗传集总动力学系统，包括：参数初步确定模块，用于根据馏份油质量分率数据以及集总动力学方程，确定加氢裂化反应速率矩阵的所有M个矩阵元数据，所述馏份油质量分率数据包括在不同工艺条件下对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据和对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据；参数预处理模块，用于对参数初步确定模块中的M个矩阵元数据通过随机函数预处理方法进行优化；参数优化模块，用于对参数预处理模块优化后的M个矩阵元数据通过遗传算法继续进行优化；参数确定模块，用于对参数优化模块优化后的M个矩阵元数据通过非线性最小二乘法进行优化，并确定优化后的M个矩阵元数据；模型建立模块，用于根据参数确定模块确定的M个矩阵元数据，确定集总动力学方程的模型；质量分率计算模块，用于根据所述模型建立模块确定的集总动力学方程的模型，以对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据作为初始条件，计算不同反应空速所对应的产品馏份油的馏份油质量分率数据；串行计算模块，用于通过串行计算执行所述集总动力学方程的模拟工作。由上述技术方案可知，本专利技术提供的一种随机函数预处理最小二乘后处理串行遗传集总动力学方法及系统，通过随机选择机制获取馏份油质量分率数据以及集总动力学方程，确定加氢反应速率矩阵的矩阵元数据，然后依次通过随机函数预处理方法、遗传算法、非线性最小二乘法对确定的矩阵元数据本文档来自技高网...

【技术保护点】
一种随机函数预处理最小二乘后处理串行遗传集总动力学方法，其特征在于，包括：S1、根据馏份油质量分率数据以及集总动力学方程，确定加氢裂化反应速率矩阵的所有M个矩阵元数据，所述馏份油质量分率数据包括在不同工艺条件下对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据和对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据；S2、对步骤S1中的M个矩阵元数据通过随机函数预处理方法进行优化；S3、对所述步骤S2中优化后的M个矩阵元数据通过遗传算法继续进行优化；S4、对步骤S3中优化后的M个矩阵元数据通过非线性最小二乘法进行优化，并确定优化后的M个矩阵元数据；S5、根据步骤S4确定的M个矩阵元数据，确定集总动力学方程的模型；S6、根据所述步骤S5确定的集总动力学方程的模型，以对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据作为初始条件，计算不同反应空速所对应的产品馏份油的馏分油质量分率数据；S7、将步骤S2‑S6通过串行计算执行所述集总动力学方程的模拟工作。

【技术特征摘要】
1.一种随机函数预处理最小二乘后处理串行遗传集总动力学方法，其特征在于，包括：S1、根据馏份油质量分率数据以及集总动力学方程，确定加氢裂化反应速率矩阵的所有M个矩阵元数据，所述馏份油质量分率数据包括在不同工艺条件下对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据和对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据；S2、对步骤S1中的M个矩阵元数据通过随机函数预处理方法进行优化；S3、对所述步骤S2中优化后的M个矩阵元数据通过遗传算法继续进行优化；S4、对步骤S3中优化后的M个矩阵元数据通过非线性最小二乘法进行优化，并确定优化后的M个矩阵元数据；S5、根据步骤S4确定的M个矩阵元数据，确定集总动力学方程的模型；S6、根据所述步骤S5确定的集总动力学方程的模型，以对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据作为初始条件，计算不同反应空速所对应的产品馏份油的馏分油质量分率数据；S7、将步骤S2-S6通过串行计算执行所述集总动力学方程的模拟工作。2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：S11、划分加氢裂化反应虚拟集总组份；S12、对加氢裂化集总动力学模型进行假设；S13、构建加氢裂化反应网络；S14、根据所述加氢裂化反应网络以及假设的集总动力学模型确定集总动力学方程；S15、根据对原料油进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据、对所述原料油进行计算拟合的产品馏份油的馏份油质量分率数据以及集总动力学方程，确定加氢裂化反应速率矩阵的所有M个矩阵元数据。3.根据权利要求2所述的方法，其特征在于，所述步骤S11包括：S111、确定所述原料油在不同工艺条件下进行模拟蒸馏实验获取的产品馏份油的馏份油质量分率数据以及产品馏份油的平均沸点；S112、根据所述原料油在不同工艺条件下进行模拟蒸馏实验的产品馏份油的馏份油质量分率数据以及产品馏份油的平均沸点，划分加氢裂化反应虚拟集总组份。4.根据权利要求2所述的方法，其特征在于，所述步骤S13包括：划分后的N个虚拟集总组份中，第1个虚拟集总组份的产品馏份油的平均沸点最高，第N个虚拟集总组份的产品馏份油的平均沸点最低；第i(1≤i≤N)虚拟集总组份为第i节点，所述第i节点包含i-1个入度和N-i个出度；其中，i表示虚拟集总组份的第i节点；N表示虚拟集总组份的数目，并且每一个虚拟集总组份对应一个节点，共N个节点。5.根据权利要求2所述的方法，其特征在于，所述步骤S14中集总动力学方程为：其中，Ci及Cj代表不同虚拟集总组份的馏份油质量分率数据；γi代表不同虚拟集总组份的动力学计量数，不同取值分别表示不同虚拟集总组份的生成反应及消耗反应；N代表虚拟集总组份的数目；i和j分别代表不同虚拟集总组份；kai代表矩阵元数据。6.根据权利要求5所述的方法，其特征在于，所述矩阵元数据为包括对角元...

【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