一种在线确定常减压直馏柴油馏程曲线的方法技术

本发明专利技术涉及一种在线确定常减压直馏柴油馏程曲线的方法，选取目标常减压装置的多个典型加工工况，搭建严格机理模型；针对每一个典型加工方案，以超过100套装置实际生产数据作为严格机理模型的输入变量，计算得到常减压装置侧线产品的馏程分析结果；通过数据校正消除严格机理模型和实际生产数据针对侧线产品馏程分析结果的系统误差；考察目标常减压装置运行的上下限，随机生成若干组操作参数，以严格机理模型为计算载体，得到超过若干组成套严格机理模型数据，保证数据均匀覆盖了目标装置的整个操作范围；以通过严格机理模型生成的大数据为基础，建立人工神经元网络的数理模型，从而通过可测的操作条件，快速准确的计算出侧线产品的馏程指标。

【技术实现步骤摘要】
一种在线确定常减压直馏柴油馏程曲线的方法
本专利技术涉及一种在线确定常减压直馏柴油馏程曲线的方法。
技术介绍
常减压装置是炼油厂原油加工中的第一个必不可少的工艺过程，面对各种不同性质的原油，不仅要直接生产部分产品(有些需要精制后才能作为商品)，而且还要为下游诸多二次加工装置提供合格和优质的原料。常减压装置主要是应用蒸馏的工艺与工程技术，根据炼油厂加工总流程的要求进行蒸馏，蒸馏装置可以是常减压蒸馏或常压蒸馏。原油蒸馏装置在生产某些石油产品(如直馏喷气燃料、直馏柴油等)的同时，为催化重整、催化裂化、加氢裂化、润滑油基础油生产装置和各类重油加工装置等提供原料。典型的常减压装置一般包括电脱盐、换热网络、初馏塔(闪蒸塔)、常压炉、常压塔、减压炉和减压塔，其中常压塔和减压塔是常减压装置的核心。直馏柴油的馏程曲线是常减压装置生产过程中十分重要的控制指标，体现了其性质和分布特点，且直接影响后续二次加工装置如柴油加氢等的操作状态和终端产品的性质。我国目前针对石油产品常压蒸馏特性测定法为GB/T6536-2010，基于美国试验与材料协会标准ASTMD86:2007a重新起草。现有技术中，在确定常减压直馏柴油馏程曲线时，柴油质量的在线预测只针对单个塔(常压塔或减压塔)，而受常减压装置本身工艺特点的影响，常压塔(常一线、常二线、常三线)和减压塔(减一线)的操作状态共同决定了最终的柴油馏分质量指标，因此，现有技术中所获得的馏程曲线精确度较差。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的现状，提供一种集成现场数据、严格机理模型与人工神经元网络在线确定常减压直馏柴油馏程曲线的方法，该方法能快速、准确的获得侧线产品的馏程指标。本专利技术解决上述技术问题所采用的技术方案为：一种在线确定常减压直馏柴油馏程曲线的方法，其特征在于包括以下步骤：(1)严格机理模型的搭建基于工艺流程及设备的工程设计参数，利用模拟软件建立常减压装置的全流程严格机理模型；严格机理模型的建立过程大致包括以下步骤：根据原料油处理量，原料油性质及产品收率，作出全塔物料平衡；以原油详细分析数据做虚拟组分切割；根据操作数据中的炉出口温度和压力，塔进料段温度和压力计算过气化度，确定塔底温度；根据塔顶，各侧线抽出温度和中段回流温度，作全塔热平衡，计算全塔回流热；校核各个侧线，中段回流及塔顶的温度和流量；计算全塔气液相负荷分布；作塔板水力学核算；作机泵、换热器等设备核算；根据塔顶，各侧线和塔底虚拟组分的组成，拟合蒸馏曲线。目前，上述步骤可直接通过流程模拟软件如AspenHYSYS(AspenTech)、ProII(Invensys)或UnisimDesign(HONEYWELL)完成；(2)典型工况选取和数据整理常减压装置的实际生产过程根据原油性质变化和产品切割方案的要求分为多个典型的加工方案，在任意加工方案中选取原油性质和/或原油处理量和/或操作参数和/或产品性质作为步骤(1)中严格机理模型的输入变量；常减压装置的实际生产过程中，由于原油性质的变化和产品切割方案的要求，一般存在多个典型加工方案，其中包括加工原油性质的变化、加工量的变化、产品生产方案的变化等等，原油性质的变化主要体现在不同原油本身性质的差异及混合原油的配比，加工量的变化则是装置处理量在其下限与上限之间的变化，产品生产方案的变化是指随着市场变化和产品性质的要求，产品切割方案发生相应的变化，比如随着季节不同，常减压装置生产的柴油馏分的凝结点会发生变化，对于柴油与蜡油之间的分离要求产生影响；每一种加工方案下，对于装置关键的温度，压力，流量设定点的要求都有所不同，因此形成了从原油性质和原油处理量，到装置操作参数，再到产品性质之间的成套生产数据，这些数据直观的反映了在每一个加工工况下，装置的整体操作状况和特点，本专利技术选取这些参数作为严格机理模型的输入变量，可大大提高馏程曲线的准确性；(3)产品性质预测以步骤(2)超过100套典型的加工方案中实际原油性质和/或原油处理量和/或操作参数和/或产品性质作为步骤(1)中严格机理模型的输入变量，计算得到常减压装置所有产品的完整物性结果，其中包含柴油的详细馏程数据；基于严格机理模型的流程模拟可以产生完整的原料性质、操作条件与产品收率和性质对应的数据，基于这一特点，对于每一个典型加工工况，装置的操作参数都会存在一定程度的变化；上述生成的数据在步骤(4)中可以用来与现场实际数据进行对比，同时也是作为建立产品物性数据与原料及操作条件的量化关系的重要数据依据，为步骤(5)提供关键性的数据分布；(4)严格机理模型的数据校正将步骤(3)所获得的详细馏程数据与常减压装置的现场实际数据进行对比，对严格机理模型进行数据校正；由于装置现场测量的各种工艺过程数据均含有误差(包括随机误差和过失误差)，导致通过严格机理模型计算得到的侧线产品馏程分析结果与实际的测量结果之间可能存在系统误差，通过严格机理模型的数据校正可消除系统误差，提高馏程曲线的准确性。在本专利技术的步骤(4)中，利用下式对严格机理模型进行数据校正，其中，是在工况i中某一侧线产品p的某一馏程温度点j通过严格机理模型的模拟值；是同一工况i下该侧线产品p的对应馏程温度点j的实际测量值；aj和bj是对某一侧线产品某一馏程温度点j进行数据校正引入的修正参数。参数aj和bj通过数据回归求得，通过最小二乘法、以严格机理模型的预测值与该关联式得到的预测值最为接近为目标而获得；在最小二乘法中，优化的目标是：最小化aj和bj则是可调整的优化变量，通过非线性优化算法得到使模拟值与实际测量值最为接近的参数组合。该步骤既可在Excel中完成，也可以借助专业的数学工具软件如GAMS或者MATLAB实现；(5)基于严格机理模型的生产数据样本扩展分析目标常减压装置的设备操作边界，针对每一个典型的加工方案，在其操作参数区间内通过拉丁超立方抽样产生样本点，利用上述产生的样本点，基于步骤(4)数据校正后的严格机理模型进行模拟计算，将每个工况设定扩展生成2000～5000套数据样本，共计生成超过一万套装置生产数据。步骤(5)中，拉丁超立方抽样的步骤为，A、将相关参数缩放到[0，1]区间；B、将该[0，1]分为n等份，每个小区间内[i/n，(i+1)/n]内根据均匀分布随机产生一个数；C、将n个随机数的顺序打乱；D、这n个数即为每个随机样本的概率，按照概率分布函数的反函数生成随机分布的值。步骤(5)中，所述样本点的产生基于下面的公式，其中，xi是参数随机值，ξ是随机数，P是xi的累积概率分布；(6)人工神经元网络模型的建立基于步骤(5)中严格机理模型扩展得到的生产数据样本，建立人工神经元网络的数理模型，在线确定常减压直馏柴油的馏程。人工神经元网络模型的建立，需要从机理的角度出发，选取在严格机理模型建立过程中对输出结果有明显影响的变量，防止模型的输入层引入本文档来自技高网...

【技术保护点】
1.一种在线确定常减压直馏柴油馏程曲线的方法，其特征在于包括以下步骤：/n(1)严格机理模型的搭建/n基于工艺流程及设备的工程设计参数，利用模拟软件建立常减压装置的全流程严格机理模型；/n(2)典型工况选取和数据整理/n常减压装置的实际生产过程根据原油性质变化和产品切割方案的要求分为多个典型的加工方案，在任意加工方案中选取原油性质和/或原油处理量和/或操作参数和/或产品性质作为步骤(1)中严格机理模型的输入变量；/n(3)产品性质预测/n以步骤(2)超过100套典型的加工方案中实际原油性质和/或原油处理量和/或操作参数和/或产品性质作为步骤(1)中严格机理模型的输入变量，计算得到常减压装置所有产品的完整物性结果，其中包含柴油的详细馏程数据；/n(4)严格机理模型的数据校正/n将步骤(3)所获得的详细馏程数据与常减压装置的现场实际数据进行对比，对严格机理模型进行数据校正；/n(5)基于严格机理模型的生产数据样本扩展/n分析目标常减压装置的设备操作边界，针对每一个典型的加工方案，在其操作参数区间内通过拉丁超立方抽样产生样本点，利用上述产生的样本点，基于步骤(4)数据校正后的严格机理模型进行模拟计算，将每个工况设定扩展生成2000～5000套数据样本，共计生成超过一万套装置生产数据；/n(6)人工神经元网络模型的建立/n基于步骤(5)中严格机理模型扩展得到的生产数据样本，建立人工神经元网络的数理模型，在线确定常减压直馏柴油的馏程。/n...

【技术特征摘要】
1.一种在线确定常减压直馏柴油馏程曲线的方法，其特征在于包括以下步骤：
(1)严格机理模型的搭建
基于工艺流程及设备的工程设计参数，利用模拟软件建立常减压装置的全流程严格机理模型；
(2)典型工况选取和数据整理
常减压装置的实际生产过程根据原油性质变化和产品切割方案的要求分为多个典型的加工方案，在任意加工方案中选取原油性质和/或原油处理量和/或操作参数和/或产品性质作为步骤(1)中严格机理模型的输入变量；
(3)产品性质预测
以步骤(2)超过100套典型的加工方案中实际原油性质和/或原油处理量和/或操作参数和/或产品性质作为步骤(1)中严格机理模型的输入变量，计算得到常减压装置所有产品的完整物性结果，其中包含柴油的详细馏程数据；
(4)严格机理模型的数据校正
将步骤(3)所获得的详细馏程数据与常减压装置的现场实际数据进行对比，对严格机理模型进行数据校正；
(5)基于严格机理模型的生产数据样本扩展
分析目标常减压装置的设备操作边界，针对每一个典型的加工方案，在其操作参数区间内通过拉丁超立方抽样产生样本点，利用上述产生的样本点，基于步骤(4)数据校正后的严格机理模型进行模拟计算，将每个工况设定扩展生成2000～5000套数据样本，共计生成超过一万套装置生产数据；
(6)人工神经元网络模型的建立
基于步骤(5)中严格机理模型扩展得到的生产数据样本，建立人工神经元网络的数理模型，在线确定常减压直馏柴油的馏程。


2.根据权利要求1所述的在线确定常减压直馏柴油馏程曲线的方法，其特征在于：步骤(4)中，利用下式对严格机理模型进行数据校正，



其中，是在工况i中某一侧线产品p的某一馏程温度点j通过严格机理模型的模拟值；是同一工况i下该侧线产品p的对应馏程温度点j的实际测量值；aj和bj是对某一侧线产品某一馏程温度点j进行数据校正引入的修正参数。


3.根据权利要求2所述的在线确定常减压直馏柴油馏程曲线的方法，其特征在于：参数aj和bj通过数据回归求得，通过最小二乘法、以严格机理模型的预测值与该关联式得到的预测值最为接近为目标而获得；在最小二乘法中，优化的目标是：
最小化
aj和bj则是可调整的优化变量，通过非线性优化算法得到使模拟值与实际测量值最为接近的参数组合。


4.根据权利要求1所述的在线确定常减压直馏柴油馏程曲线的方法，其特征在于：步骤(5)中，拉丁超立方抽样的步骤为
A、将相关参数缩放到[0，1]区间；
B、将该[0，1]分为n等份，每个小区间内[i/n，(i+1)/n]内根据均匀分布随机产生一个...

【专利技术属性】
技术研发人员：张楠，楼宇航，宫鲁文，
申请(专利权)人：湖州同润汇海科技有限公司，
类型：发明
国别省市：浙江;33