本发明专利技术提出一种渣油加氢处理催化剂分级装填优化方法、装置，所述方法包括：进行渣油加氢反应数据的采集，构建用于机器学习的第一数据集；基于构建的所述第一数据集，利用深度学习技术建立初始渣油加氢反应预测模型；采集待测工业渣油加氢装置的生产过程数据，构建第二数据集；基于所述第二数据集，对筛选的所述初始渣油加氢反应预测模型的参数进行优化，得到目标渣油加氢反应预测模型；利用所述目标渣油加氢反应预测模型针对所述待测工业渣油加氢装置进行催化剂分级装填优化。该方法有助于提高渣油加氢预测模型预测精度和适应范围。
【技术实现步骤摘要】
本专利技术涉及催化剂材料，具体涉及一种渣油加氢处理催化剂分级装填优化方法、装置。
技术介绍
1、当前，随着世界范围内的石油资源日益重质化和劣质化，以及国内油品质量升级的紧迫要求和环保法规的日益严格，炼化企业对重质油的清洁高效加工技术需求十分迫切。渣油加氢是最有效的重、渣油原料加工技术。通过渣油加氢，脱除渣油中大部分的金属、硫与氮等杂质，同时降低残炭值，有利于其进一步高效清洁加工与转化。固定床渣油加氢处理与渣油催化裂化的技术组合不仅可以把利用价值较低、容易造成环境污染的渣油最大限度转化，大幅提高轻质油收率，还可以获得附加值高、质量上乘的清洁油品。从某种意义上说，使原油得到了100％的转化，实现了石油炼制过程中将原油吃干榨尽的愿望。目前，我国固定床渣油加氢总能力超过7000万吨/年，已成为炼化企业加工重劣质原料、提高经济效益的核心技术。
2、催化剂是固定床渣油加氢处理技术的核心。按照功能不同，固定床渣油加氢催化剂通常分为保护剂、脱金属催化剂、脱硫催化剂和脱残炭脱氮催化剂等四大类，最多可达十余个牌号。工业渣油加氢装置必须按照反应的要求将性能不同的催化剂分级装填在反应器中，达到分步脱除或容纳渣油中不同杂质的目的，最优化发挥不同催化剂间的协同作用，使加氢产品满足指标要求的同时，实现不同种类催化剂的同步失活，最大限度延长催化剂使用寿命和装置运行周期。因此，催化剂的分级装填是固定床渣油加氢的核心技术之一，对于装置脱杂质效果和运行周期有着关键性的影响。催化剂的级配或装填比例设计是固定床渣油加氢催化剂应用方案制订的关键环节。
<
p>3、在渣油加氢技术应用过程中，为做好技术方案设计，向炼厂提供高质量的催化剂解决方案，确保技术应用取得最佳效果，在技术应用方案编制之前一般需要采用拟应用炼厂真实原料油开展原料油适应性评价试验，获得评价数据，指导技术应用方案编制。传统的采用固定床评价试验装置获取数据的方式存在耗时长、成本高、效率低、灵活性差的缺点，无法适应渣油加氢技术大规模推广应用的需要，成为制约本领域技术高效应用的关键环节。4、为此，对于工业加氢装置，为了灵活、高效、低成本的对生产操作进行指导，人们采用基于反应动力学建立数学模型的方法进行产品性质预测、反应条件优化、装置运转周期预测及催化剂装填方案优化等。人们开发出多种动力学模型对渣油加氢过程进行模拟，如蒋立敬(渣油加氢反应动力学及组全工艺研究[d]，大连理工大学，2011)采用fzc系列催化剂的渣油加氢工业装置实测数据，应用经验动力学模型和催化剂时变失活模型分别对茂名、齐鲁、海南三套装置的实测操作数据进行模拟和分析，建立了渣油加氢失活动力学模型。李心园(渣油加氢反应动力学模型的研究[d]，厦门大学，2019)构建了渣油催化加氢脱硫(hds)动力学模型，用以描述反应条件、催化剂失活和原料油性质等因素与渣油hds转化率之间的定量关系。
5、然而，渣油是原油中沸点最高、分子量最大、组成最复杂、杂质含量最高的部分，渣油在加氢过程中同时存在加氢脱硫、脱金属、脱氮、脱残炭和裂化等众多反应，不同产地、不同基属原油渣油杂质含量、分子结构特点和加氢反应特性差异巨大。另外，渣油加氢过程中，催化剂因沉积金属杂质和积炭，通常失活速度远远快于馏分油加氢催化剂。因而，采用基于反应机理的动力学方程对渣油加氢过程进行模拟的难度非常大，很难精确反映原料性质、催化剂性能及级配、工艺条件及催化剂失活等因素的变化对反应结果的影响。渣油加氢动力学模型普遍存在适应范围窄、精度低、灵活性差、模型参数拟合求解困难等问题。
6、为克服基于机理建模方法存在的缺陷，也有采用机器学习方法建立渣油加氢过程预测模型进行产品性质预测、反应条件优化等，如潘胜平(人工神经网络在渣油加氢工艺研究中的应用[j].抚顺烃加工技术,1999(2):12-16.)采用抚顺石油化工研究院200ml小型渣油加氢装置评价数据，应用人工神经网络对固定床渣油加氢过程进行模拟和分析，建立了产品性质预测模型。盛茗珉(基于深度循环神经网络的渣油加氢装置建模研究[d]，浙江大学，2019)分别采用长短期记忆神经网络和门控循环单元神经网络建立了新氢流量预测模型，用于实现对渣油加氢装置新氢流量进行稳定、精确的预报。
7、基于机器学习的建模方法是通过对现有的渣油加氢反应数据中隐藏的规律和关系进行深度挖掘，进而建立渣油原料性质、催化剂、加氢工艺条件与反应结果的关系模型，建成的模型效果非常依赖于数据集的质量。现有预测方法在建模过程中通常只采用特定工业装置数据，而工业装置为保持运行平稳，其原料性质和操作条件通常变化不大，催化剂装填及级配比例更是固定不变，由特定装置数据建立的模型普适性受到制约，倘若需要建立针对不同工业装置建立预测模型，则需要利用新装置的数据重头开始建立预测模型，工作量大，数据采集困难，灵活性差。因此，本领域迫切需要开发一种对工业装置数据依赖性小、灵活高效、适应范围广、预测精度高的渣油加氢反应过程预测方法。
8、其中，专利cn 106202910a，提供了一种渣油加氢处理装置的收率实时预测方法及其应用，其采用从实际渣油加氢处理过程采集的数据，在加氢反应原理的基础上，基于加氢装置机理和运行特性，以数学方程模型为原理建立渣油加氢处理装置反应动力学及反应器模型，并根据实际工业装置数据，应用改进差分算法对渣油加氢机理模型进行实时校正，并以此为基础，针对关键操作/工艺条件开展操作特性分析，结合神经网络技术，建立代理模型，将操作条件与delta-base数据进行关联，实现渣油加氢装置收率的实时预测。该技术的缺陷在于，该技术通过计算校正模型获得的分析数据来训练神经网络实时预测模型，所用数据来源为机理模型产生的模拟数据，与真实数据存在一定偏差，影响了神经网络模型在真实装置上的预测效果，且建立的模型只适用于特定装置，模型适应性差，如需建立针对于不同装置的预测模型，则需重新采集数据对机理模型进行校正，然后基于校正后的机理模型建立实时神经网络代理模型。
9、专利cn 110070923 a提供了一种基于半监督深度gru的渣油加氢模型及建立方法，其技术首先对原始数据进行时序处理，得到无标签的样本训练集a和带标签的样本训练集合a*，然后使用min-max标准化的方法对样本数据进行归一化处理以消除不同量纲所带来的影响，归一化后的样本数据集合a和a*均为建模过程的输入数据，用以上处理好的无标签的样本数据集合a构建深度gru模型，利用gru自动编码器，按照贪心原理逐层对深度gru模型进行无监督预训练，最后用预训练获得的参数初始化相同结构的深度gru模型，利用带标签的数据集合a*进行二次训练，经过监督学习微调后获得最终的基于半监督深度gru的渣油加氢模型。但该技术的缺陷在于，该技术在建模过程中仅采用特定工业装置数据来建立模型，模型适应范围小，很难拓展应用于其它装置。
10、以上对比文件所提供的渣油加氢反应过程建模方法，主要采用bp神经网络与循环神经网络来建立反应预测模型，模型建立过程中只利用了特定工业装置的数据对模型参数进行优化。由于工业装置运行较平稳，数本文档来自技高网
...
【技术保护点】
1.一种渣油加氢处理催化剂分级装填优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1或2所述的方法，其特征在于，所述基于构建的所述第一数据集，利用深度学习技术建立初始渣油加氢反应预测模型，还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于构建的所述第一数据集，采用不同的神经网络建立多个渣油加氢反应预测模型，包括：
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求4所述的方法，其特征在于，还包括：
7.根据权利要求1所述的方法，其特征在于，还包括：
8.根据权利要求1所述的方法，其特征在于，所述利用所述目标渣油加氢反应预测模型针对所述待测工业渣油加氢装置进行催化剂分级装填优化，包括：
9.根据权利要求8所述的方法，其特征在于，
10.一种渣油加氢处理催化剂分级装填优化装置，其特征在于，采用权利要求1-9任一项所述的渣油加氢处理催化剂分级装填优化方法，所述装置至少包括：
【技术特征摘要】
1.一种渣油加氢处理催化剂分级装填优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1或2所述的方法，其特征在于，所述基于构建的所述第一数据集，利用深度学习技术建立初始渣油加氢反应预测模型，还包括：
4.根据权利要求3所述的方法，其特征在于，所述基于构建的所述第一数据集，采用不同的神经网络建立多个渣油加氢反应预测模型，包括：
5.根据权利要求4所述的方法，其特征在于，
6...
【专利技术属性】
技术研发人员：程涛，崔瑞利，李浩，罗一，宋俊男，张天琪，许小伟，赵元生，王路海，夏恩冬，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：
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。