延迟焦化粗汽油干点软测量.docVIP

延迟焦化粗汽油干点软测量 张克进　俞金寿 摘　要　在分析工艺机理的基础上，用PLS-RBFN并联方法建立延迟焦化粗汽油干点软测量模型。交叉验证表明，该方法是有效的，所建模型具有较高的精度和良好的泛化能力。关键词：软测量　粗汽油干点　延迟焦化　PLS　RBF神经网络 The Soft Measurement of the Dry Po int of Crude Gasoline Delayed Coking Abstract　On the basis of analysis of the process mechanism， the model for soft measurement of the dry-point of crude gasoline delayed coking is established by using PLS-RBFN parallel me thod． The inter-verification shows that the method is effective and the model es tablished offers high accuracy and excel lent capability of generalization．Key　words：Soft measurement　Dry-point of crude gasoline　Delayed cokin g　PLS　RBF Neuro-network 0　引言 　　当前，炼油工业中的原油重质化和产品结构轻质化的趋势日益明显，因此，渣油深度加工装置越加受到重视。渣油延迟焦化因其技术成熟，投资和操作费用低而获得了广泛的应用。　　延迟焦化是渣油热破坏加工的常用方法，其加工目的是从重质渣油中获得较多的轻质油品和石油焦。随着市场对轻质油和石油焦产品需求的增加，延迟焦化装置已成为仅次于催化裂化的一套效益型装置。但是，由于焦化装置的焦碳塔间歇切换及固、液、气产品并存等带来的复杂性，使焦化装置的先控和优化研究明显落后于催化、裂化装置。　　先控方案和优化技术已用于炼油工业的许多重要装置，并通过提高产品质量和产率来提高装置的经济效益。这些方案和技术得以成功应用的基础是能够得到在线产品质量测量。在线分析仪器因其价格高，维护量大，特别是测量滞后大而限制了其应用普及。为了满足先控和优化技术对有效的在线质量测量的要求，便出现了软测量技术。软测量的实质就是建立主导变量和辅助变量之间的数学模型，用软件实现一些难于用仪表直接测量的变量的在线估计。神经元网络由于其具有通过学习可逼近任意非线性的映射能力，则在建模辨识方面显示出了明显的优越性。RBFN解决了局部极值问题，收敛速度快，成为实时辨识和控制的有力工具，但其也存在着参数选择的困难，难以同时保证模型精度和泛化能力。因此，本文采用PLS-RBFN并联组成混合模型的方法来实现延迟焦化粗汽油干点的软测量。 1　问题描述 　　某炼油厂延迟焦化装置采用一炉两塔流程和全井架水力除焦。分馏塔增设顶循环回流、中段回流和蜡油回流，用来加热软化水、原料油和发汽，合理地利用余热。工艺流程如图1所示。 图1　焦化分馏塔工艺流程示意图 　　该装置以贫氢的重质油（减压渣油）为原料，在高温下（约500℃左右）进行深度的热裂化和缩合反应，生产气体、汽油、柴油和焦碳。采用国内成熟的延迟焦化工艺，将焦化油（减压渣油和循环油）经加热炉加热迅速升温到焦化反应温度，进入焦碳塔进行焦化反应，生成焦碳留于塔内，生成的油气从塔顶出来进入分馏塔进一步分离。　　分馏塔的产品组成极其复杂，产品质量无法用机理方法计算，目前主要用定期进行人工采样分析的方法得到。其结果误差大，滞后大，无法用于直接控制。因此，建立质量估计模型，实现卡边控制，对提高装置的经济效益是有必要的。　　影响延迟焦化粗汽油干点的因素很多，如分馏塔塔顶温度、塔顶压力、汽油抽出量、顶回流温度、顶回流量、蒸发段温度、加热炉出口温度、注水量等。经对现场采集的数据的分析及工艺机理分析，确定了影响粗汽油干点的最主要因素，它们是分馏塔塔顶温度、粗汽油抽出量、塔顶回流量及回流温度。因此，粗汽油干点可用下式表示： y（k）＝f［x1（k），x2（k），x3（k），x4（k），x5（k），N（k）］　　（1） 式中：y（k）为粗汽油干点，℃；x1（k）为分馏塔顶温度，℃；x2（k）为粗汽油抽出量，t／h；x3（k）为分馏塔顶回流量，t／h；x4（k）为分馏塔顶压力，，kPa；x5（k）为分馏塔顶回流温度，℃；N（k）为其它影响因素；f（.）为待估函数关系。函数f（.）是复杂的多变量非线性函数，因此本文采用PLS-RBFN并联混合模型来拟合f（.）函数。 2　延迟焦化粗汽油干点软测量