本文關(guān)鍵詞：集總動力學(xué)模型結(jié)合神經(jīng)網(wǎng)絡(luò)預(yù)測重油催化裂化產(chǎn)物收率　出處：《華東理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 催化裂化 MIP工藝 集總模型 智能優(yōu)化算法 神經(jīng)網(wǎng)絡(luò)

【摘要】：本文以催化裂化工藝為基礎(chǔ),探討了催化裂化復(fù)雜反應(yīng)體系建模的思路,重點對集總動力學(xué)模型進行了較為詳細的綜述。以多產(chǎn)異構(gòu)烷烴催化裂化(MIP)工藝為研究對象,針對該工藝的技術(shù)特點,同時結(jié)合催化裂化反應(yīng)機理,構(gòu)建了飽和分、芳香分、膠質(zhì)+瀝青質(zhì)、柴油、汽油、液化氣、干氣和焦炭8個集總的反應(yīng)網(wǎng)絡(luò),推導(dǎo)出了集總動力學(xué)模型方程。結(jié)合大量的工業(yè)數(shù)據(jù),分別采用遺傳算法、模擬退火算法和粒子群算法優(yōu)化求取了該集總模型的47個動學(xué)參數(shù)。計算結(jié)果表明,所求得的動力學(xué)參數(shù)較好地體現(xiàn)了催化裂化的反應(yīng)規(guī)律;模型對產(chǎn)物分布預(yù)測計算的平均相對偏差均小于5%。三種算法針對多參數(shù)優(yōu)化問題,均能展現(xiàn)較好的適應(yīng)性,但是總體來說遺傳算法在平均誤差和誤差分布方面都要優(yōu)于粒子群算法和模擬退火算法,因此神經(jīng)網(wǎng)絡(luò)建模采用遺傳算法的計算結(jié)果。為降低集總動力學(xué)模型預(yù)測產(chǎn)物分布的誤差,選取主要的原料性質(zhì)、催化劑性質(zhì)以及操作條件共14個變量作為BP神經(jīng)網(wǎng)絡(luò)的輸入層,集總模型計算獲得的柴油、汽油、液化氣、干氣和焦炭收率的預(yù)測值和實際值之間的誤差共5個變量作為BP神經(jīng)網(wǎng)絡(luò)的輸出層,建立了 14-7-5結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明結(jié)合神經(jīng)網(wǎng)絡(luò)和集總動力學(xué)模型構(gòu)建的混合模型能進一步提高模型對產(chǎn)物分布的預(yù)測精度,為重油催化裂化過程的模擬優(yōu)化提供了新的方向。
【學(xué)位授予單位】：華東理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TE624.41

【參考文獻】

相關(guān)期刊論文 前10條

1 李振宇;黃格省;任文坡;王紅秋;;對“十三五”中國煉油化工結(jié)構(gòu)優(yōu)化調(diào)整及發(fā)展方向的思考[J];國際石油經(jīng)濟;2016年09期

2 任文坡;李振宇;李雪靜;金羽豪;;渣油深度加氫裂化技術(shù)應(yīng)用現(xiàn)狀及新進展[J];化工進展;2016年08期

3 歐陽福生;方偉剛;唐嘉瑞;江洪波;;以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的MIP工藝過程產(chǎn)品分布優(yōu)化[J];石油煉制與化工;2016年05期

4 許友好;;我國催化裂化工藝技術(shù)進展[J];中國科學(xué):化學(xué);2014年01期

5 高金森;王剛;盧春喜;徐春明;;重油催化裂化反應(yīng)工藝技術(shù)創(chuàng)新[J];中國石油大學(xué)學(xué)報(自然科學(xué)版);2013年05期

6 申志峰;張劍;連善濤;;催化裂化催化劑的發(fā)展現(xiàn)狀及方向[J];廣東化工;2013年18期

7 崔積山;張鵬;歐陽振宇;;地面濃度反推法計算無組織排放廢氣的應(yīng)用研究[J];廣東化工;2013年05期

8 段良偉;孫鵬;翁惠新;;新型催化裂化MIP集總反應(yīng)動力學(xué)模型[J];華東理工大學(xué)學(xué)報(自然科學(xué)版);2012年01期

9 郭強;鄧云川;段愛軍;趙震;牛歡;;加氫裂化工藝技術(shù)及其催化劑研究進展[J];工業(yè)催化;2011年11期

10 江洪波;鐘貴江;寧匯;歐陽福生;翁惠新;;重油催化裂化MIP工藝集總動力學(xué)模型[J];石油學(xué)報(石油加工);2010年06期

，

本文編號：1334441