[發明專利]一種乙烯裂解爐裂解反應操作條件的優化方法

無效

• 申請號: 200810202972.3
• 申請日: 2008-11-19
• 公開（公告）號: CN101414158A
• 公開（公告）日: 2009-04-22
• 發明（設計）人: 李紹軍;劉漫丹;陽治維
• 申請（專利權）人: 華東理工大學
• 主分類號: G05B13/02
• 分類號: G05B13/02;C10G9/00;C07C11/04
• 代理公司: 上海新天專利代理有限公司
• 代理人: 衷誠宣

技術領域

本發明屬于化學反應工程與人工智能交叉領域，涉及乙烯裝置管式裂解爐熱裂解反應工藝操作條件的優化方法。

背景技術

乙烯是化學工業的重要基礎原料，其產量成為衡量一個國家或地區石油化工發展的主要標志。乙烯生產的規模、成本、生產穩定性、產品質量等都會對整個石油化工行業產生重大影響，因此乙烯裝置就成為關系全局的核心生產裝置。

隨著乙烯裝置的不斷擴能和煉油化工一體化工作的深入，乙烯原料資源緊張和原料多樣化的問題日漸突出，在裂解裝置大型化、原料多樣化的同時，提高裂解裝置的原料靈活性、提高乙烯選擇性和收率、減少能耗和物耗就顯得尤為重要。

裂解爐是乙烯裝置的關鍵設備，它直接關系到乙烯裝置的生產成本和整體經濟效益。由于原料來源與生產負荷經常變動，僅憑生產經驗對裂解爐的操作條件進行調整，經常造成產品質量指標符合生產要求，但三烯(指乙烯、丙稀和丁二烯)總收率低。乙烯裝置的裂解爐通常在偏離最優操作條件的狀態下運行，物耗高、產品質量波動大。同時，裂解爐是大型現代石油化工重要生產裝置，對其進行操作條件優化，即使只有1％的效益，其絕對經濟效益也是相當的可觀。因此，根據當前的生產狀況，對裂解反應操作條件進行優化，可以保證產品質量的穩定，提高三烯收率，提高企業的生產競爭力，且可產生巨大的經濟效益。

由于乙烯裝置中裂解爐的重要性，在生產過程中采用實際裝置進行模型測試是不現實的，一般可通過小型蒸汽裂解模擬實驗裝置(如MN-II型蒸汽裂解模擬實驗裝置)對現有的乙烯原料進行模擬，結合生產裝置的實際生產數據建立裂解反應過程的模型，并通過優化算法對模型進行優化得到較優的工藝操作條件用于生產控制，以達到優化參數、指導生產、實現效益最大化的目的。

發明內容

本發明目的是提供一種乙烯裂解爐裂解反應操作條件的優化方法。選取裂解爐出口溫度、稀釋比(或汽烴比)、進料烴流量作為模型輸入變量，選取裂解爐出口乙烯含量和裂解反應深度作為模型的因變量，采用神經網絡技術建立輸入變量與因變量的關聯模型；然后，據此進行乙烯裂解爐操作條件優化，提高三烯收率，產生經濟效益。

1.裂解爐裂解反應過程模型

建模是優化的基礎，只有建立了準確可靠的模型，下一步的優化工作才有意義。鑒于裂解爐熱裂解反應過程影響因素眾多且呈高度非線性特征、對其反應機理認識有限，且工業生產過程積累大量具有代表性的生產數據，這些數據隱含著工業反應過程的特征信息，為此，本發明選用了神經網絡建模方法，以建立裂解爐熱裂解反應過程模型。神經網絡建模方法不需考慮反應機理，直接采用工業裝置的代表性運行數據，對網絡進行訓練，就可以得到裂解爐熱裂解反應過程模型，建立的模型具有較高的建模精度、同時又有很好的預報能力。為保證神經網絡模型具有較高的外推能力，在工業裝置“操作點”周圍進行“大區域”正交模擬實驗，獲得了若干組操作范圍變化較大的裂解爐熱裂解反應情況的樣本數據，將這些樣本數據與工業生產現場采集到的實時數據結合起來，構成乙烯裂解爐熱裂解反應過程模型的訓練樣本。

乙烯裂解爐熱裂解反應過程模型的自變量，即神經網絡模型的輸入變量：

(1)裂解爐出口溫度(x₁，℃)

(2)稀釋比(或汽烴比)(x₂)

(3)爐管進料負荷(x₃，t/h)

反應過程模型的因變量，即神經網絡模型的輸出變量：

(1)裂解氣中乙烯含量(y₁，％)

(2)裂解深度(y₂)

神經網絡模型采用活化函數為Sigmoid函數，三層前傳神經網絡來建立乙烯裂解爐熱裂解反應過程模型，并采用誤差反傳算法(BP，Back?Propagation)對網絡進行訓練，網絡結構如圖1所示，輸入層3個節點、隱含層1～30個節點、輸出層2個節點。網絡模型的輸入變量利用式(1)進行歸一化處理：