[發(fā)明專利]一種輔助甲醇制烯烴工藝生產(chǎn)決策的方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202310361035.7
• 申請日: 2023-04-06
• 公開（公告）號: CN116434867A
• 公開（公告）日: 2023-07-14
• 發(fā)明（設計）人: 張浩;張今;楊余;趙澤盟;程晗;劉淇
• 申請（專利權）人: 西南大學
• 主分類號: G16C20/30
• 分類號: G16C20/30;G16C20/70;G06F18/214;G06F18/22
• 代理公司: 北京道隱專利代理事務所(普通合伙) 16159
• 代理人: 周洪鵬

本申請?zhí)峁┑囊环N輔助甲醇制烯烴工藝生產(chǎn)決策的方法及系統(tǒng)，將反應數(shù)據(jù)輸入至定碳量預測模型，定碳量預測模型輸出待生定碳量，進而可用于評估催化劑活性和過程進度，輔助DMTO生產(chǎn)決策，定碳量預測模型基于線性模型結構以及即時學習算法建立，并采用歷史反應數(shù)據(jù)和對應的催化劑定碳真實值作為訓練數(shù)據(jù)訓練得到。不需要對催化劑取樣，實現(xiàn)了催裂化裝置再生器催化劑碳含量的動態(tài)軟測量，提高了催化劑待生定碳預測的準確性，該系統(tǒng)對DMTO催化劑定碳的測量結果與離線測量結果的平均相對誤差僅為1.46％，擬合優(yōu)度高達0.92。

技術領域

本申請涉及煤化工行業(yè)工藝關鍵參數(shù)測量技術領域，具體涉及一種輔助甲醇制烯烴工藝生產(chǎn)決策的方法及系統(tǒng)。

背景技術

催化劑的使用壽命和反應活性直接關系到催化劑的經(jīng)濟效益，而積炭會堵塞催化劑孔道使其失活，影響反應物和產(chǎn)物的擴散速率，導致反應速率和低碳烯烴收率下降。DMTO(甲醇制烯烴工藝)過程中由高度放熱導致的焦炭沉積現(xiàn)象無法避免，為保證優(yōu)良的甲醇轉化率和低碳烯烴選擇性，工藝中常采用流化床反應器-再生器結構燒除催化劑積炭，并通過催化劑定碳量進行實時調控。

快速準確地分析待生催化劑的碳含量對DMTO反應工藝具有指導性的意義。目前DMTO工業(yè)生產(chǎn)中對催化劑定碳尚無在線分析，常通過高頻感應紅外吸收法、分光光度計分析法或熱重分析法進行離線采樣分析。傳統(tǒng)方法成本高，影響因素繁多，常與質譜、光譜等聯(lián)用且需用純樣品對檢測后輸出的信號進行校正才能獲得直接肯定的結果。再者，分析化學儀器最常見的問題是泄漏，尤其是痕量分析物容易出現(xiàn)拖尾峰，不可逆的吸附和催化分解，所以必須嚴格使用正確的耗材，合理安裝零件和消耗品，定期檢查泄漏和進行進樣口維護，耗時耗力耗財。

目前人們往往利用神經(jīng)網(wǎng)絡、支持向量機、多元統(tǒng)計等方法進行軟測量建模，通常采用一段時間的監(jiān)控數(shù)據(jù)來判斷當前的工況，為較好體現(xiàn)實際生產(chǎn)過程的全局特性，在建模過程中需收集大量的樣本數(shù)據(jù)，但在DMTO生產(chǎn)過程中采用單模型建模會導致過于龐大的模型結構和冗長的訓練時間。同時，傳統(tǒng)樣本選取方法易受到干擾，誤判率較高，影響樣本選取質量，導致模型誤差較大。再者，大多數(shù)非線性建模方法以過程生產(chǎn)處于穩(wěn)態(tài)為前提，由于過程生產(chǎn)自身控制要求的改變、本身特性發(fā)生變化以及環(huán)境對其的影響，使得過程生產(chǎn)通常處于動態(tài)，因此僅僅考慮對象非線性特性是不夠的，需要將對象的動態(tài)信息融合到模型中。

發(fā)明內容

DMTO生產(chǎn)裝置所用的催化存在最優(yōu)含碳量，可通過改變定碳提高產(chǎn)物產(chǎn)率和調控產(chǎn)物分布。為保證煤化工過程DMTO裝置穩(wěn)定運行狀態(tài)，實現(xiàn)裝置的實時診斷和優(yōu)化控制，本技術通過監(jiān)測相關生產(chǎn)變量的數(shù)據(jù)變化實現(xiàn)對DMTO裝置催化劑定碳量的在線精確測量，用于評估催化劑活性和過程進度，輔助DMTO生產(chǎn)決策。

為解決上述技術問題，本申請?zhí)峁┮韵录夹g方案：

第一方面，本申請?zhí)峁┮环N輔助甲醇制烯烴工藝生產(chǎn)決策的方法，包括：

獲取甲醇制烯烴過程中的多個反應數(shù)據(jù)；

將所述反應數(shù)據(jù)輸入至定碳量預測模型，所述定碳量預測模型輸出催化劑定碳量；

其中，所述定碳量預測模型基于線性模型結構以及即時學習算法建立，并采用一預設的樣本數(shù)據(jù)庫作為訓練數(shù)據(jù)訓練得到，所述樣本數(shù)據(jù)庫包括多組樣本組，每個所述樣本組包括多個歷史反應特征參數(shù)以及所述歷史反應特征參數(shù)對應的歷史待生定碳量。

優(yōu)選地，所述定碳量預測模型的訓練步驟包括：

將所述樣本數(shù)據(jù)庫中的多個樣本組分為新樣本組以及歷史樣本組，其中，所述新樣本組包括多個新樣本數(shù)據(jù)，所述歷史樣本組包括多個歷史樣本數(shù)據(jù)；

根據(jù)每個所述新樣本數(shù)據(jù)與所述歷史樣本組中每個歷史樣本數(shù)據(jù)之間的歐氏距離得到兩個樣本組之間樣本數(shù)據(jù)的相似度；

根據(jù)所述相似度得到一回歸數(shù)據(jù)集；