[发明专利]一种丁二烯萃取精馏塔溶剂比的优化方法

权利要求书

1、一种丁二烯萃取精馏塔溶剂比的优化方法，其特征在于，包括如下步骤：

(1)以丁二烯萃取精馏塔为对象，选取正异丁烯、顺丁烯、反丁烯和1，3-丁二烯的含量组合作为输入变量；

(2)选取丁二烯萃取精馏塔的溶剂比作为因变量；所述溶剂是二甲基甲酰胺或乙腈或N-甲基吡咯烷酮；所述溶剂比是指所述溶剂与进料组分中碳四的质量比；

(3)通过流程模拟对不同工况进行优化，以得到的不同进料组成下的最优溶剂比数据作为训练样本，建立丁二烯萃取精馏塔最优溶剂比的神经网络模型；

(4)将根据所述最优溶剂比的神经网络模型计算得到的预测值与碳四进料流量的乘积作为溶剂进料流量设定值进行控制。

2、根据权利要求1所述的优化方法，其特征在于，所述优化方法的优化目标是溶剂比最小并保证塔顶丁二烯和塔釜顺丁烯和反丁烯含量不高于操作指标，且优化操作条件满足工艺与工业装置约束。

3、根据权利要求1所述的优化方法，其特征在于，所述最优溶剂比的神经网络模型，其输入层的节点数为4、隐含层节点数为1～30、输出层节点数为1。

4、根据权利要求1所述的优化方法，其特征在于，所述输入变量的数据是人工分析值或在线仪表的分析值；

5、根据权利要求1所述的优化方法，其特征在于，所述控制的过程是采用串级控制。

6、根据权利要求1所述的优化方法，其特征在于，所述控制的过程是采用自动控制。

7、根据权利要求1或2所述的优化方法，其特征在于，所述输入变量按照下式(I)进行归一化处理：

sxi=xi-ximinximax-ximin(b-a)+a,i=1,2,3,4---(I)]]>

式(I)中，x_i是第i个操作条件即所述输入变量的实际测量值，sx_i表示第i个操作条件归一化后作为神经网络输入的值，表示采集到第i个操作条件的变化范围，归一化后输入自变量的变化范围为[a，b]，其中b>a≥0；

网络模型的输出变量按照下式(II)进行归一化处理：

sy=y-yminymax-ymin(d-c)+c,---(II)]]>

式(II)中，y是输出变量即因变量，sy表示因变量归一化后作为神经网络输出的目标值，[y^min，y^max]表示采集到的因变量变化范围，归一化后神经网络输出的变化范围为[c，d]，其中d>c之0；

采集到n组代表性的模拟数据，其中每组数据包含[x₁，x₂，x₃，x₄，y]，经归一化后为[sx₁，sx₂，sx₃，sx₄，sy]，形成训练样本；以[sx₁，sx₂，sx₃，sx₄]作为网络的输入，对应的sy作为目标值，训练网络；当达到精度要求时，停止训练，获得最优溶剂比的神经网络模型，根据求得的神经网络模型的权值与阈值，获得最优溶剂比的计算值，通过下式(III)对最优溶剂比的计算值进行反归一化计算：

y~=sy-cd-c(ymax-ymin)+ymin---(III)]]>

式(III)中，表示因变量的预测值，其他字母的含义同式(II)所述；

基于所述因变量的预测值在保证所述优化目标的基础上以操作条件的工艺上下限为界，采用遗传算法对操作条件的约束空间进行搜索，求得最优操作条件。