[发明专利]一种裂解炉裂解反应的预警方法

权利要求书

1、一种裂解炉裂解反应的预警方法，其特征在于，

(1)选取裂解炉的操作条件作为乙烯裂解反应过程神经网络预警模型的输入变量；

(2)选取生产工况标志位作为模型的输出变量；

(3)利用工业裂解炉实际生产数据作为训练样本，建立乙烯裂解炉裂解反应过程神经网络预警模型，并根据预警模型的输出判断当前工况，及时发现异常趋势，并对操作人员进行警示，使其以快速消除装置的异常状况，降低生产事故的发生，提高装置的经济效益。

2、根据权利要求1所述的预警技术，其特征在于，所述步骤(1)中选取的操作条件为：裂解炉出口温度、稀释比(或汽烃比)、裂解炉进料负荷、原料油密度、废热锅炉出口温度、裂解炉出口温度变化率、裂解炉进料负荷变化率中的一个或多个条件的组合。

3、根据权利要求1所述的预警技术，其特征在于，所述对乙烯裂解反应过程的神经网络预警模型，采用动态递归神经网络结构，输入层的节点数为1～7，隐含层节点数为1～30，每个单元都有一个与之相对应的结构单元，输出层节点数为1。

4、根据权利要求3所述的预警技术，其特征在于，所述神经网络模型输入变量经归一化处理：

sxi=xi-ximinximax-xxmin(b-a)+a,i=1,2,...,imax]]>

式中，x_i是第i个输入变量的实际测量值，i_max为输入变量个数，sx_i表示第i个输入变量归一化后作为神经网络输入的值，表示采集到第i个输入变量的变化范围，归一化后输入变量的变化范围为[a，b]。

5、根据权利要求4所述的预警技术，其特征在于，采集到n组代表性的工业装置数据，其中每组数据包含经归一化后为形成训练样本，对裂解反应预警模型，以作为网络的输入，对应的y作为目标值，训练网络。

6、根据权利要求5所述的预警技术，其特征在于，采用误差反向传播算法(BP算法)对Elman网络中的权值进行训练，当神经网络输出与训练样本目标值的误差平方和小于阈值时，停止训练，获得裂解反应过程神经网络预警模型。

7、根据权利要求5所述的预警技术，其特征在于，采用遗传算法等智能优化算法对Elman网络中的权值进行学习，学习时，计算训练样本数据中的实际工况y与神经网络的输出y′的误差，将误差的倒数作为优化算法的适应度函数，通过优化算法的迭代求出适应度函数最大时的神经网络权值。

8、根据权利要求1所述的预警技术，其特征在于，预测时，将裂解过程的相应输入变量带入训练好的网络，计算神经网络的输出，选择合适的分类阈值c₀和c_w，当输出小于阈值c₀时，判断过程为正常工况，当输出大于阈值c₀且小于阈值c_w时，判断过程为一般预警；当输出大于阈值c_w时，判断过程为严重预警。

9、根据权利要求2-8中任一所述的预警技术，其特征在于，最佳输入节点数为7。

10、根据权利要求1-8中任一所述的预警技术，其特征在于，所述预警技术是基于集散控制系统或现场总线控制系统实现的。