[发明专利]一种乙烯装置中控制裂解炉裂解深度的方法

权利要求书

1.一种乙烯装置中控制裂解炉裂解深度的方法，其特征在于包括以下步骤：

(1)建立裂解产品的在线收率预测模型，利用工业运行数据校正建立针对多种裂解原料的裂解深度在线预测、优化控制模型，获得预测结果；

(2)将预测结果写入仪表控制系统，根据裂解产物深度参数对操作工艺条件进行调整。

2.根据权利要求1所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的步骤(1)进行模拟裂解装置试验，获得不同原料在不同操作条件下的产品收率，以工艺机理仿真和试验数据为基础，采用统计模型的建模方法建立产物收率预测模型，采用智能优化算法建立工艺优化模型，通过对工业裂解炉进行产品取样标定，获得工业裂解炉产品收率，进一步包括：

(1.1)针对不同的原料物性和工艺条件预测出裂解后的主要产物收率分布；

(1.2)根据原料的种类切换到相应的原料预测模型下进行预测。

3.根据权利要求1所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于步骤(2)利用工业运行数据对预测模型进行数据校正，获得裂解深度预测优化控制模型，进一步包括基于客户端/服务器(C/S)运行模式，把裂解深度优化结果实时写入仪表控制系统。

4.根据权利要求2所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的步骤(1.1)进一步包括：

(1.1.1)进行模拟裂解装置试验，获得不同原料在不同操作条件下的产品收率，以工艺机理仿真和试验数据为基础，建立产物收率预测模型；

(1.1.2)基于步骤1.1.1建立的收率预测模型，建立工艺优化模型；

(1.1.3)通过对工业裂解炉进行产品取样标定，获得工业裂解炉产品收率。

5.根据权利要求2所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的步骤(1.2)进一步包括：

(1.2.1)利用工业运行数据对预测模型进行数据校正，获得裂解深度预测优化控制模型；

(1.2.2)利用该模型，结合在线数据校正、数据滤波、异常检测技术，进行裂解深度在线控制。

6.根据权利要求5所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的裂解深度预测优化模型分别针对不同裂解原料设计，裂解原料包括乙烷、丙烷、LPG、石脑油、柴油、加氢尾油。

7.根据权利要求1所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的步骤(2)裂解产物深度参数对操作工艺条件进行调整，进一步包括选择影响裂解深度波动的工艺操作参数，针对当前原料物性，基于产物收率预测计算出当前控制条件下的裂解深度，写入DCS系统，该深度作为控制设定值对裂解炉的裂解深度进行调整控制。

8.根据权利要求7所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的影响裂解深度波动的工艺操作参数为原料进料量、稀释蒸汽量、辐射段炉管出口温度，原料物性包括原料的比重、馏程与族组成。

9.根据权利要求1所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的步骤(1)可以预测出裂解炉辐射段最高壁温，作为控制约束参数。

10.根据权利要求9所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于，利用裂解炉炉管测温数据和工艺操作参数，采用统计建模的建模方法，得到炉管最高壁温的预测模型；工艺操作参数包括裂解炉运行时间、裂解炉燃烧器燃料用量、裂解温度、裂解原料投料量和稀释蒸汽投料量。

11.根据权利要求2或10所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的统计模型的建模方法包括线性回归、非线性回归、神经网络、支持向量机或者以上不同模型相结合的建模方法。

12.根据权利要求2所述的乙烯装置中控制裂解炉裂解深度的方法，其特征在于所述的智能化算法包括遗传算法、模拟退火、蚁群算法、粒子群算法、免疫算法或以上优化算法的结合。