[发明专利]一种预测催化裂化焦炭产率的方法

权利要求书

1.一种预测催化裂化焦炭产率的方法，所述方法包括以下步骤： 

(1)获得与催化裂化的原料性质、催化剂性质和操作有关的基础数据，以及焦炭产率的实际值，对上述数据进行预处理，再进行归一化处理； 

(2)利用BP神经网络进行模型训练，以步骤(1)所得归一化处理后的基础数据为输入值，以实际值为期望输出，获得预测焦炭产率的模型； 

(3)对现场采集的与催化裂化的原料性质、催化剂性质和操作有关的基础数据进行预处理作为预测数据，将预测数据代入步骤(2)获得的模型中，获得焦炭产率预测值。 

2.根据权利要求1所述的方法，其特征在于，步骤(1)所述与原料性质有关的基础数据包括以下参数：原料油饱和烃含量、原料油芳烃含量、原料油沥青质+胶质含量、原料油10％馏出温度、原料油50％馏出温度、原料油90％馏出温度和原料油钠含量。 

3.根据权利要求1所述的方法，其特征在于，步骤(1)所述与催化剂性质有关的基础包括以下参数：催化剂活性、再生剂微反活性指数、再生剂定碳含量、平衡剂活性、再生剂钠含量、再生剂镍和钒含量。 

4.根据权利要求1所述的方法，其特征在于，步骤(1)所述与操作有关的基础包括以下参数：催化剂温度、原料温度、反应温度、反应压力、原料油量、预提升蒸汽流量、原料油雾化蒸汽流量、预提升干气流量、回炼比、剂油比、二反料位和粗汽油至提升管反应器流控。 

5.根据权利要求1～4任意一项所述的方法，其特征在于，步骤(1)或(3)所述预处理具体为：取各个参数的共同时间段内的数据，对各个参数进行异常值的剔除，所述异常值包括零、负值、空 数据以及与平均值之差大于3倍标准差的数据。 

6.根据权利要求1～4任意一项所述的方法，其特征在于，步骤(1)所述归一化处理为：将样本序列定为{X(n)}，按照最大最小法对数据进行归一化处理，所述最大最小法公式为X_k＝(X_i-X_min)/(X_max-X_min)，其中，X_k为归一化值，X_i为现场采集的数据，X_max和X_min分别是{X(n)}的最大值和最小值。 

7.根据权利要求1所述的方法，其特征在于，步骤(2)所述BP神经网络包括输入层、输出层和隐含层各一层；其中，步骤(1)所得归一化处理后的基础数据作为输入层，焦炭产率作为输出层，焦炭产率实际值作为期望输出；隐含层节点数选择参考公式                                                   式中，m为输入节点数，n为输出节点数，分别比较不同节点下训练模型获得的均方误差，找出最佳隐层节点数H；输入层与隐含层之间用正切S型函数tansig作为传递函数，隐含层和输出层之间用选择性作用函数Lin作为传递函数，利用上述函数输入输出数据训练BP神经网络。 

8.根据权利要求7所述的方法，其特征在于，所述步骤(2)包括BP神经网络初始化步骤，该步骤的具体参数为：在步骤(1)所得数据中随机选择99％组数据作为训练样本，利用BP神经网络对训练样本进行模型训练，设置的迭代次数为100次，学习率为0.2，目标值为0.00004；当迭代结果的误差小于允许误差0.001～0.00001，系统结束迭代计算，模型构建完成。