[发明专利]一种预测催化裂化焦炭产率的方法

说明书

技术领域

本发明涉及石油化工领域，具体涉及一种预测催化裂化焦炭产率的方法。 

背景技术

重油催化裂化(RFCC)在我国炼油工业占有重要地位，是炼厂提高经济效益的重要手段。但随着原油的重质化、劣质化，我国RFCC原料的掺渣率不断提高，原料性质越来越差，使RFCC产物分布及产品质量变差，轻质油收率低，焦炭干气产率高。由于催化裂化是极其复杂的平行顺序反应，是反应与流动、传质传热的高度耦合。其反应过程和产品分布受到原料性质、催化剂性质以及操作条件影响，难以建立精确的数学表达式来描述其动态的生产过程，难以预测产品分布。 

目前计算催化裂化过程产品收率的关联式一般根据实际操作数据和中型实验数据得出，适用于工艺方案估算或技术经济评价，难以用于具体指导工程设计或现场优化操作。BP神经网络作为一种非线性统计性数据建模工具，具有独特的分布并行处理、自适应能力和非线性预测能力。中国专利CN 102737288 A提出了一种基于RBF神经网络参数自优化水质多步预测方法，通过在线水质监测仪器的远程传输，将各个监测站的数据存到本地服务器的数据库中，然后对水质样本序列进行归一化处理，经过RBF神经网络模型训练、预测，最终试验对水质进行预测。中国专利CN 103559556 A提出了一种在线预测电力系统负荷能力极限的方法，改方法由基于电网状态相似度指标的样本筛选方法、Lasso方法和误差反向传播型神经网络三部分组成。 

虽然利用神经网络预测工业装置的某些性质等已广泛应用，但在 石油化工行业中，尤其在催化裂化中对于焦炭产率的预测依然是空白。 

发明内容

本发明的目的在于，利用BP神经网络分析催化裂化装置得到的影响焦炭产率数据，从而快速预测催化裂化装置的焦炭产率，为进一步合理优化原料性质、催化剂性质以及操作条件等，最大限度生产液体燃料等提供一定的指导意见。 

本发明提供了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。 

本发明步骤(1)所述与原料性质、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均从生产现场通过常规实验采集获得。 

其中，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。 

步骤(1)所述与催化剂性质有关的基础数据包括以下参数：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。 

步骤(1)所述与操作有关的基础数据包括以下参数：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。 

本发明步骤(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。 

本发明步骤(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_max和X_min分别是{X(n)}的最大值和最小值。