[发明专利]一种加氢裂化装置的收率实时预测方法

权利要求书

1.一种加氢裂化装置的收率实时预测方法，其特征在于，包括以下步骤：

(1)利用.net接口技术建立现场实时数据库与模型之间的数据通信，对加氢裂化装置的运行数据进行实时采集；

(2)根据所述实时数据，以反应器出口的模型预测值和实际值的平方差最小作为优化目标，利用改进后的差分进化算法进行求解，拟合模型参数，实现机理模型实时校正；

(3)基于校正后的机理模型，针对不同生产方案，分析在不同原料性质和操作条件下的关键产品收率，建立产品收率分析数据库；

(4)利用产品收率分析数据库训练能够准确反映实际工况的神经网络代理模型，并将操作条件与Delta-Base数据进行关联，实现加氢裂化装置收率的实时预测，为建立精确的计划优化PIMS模型提供理论支撑。

2.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(2)中所述实时数据选自加氢裂化原料油的密度、硫含量、氮含量、进料负荷、催化剂床层温度、反应压力、氢油体积比和产品收率。

3.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(2)中所述改进后的差分进化算法为带有三角变异的差分进化算法，并定义优化目标为：

minf(X)=Σi=1(Cactuali-Cpredicti)2;]]>

其中，决策变量X包括各个反应的指向因子和活化能，和分别表示各产品组分油的实际质量收率和模型预测质量收率。

4.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(3)中针对原料密度、硫含量、氮含量、装置加工量、反应温度、压力和氢油体积比开展操作特性分析，获得对关键产品收率的影响规律。

5.根据权利要求1所述的收率实时预测方法，其特征在于，步骤(4)中使用神经网络代理模型来替代机理模型进行预测计算；其中，神经网络代理模型采用反向传播神经网络，选取7个神经网络输入变量：原料密度、硫含量、氮含量、进料负荷、床层平均温度、压力、氢油比，6个输出变量：轻端、轻石脑油、重石脑油、航煤、柴油、尾油；隐含层设置为7层；利用代理模型对装置收率进行实时预测，获得产品收率的Delta-Base值。