[发明专利]基于原料不确定性的催化重整反应器鲁棒操作优化方法

说明书

本发明涉及一种基于原料不确定性的催化重整反应器鲁棒操作优化方法，包括以下步骤：S1、构建催化重整的反应器模型；S2、采集原始数据并处理，生成原料不确定数据库；S3、基于所述原料不确定数据库的数据进行采样分析，获得原料不确定数据采样分析结果；S4、基于步骤S1和步骤S3，选择需要优化的操作条件和生产目标统计量分别作为优化变量和优化目标，构建鲁棒操作优化模型；S5、对鲁棒操作优化模型进行优化求解，获得Pareto最优解集，该Pareto最优解集对应一待选最优操作条件集；S6、根据应用需求从待选最优操作条件集中选取目标操作条件。与现有技术相比，本发明具有提升产品指标和操作鲁棒性、降低模型复杂度等优点。

技术领域

本发明涉及石油化工领域，尤其是涉及一种基于原料不确定性的催化重整反应器鲁棒操作优化方法。

背景技术

催化重整过程是石油炼制和石油化工过程中的主要工艺过程之一。它是一定操作条件下，将石脑油转变为芳烃(包括苯、甲苯、二甲苯等)或者高辛烷值的优质汽油，并副产氢气的过程。其中，高辛烷值的优质汽油具有很好的抗震性，可以用作航空汽油和车用汽油；芳烃是重要的化工原料，可用作涂料、染料和农药等的原料；副产的氢气是石油化工加氢单元的重要的廉价氢气来源。所以，催化重整在石油化工过程，乃至整个化工行业都有着重要意义。

催化重整反应部分是整个工艺过程中的核心操作单元，其产品组成复杂且多样，操作条件的选择直接影响着产品的组成、产率及经济效益。为了提高产品产率和经济效益，需要对操作条件进行优化选择。

目前基于催化重整体系的操作优化方法主要是：在固定产品组成的前提下，基于事先构建的催化重整机理模型，选择需要优化的操作条件和生产目标分别作为优化变量和优化目标，运用各种群智能优化算法(如遗传算法、进化差分算法、人工蜂群算法等)，对模型进行优化。这种优化策略可以选取出最优的操作条件，显著提高生产目标和经济效益。但是这种操作优化方法还存在如下问题：

(1)操作条件优化是在原料组成固定的前提下进行，未考虑组分波动的影响。而现场原料和产品组成分析结果显示，受上游炼油装置的影响，催化重整过程的原料组成波动明显，并造成产品质量波动明显。基于原料组成固定的操作条件优化结果不一定在其他原料条件下表现良好。故需要在操作优化过程中，需要考虑原料的不确定性，提高装置运行的鲁棒性。

(2)基于机理模型的操作优化计算量大，特别是在实施考虑不确定性的鲁棒操作优化时，其计算量远超普通计算机的计算能力，无法用于实时优化。

发明内容

本发明就是为了克服上述现有技术存在的缺陷而提供一种待选最优操作条件集。

本发明的目的之一是针对催化重整过程存在的原料不确定性问题，提出了采用不确定分析的方法来表示过程存在的不确定性问题，并在操作优化过程中，考虑原料的不确定性，提高装置运行的鲁棒性。

本发明的目的之二是针对鲁棒操作优化过程存在的运算量过大，无法实现实时动态优化的缺陷，提出了用基于数据驱动的代理模型来代替原来计算量昂贵的机理模型的方案，在保证模型准确性的前提下大幅度地降低计算成本。

本发明的目的可以通过以下技术方案来实现：

一种基于原料不确定性的催化重整反应器鲁棒操作优化方法，包括以下步骤：

S1、构建催化重整反应器机理模型；

S2、采集原始数据并处理，生成原料不确定数据库；

S3、基于所述原料不确定数据库的数据进行采样分析，获得原料不确定数据采样分析结果；

S4、基于步骤S1和步骤S3，选择需要优化的操作条件和生产目标统计量分别作为优化变量和优化目标，构建鲁棒操作优化模型；

S5、对所述鲁棒操作优化模型进行优化求解，获得Pareto最优解集，该Pareto最优解集对应一待选最优操作条件集；