[发明专利]一种单塔低压酸性水汽提装置操作性能的建模方法及装置在审
申请号: | 201911410141.X | 申请日: | 2019-12-31 |
公开(公告)号: | CN111079350A | 公开(公告)日: | 2020-04-28 |
发明(设计)人: | 楼宇航;张楠 | 申请(专利权)人: | 湖州同润汇海科技有限公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/08 |
代理公司: | 宁波浙成知识产权代理事务所(特殊普通合伙) 33268 | 代理人: | 王方华 |
地址: | 313000 浙江省湖州市湖州经济技术开发区康山街道红*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 低压 酸性 水汽 装置 操作 性能 建模 方法 | ||
1.一种单塔低压酸性水汽提装置操作性能的建模方法,包括如下步骤:
步骤S1,采集覆盖单塔低压酸性水汽提装置操作波动范围的全塔操作和分析数据,其数据来源既包括现场仪表计量和实验室分析数据,也包括对该装置进行流程模拟所得到的数据以补充现场难以大量计量的数据;
步骤S2,选择单塔酸性水汽提装置的关键参数,并针对各关键参数,选择与之相关、且实际可计量的关联参数,用于构建彼此之间的人工神经元网络数学模型;
步骤S3,根据选择的关键参数和关联参数建立人工神经元网络模型的结构;
步骤S4,对参与建模的关键参数与关联参数进行归一化处理;
步骤S5,利用人工神经元网络模型培训算法,回归计算所建立的人工神经元网络模型中所有参数,使所述人工神经元网络模型对关键参数的预测尽可能的接近原数据结果。
2.如权利要求1所述的一种单塔低压酸性水汽提装置操作性能的建模方法,其特征在于,于步骤S1中,所述全塔操作和分析数据包括:
环境数据,包括但不限于大气温度和压力;
塔的基本参数,包括但不限于塔板数、填料条件、再沸方式、进料位置;
精馏目标参数,包括但不限于塔底出料净化水以及塔顶出酸性气的关键组分要求;
塔的操作参数,包括但不限于进料酸性水的流量、温度、组成分析;塔内温度压力分布;塔顶回流流量和温度;塔顶酸性气流量;塔底净化水流量和组成分析;塔底再沸热源用量;
塔的操作限制参数,包括但不限于进料负荷变化范围;塔顶冷凝器和塔底再沸器的负荷范围。
3.如权利要求1所述的一种单塔低压酸性水汽提装置操作性能的建模方法,其特征在于,于步骤S1中,对通过现场仪表计量和实验室分析获得的数据,基于物料及能量平衡的原则进行相应的数据校正处理。
4.如权利要求1所述的一种单塔低压酸性水汽提装置操作性能的建模方法,其特征在于:于步骤S1中,通过对所述单塔低压酸性水汽提装置建立工艺流程模拟模型,利用该流程模拟模型在关键运行参数可行范围内调整模型参数反复执行模拟计算,从而大量补充获取现场难以大量计量的数据;对所述基于工艺流程模拟模型的建立,需同现场计量和实验室分析所得的多工况数据进行数据比较,确定流程模拟数据与现场计量数据之间的系统偏差,以确保所述工艺流程模型的计算结果与实际计量结果足够接近。
5.如权利要求1所述的一种单塔低压酸性水汽提装置操作性能的建模方法,其特征在于:所述关键参数包括但不限于进口酸性水关键组分含量、净化水关键组分含量、塔顶酸性气关键组分含量、再沸热负荷和冷凝器负荷。
6.如权利要求1所述的一种单塔低压酸性水汽提装置操作性能的建模方法,其特征在于:于步骤S3中,所述人工神经元网络模型采用向前传递结构的人工神经元网络。
7.如权利要求1所述的一种单塔低压酸性水汽提装置操作性能的建模方法,其特征在于:于步骤S3中,需要确立的模型结构参数包括但不限于输入层的神经元数目、隐藏层层数和神经元数目。
8.如权利要求1所述的一种单塔低压酸性水汽提装置操作性能的建模方法,其特征在于:于步骤S4中,对所有数据校正后保留的现场数据和基于工艺流程模拟模型获得的补充数据进行归一化处理。
9.如权利要求1所述的一种单塔低压酸性水汽提装置操作性能的建模方法,其特征在于:于步骤S5中,采用反向传播培训算法,通过调整权系数W和偏置系数b,利用梯度下降优化方法寻找人工神经元网络预测值与实际测量值的最小平方差。
10.一种单塔低压酸性水汽提装置操作性能的建模装置,包括:
数据采集单元,用于采集覆盖单塔低压酸性水汽提装置操作波动范围的全塔操作和分析数据,其数据来源既包括现场仪表计量和实验室分析数据,也包括对该装置进行流程模拟所得到的数据以补充现场难以大量计量的数据;
参数选择单元,用于选择单塔酸性水汽提装置的关键参数,并针对各关键参数,选择与之相关、且实际可计量的关联参数,用于构建彼此之间的人工神经元网络数学模型;
模型构建单元,用于根据选择的关键参数和关联参数建立人工神经元网络模型的结构;
归一化处理单元,用于对参与建模的关键参数与关联参数进行归一化处理;
模型训练单元,用于利用人工神经元网络模型培训算法,回归计算所建立的人工神经元网络模型中所有参数,使所述人工神经元网络模型对关键参数的预测尽可能的接近原数据结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖州同润汇海科技有限公司,未经湖州同润汇海科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911410141.X/1.html,转载请声明来源钻瓜专利网。