[发明专利]一种工业装置乙炔催化加氢反应过程优化运行方法

摘要

本发明涉及一种工业装置乙炔催化加氢反应过程优化运行方法，此方法基于加氢反应器模型，使用遗传算法对动力学模型和失活模型参数进行拟合，以达到对化学反应过程进行准确描述的目的。并在此基础上，根据实际工业生产目标，再次应用遗传算法对工艺操作条件进行优化，从而能够描述工业反应器中各因素对反应过程的影响。模型对工业数据的拟合与预测均有较高的精度，有着良好的使用性，此外该建模方法适用于不同种类的固定床反应器中的加氢催化反应，具有广泛的适用性。

主权项

1.一种工业装置乙炔催化加氢反应过程优化运行方法，其特征在于，所述方法包括以下步骤：①采集整个乙炔加氢反应器使用周期的历史数据，整理出与催化剂使用时间一一对应的各项数据，包括：反应器进出口的乙烷、乙烯、乙炔、氢气的摩尔流速，反应器各床层的温度；②构建等压绝热一维拟均相平推流反应器模型，任意挑选步骤①中获取的催化剂使用初期时间对应的各项数据作为模型输入以及模型输出的比较对象，利用遗传算法拟合动力学中的未知参数，各个变量对应着各个模型参数的值，对群体反复进行基于遗传学的操作，评价每个个体适应度，直至搜索出优化群体中的最优个体，即获得动力学模型参数；所述反应器模型为：dFC2H6dz=ρB×(r1+r2)×SdFC2H4dz=ρB×(r3+r4-r2)×SdFC2H2dz=-ρB×(r1+r3+r4)×SdFH2dz=-ρB×(2×r1+r2+r3+r4)×SdTdz=-S×ρB×[r1×ΔH3+r2×ΔH2+(r3+r4)×ΔH1]FC2H6×Cp,C2H6+FC2H4×Cp,C2H4+FC2H2×Cp,C2H2+FH2×Cp,H2]]>其中F_C2H6、F_C2H4、F_C2H2、F_H2分别是乙烷、乙烯、乙炔和氢气的摩尔流速，ρ_B是催化剂密度，C_p，C2H6、C_p，C2H4、C_p，C2H2、C_p，H2分别是气体乙烷、乙烯、乙炔、氢气的定压热熔，r₁、r₂、r₃、r₄分别是反应R1、R2、R3、R4的反应速率，ΔH₁是反应R3或R4的焓变，ΔH2是反应R2的焓变，ΔH3是反应R1的焓变；所述反应动力学模型为：R1:C2H2+2H2→C2H6r1=k1pC2H2pH22(1+KC2H2ApC2H2)3R2:C2H4+H2→C2H6r2=k2pC2H4pH2(1+KC2H2EpC2H2+KC2H4EpC2H4)3R3:C2H2+H2→C2H4r3=k3pC2H2pH21+KC2H2ApC2H2R4:C2H2+H2→C2H4r4=k4pC2H2pH2(1+KC2H2ApC2H2)2]]>其中(i＝1、2、3、4，分别表示R1、R2、R3和R4这四个反应)，E_i是反应活化能，R是理想气体常数，T是温度；为乙炔分压；为乙烯分压；为氢气分压；是乙炔在A中心催化剂上的吸附平衡常数；是乙炔在E中心催化剂上的吸附平衡常数；是乙烯在E中心催化剂上的吸附平衡常数；r₁和r₂是生成乙烷的副反应，r₃和r₄分别是基于不同机理的乙炔加氢生成乙烯的主反应；其中，需拟合的未知参数，即所述变量为：k₁、k₂、k₃、k₄、E₁、E₂、E₃和E₄；③构建等压绝热一维拟均相平推流反应器模型，等间隔挑选步骤1中获取的整个运行周期的数据作为样本，以参数拟合后的动力学模型为基础，利用遗传算法拟合失活模型中的未知参数，各个变量对应着各个失活模型参数的值，对群体反复进行基于遗传学的操作，评价每个个体适应度，直至搜索出优化群体中的最优个体，即获得失活模型参数；所述引入失活参数的反应器模型如下：dFC2H6dz=ρB×(r1×a1+r2×a2)×SdFC2H4dz=ρB×(r3×a3+r4×a4-r2×a2)×SdFC2H2dz=-ρB×(r1×a1+r3×a3+r4×a4)×SdFH2dz=-ρB×(2×r1×a1+r2×a2+r3×a3+r4×a4)×SdTdz=-S×ρB×[r1×a1×ΔH3+r2×a2×ΔH2+(r3×a3+r4×a4)×ΔH1]FC2H6×Cp,C2H6+FC2H4×Cp,C2H4+FC2H2×Cp,C2H2+FH2×Cp,H2]]>其中a₁、a₂、a₃、a₄分别是反应R1、R2、R3、R4的失活系数；所述失活模型反应如下：-daidt=kaiexp(-EaiRT)ani,ni>1]]>其中i＝1、2、3、4，分别表示R1、R2、R3和R4这四个反应，是失活反应i的指前因子，a_i是反应i的失活系数，t是时间，是反应i的失活反应活化能，R是理想气体常数，T是温度，n_i是反应i的失活级数；其中需拟合参数，即所述变量为：n₁、n₂、n₃、n₄、和④构建串联的两个等压绝热一维拟均相平推流反应器模型，模型中的动力学参数和失活模型参数分别由步骤②和步骤③给定；前一组作为一段反应器，后一组作为二段反应器；利用遗传算法优化操作参数，各个变量对应着各个操作参数值，使用实时数据，把催化剂使用时间和乙烷、乙烯、乙炔、氢气的摩尔流速作为模型的输入，对群体反复进行基于遗传学的操作，评价每个个体适应度，找出优化目标对应的各种操作条件；其中，所述变量为：一段入口温度T1、二段入口温度T2、一段氢炔比Ra1、二段氢炔比Ra2。