一种加氢裂化装置反应深度的实时预测方法及装置

摘要

本发明提供一种加氢裂化装置反应深度的实时预测方法及装置。该方法包括：分工况构建稳态数据集，即利用相似性度量的方法从历史数据集中筛选出各个稳态工况所对应的运行数据集，并按照装置运行阶段、混合进料油属性的不同分类存储；神经网络最佳训练样本集优选操作，即以当前工况的进料油属性为依据，根据混合指标的相似度大小从上述加氢裂化装置稳态工况运行数据集中选取最佳训练样本，完成神经网络的快速训练；反应深度实时预测操作。本发明预测当前运行阶段、当前进料属性、当前操作条件下加氢裂化装置的反应深度，为该过程急冷氢注入量的优化控制提供实时状态信息，是保护催化剂活性、延长装置开工周期、实现目标产品加工量灵活调整的基础。

主权项

一种加氢裂化装置反应深度的实时预测方法，其特征在于，包括：对加氢裂化装置的历史运行数据进行预处理；对经过预处理的历史运行数据采用相似性度量的方法进行稳态判别，筛选出稳态过程实时数据集，将所述稳态过程实时数据集按照加氢裂化流程的运行阶段、混合进料油属性的不同进行分类，形成N个相互独立的“运行阶段‑进料属性‑操作条件‑出口收率”数据块；其中，N为大于0的整数；根据分馏系统中各侧线产品流量、尾油流量对加氢裂化装置在特定运行阶段、特定进料油属性、特定操作条件下所对应的“运行阶段‑进料属性‑操作条件‑出口收率”数据块进行裂化段反应深度的离线计算并进行存储；计算加氢裂化装置各个运行阶段、各种进料油属性、各类操作条件所对应的反应深度，得到N个相互独立的“运行阶段‑进料属性‑操作条件‑反应深度”数据块；根据加氢裂化装置当前所处的运行阶段和当前进料属性，选取与当前进料属性相似度大于预设阈值的多个“进料属性‑操作条件‑反应深度”数据块，以选取的数据块的操作条件为输入，反应深度为输出，快速训练BP神经网络模型；利用所建立的BP神经网络模型，实时预测加氢裂化装置当前运行阶段、当前进料属性、当前操作条件下所能达到的加氢裂化流程反应系统裂化段的反应深度。