催化重整17集总反应模型建模方法

摘要

本发明公开了一种催化重整17集总反应模型建模方法。建模方法特征是：(1)反应进料细分为17个集总组分；(2)包含17个反应的重整反应网络；(3)待估模型参数的确定方法，只估计机理模型中17个修正的频率因子参数；(4)连续重整催化剂结焦和失活模型，催化剂结焦模型中的积分项采用了分段积分方法，失活模型引入了反应器平均活性函数，即认为单个反应器的催化剂活性是相同的；(5)参数估计算法，在经典BFGS算法基础上引入了微分精确一维搜索算法。本发明的优点：1)集总划分不仅基本符合重整反应的动力学机理，而且符合我国工业重整装置的分析条件，工业应用方便；2)需要估计的模型参数少，估计难度低；3)集成了催化剂结焦和失活模型；4)参数估计算法收敛性能优越。

主权项

1、一种催化重整17集总反应模型建模方法，其特征在于：(1)反应进料细分为17个集总组分a)烷烃：甲烷C₁、乙烷C₂、丙烷C₃、正异构丁烷C₄、正异构戊烷C₅、正异构己烷P₆、正异构庚烷P₇、正异构辛烷P₈、含9个碳原子及以上的烷烃P₉₊共9个集总，b)环烷烃：甲基环戊烷和环己烷N₆、含7个碳原子的环烷烃N₇、含8个碳原子的环烷烃N₈、含9个碳原子及以上的环烷烃N₉₊共4个集总，c)芳烃：苯A₆、甲苯A₇、二甲苯和乙苯A₈、含9个碳原子及以上的重芳烃A₉₊共4个集总；(2)包含17个反应的重整反应网络该反应网络包括了4个烷烃P₆、P₇、P₈和P₉₊脱氢环化生成环烷烃反应，4个环烷烃N₆、N₇、N₈和N₉₊脱氢环化生成芳烃反应，甲苯氢解生成苯和甲烷、二甲苯氢解生成甲苯和甲烷、三甲苯氢解生成二甲苯和甲烷以及甲乙苯氢解生成甲苯和乙烷共4个芳烃氢解反应以及5个烷烃C₅、P₆、P₇、P₈和P₉₊加氢裂化反应共17个重整反应；该17个反应的是重整反应网络是：烷烃脱氢可逆反应：$P_i\leftrightarrow N_i+H_2,$i＝6，7，8，9+环烷烃脱氢可逆反应：$N_i\leftrightarrow A_i+3H_2,$i＝6，7，8，9+烷烃加氢裂化反应：$C_5+H_2\to 1/2·\underset{i=1}{\overset{4}{\Sigma }}{C}_i$$P_6+H_2\to 1/3(\underset{i=1}{\overset{5}{\Sigma }}{C}_i+C_3)$$P_7+H_2\to 1/3(P_6+\underset{i=1}{\overset{5}{\Sigma }}{C}_i)$$P_8+H_2\to 1/4(P_7+P_6+\underset{i=1}{\overset{5}{\Sigma }}{C}_i+C_4)$$P_9+H_2\to 1/4(P_8+P_7+P_6+\underset{i=1}{\overset{5}{\Sigma }}{C}_i)$芳烃氢解反应：A₇+H₂→A₆+C₁，A₈+H₂→A₇+C₁A₉₊+H₂→A₇+C₂，A₉₊+H₂→A₈+C₁(3)连续重整催化剂结焦和失活模型催化剂结焦模型中的积分项采用了分段积分方法，失活模型引入了反应器平均活性函数，即认为单个反应器的催化剂活性是相同的；所说的反应器平均活性函数是$\bar{\phi }\left(t\right)=\underset{N\to \infty }{\lim }\underset{i=1}{\overset{N}{\Sigma }}{\phi }_i/N=\int \phi (z,t)\mathrm{dz}/H$其中φ(z，t)为催化剂活性函数，z为催化床层高度，t为运行时间，H为反应器高度，N代表把反应油气沿纵向床层分为N等份；对于任意连续重整中的径向反应器，催化剂平均活性函数表示为${\bar{\phi }}_j\left(t\right)={\int }_{h_j}^{h_j+H_j}\phi (z,t)\mathrm{dz}/H_j,$j＝1，Λ，n其中n是反应器的个数，h_j，H_j分别为第j个反应器轴向坐标的初始值和整个高度；设积分时间区间为1h，t时刻每个反应器中的平均催化剂活性函数表达式为${\bar{\phi }}_j\left(t\right)=\frac{1}{t_j}\underset{i=0}{\overset{t_j-1}{\Sigma }}\frac{1}{1+\alpha ·\underset{k=0}{\overset{t_{1j-1}+i}{\Sigma }}{\bar{r}}_c^o(t-k)},$$t_j=\frac{{\Omega }_j·{\rho }_c}{v_c}{H}_j,$j＝1，Λ，n其中n是反应器的个数，Ω_j为第j个反应器催化床层截面积，m²，ρ_c为催化剂密度，kg/m³，v_c为催化剂循环速率，kg/h，t为运行时间，H_j为第j个反应器的高度，t_j为第j个反应器的运行时间，r_c⁰为新鲜催化剂的结焦速率，t_1j-1为催化剂从第1个反应器到第j-1个反应器的运行时间，α为常数；由此可见，催化剂平均活性函数只是反应器和运行时间t的函数，对于17个重整反应，其催化剂活性函数是相同的，即有$r_j=r_j^0·\bar{\phi },$0≤φ≤1，j＝1，2，Λ，17；其中r_j为17个反应中第j个反应的反应速率，r_j⁰为新鲜催化剂时17个反应中第j个反应的反应速率；(4)待估模型参数的确定方法只估计机理模型中17个修正的频率因子参数；该17个修正的频率因子参数是$k_{0j}^{\prime }=k_{0j}·\exp (-\Delta E_j/\mathrm{RT}){·P}_h^{\Delta {\theta }_j},$j＝1，2，L，17，其中k_0，j为反应频率因子，ΔE_j、Δθ_j分别为j反应的反应活化能和压力指数的估计误差，P_h为反应物中的氢分压，T为反应温度，R为气体常数，8.314J·mol^-1·K^-1；(5)参数估计算法在经典BFGS算法基础上引入了微分精确一维搜索算法，即利用目标函数雅可比矩阵的乘积来近似目标函数的Hessian矩阵，从而求出一维搜索的最优步长的解析式；所说的求出一维搜索的最优步长的解析式是${\lambda }_{\mathrm{opt}}=-\frac{▿S{\left(X^{\left(t\right)}\right)}^T{·P}^t}{{\left(P^t\right)}^T·H\left(X^{\left(t\right)}\right){·P}^t}$其中Hessian矩阵H(X^(t))用雅可比矩阵的乘积来近似即$H\left(X^{\left(t\right)}\right)={▿}^{2}S\left(X^{\left(t\right)}\right)\approx 2\frac{1}{P}\underset{k=1}{\overset{P}{\Sigma }}\{J_k^T·Q{·J}_k\}$其中，X为待估的17个参数，为目标函数S(X)的雅可比矩阵，H为目标函数S(X)的Hessian矩阵，P^t为第t次迭代所产生的目标函数S(X)的下降方向，J_k为m×n目标函数的雅可比矩阵，Q为m×m权重对角矩阵，m＝q+4，q为组分数目，为10，n＝17为反应个数，P为数据样本数目。