FCC催化剂定碳量软测量混合建模研究

发布时间：2020-04-20 20:37

【摘要】：目前我国主要采用的催化裂化生产技术是流化裂化催化(Fluid Catalytic Cracking,FCC),实现对FCC中催化剂定碳量的快速精确测量在保证安全稳定的生产环境、提高催化裂化工艺产量和延长催化剂使用寿命等方面有着非常重大的意义。本文在现有催化裂化生产工艺的研究基础上,以增产丙烯的催化裂化工艺(MIP-CGP)的反应-再生装置为研究对象,进行了针对催化剂定碳量的软测量建模工作。提出了FCC催化剂定碳量软测量混合模型建模方法,实现了对FCC中催化剂定碳量快速准确的软测量模型,有效克服了现有的一些软测量建模方法在石油化工业应用中泛化能力不足、鲁棒性较弱的问题。首先,本文提出了一种FCC催化剂定碳量的软测量经验建模算法。为了建立准确的软测量模型,本文结合生产工艺和机理分析辅助选取了软测量模型的主导变量和辅助变量;然后在此基础上建立了改进的连续深度置信网络结构进行数据样本特征的组合选取;最后以启发式算法优化的最小二乘支持向量回归机作为回归层模型进行拟合预测。本文以平均百分比误差和均方误差作为模型测量精度的验证指标。接着,为了进一步提高催化剂定碳量软测量模型的测量精度和泛化能力,本文在经验模型上深入探索,提出了软测量串联型混合模型建模方法。本文在经验模型的基础上对FCC反应-再生系统进行机理分析,建立基于假组分理论的反应-再生系统机理模型,然后通过串联组合的方式实现软测量混合模型建模,实现了对经验模型的测量精度和外推性的有效改善。通过与经验模型进行比较,串联型混合模型在测量性能上有显著的提高。最后,为了提高炼厂数字化水平,配合数字化炼厂的建设,本文针对流化催化裂化反应-再生系统开发了生产数据关键工艺指标监测平台,并在监测平台上实现了FCC催化剂定碳量的软测量功能。生产数据关键工艺指标监测平台采用B/S架构设计,基于.NET框架实现功能开发,具有兼容性好、拓展性强的优点;平台提供了针对生产工艺中关键生产数据的监测功能,并且进行了软测量模型的功能实现,具备为企业生产控制提供数据指导的能力。
【图文】：

混合模型,并联型

模包括有回归分析、状态估计、模式识别、人工神经网络等督训练算法实现最小化软测量模型的数据和实际测量值之工生产是复杂、高耦合、非线性强的过程，因此传统的回归地建立主导变量与辅助变量的模型，得益于计算机技术的人工神经网络[18]、支持向量回归机[19]等算法促进了软测量用。模是为了结合机理模型和经验模型各自的优点而提出的一地利用现有的经验知识，提取出有效的数据信息，提高模型模型结合方式上，混合建模可分为两类：一种是在现有的经验模型建模进行机理模型中无法确定的内部参数，如动测量模型一部分采用机理模型建模，另一部分则采用经验混合模型可以分成并联结构和串联结构[21]，如图 1-3，图图 1-5（记为串联 II 型结构）所示。θ

催化剂,烧焦,待生催化剂

烧焦完成后得到的再生催化剂经由再生器二密相分三路抽出：第一路经再外循环管返回烧焦罐下部，来调控二密相床层的料位；第二路至外取热器发Pa 中压饱和蒸汽取走再生烧焦过程剩余的热量，调节再生器反应温度；第三斜管至提升管反应器底部预提升混合器。国石化九江分公司 II 套催化裂化采用的是 Y 形分子筛催化剂[28]，，这是一种、直径大小不一的白色固体颗粒。在 FCC 生产工艺中，催化剂的活性受到炭的直接影响，其结焦积炭量应控制在 5%左右；由表面焦炭过高导致活性为待生催化剂。待生催化剂在再生器中的烧焦操作后去除其表面焦炭，恢复，得到的催化剂称为再生催化剂。催化剂碳含量百分数称为定碳。定碳量过响催化剂的活性，裂化产量降低，并且再生烧焦时困难，容易产生飞温烧坏烧焦不完全造成催化剂黑心；而定碳量过低会导致催化系循环速率增大，催过大而降低其使用寿命。图 2-3 中从左到右分别是新鲜催化剂、待生催化剂化剂。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TE624.91

【参考文献】