MIP装置汽油产率预测和优化的新方法

发布时间：2021-01-16 14:17

　　多产异构烷烃的催化裂化工艺技术（MIP）是催化裂化的家族工艺,这种工艺的反应器为两段反应器,这种设计使得油品质量得以改善。此工艺可以最大化生产异构烷烃,在降低催化汽油烯烃的同时保证了汽油辛烷值基本不发生变化。本文建立了MIP装置汽油产率预测模型并利用改进的遗传算法进行汽油产率优化。汽油产率预测模型基于广义回归神经网络（GRNN）和Adaboost算法,包含16个输入变量和1个输出变量。输入变量反映了原料油的性质、催化剂性质和操作条件,输出变量为汽油产率,汽油产率预测的均方误差为0.44。本文利用改进的遗传算法搜寻在原料性质和加工量固定的条件下的最优汽油产率及其对应的四个操作变量的数值。四个操作变量分别为：回炼比、剂油比、第二段提升管反应器出口温度和原料预热温度。本文建立的预测模型的预测精度较高,优化结果符合工艺经验。本文建立的汽油产率预测模型的预测能力以及遗传算法的优化结果证实了神经网络和智能优化算法在催化裂化装置产品预测、优化中的适用性,也为进一步的工业应用提供了有益的经验。 

【文章来源】：华东理工大学上海市 211工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

掺渣比变化趋势图

回练比变化趋势图

剂油比变化趋势图

【参考文献】：
期刊论文
[1]基于灰色关联度的道路货运影响因素分析[J]. 李敏,刘瑞娟,郭萌洁.  交通财会. 2016(01)
[2]GA辅助BP神经网络预测催化裂化装置汽油产率[J]. 张忠洋,李泽钦,李宇龙,李国庆.  石油炼制与化工. 2014(07)
[3]催化裂化催化剂技术的应用与发展[J]. 徐亮,李永洲,李营.  化工管理. 2014(14)
[4]GRNN与BPNN的函数逼近性能对比研究[J]. 丁硕,常晓恒,巫庆辉.  现代电子技术. 2014(07)
[5]基于GABP算法的化工设备设计人工时预测[J]. 戴健伟,吉华,杨岗,樊刚,王彬.  计算机集成制造系统. 2013(07)
[6]MIP-DCR工艺技术的开发与工业应用[J]. 龚剑洪,许友好,蔡智,谢恪谦.  石油炼制与化工. 2013(03)
[7]催化裂化催化剂的发展历程及研究进展[J]. 张春兰,陈淑芬,张远欣.  石油化工应用. 2013(02)
[8]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳.  自动化学报. 2013(06)
[9]智能优化算法的比较与改进[J]. 王梦兰.  中国水运. 2012(12)
[10]催化裂化预提升技术概况[J]. 刘斯.  中国石油和化工标准与质量. 2012(14)

博士论文
[1]智能优化方法及其应用研究[D]. 钟一文.浙江大学 2005
[2]用遗传/模拟退火算法进行具有多流股换热器的换热网络综合[D]. 魏关锋.大连理工大学 2003

硕士论文
[1]种群规模对遗传算法性能影响的研究[D]. 刘晓霞.华北电力大学（河北） 2010
[2]遗传算法在函数优化中的应用研究[D]. 金芬.苏州大学 2008
[3]BP神经网络算法改进及应用研究[D]. 黄丽.重庆师范大学 2008
[4]模拟退火算法的原理及算法在优化问题上的应用[D]. 庞峰.吉林大学 2006
[5]模拟退火算法的研究及其应用[D]. 冯玉蓉.昆明理工大学 2005
[6]广义回归神经网络和遗传算法研究及其在化工过程建模中的应用[D]. 郝鑫.浙江大学 2004



本文编号：2980978