生物柴油调合对其低温流动性能的改善

为了了解生物柴油中脂肪酸甲酯组成对其低温流动性能的影响,探索改善其流动性能的方法,以大豆油、花生油和牛油为原料合成了大豆油甲酯、花生油甲酯和牛油甲酯,测定了它们的脂肪酸甲酯组成和低温流动性能。结果表明,长碳链饱和脂肪酸甲酯的含量是影响生物柴油低温流动性能的主要因素。通过对混合生物柴油流动性能的测定,发现可以通过不同来源生物柴油的调合改善其流动性能。对于一些高倾点生物柴油,通过油品调合改善低温流动性能的效果比添加石化柴油降凝剂的效果明显。此外,通过偏振光显微镜观察生物柴油的结晶形态,分析了脂肪酸甲酯的结晶机理。

基于CAPE-OPEN标准的乙苯脱氢反应器模块开发与全流程模拟

基于某乙苯负压绝热脱氢制苯乙烯装置转化率低于设计值的现状,建立了包括小分子水蒸气转化反应在内的乙苯绝热脱氢制苯乙烯反应动力学模型和反应器模型,基于工业数据,估计了模型动力学参数,模型具有较高的精度;采用C++语言和COM技术开发了符合CAPE-OPEN标准的乙苯脱氢制苯乙烯反应器单元模块;在Aspen Plus平台构建了内嵌反应器模块的乙苯脱氢制苯乙烯全流程模型,反应器与精馏塔的模拟结果与实际相吻合;进一步考察了工艺参数对装置运行中期反应的影响,提出了适宜的工艺参数,为乙苯脱氢制苯乙烯的工艺设计、生产优化提供有益的支持。

基于CAPE-OPEN标准的SINOALKY烷基化反应器模块开发与全流程模拟

基于SINOALKY烷基化工艺,建立了二十集总反应动力学模型和反应器模型,并在此基础上开发了符合CAPE-OPEN标准的SINOALKY烷基化反应器模块,模块包含符合CAPE-OPEN标准的6个物流接口、数值求解器以及可视化的交互界面。将该反应器模块加载于Aspen Plus平台中,搭建了某0.2 Mt a的SINOALKY烷基化装置全流程模型,模型的模拟效果较好;进而,考察了反应工艺参数对烷基化产品组成和性质的影响,结果表明,模型模拟值与实际烷基化工艺相符,获得了适宜的烷基化反应工艺参数。表明包含SINOALKY烷基化反应器模块的烷基化全流程模型可为SINOALKY烷基化装置的模拟优化提供重要参考。

石油化工过程的静态与时序数据组合建模

传统的石油化工过程建模中仅使用静态数据,而未能充分考虑连续生产过程中时序信息对建模指标的影响。本文提出了一种静态与时序数据组合网络(CNSS)模型,使用前馈神经网络提取静态数据的信息,使用Bi-LSTM(Bidirectional-Long Short Term Memory)和自注意力机制提取操作变量时序数据中的信息,其中Bi-LSTM提取操作变量在时序逻辑上的信息,自注意力机制提取操作变量之间的交叉信息,通过静态和时序数据信息的组合以获得更好的模型预测性能;并使用CNSS模型分别对S Zorb装置精制汽油辛烷值(RON)、催化裂化烟气脱硝系统氮氧化物(NO_(x))的出口质量浓度进行预测,结果表明:CNSS模型的预测精度明显高于仅使用静态数据的机器学习模型,其对精制汽油RON预测的平均绝对误差和平均绝对百分比误差分别为0.1091、0.12%,对NO_(x)出口质量浓度预测的平均绝对误差和平均绝对百分比误差分别为2.4430 mg/m3、5.60%。对于因工艺参数波动较大而需要考虑时序信息的石油化工过程,CNSS模型可以为其建立机器学习模型提供重要参考。

石化企业循环冷却水系统腐蚀结垢预测模型的研究

以某石化企业循环冷却水系统的运行数据为基础,通过预处理获得了899组有效数据样本;采用最大互信息系数和Pearson相关系数法,筛选出针对目标变量腐蚀速率(FSSL)和黏附速率(NFSL)预测模型的输入变量;分别运用BP神经网络、KNN回归和XGBoost机器学习算法建立了循环冷却水系统的FSSL和NFSL预测模型。对3种模型进行预测精准度和预警效果评价结果表明:3种模型的预测平均相对误差(MAPE)均在9%以下,都具备较好的拟合效果和泛化能力;其中基于XGBoost方法所建模型的性能最佳,其对FSSL和NFSL的MAPE均在5%以下,决定系数R 2均大于0.9,预警准确率分别在91.5%和97.3%以上。

乙烯基单体配比对聚合物多元醇的合成及应用影响

以基础聚醚为基体,苯乙烯(ST)和丙烯腈(AN)为共聚单体,采用半连续聚合法,考察了m(ST)∶m(AN)对聚合物多元醇(POP)、聚氨酯(PU)软质泡沫性能的影响。结果表明,m(ST)∶m(AN)为2.0时,合成的POP固含量高、黏度较低和VOC含量较低,且POP粒子圆整、均匀,粒径分布较合理,过滤性能好,由此制得的PU软质泡沫的拉伸强度、断裂伸长率、撕裂强度最大,落球回弹率和压陷硬度较高;POP的接枝率随着m(ST)∶m(AN)降低而增大,相应的黏度、过滤性和过滤时间也增大。综合考虑POP的固含量、黏度、VOC量和过滤性能以及PU软质泡沫的力学性能,适宜的m(ST)∶m(AN)为2.0~2.5。研究结果可为POP和PU软质泡沫性能的提升提供指导。

萃取剂分子结构对不溶性硫磺分离效果的影响

从溶剂的分子结构入手,考察了多种溶剂对硫磺溶解性能的影响。结果表明:溶剂中的C=C键、-Cl基数目和分子极性对硫磺溶解度有显著影响;溶剂分子的空间排布对硫磺溶解度也有一定影响。研究结果可为替代目前不溶性硫磺生产过程中广泛使用的CS2的新型萃取剂的开发提供参考。

以BP神经网络为基础的MIP工艺过程产品分布优化

催化裂化是一个高度非线性和强耦合的系统,传统的机理模型很难描述,而BP神经网络具有强大的非线性拟合和自学习能力。以某炼油厂1.0 Mt/a的MIP装置反应-再生系统为研究对象,选取包括原料油性质、再生剂性质、操作条件的19个变量为神经网络模型的输入变量,液化气、汽油、柴油、焦炭收率为输出变量,建立了19-24-4结构的BP神经网络。在此基础上,考察了原料油预热温度、第一反应区出口温度、第二反应区出口温度、反应压力对产品分布的影响,并采用遗传算法得到使汽油收率最优的操作条件。结果表明,所建立的模型具有良好的预测和外推能力,可为工业装置操作条件的优化提供指导。

催化裂解过程分子尺度反应动力学模型研究

以工业数据为基础,运用结构导向集总方法来构造烃分子,对催化裂解原料油进行了分子尺度上的Monte Carlo模拟。在深入研究催化裂解反应机理的基础上,以原料油模拟产生的分子矩阵作为反应物分子,将结构导向集总方法与Monte Carlo方法相结合,建立了催化裂解过程分子尺度的反应动力学模型。结果表明:Monte Carlo方法可以在分子尺度上实现对催化裂解原料较好的模拟,产品产率和汽油组成与实际值能较好地拟合。且随着虚拟分子数的增加,对原料油性质和反应结果的模拟计算精度提高;模型具有较好的适应性和外推性。

加氢裂化防垢剂的开发

针对加氢裂化装置进料换热器结垢比较突出的情况，在对结垢机理进行研究的基础上，开发了防垢剂ＳＦＨ－１和ＳＦＨ－Ｂ。在３７５℃和３９０℃下实验室评价的防垢率，前者分别为８９．４％和６８．１％，后者为９２．７％和７０．４％。工业应用表明，当ＳＦＨ－Ｂ加入量在１００μｇ／ｇ时，原料换热器出口温度可维持开工初期水平，防垢剂的防垢效果良好，且对加氢催化剂无不良影响。

不溶性硫黄的制备技术

以普通硫黄为原料,考察了低温熔融法工艺条件、稳定剂的加入、填充油和萃取剂的选择对不溶性硫黄(IS)含量、收率及产品稳定性的影响。结果表明,适宜的聚合工艺条件为:聚合温度为260℃,聚合时间为1h,室温去离子水作为淬冷液,固化温度为60℃,固化时间为4h,硫黄聚合转化为IS可达40%以上;聚合产品的固化过程、提高萃取温度以及在淬冷、萃取、充油过程中稳定剂的加入能较显著提高产品的稳定性;溶剂SL可以替代二硫化碳成为新的萃取剂并确定了其相应的萃取工艺条件。确定了淬冷液、萃取剂、填充油中适宜的稳定剂及其添加量,最终IS产品120℃、15min时的热稳定性达到49%以上,居同类工艺领先水平。

不溶性硫磺新型萃取剂的研究

考察了氯代烃和芳烃两类溶剂对普通硫磺溶解度的影响,结果表明,溶剂分子中的C=C和—Cl取代基对普通硫磺的溶解有明显的促进作用,富含C=C双键和—Cl取代基结构的溶剂对普通硫磺具有较高的溶解度。初步筛选出了含有上述基团的4种有望替代二硫化碳成为不溶性硫磺新型萃取剂。初步确定了不溶性硫磺新型萃取剂的适宜萃取工艺条件:萃取温度80℃,萃取时间15 min,溶剂比一般不低于5:1。并考察了上述溶剂对萃取效果的影响。综合评价结果表明:其中一种氯代烃及其与多元醇的混合溶剂可以替代二硫化碳成为不溶性硫磺新型萃取剂。

溶解度参数法在开发不溶性硫磺新型萃取剂中的应用

通过文献和基团贡献法获得了与普通硫磺溶解度参数接近的一系列溶剂的分子结构和空间结构,并考察了它们对普通硫磺的溶解度。结果表明:仅凭溶剂的溶解度参数不能完全判断溶剂对硫磺溶解性能的影响,基团贡献法不适用于同分异构体溶剂。同类型溶剂的溶解度参数越接近硫磺的溶解度参数,其对硫磺的溶解度就越大。环状类HHS-1、HBS-2溶剂和多卤代芳烃MA有望替代CS2成为不溶性硫磺的新型萃取溶剂。

工艺条件对降低催化汽油烯烃过程中汽油烯烃分布的影响

着重考察了在使用降烯烃催化剂GOR-Q和常规催化剂MLC-500时工艺条件对催化汽油烯烃分布的影响.结果表明:GOR-Q催化剂具有明显降低催化汽油各类烯烃的效果.从碳数分布看,催化汽油中的烯烃主要集中在C5～C7之间.从类型看,单烯烃是催化汽油烯烃的主要存在形式,其中又以正构烯烃和单支链烯烃为主.降低催化汽油烯烃主要是通过小分子烯烃或单烯烃、正构烯烃、单支链烯烃的降低来实现.低温、低空速、高剂油比有利于降低催化汽油中单烯烃、正构烯烃、单支链烯烃和二烯烃含量,但为了减少辛烷值的损失,在降低催化汽油烯烃时首先应采用提高剂油比的方式.

催化裂解过程分子尺度的反应动力学模拟:原料油分子尺度的模拟

以工业实测数据为基础,运用结构导向集总方法构造分子,对催化裂解原料油进行了分子尺度上的蒙特卡罗模拟。结果表明,Monte Carlo方法可以在分子尺度上实现对催化裂解原料很好的模拟。两种工况下原料的平均分子量、饱和烃、芳烃、胶质沥青、碳、氢、硫、氮含量等性质的计算值与实际值吻合,且由此产生的分子矩阵将为后续反应网络的建立打下基础。

催化重整集总反应动力学模型的研究（Ⅳ）模型的工业验证

依据已确立的催化重整十六集总反应动力学模型，开发了该模型的工业应用计算机软件，并用该软件对两个工业装置数据进行了验算，结果表明，模型的绝对偏差小于１．５％（重量百分数），主要产品相对偏差小于１０／，模型能较好地预测各组分的产率分布。

BP神经网络结合遗传算法优化MIP工艺的产品分布

采用MIP工业装置原料油性质、再生催化剂性质和操作条件等18个变量,使用Pearson相关系数法约简了芳烃含量和第一反应区出口温度两个变量,以约简后的16个变量为输入变量,4个主要产物收率为输出变量,建立了结构为16-20-4的BP神经网络模型。验证表明,所建立的神经网络模型可靠性良好。将所建立的BP神经网络模型与遗传算法相结合,优化了仅汽油收率最大和汽油收率最大并且焦炭收率最小时的操作条件,结果表明,操作条件的优化值与MIP工艺实际情况相符。采用所建立的BP神经网络产品收率模型与遗传算法相结合,可以实现多目标优化,与单纯优化汽油收率相比,虽然汽油收率有所降低,但是焦炭产率有较大幅度下降,对工业生产有指导作用。

灵活多效催化裂化工艺反应动力学模型研究

根据催化裂化反应机理和灵活多效催化裂化(FDFCC)工艺特点,结合中试数据,分别确定了针对FDFCC工艺重油提升管的10集总和汽油提升管的7集总反应网络。将重油提升管中胶质沥青质向汽油、气体的裂化作为二级反应,其余(包括汽油提升管中全部反应)均作为一级不可逆反应,分别建立了10集总和7集总反应动力学模型。通过Runge-Kutta法与变尺度法(BFGS)相结合求取了模型的动力学参数。对动力学参数的分析表明,所求得的模型参数能够较好地反映催化裂化反应规律和FDFCC-Ⅲ工艺特点。模型对产品的计算值与实际值的相对偏差均小于5%,表明所开发的集总模型是可靠的。

催化裂解过程分子尺度的反应动力学模拟 Ⅱ.反应动力学模型的建立

在深入研究催化裂解反应机理的基础上,采用结构导向集总方法制定各分子的反应规则,并结合Monte Carlo方法建立了分子尺度的催化裂解反应动力学模型。两种工况条件下的模拟结果表明:产品产率和汽油性质与实际值能较好地拟合,模型具有较好的适应性和外推性。

集总动力学模型结合神经网络预测催化裂化产物收率

根据催化裂化反应机理和多产异构烷烃的重油催化裂化(MIP)工艺的特点,结合大量的工业数据,开展了MIP工艺过程集总动力学模型与BP神经网络模型相结合提高目标产物预测精度的研究,建立了饱和分、芳香分、胶质+沥青质、柴油、汽油、液化气、干气和焦炭8个集总反应网络,结合龙格库塔法与遗传算法求得该集总模型的47个动力学参数。实验结果表明,所求得的动力学参数能较好地体现催化裂化反应规律;模型对产物分布的模拟计算相对偏差均小于5%,采用14-7-5结构的BP神经网络与集总模型相结合,可进一步提高模型对产物分布的预测精度,为重油催化裂化的模拟优化提供了一个新的方向。