适用可再生能源不确定特性的合成氨多稳态柔性工艺技术

双碳背景下,风光可再生能源发电是能源发展的重要方向,“绿氢”由于其长周期存储和零碳特征,可以有效解决风光电力消纳的难题,有望与电能一同成为未来能源体系的两大支柱。但是由于氢气自身特性和氢脆造成的材料瓶颈,“绿氢”发展遇到制储运多环节安全性与经济性挑战。绿电制氢制氨的“电制绿氨”路径被认为是解决“绿电”“绿氢”技术经济困局的重要途径之一。针对风光资源的不确定性,分析了基于合成氨“哈-博”工艺多种解决方案的优劣,提出了多稳态柔性“电制绿氨”工艺模式以解决“源网氢氨”复杂技术特征耦合下的设计、装置和运行问题;研究了多稳态柔性“电制绿氨”工艺的系统性技术架构、整定经济运行负荷与运行周期的最优化方法;开发了电氢氨一体化数字仿真模型,计及电力约束、资源波动、氢氨需求、系统运行效率和可靠性等因素,对全场景、全流程下的“电制绿氨”进行协同优化,形成了一套面向动态运行的绿电耦合化工的设计方法;研究了催化剂结构性能调优与合成塔内件结构的优化方法,开发了复杂变工况条件的催化剂宏观动力学模型,以及电氢氨一体化协同调度与智能控制技术。多稳态柔性“电制绿氨”工艺实现了合成氨经济运行负荷在30%~110%,负荷调节速率在0.5~1.0%/min,支持日、班,及班内多时域负荷调节要求,30%~110%负荷运行下单位合成氨综合能耗均优于GB 21344—2015《合成氨单位产品能源消耗限额》的标杆值。

用于蒸汽裂解产物成分预测的集成迁移学习框架

回顾了蒸汽裂解过程建模的方法,阐述了工业实际情况中面临的数据匮乏问题。面对石油化工行业大量的小数据集建模需求,充分利用历史生产数据,提出了一种集成迁移学习框架。首先,利用充足的数据在特定工况下建立了基本的深度学习模型。然后,利用小数据集将迁移学习技术应用于新的工况,源域的专家知识通过基于参数的方法转移到目标领域。最后,引入集成学习来整合获得的迁移学习模型,从而提高性能。在几个实际案例上进行实践,研究了该模型框架的性能。为了更好地理解模型,还进一步实施了层可迁移性分析和SHapley Additive exPlanation(SHAP)特征重要性分析。结果说明该方法训练出的模型具有良好的准确性、稳定性、计算效率和可解释性,可以满足工业需求。

人工免疫系统在间歇化工过程故障诊断中的应用

故障诊断是保证化工过程稳定性和安全性的重要技术。本文结合动态时间规整算法提出了一个基于人工免疫系统的间歇化工过程故障诊断方法,并成功应用于青霉素发酵仿真过程的故障诊断。诊断结果显示,该方法可以满足间歇过程的在线动态故障诊断要求,并且通过自学习可以对未知故障进行诊断。

化工过程混合故障诊断系统的应用

故障诊断是保障化工过程安全、平稳进行的一个重要工具。主成分分析法(PCA)作为典型的故障诊断方法,已经广泛应用于各类化工过程的故障诊断,但在复杂过程的故障类别判断上还存在不足。而人工免疫系统对于自我-非我的识别能力有助于对故障类别的判断,并且其良好的自适应、自学习能力,有助于在诊断过程中对系统的完善和改进。本文将主成分分析法与人工免疫系统结合,建立了一个新的混合故障诊断系统,实现对于化工过程故障的早期诊断,并用Honeywell公司的UniSim平台建立了一个动态的化工过程模型,对该诊断系统进行了验证。

深度学习引导的高通量分子筛选用于锶铯的选择性配位

试图从配位化学性质差异的角度增进对乏燃料后处理过程中锶铯分离的认识。基于对晶体结构进行数据挖掘和深度学习架构,从8种碱金属和碱土金属元素的配位结构(约3.3×10^(4)个样本)中归纳和分析锶、铯的配位化学性质,尤其是配位键长。通过引入贝叶斯优化工具,建立了高效的transformer模型,可以以很高的准确性预测配体与锶、铯离子分别的结合强度及其差异。作为概念验证,成功对配体分子结构(约9.1×10^(3)个)对锶、铯的潜在配位选择性进行排序,并为未来的配体设计确定了不同官能团对实现配位选择性的贡献度。本研究利用人工智能手段,为乏燃料后处理过程及放射化学语境中元素的配位化学信息及分离技术开发积累基础知识,为后续实验提供指导和参考。

基于社区发现算法的复杂网络关键反应路线提取

在分子自由基尺寸上对化工过程建立准确的机理过程模型,是目前世界“分子炼油”发展的重要方向。分子炼油过程体系的复杂性主要来源于化学反应网络的耦合性和多尺度性,这对深入了解化工生产过程提出了挑战。对复杂化学反应网络进行关键信息挖掘与表达,有助于工程师深入理解化学反应过程机理,实现机理透明化。由于炼油炼化过程的复杂反应网络存在以关键反应物质为中心的模块化、社区化特征,本文采用Leiden社区发现算法,从介尺度上对蒸汽热裂解制乙烯的反应网络进行反应社区划分,并基于分子自由基尺度从简化后的反应社区提取出对应的关键反应路线,为宏观反应网络到微观物质的相互作用提供一种可解释性的桥梁,助力揭示物质转化过程的知识传递机制。

基于PCA-ANN的碱性电解水系统气体纯度预测

绿氢是以可再生能源为能源供给并通过电解水技术制备的氢。为了实现碳中和的目标,化工领域原料氢的一部分可以用绿氢替代。目前各种电解水技术中,碱性电解水技术制氢适用于化工过程。若要大规模地将碱性电解水技术用于化工生产,则关键指标氧中氢(HTO)决定了装置运行的安全性和经济性。为了预测HTO值,采用HYSYS对碱性电解水系统进行建模,并对生成的数据采用皮尔逊相关性分析:选取7个相关变量为输入参数,建立了基于主成分分析-人工神经网络(PCA-ANN)的气体纯度预测模型,得出最佳模型的平均绝对误差(MAE)为0.2030,均方差(MSE)为0.0956,决定系数(R2)为0.7154,优化边界条件异常数据后模型R2达到0.9507。

大规模可再生能源电解水制氢合成氨关键技术与应用研究进展

新能源的快速发展为电力和化工行业带来了机遇和挑战,一方面,由于可再生能源电力消纳问题导致大量的弃水、弃光等能源浪费;另一方面,以绿氢为原料替代碳基化石能源合成氨,可以极大地减少化工行业的碳排放。因此,利用水力、光伏等可再生能源电解水制氢,为合成氨提供绿色原料,可显著提升可再生能源消纳能力,降低能耗与碳排放,服务国家“碳达峰、碳中和”目标。然而,可再生能源电力电量的波动性难以适配传统合成氨生产过程对平稳性的要求,大规模可再生能源电解水制氢合成氨的设计与运行依然存在诸多挑战,亟需开展系统性研究,以突破适应可再生能源波动特性的大规模电解水制氢合成氨系统的集成与调控关键技术。对此,本文首先讨论了可再生能源电解水制氢合成氨的工艺过程及拓扑结构,包括电解水制氢工段、压缩缓冲工段、化工合成氨工段,进而探讨该系统建设的关键技术体系,包括可再生能源波动条件下的合成氨多稳态工艺优化和柔性调控技术、考虑“电-热-质”耦合的大规模电解水制氢系统的模块化集成和集群动态控制技术、计及可再生能源波动性与化工多稳态特性的“源—网—氢—氨”的全系统协同控制技术、计及电、氢、氨等要素的全方位安全防护与市场运营机制。具体内容有:针对适用于柔性生产的合成氨工艺优化及多工段协同调控技术,在考虑氢储供量与催化剂性能下,综合合成塔、压缩机、气体分离、换热网络等子系统构建合成氨高保真代理模型;提出可再生能源供给和市场需求波动下,充分考虑操作安全性和过程经济性的电解水制氢合成氨各子系统的适配方案与协同控制技术。针对大规模电解水制氢系统模块化集成和集群动态控制技术,基于奇异摄动和代理模型技术研究集群系统多时间尺度时域仿真方法,构建电解集群系统多物理耦合状态空间模型;综合考虑模块启停组合调度、模块间功率分配调度及模块自身灵活调节,计及安全运行区间及电热气接口特性约束,以提高氢产量、提升能量利用效率、改善水光电源消纳和跟踪电网调峰调频指令为目标,构建集群系统多目标分层调度与控制模型。针对氢能参与电网平衡调节的全系统协同控制技术,提出水光互补发电、制氢、储氢、合成氨、储氨多工段间稳态运行特性的多工段间灵活运行方法,以及电解水制氢合成氨系统柔性动态协同控制方法;构建静态等值和参数聚合等方法降维和等值制氢合成氨系统仿真模型,提出源网氢氨协同提升系统安全稳定性的优化控制方法和技术指标;结合电网调频和调峰特性,研究电解水制氢合成氨系统参与电力辅助服务的策略。建设大规模可再生能源电解水制氢合成氨系统,有望提高可再生能源本地消纳率和并网调度友好性,降低化工碳排放,具有显著社会效益和战略意义。

化学工业多尺度融合的智能制造模式——互联化工

化工过程通过物质和能量的可控转化和传递来实现化工产品制备,具有多相性、非线性、非平衡、多尺度和多时空域等特性,化工行业智能制造发展的关键是实现多尺度条件下的互联协同与过程高效。一方面,化工过程多尺度互联机制的认识和调控是化工过程系统的安全可靠运行的关键;另一方面,实现化工过程多尺度下的互联、融合与协同是化工产业绿色发展的路径。鉴于此,本文提出了化学工业面向多尺度融合的智能制造模式——互联化工,给出了"互联化工"的概念、目标、特点和架构,并讨论了互联化工的相关关键技术,包括化学工业多层级的信息物理系统、云制造,以及全生命周期的安全管理技术、耦合互锁机制下的动态安全监控与决策模型、基于区块链的互联化工数据安全技术。

数据驱动方法在化工过程故障诊断中的研究进展

数据驱动方法是一种黑箱模型,具有自主挖掘和构建数据内在关系的优点。随着感知设备的发展和计算能力的提升,数据驱动方法在化工过程故障诊断的研究领域体现出了更大的优势。本文介绍了各类数据驱动方法的原理和作用,并分析了其各自的优缺点与实际应用方向,总结得出深度学习和集成学习是数据驱动方法未来研究重点。同时,本文回顾了近五年来国内外数据驱动方法在化工过程故障诊断中的研究与应用,综合分析了现阶段该领域的研究情况,表明将多种数据驱动方法进行组合来解决化工过程问题的思路具有一定的有效性。并进一步给出了关于数据异常、时间滞后等问题的研究方向。最后,本文建议更多地从方法的机理出发对方法进行研究和优化,在未来的研究思考中应更着重于实用性和时效性。

基于深度学习预测有机光伏电池能量转换效率

采用一种针对有机化合物提出的类语言分子描述符对哈佛清洁能源项目数据库(CEPDB)中29000个有机太阳能电池供体分子进行描述,分子将基于最近邻子图理论被分解成片段(词),并利用广度优先搜索算法将片段排列成一定的序列(句子),在每个片段的信息被嵌入一个数值向量后,每个分子可表示为一个信息矩阵。在此基础上,通过一个深层神经网络提取嵌入信息,并与对应材料的光电转换效率(PCE)关联,获得了决定系数(R2)为0.97、均方误差(MSE)为0.16的预测结果。与现有方法的比较表明该方法在精度上具有竞争力。在建模过程中引入注意力机制,识别出了几个对PCE值具有决定性意义的分子片段,可为有机光伏材料的逆向设计提供指导信息。

基于随机森林的不可靠数据化工过程故障诊断方法

针对化工过程的监测数据存在数据缺失、漂移和卡死等不可靠现象可能严重影响故障诊断的准确性问题,提出了一种基于随机森林(RF)的故障诊断方法。利用训练集对RF分类器进行训练和调优,得到最优的RF分类器模型,确定决策树数量和随机属性个数,最后将存在不可靠变量的测试集数据输入RF分类器模型,利用随机森林方法的强抗干扰能力,实现对存在不可靠数据的化工过程进行诊断。将该方法应用到田纳西-伊斯曼(TE)过程的故障诊断,并与反向传播神经网络(BPNN)、径向基函数神经网络(RBFNN)和深度信念网络(DBN)方法相比,结果表明,基于RF的故障诊断方法能在数据不可靠的条件下,更加有效地检测并识别故障类型,在实际工业环境的应用中具有一定的优越性。

集成轻烃回收单元代理模型的氢气网络多目标优化

当前炼油企业氢气需求持续增长,导致炼厂成本及生产过程温室气体排放增加,炼油企业通过增设轻烃回收单元对氢气和轻烃组分进行回收利用,能有效缓解这一现状。因此,在氢气网络优化中有必要考虑轻烃回收单元。本研究提出了一种集成轻烃回收单元的氢气网络多目标数学规划模型,对轻烃回收单元采用代理模型建模方法,解决了直接嵌入严格机理模型可能导致的高计算成本问题,以总年度费用最小为优化目标,同时将系统的环境影响也纳入优化目标。实例计算表明,所提出的方法能够有效降低氢气网络的年度费用及温室气体排放,并揭示了集成轻烃回收单元的氢气网络经济性能与环境影响之间的权衡关系,为工业应用提供了一定的理论基础。

基于本体的HAZOP因果知识描述模型

传统HAZOP分析通过专家头脑风暴的讨论形式进行,耗时耗力且无法保证分析结果完备性。针对此问题,本文在语义模型改进HAZOP分析方法的研究领域,提出一种基于本体的HAZOP因果知识描述模型。本文首先对传统HAZOP分析文本抽取共性知识,获得自然语言表述的HAZOP因果知识描述模型结构;再借助本体论的方法,通过对HAZOP因果知识中类、属性、实例的定义实现模型结构化修正;最后,使用本体开发软件Protégé将HAZOP因果知识描述模型通过OWL语言进行表示,构建了基于本体的HAZOP因果知识描述模型,可辅助人工HAZOP分析,提高人工HAZOP分析的效率,同时保障分析结果的完备性。本文以寻找储罐液位变化的致因、后果为例,对该HAZOP因果知识本体的推理过程进行验证,结果表明,该HAZOP因果知识本体可辅助人工推理分析过程,同时发掘HAZOP分析过程的浅层、深层知识,保障分析结果的深度和完备性。

基于CTA-DKPCA的化工过程故障诊断

在传统动态核主元分析(DKPCA)中引入循环时间算法(CTA),提出了基于循环时间算法与动态核主元分析(CTA-DKPCA)的故障诊断方法。该方法通过引入循环时间逻辑,对动态数据矩阵分段捕捉故障信息,提升了故障诊断精度与速度,再使用基于重构贡献(RBC)的方法来识别故障变量、诊断故障原因。将该方法应用于田纳西伊斯曼(TE)过程进行故障诊断分析,与PCA及其衍生算法和2阶SVM算法比较,结果表明CTA-DKPCA模型对故障的检测与变量识别具有较高的敏感度。

一种新型换热网络多级超结构及其应用

换热网络优化是一种有效的能量回收方式。拥有较大换热网络结构寻优空间的模型往往是具有非线性、非凸性的复杂混合整数非线性规划(MINLP)模型,常常难以得到可行解。基于换热网络分级超结构,构建了一个包含流股分流、等温混合、流股回流非等温混合的新型换热网络多级超结构并设置全线性约束条件,这可以在增加换热网络寻优空间的同时大幅提升MINLP模型的可求解性。通过两个文献案例验证流股分流、流股回流及非等温混合对换热网络寻优的贡献,证明了该模型的有效性和适用性。

高性能COF材料的高通量筛选策略:己烷异构体分离

己烷异构体中双支链异构体的分离可以提高汽油的辛烷值从而减少发动机的爆震现象。针对传统的蒸馏方法耗能高和新型吸附剂金属有机框架成本高、工作能力低、稳定性差的缺点,采用高通量计算筛选方法研究了688种共价有机框架(COFs)对己烷异构体的分离性能。首先计算了所有COF的几何结构描述符,通过限制孔径(PLD)6.2~15A的范围筛选出209个可容纳所有己烷异构体的COF,再利用巨正则Monte Carlo(GCMC)方法模拟433 K下上述COF对己烷异构体的吸附解吸过程。对再生能力R>80%且吸附性能分值(APS)最高的COF进行排序,筛选出具有最高APS值的COF-DL2292-fold,APS值为23.36 mol/kg,R为99.38%。分析了6个几何结构描述符与APS的相关性,发现对于COF来说较高的孔隙率(VF)、较高的孔隙体积(PV)、较低的密度(ρ)可提高COF的APS值。最后基于PV、VF、ρ利用决策树算法设计出高APS值COF的筛选路径,研究工作对今后设计用于己烷异构体吸附分离的COF具有一定的指导意义。

基于HAZOP分析的化工过程故障诊断研究

危险与可操作性(HAZOP)分析是一种广泛应用于石化行业等流程工业的危险分析方法,它能通过头脑风暴的方式,发现装置中可能存在的安全隐患和操作问题。而故障诊断方法是保障化工过程安全运行的一项重要技术。目前,大多数故障诊断方法都需要利用过程本身的工艺知识或历史数据进行建模,实现在线诊断。而HAZOP分析报告则是集合了各方面专家知识和历史经验的宝贵财富。因此,本文提出了一套新的故障诊断专家系统,将HAZOP分析报告转化为故障诊断系统能够解读的专家知识库,利用知识库对化工过程的在线数据进行分析,实现对化工过程的故障诊断。

天然气脱硫工艺的动态模拟与能耗分析

常见的天然气净化装置主要由脱硫、脱水、硫黄回收、尾气处理、酸水气提等单元构成,其中脱硫单元是整个天然气净化装置最主要的工艺单元和能耗来源,在脱硫单元运行过程中,进料的状态波动对于天然气净化厂的稳定运行有重要影响。针对某天然气净化厂的脱硫单元,利用HYSYS软件先后建立稳态和动态模型,并用实际运行数据进行校验,确定模型的可靠性;再通过添加天然气进料状态(流量、温度)扰动,进行脱硫单元的过渡态过程模拟,调节控制参数,缩短能耗波动时间,使设备能快速稳定运行,降低进料状态的波动对设备运行的影响。分析天然气脱硫单元总能耗在过渡态过程中的变化可知,当进料状态发生波动时,单元总能耗均会发生波动,尤其是当流量、温度降低时,能耗波动更加明显。研究结果对化工装置过渡态过程中设备安全运行和生产能耗控制技术具有一定参考意义。