基于SSA-RELM的S Zorb装置在线产品预测及多目标操作优化分析

根据某炼油厂S Zorb装置的生产工艺和操作规范,用24个操作变量与精制汽油主产品的流量和硫含量的实际生产数据进行了相关性分析,压缩为10个操作变量后建立了基于Aspen Plus的生产过程机理模型;经随机抽样检验和灵敏度分析后,以原料进料流量和硫含量、加热炉进口温度、加氢石脑油进料流量、热分压力、热分温度、干气出装置温度、冷分温度为输入,精制汽油的流量、硫含量和氮含量为输出运行机理模型,拓展了装置的在线产品预测数据集;在此拓展数据集上,采用基于麻雀搜索算法的正则化极限学习机(SSA-RELM)建立了装置的在线产品预测数据驱动模型;最后以进料分区,将精制汽油流量、硫含量和氮含量为优化目标,给出了6个分区的在线操作最优化方案。

基于数据驱动的蜡油加氢装置产品预测与多目标操作优化

依据某炼油厂蜡油加氢装置生产数据,采用Aspen HYSYS对该装置进行机理建模,并用分层随机抽样法验证机理模型的有效性;然后以正常生产的28种减压蜡油和焦化蜡油进料量分区,运行机理模型,扩充了产品预测数据集。在此基础上,利用BP神经网络建立蜡油加氢装置的产品预测数据驱动模型,来预测精制蜡油流量,精制蜡油中硫、氮的质量分数,石脑油、液化气和燃料气的流量;最后以最小化精制蜡油中硫、氮的质量分数为目标进行在线操作优化。仿真结果表明:BP神经网络模型具有较高的产品预测精度,其平均绝对误差为6.286×10^-3,均方误差为5.631×10^-5;依据多目标优化结果调节操作参数,可降低精制蜡油中硫、氮的质量分数。

基于数据驱动的连续退火生产过程建模与操作优化

连退生产过程包含众多相互耦合的控制变量,并且带钢质量的检测采用离线方式,从而导致对于调质度为T5的带钢,实际生产中经常发生带钢硬度波动较大,难以实现对带钢产品质量的精确控制问题。针对这一问题,提出了一种基于数据驱动的连续退火生产过程建模方法,能够根据带钢退火前的生产信息及当前的生产过程信息实现对带钢产品质量的在线预报。在此基础上,提出了连续退火生产过程的多目标操作优化模型与算法,并开发了优化软件系统。基于实际生产过程数据的仿真试验结果表明,该软件系统能够为生产现场提供一套最优的控制变量设定值,从而实现产品质量最优化、能源消耗最小化和机组生产效率最大化的目标。