改进WLSSVM模型在汽油干点预测中的应用

汽油干点难以实时测量,需要通过大量的数据样本对各段油品的质量进行检验。为了解决此问题,通过建立软测量模型进行预测控制。最小二乘支持向量机(LSSVM)模型对异常点过于敏感,容易影响预测精度。通过建立加权最小二乘支持向量机(WLSSVM)模型,对拟合误差进行加权处理,削弱了异常点对模型的影响,提高了模型的抗干扰能力。将改进后的加权最小二乘支持向量机(IWLSSVM)模型应用于汽油干点的预测。结果表明,IWLSSVM模型的最大绝对误差比LSSVM模型降低了11.65%,其预测性能和鲁棒性具有明显的优势。

常减压装置常压塔塔顶汽油干点的软测量

针对某炼油厂常压精馏塔塔顶汽油干点在线测量困难的问题,建立了汽油干点与其影响因素的软测量网络模型.将易于测量的温度压力等变量作为网络的输入,汽油干点作为网络的输出,然后进行训练,使网络输出与化验分析值接近.以此方法实现了常压精馏塔产品质量的软测量,为先进控制提供较准确的产品质量数据,以达到提高效率,节能降耗等目的.

催化裂化粗汽油干点的神经网络质量模型

在对影响粗汽油干点质量模型的主要因素进行分析的基础上,利用小波变换对催化裂化生产过程数据进行了预处理,建立了催化裂化生产过程粗汽油干点的神经网络质量模型,仿真结果表明了该模型的有效性和可靠性。

微粒群神经网络在常压塔汽油干点软测量建模中的应用

首先将微粒群优化算法用于神经网络连接权值和阈值的训练,构造微粒群神经网络,然后将微粒群神经网络用于常压塔汽油干点软测量建模。通过与实际值的对比,结果表明基于微粒群神经网络的软测量模型具有良好的性能和极好的应用前景。

正交试验设计在粗汽油干点多辅助变量选择中的应用

在粗汽油干点的软测量过程中,往往有很多的辅助变量,导致辅助变量难以选择。辅助变量的选择由过程特性所决定,同时在实际应用中还应考虑经济性、可靠性、可行性以及维护性等额外因素的制约。如果直接使用过多辅助变量会出现过参数化问题,至于如何选取最佳辅助变量个数是一个有待研究的问题。在本文中提出了将正交试验设计和多元逐步回归结合的思想,来确定基于BP算法的粗汽油干点软测量模型的输入神经元个数。

FCC主分馏塔汽油干点调整后汽油和柴油物性的预测

利用拉格朗日插值法在ＦＣＣ主分馏塔的汽油干点调整后，对汽油和柴油恩氏蒸馏数据、密度和流量等的相应变化进行预测。以某炼油厂的一套ＦＣＣ数据为例，预测结果与ＡＳＰＥＮＰＬＵＳ软件的模拟计算结果接近，在汽油干点增加５℃时，汽油和柴油的恩氏蒸馏数据平均相对误差分别为０．３２％和０．５３％，流量的相对误差分别为０．１１％和０．６０％；在汽油干点减小５℃时，汽油和柴油的恩氏蒸馏数据平均相对误差分别为１．１８％和１．００％，流量的相对误差分别为１．９７％和０．８５％。它的计算工作量小，精度和速度能满足工业装置要求，且可作为发展ＦＣＣ主分馏塔汽油干点预测软件的基础。

基于神经网络的粗汽油干点的实时估计

粗汽油干点是催化裂化装置的一个很重要的工艺参数，但由于难以在线测量而无法实现直接质量控制，影响生产效益。针对实际的生产操作过程，利用神经网络方法开发了一个粗汽油干点的软测量模型，实现了粗汽油干点的实时估计，从而为进一步在催化裂化装置上实现质量卡边生产提供了有力的软测量工具。

基于非线性鲁棒连续回归的汽油干点软测量

针对RCR算法难以建立高精度的非线性软测量模型的问题,提出了一种径向基函数(radial basis func-tion,RBF)与鲁棒连续回归(robust continuum regression,RCR)相结合的非线性RCR(nonlinear RCR,NL-RCR)建模方法。该方法首先应用RBF将非线性样本数据映射到高维特征空间中,然后在高维特征空间中建立RCR线性回归模型。本文通过仿真实验,验证了方法的有效性。并将其应用于延迟焦化汽油干点的软测量建模中,获得了比RCR和RBF-PLS算法更高的预测精度。

粗三甲苯回炼量对催化裂化粗汽油干点的影响分析

利用催化裂化分馏塔进行粗三甲苯的回炼是促进全厂汽油增产的重要措施。粗三甲苯密度为927.20kg/m^3,馏程接近于柴油组分,在其回炼过程中发现粗汽油干点出现大幅波动,极易导致粗汽油干点不合格,影响全厂汽油产品质量。通过软件模拟与灵敏度分析发现,随着粗三甲苯回炼量的增加,粗汽油干点整体呈下降趋势,但在回炼量9 t/h左右时出现了短暂升高的"振荡"现象。分析表明,这种振荡现象是由先进控制系统(APC)的介入造成的,因此在调整粗汽油干点时,需要综合考虑分馏塔顶温度和粗甲苯回炼量。

常压塔汽油干点观测方法研究

提出了一种基于系统机理方程的常压塔汽油干点神经网络观测方法。其步骤是 :首先建立系统的机理方程 ,并基于此方程构造观测器观测出常压塔一些不可测量但可观测的量 ;然后将观测量与可测量一起作为输入信号、将汽油干点作为输出信号构成神经网络观测汽油干点。与实际化验值对比 ,汽油干点误差的绝对值在 2℃以内 ,表明这一观测方法有较高的精度。

BP人工神经网络在加氢汽油干点软测量中的应用研究

汽油干点是石油加工过程中汽油质量的一个重要指标,但实际生产中还没有合适的可用于实时测量这一参数的仪器,本文运用软测量技术,通过BP人工神经网络建立了软测量模型,并嵌入到DCS控制系统中对汽油干点进行实时预测和推断,在实际应用中取得了良好的预测效果.

汽油干点与常压蒸馏操作参数的灰色关联分析

用灰色关联法取代传统的数理统计方法,对炼油厂常压蒸馏工段汽油干点值影响因素之间的关系进行研究,确定各影响因子之间的主次关系。结果表明炉出口温度是最关键因子,为工艺员制定工艺参数提供了依据。

SKPCA-LSSVM模型在汽油干点预测中的应用

常压塔塔顶汽油干点与产品质量密切相关,因为常减压蒸馏工艺流程和变量相关性均复杂,所以汽油干点预测很难在线进行。软测量方法是解决这类变量估计和控制预测问题的一种技术途径。在核主元分析(KPCA)算法中引入稀疏主元分析(SPCA)思想,采用稀疏核主元分析(SKPCA)算法对模型的输入变量进行选择,实现了数据的非线性降维,简化了主元结构,增加了主元变量的稀疏性。将选择的稀疏主成分作为最小二乘支持向量机(LSSVM)的输入,建立常压塔塔顶干点软测量预测模型。仿真结果表明,SKPCA-LSSVM模型相对于传统PCA-LSSVM、KPCA-LSSVM方法具有较高的预测精度和性能优越性。

KPCA-GPR模型在常压塔塔顶汽油干点预测中的应用

由于常减压蒸馏过程的复杂多变性,过程变量耦合严重,直接建模会增加问题分析的难度。为了提高模型性能,首先采用核主元分析(KPCA)算法对模型的变量进行选择,再将经过处理的数据作为高斯过程回归(GPR)模型的输入,采用KPCA-GPR模型建立常压塔塔顶汽油干点的估计模型。该方法可解决不同变量之间的非线性相关性,并且具有灵活的非参数推广及超参数自适应调节等优点,通过计算经验置信区间,不仅可以对汽油干点进行预测估计,还可以做概率解释。仿真结果表明,KPCA-GPR模型取得了较好的估计结果。

软测量预估延迟焦化粗汽油干点及收率

通过采集过程参数建立粗汽油干点软测量模型和汽油收率、柴油收率、蜡油收率、气体收率、焦碳收率的预估模型 ,并在线投用。

基于TS-FNN模型的常压塔塔顶汽油干点预测

为了实现汽油干点的直接在线测量,提出了一种基于T-S模糊神经网络(TS-FNN)的汽油干点预测方法。以某炼油厂常减压装置常压塔塔顶汽油干点为背景,确定影响因素,分析采集的数据,依据样本数据建立BP神经网络(BPNN)模型及TS-FNN模型,验证模型的预测有效性。结果表明:基于TS-FNN模型预测的汽油干点与观测值基本一致,平均相对误差为0.68%,该网络模型通过调整参数来修正隶属度函数,具有很强的自适应能力。基于T-S模糊模型的改进神经网络软测量模型跟踪效果较好,预测结果具有较高的准确性。

C_9^+重整汽油回炼催化攻克汽油干点高难题

文章从延长石油集团榆林炼油厂连续重整装置通过将二甲苯塔底C_9^+馏分油至催化装置少量掺炼解决连续重整汽油干点过高问题的技术改造入手,总结了此项技改的运行情况,分析论证该改造有效降低连续重整汽油干点,确保汽油合格出厂。

降低连续重整汽油干点的技术改造及运行分析

文章从榆林炼油厂1.0Mt/a连续重整装置二甲苯塔底C9+馏分油干点高(达250℃)导致重整汽油干点过高的问题着手,通过分析影响连续重整汽油干点的因素和相关数据,结合厂内装置结构,进行了装置间的技术优化改造,运行结果表明此项技改可以有效降低连续重整汽油干点,满足成品汽油调和要求,为今后国内同类装置解决重整汽油干点高的问题提供了一条新的途径。

催化裂化装置汽油干点微机闭环控制系统效果分析

分析了催化裂化装置汽油干点微机闭环控制系统的使用效果，指明了该系统的合理有效情性。

广州分公司通过提高焦化装置汽油干点增产汽油

2018年9月,中国石油化工股份有限公司广州分公司(广州分公司)炼油三部根据公司增产汽油的生产要求,将2号、3号焦化装置的汽油干点由原来的195~205℃调整为200~220℃。通过不断优化,两套焦化装置每天可增产汽油150t,每月可增效100万元。