催化重整流程模拟与优化技术及其应用研究

论文摘要

流程模拟与优化技术作为流程工业综合自动化技术的重要组成部分得到了广泛应用,带来了显著的经济效益。本论文以石化行业重要的石油二次加工过程——催化重整过程为研究对象,以该过程的模拟优化技术及其工业应用为研究主线,围绕催化重整集总反应动力学模型的建立、专用流程模拟优化软件的开发、基于ASPEN PLUS软件平台的全流程模拟与工业优化应用、机理模型的在线计算应用、遗传算法和混合遗传算法在约束优化和多目标优化中的应用等进行了深入研究。具体包括以下几个方面: 1) 在充分考虑反应机理和满足工业应用方便性的前提下,提出了一个新的催化重整20集总反应动力学模型。以此模型为基础,采用序贯模块法实现了由反应器、加热炉、换热器、分离罐等装置组成的催化重整循环流程的机理建模工作。为了方便工业应用,所有模型方程的求解和参数估计中的无约束优化方法均采用了成熟、快速而可靠的算法。以20集总反应动力学模型为核心的催化重整过程模型的成功建立,是本论文以下工业应用研究的基础。 2) 以C++为工具,开发了基于催化重整集总反应动力学模型的专用流程模拟优化软件ESP-Simpro。其清晰的功能模块设计、完整的模型库、快速可靠的算法、功能强大的输入/输出系统、友好的人机界面、标准化的接口和统一的权限管理等特点使得该软件具备了商业化应用的潜质和前景。该软件作为商业化软件产品在国内某工业级连续重整装置上得到了成功应用。其工业应用情况表明了机理模型和模拟软件在过程分析和操作指导上的重要意义。 3) 利用ASPEN PLUS用户模型技术,将催化重整过程机理模型开发成用户单元操作模块,从而在ASPEN PLUS平台实现了包含重整反应装置在内的催化重整全流程模拟。从实际的工业应用结果看,各主要操作点和操作指标的模拟计算值与实际操作值均吻合得较好。利用ASPEN PLUS内置的SQP优化算法,还对工业连续重整装置进行了操作参数优化研究,并将优化方案在该装置上进行了现场测试。测试结果表明芳烃收率的平均值实际提高0.49wt%,与优化计算结果相当吻合。该优化研究可为厂方带来每年600多万元的纯利润。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 引言
• 1.2 石油化工流程模拟与优化技术概况
• 1.2.1 石油化工流程模拟技术的突破——“集总理论”
• 1.2.2 化工流程模拟方法
• 1.2.3 化工过程优化方法
• 1.2.4 流程模拟与优化软件
• 1.2.5 在线流程模拟与优化技术
• 1.3 流程模拟与优化技术在催化重整过程中的应用
• 1.3.1 重整过程建模的发展概况
• 1.3.2 催化重整模拟与优化技术的工业应用
• 1.4 本论文的主要研究内容
• 第二章 催化重整过程简述
• 2.1 引言
• 2.2 催化重整工艺类型和发展
• 2.3 催化重整过程描述
• 2.4 催化重整化学反应
• 2.5 重整催化剂
• 2.6 常用工艺参数的名词解释
• 第三章 催化重整过程模型的建立
• 3.1 引言
• 3.2 集总划分和反应网络
• 3.3 集总反应动力学描述
• 3.4 催化剂失活对重整反应的影u向
• 3.4.1 半再生重整装置
• 3.4.2 连续重整装置
• 3.5 催化重整过程模型的建立
• 3.5.1 重整反应器模型
• 3.5.2 加热炉模型
• 3.5.3 换热器模型
• 3.5.4 重整油气分离罐模型
• 3.6 过程模型方程的求解方法
• 3.6.1 反应器模型方程的求解算法
• 3.6.2 分离罐模型方程的求解算法
• 3.6.3 过程模型的求解方法
• 3.7 物性计算及参数估计
• 3.7.2 物性计算
• 3.7.2 参数估计
• 3.8 小结
• 第四章 催化重整专用流程模拟软件的开发及工业应用
• 4.1 引言
• 4.2 ESP-Simpro软件的开发
• 4.2.1 软件的架构
• 4.2.2 软件的技术特点
• 4.2.3 软件的功能
• 4.3 ESP-Simpro软件的工业验证
• 4.4 基于ESP-Simpro软件的重整过程分析
• 4.4.1 对重整反应的再认识
• 4.4.2 进料液时空速
• 4.4.3 反应温度
• 4.4.4 反应压力
• 4.4.5 氢油比
• 4.5 小结
• 第五章 基于ASPEN PLUS的催化重整全流程模拟及工业应用
• 5.1 引言
• 5.2 连续重整工艺流程描述
• 5.3 用户单元操作模块的建立
• 5.4 全流程建模
• 5.4.1 虚拟组分的生成
• 5.4.2 物性集的选择
• 5.4.3 单元设备的选型
• 5.4.4 用户单元操作模块与内置模块的连接
• 5.5 全流程模型的工业验证
• 5.6 全流程模拟的工业应用
• 5.7 小结
• 第六章 催化重整过程模型的在线应用
• 6.1 引言
• 6.2 软测量模型的描述
• 6.2.1 基于20集总反应动力学的机理模型
• 6.2.2 基于部分最小二乘算法（PLS）的线性回归模型
• 6.2.3 基于混合学习的一阶TSK模糊神经网络模型
• 6.3 软测量模型的离线工业验证和比较
• 6.4 软测量模型的在线应用
• 6.5 小结
• 第七章 遗传算法在催化重整约束优化中的应用
• 7.1 引言
• 7.2 非线性规划（NLP）算法
• 7.2.1 拉格朗日—马夸特（Lagrange-Marquardt）算法
• 7.2.2 序列二次规划（Sequential Quadrmic Programming）算法
• 7.2.3 遗传算法
• 7.3 优化问题描述
• 7.4 结果与讨论
• 7.4.1 遗传算法
• 7.4.2 遗传算法与传统算法的结合
• 7.5 小结
• 第八章 遗传算法在催化重整多目标优化中的应用
• 8.1 引言
• 8.2 多目标优化算法
• 8.2.1 邻域和存档操作遗传算法（NAGA）
• 8.2.2 混合遗传算法（HNAGA）
• 8.3 多目标优化问题描述
• 8.4 结果与讨论
• 8.5 小结
• 第九章 结论与展望
• 参考文献
• 作者在攻读博士学位期间发表或投寄的论文
• 作者在攻读博士学位期间参加及完成的课题情况
• 致谢