专利摘要
本发明提供一种催化裂化装置的控制方法，方法包括步骤：确定催化裂化装置中的被控变量，被控变量为旋风分离器温度以及再生器焦炭含量；基于催化裂化装置的参数化数学模型，获取旋风分离器温度以及再生器焦炭含量对应的最优设定值；获取输入变量和输出变量的数据集，建立再生器焦炭含量的预测模型，对再生器焦炭含量进行在线预测；利用反馈控制器对旋风分离器温度以及再生器焦炭含量的软件测量模型的输出进行在线闭环控制。整个方法操作安全和运行平稳，并且在很大程度上直接优化了经济指标，有效提高了生产效益。
权利要求
1.一种催化裂化装置的控制方法，其特征在于，所述方法包括步骤：
S1、确定所述催化裂化装置中的被控变量，所述被控变量为旋风分离器温度以及再生器焦炭含量；
S2、基于所述催化裂化装置的参数化数学模型，获取所述旋风分离器温度以及所述再生器焦炭含量对应的最优设定值；
S3、获取输入变量和输出变量的数据集，建立所述再生器焦炭含量的预测模型，对所述再生器焦炭含量进行在线预测；
S4、利用反馈控制器对所述旋风分离器温度以及所述再生器焦炭含量的软件测量模型的输出进行在线闭环控制。
2.根据权利要求1所述的催化裂化装置的控制方法，其特征在于，在步骤S2中，所述再生器焦炭含量的最优设定值C
S21、设定相关过程参数的变化范围，随机采样获取N组数据；
S22、基于所述参数化数学模型，利用数值优化算法对每组数据进行经济指标的优化求解，获取N组所述再生器焦炭含量的组最优值；
S23、取上述N组所述再生器焦炭含量的组最优值的平均值，该平均值为最优设定值C
其中，N为大于0的正整数。
3.根据权利要求2所述的催化裂化装置的控制方法，其特征在于，在步骤S21中，所述相关过程参数包括气-油裂化反应参数k
4.根据权利要求3所述的催化裂化装置的控制方法，其特征在于，所述相关过程参数[k
5.根据权利要求1所述的催化裂化装置的控制方法，其特征在于，步骤S3包括步骤：S31、选择空气质量流量F
S32、基于所述催化裂化装置的所述参数化数学模型或实际测量获取的历史数据，获取所述输入变量和所述输出变量的数据集；
S33、对所述数据集进行归一化预处理，使每个所述输入变量以及所述输出变量的均值为0，方差为1；
S34、基于软测量技术训练得到再生器焦炭含量C
6.根据权利要求5所述的催化裂化装置的控制方法，其特征在于，所述预测模型采用径向基神经网络模型。
7.根据权利要求1所述的催化裂化装置的控制方法，其特征在于，所述旋风分离器温度的最优设定值T
8.根据权利要求7所述的催化裂化装置的控制方法，其特征在于，β的取值在3～7K之间。
说明书
技术领域
本发明涉及催化裂化领域，尤其涉及一种催化裂化装置的控制方法。
背景技术
催化裂化装置是石油炼化工业的核心工艺之一，也是技术难度最大的工艺之一。如何使用自动控制理论和优化技术对催化裂化装置进行平稳、高效操作，是炼化工业自动化技术的重要命题。在催化裂化装置中，油进料与再生器回收的催化剂首先混合并预热，进入提升管中进行裂化反应。高温再生催化剂提供重油气化和反应所需的热量。分离器气提段通入汽提蒸汽，从催化剂中分离出易挥发中的气相碳氢产物并经顶部馏出。裂化反应的副产物焦炭附在催化剂表面，降低了催化剂活性。失活的催化剂输送到再生器，再生器中通入含氧空气烧除积炭，恢复其活性。再生器顶部安装旋风分离器回收空气夹带的催化剂，再生后的催化剂与原料混合后进入提升管循环使用。控制及优化目标为设计合理的控制系统，在保证过程安全、平稳操作的基础上，提高该装置的经济效益。
催化裂化装置的控制目标可归结为多种，如：(1)稳定反应温度和再生温度，保证装置平稳运行；(2)控制反应深度，提高产品收率；(3)控制再生烟气氧含量，降低装置耗风量；(4)挖掘装置潜力，提高加工处理能力，增加经济效益。催化裂化装置的控制方法和控制系统对实现上述目标具有重要作用。在市场经济以及全球化背景下，通过设计高效的控制系统和优化方法，提高催化裂化装置的经济效益并提升企业的竞争力，这一任务显得尤为重要。传统的方法中，控制系统首先通过优化控制器和控制器参数等主要方式实现装置的安全操作和平稳运行，达成控制目标。在此基础上，需要进一步通过在线优化等先进技术调节被控变量的最优设定值，实现经济指标的优化。
发明内容
本发明要解决的技术问题是，提供一种催化裂化装置的控制方法，有效提高了生产效益。
本发明的技术方案是：一种催化裂化装置的控制方法，所述方法包括步骤：
S1、确定所述催化裂化装置中的被控变量，所述被控变量为旋风分离器温度以及再生器焦炭含量；
S2、基于所述催化裂化装置的参数化数学模型，获取所述旋风分离器温度以及所述再生器焦炭含量对应的最优设定值；
S3、获取输入变量和输出变量的数据集，建立所述再生器焦炭含量的预测模型，对所述再生器焦炭含量进行在线预测；
S4、利用反馈控制器对所述旋风分离器温度以及所述再生器焦炭含量的软件测量模型的输出进行在线闭环控制。
较佳的，在步骤S2中，所述再生器焦炭含量的最优设定值Crc,sp的计算方式如下：
S21、设定相关过程参数的变化范围，随机采样获取N组数据；
S22、基于所述参数化数学模型，利用数值优化算法对每组数据进行经济指标的优化求解，获取N组所述再生器焦炭含量的组最优值；
S23、取上述N组所述再生器焦炭含量的组最优值的平均值，该平均值为最优设定值Crc,sp；
其中，N为大于0的正整数。
较佳的，在步骤S21中，所述相关过程参数包括气-油裂化反应参数k0、焦炭生产常数kc、燃烧参数kcom、再生器对温度的敏感系数σ2、第一经验参数h1、第二经验参数h2以及燃烧反应活化能Ecb。
较佳的，所述相关过程参数[k0kckcomσ2h1h2Ecb]的变化范围为[9620000.0189729.3380.006244521150245158.6]的±20％，N为1000。
较佳的，步骤S3包括步骤：
S31、选择空气质量流量Fa、再生催化剂质量流量Fsc、再生器温度Trg和提升管出口温度Tri1作为软测量模型的所述输入变量，再生器焦炭含量Crc为所述输出变量；
S32、基于所述催化裂化装置的所述参数化数学模型或实际测量获取的历史数据，获取所述输入变量和所述输出变量的数据集；
S33、对所述数据集进行归一化预处理，使每个所述输入变量以及所述输出变量的均值为0，方差为1；
S34、基于软测量技术训练得到再生器焦炭含量Crc的预测模型。
较佳的，所述预测模型采用径向基神经网络模型。
较佳的，所述旋风分离器温度的最优设定值Tcy,sp为Tcy0-β,其中Tcy0为所述旋风分离器温度的安全限，β为回退值。
较佳的，β的取值在3～7K之间。
上述技术方案具有如下优点或有益效果：上述催化裂化装置的控制方法中，以优化控制结构为手段，选择旋风分离器温度和再生器焦炭含量为被控变量，结合软测量技术建立回归模型，预测难以在线测量的再生器焦炭含量，实现被控变量的在线闭环控制。整个方法操作安全和运行平稳，并且在很大程度上直接优化了经济指标，有效提高了生产效益。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为本发明一种催化裂化装置的控制方法的流程示意图一；
图2为本发明一种催化裂化装置的控制方法的流程示意图二；
图3为本发明一种催化裂化装置的控制方法的流程示意图三。
具体实施方式
下面结合附图和具体实施例对本发明一种催化裂化装置的控制方法进行详细说明。
如图1所示，一种催化裂化装置的控制方法，包括步骤：
S1、确定催化裂化装置中的被控变量，该被控变量为旋风分离器温度以及再生器焦炭含量；
S2、基于催化裂化装置的参数化数学模型，获取旋风分离器温度以及再生器焦炭含量对应的最优设定值；
S3、获取输入变量和输出变量的数据集，建立再生器焦炭含量的预测模型，对再生器焦炭含量进行在线预测；
S4、利用反馈控制器对旋风分离器温度以及再生器焦炭含量的软件测量模型的输出进行在线闭环控制。
具体来说，在步骤S1中，由于旋风分离器温度为保障装置安全操作的约束变量，再生器焦炭含量为能提高装置经济效益的关键变量，所以将旋风分离器温度以及再生器焦炭含量作为被控变量。
进一步来讲，如图2所示，在步骤S2中，再生器焦炭含量的最优设定值Crc,sp的计算方式如下：
S21、设定相关过程参数在一定范围内的变化，随机采样获取N组数据；
S22、基于催化裂化装置的参数化数学模型，使用数值优化算法对每组数据进行经济指标的优化求解，获取N组再生器焦炭含量的组最优值；
S23、取上述N组再生器焦炭含量的组最优值的平均值，该平均值为Crc,sp。
具体来说，在步骤S21中，相关过程参数包括气-油裂化反应参数k0、焦炭生产常数kc、燃烧参数kcom、再生器对温度的敏感系数σ2、第一经验参数h1、第二经验参数h2以及燃烧反应活化能Ecb，此外，N为大于0的正整数。举例来说，设定的变化参数为[k0kckcomσ2h1h2Ecb]，变化范围为[9620000.0189729.3380.006244521150245158.6]的±20％，N取为1000，使用的随机采样法为Monte Carlo采样法。
在步骤S22中，经济指标J为：
-J＝pglFgl+pgsFgs+pugoFugo-poilFoil
在上式中，各项分别表示产物收益及原料成本，其中pgl、pgs、pugo和poil分别为汽油价格、轻气价格、未转化原料的价值和汽-油原料价格，Fgl、Fgs、Fugo和Foil分别为汽油产量、轻气产量、未转化的原料的量和初始原料流量。优化经济指标J所使用的数值优化算法为序列二次规划法(SQP)法。
在步骤S23中，Crc,sp取为N组最优值的平均值。优选的Crc,sp为0.47％±0.047％。
进一步来讲，如图3所示，步骤S3包括步骤：
S31、选择空气质量流量Fa、再生催化剂质量流量Fsc、再生器温度Trg和提升管出口温度Tri1作为软测量模型的输入变量，再生器焦炭含量Crc为输出变量；
S32、基于催化裂化装置的参数化数学模型或实际测量获取的历史数据，获取输入变量和输出变量的数据集；
S33、对数据集进行归一化预处理，使每个变量的均值为0，方差为1；
S34、基于软测量技术训练得到再生器焦炭含量Crc的预测模型，优选的，该预测模型采用径向基神经网络。
进一步来讲，在步骤S4中，使用反馈控制器对旋风分离器温度和再生器焦炭含量软测量模型的输出进行在线闭环控制，将获取的结果与其中步骤S2中的旋风分离器温度以及再生器焦炭含量对应的最优设定值进行比对，进而对旋风分离器温度和再生器焦炭含量进行在线闭环控制。优选的，采用分散控制结构，使用再生催化剂质量流量Fsc控制旋风分离器温度，空气质量流量Fa控制再生器焦炭含量Crc，控制器类型为PID。
进一步来讲，催化裂化装置的模型由以下方程描述：
φ0＝1-mCrc
Tcy＝Trg+5555Od
Csc＝Crc+Ccat
ΔH＝-h1-h2(Trg-960)+0.6(Trg-960)
σ＝1.1+σ2(Trg-873)
其中，符号说明见下表：
旋风分离器温度的最优设定值为Tcy,sp＝Tcy0-β,其中Tcy0为该温度的安全限，β为回退值。Tcy0由工艺要求给定，β的取值在0～10K之间，优选3～7K。
上述催化裂化装置的控制方法中，以优化控制结构为手段，选择旋风分离器温度和再生器焦炭含量为被控变量，结合软测量技术建立回归模型，预测难以在线测量的再生器焦炭含量，实现被控变量的在线闭环控制。整个方法操作安全和运行平稳，并且在很大程度上直接优化了经济指标，有效提高了生产效益。
对于本领域的技术人员而言，阅读上述说明后，各种变化和修正无疑将显而易见。因此，所附的权利要求书应看作是涵盖本发明的真实意图和范围的全部变化和修正。在权利要求书范围内任何和所有等价的范围与内容，都应认为仍属本发明的意图和范围内。
一种催化裂化装置的控制方法专利购买费用说明
Q：办理专利转让的流程及所需资料
A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。
1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。
2：按规定缴纳著录项目变更手续费。
3：同时提交相关证明文件原件。
4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。
Q:专利著录项目变更费用如何缴交
A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式
Q：专利转让变更，多久能出结果
A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。
动态评分
0.0