采用BP神經(jīng)網(wǎng)絡(luò )預測石腦油裂解烯烴收率

第28卷第5期石化技術(shù)與應用Vol.28 No.52010年9月Petrochemical Technology & ApplicationSep. 2010研究與開(kāi)發(fā)(369 ~372)采用BP神經(jīng)網(wǎng)絡(luò )預測石腦油裂解烯烴收率劉紀昌,沈本賢(華東理工大學(xué)化學(xué)I程聯(lián)合國家重點(diǎn)實(shí)驗室,上海200237)摘要:在乙烯裂解工業(yè)裝置的典型操作條件下,分別選取正構烷烴、異構烷烴、環(huán)烷烴、芳烴為裂解原料,考察了這些模型化合物的蒸汽裂解產(chǎn)物分布情況。結果表明,正構烷烴是優(yōu)質(zhì)的乙烯裂解原料，乙烯收率為36%~45%;異構烷烴的內烯收率約為23%,明顯高于正構烷烴;環(huán)烷烴裂解乙烯和丙烯收率較低,丁二烯收率則較高,為14% ~ 15% ;芳烴很難裂解生成烯烴。建立了包含2個(gè)隱層的級聯(lián)前向BP神經(jīng)網(wǎng)絡(luò ),以模型化合物和石腦油樣本裂解烯烴收率為依據對該神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練,確定了模型參數,并對2種石腦油的裂解烯烴收率仿真數據與實(shí)驗結果進(jìn)行了對比。結果表明,二者的誤差小于1個(gè)百分點(diǎn),該模型可用于預測石腦油裂解的烯烴收率。關(guān)鍵詞:石腦油;裂解;烯烴;模型化合物;神經(jīng)網(wǎng)絡(luò );正構烷烴;異構烷烴中圈分類(lèi)號:TE 624.3"1文獻標識碼:B文章編號:1009 - 0045(2010)05 - 0369 -04低分子烯烴主要由石油餾分和濕性天然氣模式識別、智能控制及系統建模等領(lǐng)域得到越來(lái)裂解制取。由于原料性質(zhì)決定著(zhù)裂解結果，因此越廣泛的應用。尤其是其中的誤差反向傳播算十分有必要研究和表征原料的裂解特性"。表.法(簡(jiǎn)稱(chēng)BP神經(jīng)網(wǎng)絡(luò ))可以逼近任意連續函數, .征裂解原料裂解性能的指標很多,對于組分雜多具有很強的非線(xiàn)性映射能力,而且網(wǎng)絡(luò )的中間層的石油餾分,常用烴組成、結構族組成、餾程、密.數、各層的處理單元數及網(wǎng)絡(luò )的學(xué)習系數等參數度、含氫量、相對分子質(zhì)量、特性因數、芳烴指數、可根據具體情況設定,靈活性很大,因此在許多殘炭值、溴價(jià)、折光指數等指標來(lái)衡量該原料的應用領(lǐng)域中發(fā)揮了重要作用。裂解性能,并將這些指標與裂解結果進(jìn)行有意義本工作分別選取正構烷烴、異構烷烴、環(huán)烷的關(guān)聯(lián)(2]。烴芳烴等為模型化合物進(jìn)行蒸汽裂解實(shí)驗,考各種原料的裂解性能和產(chǎn)物收率之所以存察不同烴類(lèi)裂解的乙烯、丙烯和丁二烯收率。并在在差異,是因為其中正構烷烴、異構烷烴、環(huán)烷.相同條件下進(jìn)行了10種石腦油的裂解實(shí)驗,用實(shí)烴芳烴、烯烴等含量不同以及碳數不同所致。驗數據對所建立的BP神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練及仿真，了解各種烴類(lèi)反應的基本規律,可有助于選擇合旨在建立一種判斷石腦油裂解性質(zhì)優(yōu)劣的方法。適的原料和反應工藝參數)。石腦油是最主要的乙烯原料,大約占全球乙烯原料構成的50%1實(shí)驗部分(質(zhì)量分數,下同)[*]。在我國,乙烯原料中石腦1.1實(shí)驗裝置油所占的份額逐年增加,2001年已高達60%。乙烯裂解實(shí)驗裝置工藝流程如圖1所示。但并非所有的石腦油都適合作裂解原料,無(wú)論是品種還是餾分輕重都存在優(yōu)化問(wèn)題。收稿日期:2010 - 04 -09;修回日期:2010-06 -23人工神經(jīng)網(wǎng)絡(luò )(ANN)系統自20世紀40年基金項目:國家重點(diǎn)基礎研究發(fā)展計劃*973”項目(項目編代后出現,它由眾多的神經(jīng)元可調的連接權值連號:2006CB202501)。接而成,具有大規模并行處理、分布式信息存儲、作者簡(jiǎn)介:劉紀月(1981-),男,山東臨沂人,博士,副教授。主要從事石油資源高效利用和清潔轉化研究。已發(fā)表論文良好的自組織自學(xué)習能力等特點(diǎn),在信息處理、30余篇?！?70.石化技術(shù)與應用第28卷原料油經(jīng)過(guò)油汽化器汽化后與稀釋蒸汽混合,進(jìn)化學(xué)品有限公司生產(chǎn)。甲基環(huán)已烷,質(zhì)量分數人預熱爐預熱，然后進(jìn)入裂解爐,烴類(lèi)原料在爐98% ,國藥集團化學(xué)試劑有限公司生產(chǎn)。環(huán)庚管內發(fā)生裂解反應生成小分子烯烴,裂解氣在急烷,質(zhì)量分數98% ,德國默克(Merck)公司生產(chǎn)。冷器中迅速冷卻。參照乙烯裂解工業(yè)裝置的操甲苯,分析純，上海聯(lián)試化工試劑有限公司生產(chǎn)。作條件,控制停留時(shí)間為0.39 s,稀釋蒸汽比為鄰二甲苯,化學(xué)純,國藥集團化學(xué)試劑有限公司0.6,橫跨溫度為590 C。生產(chǎn)。乙苯,化學(xué)純,上海天蓮精細化工有限公.司生產(chǎn)。2結果與討論2.1模型化合物的蒸汽裂解產(chǎn)物分布四-0-2.1.1正構烷烴由圖2可見(jiàn),以C, ~C,正構烷烴為裂解原料1-油計最罐;2- -水計量罐:3- -油泵;4- -水泵:s一油汽化器;時(shí),乙烯收率較高(36.0% ~45. 0%),這與根據6-水汽化器;7- -預熱爐;8-裂解爐;9- 急冷器;10- -氣液分離器;11-氣體質(zhì)址t流量計;12- -尾油計量罐芳烴關(guān)聯(lián)指數(BMCI)判斷裂解原料性質(zhì)優(yōu)劣的團1乙烯裂解實(shí)驗裝置工藝流程結論相一致,正構烷烴的BMCI值接近于0,是優(yōu)質(zhì)的乙烯裂解原料,其丙烯收率為16.0% ~1.2分析方法18. 0%,丁二烯收率為3.1% ~4.5%。正戊烷.正裂解氣分析采用上海海欣色譜儀器有限公己烷與碳數更多的正構烷烴相比,末端碳原子斷司生產(chǎn)的GC -920型氣相色譜儀,色譜柱為中國鏈生成甲烷的概率更高，因此其乙烯收率較低;科學(xué)院蘭州化學(xué)物理研究所色譜技術(shù)研究開(kāi)發(fā)中但是隨著(zhù)碳數的進(jìn)- -步增大,-次斷鏈產(chǎn)物大于心研制的PL0T Al20,柱。裂解尾油分析采用中石4個(gè)碳原子的概率增加,需二次斷鏈方能生成目化石油化工科學(xué)研究院研制的PONA柱。采用瑞的產(chǎn)物低分子烯烴,因此正辛烷、正壬烷的乙烯.博汽油組成分析軟件對各組分進(jìn)行定性定量。收率又略有降低。1.3 原料與試劑石腦油1'~10* ,分別為中國石化上海石化or公司直餾石腦油I,I,M 、安慶焦化加氫石腦0油、庫車(chē)直餾石腦油及采用上述5種石腦油按一30定配比配制的混合石腦油。其中以直餾石腦油20、I為典型代表,其族組成列于表1。0葉表1典型直餾石膪油的族組成058碳數/個(gè)組分如/%如/% .正構烷烴29.52環(huán)烷烴28.04口-乙烯;0-丙烯;0-丁二烯異構烷烴29.87芳烴12.57團2不同碳敷正構烷烴裂解的烯烴收辜烯烴0.00.總計100.002.1.2異構烷烴戊烷、正已烷、正庚烷、苯,分析純，上海菲達甲基己烷、異辛烷裂解的烯烴收率列于表2。工貿有限公司生產(chǎn)。正辛烷,化學(xué)純,江蘇永華可見(jiàn),異構烷烴的丙烯收率明顯高于正構烷烴。精細化學(xué)品有限公司生產(chǎn)。正壬烷，分析純,國表2異構烷烴裂解的烯烴收辜藥集團化學(xué)試劑有限公司生產(chǎn)。甲基已烷(2-聲甲基已燒異辛烷甲基已烷與3-甲基己烷的質(zhì)量比為55:45),江乙焐28.69.3蘇溧陽(yáng)達燦溶劑有限公司生產(chǎn)。異辛烷(2,2,內烯23.222.64-三甲基戊烷)、環(huán)已烷,分析純,江蘇永華精細_丁二烯5.92. 4第5期劉紀昌等.采用BP神經(jīng)網(wǎng)絡(luò )預測石腦油裂解烯烴收率●371.2.1.3環(huán)烷烴由表5可見(jiàn),芳烴類(lèi)化合物較難發(fā)生裂解反甲基環(huán)已烷、環(huán)已烷、環(huán)庚烷裂解的烯烴收應,苯裂解烯烴收率為0.11%;隨著(zhù)側鏈數量和率列于表3。長(cháng)度的增加,裂解烯烴收率有所增加,乙苯裂解的乙烯收率為11. 97%,主要由側鏈乙基斷裂表3環(huán)烷烴裂解的爝烴收辜得到。產(chǎn)物甲基環(huán)已燒環(huán)已烷環(huán)庚烷乙烯16.2716. 6818.60l.2 BP神經(jīng)網(wǎng)絡(luò )方法預測石腦油裂解烯烴丙烯9.224.246.58收率丁二烯14.0715.0715.02建立包含2個(gè)隱層的級聯(lián)前向BP神經(jīng)網(wǎng)絡(luò ),隱層分別采用純線(xiàn)性傳遞函數和S形對數傳由表3可見(jiàn),與正構烷烴(見(jiàn)圖2)相比,環(huán)遞函數,輸出層采用純線(xiàn)性傳遞函數,每層均為烷烴裂解產(chǎn)物乙烯和丙烯收率較低,而丁二烯收3個(gè)神經(jīng)元,其結構如圖3所示。率則較高。r 1-LW12.0、「7-LW13.21環(huán)烷烴中丁二烯的質(zhì)量分數為23% ~ 33%。雖然環(huán)烷烴裂解氣體收率較低(見(jiàn)表4),但丁二b1l_b{2)烯收率為14% ~ 15%,遠遠高于以正構烷烴、異13>>唱+構烷烴或石腦油為裂解原料時(shí)的丁二烯收率。圈3 BP神經(jīng)網(wǎng)絡(luò )結構褒4幾種裂解原料的氣體產(chǎn) 物收辜以模型化合物和石腦油裂解烯烴收率實(shí)驗原料.原料數據為基礎, BP網(wǎng)絡(luò )訓練時(shí)的輸人向量為1'~正庚烷92.47甲 基環(huán)已烷59.308"石腦油的13種烴類(lèi)化合物的組成(見(jiàn)表6),目甲基已燒93.23環(huán)庚燒53.60標(輸出)向量為該8種石腦油對應的裂解乙烯、丙烯和丁二烯收率(見(jiàn)表7)。以13種單體烴的2.1.4芳烴乙烯、丙烯和丁二烯收率作為第一層權值的初始苯、甲苯、乙苯.鄰二甲苯裂解的烯烴收率列值。第一層為線(xiàn)性,反映每種單體烴對油品烯烴于表5。收率的貢獻;第二層為非線(xiàn)性網(wǎng)絡(luò ),反映各單體表5芳烴裂解的蠕烴收辜%烴之間的交互作用。采用L-M算法'1對神經(jīng)網(wǎng)絡(luò )模型進(jìn)行訓練。神經(jīng)網(wǎng)絡(luò )的主要目標是通甲華鄰二甲米乙苯0.050.150.4611.97過(guò)輸人輸出樣本對{[x(1),d(1)],[x(2),d0.030.140.230.39 .(2)],.,[x(p),d(p)]}來(lái)調節連接網(wǎng)絡(luò )的權丁二烯.0. 160.27值向量w,從而使誤差函數e( WV)達到最小值。表6裂解石腦油的單體烴組成組分2*3°'4s'6°7*g910'正戊烷.2.203.9616.549.025.065.967.636.423.54正已烷4.887.995.5912. 8011.426.747.197.666. 825.14.937.217.137.0111.628.008. 207.287.337.17正辛烷.087.393.2910. 195.948.316.898.18正壬烷4.433.175.551.345.822.503.423.505.112-甲基已烷.2.332. 141.932.181.752.511.942.212. 192.033-甲基己烷2.722.452.382.142.892.682.442. 5甲基環(huán)已烷7.902.233.302.902.758.994.801.784.251.551. 881.191.312.040.992.881.321.681.421.37●372●石化技術(shù)與應用第28卷續表6組分1.●567100.810.730.890.210.001.320.450.44 .0.670.66甲萃1.762.132.620.991.574.732.061.952.322.44鄰二甲苯0. 791.600.741.040.921.02乙苯1.771.001. 400.220.931.161.081.261.52表7裂解石腩油的煳烴收率%3結論產(chǎn)物1'2°3°4*5*6'7'8a.在乙烯裂解工業(yè)裝置的典型操作條件下,乙烯29.91 31.00 29.90 32.97 30.78 30.09 30.41 29.92以C, ~C,正構烷烴為裂解原料,裂解產(chǎn)物中乙烯丙烯16.83 17.57 16.37 18.55 16.82 17.16 17.19 17.56收率為36%~45%,說(shuō)明其為優(yōu)質(zhì)的乙烯裂解原丁二烯7.04 5.95 5.80 5.27 4.97 6.00 5.87 5.61料;異構烷烴的丙烯收率約為23%,明顯高于正構烷烴;與正構烷烴和異構烷烴相比,環(huán)烷烴裂采用L-M算法經(jīng)過(guò)1 000次訓練后,e( W)解乙烯和丙烯收率較低,丁二烯收率則較高,為小于10-' ,達到預定的網(wǎng)絡(luò )性能。e(W) 隨訓練14% ~15% ;芳烴類(lèi)化合物較難發(fā)生裂解反應,隨著(zhù)側鏈數量和長(cháng)度的增加,裂解氣體收率和烯次數的變化關(guān)系如圖4所示。烴收率均有所增加。10°rb.建立了包含2個(gè)隱層的級聯(lián)前向BP神0't經(jīng)網(wǎng)絡(luò ),以模型:化合物和石腦油樣本裂解烯烴收; 10'A率為依據對該神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練,確定了模型參數,并對2種石腦油的裂解烯烴收率仿真數據與10*實(shí)驗結果進(jìn)行了對比。結果表明,二者的誤差小.10"02004006008001000于1個(gè)百分點(diǎn),該模型可用于預測石腦油裂解的訓練次數飲烯烴收率。圄4 L-M 算法誤差函數隨訓練次數的變化參考文獻:以9* ,10*2種油品(組成見(jiàn)表6)進(jìn)行仿真，[1]李作政,冷實(shí)正.乙娜生產(chǎn)與管理[M].北京:中國石化出版得到的仿真數據與該石腦油在相同裂解條件下社,1992:27 -31. .[2]王松漢,何細幕.乙婼工藝與技術(shù)[M].北京:中國石化出版的實(shí)驗結果對比列于表8。社2000:83 -91.表8. 裂解石腦油仿真與實(shí)驗烯烴收辜對比 %[3]陳濱.乙嫌工學(xué)[ M].北京:化學(xué)工業(yè)出版社1997:79 -82.[4]題國華.乙烯蒸汽裂解原料優(yōu)化(三)[J].乙烯工業(yè),003, .100產(chǎn)物仿真實(shí)驗誤差°仿真實(shí)驗誤差15(2) :55-66.乙烯30.89 30.40 0.49 29.17 29.59 -0.42[S]劉浩,白振興. BP網(wǎng)絡(luò )的Matlab實(shí)現及應用研究[J].現代電子技術(shù),2006 ,29(2) :49 -S1.丙烯17.64 17.19 0.45 16.00 16.24 -0.24 .[6]高雋.人工神經(jīng)網(wǎng)絡(luò )原理及仿真實(shí)例[M].北京:機械工業(yè)出丁二烯6.27 6.18 0.095.63 5.370.26版社,2003 :44-55.◆仿真數據與相應實(shí)驗結果的差值。由表8可見(jiàn),該BP神經(jīng)網(wǎng)絡(luò )的仿真數據與相關(guān)文獻鏈接:[1]劉紀昌,沈本賢.正構烷烴含量對裂解烯烴收率的影響及乙相應實(shí)驗結果的誤差小于1個(gè)百分點(diǎn)。表明建烯裂解的原料調配[J].華東理工大學(xué)學(xué)報:自然科學(xué)版，立的BP神經(jīng)網(wǎng)絡(luò )模型可以預測石腦油的裂解烯2006 ,32(5) :535 -539.烴收率,判斷不同石腦油裂解原料的相對優(yōu)劣。(下轉第377頁(yè))第5期錢(qián)穎等.鎳基裂解汽油一段加氫催化劑鈍化方法研究●377●Study on passivation of nickel - based catalyst for firststage hydrogenation of pyrolysis gasolineQian Ying'2,3 ,Li Jingyao' , Pan Xizhu' , Bian Hu' ,Cai Xiaoxia' ,Li Pingzhi' , Wang Tinghai' ,Xie Wei'(1, Lanzhou Institute of Chemical Physics , Chinese Academy of Sciences , Lanzhou 730000 ,China;2. Graduate University of Chinese Academy of Sciences , Beijing 100049 , China;3. Lanzhou Petrochemical Research Center , PetroChina , Lanzhou 730000 , China ;4. Sichuan Petrochemical Company ,PetroChina , Chengdu 610500 , China)Abstract :The passivation and starting up processvating raw material. The process of passivation wasfor the nickel - based catalyst LY - 2008 were con-of reasonable bed temperature distribution , smoothducted in a 500 mL adiabatic reactor using straight-operation and excellent passivation effect. And therun naphtha and the first stage hydrogenation prod-oil product after passivation could be directly hydro-ucts of different pyrolysis gasoline fractions ( C。-genated in the second stage hydrogenation. So theC,C,-C,Cs -Cg,C, -C,) as the passivators.start-up had the advantage of easy control.The results showed that the product of the first stagehydrogenation with lower content of olefin ( theKey words :nickel-based catalyst;passivation;py-dienes value no more than 2. 50 x 10-2 g/g) could .rolysis gasoline ; hydrogenated fraction ; straight-runbe substituted for straight-run naphtha as the passi-naphtha ; bed temperature ; initial activity. (上接第372頁(yè))Prediction of olefin yield of naphtha steam cracking usingback - propagation neural networkLiu Jichang , Shen Benxian(State Key Laboratory of Chemical Engineering , East China University ofScience and Technology , Shanghai 200237 ,China)Abstract :The model compounds of normal paraf-15% . The aromatics were difficult to produce olefinsfin , isoparaffin, cyclane and aromatics were selectedby cracking. The back - propagation neural networkas8 the feedstocks of steam cracking process and thecontainning two hiding layers were established anddistribution of the cracking producte were investiga-trained using the olefin yield of the model com-ted under the typical reaction conditions of ethylenepounds and naphthas, and the parameters were de-cracking industial unit. The results showed that thetermined. The simulation data and the experimentalnormal paraffin was the quality feedstock for steamresults of olefin yield for two naphthas were com-cracking, and its ethylene yield could reach 36% -pared. The results indicated that the errors were less45%. The propylene yield of isoparaffn was aboutthan 1 percent point. The model could be used to23% , which was higher than that of normal paraffin.predict the olefin yield of naphtha ecracking.The ethylene and propylene yields of cyclane wereKey words : naphtha ;cracking ;olefin; model com-lower , but the butadiene yield was as high as 14% -pound ; neural network ;normal paraffin ; isoparaffin