石油化工中非均相反应过程建模与优化运行的关键技术研究

The complex of heterogeneous reactions in petrochemical productions focus on multicomponent of reaction process, the enormous number of reaction, highly non-linear and high system coupling, the active decrease of catalyst being time dependence respectively. In conventional, the model precisions of heterogeneous reactor which based on the heat-transfer, mass-transfer and momentum-transfer is not satisfied the requirement of process optimization and control. At the same time, the prevalent research based on micro method of the heterogeneous reactor is too large in scale and highly non-linear characteristic to being satisfied the requirement for industrial application, result form time-consuming of solving the model. In this project, we are aim at developing a method which has a balance between the prediction precision and the computation time receivable of the model that being used to optimization the operation parameters of industrial heterogeneous reactor. The research content is organized as follows. Firstly, the technologies of information fusion of industrial data, which will assure the input data for modeling is reliable. Secondly, the hybrid intelligent modeling of heterogeneous reactor will be set up by combing the mechanism with industrial data of multi-scaled for the industrial application. Thirdly, the active decrease of catalyst in the full running period will be studied by the multi-source information mining of industrial history data. The integration between the reaction model and the active decrease of catalyst will be studied also. The particle swarm optimization will be amended to have the advantages both random and heuristic arithmetic. By which the global optimization solution will be obtained. The above researches can be used to the operate parameters optimization of petrochemical production heterogeneous reactor.

石油化工中的非均相反应过程具有反应原料组分成百上千、反应数目多、 反应体系具有高度非线性和耦合、催化剂活性时变性强等复杂性。仅采用传统的"三传一反"机理的建模难于满足过程优化和控制对模型精度的要求。与此同时，目前流行的微观研究方法其模型一般都具有大规模和非线性特征，模型求解困难，无法满足工业装置操作优化对模型求解实时性的要求。本课题拟研究能同时兼顾一定计算精度和求解实时性的工业非均相反应器建模关键技术。即，工业运行数据的信息融合技术研究，实现工业数据的去伪存真，为过程建模提供可靠的模型输入数据；研究基于非均相反应机理与工业运行数据多尺度耦合参数的混合智能建模技术，多源信息挖掘的催化剂活性建模方法，实现反应与催化剂失活模型的集成方法。对现有的粒子群算法进行改进，期望找到一种同时具备随机性和启发性优点的混合进化算法，能够实现对模型的全局寻优，将其用于已建的模型进行参数优化，并应用于实际生产。

本资助项目以石化工业非均相催化反应过程为研究对象，对其中涉及的物理化学过程开展建模与优化方面的理论方法及共性技术研究。具体来说，本项目的重点研究工作是围绕工业非均相反应过程动力学特性、工业反应器内催化剂活性时变规律以及复杂模型的智能优化算法等几个方面开展了理论与应用相结合的研究工作。基于时间相关神经网络的建模方法对工业运行数据进行信息挖掘，基于这些数据所蕴含的不同变量之间的潜在规律信息，构建工业非均相催化反应动力学与关键工艺指标之间函数关系的建模方法，由此可以弥补工业运行数据丰富，信息匮乏的不足；分别对粒子群、差分进化和遗传等智能算法进行了改进与模型优化求解应用方面的研究工作；提出了一种基于表观时间映射的催化活性在线校正方法。对上述研究方法与思路进行了总结，形成了一套具有可行性的石油化工生产中非均相反应系统建模与优化运行的关键技术框架，研究成果能为石化行业提升工业装置非均相催化反应过程的操作运行水平、降低物耗和能耗提供理论支撑，并在工业装置上进行了应用验证，取得了较好的工业应用效果；此外，项目组在项目研发过程中发现，对工业非均相催化反应过程的数据挖掘技术还需要进一步丰富其研究方法，针对具体研究对象提出具体的机理与数据融合的建模理论、方法是该领域值得进一步探讨与研究的方向。