蒸餾塔防腐注劑量建模與優(yōu)化的研究.pdf

1、隨著我國國民經濟的快速發(fā)展，對石油產品的需求量越來越大，國產原油已經不能滿足經濟發(fā)展的需要。進口原油量不斷加大，原油品質差別較大，酸值及含硫量普遍較高，使很多企業(yè)面臨著新的設備腐蝕問題。
　　 在煉油生產中，“一脫三注”(原油脫鹽、注氨、注緩蝕劑、注水)是防止或減緩塔頂系統(tǒng)腐蝕的有效措施，但注劑量(注氨量、注緩蝕劑量)的確定多停留在專家經驗階段。注劑量的多少以及注劑量與工藝參數(原油酸值A、含硫量S和排水中的pH值、鐵離子濃度F

2、e2+/3+)之間的關系，都是亟待解決的問題。本文從理論與實踐兩個方面，對煉油蒸餾裝置注劑量進行深入的研究，找出了在煉油生產中的不同情況下蒸餾塔設備防腐的最優(yōu)注劑量。
　　 目前煉油企業(yè)油品更換頻繁，現(xiàn)場采集到的注氨量、注緩蝕劑量、原油酸值A、含硫量S和排水中的pH值和鐵離子濃度Fe2+/3+等工藝數據變化較大，造成樣本數據的特征屬性較多。如果直接用這樣的數據應用支持向量機建立預測模型，會增加計算量，降低訓練速度及預測精度。本文

3、采用基于數據的模糊分類方法來解決這一問題，該方法以模糊數學、模糊推理等方法為基礎，對蒸餾裝置現(xiàn)場采集到的工藝數據進行模糊分類，建立模糊規(guī)則。為進一步分析及優(yōu)化數據提供有利的支持，針對企業(yè)設備的耐腐蝕性質的差別，本文還采用了其它規(guī)則，對數據進行分類研究。
　　 基于統(tǒng)計學習理論的支持向量機是一種新型的學習方法，它遵照結構風險最小化原則。本文在分析專家經驗數據的基礎上，應用支持向量機方法建立注劑量與原油酸值、含硫量和排水pH值、鐵離

4、子濃度的關系模型，得到了不同類別的注劑量與原油酸值、含硫量和排水pH值、鐵離子濃度數據的輸入與輸出關系；并將運用支持向量機建立的注氨量、注緩蝕劑量預測模型與BP神經元網絡預測效果進行了比較。仿真結果表明，支持向量機克服了神經元網絡等方法的一些固有缺點，提高了模型的泛化能力，在小樣本建模方面有著特殊的優(yōu)勢。
　　 基于數據的模糊分類方法將現(xiàn)場采集到的工藝數據分類，利用支持向量機建立的注劑工藝數據的關系模型得到數據之間的清晰關系，雖

5、然在宏觀上能夠反映注劑工藝過程的一般規(guī)律，卻不能給出的各類原油生產的最優(yōu)注氨量和注緩蝕劑量。本文建立了注氨、注緩蝕劑的0-1整數規(guī)劃模型，并應用二進制粒子群算法求解出在煉油生產中，注劑量與原油酸值、含硫量和排水pH值、鐵離子濃度在不同條件下(如滿意度等)的最優(yōu)結果。
　　 經過粒子群算法求解的最優(yōu)解在滿足工藝要求和不同滿意度的前提下，使注劑量適中，既達到了設備防腐的目的，又避免了為了防腐而過量投放，造成大量浪費的現(xiàn)象。