一、连续催化重整装置辛烷值软测量研究（论文文献综述）
孙雪婷,王晓霖,陈钢[1]（2022）在《炼油化工的先进控制技术应用进展》文中指出介绍了先进控制技术的概念和流程,重点阐述了炼油化工行业中先进控制技术的应用现状,同时做出简要的综合分析。先进控制技术通过降低能耗与生产成本的方式来提高产能和产量,使生产企业和生产装置发挥出更大的经济价值。目前先进控制技术已经应用在国内很多大型石化企业同时已经取得了可观的经济回报。
刘禹含,曹萃文[2]（2020）在《基于LightGBM的催化重整装置产品预测及操作优化相关性分析》文中指出基于Aspen HYSYS软件建立了与某炼油厂有限实际生产数据相吻合的连续催化重整装置的机理模型。考虑多种生产可能性,扩展数据范围得到完整的装置产品预测数据集;与常用的BP神经网络作对比,采用训练速度快、预测精度高、适合非线性过程建模的LightGBM决策树模型,以该催化重整装置的4个反应器的温度和循环氢流量为特征变量,分别以戊烷、二甲苯、C6、重整汽油、氢气的流量和氢气纯度为目标建立了6个单目标数据驱动产品预测模型。通过对特征变量和目标之间的相关性分析,进行10折交叉验证,得到了特性变量的重要度排序,从而针对不同生产目标找出影响最大的操作变量。结果表明,使用LightGBM建立模型的预测准确度比BP神经网络的预测准确度有大幅度提升。
杜鑫成[3]（2020）在《连续重整装置的先进控制与优化系统研究》文中研究指明催化重整的主要原料是石脑油。主要产物为高辛烷值的汽油,苯,甲苯,二甲苯等碱性有机化工原料。催化重整装置作为重要的二次加工装置,该装置对氢气环境,氧气环境有一定要求,在实际工业控制中,该装置的安全性与稳定性也一直是控制的首要目标,其次是提高产品收率。现代控制理论的出现促进了工业发展,但同时也带来问题,如下:1.有些被控对象内部结构比较复杂,运用已有的理论知识很难对其进行状态描述。即使可以描述,也不准确,一些性能指标和控制效果难以达到预期要求。2.系统在实际运行时可能存在很多突发状况,导致在生产过程中某项参数发生变化,从而使控制品质降低。在保证生产装置平稳运行的前提下,提升产物收率,降低能耗也是目前先进控制的首要任务。根据实际工业过程与现场工艺要求,针对连续重整装置的先进控制与优化系统进行研究。首先,本文采用机理建模的方式,对重整反应器进行建模。然后,根据制定的控制策略对催化重整控制器进行设计与搭建。其次,针对实际应用过程中出现的约束优化问题,本文提出将输入和输出约束引入到单值预估控制器设计并利用LMI进行求解的控制方法,使用线性矩阵不等式（LMI）可以将复杂的过程约束转换为线性矩阵不等式的形式,并利用优化算法进行求解,最终证实所提方法的可行性。最后,针对某石化公司重整芳烃项目,利用PACROS、Matlab及Excel等软件,设计了一整套催化重整装置先进控制系统,数据通讯、数据提取,控制器建模、软测量、趋势界面、报表界面开发。
王锡磊[4]（2018）在《FCC催化剂定碳量软测量混合建模研究》文中提出目前我国主要采用的催化裂化生产技术是流化裂化催化（Fluid Catalytic Cracking,FCC）,实现对FCC中催化剂定碳量的快速精确测量在保证安全稳定的生产环境、提高催化裂化工艺产量和延长催化剂使用寿命等方面有着非常重大的意义。本文在现有催化裂化生产工艺的研究基础上,以增产丙烯的催化裂化工艺（MIP-CGP）的反应-再生装置为研究对象,进行了针对催化剂定碳量的软测量建模工作。提出了FCC催化剂定碳量软测量混合模型建模方法,实现了对FCC中催化剂定碳量快速准确的软测量模型,有效克服了现有的一些软测量建模方法在石油化工业应用中泛化能力不足、鲁棒性较弱的问题。首先,本文提出了一种FCC催化剂定碳量的软测量经验建模算法。为了建立准确的软测量模型,本文结合生产工艺和机理分析辅助选取了软测量模型的主导变量和辅助变量;然后在此基础上建立了改进的连续深度置信网络结构进行数据样本特征的组合选取;最后以启发式算法优化的最小二乘支持向量回归机作为回归层模型进行拟合预测。本文以平均百分比误差和均方误差作为模型测量精度的验证指标。接着,为了进一步提高催化剂定碳量软测量模型的测量精度和泛化能力,本文在经验模型上深入探索,提出了软测量串联型混合模型建模方法。本文在经验模型的基础上对FCC反应-再生系统进行机理分析,建立基于假组分理论的反应-再生系统机理模型,然后通过串联组合的方式实现软测量混合模型建模,实现了对经验模型的测量精度和外推性的有效改善。通过与经验模型进行比较,串联型混合模型在测量性能上有显着的提高。最后,为了提高炼厂数字化水平,配合数字化炼厂的建设,本文针对流化催化裂化反应-再生系统开发了生产数据关键工艺指标监测平台,并在监测平台上实现了FCC催化剂定碳量的软测量功能。生产数据关键工艺指标监测平台采用B/S架构设计,基于.NET框架实现功能开发,具有兼容性好、拓展性强的优点;平台提供了针对生产工艺中关键生产数据的监测功能,并且进行了软测量模型的功能实现,具备为企业生产控制提供数据指导的能力。
戴坤成[5]（2016）在《连续催化重整过程软测量建模及优化方法研究》文中认为催化重整是主要的原油二次加工过程之一,用于生产高辛烷值汽油和芳烃化工原料。随着工业过程对生产安全性、稳定性和经济性的要求不断提高,过程控制和优化技术已经石化工业领域的应用研究的热点之一。由于催化重整过程涉及到复杂的生化反应过程,存在严重的大时滞、强耦合和多扰动等过程特性,对其实施过程控制和优化面临很大的挑战。本文围绕催化重整过程关键质量变量的软测量建模和过程操作优化进行了以下几方面的研究:重整产品辛烷值（Research Octane Number,RON）和芳烃收率是重整产品重要的质量指标,对这些参数的实时监测对催化重整过程实施先进控制和优化具有重要意义。为此提出一种结合核主元分析方法和加权最小二乘支持向量机的催化重整产品质量软测量建模方法。通过与RBF、LSSVM以及WLSSVM模型的预测结果及性能评价指标的比较可以看出,基于KPCA-WLSSVM的重整产品质量软测量方法比另外三种模型效果要好,表明了 KPCA-WLSSVM模型在催化重整装置辛烷值软测量中的有效性和优越性。对重整过程操作条件进行优化是提高装置经济效益的重要手段,在结合云模型和基本差分进化算法的基础上提出一种云模型自适应差分进化算法,通过15个典型测试函数的优化测试,表明CADE算法的有效性。最后,以连续重整装置芳烃收率最大化为优化目标,采用CADE、GA、PSO以及DE算法对重整过程操作条件进行优化,结果表明本文提出的CADE算法相比另外三种优化算法重整过程操作条件优化方面具有较高的寻优精度和收敛速度。
蔡军,方宏昌,李哲,赵钊[6]（2015）在《利用神经网络在DCS中实现重整催化剂积碳软测量》文中研究指明催化剂积碳量是重整催化过程的重要指标,常规方法无法直接测量,辽阳石化分公司针对1.40Mt/a连续重整装置开发了基于RBF神经网络的催化剂积碳量软监测技术,并在联合装置DCS上得到应用。在简单介绍重整反应工艺的基础上,概括了重整催化剂积碳量软测量技术,阐述了RBF神经网络的理论基础,并进一步说明了催化剂积碳量软测量神经网络模型的建立,同时叙述了神经网络模型在DCS中的编程及软测量技术的实现。
汪佳[7]（2013）在《催化重整装置的能量系统优化研究》文中研究说明催化重整是石油炼制工业中重要的二次加工过程之一，主要提供高辛烷值汽油调合组分和芳烃，并副产氢气，其装置能耗在炼油厂总能耗中占有较大的比重。因此，降低催化重整装置的能耗，对于实现企业的节能降耗和提高经济效益具有重要意义。能量系统优化技术是近年来较热门的成熟的节能技术，流程模拟和优化技术作为该技术的重要组成部分，越来越受到石化企业的重视和青睐。本文以某石化60万吨/年连续重整装置为例，在对装置能量系统分析的基础上，对全流程进行准确的模拟，重点对重整过程的操作条件进行优化。具体包括以下几个方面：（1）采用先进的能量系统分析方法对连续重整装置的用能情况进行分析。分析装置的能耗组成和分布，进行用能三环节划分，寻找节能潜力；对换热网络进行夹点分析，找出不合理的换热点，提出解决方案。（2）分析连续重整工艺流程，利用PetroSIM流程模拟软件对装置进行全流程模拟，通过验证，模型与实际数据相一致，可以作为操作优化的机理模型。（3）利用数据接口技术开发MPe接口工具箱，实现在Matlab平台环境下调用PetroSIM的功能，充分结合了Matlab的计算能力和PetroSIM的模拟仿真能力。以LPGRecovery仿真过程为例，阐明了MPe接口工具箱的基本功能和高级应用。在此基础上开发具有针对催化重整遗传算法优化功能的优化器Ref-OPT。（4）进行整个流程操作条件的优化。首先对预分馏塔、脱戊烷塔、脱C6塔、C4/C5分离塔进行操作条件的灵敏度分析，适当降低塔压、减小回流量可以降低能耗。然后考察了重整反应的反应温度、反应压力、氢油比、液时空速对装置的最终产物的收率、性质及能耗的影响。最后以反应器入口温度、反应压力、氢油比为决策变量，重整生成油辛烷值、催化剂结焦含量、加热炉负荷为约束条件，以线性加权的芳烃收率、C5+液收率和重芳烃收率为目标函数，建立多目标优化问题。基于建立的机理模型进行遗传算法优化，并采用外点法构造的罚函数来解决约束问题，最终计算得到了最优点，反应器入口温度为493.1℃，反应压力为290.05kPa，氢油比为2.207mol·mol-1，对实际装置的操作具有指导意义。
赵凌燕,房韡,邱建章,王锋[8]（2011）在《连续重整装置的先进控制研究与应用》文中研究表明以预测控制和实时优化为代表的先进控制技术可以保证产品质量、提高产率、降低能耗,已经越来越多的应用到石油化工装置上。连续重整装置是炼油企业生产中的重要装置,是生产芳烃或高辛烷值汽油的主要途径。针对连续重整装置常规控制中存在的问题,以及装置操作所期望的控制目标,设计了质量指标软测量与预测控制方案,开发了该装置的先进控制系统,使装置运行平稳性得到显着改善,提高了芳烃产品的收率,并通过优化促进了装置节能降耗。该先进控制系统在实际装置应用中取得了很好的控制和优化效果。
房韡,王锋,邱建章,王雪梅[9]（2011）在《RMPCT技术在连续重整装置上的应用》文中研究指明催化连续重整是石油加工中极其重要的工艺过程。由于反应复杂,过程变量多,变量之间耦合严重,存在许多重要不易测量变量,使过程控制难度大,采用常规的PID单回路控制有很大的局限性。多变量模型预估控制MPC是石油化工生产中广泛应用的1种先进控制策略。霍尼韦尔公司在MPC的基础上开发出了鲁棒多变量模型预测控制技术RMPCT。将RMPCT技术应用于某炼厂连续重整装置,并根据连续重整装置工艺特点制定了控制策略,建立软测量仪表。文中共涉及4个先进控制器,分别控制连续重整装置中的预分馏塔、反应加热炉、重整反应器和稳定塔。先进控制器投用后的结果表明,控制策略设计是合理的,相对传统控制方式,先进控制能使装置运行更加平稳,优化了装置运行,实现了节能降耗。
王玉乔,程光旭,汤杰国[10]（2009）在《基于KPCA的连续重整催化剂结焦碳含量软测量模型》文中指出对连续催化重整工艺机理进行分析,找出影响反应器中催化剂结焦的主要参数,作为软测量模型的输入变量;引入核主成分分析（Kernel Principle Component Analysis,KPCA）方法提取输入变量的非线性特征,根据累积贡献率选取KPCA主元作为神经网络的辅助变量,建立重整反应器中催化剂结焦碳含量神经网络软测量模型;并与未引入KPCA的神经网络软测量模型进行比较,结果表明,基于KPCA的神经网络具有较好的拟合精度和泛化能力,是一种优良的软测量建模方法。将该模型应用于连续催化重整装置,并引入在线校正技术,实时监测催化剂结焦碳含量,为调整反应器及后续再生装置的操作参数提供依据,从而实现重整装置长周期安全运行。
二、连续催化重整装置辛烷值软测量研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、连续催化重整装置辛烷值软测量研究（论文提纲范文）
（1）炼油化工的先进控制技术应用进展（论文提纲范文）
| 1 控制技术流程 |
| (1)采集处理过程变量 |
| (2)数学模型建立 |
| (3)先进控制策略 |
| (4)故障检测、预报、诊断和处理 |
| (5)工程化软件及项目开发服务 |
| 2 先进控制技术在炼油化工行业中的应用 |
| 2.1 先进控制在催化重整装置中的应用 |
| 2.1.1 催化重整工艺流程 |
| 2.1.2 催化重整先进控制系统设计 |
| 2.2 先进控制在分子筛脱蜡过程中的应用 |
| 2.2.1 分子筛脱蜡工艺流程 |
| 2.2.2 分子筛脱蜡先进控制系统设计 |
| 2.3 先进控制在重油催化裂化装置中的应用 |
| 2.3.1 重油催化裂化工艺流程 |
| 2.3.2 重油催化裂化先进控制系统设计 |
| 3 结论 |
（2）基于LightGBM的催化重整装置产品预测及操作优化相关性分析（论文提纲范文）
| 1 基于Aspen HYSYS的催化重整装置模型及装置产品预测数据集的构建 |
| 1.1 基于Aspen HYSYS的催化重整装置建模 |
| 1.2 催化重整装置产品预测数据集的构建 |
| 2 基于LightGBM的催化重整装置数据驱动建模 |
| 2.1 基于LightGBM的模型训练及参数设置 |
| 2.2 基于LightGBM对催化重整装置进行产品预测建模 |
| 2.3 基于LightGBM和BP神经网络模型的产品预测结果 |
| 3 基于LightGBM模型中特征变量与目标变量的相关性分析 |
| 3.1 基于LightGBM模型相关性分析原理 |
| 3.2 基于LightGBM模型的操作优化相关性分析 |
| 4 结 论 |
（3）连续重整装置的先进控制与优化系统研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 催化重整装置工艺现状 |
| 1.2.2 催化重整装置过程控制现状 |
| 1.2.3 先进控制技术概述 |
| 1.3 本文的主要研究内容 |
| 第二章 催化重整的机理模型 |
| 2.1 引言 |
| 2.2 催化重整的机理模型 |
| 2.2.1 重整反应热计算 |
| 2.2.2 重整反应器模型 |
| 2.2.3 燃料气系统模型 |
| 2.3 参数估计与模型验证 |
| 2.3.1 重整反应器参数估计 |
| 2.3.2 模型验证 |
| 2.4 小结 |
| 第三章 基于LMI求解的单值预估控制方法 |
| 3.1 引言 |
| 3.2 单值预估控制器控制分析 |
| 3.2.1 单值预估控制方法基本形式 |
| 3.2.2 单值预估闭环控制系统 |
| 3.3 基于状态空间模型的预估控制 |
| 3.3.1 状态空间模型 |
| 3.3.2 模型预估与实时修正 |
| 3.3.3 最优控制 |
| 3.3.4 状态空间模型预估控制系统结构 |
| 3.3.5 实例验证 |
| 3.4 基于LMI求解的单值预估控制方法 |
| 3.4.1 线性矩阵不等式(LMI)基本知识回顾 |
| 3.4.2 线性矩阵不等式的应用 |
| 3.4.3 基本引理 |
| 3.4.4 基于LMI求解的单值预估控制 |
| 3.4.5 仿真及实验 |
| 3.5 小结 |
| 第四章 催化重整装置先进控制系统的开发和应用 |
| 4.1 引言 |
| 4.2 工艺过程简介 |
| 4.2.1 预加氢单元 |
| 4.2.2 重整单元 |
| 4.2.3 芳烃抽提单元 |
| 4.3 系统功能设计 |
| 4.3.1 控制目标 |
| 4.3.2 控制策略 |
| 4.3.3 控制器功能设计 |
| 4.4 先进控制系统设计 |
| 4.4.1 先进控制系统结构 |
| 4.4.2 先进控制软件介绍 |
| 4.5 先进控制器投用结果 |
| 4.6 小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（4）FCC催化剂定碳量软测量混合建模研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 流化催化裂化技术 |
| 1.2.2 软测量技术研究与应用 |
| 1.3 本文研究内容 |
| 第二章 流化催化裂化生产工艺 |
| 2.1 引言 |
| 2.2 FCC生产装置基本结构 |
| 2.3 FCC反应-再生系统及生产工艺 |
| 2.4 催化裂化反应机理分析 |
| 2.5 本章小结 |
| 第三章 FCC催化剂定碳量软测量经验建模 |
| 3.1 引言 |
| 3.1.1 软测量变量选取及数据样本预处理 |
| 3.1.2 软测量模型性能评价指标体系 |
| 3.2 基于改进的最小二乘支持向量回归机的软测量建模 |
| 3.2.1 最小二乘支持向量回归机算法 |
| 3.2.2 改进的LSSVR算法 |
| 3.2.3 验证与分析 |
| 3.3 基于深度置信网络的软测量建模 |
| 3.3.1 深度置信网络模型 |
| 3.3.2 二值型深度置信网络 |
| 3.3.3 连续型深度置信网络 |
| 3.3.4 验证与分析 |
| 3.4 软测量经验模型建模 |
| 3.4.1 算法描述 |
| 3.4.2 模型仿真及分析 |
| 3.5 本章小结 |
| 3.5.1 研究创新小结 |
| 3.5.2 研究内容小结 |
| 第四章 FCC催化剂定碳量软测量混合建模 |
| 4.1 引言 |
| 4.2 基于假组分理论FCC提升管机理建模 |
| 4.3 并联型软测量混合模型建模 |
| 4.4 串联型软测量混合模型建模 |
| 4.5 软测量混合模型验证与分析 |
| 4.6 本章小节 |
| 4.6.1 研究创新小结 |
| 4.6.2 研究内容小结 |
| 第五章 FCC生产数据关键工艺指标监测平台应用 |
| 5.1 引言 |
| 5.2 功能需求分析 |
| 5.3 监测平台架构设计与功能开发 |
| 5.3.1 监测平台软件架构 |
| 5.3.2 KPI监测界面设计 |
| 5.3.3 在线数据显示功能 |
| 5.3.4 历史数据显示功能 |
| 5.3.5 监测平台上FCC定碳量软测量模型的功能实现 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间成果 |
| 攻读硕士学位期间获奖情况 |
（5）连续催化重整过程软测量建模及优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 催化重整过程软测量建模方法 |
| 1.2.1 机理建模 |
| 1.2.2 多元线性回归 |
| 1.2.3 人工神经网络 |
| 1.2.4 支持向量机 |
| 1.2.5 混合建模方法 |
| 1.3 催化重整过程优化 |
| 1.3.1 传统优化方法 |
| 1.3.2 遗传算法 |
| 1.3.3 粒子群优化算法 |
| 1.3.4 差分进化算法 |
| 1.4 研究内容及章节安排 |
| 第二章 催化重整过程模型 |
| 2.1 催化重整工艺 |
| 2.2 集总反应动力学模型 |
| 2.3 重整过程建模 |
| 2.3.1 重整反应器模型 |
| 2.3.2 加热炉模型 |
| 2.3.3 换热器模型 |
| 2.3.4 重整油气分离罐模型 |
| 2.4 本章小结 |
| 第三章 基于KPCA-WLSSVM的重整过程软测量 |
| 3.1 引言 |
| 3.2 KPCA-WLSSVM模型方法 |
| 3.2.1 核主元分析 |
| 3.2.2 最小二乘支持向量机 |
| 3.2.3 加权最小二乘支持向量机 |
| 3.2.4 权值计算 |
| 3.3 CPSO-SA参数优化 |
| 3.4 基于参数优化的KPCA-WLSSVM建模步骤 |
| 3.5 实例分析 |
| 3.5.1 重整产品辛烷值软测量建模 |
| 3.5.2 重整芳烃收率软测量建模 |
| 3.6 本章小结 |
| 第四章 基于CADE的催化重整过程优化 |
| 4.1 引言 |
| 4.2 云自适应差分进化算法 |
| 4.2.1 云理论基础 |
| 4.2.2 标准差分进化算法 |
| 4.2.3 云自适应差分进化算法 |
| 4.3 典型函数优化测试 |
| 4.4 实例分析 |
| 4.4.1 优化问题描述 |
| 4.4.2 结果与讨论 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录A 部分测试函数曲面图 |
| 附录B 不同维数测试函数仿真结果 |
| 附录C 部分测试函数(20维)适应度值收敛曲线 |
| 个人简历 |
（6）利用神经网络在DCS中实现重整催化剂积碳软测量（论文提纲范文）
| 1 重整反应工艺过程简介 |
| 2 重整催化剂积碳软测量 |
| 3 基于RBF神经网络的催化剂积碳模型 |
| 3.1 RBF神经网络 |
| 3.2 催化剂积碳量模型建立 |
| 3.2.1 网络模型的输入 |
| 3.2.2 神经网络设计与训练 |
| 4 催化剂积碳量RBF神经网络模型在DCS中的组态 |
| 5 结束语 |
（7）催化重整装置的能量系统优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 催化重整工艺概况 |
| 1.2.1 催化重整的发展现状 |
| 1.2.2 催化重整原料及反应 |
| 1.2.3 催化重整工艺环节 |
| 1.3 炼化能量优化技术进展 |
| 1.3.1 流程模拟技术 |
| 1.3.2 过程优化技术 |
| 1.4 催化重整能量系统优化技术的应用 |
| 1.5 本论文的研究内容 |
| 第二章 催化重整装置能量系统分析 |
| 2.1 能量系统分析方法概述 |
| 2.1.1 能量平衡与?分析法 |
| 2.1.2 热（?）经济学 |
| 2.1.3 用能三环节分析 |
| 2.1.4 夹点技术 |
| 2.2 600kt/年连续重整装置的能量系统分析 |
| 2.2.1 装置能耗组成和分布 |
| 2.2.2 用能三环节分析 |
| 2.2.3 夹点分析 |
| 2.3 装置用能改进方向 |
| 2.3.1 减少工艺用能 |
| 2.3.2 提高能量传输与转换效率 |
| 2.3.3 加强能量回收利用 |
| 2.4 本章小结 |
| 第三章 连续重整装置的模拟 |
| 3.1 连续重整装置模拟对象 |
| 3.1.1 装置概况 |
| 3.1.2 工艺特点 |
| 3.1.3 工艺流程说明及工艺流程图 |
| 3.2 连续重整装置建模基础 |
| 3.2.1 模拟软件 PetroSIM |
| 3.2.2 虚拟组分与物性选择 |
| 3.2.3 反应器数学模型 |
| 3.3 催化重整全流程的模拟 |
| 3.3.1 重整反应环节的模拟 |
| 3.3.2 预处理环节的模拟 |
| 3.3.3 产品分馏环节的模拟 |
| 3.4 本章小结 |
| 第四章 Matlab–PetroSIM 接口工具箱及优化器的开发 |
| 4.1 PetroSIM 自动化接口技术 |
| 4.1.1 流程模拟软件数据接口技术简介 |
| 4.1.2 PetroSIM 接口对象 |
| 4.1.3 PetroSIM 对象模型 |
| 4.1.4 PetroSIM 与 Matlab 的数据交互 |
| 4.2 MPe 接口工具箱 |
| 4.2.1 接口工具箱实现及框架结构 |
| 4.2.2 MPe Toolbox 基本功能与应用 |
| 4.2.3 MPe Toolbox 高级应用 |
| 4.3 连续重整反应优化器的开发 |
| 4.4 本章小结 |
| 第五章 带约束条件的遗传算法在连续重整装置优化中的应用 |
| 5.1 操作条件的初步优化 |
| 5.1.1 预分馏塔分析 |
| 5.1.2 脱戊烷塔的分析 |
| 5.1.3 脱 C6 塔的分析 |
| 5.1.4 C4/C5 分离塔的分析 |
| 5.2 重整反应操作条件的分析 |
| 5.2.1 反应温度的影响规律 |
| 5.2.2 反应压力的影响规律 |
| 5.2.3 氢油比的影响规律 |
| 5.2.4 液时空速的影响规律 |
| 5.3 稳态优化问题研究 |
| 5.3.1 目标函数的确定 |
| 5.3.2 优化问题的描述 |
| 5.4 带约束条件的遗传算法在连续重整装置优化中的应用 |
| 5.4.1 解决约束问题的遗传算法 |
| 5.4.2 优化结果与讨论 |
| 5.5 本章小结 |
| 结论 |
| 总结 |
| 问题与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（8）连续重整装置的先进控制研究与应用（论文提纲范文）
| 1 引言 |
| 2 装置概况与控制目标 |
| 2.1 预处理单元 |
| 2.2 重整单元 |
| 2.3 抽提单元 |
| 3 先进控制方案 |
| 3.1 软测量方案 |
| 3.2 预测控制方案 |
| 4 应用案例 |
| 5 结论 |
（9）RMPCT技术在连续重整装置上的应用（论文提纲范文）
| 1 引言 |
| 2 连续重整工艺概述 |
| 3 先进控制器设计简介 |
| 4 控制系统功能设计 |
| 4.1 常规控制难点 |
| (1)质量指标的卡边控制有困难 |
| (2)对进料组成的变化、负荷的变化适应性差 |
| (3)对目标产品的优化问题仅仅根据经验调节 |
| 4.2 工艺计算 |
| 4.3 控制器总体方案 |
| 4.4 先进控制器设计 |
| 1)预分馏先进控制器 |
| 2)反应温度先进控制器 |
| 3)反应深度先进控制器 |
| 4)稳定塔先进控制器 |
| 5 先进控制器投用效果 |
| 6 结论 |
（10）基于KPCA的连续重整催化剂结焦碳含量软测量模型（论文提纲范文）
| 1 前言 |
| 2 基于核主成分分析 (KPCA) 求取特征值 |
| 3 基于KPCA的重整催化剂结焦碳含量软测量模型及应用 |
| 3.1 基于KPAC的神经网络软测量建模 |
| 3.2 连续催化重整反应器结焦碳含量软测量模型 |
| 3.2.1 连续重整催化剂结焦问题 |
| 3.2.2 建立结焦碳含量软测量模型 |
| 3.2.3 软测量模型计算过程 |
| 3.3 模型校正和工业应用 |
| 4 结论 |
四、连续催化重整装置辛烷值软测量研究（论文参考文献）
- [1]炼油化工的先进控制技术应用进展[J]. 孙雪婷,王晓霖,陈钢. 现代化工, 2022
- [2]基于LightGBM的催化重整装置产品预测及操作优化相关性分析[J]. 刘禹含,曹萃文. 石油学报(石油加工), 2020(04)
- [3]连续重整装置的先进控制与优化系统研究[D]. 杜鑫成. 北京化工大学, 2020(02)
- [4]FCC催化剂定碳量软测量混合建模研究[D]. 王锡磊. 上海交通大学, 2018(01)
- [5]连续催化重整过程软测量建模及优化方法研究[D]. 戴坤成. 福州大学, 2016(07)
- [6]利用神经网络在DCS中实现重整催化剂积碳软测量[J]. 蔡军,方宏昌,李哲,赵钊. 石油化工自动化, 2015(03)
- [7]催化重整装置的能量系统优化研究[D]. 汪佳. 中国石油大学（华东）, 2013(06)
- [8]连续重整装置的先进控制研究与应用[J]. 赵凌燕,房韡,邱建章,王锋. 中国石油和化工标准与质量, 2011(11)
- [9]RMPCT技术在连续重整装置上的应用[J]. 房韡,王锋,邱建章,王雪梅. 计算机与应用化学, 2011(06)
- [10]基于KPCA的连续重整催化剂结焦碳含量软测量模型[J]. 王玉乔,程光旭,汤杰国. 高校化学工程学报, 2009(05)