使用BP神经网络预测FCC柴油类型硫含量及其加氢脱硫性能

摘要

随着环保法规日益严格和国外原油质量变劣，以及目前FCC装置的原料有逐渐向掺炼渣油或全炼重油过渡的趋势，柴油的质量将面临挑战，急需研究和开发生产优质低硫柴油的加工工艺。研究表明，柴油中硫化物的类型分布与含量随柴油的不同来源及不同的加工工艺而有很大的不同。柴油中的硫化物主要有两类：苯并噻吩衍生物和二苯并噻吩衍生物，二者加氢脱除活性相差甚远。为了选择更好的脱硫催化剂与脱硫工艺，需要了解柴油中各种含硫化合物的分布及含量，进而根据产品要求确定其最佳操作条件。 本论文分析了FCC 柴油不同沸程馏分的硫含量和类型硫分布，结果表明：随着切割馏分沸程的增加，FCC 柴油中硫含量逐渐增加。苯并噻吩及衍生物主要分布于沸程在初馏点～300℃的馏分中；二苯并噻吩及衍生物主要分布于沸程在300℃～终馏点的馏分中。建立了用于预测FCC 柴油总硫含量的BP 神经网络模型，其预测误差最大为3.28％. 建立了用于预测FCC 柴油切割馏分类型硫含量的BP 神经网络，其预测误差最小为1.74％，最大为4.95％. 建立了全沸程FCC 柴油加氢精制过程的反应模型，分析了反应条件对脱硫率的影响。建立了用于预测两批次FCC 柴油加氢精制反应温度的BP 神经网络模型，预测反应温度最大相对误差为1.3％，用该模型预测高沸程FCC 柴油加氢精制温度，最大相对误差为1.6％. 建立了高沸程FCC 柴油加氢精制过程的反应模型，分析了反应条件对高沸程FCC柴油脱硫率的影响。建立了用于预测三批次FCC 柴油加氢精制反应温度的BP 神经网络模型，预测最大相对误差为1.5％.