基于数据驱动的蜡油加氢装置产品预测与多目标操作优化

摘要

依据某炼油厂蜡油加氢装置生产数据,采用Aspen HYSYS对该装置进行机理建模,并用分层随机抽样法验证机理模型的有效性;然后以正常生产的28种减压蜡油和焦化蜡油进料量分区,运行机理模型,扩充了产品预测数据集。在此基础上,利用BP神经网络建立蜡油加氢装置的产品预测数据驱动模型,来预测精制蜡油流量,精制蜡油中硫、氮的质量分数,石脑油、液化气和燃料气的流量;最后以最小化精制蜡油中硫、氮的质量分数为目标进行在线操作优化。仿真结果表明:BP神经网络模型具有较高的产品预测精度,其平均绝对误差为6.286×10^-3,均方误差为5.631×10^-5;依据多目标优化结果调节操作参数,可降低精制蜡油中硫、氮的质量分数。