一种催化裂化反应动力学参数的估算方法及系统与流程

本发明实施例涉及石油化工
技术领域：
，具体涉及一种催化裂化反应动力学参数的估算方法及系统。
背景技术：
：催化裂化在我国炼油工业占有重要地位，其反应过程和产品分布受到原料性质、操作条件等影响，难以建立精确的数学模型来描述其动态的生产过程。能否建立精确的催化裂化数学模型是准确描述催化裂化工业过程的关键。现有技术中，大多使用基于机理的集总动力学方法建模，如三集总、六集总、十三集总模型等在催化裂化的系统建模过程中起着关键的作用。建立传统的集总反应动力学模型需要搭建专门的实验装置，通过对反应器进行一系列不同条件下的实验研究，从而获得实验数据，利用这些基础实验数据，求取动力学参数。再通过获取到的动力学参数，利用集总反应动力学模型进行催化裂化反应的软测量。因此，动力学模型中的动力学参数的求取，是进行催化裂化反应的软测量的关键步骤，现有技术，获取动力学模型中的动力学参数大多通过一系列实验进行获取，过程比较复杂繁琐。技术实现要素：针对现有技术中的缺陷，本发明实施例提供了及一种催化裂化反应动力学参数的估算方法及系统。一方面，本发明实施例提供了一种催化裂化反应动力学参数的估算方法，包括：获取催化裂化反应动力学模型的活化能经验值、动力学参数初始值和催化裂化反应的操作工况数据；根据所述活化能经验值、所述动力学参数初始值和所述操作工况数据，利用计算流体力学方法，获得所述催化裂化的模拟产物分布数据；根据所述模拟产物分布数据和预先获取的所述催化裂化反应的实测产物分布数据，利用遗传算法对所述催化裂化反应动力学模型的动力学参数进行优化，估算获得所述催化裂化反应的目标动力学参数。进一步地，所述根据所述活化能经验值、所述动力学参数初始值和所述操作工况数据，利用计算流体力学方法，获得所述催化裂化的模拟产物分布数据，包括：将所述操作工况数据作为初始条件，将所述活化能经验值、所述动力学参数初始值代入流动反应模型，对催化裂化进行数值模拟，获得所述模拟产物分布数据。进一步地，所述利用遗传算法对所述催化裂化反应动力学模型的动力学参数进行优化，估算获得所述催化裂化反应的目标动力学参数，包括：将所述模拟产物分布数据和所述实测产物分布数据的绝对误差之和作为适应度函数；根据所述适应度函数，利用遗传算法对所述动力学参数进行优化，将所述适应度函数小于或等于预设精度时对应的动力学参数作为所述目标动力学参数。进一步地，所述操作工况数据为现场采集获得的实时操作工况数据或历史数据库中存储的历史操作工况数据。进一步地，所述实测产物分布数据为现场检测获得的实时实测产物分布数据或历史数据库中存储的历史实测产物分布数据。进一步地，所述操作工况数据包括：温度数据、压力数据和流量数据。进一步地，所述实测产物分布数据包括：干气收率、液化气收率、汽油收率、柴油收率和焦炭收率。另一方面，本发明实施例提供一种催化裂化反应动力学参数的估算系统，包括：数据获取单元，用于获取催化裂化反应动力学模型的活化能经验值、动力学参数初始值和催化裂化反应的操作工况数据；模拟产物分布获取单元，用于根据所述活化能经验值、所述动力学参数初始值和所述操作工况数据，利用计算流体力学方法，获得所述催化裂化的模拟产物分布数据；目标动力学参数获取单元，用于根据所述模拟产物分布数据和预先获取的所述催化裂化反应的实测产物分布数据，利用遗传算法对所述催化裂化反应动力学模型的动力学参数进行优化，估算获得所述催化裂化反应的目标动力学参数。再一方面，本发明实施例提供一种用于催化裂化反应动力学参数估算的电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。又一方面，本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述方法。本发明实施例提供的催化裂化反应动力学参数的估算方法及系统，根据催化裂化反应中存在的复杂气固流动和复杂反应并存的现状，结合遗传算法对全局最优解的搜寻能力和计算流体力学方法cfd数值模拟能综合考虑提升管反应器内的流动、传热、传质以及湍流脉动行为的特点，对反应动力学参数进行估算，提高了催化裂化反应动力学参数估算的准确性，并且避免了通过实验获得动力学参数的繁琐步骤，简化了动力学参数的获取过程，为提升管反应器数学模型建立提供了较为准确的动力学参数。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本发明实施例中催化裂化反应动力学参数的估算方法的流程示意图；图2为本发明实施例中十四集总动力学模型的反应网络示意图；图3为本发明实施例中又一催化裂化反应动力学参数的估算方法的流程示意图；图4为本发明实施例中遗传算法优化过程中适应度函数的曲线图；图5为本发明实施例中催化裂化反应动力学参数的估算系统结构示意图；图6为本发明实施例中用于催化裂化反应动力学参数估算的电子设备的结构示意图。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。图1为本发明实施例中催化裂化反应动力学参数的估算方法的流程示意图，如图1所示，本发明实施例提供的催化裂化反应动力学参数的估算方法包括：s1、获取催化裂化反应动力学模型的活化能经验值、动力学参数初始值和催化裂化反应的操作工况数据；具体地，本发明实施例中采用的催化裂化反应动力学模型为十四集总动力学模型，其是一种用集总方法简化了的反应动力学模型，反应体系被分为14个集总，具体划分步骤为：首先将原料油按照其流程范围分为柴油层(l)、回炼油-蜡油层(m)和减压渣油-油浆层(h)三层，每一层按照结构族组成又分成烷基碳(p)、环烷碳(n)和芳香碳(a)。由于减压渣油和油浆中存在稠环芳香烃，进一步通过在减压渣油和油浆中增加新的稠环芳香烃(fah)集总。最后，考虑焦炭(ck)、汽油(go)、天然气(lpg)以及干气(dg)，得到原料油的十四集总划分。图2为本发明实施例中十四集总动力学模型的反应网络示意图，如图2所示，十四集总动力学模型共涉及49个反应，采用十四集总动力学模型描述催化裂化的工业过程需要对应的动力学参数。本发明实时例进行动力学参数的估算时，先获取催化裂化反应动力学模型的活化能经验值和动力学参数初始值，具体可以根据经验进行估算活化能经验值和动力学参数初始值。此外还需要采集催化裂化反应的操作工况数据以及实测产物分布数据，其中操作工况数据包括：温度数据、压力数据和流量数据，实测产物分布数据包括：干气收率、液化气收率、汽油收率、柴油收率和焦炭收率。所述操作工况数据为现场采集获得的实时操作工况数据或历史数据库中存储的历史操作工况数据。即可以通过工业生产现场采集获得实时操作工况数据或从工厂历史数据库中保存的数据中获得历史操作工况数据。本发明实施例将采集到的操作工况数据记为数据矩阵记为c，数据矩阵中包括但不限于：1)温度数据：气体出口温度、新鲜原料温度、回炼油温度、回炼油浆温度、雾化蒸汽温度、预提升蒸汽温度以及催化剂温度；2)压力数据：反应器出口压力、反应器压降；3)流量数据：新鲜原料流量、回炼油流量、回炼油浆流量、催化剂的质量流量、预提升蒸汽量、雾化蒸汽量。所述实测产物分布数据为现场检测获得的实时实测产物分布数据或历史数据库中存储的历史实测产物分布数据。即可以通过工业生产现场采集获得实时实测产物分布数据或从工厂历史数据库中保存的数据中获得历史实测产物分布数据，本发明实施例可以将实测产物分布数据记为数据矩阵记为p。s2、根据所述活化能经验值、所述动力学参数初始值和所述操作工况数据，利用计算流体力学方法，获得所述催化裂化的模拟产物分布数据；具体地，根据获取到的活化能经验值、动力学参数初始值以及催化裂化反应的操作工况数据，利用计算流体力学方法cfd(computationalfluiddynamics)，对动力学模型进行数值模拟，获得催化裂化的模拟产物分布数据。s3、根据所述模拟产物分布数据和预先获取的所述催化裂化反应的实测产物分布数据，利用遗传算法对所述催化裂化反应动力学模型的动力学参数进行优化，估算获得所述催化裂化反应的目标动力学参数。具体地，获取到催化裂化反应的模拟产物分布数据后，根据该模拟产物分布数据和预选获取的实测产物分布数据，利用遗传算法对催化裂化反应动力学模型的动力学参数进行优化，估算获得催化裂化反应的目标动力学参数。本发明实施例提供的催化裂化反应动力学参数的估算方法，采用遗传算法与计算流体力学方法cfd联用，估算反应动力学参数。为提升管反应器数学模型的建立提供了较为准确的动力学参数，避免了通过实验获得动力学参数的繁琐步骤，简化了动力学参数的获取过程。在上述实施例的基础上，所述根据所述活化能经验值、所述动力学参数初始值和所述操作工况数据，利用计算流体力学方法，获得所述催化裂化的模拟产物分布数据，包括：将所述操作工况数据作为初始条件，将所述活化能经验值、所述动力学参数初始值代入流动反应模型，对催化裂化进行数值模拟，获得所述模拟产物分布数据。具体地，本发明实施例将预选获取的操作工况数据作为初始条件，将催化裂化动力学模型的活化能经验值、动力学参数初始值带入流动反应学模型，利用计算流体力学方法cfd，对该流动动力学模型进行数值模拟，获得模拟产物分布数据。其中，描述催化裂化反应的催化裂化反应动力学模型属于反应模型，描述实际工业反应器中存在的复杂气固流动、传热、传质的模型叫做流动模型。流动会影响反应，反应也会反过来影响流动，本发明实施例将流动模型和反应模型耦合起来，使之时间、空间相匹配的模型叫做流动反应模型。可以根据实际需要建立流动反应模型，本发明实施例对流动反应模型的具体内容以及建立方法不作具体限定。在上述实施例的基础上，所述利用遗传算法对所述催化裂化反应动力学模型的动力学参数进行优化，估算获得所述催化裂化反应的目标动力学参数，包括：将所述模拟产物分布数据和所述实测产物分布数据的绝对误差之和作为适应度函数；根据所述适应度函数，利用遗传算法对所述动力学参数进行优化，将所述适应度函数小于或等于预设精度时对应的动力学参数作为所述目标动力学参数。具体地，在模拟出催化裂化反应的模拟产物分布数据后，将模拟产物分布数据和实测产物分布数据的绝对误差之和作为适应度函数，利用遗传算法对催化裂化反应洞穴模型中的动力学参数进行优化。当优化到适应度函数小于或等于预设精度时，获取此时对应的催化裂化动力学模型中的动力学参数作为目标动力学参数。图3为本发明实施例中又一催化裂化反应动力学参数的估算方法的流程示意图，如图3所示，下面具体介绍本发明实施例的技术方案：t1、数据采集。通过在工厂现场采集或从工厂数据库获取操作工况数据c和实测产物分布数据pt2、获取动力学模型初始参数。可以通过经验估算催化裂化反应动力学模型的活化能经验值ei0和动力学参数初始值ki0，因为本发明实施例中采用的是十四集总动力学模型，其中包括49个反应，因此，活化能经验值ei0和动力学参数初始值ki0中的i＝1,2…49。t3、动力学参数初始值编码。由于本发明实施例中的动力学参数的取值范围比较宽，本发明实施例采用实数编码，与二进制编码相比，实数编码精度高，搜索范围大。t4、模拟产物分布数据的获取。以催化裂化反应操作工况数据c为初始条件，其中包括了气体出口温度、新鲜原料温度、回炼油温度、回炼油浆温度、雾化蒸汽温度、预提升蒸汽温度以及催化剂温度、反应器出口压力、反应器压降、新鲜原料流量、回炼油流量、回炼油浆流量、催化剂的质量流量、预提升蒸汽量、雾化蒸汽量等。采用催化裂化提升管反应器内的流动反应模型和数值模拟方法对催化裂化进行数值模拟，将动力学参数初始值以及操作工况数据带入流动反应模型，得到计算流体力学方法cfd的模拟产物分布数据y。模拟产物分布数据y中具体包括了干气收率、液化气收率、汽油收率、柴油收率和焦炭收率。t5、设置适应度函数。获取计算流体力学方法cfd模拟得到的模拟产物分布数据y与催化裂化反应的实测产物分布数据p的绝对误差，将该绝对误差之设置适应度函数j＝sum(|p-y|)。t6、判断适应度函数是否小于或等于预设精度。根据实际需要设置预设精度的大小，比较适应度函数j与预设精度tol的大小，若适应度函数小于或等于预设精度，则执行步骤t8；否则，适应度函数大于预设精度，说明此时的模拟产物分布数据不满足要求，需要继续对催化裂化反应动力学模型中的动力学参数进行优化，执行步骤t7。t7、进行遗传操作，更新动力学参数。即利用遗传算法选取适应度较小的个体，直接遗传给下一代；通过交叉、变异等操作进化当前群体，产生下一代群体，以更新动力学参数。将新的动力学参数代入流动反应模型，返回步骤t4，获取新的模拟产物分布数据y，继续使用遗传算法对动力学参数进行优化，直至满足条件。t8、输出目标动力学参数。若优化过程中，适应度函数小于或等于预设精度，将此时的动力学参数作为目标动力学参数输出，还可以输出此时的模拟产物分布。图4为本发明实施例中遗传算法优化过程中适应度函数的曲线图，如图4所示，利用遗传算法在经过400次迭代后，适应度函数的曲线趋于平稳，此时49个频率因子即动力学参数达到最优解。此时，对应的动力学参数如下表1所示，表1中的指前因子为本发明实施例中的动力学参数，将此时的动力学参数代入流动反应模型，经过计算可以得到提升管出口处的产品收率，并将计算值与工业实际值对比，具体如下表2所示。表1催化裂化反应网络中动力学参数和活化能表2模拟产物分布结果和实测产物分布结果产物干气液化气汽油柴油焦炭工业实际值4.0118.4237.7530.237.78ga-cfd模拟值3.7818.4337.7430.237.30相对误差6.08％0.05％0.03％0.00％6.50％可以看出，采用本发明实施例提供的催化裂化反应动力学参数的估算方法，估算出的目标动力学参数，通过催化裂化流动反应动力学模型模拟出的模拟产物分布和工业实际产物分布数据的误差比较小，说明本发明实施例中的催化裂化反应动力学参数估算结果比较准确。本发明实施例提供的催化裂化反应动力学参数的估算方法，根据催化裂化反应中存在的复杂气固流动和复杂反应并存的现状，结合遗传算法对全局最优解的搜寻能力和计算流体力学方法cfd数值模拟能综合考虑提升管反应器内的流动、传热、传质以及湍流脉动行为的特点，对反应动力学参数进行估算，提高了催化裂化反应动力学参数估算的准确性，并且避免了通过实验获得动力学参数的繁琐步骤，简化了动力学参数的获取过程，为提升管反应器数学模型建立提供了较为准确的动力学参数。图5为本发明实施例中催化裂化反应动力学参数的估算系统结构示意图，如图5所示，本发明实施例中的催化裂化反应动力学参数的估算系统包括：数据获取单元51、模拟产物分布获取单元52和目标动力学参数获取单元53，其中：数据获取单元51用于获取催化裂化反应动力学模型的活化能经验值、动力学参数初始值和催化裂化反应的操作工况数据；模拟产物分布获取单元52用于根据所述活化能经验值、所述频率因子初始值和所述操作工况数据，利用计算流体力学方法，获得所述催化裂化的模拟产物分布数据；目标动力学参数获取单元53用于根据所述模拟产物分布数据和预先获取的所述催化裂化反应的实测产物分布数据，利用遗传算法对所述催化裂化反应动力学模型的动力学参数进行优化，估算获得所述催化裂化反应的目标动力学参数。具体地，本发明实施例中采用的催化裂化反应动力学模型为十四集总动力学模型，在进行动力学参数的估算时，数据获取单元51先获取催化裂化反应动力学模型的活化能经验值和动力学参数初始值，具体可以根据经验进行估算活化能经验值和动力学参数初始值。此外还需要采集催化裂化反应的操作工况数据以及实测产物分布数据，其中操作工况数据包括：温度数据、压力数据和流量数据，实测产物分布数据包括：干气收率、液化气收率、汽油收率、柴油收率和焦炭收率。模拟产物分布获取单元52根据获取到的活化能经验值、动力学参数初始值以及催化裂化反应的操作工况数据，利用计算流体力学方法cfd(computationalfluiddynamics)，对动力学模型进行数值模拟，获得催化裂化的模拟产物分布数据。获取到催化裂化反应的模拟产物分布数据后，目标动力学参数获取单元53根据该模拟产物分布数据和预选获取的实测产物分布数据，利用遗传算法对催化裂化反应动力学模型的动力学参数进行优化，估算获得催化裂化反应的目标动力学参数。本发明实施例提供的催化裂化反应动力学参数的估算系统，采用遗传算法与计算流体力学方法cfd联用，估算反应动力学参数。为提升管反应器数学模型的建立提供了较为准确的动力学参数，避免了通过实验获得动力学参数的繁琐步骤，简化了动力学参数的获取过程。其中，模拟产物分布获取单元具体用于：将所述操作工况数据作为初始条件，将所述活化能经验值、所述动力学参数初始值代入流动反应模型，对催化裂化进行数值模拟，获得所述模拟产物分布数据。具体地，模拟产物分布获取单元将预选获取的操作工况数据作为初始条件，将催化裂化动力学模型的活化能经验值、动力学参数初始值带入流动动力学模型，利用计算流体力学方法cfd，对该流动动力学模型进行数值模拟，获得模拟产物分布数据。其中流动反应模型的概念同上述实施例一致，此处不再赘述。其中，目标动力学参数获取单元具体用于：将所述模拟产物分布数据和所述实测产物分布数据的绝对误差之和作为适应度函数；根据所述适应度函数，利用遗传算法对所述动力学参数进行优化，将所述适应度函数小于等于预设精度时对应的动力学参数作为所述目标动力学参数。具体地，在模拟出催化裂化反应的模拟产物分布数据后，目标动力学参数获取单元将模拟产物分布数据和实测产物分布数据的绝对误差之和作为适应度函数，利用遗传算法对催化裂化反应洞穴模型中的动力学参数进行优化。当优化到适应度函数小于或等于预设精度时，获取此时对应的催化裂化动力学模型中的动力学参数作为目标动力学参数。本发明实施例中的系统用于执行上述方法，其具体实施方式同上述实施例一致，此处不再赘述。本发明实施例提供的催化裂化反应动力学参数的估算方法及系统，根据催化裂化反应中存在的复杂气固流动和复杂反应并存的现状，结合遗传算法对全局最优解的搜寻能力和计算流体力学方法cfd数值模拟能综合考虑提升管反应器内的流动、传热、传质以及湍流脉动行为的特点，对反应动力学参数进行估算，提高了催化裂化反应动力学参数估算的准确性，并且避免了通过实验获得动力学参数的繁琐步骤，简化了动力学参数的获取过程，为提升管反应器数学模型建立提供了较为准确的动力学参数。图6为本发明实施例中用于催化裂化反应动力学参数估算的电子设备的结构示意图，如图6所示，所述装置可以包括：处理器(processor)61、存储器(memory)62和通信总线63，其中，处理器61，存储器62通过通信总线63完成相互间的通信。处理器61可以调用存储器62中的逻辑指令，以执行如下方法：获取催化裂化反应动力学模型的活化能经验值、动力学参数初始值和催化裂化反应的操作工况数据；根据所述活化能经验值、所述动力学参数初始值和所述操作工况数据，利用计算流体力学方法，获得所述催化裂化的模拟产物分布数据；根据所述模拟产物分布数据和预先获取的所述催化裂化反应的实测产物分布数据，利用遗传算法对所述催化裂化反应动力学模型的动力学参数进行优化，估算获得所述催化裂化反应的目标动力学参数。此外，上述的存储器62中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取催化裂化反应动力学模型的活化能经验值、动力学参数初始值和催化裂化反应的操作工况数据；根据所述活化能经验值、所述动力学参数初始值和所述操作工况数据，利用计算流体力学方法，获得所述催化裂化的模拟产物分布数据；根据所述模拟产物分布数据和预先获取的所述催化裂化反应的实测产物分布数据，利用遗传算法对所述催化裂化反应动力学模型的动力学参数进行优化，估算获得所述催化裂化反应的目标动力学参数。以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。当前第1页12