专利名称：乙炔加氢反应器一段出口乙炔浓度的在线软测量方法
技术领域：
本发明涉及一种乙炔加氢反应器一段出口乙炔浓度的在线软测量方法，属于化工反应过程自动控制领域。
背景技术：
乙炔加氢反应器是乙烯装置中的重要设备，对乙烯生产的数量和质量具有举足轻重的作用，其控制效果直接影响乙烯收率的提高和后续工序的操作稳定。为了控制好该反应器，必须及时测得反应器出口的乙炔浓度，根据反应器出口的乙炔浓度对反应器进行推断控制。由于反应器二段出口已有在线分析仪来分析反应器二段出口乙炔和氢气浓度，分析仪的时滞为3分钟，因此，对该乙炔加氢系统而言，根据需要，不对反应器建立二段出口乙炔浓度的软测量模型。乙炔加氢反应器出口产品的质量指标是二段出口乙炔浓度小于5ppm，其它的成份不作定量指标要求，但该系统最主要的加氢任务在反应器的一段，一段出口乙炔浓度对反应器的控制具有十分重要的作用，同时，一段出口没有在线分析仪，每天仅有一个人工分析值(目前情况)，有时一天有三个分析值，而且分析结果要2个小时以后才能得到，这根本不能用于实时控制。为了控制好乙炔加氢反应器，需要建立反应器一段出口浓度的软测量模型。
目前国内乙烯装置大都采用集散控制系统(DCS，Distributed Control Systems)的基本控制功能对生产过程进行监控，这些基础控制系统保障了生产装置的安全运行，但不能使其工作在最优操作状态。因此，为了充分发挥乙烯装置中DCS和操作设备的潜力，有效地利用原料和能源，增加装置的经济效益，结合乙炔加氢反应器生产过程的工艺操作特点，建立反应器一段出口乙炔浓度的在线软测量模型，为加氢反应器的平稳控制提供指导信息，该发明具有极其重要的实用价值。
发明内容
本发明所述的在线软测量方法是选择影响加氢反应器一段出口乙炔浓度的工艺操作参数——反应器进料中的碳二馏分流量、一段氢气量以及反应器温差，并将其归一化，然后利用学习好的神经网络模型进行计算，模型输出值经过反归一化后，加氢反应器一段出口乙炔浓度的人工分析值对反归一化后的模型输出进行在线校正，从而得到加氢反应器一段出口乙炔浓度的实时软测量值。同时为加氢反应器的平稳控制提供有利的依据。
乙炔加氢反应器一段乙炔含量神经网络软测量模型的建立由于三层以上结构的反向传播(Back Propagation，BP)神经网络具有映射任意非线性函数的功能，为此，这里采用BP神经网络来建立加氢反应器一段出口乙炔浓度的神经网络软测量模型。
在DCS中获取影响加氢反应器一段出口乙炔浓度的工艺参数，包括进料中的碳二馏分流量、一段氢气量以及反应器温差；选取加氢反应器一段出口乙炔浓度对应时刻的人工分析值作为神经网络模型的输出变量。
将进料中的碳二馏分流量、一段氢气量、反应器温差以及加氢反应器一段出口乙炔浓度对应时刻的人工分析值数据进行归一化处理，归一化范围可以选取为
、[-0.5，0.5]，[-1，1]等，这里将其归一到
之间。归一化方法如下x＝(X-a)/((b-a)*0.6+0.2其中，X为各输入变量的实际测量值，x为归一化后各输入变量的数值，[a，b]为X的量程范围。
在神经网络模型中，输入层的节点数为i(i＝3)，中间层的隐层层数为L(L＝1～100)，各隐层节点数为j(j＝2～100)，输出层节点为k(k＝1～100)。
利用DCS系统采集到的工业现场数据(如取400组数据)以及加氢反应器一段出口乙炔浓度的人工分析值，每组数据包括进料中的碳二馏分流量、一段氢气量，反应器温差，加氢反应器一段出口乙炔浓度对应时刻的人工分析值，构成加氢反应器一段出口乙炔浓度软测量模型的学习样本。将上述采集的若干组数据分成两部分，一部分作为训练样本，另一部分数据作为预测样本，选择3×4×1结构的前向BP神经网络，其结构见图1所示。通过对样本的训练和预测，最后得到误差较小的一组权值。将计算出的神经网络输出进行反归一化，得到具有工程意义的加氢反应器一段出口乙炔浓度软测量值。
在上述神经网络建模过程中，可以根据对模型精度的要求，选取不同的隐层层数及隐层节点数目；一般来说，适当范围内的增加隐层层数及其节点的数目，会相应提高模型精度。
在DCS的应用模块/先进过程管理模块(AM/APM，Application Module/Advanced ProcessManager)上程序流程实现控制语言的编制，通过数据的实时、连续采集，就能得到乙炔加氢反应器乙炔出口浓度的实时软测量值。
将上述加氢反应器一段出口乙炔浓度神经网络软测量模型直接应用于工业装置的实时预测，由于实际工业生产过程中存在的干扰因素很多，该软测量值与加氢反应器一段出口乙炔浓度的人工分析值不可避免地要产生一定的偏差。为此，可根据人工分析值，对软测量模型进行在线校正，使软测量模型适应工业过程操作特性的变化和生产工况的迁移。
图1为加氢反应器一段出口乙炔浓度神经网络模型软测量框图。
该模型有3个输入变量，输入变量经过归一化后，带入已经训练好的神经网络模型进行计算，得到的网络输出值经过反归一化处理后，即得到加氢反应器一段出口乙炔浓度的在线软测量值。其中神经网络输入层的节点为i(i＝3)，中间层的隐层节点为j(j＝4)，输出层节点为k(k＝1)。
具体实施例方式
下面结合实施例对本发明作进一步的阐述实施举例首先在DCS中获取影响加氢反应器一段出口乙炔浓度的主要工艺操作参数进料中的碳二馏分流量、一段氢气量、反应器温差，以及对应时刻的加氢反应器一段出口乙炔浓度人工分析值，并将这些数据归一化到
的范围，归一化的方法如下x＝(X-a)/((b-a)×0.6+0.2其中，X为输入变量，[a，b]为X的量程范围，x为归一化后的输入。进料中的碳二馏分流量的量程范围取为[50000，80000]、一段氢气量的量程范围取为[500，1100]，反应器温差的量程范围取为[20，50]，加氢反应器一段出口乙炔浓度的量程范围取为
。
从工业运行装置上获取500组实时数据，每组数据包括当前时刻的进料中的碳二馏分流量、一段氢气量，反应器温差以及当前时刻的加氢反应器一段出口乙炔浓度人工分析值，以加氢反应器一段出口乙炔浓度的人工分析值作为目标值。将前250组数据作为训练样本，后250组数据作为预测样本。得到训练及预测误差较小的一组权值；这里，神经网络输入变量为3个，选取隐层节点数目为4个，输出变量为1个。
这里，输入层的节点为i(i＝1-3)，中间层的隐层节点为j(j＝1-4)，输出层节点为k(k＝1)，则经过训练后，得到下列一组权值w11＝-1.7506 w12＝6.2821 w13＝-4.6085w21＝-5.2236 w22＝-3.5103 w23＝1.8344w31＝5.6512 w32＝-3.4649 w33＝-1.8150
w41＝1.2358 w42＝-3.6592 w43＝-4.3474ww1＝2.4317 ww2＝-1.9016 ww3＝-2.9150 ww4＝4.6909b1＝3.3748 b2＝4.9617 b3＝-2.2651 b4＝3.1493bpb1＝-4.6886(其中wij为第i个节点到第j个节点的权值；wwj为中间隐层第j个节点到输出层第k个节点的权值；bj为中间隐层第j个节点的阈值；bpbk为输出层节点的阈值)以上为离线仿真过程，在装置的实时运行中，则需要在DCS系统的AM/APM(APPLICATIONMODULE/ADVANCED PROCESS MANAGER)上实现上述过程控制语言的编制，通过DCS系统过程数据(这里指模型中各输入变量数据)的实时、连续采集，将训练好的权值及阈值带入并进行计算，就能得到乙炔加氢反应器一段出口乙炔浓度的实时软测量值；此时得到的乙炔加氢反应器一段出口乙炔浓度数值在
之间，利用(1)式，进行反归一化处理，得到乙炔加氢反应器一段出口乙炔浓度实际值。
Y＝(nY-0.2)/(0.8-0.2)×0.5 (1)如选取的模型输入变量进料中的碳二馏分流量为LC＝65000m3/h，一段氢气量为LH＝800m3/h，反应器温差为DT＝35℃(TIN＝40℃，TOUT＝75℃)，归一化后，数值分别为0.5，0.5，0.5，则通过神经网络模型计算net1＝w11×LC+w12×LH+w13×DT+b1(2)net2＝w21×LC+w22×LH+w23×DT+b2(3)net3＝w31*LC+w32*LH+w33*DT+b3(4)net4＝w41*LC+w42*LH+w43*DT+b4(5)out1＝1/(1+exp(-net1)) (6)out2＝1/(1+exp(-net2)) (7)out3＝1/(1+exp(-net3)) (8)out4＝1/(1+exp(-net4)) (9)net5＝ww1*out1+ww2*out2+ww3*out3+ww4*out4+bpb1 (10)
out5＝1/(1+exp(-net5))(11)out6＝(out5-0.2)*5/6 (12)带入权值、阈值到(2)～(12)时，out6即为神经网络模型计算得到的乙炔加氢反应器一段出口乙炔浓度的实时预测值。
上述要求的条件在乙烯装置加氢反应器中均能满足，因此该发明具有普适性。
权利要求
1.一种乙炔加氢反应器一段出口乙炔浓度的在线软测量方法，利用进料中的碳二馏分流量、一段氢气量及反应器温差的检测数据和DCS系统，采用BP神经网络模型，建立了乙炔加氢反应器一段出口乙炔浓度的软测量系统，通过DCS系统中过程数据的实时、连续采集，将训练好的权值及阈值带入模型并进行计算，即可得到乙炔加氢反应器一段出口乙炔浓度的实时软测量预测值。
2.如权利要求1所述的在线软测量方法，其特征在于，选取进料中的碳二馏分流量、一段氢气量及反应器温差作为神经网络模型的输入变量。
3.如权利要求2所述的在线软测量方法，其特征在于，对上述各变量进行归一化处理；进料中的碳二馏分流量的量程范围取为[50000，80000]、一段氢气量的量程范围取为[500，1100]，反应器温差的量程范围取为[20，50]。
4.如权利要求1所述的在线软测量方法，其特征在于，其中所述神经网络模型中，输入层的节点数为i、中间层的隐层层数为L、各隐层节点数为j、输出层节点为k，其中i＝3、L＝1～100、j＝2～100、k＝1～100。
5.如权利要求1所述的的在线软测量方法，其特征在于，软测量值可每隔一段时间用加氢反应器一段出口乙炔浓度的人工分析值对软测量模型进行在线校正。
全文摘要
本发明公开了乙烯装置加氢反应器一段出口乙炔浓度的在线软测量方法，其通过选取影响加氢反应器一段出口乙炔浓度变化的几个关键变量——进料中的碳二馏分流量、一段氢气量以及反应器温差作为软测量模型的输入变量，在乙烯生产装置DCS系统平台上，采用神经网络模型，通过过程数据的实时、连续采集和实时计算，对加氢反应器一段出口乙炔浓度进行在线软测量。
文档编号G01N33/00GK1693892SQ20051002504
公开日2005年11月9日 申请日期2005年4月13日 优先权日2005年4月13日
发明者钱锋, 李绍军, 吴斌 申请人:华东理工大学