90、基于神经网络的原油蒸馏工艺参数优化及间歇过程神经网络建模方法

基于神经网络的原油蒸馏工艺参数优化及间歇过程神经网络建模方法

一、基于神经网络的原油蒸馏工艺参数优化

1. 引言
   在当今激烈的市场竞争中，企业高度关注过程优化问题。对于炼油厂的常压和减压蒸馏装置，传统的优化策略多基于过程的机械模型，通过代数和微分方程描述生产装置的运行状态，再依据优化目标使用特定算法搜索最优操作参数。然而，由于生产装置、过程和技术的复杂性，优化目标建模困难，得到的优化工艺参数往往并非系统的最优解。而且不同装置的机制和生产技术不同，模型的适用性较差。

随着炼油厂管理信息系统（MIS）的建立和完善，计算机技术引入生产管理带来了大量生产过程数据。这些数据能直接反映生产情况，通过收集、整理和分析数据，可获取调整生产过程和制定管理决策的依据。基于现场收集的操作数据，综合运用人工神经网络（ANN）和遗传算法（GA）对炼油厂常压和减压蒸馏装置的轻油收率进行优化，取得了满意的结果。
2. 基于神经网络的系统模型
- 优化目标 ：原油蒸馏是石油炼制的首要环节，提高轻油收率既能增加产量，又能降低后续处理过程的运营成本。轻油收率是炼油厂实现利润最大化的重要经济指标。在常压蒸馏条件下，轻油收率是指在保证产品质量的前提下，蒸馏塔塔顶至第三侧线产品总量与进料原油的比例。其数学描述为：
[f_G = 100\% \times \frac{\sum_{k} P_k}{\sum_{j} F_j}]
其中，(P_k) 是产品 (k) 的产量，(F_j) 是第 (j) 种原料。当原油进料流量和组分稳定时，优化轻油收率等价于优化轻油产量，即