摘 要

软测量技术作为先进控制系统的重要内容，已被广泛研究与应用。对于石油炼化企业，软测量技术可代替在线分析仪和离线化验，并用于指导生产。本文利用RBF神经网络建立了原油常减压装置中油品干点和凝点的软测量仪表，决解了关键油品性质的测量问题。

本论文开展了以下几项工作：首先利用流程模拟软件Aspen Plus对常减压蒸馏装置进行稳态和动态模拟，运行并采集数据得到初始样本；然后根据遗传算法和粗糙集理论，并结合机理分析，从24个过程变量中筛选出14个变量作为建模的辅助变量；最后利用RBF神经网络建立了以辅助变量为输入、干点和凝点为输出的软测量模型，并通过Simulink工具建立仿真实验，模拟在线运行的情况。结果表明所建立的软测量模型精度较高，可以用于油品的分析以及指导工艺操作

关键词：常减压蒸馏装置；流程模拟；RBF神经网络；软测量仪表

Abstract

Soft measurement technology as an important part of advanced control system has been widely studied and applied. In oil refining enterprises, Soft-sensing technology can be used as a replacement of the online analyzer and offline analysis to guide the process operation, and used to guide the production. In this paper, the RBF neural network is used to establish the soft measuring instruments of the dry point and the freezing point of the crude oil of the crude oil decompression device, and which realized the online measurement of oil properties.

In this paper, the following work is carried out: Firstly, the steady-state and dynamic simulation of the atmospheric and vacuum distillation unit are carried out on Aspen Plus. The initial samples are run and collected. Then using the genetic algorithm and rough set theory, that combined with the mechanism analysis, 14 variables were selected from 24 process variables as auxiliary variables for modeling. Finally a soft sensor model Used for predict products dry points and freezing point was established by RBF neural network. Simulation experiments were carried out by Simulink. The results show that the established soft-sensing model has high accuracy and can be used for oil analysis and guidance of process operation.

Key Words：Crude oil distillation unit; process simulation; RBF neural network; soft-sensor

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 课题背景及意义 1

1.2 软测量技术 2

1.2.1 软测量的原理 2

1.2.2 软测量技术的应用与发展 2

1.3 常减压蒸馏装置建模技术 3

1.4 本文主要研究内容 4

第2章 常减压蒸馏装置的建模 5

2.1 常减压装置工艺 5

2.1.1 初馏塔工艺流程 5

2.1.2 常压塔工艺流程 6

2.2 Aspen Plus流程模拟软件介绍 6

2.3 常减压蒸馏装置的稳态建模 6

2.3.1 工艺流程 7

2.3.2 物性方法 7

2.3.3 原油参数 8

2.3.4 进料流股及单元模块参数 9

2.4 原油蒸馏装置的动态建模 10

2.4.1 压力设备工艺参数与塔设备水力学参数 10

2.4.2 动态模拟添加控制器 11

2.5 模拟结果分析 12

2.5.1 稳态模拟结果 12

2.5.2 动态模拟结果 16

2.6 本章小结 17

第3章 基于粗糙集的数据预处理 18

3.1数据样本的采集 18

3.2粗糙集与遗传算法 18

3.2.1粗糙集理论 19

3.2.2遗传算法 20

3.3遗传算法与粗糙集在辅助变量选择中的应用 21

3.3.1基于遗传算法的属性约简算法 22

3.3.2数据处理 23

3.3.3属性约简 25

3.3.4修正约简后的辅助变量 26

3.4本章小结 28

第4章 基于RBF神经网络的油品质量软测量建模 29

4.1软测量模型建模的方法 29

4.2RBF神经网络 29

4.3RBF神经网络的训练方法 30

4.3.1随机选取固定中心 30

4.3.2自组织选取中心 31

4.3.3有监督选取中心 32

4.4基于RBF神经网络建立软测量仪表 32

4.3.1初馏塔轻质石脑油干点软测量模型 32

4.3.2常压塔油品质量软测量模型 34

4.5基于Simulink的软测量模拟 38

4.6本章小结 40

第5章 结束语 41

5.1总结 41

5.2展望 41

参考文献 43

致 谢 46

第1章 绪论

1.1 课题背景及意义

石油化工行业是我国重要的国民基础行业[1]。在这几十年里，我国的石油化工行业发展迅速，已具有了相当的规模，原油加工能力位于世界第二位[2]。在高新技术方面的应用研究与实践上，也逐渐向国外发达国家看齐。但由于国内炼油企业较多，技术水平参差不齐，先进技术的应用尚未普及，因此在生产效率、经济效益、产品质量和环境保护方面尚有一定的差距。随着计算机和现代控制理论的等学科的进步与发展，石油化工行业迎来了新的发展平台，合理高效的利用计算机等高新技术为石油化工企业挖潜增效，成为企业可持续发展的重点[3]。

石油加工是一个高度耦合，相互制约的非线性系统，其中进行原油加工的常减压蒸馏装置非常具有代表性，被称为石油化工行业的龙头装置[4]。常减压蒸馏通过热加工将原油分割成不同馏程的馏分，得到一定馏程的直馏汽油、煤油以及一部分轻烃，这些馏分一部分直接作为产品售卖，剩余的大部分则会送到石油加工的其他部门作为生产原料，例如催化裂化、催化重整工段，经反应调配后得到不同的产品。常减压蒸馏工段的拔出率、产品质量、效率和稳定性影响着整个石油加工过程的稳定性、产量、产品质量和经济效益情况。同时，常减压蒸馏装置非常消耗能源，约消耗掉整个炼油总能的25%-30%，降低原油蒸馏装置的能耗对整个炼油厂具有重要的意义[5]。采用先进控制技术和优化技术对原油蒸馏装置进行控制和优化能够保证装置的长期稳定运行，减少能源消耗，节约成本提高生产效益[6]。