杨文剑，张 洋，张小庆，周晓龙

(华东理工大学石油加工研究所，上海 200237)

集总动力学-BP神经网络混合模型用于预测延迟焦化装置液体产品产率

杨文剑，张 洋，张小庆，周晓龙

(华东理工大学石油加工研究所，上海 200237)

建立了延迟焦化过程模型对不同性质原料和操作条件下的液体产品产率进行预测，可实现生产参数调优，进一步提高延迟焦化装置的经济效益。以某炼油厂1.4 Mt/a延迟焦化装置为研究对象，从十一集总动力学模型出发，建立了动态平衡假定下反应器数学模型，选取机理模型计算结果和关键位点历史数据为BP神经网络输入，针对延迟焦化液体产品构建了十一集总动力学-BP神经网络串联混合模型。以焦化柴油产率预测为例，分析了混合模型的预测效果，并与单一机理模型和BP神经网络经验模型进行对比。对比结果表明，3种模型中混合模型预测精度最高，受原料物性和操作条件波动影响小，其预测结果的均方根误差、平均绝对误差和平均相对误差分别为0.751百分点，0.524百分点，2.01%。

集总动力学 神经网络 混合模型 延迟焦化 产率预测

近年来采出原油日益重质化，导致一次加工所得常减压渣油产量上升，轻质燃料油产量下降，为满足市场需求，需对常减压渣油进行深度加工以获取高价值的轻质燃料油。延迟焦化工艺基于渣油热裂解原理生产轻质燃料油，具有技术成熟度高，投资、操作费用低，原料适应性好和原料转化深度高等特点，在解决重油轻质化问题方面具有独特的优势[1]。……