一、原油蒸馏过程的建模与优化控制（论文文献综述）
汪会,潘海鹏,张益波[1]（2021）在《间歇生产过程的优化方法和控制策略综述》文中认为间歇生产过程是流程工业的重要组成部分,因其特有的灵活性和高效性,被广泛应用于食品、化工、制药、冶金、造纸等行业,其优化与控制问题也被广泛的研究.间歇生产过程的非线性和重复性,给优化和控制既带来了机遇又带来了挑战.本文总结了近三十年来间歇生产过程常用的优化方法和控制策略,并且从间歇生产过程的特性出发,分析了优化和控制的难点,讨论了未来可能的发展方向.
王建平,王乐[2]（2021）在《流程工业生产过程优化技术发展趋势探讨》文中研究说明流程工业在国民经济中是占主导地位的行业,其发展状况直接影响国家的经济基础。流程行业,特别是石油化工行业因其生产过程连续、生产工艺复杂、生产环境苛刻、产品结构复杂、对公用工程的供应和设备的自动化要求比较高等特点,其对生产过程的优化提出更高的要求。在分析石油化工行业生产过程特点和优化需求的基础上,对行业生产过程优化的未来发展方向进行探索,认为如在线实时优化、分子管理和分子炼油、基于机理的动态仿真、区域优化和全厂动态优化以及结合大数据和人工智能的生产决策优化技术等将会是将来的重点发展方向,这些技术领域的突破和国产化进程,将会促进生产过程的智能化,为实现流程企业"安、稳、长、满、优"生产,提升企业的盈利水平和竞争力提供重要的保障,为生产企业的数字化转型提供重要源动力。
刘方旭[3]（2020）在《基于Aspen HYSYS的常减压装置动态流程模拟研究》文中研究表明常减压工艺流程作为石油炼化企业的龙头,是一个大型的连续化生产过程,其仿真模拟与控制优化都需要在流程模拟的基础上进行。由于整个流程的结构较为复杂且参数众多,出于实际生产的角度,对常减压蒸馏流程的稳态与动态模拟研究很有必要。本文针对常减压蒸馏流程中的实际应用问题,对整个常减压蒸馏流程进行仿真模拟。以化工流程模拟软件Aspen HYSYS作为开发平台,基于某石化一套常减压流程的生产数据建立其机理模型,将整个流程分为三个塔流程部分进行模拟。将产品的ASTM D86馏点温度同实际工艺数据进行对比,确保了稳态模拟的合理性,并对模型进行选型、添加、设置、数据输入和收敛调试,从而建立稳态模型。以实际现场数据为依据将模拟结果与实际工况进行比较,对稳态模拟结果进行一定的分析。在稳态模拟的基础上,根据动态模拟的要求,对各个设备进行尺寸核算和对部分存在物流与模型进行规定参数的改动,完成由稳态模型向动态模型的转化。并在塔模型中添加合适的控制回路,施加不同的控制方案,对各个控制器进行了PID参数整定。考察初馏塔、常压塔关键变量的动态变化。通过对常减压装置的动态模拟,保证产品质量,为装置的稳定生产提供一个动态操作模型。最后,本文从模型选型、原油定义、稳态模拟和动态模拟这些方面对本次研究进行分析和总结。可以得出,原油定义贴合实际工艺,模型选型与模拟要求契合,在此基础上所建立的稳态模型的模拟效果良好,动态模型运行稳定,控制器运行和模型模拟效果均比较理想。
王峥[4]（2019）在《常压蒸馏过程单位能耗拔出率软测量与优化研究》文中认为炼油工业是一个高能耗产业,炼油过程复杂,能源消耗巨大,尤其是常减压蒸馏过程是炼油工业中生产力最强、能耗最大的核心生产过程。因此,开展炼油常减压过程能效评估和最优控制方法的研究,对于石化企业实现节能减排,提高能源利用效率,具有重要的理论和实际意义。本文以国家863项目《面向石化工业能效监测评估及优化控制技术与系统》为依托,在现有的三级能效指标体系研究基础上,提出以单位能耗拔出率为指标的能效评估新方法,建立软测量模型和优化控制策略,为石化企业更加有效地开展能效评估,提高能源利用率提供了理论和技术。本文主要研究内容如下:（1）炼油过程具有工艺复杂、生产流程长、生产过程消耗的能源和物料种类多样化等特点,本文结合常压过程能量流、物料流的实际情况,综合考虑了常压过程中能源消耗、原料投入和产品产出等相关因素,建立了新的常压过程能效评估指标—单位能耗拔出率,合理地评价常压生产过程的能源利用效率。（2）炼油工业中通常运用工业色谱仪在线测量常压侧线产品产量,由于其设备投资消耗大、运行成本高,因此,本文提出采用软测量方式对单位能耗拔出率进行在线监测。常压生产过程工况复杂,现有处理单一工况、单一模型的方法预测误差过大,本文提出了基于FCM工况划分的单位能耗拔出率软测量模型。根据工艺和反应机理,采用FCM算法对炼油常压过程进行工况划分,并用PCA对影响单位能耗拔出率的主要参数进行筛选,确定输入变量,并对每个工况采用IPSO优化的LSSVM算法分别建立预测子模型。通过实际生产数据进行验证,本文所建立的软测量方法具有更高的预测精度,可以准确地监测常压过程能效变化,并为常压过程能效优化奠定了基础。（3）炼油常压过程的能效水平是影响炼油企业生产效益的重要因素。为了提高常压过程能源利用率,本文提出了以单位能耗拔出率最大为优化目标的最优控制方案,选择出口温度和常顶温度作为优化的操作变量,建立优化控制模型,采用IPSO算法进行求解,得出了常压塔最佳出口温度和最佳常顶温度。优化结果表明,该控制策略有效地提高了企业的能源利用率,达到节能降耗的目的。
何馨[5]（2018）在《基于数据的原油蒸馏装置的用能分析》文中研究指明原油蒸馏装置是炼油工业中首道且极为重要的一道工序,其为下游工序提供多种生产原料的同时也是石油化工业中能耗最大的装置之一。因此,对原油蒸馏装置进行用能分析,建立有关能耗与收益间的能效指标对于石化企业的节能降耗至关重要。本文主要完成了以下工作:首先,建立了无线数据采集网络平台,为后续工作的进行提供必要的数据支持;其次,分析了某炼厂500万吨每年的常压蒸馏装置的主要工艺流程、混合原油的性质以及各种产品的性质,使用Aspen Plus仿真模拟软件对该装置进行了稳态模拟,为建立装置能耗与收益间的关系做铺垫;再次,依托无线数采平台的数据记录,对该炼厂常压蒸馏装置进行年单位对比能耗的计算,并对整年平均的燃料、耗能工质的月能源消耗结构进行详细分析,选取单位对比能耗相差较大的两个月份数据分析影响能效的关键耗能介质,为生产计划的优化提供数据支撑;最后,在装置流程模拟并满足产品油质量指标的前提下,调节装置的关键工艺参数,建立了加热炉热负荷与装置总拔出率间的能效关系,为生产装置的设计、改造及生产计划的调整做指导。
黄小侨[6]（2018）在《基于沥青生产的常减压过程模拟及排产计划优化研究》文中指出常减压蒸馏法是最简单和低成本的道路沥青生产工艺,约70～80%的道路沥青生产采用此工艺。炼化行业面临着资源短缺、产品质量、环保监管及经济效益等方面挑战,作为炼油工艺的第一道工序,常减压蒸馏综合能耗占比大,如何降低常减压过程能耗、减少二氧化碳排放量和提高经济效益受到了炼油企业的密切关注。本文基于现有的常减压蒸馏流程、排产及换热网络综合优化的研究基础,提出了新的常减压流程多目标优化策略、排产优化模型和换热网络综合优化策略,对基于沥青生产的重质油混炼过程进行流程优化、排产优化和换热网络综合研究,具体内容如下。根据常减压蒸馏工业装置的生产数据、原油实沸点（TBP）数据和原油窄馏分性质数据,在Aspen Plus平台建立重油混炼常减压生产过程模型。该模型既考虑原料和产品性质对总拔出率和产品分布的影响,也考虑了具体设备和操作参数的影响,对基于沥青生产的重油炼制过程描述具有更好的准确性。在此基础上,回归得到了某公司各个炼厂的生产过程模型,研究结果表明,该模型在计算总拔出率和产品分布上更加准确。对基于沥青生产的常减压炼油过程进行了多目标优化研究。以经济效益最大、加热炉能耗最小和CO2排放量最小为目标,通过Matlab调用多目标遗传优化算法NSGA-II对常减压蒸馏装置进行优化。结果表明,初始工况的操作条件并不是最优的,在保证产品指标符合设计规定的前提下,优化后的炼厂可以提高25.71%的经济效益。对单炼厂和包括四个炼厂的公司进行重油混炼优化排产,建立了非线性工厂级排产优化模型和混合整数非线性公司级排产优化模型。工厂级排产优化模型以吨效益最大为目标,能够在原油价格变化、产品价格变化、市场需求变化、运输、库存及生产过程等条件约束下,对重油混炼比进行优化,并给出优化的排产方案。公司级排产优化模型结合公司级原料分配、产品分配和经济模型,根据市场情况和各炼厂生产能力,统一优化分配公司内资源和产品,提高公司整体效益。对单炼厂和包括四个炼厂的公司,利用1STOPT、VC、office等开发工具,开发了工厂级和公司级的优化排产软件并达到了实用化水平。利用该软件,对各炼厂进行了工厂级排产优化,确定了单炼厂优化混炼比,分别为0.4（A原油的质量分数/wt%,下同）、0.84、0.3和1.0;同时研究了原料价格变化对最优混炼比的影响,即随着原油A价格升高,其在各厂的最优混炼比占比逐渐降低,但不同工厂变化趋势不同。通过公司级优化,确定了各炼厂生产负荷及沥青产品跨区域销售情况,研究表明在市场受限情况下,吨效益较差的炼厂生产负荷会降低,对应的销售区域沥青市场需求可通过跨区域调配来满足;通过公司级优化获得的总收益与工厂级优化获得的总收益相比可提高11.6%。针对固定及变工况两种情况下的重油混炼装置换热网络综合问题分别发展了不同的综合策略。对固定工况下的重油混炼换热网络,建立了基于粒子群算法的换热网络优化模型,即采用无分流分级超结构模型作为换热网络的过程模型;针对优化求解时存在等式约束和不等式约束、连续和非连续变量多,非线性、非凸、不连续的问题,提出了粒子群算法求解策略,这一新优化策略将需要双层优化的混合整数非线性规划（MINLP）问题转化为单层非线性规划（NLP）问题,既能涵盖最优的换热网络结构,又简便易行。本文还对三个典型的换热网络算例进行了优化,结果表明新优化策略可有效降低换热网络费用,粒子群算法也具有较好的全局收敛特性。考虑到变工况换热网络综合对换热器的柔性要求,采用最大换热量、最大冷公用工程用量和最大热公用工程用量三种极限操作工况来进行能量综合这一新的优化策略。选取最大换热量工况作为基准工况,首先计算得到优化换热网络和换热器面积,并以此换热网络结构为基础,逐步计算另外两种极限工况。对实际炼厂进行了变工况的换热网络综合,采用夹点分析确定了三种极限操作工况,结果表明采用最大换热工况→最大冷公用工程工况→最大热公用工程工况的计算顺序,可以使各工况的年费用最小。通过与其他计算顺序比较,表明本文提出的优化顺序是有效的。
冯振湘[7]（2018）在《原油蒸馏装置的非线性模型预测控制方法》文中研究指明原油蒸馏装置是炼油工业中第一道也是极为重要的一道工序,原油蒸馏装置不仅为下游工序提供了多种的生产原料同时也是炼油工业中能耗最大的装置之一。因此,提高原油蒸馏装置的控制性能以及增加过程的经济收益对于石化企业的长期运行而言是至关重要的。为了提升原油蒸馏装置的动态性能和经济效益,本文主要完成了以下工作:首先分析了原油蒸馏装置的主要工艺流程、原油的性质以及各种产品的性质,并且使用Aspen仿真模拟软件对某原油蒸馏装置进行了稳态模拟和动态模拟。模型预测控制方法的有效性很大一部分取决于预测模型的好坏。因此为了获得有效的预测模型同时降低模型的复杂程度,本文采用了基于支持向量回归的预测模型来描述原油蒸馏装置的动态特性,其形式简单并且有良好的预测效果。.考虑到现有模型预测控制方法面对原油蒸馏装置强耦合特性所表现出的缺陷,本文提出了一种带有耦合权重因子的改进的非线性模型预测控制算法提升了非线性模型预测控制在原油蒸馏装置上的控制性能。为了解决PID控制器无法直接考虑经济效益这一问题,本文给出了一种带有经济指标的非线性模型预测控制算法,在保证控制性能的前提下实现了经济效益的提升。本文通过多个仿真实验验证了改进的非线性模型预测控制算法和经济模型预测控制算法的有效性。
钱欣瑞[8]（2017）在《基于NARX神经网络的油品性质软测量与实时控制研究》文中研究表明原油蒸馏作为石油炼化过程中的第一道工序,影响着整个炼化过程的产品质量、收率和能耗。为了提升石化企业效益与竞争力,炼化企业正在大力推广面向原油蒸馏的先进控制技术。该技术可以有效提高原油蒸馏装置的生产效率,在保证产品质量的情况下,增加产品收率,提高生产过程稳定性,减少能源浪费。先进控制实施过程中,需要获得关键油品性质的实时数据,而现阶段的在线分析仪与离线化验分析不能满足实时检测的要求。以神经网络为代表的模型辨识技术,通过建立软测量仪表可及时对所需油品性质进行预测,为先进控制方案的实施奠定了基础。本文运用NARX神经网络,建立了油品性质的软测量仪表,针对该仪表使用过程中存在的“大误差点”提出了改进方案。在此基础上利用NARX神经网络线性化控制实现了油品性质的实时控制。本文主要工作如下:（1）介绍了油品性质软测量与实时控制的研究背景与意义。从非线性模型理论与神经网络的角度,介绍了NARX神经网络技术的发展历程,简述了NARX神经网络的应用;（2）建立了原油蒸馏装置初馏塔与常压塔的稳态与动态模型,作为实际工厂装置的替代。详细介绍了Aspen Plus与Aspen Dynamics建立原油蒸馏装置模型的过程,并通过调整模型参数使模拟结果与实际工况吻合。在动态模拟中建立了基本的控制回路,用以进行后续实验;（3）提出了一种基于NARX神经网络的软测量仪表以预测油品难以直接测量的关键性质。提出多步预测修正算法可有效消除预测中存在的“大误差点”,并明显降低预测结果的均方误差。仿真试验结果表明,所提出软测量仪表的预测结果优于传统闭合NARX神经网络的结果;（4）将NARX神经网络线性化控制方法用于油品性质的实时控制。提出限幅修正方法,以减小控制过程中的系统余差。三种不同情形的仿真实验表明,该方法可以有效减小系统余差,且变参修正将缩短系统的调节时间。
黄文[9]（2011）在《原油蒸馏系统的建模仿真与操作优化研究》文中研究说明原油蒸馏系统是炼油加工的第一道工序,是原油深度加工的基础,其生产操作的稳定性、控制手段的可靠性、管理技术的先进性,对炼油企业的产品收率、质量、原油的有效利用以及企业的效益都有重要影响。本文首先介绍了原油的组成及评价方法,并阐述了原油实沸点蒸馏曲线的拟合、特征化、物性计算,常减压蒸馏塔模拟模型的建立、求解、模型参数在线修正等关键技术,建立了原油蒸馏系统的稳态模型。用某炼油厂常减压蒸馏装置的实际操作数据对模型的进行了测试,验证该模型具有较好的模拟精度和运算速度,能够预测原油蒸馏塔的实际工艺状态。然后在已有稳态模型基础上对操作参数做敏感性分析,得出了常压炉炉口温度、塔底汽提蒸汽和各侧线产品抽出量等操作参数对产品质量或拔出率的影响结果,并以此为依据,以产品质量工艺卡和蒸馏塔操作工艺作为约束条件,利用粒子群算法对装置进行寻优。优化结果表明：在各产品质量指标得到保证的前提下,通过对操作变量进行调整,原油收率提高,实现了优化的目标。
向虎[10]（2007）在《常压蒸馏塔非线性多变量系统软测量技术与建模研究》文中研究指明本文是针对中石油克拉玛依石化分公司蒸馏装置（Ⅰ套）常压塔先进控制要求进行的，主要探讨了两方面的问题：采用神经网络建立常压塔各侧线闪点和粘度的软测量仪表；基于遗传算法和神经网络的常压塔侧线温度非线性多变量系统建模。在掌握工艺机理、工艺流程和原油蒸馏原理的基础上，分析了影响闪点和粘度的各种因素，从而建立了基于遗传算法优化的径向基神经网络（Radial Basis Function，RBF）常二线闪点、常三线闪点和常三线粘度的软测量仪表。利用遗传算法离线优化RBF软测量模型的初值，然后利用梯度下降法在线调整软测量模型，由此确定RBF网络的节点中心矢量C、基宽向量B、权值向量W，克服了RBF网络参数难以确定的问题和遗传算法实时性差的弱点，充分发挥了梯度下降法的快速性。从MATLAB仿真训练曲线和检验曲线看，软测量仪表达到了较高的精度，满足工程要求。克石化公司以高级变压器油和润滑油作为特色产品，国内能满足航天要求的变压器油和润滑油多产于此，但常压塔侧线温度多变量系统耦合严重，实际生产中通常采用的是开环控制，故能满足航天要求的特种油品产量很低。为提高特种油品的产量，常压塔侧线温度非线性多变量系统建模与控制精度急需提高。本文采集常压塔开环运行状态下的相关数据，建立了基于遗传算法优化的RBF神经网络常二线、常三线温度与常二线、常三线抽出量之间的非线性多变量动态模型，并与目前国内外广泛应用的机理模型进行了对比，说明了所建模型优于目前国内外广泛应用的机理模型；在分析对角递归神经网络（Diagonal Recurrent Neural Network，DRNN）、自适应控制技术的基础上，提出了基于DRNN神经网络的PID自校正解耦控制器设计方法，为后续的常压塔侧线温度多变量控制研究奠定了坚实的基础。
二、原油蒸馏过程的建模与优化控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、原油蒸馏过程的建模与优化控制（论文提纲范文）
（2）流程工业生产过程优化技术发展趋势探讨（论文提纲范文）
| 1 前言 |
| 2 炼化企业优化需求分析 |
| 3 生产过程优化发展趋势分析 |
| 3.1 在线实时优化(RTO)将成为装置优化的最高阶段，未来五年必将迎来蓬勃发展 |
| 3.2 分子管理与分子炼油是当今炼油化工重要发展方向 |
| 3.3 区域优化或全厂动态优化是APC应用的发展趋势 |
| 3.4 流程模拟技术和计划优化(PIMS)集成，使全局优化又快又准，应用前景广阔 |
| 3.5 基于机理模型和动态模拟技术的仿真培训(OTS)仍将有较大的市场 |
| 3.6 大数据技术必将在能源行业带来广泛应用，结合流程模拟技术，为生产决策提供最可靠支撑 |
| 3.7 人工智能是制造行业新一轮科技革命和产业变革的重要驱动力 |
| 4 结语 |
（3）基于Aspen HYSYS的常减压装置动态流程模拟研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1.绪论 |
| 1.1 课题的背景及意义 |
| 1.2 原油常减压蒸馏工艺概述 |
| 1.2.1 原油蒸馏工艺简介 |
| 1.2.2 常减压蒸馏过程控制概述 |
| 1.3 流程模拟技术概述 |
| 1.3.1 流程模拟技术的发展过程及研究现状 |
| 1.3.2 流程模拟的分类 |
| 1.4 ASPEN HYSYS流程模拟软件介绍 |
| 1.4.1 Aspen HYSYS的简介 |
| 1.4.2 Aspen HYSYS的特点 |
| 1.4.3 Aspen HYSYS在设计和生产中的应用 |
| 1.5 本文主要研究内容 |
| 2.ASPEN HYSYS软件的流程模拟概述 |
| 2.1 ASPEN HYSYS环境概述 |
| 2.1.1 物性环境 |
| 2.1.2 模拟环境 |
| 2.2 ASPEN HYSYS模拟理论 |
| 2.2.1 蒸馏塔动态模型的数学表达式 |
| 2.2.2 数学模型的求解 |
| 2.3 ASPEN HYSYS模拟方法 |
| 2.3.1 物性方法的选取 |
| 2.3.2 单元模型算法的选取 |
| 2.4 ASPEN HYSYS模拟概述 |
| 2.4.1 设备类型与模板 |
| 2.4.2 初始数据的估计与输入 |
| 2.4.3 塔的收敛和运行 |
| 2.4.4 模型的故障诊断和排除 |
| 2.5 ASPEN HYSYS模拟步骤简介 |
| 3.稳态模拟基础定义与稳态流程的建立 |
| 3.1 常减压装置模型的建立 |
| 3.1.1 原油的定义 |
| 3.1.2 装置模型选型 |
| 3.1.3 物料连接和模型组态 |
| 3.1.3.1 物料连接规则 |
| 3.1.3.2 模型组态 |
| 3.2 模型设置与参数输入 |
| 3.2.1 初馏塔设置与参数输入 |
| 3.2.2 常压塔设置与数据输入 |
| 3.2.3 减压塔设置与数据输入 |
| 3.2.4 .其他模型的设置 |
| 3.3 装置收敛调试 |
| 3.3.1 识别收敛的方法 |
| 3.3.2 定义塔模型设计规定 |
| 3.3.3 收敛调试技巧 |
| 3.4 稳态模型的模拟结果 |
| 3.4.1 初馏塔模拟结果 |
| 3.4.2 常压塔模拟结果 |
| 3.4.3 减压塔模拟结果 |
| 3.5 本章小结 |
| 4.动态流程模拟建立及动态模型仿真 |
| 4.1 动态模拟的基本目标 |
| 4.2 动态模拟的准备与转化 |
| 4.2.1 设备设计与尺寸核算 |
| 4.2.2 设备添加与动态规定的设置 |
| 4.3 动态模型的建立 |
| 4.3.1 初馏塔控制回路的设计 |
| 4.3.2 常压塔控制回路的设计 |
| 4.3.3 减压塔控制回路的设计 |
| 4.3.4 动态模型的调试 |
| 4.4 动态模拟的结果 |
| 4.5 本章小结 |
| 5.总结与展望 |
| 参考文献 |
| 致谢 |
（4）常压蒸馏过程单位能耗拔出率软测量与优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外炼油行业能效现状 |
| 1.3 炼油工业软测量及优化的研究现状 |
| 1.3.1 炼油过程的软测量技术研究 |
| 1.3.2 炼油过程的优化技术现状 |
| 1.4 课题研究思路与方案 |
| 1.5 本文的主要研究工作 |
| 2 炼油生产过程工艺机理及能效指标建立 |
| 2.1 炼油生产工艺流程介绍 |
| 2.2 炼油蒸馏过程介绍 |
| 2.2.1 初馏过程 |
| 2.2.2 常压蒸馏过程 |
| 2.2.3 减压蒸馏过程 |
| 2.3 炼油常压过程的稳态机理模型 |
| 2.4 装置能耗与能效分析 |
| 2.5 能效指标的建立 |
| 2.5.1 常压过程综合能耗的建立 |
| 2.5.2 常压过程拔出率的建立 |
| 2.5.3 常压过程单位能耗产出量的建立 |
| 2.5.4 常压过程单位原油综合能耗的建立 |
| 2.5.5 新指标——常压过程单位能耗拔出率的建立 |
| 2.6 本章小结 |
| 3 基于FCM的炼油常压过程工况划分 |
| 3.1 工况划分的主要依据 |
| 3.2 模糊聚类算法的基本原理 |
| 3.2.1 模糊聚类算法的提出 |
| 3.2.2 模糊聚类算法的流程描述 |
| 3.3 FCM的工况划分结果分析 |
| 3.4 本章小结 |
| 4 基于工况划分的炼油常压单位能耗拔出率建模 |
| 4.1 多模型建模 |
| 4.1.1 多模型建模概述 |
| 4.1.2 多模型建模步骤 |
| 4.2 主元分析法基本原理 |
| 4.2.1 主元分析法的概述 |
| 4.2.2 主元分析法原理分析 |
| 4.3 最小二乘支持向量机的基本原理 |
| 4.3.1 SVM算法概述 |
| 4.3.2 LSSVM算法概述 |
| 4.3.3 LSSVM算法的原理 |
| 4.4 粒子群优化算法原理 |
| 4.4.1 PSO基本思想 |
| 4.4.2 IPSO优化算法原理 |
| 4.5 基于IPSO-LSSVM的单位能耗拔出率建模 |
| 4.5.1 输入变量的选取 |
| 4.5.2 LSSVM的参数优化及预测模型建立 |
| 4.5.3 训练模型的仿真结果及分析 |
| 4.6 仿真结果及分析 |
| 4.7 炼油常压过程装置能效监控平台实现 |
| 4.7.1 平台技术架构简介 |
| 4.7.2 界面功能的实现 |
| 4.8 本章小结 |
| 5 基于IPSO的能效优化 |
| 5.1 炼油常压过程优化的内容及意义 |
| 5.2 优化模型确定 |
| 5.3 IPSO优化常压过程温度控制参数 |
| 5.4 仿真实验及效果分析 |
| 5.4.1 温度范围为?5℃的优化结果分析 |
| 5.4.2 温度范围为?3℃的优化结果分析 |
| 5.4.3 具体优化结果分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（5）基于数据的原油蒸馏装置的用能分析（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文选题目的与意义 |
| 1.2 课题相关领域研究状况 |
| 1.2.1 原油蒸馏装置的模拟仿真 |
| 1.2.2 带无线的数据采集网络平台 |
| 1.2.3 原油蒸馏装置的用能分析 |
| 1.3 本文主要工作 |
| 第二章 用能分析生产数据平台的设计与实现 |
| 2.1 引言 |
| 2.2 带无线的数据采集网络设计 |
| 2.2.1 网络结构 |
| 2.2.2 无线传输部分设计 |
| 2.2.3 网络安全 |
| 2.3 数据采集 |
| 2.3.1 采集接口选择 |
| 2.3.2 采集接口实现 |
| 2.3.3 采集接口注意事项 |
| 2.4 数据存储 |
| 2.4.1 数据量估计 |
| 2.4.2 技术架构 |
| 2.4.3 存储策略 |
| 2.5 小结 |
| 第三章 原油蒸馏装置的工艺与建模 |
| 3.1 引言 |
| 3.2 原油的性质及产品的种类和性质 |
| 3.3 原油蒸馏装置工艺流程 |
| 3.4 原油蒸馏装置的稳态模拟 |
| 3.4.1 装置流程工艺 |
| 3.4.1.1 装置介绍 |
| 3.4.1.2 流程简介 |
| 3.4.1.3 原油虚拟组分及其切割 |
| 3.4.1.4 单元模块的选择 |
| 3.4.1.5 物性方法及收敛方法的选择 |
| 3.4.2 闪蒸塔的流程模拟 |
| 3.4.2.1 闪蒸塔的模型 |
| 3.4.2.2 闪蒸塔的过程参数 |
| 3.4.2.3 闪蒸塔的模拟结果 |
| 3.4.3 常压塔的流程模拟 |
| 3.4.3.1 常压塔的建模 |
| 3.4.3.2 常压塔的过程参数 |
| 3.4.3.3 常压塔的模拟结果 |
| 3.5 小结 |
| 第四章 原油蒸馏装置的能耗及能效分析 |
| 4.1 引言 |
| 4.2 原油蒸馏装置的能耗指标计算与分析 |
| 4.3 原油蒸馏装置的拔出率模拟计算 |
| 4.4 原油蒸馏装置能耗与拔出率的关系拟合 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者和导师简介 |
| 专业学位硕士研究生学位论文答辩委员会决议书 |
（6）基于沥青生产的常减压过程模拟及排产计划优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 论文创新点 |
| 第一章 前言 |
| 1.1 课题研究背景 |
| 1.2 炼厂沥青生产的常减压过程 |
| 1.2.1 常减压蒸馏过程工艺简介 |
| 1.2.2 能耗优化 |
| 1.2.3 沥青生产方法简介 |
| 1.3 化工过程模拟与优化 |
| 1.3.1 过程系统工程 |
| 1.3.2 化工过程模拟 |
| 1.3.3 稳态模拟 |
| 1.3.4 动态模拟 |
| 1.3.5 常减压过程优化 |
| 1.4 原油炼制过程调度 |
| 1.4.1 原油调度 |
| 1.4.2 产品调和及储运调度 |
| 1.4.3 炼油过程调度 |
| 1.4.4 计划调度展望 |
| 1.5 换热网络综合 |
| 1.5.1 启发试探法 |
| 1.5.2 数学规划法 |
| 1.5.3 人工智能法 |
| 1.6 本文的研究思路与内容 |
| 第二章 重油混炼常减压过程模拟 |
| 2.1 研究背景和意义 |
| 2.2 实验及现场标定数据获得 |
| 2.2.1 实验仪器及试剂 |
| 2.2.2 实验方法 |
| 2.2.3 现场标定数据 |
| 2.3 实验结果分析 |
| 2.3.1 混合重油实沸点蒸馏分析 |
| 2.3.2 混合重油用于生产沥青的规律研究 |
| 2.4 重油混炼常减压过程建模 |
| 2.4.1 工艺数据 |
| 2.4.2 热力学模型 |
| 2.4.3 热力学模型模拟及验证 |
| 2.5 小结 |
| 第三章 重油混炼常减压过程多目标优化 |
| 3.1 多目标优化平台 |
| 3.1.1 多目标遗传算法 |
| 3.1.2 优化算法设计 |
| 3.2 常减压蒸馏流程优化 |
| 3.2.1 优化策略 |
| 3.2.2 优化结果 |
| 3.3 小结 |
| 第四章 重油混炼排产优化 |
| 4.1 生产过程模型 |
| 4.2 混炼生产计划模型 |
| 4.2.1 工厂级混炼生产计划模型 |
| 4.2.2 公司级混炼生产计划模型 |
| 4.3 过程模型对比 |
| 4.3.1 炼厂过程模型 |
| 4.3.2 过程模型比较 |
| 4.4 优化排产软件开发 |
| 4.4.1 软件结构 |
| 4.4.2 软件功能及界面 |
| 4.5 优化排产计算 |
| 4.5.1 工厂级排产优化 |
| 4.5.2 公司级排产优化 |
| 4.6 小结 |
| 第五章 重油混炼换热网络综合 |
| 5.1 无分流分级换热网络超结构 |
| 5.2 无分流分级换热网络数学模型 |
| 5.2.1 过程模型 |
| 5.2.2 约束条件 |
| 5.2.3 目标函数 |
| 5.3 换热网络模型求解 |
| 5.3.1 粒子群算法简介 |
| 5.3.2 无分流多级换热网络综合求解策略 |
| 5.3.3 计算实例 |
| 5.4 固定工况的重油混炼换热网络优化 |
| 5.5 变工况的重油混炼换热网络综合优化策略 |
| 5.6 变工况的重油混炼换热网络综合优化 |
| 5.7 小结 |
| 第六章 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 作者简介 |
（7）原油蒸馏装置的非线性模型预测控制方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文选题目的和意义 |
| 1.2 本课题相关领域研究状况 |
| 1.2.1 原油蒸馏装置的稳态和动态优化 |
| 1.2.2 模型预测控制的研究 |
| 1.2.3 预测模型建模方法 |
| 1.3 本文主要工作 |
| 第二章 原油蒸馏装置的工艺与建模 |
| 2.1 引言 |
| 2.2 原油的性质和产品的种类及性质 |
| 2.2.1 原油的性质 |
| 2.2.2 产品的种类及性质 |
| 2.3 原油蒸馏装置工艺流程 |
| 2.3.1 电脱盐和电脱水 |
| 2.3.2 初馏塔 |
| 2.3.3 常压蒸馏装置 |
| 2.4 原油蒸馏装置的稳态模拟 |
| 2.4.1 物性方法和装置模型的选择 |
| 2.4.2 原油的模拟 |
| 2.4.3 初馏塔的模拟 |
| 2.4.4 常压塔的模拟 |
| 2.5 原油蒸馏装置的动态模拟 |
| 2.6 小结 |
| 第三章 基于支持向量回归的原油蒸馏装置预测模型 |
| 3.1 引言 |
| 3.2 支持向量回归基本原理 |
| 3.2.1 支持向量机的基本原理 |
| 3.2.2 ε不敏感损失函数、松弛变量和核函数 |
| 3.2.3 支持向量回归算法 |
| 3.3 基于支持向量回归的建模过程 |
| 3.3.1 控制回路匹配的选择 |
| 3.3.2 训练数据集的获取 |
| 3.3.3 支持向量回归模型的建立 |
| 3.4 仿真分析 |
| 3.5 小结 |
| 第四章 改进的非线性模型预测控制算法及其应用 |
| 4.1 引言 |
| 4.2 模型预测控制的基本原理 |
| 4.2.1 基本组成 |
| 4.2.2 非线性模型预测控制的数学表达 |
| 4.3 改进的非线性模型预测控制 |
| 4.4 经济模型预测控制 |
| 4.6 仿真 |
| 4.6.1 ITC的仿真模拟 |
| 4.6.2 EoTC的仿真模拟 |
| 4.7 小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 硕士研究生学位论文答辩委员会决议书 |
（8）基于NARX神经网络的油品性质软测量与实时控制研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 研究现状分析 |
| 1.2.1 NARX神经网络的发展 |
| 1.2.2 NARX神经网络的应用 |
| 1.2.3 油品性质软测量的研究现状 |
| 1.2.4 油品性质实时控制的研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 原油蒸馏装置的建模 |
| 2.1 原油蒸馏装置流程 |
| 2.2 物性方法 |
| 2.3 稳态模拟物料与设备操作参数 |
| 2.3.1 原油性质 |
| 2.3.2 进料流股性质 |
| 2.3.3 初馏塔工艺参数 |
| 2.3.4 常压塔工艺参数 |
| 2.3.5 压力设备工艺参数 |
| 2.3.6 水力学参数 |
| 2.3.6.1 塔板 |
| 2.3.6.2 回流罐和塔底储罐 |
| 2.4 稳态模拟结果 |
| 2.4.1 分馏塔操作条件结果 |
| 2.4.2 温度分布 |
| 2.4.3 压力分布 |
| 2.4.4 气液负荷分布 |
| 2.4.5 油品性质分析 |
| 2.4.6 稳态模拟结果分析 |
| 2.5 动态模拟PID控制仪表设置 |
| 2.5.1 PID控制理论简述 |
| 2.5.2 PID控制器的参数整定 |
| 2.6 动态模型运行结果 |
| 2.7 本章小结 |
| 第3章 基于NARX神经网络的软测量仪表建模 |
| 3.1 软测量技术 |
| 3.2 NARX神经网络 |
| 3.2.1 NARX神经网络结构 |
| 3.2.2 神经网络训练 |
| 3.3 原油蒸馏装置的油品性质软测量仪表 |
| 3.3.1 软测量目标的选择 |
| 3.3.2 操纵变量的选取 |
| 3.3.3 阶跃实验 |
| 3.3.4 神经网络的训练 |
| 3.3.5 训练结果分析 |
| 3.4 软测量仪表的改进 |
| 3.4.1 改进的软测量仪表结构 |
| 3.4.2 修正算法 |
| 3.4.3 仿真实验结果 |
| 3.5 本章小结 |
| 第4章 基于NARX神经网络的油品性质线性化控制 |
| 4.1 神经网络控制简介 |
| 4.1.1 神经网络与PID控制 |
| 4.1.2 神经网络预测控制 |
| 4.2 NARX神经网络线性化控制 |
| 4.2.1 线性化控制原理 |
| 4.2.2 控制方案的优化 |
| 4.3 仿真实验 |
| 4.3.1 控制目标与操纵变量 |
| 4.3.2 NARX-L2控制器的训练 |
| 4.3.3 仿真实验设计 |
| 4.4 仿真实验结果 |
| 4.4.1 定值控制实验 |
| 4.4.2 随动控制实验 |
| 4.4.3 有扰动的控制实验 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间获得与学位论文相关的科研成果 |
（9）原油蒸馏系统的建模仿真与操作优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源及研究背景 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究背景及意义 |
| 1.2 原油蒸馏装置和工艺流程概述 |
| 1.2.1 原油蒸馏装置的地位 |
| 1.2.2 原油蒸馏蒸馏原理 |
| 1.2.3 原油常减压装置概括 |
| 1.3 课题研究的发展与现状 |
| 1.3.1 原油蒸馏过程模拟 |
| 1.3.2 原油蒸馏系统的操作优化 |
| 1.4 论文主要研究内容 |
| 第二章 原油馏分分析和物性计算 |
| 2.1 原油组成 |
| 2.2 石油物系的特征化方法 |
| 2.2.1 石油物系实沸点蒸馏曲线的拟合 |
| 2.2.2 石油物系的假组分划分 |
| 2.2.3 石油物系假组分的物性 |
| 2.2.4 明确组分的性质 |
| 2.3 石油物系的热力学性质计算方法 |
| 2.3.1 混合物的液体体积 |
| 2.3.2 混合物的气体体积 |
| 2.3.3 混合物的热性质 |
| 2.3.3 混合物的气液平衡模型 |
| 2.4 本章小结 |
| 第三章 原油蒸馏塔的稳态机理模型 |
| 3.1 原油蒸馏塔的稳态模型 |
| 3.1.1 典型塔板的数学模型 |
| 3.1.2 塔顶模型 |
| 3.1.3 中段回流模型 |
| 3.1.4 塔底模型 |
| 3.2 原油蒸馏塔求解策略 |
| 3.3 原油蒸馏塔参数校正方法 |
| 3.4 本章小结 |
| 第四章 原油蒸馏塔稳态模型在常减压装置中的应用 |
| 4.1 装置的工艺流程 |
| 4.1.1 初馏塔工艺流程 |
| 4.1.2 常压塔工艺流程 |
| 4.1.3 减压塔工艺流程 |
| 4.2 原油特征化结果 |
| 4.3 常减压装置模拟 |
| 4.3.1 初馏塔模拟 |
| 4.3.2 常压塔模拟 |
| 4.3.3 减压塔模拟 |
| 4.4 本章小结 |
| 第五章 原油蒸馏系统的操作优化 |
| 5.1 原油蒸馏塔稳态工艺模型操作优化问题提出 |
| 5.2 原油常压蒸馏塔操作参数的敏感性分析 |
| 5.3 模型优化实施 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 硕士研究生学位论文答辩委员会决议书 |
（10）常压蒸馏塔非线性多变量系统软测量技术与建模研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源及研究意义 |
| 1.2 国内外研究现状及发展水平 |
| 1.2.1 常压塔侧线油品质量的软测量技术 |
| 1.2.2 原油蒸馏塔建模技术 |
| 1.3 常压塔工艺特点 |
| 1.4 本文研究的问题和主要任务 |
| 1.4.1 本文研究的问题 |
| 1.4.2 本文的主要任务 |
| 第2章 常压塔工艺概况 |
| 2.1 常压塔生产工艺简介 |
| 2.2 工艺流程说明 |
| 2.2.1 脱盐脱钙部分 |
| 2.2.2 蒸馏部分 |
| 2.3 常压塔系统控制方案 |
| 2.4 影响侧线油品粘度与闪点的因素分析 |
| 2.4.1 油品的闪点 |
| 2.4.2 油品的粘度 |
| 2.5 常压塔软测量仪表和侧线温度多变量模型的建模要求 |
| 第3章 RBF神经网络技术 |
| 3.1 RBF神经网络简介 |
| 3.1.1 RBF神经网络的结构 |
| 3.1.2 RBF神经网络的学习方法 |
| 3.1.3 RBF网络的学习过程 |
| 3.2 RBF网络的缺点以及经典学习算法比较 |
| 3.2.1 RBF网络难以广泛应用的原因分析 |
| 3.2.2 RBF经典算法优缺点比较 |
| 第4章 RBF神经网络建立软测量仪表 |
| 4.1 软测量技术 |
| 4.1.1 软测量技术的产生 |
| 4.1.2 软测量仪表的描述 |
| 4.1.3 建立软测量仪表的方法 |
| 4.1.4 影响软测量仪表性能的因素 |
| 4.2 利用遗传算法和梯度下降法优化RBF |
| 4.2.1 遗传算法简介 |
| 4.2.2 遗传算法基本操作 |
| 4.2.3 遗传算法的应用步骤 |
| 4.2.4 遗传算法在优化RBF软测量模型参数中的应用 |
| 4.3 常压塔侧线油品闪点和粘度软测量仪表的建立 |
| 4.3.1 实验数据的选取和预处理 |
| 4.3.2 常压塔侧线油品软仪表关键变量的选择 |
| 4.3.3 常压塔侧线油品软仪表的建立方法 |
| 4.3.4 常二线闪点软仪表的建立 |
| 4.3.5 常三线闪点软仪表的建立 |
| 4.3.6 常三线粘度软仪表的建立 |
| 4.4 软测量仪表的维护与应用 |
| 4.4.1 软测量仪表维护 |
| 4.4.2 软测量仪表的应用 |
| 第5章 常压塔侧线温度非线性多变量系统建模 |
| 5.1 系统建模技术分类 |
| 5.2 典型的非线性系统辨识方法 |
| 5.2.1 非线性辨识典型模型及辨识方法特点 |
| 5.2.2 非线性系统参数估计的特点 |
| 5.3 常压塔机理模型的建立与分析 |
| 5.4 常压塔侧线温度多变量系统建模 |
| 5.4.1 关键变量的选择 |
| 5.4.2 常压塔侧线温度系统ANN-MIMO模型建模方法 |
| 5.4.3 常压塔侧线温度系统ANN-MIMO动态模型的建立过程 |
| 5.5 基于ANN-MIMO模型的常压塔侧线温度智能解耦控制方案设计 |
| 5.5.1 多变量解耦控制简介 |
| 5.5.2 自适应控制技术 |
| 5.5.3 DRNN神经网络技术 |
| 5.5.4 基于DRNN神经网络的PID自校正解耦控制 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 本文主要研究工作和结论 |
| 6.1.1 主要研究工作 |
| 6.1.2 结论 |
| 6.2 进一步研究工作及展望 |
| 致谢 |
| 参考文献 |
| 附录Ⅰ 图表索引 |
| 附录Ⅱ 作者硕士研究生期间论文发表情况 |
| 附录Ⅲ MATLAB程序(另册装订) |
四、原油蒸馏过程的建模与优化控制（论文参考文献）
- [1]间歇生产过程的优化方法和控制策略综述[J]. 汪会,潘海鹏,张益波. 计算机系统应用, 2021(05)
- [2]流程工业生产过程优化技术发展趋势探讨[J]. 王建平,王乐. 中外能源, 2021(04)
- [3]基于Aspen HYSYS的常减压装置动态流程模拟研究[D]. 刘方旭. 辽宁石油化工大学, 2020(04)
- [4]常压蒸馏过程单位能耗拔出率软测量与优化研究[D]. 王峥. 大连理工大学, 2019(02)
- [5]基于数据的原油蒸馏装置的用能分析[D]. 何馨. 北京化工大学, 2018(01)
- [6]基于沥青生产的常减压过程模拟及排产计划优化研究[D]. 黄小侨. 中国石油大学(华东), 2018(01)
- [7]原油蒸馏装置的非线性模型预测控制方法[D]. 冯振湘. 北京化工大学, 2018(01)
- [8]基于NARX神经网络的油品性质软测量与实时控制研究[D]. 钱欣瑞. 武汉理工大学, 2017(02)
- [9]原油蒸馏系统的建模仿真与操作优化研究[D]. 黄文. 北京化工大学, 2011(05)
- [10]常压蒸馏塔非线性多变量系统软测量技术与建模研究[D]. 向虎. 西安建筑科技大学, 2007(03)